Promotion gestion prix supermarches
Secteur(s) : Retail

Prévoir l’effet prix hors-promotion sur les ventes

Client(s) :
Pernod Ricard
Technologie utilisée :
Deep Learning
Métier : Marketing, Administratif, Commerce et relation clients

Pernod Ricard est un groupe mondial de vins et spiritueux, convivial, responsable et performant, et le numéro 1 mondial des spiritueux premium. Le Groupe représente 240 marques premium disponibles dans plus de 160 pays. Nous sommes 18 500 personnes exceptionnellement talentueuses à travers le monde, avec notre propre force de vente dans 73 pays.

Source : https://www.linkedin.com/company/pernod-ricard

Enjeux

  • Construire les calendriers de promotions de la vente de 400 marques de boissons en grande distribution dans un groupe d’Etats américains
  • Optimiser le type et la profondeur de promotion parmi une grande variété de possibilités (mono ou multiproduits, profondeur, implication sur les quantités et le panier)
  • Respecter les contraintes légales qui régissent les durées possibles de promotion pour chaque état
  • Le prix hors promotion est négocié plusieurs fois par an, mais figé état par état

Démarche

  • Un moteur de prévision des volumes vendus a été implémenté
  • Un modèle de simulation financière a été utilisé
  • L’approche basée sur la théorie économique d’élasticité prend en compte les risques de cannibalisation et des informations sur l’évolution des schémas de prix de la concurrence
  • Un moteur d’optimisation propose les meilleures variations du prix hors promotion pour maximiser un KPI choisi par l’utilisateur (volume de vente, part de marché, etc.)
  • Approche déployée sur l’état de la Californie

Résultat

  • Rationalisation de la construction et des choix de promotions par les équipes commerciales
  • Bonne prédiction de l’impact de l’ensemble des changements de prix hors-promotion négocié sur les ventes de tous les produits (concurrence comprise)