Le merchandising basé sur l'IA pour le commerce électronique : l'automatisation du rayon numérique en 2026

Le merchandising basé sur l'IA automatise le classement des commandes et améliore les performances tout en vous permettant de garder le contrôle. Découvrez comment évaluer les outils, vérifier la qualité des données et démontrer l'impact positif.

Dernière mise à jour | 12 minutes

Fredrik Selander
Fredrik Selander

Responsable de la croissance

Le merchandising basé sur l'IA : guide d'évaluation à l'intention des acheteurs pour 2026

En bref

  • Le merchandising basé sur l'IA utilise l'apprentissage automatique pour classer les produits dans les résultats de recherche, sur les pages de catégories et dans les recommandations ; vous pouvez ainsi définir des objectifs commerciaux au lieu de devoir ajuster manuellement les ordres de tri et les priorités.
  • Les règles définies manuellement ne peuvent pas suivre le rythme lorsque l'on compte des dizaines ou des centaines de milliers de références (SKU) ; par conséquent, les produits tendance apparaissent avec un jour de retard et les articles en rupture de stock occupent les premières places.
  • Voyado établit un classement en fonction des objectifs, en tenant compte en temps réel des stocks, des marges et des intentions d'achat, les exceptions étant réservées aux campagnes.
  • Les clients de Voyado constatent une augmentation moyenne du taux de conversion de 15 à 20 %, et H&M a réduit de 50 % le nombre de recherches sans résultat après avoir ajouté des signaux plus riches.
  • Ce guide vous explique comment réduire les tâches répétitives, évaluer les outils à l'aide de votre propre catalogue, vérifier la qualité des données et démontrer l'impact positif.

Le lundi commence par un réajustement. Vous modifiez les pages des catégories, peaufinez les optimisations de recherche et vérifiez les articles en rupture de stock, tandis que les tendances du marché, les stocks et les intentions d'achat des clients ne cessent d'évoluer.

La mise à jour manuelle prend au moins 24 heures. Les règles gérées manuellement peuvent cesser de fonctionner sans que l'on s'en aperçoive, et l'espace limité à l'écran rend chaque emplacement mal choisi particulièrement coûteux.

Voici un guide pratique destiné aux détaillants du Royaume-Uni et de l'Union européenne sur le merchandising basé sur l'IA.

Ce système se concentre sur le rayon numérique ; la planification de l'assortiment et la tarification dynamique ne font donc pas partie de son champ d'application.

Pourquoi le merchandising manuel ne fonctionne plus à grande échelle

Les produits tendance apparaissent avec un jour de retard. Les articles en rupture de stock occupent les premières places. C'est un problème lié à la vitesse de traitement des données, pas un problème d'effort.

Pourquoi le merchandising manuel ne fonctionne plus à grande échelle

Les processus manuels de merchandising ne permettent pas d'analyser suffisamment rapidement les données relatives aux clients et aux produits parmi des dizaines ou des centaines de milliers de références. Le merchandising basé sur l'IA remplace cette tâche par une prise de décision continue fondée sur des données en temps réel.

Trop de références, trop peu d'espace à l'écran

Dans les magasins physiques, c'est l'aménagement de l'espace qui détermine quels produits occupent les rayons. En ligne, c'est le classement qui remplit cette fonction.

La plupart des produits figurant dans un catalogue volumineux ne sont jamais remarqués, car les acheteurs ne parcourent que les premières lignes. C'est pourquoi chaque décision concernant l'emplacement d'un produit revêt une importance capitale.

Prenons l'exemple d'une veste de pluie à 89 €, en rupture de stock, qui occupe la première place de votre page dédiée aux vêtements d'extérieur. Chaque client qui clique dessus se retrouve dans une impasse jusqu'à votre prochaine mise à jour hebdomadaire.

Les micro-tendances évoluent plus rapidement que les processus hebdomadaires

Les flux de travail hebdomadaires considèrent que la demande reste stable. Souvent, lorsque votre campagne promotionnelle est mise en ligne, le pic de demande est déjà passé.

