Quatre cas où les données de mobilité transforment la stratégie commerciale des détaillants
29 avril 2024
Les détaillants, les revendeurs de carburant et les sociétés immobilières commerciales qui exploitent les données de mobilité, en particulier les données sur le trafic automobile, ont un avantage certain sur leurs concurrents pour prendre de meilleures décisions. Ce type de données fournit des informations hyperlocales pour la sélection des sites, y compris l’analyse de l’espace blanc et l’analyse de la cannibalisation.
Cependant, la création d’une valeur maximale à partir de données détaillées sur la mobilité nécessite une expertise géospatiale. Une approche adaptée à votre secteur d’activité, à la taille de votre entreprise, à vos défis spécifiques et à vos objectifs commerciaux sera toujours plus efficace qu’une approche unique. Tous ces facteurs déterminent les données que vous devriez utiliser et la manière de les mettre en œuvre au sein de votre organisation.
À la lumière de notre expérience, nous avons identifié quatre cas où une approche générique n’a pas permis d’obtenir les résultats escomptés.
- Définition des zones commerciales
- Stratégie de sélection des segments de route
- Analyse des intersections pour la sélection de site
- Compréhension du comportement des consommateurs
L’expertise de Korem a ensuite permis aux organisations d’exploiter tout le potentiel de leurs investissements en données, en fonction de leurs exigences et de leurs objectifs spécifiques.
1. Définition des zones commerciales
Définir les zones commerciales des sites de vente au détail existants ou potentiels n’est pas aussi simple qu’il y paraît, mais c’est essentiel pour des analyses de sites précises. Elles peuvent être utilisées pour prédire le chiffre d’affaires, optimiser la planification et les réseaux des magasins, reproduire le succès des magasins et même améliorer les efforts marketing. Différentes approches existent en fonction des paramètres d’analyse choisis, comme le temps, la distance et les limites, et chacune génère des zones commerciales de taille et de forme différentes.
D’une part, la définition de zones commerciales sur la base d’une distance choisie, par exemple une zone géographique d’un rayon d’un kilomètre, génère des zones commerciales homogènes qui facilitent la comparaison entre les sites. Cependant, elle peut introduire du bruit dans les données, car elle peut inclure des limites qui ne sont pas pertinentes ou accessibles pour l’analyse.
D’autre part, la définition des zones commerciales sur la base du temps de conduite (isochrones), par exemple le temps nécessaire aux clients potentiels pour se rendre au magasin depuis leur domicile ou leur lieu de travail, permet d’obtenir une zone commerciale plus cohérente. Toutefois, leurs tailles et leurs formes irrégulières peuvent rendre un peu plus difficile la comparaison entre plusieurs sites de vente au détail.
Une autre approche consiste à prendre en considération les limites existantes, qui peuvent inclure des barrières géographiques telles que les rivières et les autoroutes, des limites de code postal, des zones de marché désignées et des frontières politiques et administratives comme des comtés, afin de générer des zones commerciales personnalisées et plus précises.
Mais quelle est la meilleure solution entre ces deux approches? Là encore, tout dépend de chaque cas. Korem est notamment spécialisée dans l’analyse des données sur les consommateurs en relation avec la circulation dans des zones commerciales de différentes tailles et de différents types. Cette compétence nous permet de brosser un portrait complet des habitudes de déplacement et d’achat des clients en fonction d’un large éventail de caractéristiques.
Dans cet exemple concret, la méthodologie de Korem a permis d’augmenter de jusqu’à 50 % la corrélation entre les données de trafic recueillies et les mesures de notre client.
Exemple de zones commerciales définies par la distance
2. Stratégie de sélection des segments de route
Korem exploite de multiples données routières pour avoir une compréhension plus précise des volumes de circulation en fonction de l’heure de la journée et des réalités géographiques du territoire.
Premièrement, nous prenons en compte les différents types de véhicules en circulation et la manière dont ils peuvent influencer les résultats. Par exemple, les camions ont des limites pour les déplacements dans les banlieues.
