Pourquoi analyser le parcours du shopper en magasin ? (Partie 2)

Pourquoi analyser le parcours du shopper en magasin ? (Partie 2)

Pour faire suite à notre poste précédent, voici de nouveaux exemples concrets de bénéfices que les retailers peuvent tirer des shopper analytics (analyse du comportement du shopper en magasin).

1. Différencier les butineurs des acheteurs afin d’accroître les probabilités d’achat

Deux profiles de shoppers sont souvent différenciés : les butineurs (les shoppers se promenant en magasin, sans intention d’achat spécifique) et ceux des acheteurs (ceux évoluant dans le magasin à la recherche d’un objectif d’achat pré- décidé). De nombreuses recherches académiques (1, 2) ont tenté de déterminer les différences principales entre les parcours-types de chacun de ces profiles. Ces recherches montrent que les butineurs ont souvent:

  • – un parcours plus complexe (davantage de demi-tours et de retours dans des zones déjà visitées),
  • – une vitesse de la marche plus lente,
  • – des arrêts plus longs,
  • – davantage de comportement passif (regarder le rayon plutôt qu’interagir avec lui en prenant et examinant des produits).

 

Classification a priori. Les données recueillies grâce à la géo-localisation permettent de mesurer ces différentes caractéristiques de parcours et d’essayer ainsi de classifier les parcours selon leur probabilité d’appartenir à l’une ou l’autre de ces profiles. Il est ensuite possible de les cibler avec des actions marketing et merchandising adaptés à chacun de ces profils. Il est même envisageable de cibler spécifiquement les butineurs afin de les transformer en acheteurs.

Classification a posteriori. Bien entendu, cette catégorisation a-priori ne peut pas être parfaite.  En effet, les caractéristiques des comportements des butineurs et des acheteurs seront différents selon le type de magasin et les types de produits visités. Une autre solution consiste donc à déterminer ces caractéristiques différenciantes a posteriori par l’analyse statistique des comportements réellement effectués.  L’idée ici est de faire des correspondances entre le résultat de la visite (achat/non achat) et les caractéristiques des parcours des shoppers : les parcours des shoppers ayant acheté quelque chose ont-ils des caractéristiques significativement différentes de ceux étant ressorti sans achat ? Si c’est le cas alors il est possible de déterminer les parcours types des acheteurs et des non-acheteurs pour un magasin spécifique, et de développer des actions merchandising pour transformer les non-acheteurs en acheteurs.

 

2. Mieux gérer les ressources : Prévoir les besoins en vendeurs / caissiers en fonction des zones/moments.

L’une des utilisations les plus fréquentes des données de géo-localisation est la réalisation de Heat Maps, c’est-à-dire la visualisation en temps réel des zones chaudes (très visitées), froides (peu visitées) ou tièdes. Cette heat map n’est pas fixe, elle évolue dans le temps, au fil des heures, des jours et des saisons. Une même zone peut connaître être systématiquement remplie le samedi après-midi et systématiquement vide les soirs de semaines et inversement pour une autre zone. Une idée précise de cette heat map et de son évolution au cours du temps  permet  une meilleure efficacité dans la gestion de nombreuses ressources telles que :

  • – La détermination du besoin en vendeurs et leur emplacement: les enseignes sont parfois réticentes à investir dans la force de vente pour éviter d’avoir une ressource chère inoccupée.   Mais on sait que les clients peuvent être rapidement impatients lorsqu’ils attendent un vendeur qui n’est pas là ou qui s’occupe d’autres clients. Avoir à disposition une heat map permet une meilleure estimation de ces besoins et efficacité dans ces dépenses.
  • – Prévision d’attente en caisse: dans le même ordre d’idée, les clients peuvent passer une heure en magasin (temps choisi) et ne pas supporter d’attendre cinq minutes en caisse (temps subi). La détermination des besoins en agents de caisse est donc aussi cruciale. Une bonne estimation des flux en magasin et des arrivées des clients aux caisses permet de prévoir les moments où les besoins en caissier seront importants
  • – Réaménagement du magasin et repositionnement des stands-clés: Si certaines zones sont systématiquement très peu visitées, l’espace de vente peut être considéré comme sous-exploité. Surtout si d’autres zones sont au contraire engorgées et créent de l’insatisfaction et du stress chez les clients, voire même parfois l’abandon de l’achat.  Il est alors nécessaire de se poser la question du réaménagement du magasin.
  • – Visualisation en temps réel de l’impact des actions merchandising et possibilité d’ajustement immédiat : Les impacts des actions de réaménagement sont toujours longues et compliquées à évaluer quand on n’a que les données d’achats à analyser. Les données de géolocalisation permettent ne visualisation immédiate des changements de flux, de parcours et de fréquentation de zone, ainsi que de comportement de considération dans chaque zone (fréquence et durée des arrêts), et d’ainsi expliquer pourquoi différentes réorganisations (ou toute autre types action merchandising)  ont différents impacts sur les achats.

 

Lombart C. (2004), « Le butinage :proposition d’une échelle de mesure », Recherche et Applications en Marketing, 19, 1, 1-30.

Schmitt, J. (2009), « Parcours, déplacements et actions face au rayon : Mieux comprendre le comportement physique de consommateur en magasin pour mieux comprendre ses achats », Thèse de Doctorat, HEC Paris.

rédigé par : Julien Schmitt

a propos de roxwhale

Roxwhale est un éditeur de solutions d'analyse In-Store qui permettent aux magasins d'optimiser leur surface de vente