Embedded Files
Analyse Retail : Segmentation Client et Performance des Magasins Test.
Analyse Retail : Segmentation Client et Performance des Magasins Test.
Simulation Quantium | Étude de cas sur la stratégie commerciale en grande distribution alimentaire
Présentation du Projet
Présentation du 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 | SciPy Axes d’analyse : Nettoyage des données | Segmentation client | Appariement des magasins témoins | Test d’impact | Analyse stratégique | Visualisation et reporting
Contexte Commercial
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
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.
Partie 1 – Segmentation Client & Comportement d’Achat
Partie 1 – 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 – Partie 1 :
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
Partie 2 – Évaluation du Test en Magasin & Appariement des Magasins Témoins
Partie 2 – 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 – Partie 2 :
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
Sales peaked in March 2019, following a sharp dip in February, suggesting a possible seasonal or promotional rebound.
The rolling average line smooths short-term fluctuations, revealing a stable upward trend across the year.
These insights underscore the importance of timing promotions strategically to align with natural demand cycles and recovery periods.
Les clients Mainstream dominent les ventes dans presque toutes les tranches de vie, en particulier chez les Familles âgées et les Retraités, ce qui confirme leur statut de segments à forte valeur pour la catégorie chips.
Le graphique en secteurs sur la répartition des tranches de vie montre que les Jeunes célibataires/couples représentent le groupe le plus important (21,5 %), mais contribuent peu aux ventes totales — révélant un écart entre la taille du segment et son pouvoir d’achat.
Le graphique sur les ventes par segment client confirme que les Mainstream génèrent la part la plus élevée du chiffre d’affaires (41,8 %), devant les clients Premium et Budget.
Les Jeunes célibataires/couples Mainstream constituent le segment client le plus important, suivis des Familles âgées Mainstream, ce qui reflète une forte densité démographique dans ces groupes.
Malgré leur taille, les Jeunes célibataires/couples contribuent moins aux ventes totales et aux quantités achetées (comme le montrent les graphiques précédents), ce qui suggère un engagement plus faible ou une dépense moyenne par client réduite.
Les clients Premium sont systématiquement moins nombreux dans toutes les tranches de vie, confirmant leur position de segment de niche.
Les clients Mainstream dominent systématiquement la majorité des tranches de vie, représentant entre 29 % et 58 % du volume total de chips consommés.
Les clients Budget sont particulièrement présents chez les Familles âgées, Nouvelles familles et Jeunes familles, où ils dépassent souvent les 40 % du volume du segment — soulignant leur rôle clé dans les foyers orientés vers des achats économiques.
Les clients Premium, bien que présents, restent minoritaires avec une part généralement inférieure à 30 %, confirmant leur position de segment de niche en termes de volume.
Les pourcentages affichés sur le graphique illustrent clairement que les Mainstream constituent la colonne vertébrale de la consommation de chips, tandis que les Budget jouent un rôle stratégique dans les segments familiaux.
La heatmap montre que les Jeunes célibataires/couples Mainstream paient le prix unitaire moyen le plus élevé (≈ 4,07 €), nettement plus que leurs homologues Budget et Premium. Cela suggère que les jeunes et midage Mainstream sont plus enclins à payer un prix premium par paquet, probablement sous l’effet d’achats impulsifs ou d’une préférence pour certaines marques.
À l’inverse, les clients Premium ont tendance à payer légèrement moins par unité, ce qui correspond à leur volume d’achat plus faible et à une fréquence d’achat réduite. Ce comportement reflète probablement des achats plus sélectifs ou occasionnels.
Ces insights mettent en lumière une opportunité de positionner les produits premium dans des zones à fort trafic fréquentées par les Jeunes célibataires/couples Mainstream, afin de tirer parti de leur plus grande disposition à payer et d’optimiser l’impact commercial.
Supporting Visuals & Insights Task 2
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.
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.
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.
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.
Réflection & Conclusion
Réflection & Conclusion
Ce projet a renforcé ma capacité à transformer des données brutes en insights exploitables. La Partie 1 a montré comment la segmentation peut orienter efficacement le marketing ciblé et la stratégie tarifaire. La Partie 2 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