Sandrine Préfaut, Locala : « Nous sommes entrés dans l’ère de la Small Data »

Directrice Générale de Locala (ex-S4M), Sandrine Préfaut revient sur le rebranding de ce spécialiste du drive to store, élargissant son activité avec de nouvelles offres et de nouveaux canaux.

Pourquoi S4M est-il devenu Locala ?

SP – S4M a fêté ses 10 ans l’année dernière, et en 10 ans, la société est devenue leader sur son marché du Drive-to-Store. Nous pensons que le magasin n’est pas seulement un lieu d’achat ou de vente, mais également un lieu de connexion avec les gens. Et notre mission, c’est de générer un maximum de trafic dans les points de vente physiques et digitaux.

De start-up française, S4M est devenue une scale-up internationale. Mais notre marque signifiait “Success for Mobile” alors que notre plateforme était devenue omnicanale. Pour cette raison, S4M a laissé la place à “Locala”.

 

Une offre au delà du drive to store ?

SP – Oui, on a tous vu pendant la Covid, la tendance à la relocalisation et notre outil « Dynamic Catchment Area » nous a permis de suivre cette évolution des flux de mobilité. Ce qu’on observe, ce que de nouvelles pratiques comme le télétravail ont modifié nos déplacements, et que nous ne sommes pas revenus aux flux « pré-Covid ».

Nous voyons également que les comportements des consommateurs ont évolué, avec notamment une progression des achats sur Internet. Ils se renseignent, achètent puis se font livrer chez eux ou en magasin. Il y a une réelle hybridation des parcours clients.

Face à tous ces constats, les retailers n’ont d’autres choix que de repenser leur stratégie et Locala apporte de nouvelles solutions pour répondre à ces enjeux. Nous sommes entrés dans l’ère de la « Small Data », par opposition à la « Big Data » dont on parle depuis plusieurs années.

La small data, c’est une approche beaucoup plus granulaire, avec une donnée plus précise et donc plus efficace que par le passé. Les comportements des consommateurs ne sont pas les mêmes d’un individu à l’autre, ni d’un territoire à l’autre. Prenons l’exemple d’un client de l’enseigne Picard. Un parisien y passera après le travail, à pied, pour acheter son repas du soir; alors qu’en province, on s’y rendra plus ponctuellement, en voiture, pour faire son stock de produits surgelés pour le mois que l’on pourra ensuite garder dans son congélateur.

Les comportements et les usages ne sont pas les mêmes. C’est pour cela que Locala a créé Retail Analytics, un outil d’aide à la décision qui permet de mieux comprendre le comportement des consommateurs. Nous pouvons identifier les personnes qui passent près d’une enseigne, ceux qui y entrent voire ceux qui fréquentent plusieurs enseignes concurrentes sur un même territoire.

Toutes ces données représentent beaucoup d’enseignements et d’éclairages stratégiques pour nos clients. Retail Analytics leur permet de comprendre le comportement de leurs consommateurs et de leurs prospects dans chaque zone de chalandise, et ainsi d’évaluer le potentiel business de chaque zone.

 

Une offre qui s’ouvre à de nouveaux canaux ?

SP – Oui, notre plate-forme est devenue multilocale mais également omnicanale car nous avons la possibilité d’adresser plusieurs leviers. Nous avons conçu un nouvel outil, le Mix Media Modeler, qui permet d’identifier les leviers digitaux ou non, média ou hors média, les plus pertinents sur un territoire pour générer du trafic en point de vente. Pour nos clients, notre MMM va pouvoir faire des recommandations très business en proposant d’activer le display mobile mais également le desktop, le DOOH, le SMS, Google, Facebook voire demain la télé connectée.

Dans les grandes agglomérations, notre MMM va par exemple proposer une majorité de canaux digitaux, comme le mobile. Mais dès qu’on s’éloigne un peu des grands centres urbains, notre MMM peut recommander des médias traditionnels, historiquement très puissants, comme la radio, l’affichage, du prospectus ou la PQR comme l’incontournable Ouest France.

Si je devais résumer, Retail Analytics nous aide à mieux connaître les consommateurs et les prospects, le MMM identifie les meilleurs canaux pour leur parler. Ensuite nos algorithmes vont pouvoir optimiser en temps réel les campagnes, mesurer les performances et optimiser le ROI de nos clients, pour générer des visites incrémentales en point de vente. Nous allons également fournir à nos clients des insights très avancés sur le comportement des consommateurs.

Nous nous inscrivons dans des campagnes à long terme. Ces enseignements nous permettent d’optimiser les ROI grâce à des algorithmes apprenants. Et j’aime à dire que les humains le sont tout autant !

 

 

La dernière interview

Dernières News

Newsletter

Lettre d’information

Partager cette page

Facebook
Twitter
LinkedIn
Email