Questions d'entretien Merchandiseur

Je commence par les données de la saison précédente équivalente, en analysant le taux d'écoulement par catégorie, par tranche de prix et par nombre de références. Je cherche à comprendre où on a sur-assort i et conservé des stocks excédentaires jusqu'en démarque, et où on a sous-assorti et laissé des ventes potentielles. Je superpose ensuite la direction de l'équipe achats et les données de tendances pour identifier où on agrandit l'assortiment et où on l'édite. Je construis le plan d'achat ouvert à partir des prévisions de ventes, en remontant jusqu'à une valeur d'achat qui délivre la marge cible au taux d'écoulement plein prix planifié. Je vérifie aussi la profondeur versus la largeur au niveau des références : il vaut généralement mieux avoir une profondeur plus forte sur moins de références que peu de stock sur beaucoup, car les ruptures sur un best-seller sont plus dommageables qu'un assortiment réduit.

Dès qu'une ligne décroche de plus de 10 % par rapport au plan dans les trois premières semaines de vente, je la traite comme un sujet d'action et non de simple surveillance. Je vérifie d'abord si le problème vient de l'assortiment, de l'allocation ou de la présentation : le stock est-il dans les bons magasins ? Est-il bien mis en valeur ? Y a-t-il un problème de prix ou de promotion qui freine la demande ? Si le produit ne convertit vraiment pas, j'analyse le timing de la démarque : prendre une démarque tôt sur un article à rotation lente récupère plus de trésorerie et d'espace qu'attendre. Je modélise l'impact sur la marge de deux ou trois scénarios de démarque et recommande celui qui récupère le plus de valeur sur la période de vente. Je réintègre aussi les enseignements dans le prochain plan d'assortiment : une ligne qui rate le plan est une information sur ce que le client ne veut pas.

Ma relation avec les achats est la plus productive quand je m'implique tôt, avant que l'assortiment ne soit engagé, plutôt qu'après que l'achat est fait et que je ne fais qu'allouer ce qui est arrivé. J'apporte la perspective données : les performances de la saison précédente par attribut, l'analyse de la courbe de tailles, les arbitrages profondeur/largeur et les contraintes d'achat ouvert. L'acheteur apporte les relations fournisseurs, la direction des tendances et la connaissance produit. Les meilleurs assortiments viennent d'un vrai dialogue entre ces deux contributions. Je prépare des synthèses de données claires avant les revues d'assortiment pour que la conversation soit ancrée dans les faits. Quand on est en désaccord, je présente mon point de vue avec les données à l'appui puis je m'en remets au jugement de l'acheteur sur le produit : il a une visibilité marché que je n'ai pas.

L'allocation, c'est là où on rend justice à l'assortiment ou qu'on le sabote. Je commence par segmenter les magasins selon leur profil commercial pour la catégorie concernée : volume, surface, indice d'écoulement historique. Les magasins de premier tier reçoivent plus de profondeur sur les références cœur et la première allocation sur les nouvelles lignes. Les magasins de second tier reçoivent des sélections éditées adaptées à leur profil client. Je construis l'allocation initiale pour couvrir les trois à quatre premières semaines de vente au rythme planifié, puis je fixe un déclencheur de révision : si un magasin descend en dessous d'un seuil de jours de couverture défini, je complète depuis la réserve centrale ou je transfère depuis un magasin à rotation plus lente. Je suis le taux d'écoulement par magasin chaque semaine et je redistribue de façon proactive plutôt qu'attendre que les magasins signalent des manques.

Trois semaines après le lancement d'une nouvelle saison, j'ai remarqué qu'une de nos catégories phares était à 65 % du taux d'écoulement planifié dans nos dix meilleurs magasins. La plupart de mon équipe supposait que c'était la saisonnalité du début de saison. J'ai analysé les données et constaté que le problème était concentré sur une taille : une livraison avait été sous-allouée parce que la courbe de tailles utilisée était basée sur les données de l'année précédente, et l'équipe achats avait fait évoluer l'assortiment vers une coupe légèrement différente qui attirait un profil client différent. J'ai immédiatement alerté les achats, organisé une réallocation du stock depuis les magasins où la taille dormait, et travaillé avec l'équipe allocation pour ajuster le modèle de réassort. Nous avons récupéré l'essentiel du taux d'écoulement planifié à la semaine huit. Les données étaient dans le rapport quotidien depuis trois semaines : elles étaient regardées mais pas vraiment interrogées.

