Signify: 5 conseils pour tirer plus d’avantages de la datapool
Il y a quatre ans que Signify utilise la datapool de GS1. Depuis, le leader mondial du marché de l'éclairage a continuellement optimisé sa façon de travailler. Il en résulte des gains de temps substantiels, une meilleure qualité des données et une conversion plus élevée dans les boutiques en ligne des retailers. Gunther Thans et Simone Boeve de Signify partagent leurs expériences et donnent cinq conseils.
Signify (anciennement connu sous le nom de Philips Lighting) compte près de 3 000 produits dans la datapool GS1. Gunther Thans et Simone Boeve, respectivement Marketing Operations Manager et Marketing Data and Content Manager chez Signify, ont un nombre conséquent de statistiques à portée de main qui montrent l'importance des données produit. Ils montrent, par exemple, que 43 % des acheteurs en ligne passent directement par la fonction de recherche de la boutique en ligne, et que 47 % utilisent les filtres de recherche. "Cette fonction de recherche et ces filtres de recherche sont donc alimentés par des données produit provenant de la datapool. 68 % des acheteurs ne reviendront pas sur une boutique en ligne s'ils ne trouvent pas les bonnes informations", explique Mme Boeve.
Un démarrage difficile
Les chiffres ci-dessus proviennent d'Amazon. Les chiffres des Pays-Bas montrent que trois quarts des Néerlandais ont acheté au moins un produit en ligne lors du dernier trimestre de 2021. "Et s'ils n'achètent pas en ligne, la recherche commence en ligne, le soir, depuis leur canapé, les consommateurs vérifient ce qui est en vente sur leur tablette ou leur smartphone. Si les textes de ventes, les spécifications et les images ne sont pas à la hauteur ou complets, vos produits sont les premiers à être mis à l’écart par le consommateur", affirme M. Thans.
À la mi-2018, Signify a commencé à utiliser la datapool GS1 en concertation avec Intergamma, qui possède les magasins Gamma et Karwei. Il leur a fallu six mois pour compléter les champs de données obligatoires des quatre principaux groupes de produits, soit 90 % du portefeuille. "La période de démarrage a été assez difficile. Le modèle de données est très étendu. Il faut vraiment prendre son temps pour comprendre ce qu'il faut remplir et à quel endroit", explique M. Thans, qui, avec Mme Boeve, ont cinq conseils à donner aux autres fournisseurs.
Conseil n° 1 : prenez les données produit au sérieux
Tout d'abord, prenez le travail au sérieux. La gestion des données est une discipline à part entière qui nécessite une équipe dédiée et de bons outils. "Les fournisseurs qui n'ont pas les moyens de se doter d'une équipe spécialisée ont intérêt à confier la gestion des données au moins à une personne", affirme M. Thans.
Au début, Thans a fait tout le travail seul. Lorsqu'il est devenu évident qu'il manquait de temps, Signify a décidé d'engager des personnes supplémentaires. Aujourd'hui, Thans et Boeve font partie d'une équipe de six employés. "Nous utilisons l'interface web de GS1 pour charger, en une seule fois dans la datapool, un fichier Excel contenant les données produit. Mais, avec cette approche, nous nous heurtons maintenant à des limites de capacité. C'est pourquoi nous recherchons une autre plateforme qui nous permette de charger automatiquement les données relatives aux produits dans la datapool", explique M. Thans.
Conseil n° 2 : Assurer la normalisation des processus
La standardisation est un gage d'efficacité et de cohérence et, en définitive, elle permet d'améliorer l'expérience du client. À titre d'exemple, Mme Boeve cite la façon dont son équipe traite les nouvelles versions du datamodel. "Ce à quoi ressemblera cette nouvelle version est annoncé deux mois à l'avance. Nous utilisons ces deux mois pour préparer un fichier Excel. Dès que le nouveau datamodel est en ligne, nous pouvons immédiatement charger ce fichier. En quelques jours, les données produit actualisées sont dans la datapool et à la disposition des retailers."
