Contrairement aux magasins traditionnels, les détaillants numériques s’appuient sur une catégorisation et une diffusion efficaces des données relatives à leurs produits sur leurs pages web.
Ainsi, haillant précisly des données catégorisées sur les produits sur leur site webest essentiel
s’ils veulent obtenir des taux de conversion et de vente plus élevés.
Malheureusement, plus de 80 % des clients détaillants avec lesquels nous avons travaillé ne sont pas satisfaits de la qualité de leurs données sur les produits. Moins de 23 % d’entre elles ont mis en place un cadre de gouvernance des données produit.
Ils perdent des opportunités, en signalant des ventes médiocres et de faibles taux d’approbation par les clients.
Quel est le problème des données sur les produits et quelles mesures de gouvernance des produits les entreprises de détail peuvent-elles prendre pour garantir la qualité de leurs produits ?
Voyons voir.
Problèmes liés aux données sur les produits
Les défis liés à la qualité des données sur les produits sont largement couverts dans notre précédent blog de cette série :
taxonomie des produits 101
. Hoici un rapide récapitulation des cinq principaux défis liés aux données sur les produits :
- Les données relatives aux produits se compose de de complexes, non structurées données ce qui rend difficile leur nettoyage, leur tri et leur catégorisation.
- Variations dans les descriptions. Les vendeurs et les fournisseurs peuvent écrire les mêmes informations de différentes manières.
- Comme les données proviennent de sources multiples, il devient difficile de les trier et de garantir leur exhaustivité et leur exactitude. De nombreux vendeurs et fournisseurs envoient des données incomplètes et inexactes sur un produit.
- Les entreprises ne disposent généralement pas d’un cadre ou d’une taxonomie pour catégoriser ces données.
- Les feuilles de calcul sont encore utilisées pour trier, nettoyer et créer manuellement des catégories pour les inventaires de produits.
Face à ces défis, les entreprises sont désemparées. Mais il n’est pas nécessaire qu’il en soit ainsi si les entreprises investissent dans la mise en œuvre d’un cadre de gouvernance des données produit.
Voici comment.
Qu’est-ce qu’un cadre de gouvernance des données produit ?
En général, un cadre de gouvernance des données est un effort organisationnel pour sécuriser, analyser et gérer les données des clients. Selon HubSpot :
« Lagouvernance des données décrit où vous allez collecter les données, comment vous allez les sécuriser et qui peut les distribuer. »
Mais la gouvernance des données produit est différente de la gouvernance des données habituelles.
Dans les données relatives aux produits, il s’agit essentiellement d’attributs.
Voici un exemple :
Texte du produit :
Ordinateur portable convertible HP Spectre x360 8e génération Ci7
Caractéristiques du produit :
- Nom de marque : HP
- Modèle : Spectre x 360
- Type : Convertible
- Génération : 8e
- Processeur : Ci7
Certaines entreprises ajouteront des informations supplémentaires à ce produit, surtout s’il s’agit d’un facteur déterminant pour le prix, comme la mémoire et la capacité de stockage. La même description ci-dessus aura :
Stockage : 256 Go, 512 Go SSD ou HDD comme attributs essentiels.
Votre stratégie de gouvernance des données pour les données de produits devra porter sur la catégorisation et l’optimisation des attributs – et c’est là que réside le plus grand défi.
Il n’existe pas de structure universelle pour les données relatives aux produits. En utilisant le même exemple ci-dessus, le vendeur A l’écrira comme HP Spectre Convertible 512 GB 8th GEN Ci5 tandis que le vendeur B l’écrira comme HP Spectre Convertible, 512 GB, Black and Gold, Core i5, 8 the Le vendeur B a maintenant introduit un nouvel attribut de couleur. Le détaillant en ligne aura sa propre taxonomie dans laquelle ces descriptions doivent s’inscrire. Ce défi est amplifié lorsque le détaillant souhaite effectuer une comparaison de catalogues avec ou entre des fournisseurs et qu’il découvre des variations dans les attributs.
C’est là que les détaillants auront besoin d’un cadre de gouvernance des données produit qui se concentre sur :
- Permettre aux détaillants d’obtenir une source unique de vérité pour tous leurs produits.