Les concurrents agissent tout aussi rapidement. Une baisse des prix pratiqués par la concurrence peut faire basculer la demande du jour au lendemain.

Imaginons une vague de chaleur typique au Royaume-Uni en juin. Les recherches concernant les chemises en lin et les sandales explosent du jour au lendemain, bien avant les tendances saisonnières habituelles.

Ce que le merchandising basé sur l'IA automatise réellement

Le merchandising basé sur l'IA utilise l'intelligence artificielle et des modèles d'apprentissage automatique pour déterminer quels produits apparaissent sur votre rayon numérique, dans quel ordre et pour quels utilisateurs. Il couvre les résultats de recherche, les pages de catégories et les recommandations, remplaçant ainsi le tri hebdomadaire et les ajustements manuels que vous effectuez habituellement.

Les systèmes de merchandising automatisés de base accélèrent l'application des règles que vous avez déjà mises en place. Le merchandising Agentic va plus loin : il remplace ces règles par des décisions prises en temps réel, en fonction des intentions des clients, des stocks, des tendances et des priorités de l'entreprise.

L'utilisation de l'IA pour le merchandising sur ces trois canaux permet d'améliorer votre merchandising numérique tout en réduisant le travail manuel.

Pages de catégories et tri des collections

Le reclassement hebdomadaire est un instantané qui commence à vieillir dès sa publication. Le classement continu met en avant les produits tendance à mesure que l'intérêt pour ceux-ci grandit, et les relègue au second plan lorsque cet intérêt s'estompe.

Les meilleures ventes, les nouveautés, le taux de rotation et la disponibilité des stocks déterminent tous ensemble les articles qui restent en avant-plan. Les articles en rupture de stock descendent dans la liste, tandis que ceux qui ont été réapprovisionnés réapparaissent sans intervention manuelle.

Les nouveautés constituent le cas le plus délicat pour les règles statiques. Un modèle lancé ce matin ne dispose d'aucun historique de ventes ; il est donc relégué au second plan dans un classement par meilleures ventes. Considérer la nouveauté comme un critère permet de donner une chance équitable aux nouveaux produits.

Voyado Product Discovery gère cela grâce au merchandising algorithmique. Les algorithmes se chargent du gros du travail, et les responsables merchandising interviennent lorsque cela s'avère nécessaire.

Règles de mise en avant et de masquage dans les résultats de recherche

Chaque règle de « boost » et de « bury » n'est qu'une hypothèse figée au moment où vous l'avez définie. Si vous configurez des « boosters » pour une campagne de printemps au Royaume-Uni, la règle continuera de s'appliquer bien après que les acheteurs auront commencé à rechercher des « sandales ».

Un classement qui s'adapte en temps réel aux intentions des utilisateurs et aux signaux de conversion permet de maintenir la pertinence des résultats de recherche sans nécessiter de maintenance. Il prend également en charge les corrections que les équipes effectuent souvent manuellement dans la recherche sur site: synonymes, fautes de frappe et requêtes ne renvoyant aucun résultat.

Une requête saisie dans la barre de recherche, telle que « manteau en laine femme », devrait privilégier les modèles qui permettent de remplir entièrement le panier, et pas seulement les miniatures les plus populaires.

Des recommandations qui s'adaptent sans nécessiter de réajustements constants

Les recommandations automatisées finissent tout de même par devenir obsolètes si quelqu'un les ajuste manuellement à chaque saison. Les profils clients connectés, les indicateurs de fidélité et le comportement sur le site permettent au contraire de les adapter.

C'est cette même logique qui sous-tend les ventes croisées et incitatives, comme les associations de type « complétez votre look » ou la proposition d'une alternative similaire lorsqu'une taille est en rupture de stock. Les recommandations de produits basées sur l'IA permettent de proposer le bon produit au bon client, tout en vous laissant le contrôle total sur ces choix.

Règles manuelles, merchandising automatisé et merchandising agentique

Le merchandising basé sur l'IA recouvre deux approches : l'approche automatisée et l'approche par agent. Si l'on y ajoute les règles manuelles, on obtient trois modèles qui se distinguent sur un seul point : qui prend la décision de classement.

