Drive-to-Store : Comment initier une approche test & learn ?

Le périmètre géographique est une question incontournable dans la mise en place d’un projet de digitalisation du Plan d’Action Commerciale (PAC) d’un grand distributeur. Elle se pose généralement en amont du projet, lorsqu’il est question de définir les modalités de “test and learn” du projet. Quelle est la manière la plus rapide de se forger des convictions en matière de capacité du digital à générer du trafic en point de vente : faut-il tester d’abord sur un sous-groupe de magasins, ou bien directement à l’échelle nationale ? Si l’on opte pour un sous-groupe, comment faut-il le définir : géographiquement (tous les magasins d’une région), ou bien statistiquement (une poignée de magasins avec des critères particuliers) ? 

L'approche nationale

L’approche nationale comporte un avantage considérable dans la phase de test and learn, car elle permet d’accéder rapidement à un volume critique de points de contacts, ce qui confère rapidement une excellent robustesse aux KPI’s observés. En diffusant les campagnes sur l’ensemble des points de vente d’une enseigne, on expose assez rapidement plusieurs centaines de milliers de consommateurs, et l’on peut alors facilement déployer des méthodologies de mesure nécessitant des volumes minimaux afin d’être solides statistiquement. 

La méthodologie de mesure de visites en magasins ne peut donner des résultats statistiquement exploitables (ou significatifs) qu’à partir de 800 000 expositions par semaine de vos offres sur nos plateformes. Il est également préférable de conduire la mesure sur plusieurs semaines, afin de se donner la possibilité de voir comment les taux de visite en magasin se comportent d’une campagne à l’autre. 

De même, les méthodologies de CRM-onboarding nécessitent un volume de données et de cookies considérable afin de pouvoir faire le matching et recouper les expositions sur nos plateformes aux ventes en magasin. Ces volumes ne peuvent, à notre connaissance, être atteints que par le biais d’une campagne conduite nationalement, sur 1 à 2 mois.

Pour en savoir plus sur la mesure des visites magasin grâce au CRM Onboarding :

Dernier avantage de la campagne nationale, et non des moindres : elle permet, par définition, de rassembler des données pour l’ensemble du territoire mais aussi de commencer à mettre en lumière des différences de performance entre les différents types de magasin existant sur le territoire. Par exemple, entre différentes régions françaises (les magasins du Nord vs. ceux de l’Aquitaine), entre différents formats / concepts (Proxi vs. SM vs. HM), ou bien encore entre différentes natures d’implantations (magasins sur zones balnéaires vs. magasins standard, magasins de “plaine” vs. “montagne”, etc.). 

Bref, l’avantage de l’échelle nationale réside dans une capacité à générer rapidement une grande richesse de données, qui rend le “zoom” possible à plus petite échelle, alors que l’inverse (l’extrapolation, donc) est souvent plus compliqué à mettre en oeuvre. 

L’approche par “sous-groupe” de magasins

Pour autant, certaines enseignes font le choix de s’orienter vers des protocoles méthodologiques fonctionnant sur des sous-groupes de magasin. C’est notamment le cas lorsqu’elles souhaitent utiliser une autre approche de mesure, davantage store-centric, c’est à dire fondées sur les performances comparatives de différents magasins ou groupes de magasins. L’objectif est certes séduisant, mais le chemin pour y parvenir est souvent semé d’embûches, tant la méthodologie se heurte à des biais statistiques importants. 

L’approche “régionale” est souvent considérée en première approche : elle consiste à sélectionner X magasins de telle région, pour les comparer aux performances de telle autre région. Très souvent, cette approche se heurte à une difficulté méthodologique importante, car elle nécessite de prendre en compte de nombreux particularismes de chacune des 2 régions : météo, situation concurrentielle, initiatives de communication locales, travaux en magasins, etc. Au final, à moins d’être observés sur une très longue période, les résultats sont souvent difficilement lisibles. 

L’approche “par clusters de magasins” est une variante intéressante, car elle limite certains de ces biais en effectuant une sélection a priori de points de vente ayant des caractéristiques similaires. Néanmoins, compte-tenu du faible nombre de points de vente participant à l’opération, il est souvent nécessaire de faire tourner les campagnes plusieurs mois avant d’obtenir des résultats suffisamment significatifs. En outre, la lecture des résultats reste souvent délicate en fonction des événements d’actualité qui ont pu toucher, dans cet intervalle long, l’un ou l’autre des clusters de magasins. 

Au final, nous avons tendance à recommander à nos clients d’opter pour une diffusion assez large lors de leurs premières campagnes, car cela permet de disposer rapidement d’indicateurs fiables pour tirer des premiers enseignements. Il sera toujours temps de déployer, dans un second temps, des approches méthodologiques plus fines sur des échelles plus petites.