Dans un magasin phare de la Cinquième Avenue, le Visual Merchandiser est un dieu. Ils arrivent à 6 heures du matin. Ils regardent la météo (pluie). Ils déplacent les trench-coats vers la fenêtre avant. Ils déplacent les chemises en lin vers l’arrière. Ils remarquent que le « Foulard en soie bleue » est épuisé, alors ils retirent le mannequin qui le porte. Le magasin physique est Dynamique.

En E-commerce, la plupart des marques sont Statiques. Ils ont défini le tri par défaut sur « Meilleure vente (tous les temps) ». L’algorithme fait aveuglément la promotion d’un T-shirt qui s’est vendu à 5 000 unités en 2023 mais qui est désormais épuisé dans les tailles S, M et L. Il enterre le nouveau manteau à marge élevée de 2 000 € à la page 3 parce qu’il n’a aucun historique de ventes. Ce n’est pas du merchandising. C’est de la négligence. Cet article explique comment passer du « Tri à plat » au « Merchandising algorithmique ».

Pourquoi Maison Code en parle

Chez Maison Code Paris, nous opérons à l’intersection du Luxe et de la Technologie. Nous avons vu trop de marques investir des millions dans la “Transformation Digitale” pour ne voir qu’une croissance plate.

Nous en discutons car le ROI de cette stratégie est souvent mal compris. Il ne s’agit pas seulement de “modernisation”, mais de maximiser la Valeur Vie (LTV) de chaque interaction numérique.

Pourquoi Maison Code discute de la logique de tri

Nous intégrons les moteurs de Search & Merchandising (Algolia, Bloomreach, Searchspring). Nous voyons la logique sous le capot. Nous voyons des clients dépenser 50 000 €/mois en trafic, pour ensuite envoyer ce trafic sur une page de collection triée par « Date de création : du plus ancien au plus récent ». L’utilisateur voit des produits de 2021. Ils rebondissent. Nous en discutons car l’ordre de tri est la variable à effet de levier la plus élevée dans l’optimisation du taux de conversion (CRO).

1. La métrique de base : le revenu par visiteur (RPV)

Arrêtez d’optimiser le “taux de conversion”. Si vous vendez des chaussettes à 1 €, vous aurez un taux de conversion élevé (10 %). Mais vous ferez faillite sur les frais de port. L’objectif est le Revenu par visiteur (RPV). Ou encore mieux : Marge par visiteur (MPV).

Le travail de l’algorithme : Pour chaque pixel sur l’écran, affichez le produit qui a la plus grande probabilité de générer la marge maximale pour cet utilisateur spécifique à ce moment précis.

La formule : Score = (Popularity_Score * Margin_Factor * Inventory_Health_Factor) + personnalisation_Boost

2. Briser le piège du « best-seller »

« Meilleures ventes » est un indicateur retardé. Il vous indique ce qui était populaire. Cela crée une boucle de rétroaction.

Le produit A est en haut.
Les utilisateurs voient le produit A.
Les utilisateurs achètent le produit A.
Le produit A reste en haut. Les nouveaux produits (produit B) ne sont jamais vus, donc ils ne sont jamais vendus, donc ils n’augmentent jamais. Il s’agit du problème de démarrage à froid.

Stratégie : Le « Newness Boost ». Configurez votre algorithme pour booster artificiellement les nouveaux produits de 20 % pendant les 14 premiers jours. Cela leur donne un « part d’impressions ». S’ils se convertissent, ils restent éveillés. S’ils ne le font pas, ils coulent naturellement.

3. Le facteur de santé de l’inventaire (tailles cassées)

Il s’agit du plus gros tueur de revenus dans le commerce électronique de mode. Scénario :

La « Robe noire » est votre vendeur n°1. *Mais aujourd’hui, vous ne l’avez qu’en taille XXS.
La plupart des algorithmes le classent toujours au premier rang car il présente des « ventes historiques élevées ».
L’utilisateur clique. Sélectionne « Moyen ». Voir “Épuisé”. Feuilles.

Le correctif : Tri basé sur l’inventaire.

Règle 1 : Si un produit a < 3 tailles disponibles, rétrogradez-le vers le bas.
Règle 2 : Si un produit est « Épuisé » (mais visible pour le référencement), poussez-le tout en bas (ou page 2).
Règle 3 : Boostez les produits avec des « semaines de couverture élevées » (surstockage).
- Si vous disposez de 5 000 unités du Pull Rouge, boostez-le.
- Transformez l’inventaire en espèces avant de devoir le réduire.

4. La hiérarchie visuelle (le modèle F)

Des études de suivi oculaire prouvent que les utilisateurs numérisent selon un modèle F.

Position 1 (en haut à gauche) : 30 % des clics.
Position 2 (en haut au milieu) : 15 % de clics.
Position 3 (en haut à droite) : 10 % de clics.
Page 2 : < 5 % du trafic.

La stratégie : Considérez les 3 meilleurs emplacements comme votre vitrine de magasin. Ne laissez pas un algorithme en décider aveuglément. Utilisez la logique “Épinglé”.

Slot 1 : La « vache à lait » (conversion élevée, bon inventaire).
Slot 2 : La « Pièce de déclaration » (Image de marque, prix élevé).
Slot 3 : Le “Nouveauté” (Fraîcheur). Tout après le Slot 4 peut être algorithmique.