Deuxièmement, nous définissons clairement les segments de route qui seront inclus ou exclus dans la zone commerciale. L’utilisation de classifications des fonctions routières, ainsi que de données granulaires sur la circulation, permet d’affiner la sélection en identifiant visuellement les segments routiers qui génèrent du bruit et diluent la qualité des données agrégées au cours de l’analyse. Par exemple, dans un cas d’utilisation de livraison de données, notre équipe a découvert que les stationnements situés dans la zone commerciale de notre client généraient un grand nombre de comptages de véhicules qui n’étaient pas pertinents pour l’analyse.
Troisièmement, à l’aide des attributs des rues, nous sélectionnons les caractéristiques communes des segments de route à exclure afin de mettre au point un nouveau modèle de traitement des données.
Voici un exemple de carte avec différentes zones commerciales pour lesquelles les données de trafic ont été agrégées par segments de classification routière et dans un rayon d’un kilomètre.
Et voici à quoi ressemblent les données de trafic avec les sites d’agrégation quotidienne :
3. Analyse des intersections pour la sélection de site
L’analyse de la circulation sur différents segments de route à l’aide de données historiques (idéalement sur deux ans pour tenir compte des variations saisonnières) permet d’identifier les segments les plus fréquentés qui ont le potentiel d’accueillir de nouveaux magasins de détail et projets immobiliers commerciaux. Pour éviter la cannibalisation, nous pouvons analyser ces données avec les emplacements de vos magasins existants et ceux de vos concurrents.
L’un des clients de Korem nous a demandé d’élaborer une méthode d’extraction des données de trafic autour des intersections de rues afin d’identifier les zones à circulation élevée et de déterminer les meilleurs emplacements potentiels pour l’ouverture de futures succursales. Au cours de ce processus, nous avons détecté un problème qui aurait pu rendre l’analyse inexacte. Certains points étaient identifiés comme des intersections, alors qu’en fait, il ne s’agissait pas d’intersections de deux ou plusieurs routes dans une direction perpendiculaire, mais plutôt de bifurcations ou de jonctions de routes comme celles-ci :
Korem a ensuite développé un modèle utilisant les attributs du réseau routier et les opérations géométriques des SIG pour filtrer ce type de bifurcations et ne pas les compter comme des intersections.
4. Compréhension du comportement des consommateurs au-delà de la ciculation
L’utilisation de sources de données complémentaires telles que les données démographiques, les données d’achalandage piétonnier et les informations sur les achats croisés contribue à enrichir le processus de prise de décision en tenant compte d’autres variables. Korem facilite ce processus en créant des tableaux de bord personnalisés qui comprennent toutes les données pertinentes, améliorant ainsi la représentation visuelle de l’analyse de la zone commerciale.
Par exemple, la circulation piétonnière permet de mieux comprendre le comportement des consommateurs et donne une vision hyperlocale de la propension et de la fréquence des visites dans les magasins locaux. Cependant, les données d’achalandage piétonnier, qui sont dérivées des données téléphoniques, sont un peu plus complexes d’un point de vue juridique et technique. Il est donc important de traiter avec une équipe d’experts ayant une connaissance approfondie des conditions d’utilisation des contrats de données et de licence.
Quand une approche générique n’est pas toujours la bonne solution
L’utilisation d’une approche unique pour les données de mobilité n’est souvent que le début d’un voyage axé sur les données. Sans une stratégie sophistiquée pour capturer réellement les segments de circulation pertinents autour de vos sites, la valeur des données de trafic n’est pas exploitée de manière optimale.
Il est donc utile de procéder à une analyse exhaustive des corrélations entre les différentes données et les indicateurs clés de l’entreprise. Investir dans la compréhension des tendances de circulation dans les zones commerciales peut réellement améliorer la valeur des données de trafic et, au bout du compte, aider les organisations à prendre de meilleures décisions commerciales concernant leurs stratégies d’analyse des sites.
Korem a démontré à maintes reprises le potentiel de la combinaison de données détaillées sur la circulation avec son expertise géospatiale unique. Si vous souhaitez explorer des solutions adaptées à vos besoins uniques ou même accéder à une démonstration en direct, prenez rendez-vous avec notre équipe d’experts!