- Normalisation et déduplication des données sur les produits
- Développement de la taxonomie des produits
- Faire de la qualité des données un processus obligatoire
Contrairement aux données sur les clients, les données sur les produits ne peuvent être ignorées ou laissées à l’abandon. Elle ne peut pas non plus être laissée au hasard. Si les sites de vente au détail ne disposent pas d’une hiérarchie et d’un système de classification appropriés, cela a un impact direct sur les ventes.
Ii un client ne trouve pas ce qu’il cherche, il n’y a pas de vente !
Un cadre bien défini permet au détaillant de consolider plus facilement les informations provenant de plusieurs fournisseurs au niveau des attributs et de leur donner les informations et les analyses dont ils ont besoin pour développer leur activité.
Obtenir une source unique de vérité
Les détaillants obtiennent des informations sur les produits à partir d’une combinaison de sources et de canaux comprenant des pools d’images, des pools de données et des fournisseurs tiers. Une image simple explique le concept. : 
Vous avez remarqué que plusieurs sources ont des descriptions différentes pour le même produit ? Ce n’est qu’un exemple. Imaginez le même exemple lorsqu’il s’agit de plusieurs vendeurs et fournisseurs. Les données sont encombrées d’informations qui doivent être triées, nettoyées et rassemblées dans un cadre unique pour obtenir une image complète. Une source unique de vérité est une version consolidée de plusieurs vérités qui peut aider les détaillants dans la gestion des stocks et la correspondance des produits.
En outre, de multiples mécanismes de partage et de traitement des données coexistent; notamment des fichiers Excel, des portails, des formulaires et des courriels non structurés, ce qui entraîne une redondance et une mauvaise qualité des données.
Voici les mêmes descriptions unifiées en une seule source de vérité après avoir utilisé ProductMatch.
Pour ce faire, les données relatives aux produits doivent être nettoyées et déduites, ce qui nous amène à la deuxième partie importante du cadre :
Nettoyage et normalisation des données à grande échelle
Les données non structurées peuvent très vite devenir ingérables. Il est donc impératif que le nettoyage et la normalisation des données produit soient au cœur d’un cadre de gouvernance des données produit qui implique des activités telles que :
- Transformer des données brutes en données utilisables
- normalisation des données non structurées selon des normes et des formats définis (par exemple, utilisation des majuscules pour tous les noms de marque)
- Nettoyage des données pour éliminer les fautes de frappe, d’orthographe, les abréviations et les incohérences.
- Analyse et déduplication des données pour supprimer les informations redondantes.
- Identifier et traiter les données nulles ou manquantes
- Affiner les données pour la correspondance des produits
Des données propres et normalisées ouvrent la voie à des activités efficaces de comparaison et de classification des produits. En fait, les données propres sont le fondement même de toute activité axée sur les données. Si vous n’avez pas de données propres, vous n’avez pas de données auxquelles vous pouvez faire confiance.
Développement de la taxonomie des produits
Les détaillants qui disposent de taxonomies de produits bien établies signalent de meilleures ventes et des conversions plus élevées. Les taxonomies donnent un sens et un ordre, permettant de créer facilement des catégories qui peuvent être utilisées dans la base de données et sur le site web.
Si des taxonomies sont créées pour chacun de vos principaux articles de produits, vous pouvez facilement mettre à jour, supprimer ou ajouter de nouvelles informations dans la taxonomie. Cela permettra de créer des fils d’Ariane pour chaque page de produit. L’effort consacré à la création d’une taxonomie profite à l’entreprise sur les deux fronts.
Prenez, par exemple, l’image ci-dessous. Voici à quoi ressemblerait la taxonomie d’un article TAPE si vous utilisiez un outil automatisé comme ProductMatch pour classer vos données.
Le développement d’une taxonomie permet un traitement modulaire des données, ce qui est extrêmement important pour l’efficacité opérationnelle d’un commerce de détail. Les détaillants doivent faire correspondre, mettre à jour, remplacer, supprimer, réviser les informations sur les produits à l’heure, mais lorsqu’il n’y a pas de système approprié en place, les processus opérationnels sont médiocres et les résultats chaotiques.
