Demandez à tout responsable de distribution ce qui rend utile une suggestion de réapprovisionnement, et vous obtenez généralement la même réponse deux fois. La première fois, ils disent précision. La deuxième fois, après une pause, ils disent confiance. Ce ne sont pas la même chose, et l'écart entre eux est l'endroit où la plupart des outils de commande échouent silencieusement. Un chiffre qui est juste mais inexpliqué est quand même annulé par le représentant, ignoré par le point de vente, ou rempli « juste au cas où » par le distributeur. Une commande suggérée digne de confiance est celle sur laquelle la personne qui la reçoit est disposée à agir sans la remettre en question, et cela ne se produit que lorsque la suggestion est construite à partir de signaux qu'ils reconnaissent comme réels.
Le plus important de ces signaux est l'historique de vente, pas la vente en gros. Il est tentant de baser un réapprovisionnement sur ce qu'un point de vente a dernièrement acheté, mais ce qu'un point de vente achète et ce qu'il vend réellement aux clients peuvent diverger fortement, surtout quand une commande précédente a dépassé la cible. Une suggestion crédible s'appuie sur une fenêtre significative de demande au point de vente, suffisamment de semaines pour séparer une tendance réelle d'une quinzaine bruyante, tout en étant assez récente pour détecter un magasin qui accélère ou ralentit. L'objectif est de modéliser le taux auquel le produit quitte le rayon, puis de dimensionner la commande suivante pour couvrir le cycle jusqu'à la prochaine visite ou livraison, avec une réserve raisonnable plutôt qu'une estimation.
La saisonnalité est le deuxième signal, et c'est celui que les humains ont le plus de mal à garder à l'esprit. La demande pour la plupart des catégories de biens de consommation varie selon un calendrier : météo, jours de paie, jours fériés, calendriers scolaires, événements régionaux. Une moyenne à taux plat commandera moins avant un pic connu et plus après, et le coût apparaît sous forme de ventes perdues ou d'invendus. Une suggestion qui comprend la forme de l'année propose un panier différent la semaine avant une augmentation connue que lors du creux qui suit. Surtout, cela doit être exprimé d'une manière que l'utilisateur peut vérifier par rapport à sa propre intuition concernant la saison, pas enfoui dans une boîte noire.
Le troisième signal est la lacune d'assortiment. L'historique de vente ne peut vous dire que sur les produits que le point de vente stocke déjà ; il ne dit rien sur les lignes qu'il devrait stocker mais ne stocke pas. C'est ici qu'un modèle de données partagé unique gagne sa place. Quand B2B Ordering est sur la même couche de données ConnectX que Field Sales, Retail Execution et Shelf Intelligence, un panier suggéré peut raisonner sur ce que les points de vente comparables dans le même canal et le même cluster vendent avec succès, et mettre en lumière le vide évident : le format que les concurrents proposent, la saveur que le magasin voisin vend bien, le pack d'entrée de gamme manquant d'une gamme haut de gamme. Une recommandation d'assortiment n'est aussi honnête que la comparaison qui la sous-tend, donc le fondement pour « les magasins comme le vôtre » devrait être visible, pas affirmé.
Les promotions sont le quatrième signal, et le plus facile à mal faire. Une offre en direct change la bonne réponse dans deux directions à la fois : elle devrait augmenter la quantité suggérée sur la ligne promue, et elle devrait tenir compte de l'appel initial et la cannibalisation qui se propagent dans le reste du panier. Une suggestion qui ignore les conditions commerciales actives semble cassée à quiconque a une feuille de promotion ; celle qui maximise aveuglément à chaque offre enseigne aux points de vente à ne pas lui faire confiance. La discipline est de plier la promotion comme un ajustement transparent, clairement attribué, afin que l'utilisateur voit à la fois la recommandation de base et ce que l'offre a ajouté.
Il y a des apports plus discrets qui comptent aussi : le briefing du représentant de la dernière visite, le balayage d'étagère le plus récent signalant une rupture de stock, le statut de crédit et de paiement qui devrait gater un panier sans supprimer silencieusement des lignes, les quantités minimales de commande, les délais et les contraintes de durée de conservation. L'idée de nommer tous ces éléments n'est pas de suggérer que plus d'apports font un meilleur chiffre. C'est l'inverse. Plus les signaux alimentent une recommandation, plus il devient essentiel que le système puisse dire, en langage clair, pourquoi il a atterri où il l'a fait.
C'est pourquoi l'explicabilité n'est pas une fonctionnalité ajoutée pour la conformité ; c'est le mécanisme par lequel une suggestion devient une commande. Dans FMCG Cloud, l'Order Agent est conçu pour montrer son raisonnement : cette quantité parce que la vente s'effectue à ce taux, ce cas supplémentaire parce que la saison change, cette nouvelle ligne parce que des points de vente similaires la stockent, cette augmentation parce que l'offre est active. Un représentant peut le défendre face à un propriétaire sceptique. Un point de vente plaçant une commande à minuit, bien après les heures des représentants, peut l'accepter sans un appel téléphonique. Un distributeur peut l'audit. L'explication est aussi ce qui rend le système améliorable, car une annulation cesse d'être du bruit et devient une rétroaction par rapport à une hypothèse établie.
Chaque solution sur le marché FMCG Cloud se classe sous la Taxonomie des Agents FMCG Cloud et doit obtenir la certification FMCG Verified, et l'explicabilité est une grande partie de ce pour quoi cette vérification existe. La norme que nous nous imposons à nous-mêmes et à nos partenaires n'est pas « le modèle est confiant ». C'est « un responsable de catégorie, un planificateur de livraison et un propriétaire de magasin regarderaient chacun ce panier, comprendraient comment il a été créé, et conviendraient qu'il est raisonnable ». Une bonne recommandation de commande n'est pas celle avec les maths les plus intelligentes. C'est celle qu'un humain est disposé à endosser.