L'automatisation accélère les étapes. L'intelligence prend les décisions.

Critères Règles manuelles Mise en rayon automatisée Merchandising axé sur l'agent
Données d'entrée Jugement, rapports hebdomadaires Règles prédéfinies Objectifs actuels, situation actuelle, tendances, priorités
Décisions À la main Les règles que tu rédiges L'IA, à l'encontre de vos objectifs
Contrôle humain Plein, mais lent Coûts d'entretien élevés et importants Objectifs et dérogations
Cas d'utilisation les plus adaptés Petits catalogues Une demande stable Grands catalogues destinés à plusieurs marchés

Le merchandising traditionnel, basé sur des règles définies manuellement, vous offre un contrôle total, mais perd de son efficacité à grande échelle. L'automatisation accélère l'application de ces règles, mais vous devez tout de même corriger les ajustements chaque semaine.

Le merchandising agentique remplace les règles par des décisions axées sur les objectifs. Les équipes de merchandising fixent les objectifs et interviennent pour les campagnes et les exceptions.

Pourquoi le contexte de la vente au détail influe sur les résultats de l'IA en matière de merchandising

L'efficacité du merchandising basé sur l'IA dépend entièrement du contexte commercial dans lequel il s'inscrit. Une IA spécialisée dans le commerce de détail intègre une connaissance des stocks et une gestion équilibrée des marges.

Elle s'appuie également sur des données produit : caractéristiques, compatibilité, niveaux de stock, logique de marge et délais de la chaîne d'approvisionnement. Sans ce contexte, l'IA dédiée au merchandising traite votre catalogue comme une simple liste plutôt que comme un assortiment dynamique.

Les variantes, la nouveauté et les cycles de vie des produits constituent des facteurs de classement

Les règles statiques ne permettent pas de prendre en compte les éléments qui font la spécificité du commerce de détail. Si vous considérez chaque taille et chaque couleur comme un produit distinct, un seul pull occupera six emplacements sur votre page dédiée aux vêtements en maille.

Si l'on se base uniquement sur l'historique des ventes, le best-seller de la saison dernière devance les nouveautés de cette semaine.

Voyado intègre d'emblée ces connaissances du secteur de la vente au détail, plutôt que de les acquérir au fil du temps ; ainsi, les variantes, la saisonnalité et la nouveauté influencent le classement dès le premier jour.

Ce que révèle la réduction de 50 % des articles non vendus chez H&M

H&M a réduit de 50 % le nombre de recherches sans résultat après avoir intégré des signaux plus pertinents dans ses algorithmes de recherche et de classement. Parmi ces signaux figuraient les achats, les ajouts au panier, les performances en termes de chiffre d'affaires, la nouveauté, les stocks et l'intention d'achat.

Considérez cela comme un résultat de découverte fondé sur des signaux plus pertinents, et non pas uniquement sur l'automatisation de la mise en avant des produits.

Comment l'IA appliquée au merchandising permet d'équilibrer les stocks, les marges et les campagnes

Le merchandising basé sur l'IA prend tout son sens lorsqu'une décision de classement doit tenir compte à la fois des stocks, des marges et des objectifs de campagne. C'est là que la gestion des stocks et les décisions de merchandising se recoupent.

Une IA spécialisée dans le commerce de détail vérifie les stocks disponibles, la marge générée par chaque produit et ce que le client est susceptible de rechercher. Elle optimise ensuite la valeur du panier plutôt que le nombre de clics.

Exemple de classement tenant compte des stocks dans le secteur de la mode

Voici un exemple à titre d'illustration, et non le résultat d'un client. Votre robe midi à 79 €, qui remporte un franc succès, n'est plus disponible qu'en tailles européennes 34 et 46.

Sans classement tenant compte des stocks, la robe conserve sa première place et la plupart des acheteurs se retrouvent dans une impasse au moment de choisir leur taille. Avec ce système, la robe perd des places dans les résultats de recherche, sur les pages de catégories et dans les recommandations avant même que cela ne se produise.