La qualité des données, un processus obligatoire
Les détaillants savent qu’ils doivent donner un sens à leurs données – mais ce qu’ils ne savent pas, c’est comment mettre en œuvre un processus de qualité des données. La qualité des données a toujours été une sorte de notion périphérique. Il est là, en arrière-plan, incitant les entreprises à reconnaître un problème avec leurs données. — ce qu’ils font, mais remedial actions usually don’t address the problem suffisamment bien.
Pour les détaillants, la qualité des données ne se limite plus à corriger les fautes de frappe ou à supprimer les doublons.
L’augmentation du nombre d’UGS de sous-marque, de vendeurs et de fournisseurs de régions mondiales et locales, de marketing et de promotions, ainsi que la diversification croissante des produits, ont rendu nécessaire la présence de données détaillées – structurées et non structurées – sur les produits. On demande aux détaillants de s’intéresser de près aux données sur les produits, ce qui accroît le niveau de complexité.
Cela signifie que les détaillants ont besoin d’une solution de qualité des données puissante et automatisée qui utilise des technologies basées sur le ML pour répondre aux demandes de données complexes en temps réel. Par exemple, le fait de s’appuyer sur des feuilles Excel, des processus de systèmes hérités et une classification des données sur les produits basée sur l’intuition sera préjudiciable au succès de votre commerce de détail. Les données devenant de plus en plus complexes, la qualité des données devient un processus obligatoire qui ne peut être ignoré.
Comment ProductMatch aide Définir mettre en place un cadre de gouvernance des données produit
Utilisation de la technologie sémantique, ProductMatch automatise les processus de qualité des données, de rapprochement des données et de gouvernance des données. L’objectif fondamental de la solution est de transformer des données non structurées en informations standardisées, catégorisées et classifiées qui ont un sens.
ProductMatch permet une gouvernance intégrée des données, ce qui signifie que les entreprises peuvent brancher leur source de données d’origine (telle qu’une base de données ERP ou SQL) directement dans le logiciel pour effectuer les activités nécessaires de nettoyage et de rapprochement des données. Les entreprises peuvent consolider les données provenant de sources de données disparates, comprendre leur contexte, les catégoriser et simplifier les informations grâce à l’élaboration de hiérarchies et de taxonomies de produits. De nettoyage à la gouvernance, de la déduplication à la création de taxonomies, ProductMatch aide les détaillants à bien gérer leurs données.
Des normes de codage médical comme l’ICD-10 aux produits mondiaux et aux systèmes de classification comme l’UNSPSC, ProductMatch aide à donner un sens aux données non structurées en leur appliquant un contexte à l’aide d’une technologie sémantique basée sur le ML. Regroupez vos données en niveaux ou créez des normes de qualité des données, ProductMatch vous permet de faire tout cela facilement et efficacement.
Conclusion – Gouvernez vos données de produits pour améliorer votre activité de vente au détail
Avec la demande d’informations plus profondes et plus détaillées, les entreprises de vente au détail n’ont d’autre choix que d’affiner leurs données sur les produits, mais cela ne peut plus se faire avec les méthodes traditionnelles.
Vous aurez besoin de solutions technologiques avancées, basées sur le ML et la sémantique, pour traiter des structures de données de plus en plus complexes. En outre, vous aurez besoin d’une solution qui puisse vous aider non seulement à donner un sens aux données relatives aux produits, mais aussi à les garder propres, de qualité et organisées en catégories et taxonomies. L’objectif final est de disposer d’une source de vérité unifiée, fiable et complète pour chacun de vos produits.
Laissez-nous vous expliquer comment notre plateforme peut vous aider à donner du sens à vos données produit.
Réservez une démo
dès aujourd’hui.
Si vous vous interrogez sur le succès de nos clients, voici quelques chiffres :
- Augmentation de 5% de la part de marché.
- Augmentation de 2% du prix.
- Augmentation de 10 % des conversions en ligne.
- Augmentation de 2,5 % des ventes de produits complémentaires en ligne.
- Augmentation du bénéfice net de 2,1 millions de dollars la première année.
Nous allons vous donner les chiffres dont vous avez besoin.
