EN FR
Illustration éditoriale d'un long catalogue de produits avec quelques items signalés pour attention

Les cent SKU à corriger en premier

Quand une entreprise de catalogue me dit « on a environ cent mauvais SKU, mais on ne sait pas pourquoi » – c'est le protocole qui arrive à un plan d'action défendable en cinq à sept heures. Il attrape les pièges d'analyse qui font mentir les données, et ne fait partir que les recommandations qui résistent aux objections du client.

La plupart des entreprises de catalogue ont une queue de SKU qu'elles soupçonnent de sous-performer – ventes lentes, marges faibles, encombrement de catalogue, « on traîne du bois mort mais on ne sait pas lequel ». La question, ce n'est pas de savoir si les sous-performants existent. La question, c'est lesquels, pourquoi, et quoi faire avec chacun – sans passer un mois en analyse, et sans faire partir des recommandations qui s'effondrent dès la première objection du client. J'ai bâti un protocole qui amène une entreprise de catalogue de « on pense qu'on a environ cent mauvais SKU » à une matrice d'action signée avec des niveaux de confiance, en cinq à sept heures de travail et environ un dollar de requêtes IA.

Le protocole roule en six phases. La recherche pré-mandat et un audit d'expérience client se font avant le premier appel. Une séance avec le client valide les données. Une phase de classement produit la liste des cent premiers. Une phase de regroupement les classe par patron. La recherche en profondeur roule par catégorie et par SKU vedette, avec un test de fracture à chaque étape. Une phase de livrables emballe la matrice d'action. Chaque transfert a une porte qualité.

Le pipeline du protocole en six phases – Phase 0 recherche pré-mandat et audit EC, Phase 1 séance client, Phase 1.5 identification des sous-performants, Phase 2 regroupement et tri, Phase 3 recherche avec fracture, Phase 4 livrables

L'erreur d'analyse la plus fréquente, c'est de comparer les mauvaises fenêtres de temps. Depuis le début de l'année comparée à l'année précédente complète, c'est cassé sur la face – trois mois et demi de nouvelles données contre douze mois d'anciennes – mais les clients exportent leurs données comme ça parce que c'est la valeur par défaut de la plateforme. Des SKU en croissance ont l'air en déclin. Des SKU saisonniers ont l'air catastrophiques. La première étape de la phase de classement force des fenêtres comparables avant qu'un classement de déclin soit pris au sérieux.

Le piège des fenêtres de temps – à gauche, une comparaison cassée du revenu année en cours avec le revenu de l'année précédente complète; à droite, la comparaison corrigée de la même période d'année en année

Avec les fenêtres corrigées, chaque SKU en déclin reçoit un drapeau de sévérité. MORT – passé de volume réel à zéro, habituellement un problème opérationnel (rupture de stock, retrait de la liste, changement de fournisseur) qui doit être enquêté à l'interne avant que la recherche de marché y touche. ABRUPT – baisse de plus de quatre-vingts pour cent, habituellement un problème d'annonce ou un choc de prix, même réponse initiale. LENT – baisse de vingt à quatre-vingts pour cent, un vrai déplacement de demande ou de concurrence, la cible la plus profonde pour la recherche. Les cent premiers, classés par impact de revenu, avec une vérification de concentration. Sur un mandat récent, les cent premiers représentaient cinquante pour cent de la perte totale de revenu des SKU en déclin. Corriger ces cent-là fait bouger l'aiguille.

Les cent premiers sous-performants classés par impact de revenu avec les drapeaux MORT, ABRUPT et LENT répartis sur la liste; un panneau de concentration montrant que les cent premiers captent cinquante pour cent de la perte de revenu des SKU en déclin

Approche naïve de la phase de recherche : une requête de recherche approfondie par SKU. Cent SKU multipliés par un dollar par requête, ça fait onze dollars et vingt heures de temps IA, et les résultats sont superficiels parce que chaque requête part à froid. Protocole : regrouper les cent en cinq à huit catégories, rouler une requête approfondie par regroupement, choisir trois à cinq SKU vedettes pour des recherches par unité. Même terrain couvert, dix fois moins cher, meilleure qualité – chaque requête a la place pour vraiment réfléchir.

Comparaison de coût – à gauche, l'approche naïve par SKU avec cent petites cartes de requête qui totalisent environ vingt heures et onze dollars; à droite, l'approche du protocole avec cinq à huit regroupements et trois à cinq SKU vedettes qui totalisent environ un dollar et cinq à sept heures

Sur un mandat récent, les chiffres d'en haut avaient l'air catastrophiques – une chute de vingt-et-un pour cent en unités, quatorze pour cent en revenu, plus de cent mille livres sterling de moins d'une année à l'autre. L'analyse aurait pu passer une semaine à bâtir une cause de problèmes de demande par SKU. Quinze minutes dans l'entrevue client de la Phase 1, la vraie cause est sortie : le client avait tranquillement augmenté ses prix de dix pour cent partout entre les deux périodes. Les données montraient de l'élasticité de prix, pas de la faiblesse par SKU. Le protocole est bâti autour de ce genre de moment. Les données mentent sur la cause tant qu'on n'a pas parlé au client.

Le recadrage d'élasticité – un graphique de déclin dramatique qui se lit comme un problème de demande par SKU, à côté d'une note d'entrevue client révélant une hausse de prix de dix pour cent partout qui explique la majorité de la baisse

Le livrable, c'est une matrice d'action. Chaque SKU dans les cent premiers reçoit une des six recommandations – revoir le prix, optimiser l'annonce, jumeler avec des items complémentaires, corriger les données de catalogue, repositionner, ou retirer – plus un niveau de confiance noté contre une grille, pas juste une étiquette. Sept portes qualité rejettent toute recommandation qui échoue : pas de changement de prix sans coût unitaire vérifié, pas de retrait sans vérification de marge sur deux ans et de complétude de catalogue, pas d'« investiguer » générique sans prochaine étape concrète. Ce qui part est défendable.

La matrice d'action en livrable – chaque SKU dans les cent premiers assigné à une des six recommandations (revoir prix, optimiser annonce, jumeler, corriger catalogue, repositionner, retirer) avec un niveau de confiance et un court justificatif, à côté d'un panneau montrant les sept portes qualité qui rejettent les recommandations qui échouent

La partie réutilisable, c'est le protocole lui-même. N'importe quelle entreprise de catalogue – quincaillerie, prêt-à-porter de niche, alimentation spécialisée, pièces d'auto spécialisées, distributeur industriel, maison-et-jardin – avec une présence web et deux fenêtres comparables de données de ventes peut être passée dans le pipeline. La sortie a la même forme chaque fois : un classement des cent premiers, une passe de recherche par regroupement, une recherche par SKU vedette, une matrice d'action qui résiste aux objections. Je roule ça sur une entreprise britannique de commerce en ligne en ce moment.

Si vous faites rouler une entreprise de catalogue et que vous savez que la queue est faible mais n'arrivez pas à pointer quels SKU ou pourquoi, écrivez-moi. Je peux pointer le protocole sur votre catalogue et revenir avec une liste classée et des drapeaux en moins d'une journée.

Écrivez-moi →

Projets reliés