L’analyse d’assortiment ressemble à de l’arithmétique d’ensembles. On prend leur catalogue, on prend le sien, on soustrait. Les écarts sont l’opportunité.
L’arithmétique est triviale. Tout ce qui détermine si la réponse est juste ou fausse se joue en amont : avez-vous énuméré leur catalogue ou simplement échantillonné, et « le même produit » sur leur site et sur le vôtre est-il réellement reconnu comme le même produit. Si l’un des deux est mal fait, la soustraction produit une liste d’opportunités présentée avec assurance, mais qui n’est en grande partie que des artefacts.
Le problème de correspondance est le problème dans son ensemble
Le même article est décrit différemment par chaque revendeur qui le vend. Des conventions de titre différentes, des orthographes de marque différentes, des tailles de conditionnement différentes, des regroupements différents, et des SKU internes qui ne signifient rien en dehors de chaque entreprise.
Si votre système de correspondance échoue sur vingt pour cent des articles, alors vingt pour cent de leur catalogue apparaît comme un écart à combler et vingt pour cent du vôtre apparaît comme une différenciation unique. Les deux conclusions sont fausses, elles sont fausses dans le sens qui rend l’analyse plus intéressante qu’elle ne l’est, et rien dans le résultat ne le signale.
Faites correspondre dans cet ordre :
Les identifiants standards en premier. GTIN, UPC, EAN, ISBN, MPN. Là où ils sont publiés, ils sont quasi définitifs, et ils doivent constituer votre clé principale partout où ils sont disponibles.
La marque plus le modèle normalisé en second. Normalisez de façon agressive : casse, ponctuation, espaces, alias de marque, abréviations courantes. Conservez la forme normalisée afin qu’une décision de correspondance puisse être auditée plus tard.
La correspondance d’attributs en troisième. Taille, couleur, capacité, nombre d’unités par conditionnement. C’est ici que la taille de conditionnement fait le plus de dégâts, car un pack de six et une unité seule sont réellement des produits différents qui partagent presque tous les attributs et souvent le même titre.
La révision humaine d’un échantillon, toujours. Prélevez un échantillon aléatoire de correspondances et de non-correspondances et faites-le vérifier par une personne. Cela produit le chiffre qui rend tout le reste interprétable : votre taux de correspondance. Une analyse rapportée sans ce chiffre est une analyse dont personne ne peut évaluer la marge d’erreur.
Énumérer, ne pas échantillonner
Le second échec consiste à traiter un crawl comme un recensement alors qu’il s’agissait d’un échantillon.
La plupart des interfaces de catalogue plafonnent ce qu’elles vous montrent. Un listing de catégorie peut s’arrêter à un nombre fixe de pages, quel que soit le nombre de produits qu’il annonce. Les résultats de recherche sont généralement plafonnés plus sévèrement que la traversée par catégorie. Les filtres et les facettes sont souvent le seul moyen d’atteindre la longue traîne, en découpant une grande catégorie en segments chacun assez petit pour être renvoyé intégralement.
La méthode pratique consiste à parcourir l’arborescence des catégories plutôt qu’à effectuer des recherches, à subdiviser tout nœud dont le nombre de résultats dépasse le plafond de pages visibles, et à consigner pour chaque nœud à la fois le nombre de produits annoncé et le nombre effectivement récupéré. Ce second chiffre est votre preuve. Quand l’annoncé et le récupéré divergent, vous avez trouvé la limite de votre propre visibilité, et tout ce qui se trouve au-delà se présentera comme un écart dans votre catalogue plutôt que comme un écart dans vos données.
Les structures de catégories diffèrent aussi entre revendeurs, donc ne supposez pas que leur catégorie est votre catégorie. Faites correspondre au niveau du produit et remontez ensuite vers votre propre taxonomie.
Les mécanismes spécifiques à chaque revendeur se trouvent dans scraping Amazon product data et monitoring product availability and stock.
Les catalogues sont régionaux
Le même revendeur propose des assortiments différents selon le marché, et sert souvent un catalogue entièrement différent selon la vitrine.
Si votre collecte se fait depuis un seul pays, chaque produit qu’ils ne proposent que sur un autre marché apparaît comme absent, et chaque produit proposé uniquement sur le marché depuis lequel vous collectez apparaît comme universel. Pour une entreprise qui vend sur plusieurs marchés, ce n’est pas un petit ajustement. Cela change quels écarts sont réels.
