La mesure de la performance du merchandising au-delà du simple chiffre des ventes est une nécessité. La mesure porte sur des plans d’analyse compréhensibles par chacun, qui doivent permettre d’orienter les travaux et améliorations des différentes familles d’actions merchandising. Lorsque l’axe de mesure de la profondeur d’assortiment dépend de la sensibilité des prospects (options, dimensions, couleurs, prix, rôles, symboliques, tribalités…), le choix du plan d’analyse de la performance du merchandising ne peut que, donner des mesures souvent regardées subjectivement. Et pourtant , en parallèle aux études qualitatives, qui ont été au 20em siècle les seules utilisées dans le domaine du merchandising, il faut introduire des mesures analytiques quantitatives dans un domaine où les plans de mesure ne manquent pas. Intégrer le merchandising dans la chaîne décisionnelle, implique d’uniformiser et de simplifier les ensembles décisionnels, quels que soient les services décideurs (avec chacun son échelle de mesure) : il faut recourir aux cubes mais surtout définir les axes des plans de vues, concordants.

Les méthodes et outils pour construire les univers décisionnels : 

Lorsqu’il ne s’agit pas simplement d’informer, la publication de chiffres doit être utile pour conduire la décision.
Sans entrer dans la controverse, sur les entreprises, qui confondent système d’information et système d’aide à la décision, résumons les différences :

• Utile pour porter une parole officielle partageable, le système, d’information institutionnelle, constate un passé, sans tirer des enseignements sur les récurrences potentielles et la fabrication des artifices merchandising qui provoqueront les évolutions espérées. Qualité de la présentation, et pérennité des chiffres et des commentaires sont les critères de satisfaction du lectorat, des informations institutionnelles.
• Le système, d’information décisionnelle, doit, pour apporter les boutons sur lesquels pousser pour corriger les écarts prévisionnels avec les objectifs, savoir simuler : la simulation de la récurrence passe par le crible d’une modélisation de la probabilité.

Les modélisateurs du décisionnel travaillent sur des données hétérogènes pour créer des modèles conditionnels à partir d’hypothèses de lois comportementales. La modélisation statistique du futur reste une approche utopique, sauf si elle arrive à conjuguer les approches qualitatives et quantitatives, de la réponse réfléchie ou impulsive, aux stimuli merchandising. 
Une telle analyse doit amener, à vectorialiser les comportements du consommateur autour et dans l’espace de vente. Elle se basera sur une modélisation probabiliste des observations mises sur des plans axés pour être exploitable et lisible par tous :

• les théories de probabilités et ses mesures : moyennes a posteriori, médianes, variances, corrélations, écarts-type, espérance, moments, comportement de sommes, probabilités de dépassement de seuil critique, régions de confiance, marginalisations
  
• les statistiques qui fournissent les méthodes pour caractériser les lois de probabilité en résolvant le problème inverse (inférence statistique).

L’importance des statistiques et des probabilités, pour construire ces univers décisionnels, engendre des besoins de quantité et de qualité de données d’observation du passé, exploitables dans divers plans.
Le recours au Data Mining constitue un pré requis, et l’exploitation de données dans des plans non déterminés par avance, appelle des outils réservés aux grosses structures. Dans la distribution, les enseignes multi-magasins qu’elles soient succursalistes, groupées ou franchisées sont donc favorisées. 

La restriction des plans d’analyse autour des modèles de probabilité potentiellement analysables :

Parti d’un Data Mining rassemblant ¼ de milliard de données relatant des opérations de distribution corrélées entre elles ( hors des domaines, alimentaire et bricolage ) et qualifiées, il est possible d’établir une première cartographie des ‘PRIOR’, ces modèles de probabilité, issus d’hypothèses restrictives, qui s’avèrent potentiellement analysables.
Trois  (3) secteurs d’activité de consommation, quatre (4)  pays de la zone Euro, dix (10) concepts d’enseigne, trois cent (300) centres commerciaux et centre-ville, plus de huit cent (800) points de vente, deux cent mille (200 000) produits (+ tailles et couleurs) avec les assemblages exposés dans soixante-dix mille linéaires, vitrines, portant, bergerie, cases, plateaux, tables… huit millions (8 000 000 )de clients qualifiés, et plus de deux cent quarante Millions (240 000 000 ) d’actes merchandising traçant où ?, quoi ?, quand ?, comment ?, qui ? ont permis de commencer à étudier grâce à l’historisation de l’identification unique ( type traces RFID ) la mesure des probabilités, d’encadrer des observations statistiques et de donner à l’analyse qualitative du merchandising, le complément quantitatif exploitable à travers des modèles de récurrence.     