Un directeur des achats voulait prolonger la vie d'une ligne à faible rotation en organisant un événement promotionnel plutôt qu'en prenant une démarque. Mon analyse montrait que la promotion déplacerait du volume mais à une marge brute inférieure à une démarque directe précoce, et que les coûts de surface promotionnelle absorberaient la plupart de la marge restante. J'ai présenté une comparaison côte à côte de trois scénarios : maintien avec promotion, démarque précoce à 25 %, démarque précoce à 33 %. Les données montraient que la démarque à 25 % récupérait plus de trésorerie totale et libérait la surface quatre semaines plus tôt pour les nouvelles collections. Le directeur a repoussé deux fois, citant des considérations de relation fournisseur. J'ai maintenu la position car les chiffres étaient clairs, mais j'ai proposé d'impliquer le responsable de compte fournisseur pour gérer la communication. La démarque à 25 % a été approuvée et l'écoulement s'est réalisé en trois semaines comme modélisé.

Dans ma deuxième année en tant que merchandiseur, j'ai convaincu l'équipe achats d'aller plus profond que prévu sur une catégorie tendance en me basant sur un fort taux d'écoulement précoce dans un petit nombre de magasins. Le déploiement sur l'ensemble du parc n'a pas reproduit ces résultats : la catégorie avait un fort attrait dans les magasins urbains à forte affluence mais était désalignée avec le profil client de la plupart de nos sites en banlieue. Nous avons terminé avec une position de démarque environ 15 % pire que l'objectif saisonnier. J'ai retenu deux choses : un démarrage rapide dans un sous-ensemble de magasins n'est pas toujours un signal fiable pour une extension d'assortiment large, et je n'avais pas fait suffisamment de profilage démographique par cluster de magasins avant de recommander l'achat plus profond. J'ai introduit une étape d'analyse par cluster dans le processus de revue du plan d'assortiment la saison suivante.

Mon processus de prévision commence par les ventes réelles de l'année précédente pour la période équivalente, ajustées pour tout changement connu dans l'environnement commercial : nouvelles ouvertures de magasins, fermetures, changements de format ou tendances macro. J'applique ensuite un taux de croissance en comparable basé sur le plan d'affaires et j'ajuste au niveau catégorie pour tout changement dans l'assortiment ou la stratégie prix. Je construis l'achat ouvert à partir du plan de ventes global, en remontant jusqu'à une valeur d'achat qui délivre le plan au taux d'écoulement plein prix cible et à la marge réalisée planifiée. Je construis aussi un modèle de scénarios avec un cas moins 10 % et plus 10 % de ventes, pour voir le risque de démarque et le risque de rupture sous différentes conditions commerciales.

Je suis le taux d'écoulement à trois niveaux : catégorie totale, référence et magasin. Au niveau catégorie, je compare le taux d'écoulement hebdomadaire avec le plan saisonnier et l'année précédente pour comprendre si la tendance est en avance, en ligne ou en retard. Au niveau référence, je classe les lignes par taux d'écoulement chaque semaine et je signale tout ce qui est en dessous de 70 % de la moyenne catégorie dans les quatre premières semaines : c'est ma liste d'alerte précoce. Au niveau magasin, j'analyse l'indice d'écoulement par cluster pour comprendre si un problème de performance est généralisé ou concentré. Les données les plus actionnables se trouvent à l'intersection de la référence et du cluster de magasins : une ligne qui performe bien dans un cluster mais mal dans un autre me dit quelque chose de précis sur l'assortiment ou la présentation sur lequel je peux agir.

Je commence le plan de liquidation six à huit semaines avant la fin de la saison, pas à la fin. À ce stade, j'ai une image claire des lignes qui ne s'écouleront pas à plein prix, et je peux modéliser la profondeur et le calendrier de démarque nécessaires pour les liquider dans la saison plutôt que de les porter dans la suivante. Je priorise la liquidation des lignes avec un volume de stock élevé et un faible taux d'écoulement, car ce sont elles qui créent le plus de frottement sur la marge. Je regarde aussi où se trouve le stock : le concentrer dans moins de magasins améliore souvent le taux d'écoulement en améliorant la visibilité produit. Je fixe un objectif de liquidation hebdomadaire par ligne et je le suis, en ajustant la profondeur de démarque si une ligne ne s'écoule pas au rythme modélisé.