Pizza Hut : l’analytique pour optimiser les commandes (encore plus par temps de confinement)

Vision court terme vs vision long terme

Lors de son intervention, Tristan Burns a invité à ne pas tirer trop rapidement de leçons de la crise en cours. Pour lui, le comportement actuel des clients pourrait devenir des tendances, mais rien n’est moins sûr, ni dans un sens ni dans l’autre.

Pour lui, la crise du coronavirus a créé une situation extraordinairement anormale, il faut donc l’analyser de près. Les restaurants sont fermés et la collecte en point de vente n’est pas possible. Mais la livraison se poursuit. Toutes les transactions sont donc en ligne, et les pizzas sont distribuées par livraison sans contact.

« Il est difficile de faire des prédictions. Même s’il est peu probable que les choses redeviennent exactement comme avant, avec les mêmes ratios de collecte par rapport à la livraison, ce ratio ne sera certainement pas le même que maintenant », résume-t-il.

D’où son conseil pour les analystes métiers et les DataScientists : « si vous devez optimiser des choses à court terme à cause du coronavirus, alors utilisez vos données du moment. Mais si vous pensez à plus long terme, je ferais attention de ne pas trop me focaliser sur les données actuelles à propos des comportements des clients ». 

Friction vs Optimisation

Pizza Hut a été l’un des pionniers du e-commerce alimentaire dès les années 1990.

« Pizza Hut est reconnue comme la première entreprise à avoir vendu un produit physique sur Internet » retrace l’analyste. « C’était en 1994, à Santa Cruz, les serveurs back-end étaient à Wichita, dans le Kansas. Et les ventes se faisaient par le biais du navigateur web Mosaic, avec paiement à la livraison des pizzas » (il n’y avait pas encore de transactions en ligne à l’époque).

Au fil du temps, le modèle de franchise par pays – Pizza Hut est présent dans plus de 100 pays – a entraîné « une expérience en ligne incohérente et non optimale pour le client », constate Tristan Burns.

Lorsque le PDG de l’époque du grand concurrent Domino’s Pizza, Patrick Doyle, a publiquement décrit son entreprise comme une société de technologie qui vendait des pizzas, Pizza Hut a décidé de prendre le taureau par les cornes - Pizza Hut Digital Ventures (PHDV) est le bras technologique de cet effort.

Cette unité se fixe pour objectif de créer « une solution de commerce électronique scalable qui pourra être déployée dans le monde entier pour offrir une expérience client homogène, partout où vous pouvez avoir l’envie soudaine d’une pizza »

Après les États-Unis, l’aventure s’étend, il y a deux ans et demi, à l’Europe avec la France et le Royaume-Uni. Aujourd’hui, le PHDV a des bureaux à Londres, à Saigon et à Dallas, chacun chapeautant sa région.

L’écrasante majorité des commandes de Pizza Hut sont effectuées via le site web ou l’application mobile. L’objectif est donc de faire en sorte qu’un maximum de trafic sur ces supports se transforme en ventes, et que la valeur de chaque transaction soit maximisée. Mais de manière à ce que le parcours client soit le plus fluide possible.

Un gros volume de petites transactions n’entraîne pas nécessairement une bonne rentabilité. À l’inverse, le fait de trop inciter les clients à ajouter des articles dans leurs paniers – sur le modèle des compagnies low cost – peut avoir un impact négatif sur le taux de conversions. « Le défi en matière d’optimisation est de savoir comment nous pouvons utiliser la connaissance du client pour augmenter la valeur de son panier, sans impact négatif sur les conversions », résume Tristan Burns.

Le marketing et la vitesse de chargement du site web jouent un rôle, mais l’équipe Data se concentre sur des mesures granulaires, comme la valeur moyenne des commandes (ou AOV pour Average Order Value). Dans le cas de l’AOV, les types d’offres, comme un certain pourcentage de réduction au-dessus d’un certain montant, sont importants. Les équipes analytiques de Pizza Hut utilisent des visualisations sous forme de Heat Map (des cartes thermiques), qui présentent les AOV en fonction du taux de conversion dans le temps.

« Vous pouvez comprendre le comportement des clients à des moments particuliers et voir des opportunités que vous n’auriez pas perçues auparavant ».

« C’est une excellente chose [que n’importe quelle équipe analytique] peut faire, sans avoir à plonger dans les caractéristiques du site web », invite-t-il. « Vous pouvez comprendre le comportement des clients à des moments particuliers et voir des opportunités que vous n’auriez pas perçues auparavant ».

L’analyse des paniers abandonnés est également un domaine important des analyses et des expérimentations du PHDV. Quelles offres additionnelles réduisent les paniers mis de côté, par exemple. Reste que réduire les frottements sans diminuer la valeur des commandes est un exercice d’équilibriste.

Gros marchés vs Petits jeux de données

L’approche de Pizza Hut, qui se voit comme un groupe mondial, consiste à tester ces optimisations sur ses gros marchés – comme l’Inde – puis à étendre les enseignements (insights), qui se sont confirmés comme étant créateur de valeur, aux marchés plus petits.

D’où l’autre conseil de Tristan Burns, pour les entreprises présentes à l’international, « si vous n’avez pas les ressources nécessaires pour optimiser un par un chaque marché sur lequel vous êtes présent, utilisez les données de vos marchés les plus importants pour les optimiser et ensuite appliquez-les aux autres ».

Un bon conseil que l’on pourra suivre, même s’il émane d’une personne qui assure par ailleurs que « l’ananas est un très bon ingrédient pour une pizza ».