Le nombre de champs de données remplis par produit est passé de 92 en 2020 à 132 en 2021 et 215 actuellement. Cela n'est pas seulement dû à l'expansion du datamodel, explique Mme Boeve. "Par manque de capacité, au début, nous n'avons rempli que les champs obligatoires. Au fur et à mesure que l'équipe s'agrandissait, nous avons commencé à remplir de plus en plus de champs facultatifs. En effet, nous considérons désormais les champs facultatifs comme des champs obligatoires. Vous pourriez être surpris de voir comment les retailers utilisent ces données pour créer des textes de ventes, par exemple."
Conseil n° 3 : recherchez la collaboration avec les retailers.
Signify a contacté Intergamma en 2021 pour discuter des données dont il avait besoin et de la manière de les obtenir. "Intergamma a pris la moitié de nos données produit dans la datapool. Nous devions encore fournir l'autre moitié manuellement. Nous avons examiné cela ensemble. Il arrive, par exemple, qu'un retailer demande les mêmes informations que celles que nous mettons dans la datapool, mais qu'il n'ait pas encore fait le lien avec le champ de données correspondant", explique Mme Boeve.
Le résultat de cet exercice est une réduction considérable de la quantité de données produit fournies manuellement. Boeve : "Nous avons ajouté les champs de données pertinents du datamodel d'Intergamma au datamodel GS1. Mais nous avons également supprimé des champs de données. Prenons l'exemple de l'éclairage à raccorder au réseau électrique ; pour ce produit, il n'est pas logique d'inclure un champ de données sur le temps de charge de la batterie. Nous avons donc supprimé ce type de champ."
Conseil n° 4 : utiliser des règles de gestion
Il existe plusieurs retailers qui demandent que des données produit supplémentaires soient fournies manuellement. L'utilisation de règles de gestion peut également contribuer à réduire la charge de travail. "Cela nous permet de remplir automatiquement une grande partie des données relatives aux produits", explique Mme Boeve.
Un exemple est le champ de données où Signify doit préciser si l'utilisateur a besoin d'une application pour utiliser le produit. C'est uniquement le cas pour les produits des marques Philips Hue ou WiZ. "Nous avons créé une règle de gestion pour cela. Si le nom de la marque dans le champ de données "marque" est égal à "Philips Hue" ou "WiZ", un "oui" apparaît automatiquement dans le champ de données "application requise pour une fonctionnalité complète". Nous avons une règle de gestion similaire pour savoir si la lumière est colorée ou pas. Selon la valeur du champ de données 'couleur de la lumière', la réponse est oui ou non."
Conseil n° 5 : commencez par les images produits
Depuis avril 2021, il est possible de partager des images produit avec les retailers via la datapool GS1. Par produit, Signify a 6 à 10 images disponibles. "Le chargement de ces images via l'interface GS1 prend plusieurs minutes par produit. Ce n'est pas possible avec un portefeuille de 3 000 produits", déclare Mme Boeve. "C'est pourquoi nous avons demandé à GS1 quelles étaient les options permettant de charger plus d'images produit à la fois. Cela peut maintenant se faire via un serveur FTP".
Les gains de temps sont énormes, comme le montre un exemple de calcul pour un retailer. En 2021, Signify a introduit 102 nouveaux produits et apporté 196 modifications aux emballages. "Auparavant, pour un seul détaillant, il nous fallait 18 jours pour traiter et envoyer toutes les nouvelles images. Maintenant que nous utilisons le serveur FTP, nous le faisons en 2 jours. Cela représente un gain de temps de 90% alors que nous envoyons presque trois fois plus d'images qu'auparavant."
"Obtenez les images via la datapool"
Actuellement, 10 retailers récupèrent les données produit de Signify via la datapool. Il est intéressant de noter que seuls 3 des 10 extraient également des images produit du datapool. Thans et Boeve pensent que c'est beaucoup trop peu. "Pour ces retailers, cela ne fait guère de différence qu'ils reçoivent les images par le biais de la datapool ou par leur propre portail où nous devons les charger manuellement. Mais pour nous, cela fait une grande différence", affirme Boeve, rejoint par Thans. "Nous invitons donc tous les retailers à utiliser la datapool aussi pour les images. Car cela nous fait un gain de temps de 90%."
