Retailers organisés en réseaux de points de vente ou de concessions, agences bancaires, mutuelles, ou encore pharmacies connaissent la difficulté de mettre en place un réseau de points de vente ou de service performant. Tout en minimisant les coûts liés à l’infrastructure, ils doivent maximiser les bénéfices ou le service rendu. Dans la recherche de la configuration la plus rentable, l’intelligence artificielle explore et évalue les solutions les plus probantes.
Nous connaissons tous des retailers qui débutent leur activité avec un seul point de vente. Après avoir rencontré un certain succès, ils en ouvrent un deuxième quelques kilomètres plus loin dans un autre centre-ville. Ensuite un troisième, un quatrième, … jusqu’à obtenir une certaine couverture du territoire. Dans ce déploiement, le retailer se base sur son intuition et, en général, avec un certain succès ! Pourtant, malgré ses investissements, la rentabilité globale s’effrite. Aujourd’hui, il se rend compte que pour assurer sa rentabilité, il doit remettre en question le réseau qu’il a construit au fil des années pour mieux tenir compte des aspects démographiques de la population et du potentiel de marché. Dans les faits, il ne doit pas forcément augmenter le nombre de points de vente pour maximiser ses résultats. L’objectif est plutôt de positionner ou repositionner ses points de vente de telle manière à assurer la meilleure couverture du potentiel de marché.
C’est ainsi que la majorité des réseaux de points de vente se développent progressivement en fonction des opportunités et de la conjoncture économique d’un moment précis. Toutefois, lorsqu’une stratégie de développement, de rationalisation, voire optimisation se met en place, il est capital de revoir son réseau et son marché sous un angle plus large.
Prenons un cas relativement simple. Dans le jargon du géomarketing, nous parlons d’une hypothèse de ‘green field’, c’est-à-dire que nous repensons la stratégie en partant d’une carte vierge. Au travers d’un processus de modélisation, qui tient compte des caractéristiques socio-démographiques, du potentiel de marché, de la concurrence,… nous déterminons précisément le nombre de points de ventes nécessaires, et où ceux-ci doivent se situer afin de proposer le réseau le plus rentable.
Et c’est ici que l’intelligence artificielle entre dans le processus. Imaginez, vous avez identifié 500 emplacements possibles pour vos points de vente en Belgique et vous souhaitez mettre en place un réseau de 50 points de vente. Dans ce cas, plus d’un milliard de configurations s’offrent à vous. Comment choisir parmi celles-ci la solution la plus profitable pour votre entreprise ? L’intelligence artificielle a la capacité de trouver parmi l’invraisemblable nombre de configurations différentes, celle qui offre la meilleure rentabilité. Dans ce cas précis, nous parlons d’un apprentissage par renforcement.
Parmi les 500 emplacements possibles, l’intelligence artificielle va sélectionner 50 emplacements. Un module calcule (évalue) la rentabilité de la configuration. La proposition de configuration, et la rentabilité qui en découle sont ensuite stockées. Ce processus est renouvelé environ 5 000 fois afin de disposer d’un large éventail de possibilités avec des valeurs (récompenses) diversifiées.
Après ce premier échantillonnage un changement de stratégie s’opère. En effet, en analysant les résultats obtenus, le moteur d’IA apprend que la présence de certains emplacements semble donner de bons résultats. Il intègre ces informations et procède à une nouvelle série de 5 000 configurations pour lesquelles le choix de points sera influencé par ce qui a été appris au tour précédent. Au fil des itérations, le moteur d’intelligence artificielle construit le réseau de points de vente final avec le meilleur rendement.
Le fonctionnement de cette approche par intelligence artificielle est illustré au travers de ce petit film. Vous y verrez comment les 500 emplacements possibles sont évalués. Certains disparaîtront, tandis que d’autres auront une plus grande probabilité d’être retenus dans la solution finale. Jusqu’au dernier moment, l’intelligence artificielle remet en question l’ensemble des propositions. Vous verrez donc que certains emplacements changent même à la fin du processus.
L’intelligence artificielle est dans ce cas basée sur l’apprentissage par renforcement. Pour cela, le moteur d’IA a besoin d’évaluer et d’attribuer un score au réseau de points de vente qu’il constitue. Un score élevé sera pour lui une forme de récompense. Au fil des configurations, l’intelligence artificielle tâchera d’obtenir la récompense maximale et rencontrera l’objectif du retailer qui est de disposer de la meilleure configuration de son réseau, celle qui lui offre la meilleure rentabilité.
La rentabilité du réseau est évaluée grâce à un simulateur. Pour cela, nous intégrons de nombreux paramètres importants : potentiel de marché, seuil de rentabilité, emplacements des concurrents, profils des consommateurs et bien plus encore !
Pour l’optimisation d’un réseau de points de vente ou de service, l’intelligence artificielle permet d’explorer un nombre de possibilités qu’aucun humain ne sait traiter analytiquement. Au-delà de cette exploration, l’intelligence artificielle permet également de rechercher les réseaux avec un rendement maximal. Ces méthodes sont utilisées et perfectionnées chez SIRIUS Insight depuis plus de 15 ans, ce qui assure la fiabilité de la démarche.
Vous désirez en savoir plus ? Visionnez la vidéo ci-dessous, téléchargez le document explicatif, ou contactez-nous pour avoir davantage de renseignements.
Téléchargez le feuillet de présentation