Dès que le réapprovisionnement est effectué, le stock remonte automatiquement. Voyado identifie les liens entre les différentes variantes et s'appuie sur les niveaux de stock pour assurer la visibilité, ce qui est primordial pour les détaillants de mode proposant une large gamme de tailles.

Priorités de campagne dont la pertinence ne fait aucun doute

Si l'on accumule trop de bannières et de placements en tête de liste imposés, les produits en promotion finissent par masquer les articles que les clients sont venus acheter.

Une meilleure approche consiste à considérer les priorités de campagne comme des priorités commerciales pondérées au sein des classements. Les produits de campagne remontent dans le classement pour les acheteurs auxquels ils correspondent, votre lancement bénéficie toujours d'un coup de pouce promotionnel et la pertinence reste intacte.

Comment les données clients et la personnalisation améliorent le référencement

Le merchandising basé sur l'IA ne peut pas améliorer les classements s'il ne sait pas qui effectue les achats. Les profils connectés, les signaux de fidélité, les achats en magasin et le comportement pendant la session permettent de combler cette lacune.

Les meilleurs outils de merchandising basés sur l'IA regroupent les données clients et les données produits dans une seule vue d'ensemble. Les solutions « Product Discovery » et « Customer Engagement » de Voyado partagent une même couche de données, ce qui permet d'établir une correspondance entre les visiteurs du site et les clients du CRM. C'est ainsi que la marque britannique Pour Moi associe une recherche plus intelligente à la personnalisation.

Ce que l'IA appliquée au merchandising peut encore apporter aux acheteurs anonymes

Le trafic anonyme n'est pas un angle mort. Les données sur les produits et les comportements communs issus des clics, des recherches et des achats des autres acheteurs continuent d'affiner le classement, même sans connexion ni inscription.

Cela permet également aux nouveaux produits ou à ceux disposant de peu de données d'être mis en avant. Vérifiez auprès de votre équipe chargée de la protection de la vie privée quels sont les signaux nécessitant un consentement en vertu du Règlement général sur la protection des données (RGPD) et du RGPD britannique.

Quand les indicateurs de fidélité et de cycle de vie doivent-ils entraîner un changement de rayon ?

Les étapes du cycle de vie (n'a jamais acheté, premier achat, achat récurrent, reconquête, client en train de partir, perdu) indiquent à quel moment il convient de modifier l'offre de produits. Il en va de même pour les profils d'acheteurs, allant des plus actifs aux plus inactifs.

Par exemple, un membre de niveau supérieur qui dépense 400 £ par an découvre en priorité les nouveautés. Un client que l'on cherche à reconquérir voit quant à lui les best-sellers à moins de 50 €. Ce sont votre programme de fidélité et l'historique des achats qui déterminent ces recommandations.

Comment les responsables merchandising gardent le contrôle grâce aux garde-fous et aux dérogations

Le merchandising basé sur l'IA vous libère des ajustements manuels hebdomadaires, mais ne vous dispense pas de votre rôle. Votre mission consiste désormais à élaborer des stratégies de merchandising : fixer des objectifs, définir des limites et gérer les exceptions.

Les objectifs guident le travail répétitif, dont l'exécution est cohérente sur toutes les pages.

Fixez-vous des objectifs, puis laissez l'IA se charger des tâches répétitives

Définissez d'abord l'objectif : conversion, marge ou déstockage. L'IA se charge ensuite du classement page par page et privilégie la valeur du panier plutôt que le nombre de clics.

Une promotion permet d'écouler les stocks de fin de série sans pour autant les imposer à des clients auxquels ils ne conviennent pas. L'enseigne de produits de beauté Kicks a opté pour cette stratégie afin de se décharger de la lourde tâche que représente la mise en avant des produits en ligne.

