Alors que le e-commerce se creusait doucement mais sûrement une place de plus en plus large dans les habitudes d’achat des consommateurs, la crise sanitaire est venue lui donner un brusque coup d’accélérateur. Entre 2019 et 2021, la vente de produits en ligne a ainsi bondi de plus de 32% et le e-commerce représente à ce jour près de 13,5% du commerce de détail en France (Fevad).
Cette forte croissance des commandes en ligne oblige les industriels et les distributeurs à répondre aujourd’hui à un défi triple : satisfaire des exigences client toujours plus fortes en termes de délai, assurer une expérience d’achat maximale tout au long de son processus ; et bien sûr garantir la livraison des volumes.
Dans ce contexte ultra concurrentiel, la dimension expérientielle ( ou “expérience client”) dans le processus d’achat est devenue cruciale : d’après une étude réalisée par le cabinet Gartner, 64% des consommateurs estiment désormais que l’expérience client est plus importante que le prix lors du choix d’une marque ou d’une enseigne.
Autrefois sous-estimé, le transport s’affiche donc aujourd’hui comme un maillon crucial de cette expérience. Dans tous les secteurs, de nouveaux acteurs souvent pure players, Amazon en tête, sont venus bouleverser le marché et fixer de nouveaux standards pleinement intégrés par les consommateurs. Un impact qui est aussi de plus en plus visible sur des marchés B2B.
64% des consommateurs estiment désormais que l’expérience client est plus importante que le prix lors du choix d’une marque ou d’une enseigne.
Livraison express ou sur rendez-vous, click and collect, point relais, services additionnels de mise en service ou encore reprise d’anciens produits… Les offres de livraison se sont multipliées pour coller toujours plus aux attentes de plus en plus pointues des clients, qui n’hésitent plus à faire jouer la concurrence à la moindre occasion.
La qualité de la livraison, oméga de la satisfaction client
Au-delà de la profondeur de l’offre de service de livraison proposée, c’est bien sa qualité qui constitue aujourd’hui un élément clé de la satisfaction client. Elle fait figure de critère différenciant et joue un rôle majeur dans la fidélisation des clients. Selon l’adage popularisé par Dawkins et Reichheld, retenir un client coûterait jusqu’à 5 fois moins cher que d’en conquérir un nouveau. C’est dire l’importance majeure du levier.
Pourtant, industriels et distributeurs peinent à agir concrètement sur cet enjeu. Les entreprises se reposent bien souvent uniquement sur la confiance qu’elles placent dans leurs transporteurs et dans les conditions de service conclues avec eux lors de la formulation du contrat.
Mais entre le moment où les marchandises sont confiées aux prestataires et celui où elles sont déposées entre les mains du client destinataire, figure souvent une zone de flou qui empêche les équipes transport des entreprises de bénéficier d’une vision fiable de la qualité des prestations effectuées par leurs transporteurs.
La réclamation ou la plainte de clients mécontents reste alors encore trop souvent le seul indicateur dont elles disposent pour l’évaluer. Malheureusement, lorsqu’on en arrive là, il est déjà trop tard. Selon une étude menée en 2020 par ParcelLab, 66 % des acheteurs en ligne français considèrent la livraison comme le premier élément de satisfaction et 55% de ceux ayant rencontré un problème lors de leur livraison déclarent ne plus vouloir commander à nouveau sur le site concerné.
La donnée transport, un levier complexe à appréhender pour les entreprises
Pour piloter la qualité, il est essentiel d’en avoir une vision claire et fiable et c’est en cela que les données et leur analyse représentent un formidable levier pour les entreprises. Elles sont des indicateurs factuels et précis, qui peuvent participer pleinement à l’acuité de la vision des entreprises sur leur qualité de service livraison. Mais pour beaucoup d’entre elles, la donnée reste complexe à appréhender.
Les équipes internes font en effet face à un volume toujours plus large de données de nature hétérogène, silotées, dispersées entre les différents systèmes d’information des transporteurs qui composent leur panel. Leur collecte et leur analyse sont associées à des processus manuels, chronophages et fastidieux, qui mènent bien souvent vers des résultats incomplets, voire disons-le, peu fiables.
