Gestion des assortiments de produits dans la grande distribution

Management of product assortments in retailer

• Auteur / Autrice : Jocelyn Poncelet
• Direction : Jacky Montmain
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 11/09/2020
• Etablissement(s) : IMT Mines Alès
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de génie informatique et d'ingénierie de production (1994-2020) - Laboratoire de Génie Informatique et Ingénierie de Production / LGI2P
• Jury : Président / Présidente : Sylvie Despres
• Jury : Examinateurs / Examinatrices : Samira El Yacoubi, Aurélie Bertaux, Marie-Hélène Abel, François Trousset, Nicolas Pecheur, Thierry Seguin
• Jury : Rapporteurs / Rapporteuses : Samira El Yacoubi, Aurélie Bertaux

Mots clés

Mots clés libres

Décisionnel

Optimisation

Informatique

Datamining

Datamining

Optimization

Decision-Making

It

Résumé

L’objectif de cette thèse est de proposer un système de recommandations permettant aux grands distributeurs d’améliorer leurs assortiments de produits distribués à travers de nombreux points de vente. Dans ce contexte, la problématique adressée est celle de la planification d’assortiment qui consiste à éliciter les meilleurs produits, e.g., ceux faisant le plus de chiffre d’affaires. Pour ce faire, nous proposons dans un premier temps une comparaison des méthodes pragmatiques mises en place dans l’industrie avec l’état de l’art associé à la planification d’assortiment. Cette comparaison permet de mettre en lumière le problème de transversalité des connaissances utilisées aujourd’hui pour améliorer l’assortiment. Pour pallier ce problème, nous proposons des structures de connaissances propres à la grande distribution. Grâce à ces structures, une méthode Agile d’optimisation de l’assortiment pouvant être intégrée dans un processus d’amélioration continue est formalisée. Cette méthode permet d’intégrer l’expertise humaine, que nous considérons comme indispensable, aux différents leviers actuellement adoptés.Pour souligner la modularité de notre approche, nous proposons ensuite une analyse sémantique des magasins qui, en plus d’améliorer la précision de nos simulations, permet de définir un nouvel axe d’amélioration de l’assortiment. Cette analyse se base sur les structures de connaissances propres à chaque enseigne et sur les mesures de similarités sémantiques. Enfin, pour perfectionner notre méthode et aller plus loin dans l’exploitation ces structures, nous proposons une analyse sémantique des consommateurs qui sont les cibles finales de l’assortiment. Cette seconde analyse sémantique permet d’apporter de nouvelles connaissances pour les distributeurs et d’apporter de nouvelles contraintes sur les assortiments. En parallèle de ces contributions scientifiques, différentes applications ont été développées pour souligner l’interopérabilité de nos contributions avec des notions propres à différents types de distributeurs (e.g. Alimentaire, Bricolage . . . ). Ces applications sont présentées dans le manuscrit dans la limite du respect de la confidentialité et de la propriété intellectuelle.

The main objective of this thesis is to propose a recommendation system allowing retailers to improve their assortments of products distributed through numerous stores. In this context, the problem addressed is the assortment planning which consists in eliciting the best products, e.g., those with the highest turnover. To this end, we first propose a comparison of assortment planning with the pragmatic methods which are commonly used in the industry and the state of the art. This comparison highlights the problem of cross-functionality of the knowledge used today to improve the assortment. To overcome this problem, we propose knowledge structures specific to mass distribution. Thanks to these structures, an Agile assortment optimisation method that can be integrated into a continuous improvement process is formalised. This method makes possible to integrate human expertise, which we deem essential, in the various levers currently adopted.To underline the modularity of our approach, we then propose a semantic analysis of the stores which, in addition to improving the accuracy of our simulations, allows us to define a new axis of assortment improvement. This analysis is based on our proposals both for domain ontologies which are specific to each brand and on semantic similarity measures. Finally, to perfect our method and go further in the exploitation of those structures, we propose a semantic analysis of the consumers who are the final targets of the assortment. This second semantic analysis allows us to bring new knowledge to retailers and new constraints on assortments. In parallel to these scientific contributions, different applications have been developed to highlight the interoperability of our contributions with concepts specific to different types of retailers (e.g. Food, DIY . . . ). These applications are presented in the manuscript within the limits of respect for confidentiality and intellectual property.