Quand épingler, mettre en avant, masquer ou intervenir manuellement

Conservez les outils de merchandising éditorial manuels pour les situations qui nécessitent une intervention humaine, comme le merchandising visuel sur une page de lancement :

  • Épingler : afficher un produit phare en haut de la page à l'occasion d'un lancement.
  • Boost : mettez en avant les produits en promotion tout en veillant à ce que leur pertinence continue d'influencer leur classement.
  • Bury : mettre en retrait certains éléments lors de moments critiques pour l'image de marque, comme un rappel de produit.

La mise en avant reste un outil puissant. Voyado permet aux responsables merchandising de mettre en avant, de booster, de masquer et de publier des campagnes sur l'ensemble des marchés. Dans un cadre d'assistance, l'IA formule des recommandations, vous les validez et vous ne les modifiez que lorsque la situation commerciale l'exige.

Les questions à poser lors de l'évaluation d'un logiciel de merchandising basé sur l'IA

Les fournisseurs de solutions de merchandising basées sur l'IA devraient démontrer, lors d'une démonstration, qu'ils réduisent le temps consacré à l'ajustement hebdomadaire au lieu d'ajouter des règles à gérer.

Les questions à poser lors de l'évaluation d'un logiciel de merchandising basé sur l'IA

Les outils d'IA conçus exclusivement pour le merchandising dans le secteur de la vente au détail devraient vous fournir des réponses basées sur vos données, et non sur des diapositives. Si vous êtes encore en train d'établir une liste de présélection, commencez par consulter ce comparatif des plateformes de recherche sur site et de découverte de produits basées sur l'IA.

Un petit tableau comparatif des outils de merchandising basés sur l'IA

Notez chaque fournisseur sur une échelle de 1 à 5 :

Critère Ce qu'il faut tester sur votre propre catalogue Note (1–5)
Classement des renseignements Les variantes, les articles en rupture de stock et les nouveautés sont classés correctement, et les objectifs de marge influencent les classements en temps réel.  
Adéquation opérationnelle Les responsables merchandising peuvent modifier les paramètres sans avoir à refondre la logique, et les classements s'adaptent en fonction du marché  
Explicabilité Le fournisseur explique le fonctionnement des classements et établit un lien entre les variations de ces derniers et le taux de conversion, le panier moyen et la fidélisation des clients.  
Intégration et coût Les flux, les propriétaires et les chaînes sont mis en correspondance, et la tarification s'adapte à votre taille  

Classement des renseignements

Testez trois choses : un modèle proposé dans de nombreuses tailles et couleurs, un produit dont le stock est faible et une nouveauté. Observez où chacun d'entre eux se classe dans les résultats de recherche et par catégorie.

Demandez ensuite au fournisseur d'augmenter l'objectif de marge sur une catégorie existante, par exemple celle des canapés dont le prix varie entre 400 et 1 200 €, et observez comment les classements évoluent. Si vous modifiez souvent les prix, refaites le test après chaque changement de prix.

Adéquation opérationnelle

Demandez au fournisseur de mettre un produit en avant en direct et de montrer que le reste de la page continue à être référencé de manière autonome. Vous ne devriez pas avoir besoin de recréer chaque mise en avant existante pour effectuer la migration.

Demandez-leur ensuite d'expliquer une décision concrète en matière de merchandising : pourquoi un produit se trouve dans l'emplacement n° 1 et un autre dans l'emplacement n° 10.

Intégration et coût

La propriété, les flux et les canaux — en d'autres termes, votre modèle opérationnel — ont souvent une incidence plus importante sur le coût total de possession que le prix de la licence. Identifiez-les dès le début :

  • De quelles sources d'informations le classement a-t-il besoin, et à qui appartient chacune d'entre elles ?
  • Quelles chaînes sont disponibles ?
  • Les informations relatives aux caractéristiques, aux stocks, à la logique de marge et aux délais de livraison sont-elles disponibles ?

Vérifiez quelles intégrations un fournisseur prend en charge avant de vous engager. Voyado facture des frais fixes liés à la plateforme, auxquels s'ajoute une tarification au volume basée sur le nombre de sessions mensuelles et la taille du catalogue ; demandez donc un devis pour connaître les tarifs applicables au Royaume-Uni et dans l'Union européenne.