5. Personnalisation (la couche de contexte)

Le tri générique est mort. Si je suis à Miami, ne me montrez pas les Parkas dans le Slot 1. Si je suis en Alaska, ne me montrez pas de bikinis. Géo-Merchandising :

Détecter l’adresse IP de l’utilisateur.
Correspond à l’API Météo.
Boostez la catégorie “Outerwear” si Temp < 10°C.
Boostez la catégorie “Nage” si Temp > 25°C.

Merchandising d’affinité : Si un utilisateur a déjà acheté des « Chaussures pour hommes » et qu’il arrive sur la page « Nouveaux arrivages » (mixte), propulsez automatiquement les produits « Pour hommes » vers le haut. Ne les forcez pas à filtrer. Anticipez le filtre.

6. Architecture des outils

Vous ne pouvez pas faire cela avec les paramètres par défaut de base de Shopify/Magento. Vous avez besoin d’un moteur dédié.

Niveau 1 : Les essentiels (Shopify Search & Discovery)

Gratuit.
Permet l’épinglage.
Permet le “Boost / Bury” de base. * Convient aux marques < \€5M GMV.

Niveau 2 : Les acteurs puissants (Searchspring, Klevu, Nosto)

Manuel + AI hybride.
“Boostez les produits à marge élevée”.
“Enterrez les produits avec un taux de retour élevé”. * Convient aux marques \€5M - \€50M GMV.

Niveau 3 : L’Entreprise (Algolia, Bloomreach)

Sans tête. En temps réel.
“Neural Hashing” pour la compréhension sémantique.
Bon pour les marques \€50M+ GMV.

7. Le point de vue du sceptique : “Je veux contrôler la marque”

Les directeurs créatifs détestent les algorithmes. “L’algorithme a mis les vilaines chaussures vertes à côté de la robe rose ! Ça détonne !” Ils veulent organiser la grille comme une mise en page de magazine. Le solde : Utilisez les outils Visual Merchandising qui permettent les remplacements par « glisser-déposer ». Laissez le directeur créatif organiser manuellement les 2 premières lignes (l’esthétique). Laissez l’algorithme optimiser les lignes 3 qui sont l’infini (l’économie). La beauté au top. L’efficacité au fond.

8. Recherche sémantique (au-delà des mots clés)

Le tri s’applique également aux résultats de recherche. Ancienne recherche (mot clé) : l’utilisateur tape “Robe rouge”. Le moteur recherche “Rouge” + “Robe”. Nouvelle recherche (vecteur sémantique) : l’utilisateur saisit « Tenue pour un mariage d’été ». L’IA comprend le concept de tenue d’invité de mariage. Il revient aux robes à fleurs, aux costumes en lin et aux talons confortables. Cela ne correspond pas seulement aux mots ; cela correspond à Intention. Les marques qui utilisent Vector Search (Algolia Neural) constatent une augmentation de 15 % de la conversion, car les utilisateurs trouvent ce qu’ils signifient, pas seulement ce qu’ils disent.

9. La grille mobile (1 colonne vs 2 colonnes)

Le merchandising est spécifique à l’appareil.

Bureau : 4 produits par ligne.
Mobile : 1 produit par ligne (Grandes images) OU 2 produits par ligne (Densité). Test A/B ceci. Pour le luxe à prix élevé (Hermès), 1 colonne fonctionne mieux. L’utilisateur doit voir le grain du cuir. Pour la fast fashion (Zara), 2 colonnes fonctionnent mieux. L’utilisateur souhaite scanner rapidement 50 articles bon marché. Votre algorithme de tri doit s’adapter. Si vous utilisez 1-Column sur mobile, les 3 premiers emplacements sont CRITIQUES. C’est la seule chose que l’utilisateur voit. Si vous utilisez 2 colonnes, vous disposez de 6 emplacements « au-dessus de la ligne de flottaison ».

10. Le Dynamic Bundle (algorithme en tant que styliste)

Le merchandising ultime ne consiste pas seulement à trier des articles individuels. Il crée des Bundles dynamiques. “Achetez le look”. Si je clique sur un blazer, l’algorithme doit immédiatement trier à nouveau les « Produits recommandés » pour afficher le pantalon et la chemise correspondants. Il doit assembler dynamiquement un « ensemble de tenues complet » avec un bouton « Tout ajouter au panier ». Cela augmente l’AOV de 40 %. Cela change le modèle mental de l’utilisateur de « Acheter un article » à « Acheter une solution ».

11. Conclusion

Votre page de collection est la page la plus visitée de votre site. C’est le champ de bataille où le visiteur décide de cliquer ou de rebondir. Si vous le laissez sur « Auto-Pilot » (Tri par défaut), vous laissez 20 % de vos revenus sur la table. La machine peut calculer la marge, la profondeur des stocks et les conditions météorologiques plus rapidement que n’importe quel humain. Laissez la machine trier. Vous gardez le bénéfice.

Votre logique de tri est-elle brisée ?

Présentez-vous des produits épuisés à la première place ? Nous implémentons des piles AI Merchandising (Algolia, Klevu, Searchspring) pour corriger le RPV.

Réparer mon merchandising. Engagez nos Architectes.