Objectifs d'application et hygiène des plateformes pour une marque sportive

Pourquoi le programme existant avait calé

La marque exploitait un bureau d'application interne soutenu par deux prestataires externes, et le modèle opérationnel n'avait pas été revisité depuis environ quatre ans. Chaque prestataire reportait dans son propre format, sur sa propre cadence, avec sa propre définition de ce qui comptait comme un « retrait réussi ». La direction ne pouvait pas répondre à des questions simples comme combien de vendeurs de contrefaçon actifs existaient sur une place de marché donnée au début d'un trimestre par rapport à sa fin.

Quand l'équipe e-commerce a lancé une nouvelle ligne de running performance, l'écart est devenu impossible à ignorer. Dans les dix jours suivant le lancement, l'équipe avait identifié manuellement plus de quatre cents annonces non autorisées sur trois grandes places de marché, et le processus existant prenait en moyenne cinq à sept jours pour en retirer une. Le temps que la moitié soit retirée, des remplaçantes étaient déjà en ligne.

Le point de départ du nouveau programme n'était pas une décision d'outillage. C'était un exercice de définition : que veut dire « propre » pour cette marque, sur quelles surfaces, contre quels archétypes de vendeurs, et à quel coût par résultat.

Ce que l'équipe a reconstruit

Le premier changement a été structurel. Les deux prestataires ont été consolidés et le bureau interne a été repositionné autour de trois rôles : un pod d'analystes axé sur la qualité du signal de détection, un pod d'application qui possédait l'exécution des retraits et les relations avec les plateformes, et un seul responsable de programme chargé du reporting hebdomadaire au merchandising et au juridique.

Le deuxième changement a porté sur la pile de détection. La correspondance par similarité d'image a été calibrée par ligne de produits plutôt que par catégorie, parce que le placement du logo et le comportement des coloris sur les chaussures de running ne ressemblaient pas au comportement sur les vêtements d'entraînement. L'analyse de clusters de vendeurs a été ajoutée pour que l'équipe puisse voir quand un seul opérateur exploitait quinze vitrines sous des noms différents.

Le troisième changement a été le playbook d'application. Les chemins d'escalade pour les récidivistes ont été formalisés avec chaque grande place de marché, incluant des critères documentés pour passer au-delà de la notification et du retrait standards vers la suspension du compte vendeur et, dans un petit nombre de cas, l'action civile.

Résultats après douze mois

Ces chiffres sont composites et illustratifs, tirés de la manière dont les programmes de cette forme se comportent généralement une fois la fondation reconstruite. Le volume total d'application a augmenté d'environ 60 % au cours des six premiers mois, puis a plafonné à mesure que l'offre de nouvelles annonces contrefaisantes se contractait réellement. Le délai médian de retrait sur les trois places de marché prioritaires est passé d'environ six jours à moins de 48 heures.

Plus important encore, la récidive des vendeurs auparavant sanctionnés a fortement chuté. Sur la plus grande place de marché, environ 78 % des vendeurs sanctionnés au premier trimestre ne sont pas réapparus dans les deux trimestres suivants. La propreté des plateformes, mesurée comme la part des résultats de recherche sur la marque qui étaient des annonces autorisées, est passée d'une référence proche de 71 % à un niveau stable de 92 à 94 % sur les surfaces prioritaires.

Le coût par retrait réussi a baissé d'environ un tiers, principalement parce que le pod d'analystes a cessé d'envoyer des dossiers à faible confiance au pod d'application. Les économies ont financé un nouveau flux de surveillance du commerce social qui avait été précédemment reporté.

Ce qui n'a pas fonctionné

Deux éléments de la refonte ont sous-performé. Le premier était une tentative de fixer un SLA de retrait global unique sur chaque place de marché. En pratique, la réactivité des places de marché variait tellement selon la région qu'un seul chiffre créait un faux sentiment de progrès. L'équipe l'a remplacé par des SLA spécifiques à chaque surface et une métrique distincte pour la cohérence inter-surfaces.

Le second a été un effort initial pour classer les vendeurs purement par volume d'annonces. Les vendeurs à fort volume n'étaient pas toujours les plus dommageables ; un petit vendeur exploitant des sosies à prix cassés sur une plage de tailles populaire pouvait éroder davantage de revenu autorisé qu'une vitrine tentaculaire mais peu fréquentée. Le modèle de classement a été reconstruit pour pondérer le revenu perdu estimé et la visibilité en recherche, et non le décompte brut d'annonces.

Leçons pour des marques similaires

Les marques de sport et de prêt-à-porter ont tendance à avoir des longues traînes de produits, des cycles de lancement rapides et une forte découverte sur les réseaux sociaux, ce qui signifie que les opérateurs de contrefaçon ont de nombreux points d'entrée et de courtes périodes de retour sur investissement. Un programme bâti autour du volume de retraits continuera à produire des chiffres impressionnants à regarder pendant que le problème sous-jacent grandit.

Les équipes qui prennent de l'avance sont celles qui alignent les KPI d'application sur les priorités du merchandising, qui traitent la détection comme un problème de qualité de signal plutôt qu'un problème de couverture, et qui investissent dans la perturbation des récidivistes plutôt que dans le jeu de la taupe annonce par annonce.

Rien de tout cela n'exige davantage d'effectifs. Cela exige une définition plus claire de ce que l'application est censée livrer, et la volonté de retirer les métriques qui ne reflètent plus cela.