Cela permettra-t-il de réduire le travail manuel ou simplement de le déplacer ?

Demandez à un commerçant comme le vôtre de vous fournir une preuve des heures économisées, et non des rapports générés.

La marque de mode britannique Never Fully Dressed, par exemple, a vu son taux de conversion issu des recherches augmenter de 39 % et son taux de conversion global progresser de 16 % après avoir adopté Voyado Product Discovery. Voyado propose également un audit gratuit qui effectue cette comparaison à partir de vos propres données.

Comment étendre l'optimisation du merchandising aux marchés du Royaume-Uni et de l'Union européenne

Le merchandising basé sur l'IA évite d'avoir à définir des règles distinctes et ajustées manuellement pour chaque marché. Chaque nouvelle langue, devise et gamme régionale multiplie le nombre de règles fragiles, et chaque marché réagit aux évolutions du marché à son propre rythme.

Grâce à une architecture agentique, vous définissez des objectifs communs, l'IA se charge du classement local, et l'optimisation de la mise en avant des produits devient une stratégie unique, plutôt qu'un ensemble de règles disparates.

Tous les marchés obtiendront-ils les mêmes classements ?

Non. Une seule stratégie s'applique à toutes les boutiques : préserver la marge, augmenter le taux de conversion et accroître le montant moyen des commandes (AOV). La demande locale, la langue et les stocks régionaux déterminent ensuite les réapprovisionnements de chaque boutique.

Par exemple, un imperméable arrive en tête à Manchester, tandis qu'une veste plus légère occupe la première place à Madrid. Voyado utilise le merchandising algorithmique pour harmoniser les classements et les campagnes sur l'ensemble des marchés sans imposer des commandes identiques.

Questions à poser dès le début concernant le consentement et la vie privée

Posez ces questions avant toute signature de contrat et vérifiez les réponses auprès de vos équipes juridiques et chargées de la protection des données :

  • Quels signaux fonctionnent pour les acheteurs anonymes qui n'ont pas donné leur accord ?
  • Quels sont les signaux soumis à l'obligation de consentement en vertu du RGPD et du RGPD britannique ?
  • Comment le fournisseur gère-t-il la minimisation et la conservation des données ?
  • Comment le consentement est-il suivi sur l'ensemble des marchés et des canaux ?

Ce dont un logiciel de merchandising basé sur l'IA a besoin dès le premier jour

Le merchandising basé sur l'IA porte ses fruits plus rapidement lorsque vos données sont prêtes dès le premier jour. Des données obsolètes ou insuffisantes laissent dans tout système de merchandising les mêmes lacunes que celles que présentent aujourd'hui vos règles.

Ce dont un logiciel de merchandising basé sur l'IA a besoin dès le premier jour

Les 3 données indispensables à tout lancement

1. Données produit et identifiants de variantes

Le référencement repose sur des attributs structurés, une taxonomie claire, ainsi que des tailles et des couleurs associées à un produit parent grâce à des identifiants de variantes cohérents. Lorsque les attributs sont limités, Voyado extrait la couleur, le motif, la matière et l'occasion à partir des images des produits.

Vérification rapide : sélectionnez 20 produits au hasard et assurez-vous que chaque variante renvoie bien au produit parent correspondant.

2. Flux de stocks et fraîcheur

Des données de stock obsolètes sapent rapidement la confiance. Faites en sorte que la mise à jour quotidienne des stocks soit une exigence dès le premier jour pour chaque marché, afin qu’une veste en rupture de stock à Dublin puisse toujours apparaître dans les résultats de recherche à Berlin. Si vous vendez également en magasin, intégrez les stocks des magasins pour le service « click-and-collect ».

3. Comportement et événements liés à l'ordre

Les clics témoignent d'un intérêt. Les ajouts au panier, les achats et le chiffre d'affaires indiquent ce qui se vend réellement et alimentent les analyses prédictives qui permettent de détecter les tendances.

Qu'est-ce qui peut attendre la deuxième phase ?

