Une question ou un projet en tête ? N’hésitez pas à me contacter via l’un de mes moyens de contact en bas de la page.

Projet Analyse Retail : Segmentation Client et Performance des Magasins Test.

Étude de cas sur la stratégie commerciale en grande distribution alimentaire.

Présentation de projet :

Ce projet a été réalisé dans le cadre du Quantium Virtual Experience Program, simulant le rôle d’un analyste data en grande distribution. À travers deux missions, j’ai analysé le comportement d’achat des clients et évalué l’impact d’un nouveau concept d’agencement en magasin dans la catégorie chips, avec pour objectif de fournir des recommandations claires et fondées sur les données pour la prochaine revue stratégique de la catégorie.
Outils utilisés : Python | Pandas | Matplotlib | Seaborn | | Power BI | DAX | Power Query | SciPy Axes d’analyse | : Nettoyage des données | Segmentation client | Appariement des magasins témoins | Test d’impact | Analyse stratégique | Visualisation et reporting |

Contexte Commercial :

Quantium est un leader mondial en science des données et en intelligence artificielle, reconnu pour accompagner les entreprises dans leurs décisions stratégiques grâce à la data. Ce projet, réalisé dans le cadre du programme virtuel, reproduit les défis rencontrés par l’équipe d’analystes retail de Quantium.

La simulation portait sur la catégorie chips d’un grand distributeur, avec pour mission d’analyser les comportements d’achat et de mesurer l’impact d’un nouveau concept de magasin. Le travail reflète des situations réelles de conseil : segmentation client, comparaison de performance, et formulation d’insights pour orienter la stratégie de catégorie et les décisions exécutives.

Executive Summary :

Ce projet a permis d’analyser le comportement d’achat des clients et d’évaluer l’impact d’un nouveau concept d’agencement en magasin, dans le cadre de la stratégie de la catégorie chips. Le travail s’est articulé autour de deux volets : une analyse de segmentation client et une évaluation de l’impact du test en magasin.

Segmentation Client & Comportement d’Achat

Objectif : Identifier les segments clients clés et leurs habitudes d’achat pour orienter les décisions de catégorie.

Approche :

Nettoyage et validation des données transactionnelles (valeurs aberrantes, données manquantes, formatage)
Création de variables comme la taille du paquet et le nom de la marque
Segmentation des clients selon les attributs LIFESTAGE et PREMIUM_CUSTOMER
Analyse des dépenses totales, de la fréquence d’achat et des préférences produits par segment

Principaux constats :

Les Familles âgées Mainstream et les Retraités génèrent les plus hauts volumes et chiffres de vente
Les Jeunes célibataires/couples sont le groupe le plus nombreux mais dépensent moins par client
Les clients Mainstream paient les prix unitaires les plus élevés ; les Premium achètent moins fréquemment

Recommandations stratégiques :

Cibler les Familles âgées Mainstream et les Retraités dans les campagnes promotionnelles et le placement produit
Positionner les produits premium près des zones à fort trafic fréquentées par les Jeunes Mainstream
Exploiter les insights de segmentation pour orienter l’assortiment, la tarification et le ciblage magasin

Évaluation du Test en Magasin & Appariement des Magasins Témoins

Objectif : Évaluer l’efficacité des nouveaux agencements en magasin via des tests d’impact.

Approche :

Sélection des magasins témoins selon la corrélation et la proximité en volume
Création de fonctions scalables pour comparer les performances des magasins test et témoins
Analyse mensuelle des tendances, de la significativité des écarts et des moteurs de changement (volume vs fréquence)

Principaux constats :

Le Magasin 88 a montré une hausse durable des ventes et du volume client
Le Magasin 77 a attiré plus de trafic mais avec une baisse du panier moyen
Le Magasin 86 a connu un pic temporaire, suivi d’un retour aux niveaux de référence

Recommandations stratégiques :

Déployer le nouvel agencement dans les magasins au profil similaire au Magasin 88
Ajuster la stratégie d’agencement pour les Magasins 77 et 86 afin d’augmenter le panier moyen et maintenir l’engagement
Suivre les performances post-test pour valider l’impact à long terme et guider le déploiement global

Supporting Visuals & Insights Task 1

Analyses et Interprétaions :

Le graphique montre l’évolution mensuelle des ventes avec une moyenne mobile sur 3 mois. Les ventes fluctuent autour de 160 000 à 165 000, indiquant une relative stabilité globale. Un pic apparaît vers décembre 2018 (mois le plus élevé), suggérant un effet saisonnier ou promotionnel. À l’inverse, fév.rier 2019 constitue le point le plus bas, signalant un ralentissement ponctuel. La moyenne mobile lisse les variations et révèle une légère baisse début 2019 suivie d’une reprise. Globalement, la tendance est modérément stable avec des variations saisonnières marquées.

Analyses et Interprétaions :

Le graphique compare les ventes totales par stade de vie et type de client (Budget, Mainstream, Premium). Les Older Families et Young Families génèrent des volumes élevés, surtout en segment Budget et Mainstream, indiquant une forte consommation liée aux besoins du foyer. Les Retirees et Young Singles/Couples se distinguent par une prédominance du segment Mainstream, suggérant un bon pouvoir d’achat mais une recherche d’équilibre prix/qualité. Le segment Premium reste systématiquement inférieur, mais montre un potentiel chez les Older Singles/Couples et Retirees. Les New Families affichent les ventes les plus faibles, traduisant une base plus réduite ou une phase de transition. Globalement, le type de client influence fortement les ventes selon le stade de vie.

