Les mises à jour de prix ont pu ainsi passer de cycles trimestriels dans le retail classique à des mises à jour mensuelles ou hebdomadaires permettant d'optimiser ainsi le chiffre d'affaire, les niveaux de stock et les marges. Appelées parfois Yield Management, ces techniques ont fait leur preuve [4,5,6,7,8] et permettent d'augmenter significativement les profits des sociétés qui ont investi sur ces thématiques. Et l'explosion du commerce en ligne a fait basculer les sociétés dans une nouvelle ère, celle de la tarification automatisée (ou Automated Pricing).

A l'image du trading financier qui est passé d'une salle de marché à l'ancienne avec des ordres par téléphone à un trading automatisé et opéré par des IA (parfois à la nano-seconde !), le e-commerce est en train de vivre une révolution du même ordre : des algorithmes d'un nouveau genre sont implémentés au sein des sociétés du e-commerce. Ces logiciels arrivent dans la palette d'outils de pilotage du pricing car ils permettent de s'adapter aux nouvelles fréquences de mises à jour, à la journée voire à l'heure ou au quart d'heure quand cela a du sens. L'Automated Pricing [9,10] apporte de nouvelles capacités pour gérer une politique tarifaire beaucoup plus large et plus complexe. Et naturellement, on passe d'une gestion classique de grilles tarifaires à de véritables configurateurs de prix.

Quand le nombre de SKU explose avec des centaines de millions de références à gérer (SKU = Combinaisons de Marques & Référence produits / couleurs / grading / pays de vente / marketplaces / ...), ces nouveaux outils de pricing automatisés basés sur des moteurs de règles s'imposent rapidement : l'utilisateur n'a d'ailleurs plus les capacités d'avoir la main sur tous les prix par manque de temps ainsi qu'à cause de la complexité sous-jacente. Les capacités humaines ne suffisent d'ailleurs plus pour mettre à jour de manière précise et rigoureuse un si grand volume de prix, dans des laps de temps de plus en plus courts, surtout si on souhaite garder une cohérence entre toutes les combinaisons de la crémaillère de prix : produits de la même gamme déclinés avec des couleurs ou finitions différentes, différence de prix entre états cosmétiques dans une politique tarifaire de l'occasion, ...

Avec ces outils d'Automated Pricing, le yield manager garde la main sur les seuils qui permettent aux automates de prendre des décisions optimales, à la fréquence voulue. De plus en plus, il ne réalise plus lui-même le push final de données, mais il fixe des objectifs et il suit les performances de ses stratégies. Son rôle est également de paramétrer les garde-fous qui aident les “automates de contrôles” à vérifier que les 'automates décisionnels' n'ont pas dérivé et ont bien respecté l'ensemble des règles et des seuils configurés. En cas d'alertes, on prévoit des retours arrières sur les décisions erronées.

Les comparateurs de prix qui ont fleuri sur internet ainsi que les classements de place de marché dont le critère prix est souvent le critère principal ont contribué à accélérer la mise en place de ce type d'outils. L'augmentation du nombre de sources de données mises à disposition en temps réel via des API a également été un catalyseur permettant à ces outils de s'abreuver en temps réel d'une boucle de retour. En effet, l'amélioration de l'efficacité de ces algorithmes passent par une boucle de Machine Learning qui vient compléter les simples moteurs de règles classiques.

Par exemple, sur le lancement d'un nouveau pays, d'un nouveau produit ou d'un nouveau segment-clients, l'algorithme de Bandits Manchots [11,12] permet de tester des approches tarifaires différentes au sein d'un automate, en comparant ensuite leur efficacité pour affiner la stratégie. Et si plusieurs acteurs d'un même comparateur utilise chacun un algorithme d'Automated Pricing l'un contre l'autre, une analyse d'anticipation du comportement du moteur adverse sera nécessaire, en faisant appel à des notions de Théorie des Jeux par exemple, afin de ne pas prendre de mauvaise décision pour la performance de la société. Ces nouveaux outils de Pricing doivent en effet permettent de trouver un juste milieu entre optimisation du chiffre d'affaire et pilotage de la marge [13].

• [1] - What Is Dynamic Pricing & How Does It Affect Ecommerce? https://www.business.com/articles/what-is-dynamic-pricing-and-how-does-it-affect-ecommerce/
• [2] - Why dynamic pricing is a must for ecommerce retailers ? https://econsultancy.com/why-dynamic-pricing-is-a-must-for-ecommerce-retailers/
• [3] - Fundamentals of Price Management. Hermann SimonMartin Fassnacht - 2018
• [4] - Société Française de Recherche Opérationnelle et Aide à la Décision - www.roadef.org
• [5] - Hotel yield management practices across multiple electronic distribution channels. P O'Connor, J Murphy - Information Technology & Tourism, 2008
• [6] - The hotel yield management with two types of room prices, overbooking and cancellations. T Koide, H Ishii - International journal of production economics, 2005
• [7] - Revenue management and e-commerce. EA Boyd, IC Bilegan - Management science, 2003
• [8] - E-commerce and operations research in airline planning, marketing, and distribution. BC Smith, DP Günther, BV Rao, RM Ratlife - Interfaces, 2001
• [9] - Revenue management through dynamic cross selling in e-commerce retailing. S Netessine, S Savin, W Xiao - Operations Research, 2006
• [10] - Simulating Dynamic Pricing Algorithm Performance in Heterogeneous Markets. HOØ Hilsen - Master Thesis - NTNU - 2016
• [11] - The new frontier of price optimization. D Simchi-Levi - MIT Sloan Management Review, 2017
• [12] - Dynamic online pricing with incomplete information using multi-armed bandit experiments. K Misra, EM Schwartz, J Abernethy - 2018
• [13] - Modèles de bandit : une histoire bayésienne et fréquentiste. Emilie Kaufmann http://chercheurs.lille.inria.fr/ekaufman/Matapli_Kaufmann.pdf - 2017
• [14] - Pricing Lab : Gagner la guerre des prix sans rogner ses marges avec le repricing? https://prestashopday.com/fr/pricing-lab-gagner-la-guerre-des-prix-sans-rogner-ses-marges-avec-le-repricing/ - 2018

Antoine Jeanjean (PhD)