Fashion Data : +1% de CA pour Jules, résultats prometteurs pour Pimkie
Fashion Data, réponse de Fashion3 (Jules, Pimkie, Brice, Bizzbee, Grain de Malice, Rouge Gorge...) à la crise écologique et aux e-commerçants comme Zalando, Asos ou Amazon, livre les premiers résultats de ses campagnes prédictives data-driven pour les enseignes Jules et Pimkie.
Je m'abonneLes enseignes textiles de la galaxie Mulliez que sont Jules, Brice, Pimkie ou encore Bizzbee, alliées aujourd'hui au sein de Fashion3 (prononcez Fashion Cube), ont dû faire face depuis 20 ans à de nombreuses révolutions : après l'arrivée des enseignes du fast fashion du groupe Inditex (Zara, Bershka, Pull & Bear,...), de H&M ou d'Uniqlo, puis des e-commerçants comme Zalando, Asos ou Amazon, c'est désormais la remise en question de toute l'industrie du prêt à porter, sous fond de crise écologique, qui pousse ces marques à revoir leur business model.
"Il y a une dizaine d'années, nous pensions encore être de gros acteurs. Mais l'arrivée des enseignes internationales, puis des e-commerçants, a changé la donne. Notre business model, pourtant éprouvé, s'essoufflait", constate Pingki Houang, Directeur Omnicanal de Fashion3, à l'occasion d'une conférence donnée lors du Digital Benchmark organisée par l'EBG à Berlin.
"Désormais, la question est ailleurs : l'industrie textile est la deuxième plus polluante dans le monde. Il est essentiel de réagir. Nous militons pour un nouveau business model, celui du zéro déchet. Et c'est aussi le cas en matière de data ! Plutôt que de chercher à vendre plus, il faut augmenter la valeur des clients existants. C'est ce que nous voulons faire avec Fashion Data, qui, tout en étant une émanation de Fashion3, a vocation à collaborer avec l'ensemble des acteurs du textile."
Des campagnes prédictives pour augmenter la valeur client
Fashion Data ambitionne de valoriser la data client afin de mener des campagnes prédictives et augmenter la valeur client aussi bien en ligne qu'en magasin, alors que le CA online d'une marque textile oscille entre "3 et 25%" du CA global en moyenne rappelle Pingki Houang. "On cherche trop souvent à augmenter la fréquence d'achat. Mais il faut avoir en tête qu'en textile, nous sommes en moyenne à 2 achats annuels pour un homme, et entre 3 et 5 pour une femme. On ne peut pas augmenter indéfiniment la fréquence ! Il faut donc chercher à augmenter la valeur du panier moyen, tout en rationalisant nos investissements : il faut cibler les intentionnistes, en diffusant la bonne offre sur les bons canaux."
Grâce à l'alliance stratégique de sept enseignes (Bizzbee, Brice, Grain de Malice, Jules, Orsay, Pimkie, Rouge Gorge), Fashion Data dispose pour l'instant des données de 30 millions de clients, dont un tiers environ ont été actifs ces douze derniers mois. L'entreprise indépendante collabore avec Ysance / Mazeberry, qui a déployé les DMP des enseignes de Fashion3 et l'aide à mettre en place un modèle d'attribution lui permettant de trouver les canaux les plus performants.
Lire aussi : [Tech For Retail 2024] Impact de l'intelligence artificielle : le jeu en vaut-il la chandelle ?
Les premiers résultats de la DMP de Pimkie
Illustration plus tard lors du Digital Benchmark 2019 de l'EBG avec les cas de Jules et de Pimkie. Pour cette dernière enseigne, Ysance et Fashion Data viennent de finaliser la mise en place d'une DMP et livrent, quatre mois après le lancement du projet, les premiers chiffres et enseignements : "Pour obtenir ces délais, nous avons mis en place une méthode itérative avec l'IT, basée sur des cycles de développement de 3 à 4 semaines. Il est important de prioriser ce travail : nous n'avons pas lancé la DMP avec toutes les informations que nous pouvions obtenir, mais seulement celles qui étaient nécessaires pour commencer. Il fallait donc identifier trois uses cases, et s'y tenir", explique Olivier Colin, Customer Leader chez Fashion Data. Pour Pimkie, ces trois cas d'usage se révèlent être la détection des intentionnistes (via l'algorithme Stories d'Ysance), la fidélisation et la relance des paniers abandonnés : "Avant, nous ne pouvions le faire que pour les clients logués, mais comme pour Jules, la mise en place d'une DMP multiplie par dix le nombre de clients adressables!" Sur ces trois uses cases, Fashion Data revendique pour Pimkie un incrément de chiffre d'affaires de plusieurs dizaines de milliers d'euros un mois après ses premières campagnes.
Coût d'acquisition en ligne divisé de moitié pour Jules
De son côté, Jules bénéficie aussi de l'expertise de Fashion Data sur différents uses cases que sont l'acquisition, la fidélisation, la détection des intentionnistes via Stories et l'anti-churn. Si ce dernier cas d'usage, qui consiste à mettre en place un "score de fragilité" permettant, grâce aux signaux faibles, de détecter un client en passe de devenir inactif et de le réactiver, n'a pas encore montré de résultats probants, ce n'est pas le cas des autres cas d'usages selon Amandine Launois, DMP Leader de Fashion Data : "L'idée est à chaque fois de déterminer les actions les plus rentables pour acquérir, fidéliser et retenir les clients qui ont le plus de valeur sur le long terme. Pour l'acquisition, nous menons des campagnes lookalike. Mais alors que nous nous basions auparavant sur une segmentation RF mise à jour tous les 6 mois, nous pouvons maintenant mettre en place de véritables personas. Nous avons par exemple mené une campagne ciblant les meilleurs clients, ceux qui dépensent plus de 100 euros par an chez Jules. Par rapport à une campagne traditionnelle sur Facebook, nous avons divisé nos coûts d'acquisition par deux sur le digital", explique-t-elle, complétée par Olivier Colin qui pense que ce coût sera encore divisé par deux quand le modèle attribuera des visites en magasin à ces campagnes. Sur les autres cas d'usages que sont la fidélisation et l'activation des intentionnistes, Fashion Data présente les résultats de deux campagnes : une ciblant les clients éligibles au chèque fidélité sur Facebook, l'autre visant par e-mailing des clients ayant montré une appétence pour un produit dernièrement, et leur lookalike qui n'ont pas forcément montré d'intérêt mais partage de nombreux points communs. Résultats ? "Un chiffre d'affaires incrémental de 1%" avance Olivier Colin. Soit presque mieux que l'ouverture d'une nouvelle boutique.
Pour aller plus loin :