Les indicateurs de fidélité, les profils d'acheteurs, les segments de cycle de vie et les données servant à la prévision de la demande apportent davantage de profondeur, mais ils peuvent attendre. Commencer par laisser l'IA vous proposer des modifications que vous devrez ensuite valider permet de réduire encore davantage les risques.

Précisez un point avant le premier jour : qui est chargé de gérer chaque flux.

Comment mesurer le retour sur investissement d'un logiciel de merchandising pour le commerce en ligne

Le merchandising basé sur l'IA n'est rentable que si vous pouvez le prouver. Une étude menée par Voyado et Retail Economics a révélé que 95 % des détaillants utilisent l'IA, mais que seuls 5 % d'entre eux en tirent un retour sur investissement. Évaluez tout logiciel de merchandising en ligne en fonction des résultats commerciaux, et non du nombre de clics.

Suivez six indicateurs clés de performance : le taux de conversion, le panier moyen, le taux de réachat, le chiffre d'affaires par session, la marge et les heures de travail des merchandisers. Si l'objectif est de liquider les stocks, surveillez également le taux d'écoulement et la rotation des stocks.

Des indicateurs liés à la valeur vie client (CLV), et pas seulement aux clics

Un taux de clics élevé peut masquer une faible valeur du panier. Évaluez les variations de classement à l'aune d'indicateurs liés à la valeur vie client (CLV) :

  • Chiffre d'affaires par session, qui indique si le trafic se traduit par des recettes.
  • L'AOV, qui permet de déterminer si le classement génère des paniers plus garnis.
  • Taux de réachat, qui indique si les clients reviennent.

Comment réaliser un test A/B sur le merchandising basé sur l'IA au cours de vos 90 premiers jours

Réalisez un test A/B qui ne modifie que le classement. Maintenez les campagnes, les tarifs et les promotions à un niveau constant afin que toute augmentation des résultats soit attribuable au classement.

Notez chaque semaine le temps consacré aux optimisations et au tri des commandes avant et pendant le test, afin de mesurer les gains de temps réalisés, plutôt que de vous contenter de les supposer.

Pourquoi le merchandising automatisé ne tient pas ses promesses (et comment le repérer à temps)

Lorsque le merchandising basé sur l'IA n'atteint pas les résultats escomptés, la cause réside généralement dans les données, les objectifs ou les règles qui le régissent, et non dans le modèle lui-même.

Excellent taux de clics, faible valeur du panier

Un modèle qui récompense les clics favorise les articles bon marché, populaires et à faible marge. Votre tableau de bord d'engagement affiche de bons résultats, tandis que la marge et le panier moyen sont en baisse.

Prenons un exemple : le nombre de clics sur les articles de base à 9,99 £ augmente, tandis que la valeur moyenne du panier passe de 62 £ à 48 £. Mesurez le taux de conversion, la valeur moyenne du panier (AOV) et le taux de réachat, et ne vous contentez pas d'analyser uniquement le taux de clics (CTR).

Flux obsolètes, attributs insuffisants et prolifération des règles

  • Des stocks obsolètes et des flux de prix maintiennent des articles épuisés ou dont le prix est erroné dans les emplacements les plus en vue.
  • En l'absence d'informations suffisantes sur les produits, l'IA ne peut que deviner de quoi il s'agit pour chaque article.
  • La prolifération des règles entraîne le transfert des tâches d'un moteur de règles à un autre.

Comment Voyado Product Discovery gère le merchandising basé sur l'IA

Le merchandising basé sur l'IA donne les meilleurs résultats lorsqu'il s'appuie sur le contexte du commerce de détail, et c'est là que Voyado entre en jeu. En tant que système d'exploitation « agentique » dédié au commerce de détail, Voyado classe les produits en fonction des intentions des acheteurs, des stocks et des objectifs commerciaux, grâce à des agents IA qui opèrent dans ce même contexte.

Voyado collabore avec plus de 500 marques de distribution sur 100 marchés, et ses clients constatent une augmentation moyenne du taux de conversion de 15 à 20 %.