Analyses et Interprétations :

Le graphique présente la répartition du nombre de clients par stade de vie et segment (Budget, Mainstream, Premium). Les Older Singles/Couples et les Retirees comptent le plus grand nombre de clients, traduisant une base clientèle large et stable. Le segment Mainstream domine dans presque tous les stades, notamment chez les Young Singles/Couples, ce qui indique une préférence majoritaire pour une offre équilibrée. Le segment Premium reste minoritaire mais significatif chez les Retirees et les Older Singles/Couples. Les New Families affichent les effectifs les plus faibles, cohérents avec leur poids démographique réduit. Globalement, la structure de clientèle varie fortement selon le stade de vie, avec une prédominance claire du segment Mainstream.

Analyses et Interprétations :

Le graphique montre des différences marquées de volumes et de mix par étape de vie. Les Older Singles/Couples et Older Families génèrent les volumes totaux les plus élevés, signalant un fort pouvoir d’achat. Les Retirees et Young Families ont aussi des volumes importants, mais avec des structures différentes. Le Mainstream domine chez les Middle Age Singles/Couples, Retirees et surtout Young Singles/Couples, indiquant une sensibilité prix ou une offre standard plus attractive. Le Budget est très présent chez les Older Families et Young Families, suggérant des achats volumineux mais rationnels. Le Premium pèse davantage chez les segments matures (Older Singles/Couples), traduisant une recherche de qualité. Les New Families restent un petit segment, à potentiel de croissance. Globalement, la stratégie doit être segmentée par lifestage pour optimiser gamme et pricing.

Analyses et Interprétations :

La heatmap met en évidence des écarts de prix unitaires modérés entre segments, mais des logiques claires par lifestage. Les Young Singles/Couples paient le prix le plus élevé en Mainstream (4,07), signe d’une forte acceptation de la valeur perçue et d’une moindre sensibilité prix. Les Retirees affichent des prix élevés en Budget et Premium (3,92), traduisant une recherche de qualité même hors mainstream. Les Older Families et Young Families présentent les prix les plus bas, cohérents avec des achats rationnels et orientés volume. Les New Families ont des prix homogènes sur les trois gammes, indiquant une faible différenciation perçue. Globalement, le Premium n’est pas systématiquement le plus cher, ce qui suggère soit une politique tarifaire prudente, soit une valeur perçue insuffisamment différenciante. Opportunité : mieux segmenter le pricing et renforcer la proposition de valeur premium.

Supporting Visuals & Insights Task 2

Analyses et Interprétations :

Le Magasin 88 a enregistré une hausse claire et soutenue des ventes et du volume client tout au long de la période de test, surpassant régulièrement son magasin témoin. Le pic observé en mars, suivi d’une stabilisation en avril, confirme l’impact durable du nouvel agencement, faisant du Magasin 88 un candidat prioritaire pour un déploiement à grande échelle.

Analyses et Interprétations :

Le Magasin 77 a enregistré une hausse nette des ventes totales et du volume client pendant la période de test, tandis que son magasin témoin (233) a connu une baisse régulière. Toutefois, cette croissance semble principalement liée à une augmentation du trafic en magasin, car la dépense moyenne par client a diminué — ce qui suggère que le nouvel agencement a attiré davantage de clients sans pour autant augmenter leur panier moyen.

Analyses et Interprétations :

Le Magasin 86 a connu une hausse temporaire des ventes totales et du volume client au milieu de la période de test, avec un pic en mars suivi d’un retour au niveau du magasin témoin dès avril. Ce schéma suggère un engagement initial lié au test, mais non soutenu dans le temps. Le magasin témoin étant resté relativement stable, cela renforce l’idée que l’effet du test dans le Magasin 86 a été de courte durée et pourrait nécessiter des ajustements ou une analyse plus approfondie.

Analyses et Interprétations :

La heatmap met en évidence la performance relative de chaque magasin test selon trois indicateurs clés.

Le Magasin 88 affiche la plus forte progression en termes de ventes totales et de volume client, avec une légère hausse du nombre de transactions par client.

Le Magasin 86 présente le plus fort gain en volume client et une amélioration du nombre de transactions par client, bien que les ventes totales soient restées stables.

Le Magasin 77 montre une hausse des ventes et du volume client, mais une légère baisse des transactions par client, ce qui suggère un changement comportemental limité.

Ces résultats confirment que le Magasin 88 est le candidat le plus prometteur pour un déploiement à grande échelle, tandis que les Magasins 86 et 77 nécessitent une évaluation complémentaire.

Enseignements :

Ce projet a renforcé ma capacité à transformer des données brutes en insights exploitables. La Partie Segmentation Client et Comportement d’Achat m'a montré comment la segmentation peut orienter efficacement le marketing ciblé et la stratégie tarifaire. La Partie Évaluation du Test en Magasin et Appariement des Magasins Témoins a approfondi ma compréhension des tests d’impact et de l’évaluation de performance en magasin.

Ensemble, ces analyses ont confirmé la valeur d’une approche stratégique fondée sur les données pour améliorer l’engagement client et la performance commerciale.

Page updated

Google Sites

Report abuse