Les residential proxies avec ciblage par pays permettent de garder le catalogue de chaque marché distinct. Avec la passerelle Shifter, le ciblage et la session se placent dans les identifiants contre p.shifter.io:443 :
customer-USERNAME-country-es-sid-cat-es-0119-ttl-600:PASSWORDcountry-es définit le marché, sid-cat-es-0119 maintient une sortie constante sur l’ensemble d’une traversée de catégorie afin que la pagination reste cohérente, et ttl-600 conserve cette adresse pendant dix minutes. Une session par parcours de catégorie, pas une par requête de page, telle est la règle. Faire tourner la session en cours de traversée est le moyen le plus sûr de retrouver dans un même instantané de catalogue des pages issues de deux points de vue différents.
Gardez une concurrence modeste et reculez en cas d’erreurs plutôt que de forcer le passage, comme dans rate limiting and request throttling. La vue produit se trouve sur la page residential proxies for e-commerce.
Les quatre résultats
Une fois les produits mis en correspondance et les catalogues énumérés, la comparaison produit quatre éléments distincts, et les confondre est l’erreur analytique la plus courante.
Les écarts réels. Ils l’ont, pas vous. Le résultat phare, et fiable seulement en proportion de votre taux de correspondance.
Les écarts inversés. Vous l’avez, pas eux. Généralement ignorés, et généralement plus précieux, car c’est votre inventaire de différenciation et l’équipe merchandising peut agir dessus immédiatement.
Les écarts de profondeur. Vous proposez tous les deux la marque, ils ont quarante SKU et vous en avez six. Cela apparaît rarement dans une simple différence d’ensembles car la marque est présente des deux côtés, et c’est souvent la plus grosse découverte commerciale de tout l’exercice.
Les écarts fantômes. Des échecs de correspondance déguisés en véritables écarts. Chaque analyse en contient. La question est de savoir si vous avez mesuré combien.
Rapportez les trois premiers en quantifiant le quatrième à leurs côtés. « Deux cent quarante écarts réels avec un taux de correspondance de quatre-vingt-onze pour cent » est un résultat exploitable. « Deux cent quarante écarts » est un chiffre qui ne demande qu’à faire perdre une semaine à un category manager.
Cadence et dérive
Les catalogues évoluent beaucoup plus lentement que les prix, ce qui est pratique : une énumération complète hebdomadaire ou bimensuelle suffit généralement, avec une cadence plus rapide sur les catégories sous concurrence active.
Ce qui compte plus que la fréquence, c’est la stabilité. Gardez la traversée, les règles de correspondance et le mapping des catégories fixes entre chaque exécution, et versionnez-les. Si votre nombre d’écarts chute brusquement, la première question est de savoir si leur assortiment a changé ou si c’est votre système de correspondance qui a changé. Un diff d’une exécution à l’autre du taux de correspondance et des nombres récupérés répond à cela en quelques secondes et évite beaucoup d’analyse gaspillée.
FAQ
Quel taux de correspondance suffit pour agir dessus ?
Au-dessus de quatre-vingt-dix pour cent, c’est exploitable pour des décisions au niveau catégorie. En dessous de quatre-vingt, la liste d’écarts n’est en grande partie que du bruit de correspondance, et l’effort doit porter sur le système de correspondance plutôt que sur l’analyse.
Dois-je utiliser la recherche ou la traversée de catégories pour énumérer ?
La traversée de catégories, subdivisée avec des facettes lorsqu’un nœud dépasse le plafond de pages. La recherche est plafonnée plus agressivement et son classement est personnalisé, ce qui en fait un mauvais outil d’énumération.
Comment gérer les annonces de marketplace provenant de vendeurs tiers ?
Suivez-les comme un ensemble distinct. Mélanger l’assortiment en propre et l’assortiment de marketplace surestime la gamme réellement engagée d’un concurrent, puisqu’une annonce d’un vendeur tiers n’est pas une décision d’achat qu’il a prise lui-même.
Que faire s’ils ne publient aucun identifiant standard ?
Appuyez-vous davantage sur la marque et le modèle normalisés, acceptez un taux de correspondance plus faible, et mesurez-le honnêtement. Certaines catégories, en particulier l’habillement et les marques de distributeur, ne correspondront jamais proprement, et la bonne réponse est de rapporter le niveau de confiance plutôt que la certitude.
En résumé
La comparaison à la fin de l’analyse d’assortiment est de l’arithmétique. Le travail se situe en amont : énumérer un catalogue plutôt que l’échantillonner, savoir où s’arrête votre visibilité, faire correspondre les produits avec une règle auditable, et séparer les écarts réels des écarts de profondeur et des échecs de correspondance.
Collectez chaque marché séparément, maintenez les sessions cohérentes tout au long d’une traversée, consignez les nombres annoncés en regard des nombres récupérés, et publiez votre taux de correspondance à côté de chaque chiffre d’écart. Les tarifs sont sur la pricing page.