Aujourd’hui, les capacités offertes par les technologies digitales viennent grandement faciliter la maitrise des données. Grâce à de nouvelles solutions dédiées, il devient aisé de dépasser la complexité liée à leur traitement et à leur enrichissement pour se concentrer sur le plus important : interpréter, décider, agir.
Interpréter, décider, agir
La qualité de la livraison est le produit de multiples variables : il faut être en effet capable de prendre de la hauteur et de moduler précisément son organisation structurelle (quels flux pour quels produits ? Quel maillage ?), sa politique d’achat (quel transporteur pour quelle prestation ?)… Le tout en essayant de s’aligner au maximum sur la concurrence et en visant la rentabilité. Mince affaire.
En tirant parti de la digitalisation, les entreprises peuvent capitaliser sur des données enrichies qui leur font bénéficier d’une vision aiguisée de la qualité de service de leurs prestataires. Grâce à la data visualisation, elles deviennent intelligibles et permettent aux équipes de développer une réelle efficience, dans le pilotage de la qualité et dans les actions qu’elles déploieront pour l’optimiser.
Avec l’aide de l’Analytique avancée* du transport, il devient ainsi plus aisé de repérer les défauts récurrents qui viennent peser sur la qualité de service et d’en identifier précisément les causes et les responsabilités. Ouverture de nouveaux sites de départs, évolution du maillage d’entrepôt, reventilation de certaines prestations entre les transporteurs. En s’appuyant sur les enseignements mis en lumière par la valorisation des données, les équipes peuvent faire évoluer leur organisation de manière pertinente, vers plus de satisfaction client et plus de rentabilité. Jusqu’à pouvoir agir en temps réel, de façon proactive, pour être alerté des expéditions en souffrance et pouvoir immédiatement résoudre le problème en collaboration avec le transporteur concerné.
La digitalisation avancée vient en effet aussi transformer la relation entre chargeurs et transporteurs, en intégrant une dimension collaborative au suivi de le performance et aux plans d’actions qui en découlent. Au-delà des possibilités de suivi en temps réels, donneurs d’ordre et prestataires sont alignés et bénéficient de la même qualité d’information, ce qui vient décupler l’efficacité des revues de performances et simplifier la gestion des politiques de bonus-malus.
Avec l’aide de l’Analytique avancée*, il devient ainsi plus aisé de repérer les défauts récurrents qui viennent peser sur la qualité de service et d’en identifier précisément les causes et les responsabilités.
Certaines solutions peuvent aussi tirer parti de l’Intelligence artificielle pour aller au-delà du descriptif et du diagnostic et agir au niveau du prédictif, pour permettre une meilleure anticipation des anomalies qui peuvent venir perturber le transport.
Sur un marché compétitif, qui fait sans cesse face à des challenges inédits, la digitalisation et la valorisation des données apparaissent comme des leviers inévitables pour les entreprises qui souhaitent rester compétitives. Elles sont au centre d’une démarche d’amélioration continue qui touche tous les services d’une entreprise (transport, supply chain, logistique, achats, service client, marketing…). Les solutions d’Analytique avancée viennent injecter dans les organisations une réelle efficience, avec des enseignements fiables et actionnables, qui participeront à interpréter, décider et agir sur les stratégies transport des entreprises.
*Le cabinet Gartner définit l’analytique avancée comme l’examen autonome ou semi-autonome de données ou de contenu à l’aide de techniques et d’outils sophistiqués, au-delà de ceux de la veille économique (BI) traditionnelle, afin de découvrir des informations plus approfondies, de faire des prédictions ou de générer des recommandations. Les techniques analytiques avancées comprennent des techniques telles que l’exploration de données/de textes, l’apprentissage automatique, la comparaison de modèles, la prévision, la visualisation, l’analyse sémantique, l’analyse de sentiments, l’analyse de réseaux et de grappes, les statistiques multivariées, l’analyse de graphiques, la simulation, le traitement d’événements complexes et les réseaux neuronaux.