La recherche agentique, qui permet aux acheteurs d'effectuer des recherches en langage naturel, a permis de doubler les taux d'ajout au panier et d'augmenter l'engagement de 50 %.

Points clés : de l'ajustement hebdomadaire à la définition d'objectifs

Le merchandising basé sur l'IA devrait permettre de réduire les ajustements répétitifs, et non d'ajouter des règles à gérer. Ses principaux avantages sont un gain de temps pour votre équipe et des classements qui évoluent au rythme des stocks et de la demande.

La plupart des détaillants utilisent déjà l'IA, mais seuls 5 % d'entre eux constatent un retour sur investissement ; choisissez donc un partenaire capable de démontrer une augmentation des résultats.

Commencez par l'audit gratuit de découverte de produits pour obtenir une comparaison côte à côte à partir de vos propres données.

Demander une démo

Foire aux questions

Les merchandisers vont-ils être remplacés par l'IA ?

Non, le merchandising basé sur l'IA ne remplacera pas les équipes de merchandising. Il prend en charge la préparation hebdomadaire des commandes et les tâches répétitives, tandis que vous vous occupez de la stratégie, des campagnes et des exceptions.

Comment l'IA peut-elle contribuer au merchandising ?

Le merchandising basé sur l'IA prend en charge les tâches que vous devriez autrement effectuer manuellement :

  • Automatisation de la recherche, du tri par catégorie et des recommandations.
  • Promouvoir ou retirer des produits en fonction de données en temps réel, et non avec un décalage de plus de 24 heures.
  • Classement en fonction des stocks : les articles en rupture de stock disparaissent et ceux qui ont été réapprovisionnés réapparaissent.

Comment puis-je savoir si un outil de merchandising basé sur l'IA nous permettra réellement de gagner du temps sur le réglage des ordres de tri et des mises en avant, plutôt que de nous imposer davantage de règles à gérer ?

Demandez des justificatifs des heures économisées, des contrôles axés sur les objectifs et une démonstration montrant à quelle fréquence les merchandisers interviennent encore. Les clients de Voyado constatent une augmentation moyenne du taux de conversion de 15 à 20 %, et H&M a réduit de 50 % les recherches sans résultat.

L'IA est-elle capable de gérer au quotidien le classement des produits en fonction des stocks et des marges, tout en permettant à nos responsables merchandising de passer outre ce classement dans le cadre de campagnes promotionnelles ?

Oui. L'IA spécialisée dans le commerce de détail trouve le juste équilibre entre pertinence et marge, relègue au second plan les articles dont le stock est faible et optimise la valeur du panier. Les priorités des campagnes sont intégrées au classement ; ainsi, un lancement mis en avant ne nuit pas à la pertinence ailleurs.

Quelles seraient les implications d'un passage de nos règles de tri actuelles à un merchandising basé sur l'IA, et devrions-nous recréer tous nos « boosts » ?

Non, pas tous. Commencez par votre flux de données produits, testez-le sur un seul domaine, par exemple une seule catégorie, et laissez l'IA vous proposer des modifications avant d'activer l'automatisation complète.

Une seule configuration de merchandising basée sur l'IA peut-elle remplacer les ajustements manuels dans l'ensemble de nos magasins au Royaume-Uni et dans l'Union européenne, sans pour autant appliquer les mêmes classements à toutes les langues et à tous les marchés ?

Oui. Vous partagez des objectifs entre les magasins, tandis que chaque marché est classé au niveau local en fonction de la langue, des stocks régionaux et du consentement.

À propos de l'auteur

Fredrik Selander

Fredrik Selander

Responsable de la croissance

icône de réseau social

À la tête du département « Génération de demande et croissance » chez Voyado, Fredrik supervise l'ensemble des activités de marketing numérique, du web et du marketing à la performance au référencement naturel (SEO), en passant par l'analyse de données et l'automatisation du marketing. Fort d'une approche axée sur les données et soucieux de l'impact, il pilote une croissance évolutive tout au long du parcours client numérique.

D'autres articles de blog inspirants