A partir de telles données, les modèles d’analyse sont nombreux : ils s’appuient aussi bien sur le pouvoir d’attraction de l’enseigne, que sur la disponibilité du personnel d’accompagnement de la vente. Les plans d’analyse, correspondant aux différents stimuli merchandising, ont pour certains permis d’extraire, une structure probabiliste raisonnablement simple.
Faute de pouvoir exposer dans un blog tous les ensembles vectoriels résultant des actions merchandising, un résumé des travaux autour de l’influence des binômes assemblage / mode de présentation sur le comportement de consommation dans l’espace de vente, constitue une base explicative solide.  
Le binôme assemblage / mode de présentation reste la variable d’attractivité la plus facile à modifier régulièrement (avec le merchandising d’accompagnement dans une offre de produits/services pour lequel nous vendons les outils d’usage de notre savoir-faire). La FNAC (Magasins Réunis Décembre 2011) ou Nature et Découvertes viennent ainsi de changer assemblages et politique de présentation, y reporter les plans vectoriels de l’analyse quantitative peut pour chacun être un jeu.

La structuration du category management aurait permis de faire éclore, des plans de masse types, d’organisation des surfaces de la distribution vue par les fabricants de produits. La collaboration distribution –fabrication, qui se limite à la remontée, par les achats de réassort, des ventes massiques, ne peut que donner des idées masses. 
Les catégories définissent des univers, qui en alimentaire, vont de la charcuterie au thé et infusions en passant par l’aide culinaire sèche. Le renommage des univers, en catégorie, n’a pas été d’un grand apport, sauf linguistique, n’en déplaise à ceux qui appellent ‘’shoppers’’, des acheteurs et ‘’consommateurs’’ des acheteurs hédonistes. L’interprétation qualitative par les industriels, du comportement du consommateur face à une gamme, est étendue à l’assortiment ! La quasi absence de mesures d’efficacité structurées ( limitées au score card ! ) laisse la distribution toujours sans outil dans cet approche hyper limitée des ambitions d’origine du Category Management qui incluaient le merchandising. La définition proposée par Nielsen (1992) spécifiait que le travail collaboratif de réponse aux besoins/envies du consommateur impliquait la recherche d’une optimisation réalisée au niveau de chaque magasin autour d’une catégorie et non plus seulement d’un produit ( best off ) ou d’une marque.

L’univers constitue le macro-ensemble catégoriel le plus lourd. Dans toute enseigne, même hors GSA, il existe un niveau de largeur appelé univers qui , différencie lourdement l’offre et constitue la base de distribution géographique du magasin : Espace livre ,CD, DVD, … Optique Solaire, Optique de Lecture, Optique de Vue … Bijouterie Or , Bijouterie Fantaisie, Horlogerie… Vins blancs, rouges rosés, pétillants  …  .
Vu par des enseignes d’un même secteur d’activité ; la notion d’univers primaire peut largement diverger surtout en fonction de la volonté de positionnement de l’enseigne. Ainsi la multiplication des corners, shop in the shop, peut à l’instar du département cosmétique des Galeries Lafayette ou Printemps parisiens depuis la fin des années 60, conduire à une organisation par rayon de marque représentative, sans aller jusqu’à la vitrine concédée qui permet de détourner les lois LME.
Les stratégies d’univers donnent la lisibilité générale de l’offre en facilitant le cheminement du client. Mais elles positionnent aussi l’enseigne dans sa stratégie de distribution voir de sa cible de clientèle.

A l’opposé de l’Univers, l’Assemblage constitue l’ensemble catégoriel, le plus restreint, qui donne au prospect dans un espace limité, le sentiment de pleine appréhension de l’offre. Frontière éphémère, qui marque le passage de l’imaginaire au réel, c’est un espace privilégié de la relation au désir face aux objets convoités. Modifier ses assemblages peut suivre une stratégie empirique ou être encadré par des modèles de probabilités.

A quels modèles répondent les binômes assemblage/présentation ?
les variables sont

• AP1 : Largeur de l’offre dans l’assemblage
• AP2 : Profondeur de l’offre 
• AP3 : Hauteur de l’offre ( scalabilité sur l’échelle de prix absolue  ) 
• AP4 : Mixité des rôles sur la matrice  
• 
• AP5 : Densité / lisibilité de l’assemblage
• AP6 : Facing de présentation dans l’assemblage
• AP6 : Publicisation de l’assemblage, animation sur l’assemblage
• AP7 : PLV associée à un ou plusieurs produits dans l’assemblage 

Les mesures de l'acte d’achat et de sa qualité :

• AA1 : Besoin ( conditionné par Besoin ), Envie
• AA2 : Oblatif – Hedoniste
• AA3 : Client fidèle – Nouveau client
• AA4 : Vitesse et taux de retour de l’acheteur identifié
• AA5 : Valeur de l’achat vs prix moyen de l’assemblage
• AA6 : Valeur de l’achat vs achat moyen du même client