Une vente marketplace peut sembler satisfaisante dans un reporting classique : volume correct, prix acceptable, commande traitée. Mais une fois les commissions, frais logistiques, retours, remises et coûts réels rapprochés, certaines ventes deviennent beaucoup moins intéressantes, voire destructrices.
Le chantier Profit Leak Detector a été conçu pour repérer ces fuites avant qu’elles ne deviennent une habitude coûteuse. Il prolonge le calcul de marge marketplace : calculer la marge ne suffit pas, il faut comprendre où elle se dégrade et quelle décision prendre.
Cette fiche raconte comment Dawap a structuré dans Ciama un module de détection des ventes destructrices, avec des seuils, des causes probables, des alertes et une mémoire d’arbitrage dans Ciama Marketplace.
1. Présentation du client
Un vendeur qui voyait le chiffre d’affaires monter sans toujours voir la marge suivre
Le contexte était celui d’un vendeur présent sur plusieurs marketplaces, avec des références qui pouvaient générer du volume tout en absorbant une partie de la rentabilité.
Les équipes avaient déjà des lectures de marge par commande, produit et canal. Mais les fuites restaient parfois masquées : un frais logistique sous-estimé, un prix trop agressif, une remise récurrente ou un retour qui changeait complètement le résultat.
Le projet a donc été cadré comme une brique de surveillance : identifier les ventes à risque, expliquer la cause probable et aider les équipes à agir sans attendre une revue financière tardive.
2. Méthode projet Dawap
Définir les seuils de fuite avec les équipes avant de déclencher des alertes
La phase d’analyse a commencé par une revue des composantes de marge : coût d’achat, prix de vente, commissions, transport, retours, support, remises, TVA opérationnelle, frais canal et seuils de marge.
Le backlog a été piloté dans Jira avec des sprints successifs. Les premiers lots ont stabilisé les calculs et seuils, puis les lots suivants ont ajouté les causes probables, filtres de priorité, vues de contrôle et liens vers les décisions d’offre.
Les validations ont été menées en sandbox puis en préproduction sur des cas réels : prix sous seuil, frais transport supérieur au prévu, retour coûteux, catégorie fragile, canal trop cher ou référence vendue avec une marge presque nulle.
3. Avant le projet
Des pertes visibles trop tard dans les analyses globales
Avant ce chantier, les équipes pouvaient calculer des marges, mais les ventes destructrices restaient parfois noyées dans les volumes globaux.
Une référence pouvait être correcte en chiffre d’affaires et pourtant fragile une fois les frais complets pris en compte. Une famille pouvait consommer beaucoup d’effort opérationnel pour un résultat très faible.
Le risque était de poursuivre des ventes qui donnaient une impression de croissance tout en réduisant la rentabilité réelle du portefeuille.
4. Objectifs du chantier
Faire ressortir les ventes qui demandent une décision
Le premier objectif était d’identifier les ventes ou offres qui passent sous un seuil de marge défini avec le client.
Le deuxième objectif était d’expliquer les causes probables : prix trop bas, frais trop élevés, retour, coût d’achat, canal, transport ou règle commerciale.
Le troisième objectif était de relier chaque alerte à une action possible : corriger un prix, revoir un coût, limiter un canal, surveiller une catégorie ou assumer une vente stratégique.
5. Solution mise en place
Un détecteur relié aux coûts complets et aux offres
Dawap a structuré un module qui rapproche les ventes, offres, coûts, frais et seuils de marge pour détecter les situations à risque.
La solution ne se contente pas de signaler une marge faible. Elle aide à comprendre pourquoi la marge fuit et quel périmètre est concerné : produit, marque, catégorie, canal ou période.
Cette brique prolonge le pilotage de marge par produit, marque, catégorie et tag et le Buy Box et repricing marketplace.
6. Causes de fuite
Nommer le problème pour éviter les corrections trop rapides
Une fuite de marge peut venir d’un prix, mais pas seulement. Les frais de marketplace, le transport, un retour, une remise ou un coût d’achat mal aligné peuvent produire le même symptôme.
Le module a donc été pensé pour orienter le diagnostic. Une baisse de prix ne doit pas être corrigée comme un frais logistique sous-estimé ou une catégorie naturellement coûteuse à servir.
Cette lecture aide les équipes à traiter la cause plutôt que le signal visible.
7. Seuils et priorités
Distinguer les pertes critiques des exceptions assumées
Toutes les marges faibles ne doivent pas déclencher la même action. Certaines ventes peuvent être assumées pour écouler un stock, défendre une présence ou tester un canal.
Dawap a donc travaillé les seuils comme des règles métier, pas comme des constantes techniques. Ils peuvent dépendre d’une catégorie, d’une période, d’un canal ou d’un rôle stratégique du produit.
Cette approche évite la rigidité : le module détecte, mais l’équipe garde la capacité d’arbitrer.
8. Qualité et déploiement
Vérifier les calculs avant de faire confiance aux alertes
La qualité a été sécurisée par des tests sur les coûts, frais, commissions, montants de commande, retours et règles de seuil.
Les validations en préproduction ont comparé les alertes avec des cas connus des équipes. Chaque alerte devait être explicable avant d’être utilisée dans le run.
La mise en production a suivi le cycle CI/CD avec surveillance des premiers résultats et ajustement des seuils lors des sprints suivants.
9. Résultats obtenus
Des pertes repérées plus tôt et mieux expliquées
Après mise en production, les équipes peuvent identifier plus vite les ventes qui menacent la marge. Les cas sensibles ne restent plus enfouis dans des exports ou des moyennes.
Les décisions gagnent en précision : ajuster un prix, revoir un canal, corriger un coût ou assumer une exception devient plus facile à documenter.
Le projet améliore aussi le dialogue entre commerce, finance et opérations, car chacun voit la cause probable de la fuite.
Preuve opérationnelle : une vente peut être mauvaise même quand elle augmente le volume
Le Profit Leak Detector rappelle une réalité simple : le chiffre d’affaires ne suffit pas. Il renforce le calcul de marge marketplace en transformant les pertes cachées en décisions visibles.
10. Scénario terrain
Repérer une catégorie qui vend bien mais rapporte mal
Une catégorie peut afficher un volume rassurant et occuper beaucoup d’espace dans les revues commerciales. Pourtant, une fois les commissions, remises, retours et frais logistiques rapprochés, elle peut produire une marge beaucoup plus faible que prévu.
Le Profit Leak Detector fait remonter ce décalage : catégorie concernée, produits à risque, causes probables, seuils franchis et actions possibles. L’équipe ne découvre plus la fuite plusieurs semaines plus tard dans une analyse finance.
La décision devient plus rapide : revoir un prix, limiter un canal, corriger un coût ou assumer une vente stratégique en connaissance de cause.
11. Ce que cela prépare dans Ciama
Une mémoire des alertes et des arbitrages de marge
Cette brique prépare une mémoire des fuites de marge dans Ciama Marketplace : alerte, cause probable, règle appliquée, action choisie et résultat observé.
Dans Ciama Marketplace, cette mémoire évite de redécouvrir les mêmes pertes à chaque revue commerciale.
Elle permet aussi de faire évoluer les seuils avec le client, dans une logique de roadmap agile et de proximité métier.
12. Projets proches
Relier marge, prix et détail d’offre
La fiche marge par produit, marque, catégorie et tag montre la lecture qui alimente les seuils.
La fiche Buy Box et repricing marketplace explique pourquoi le prix doit rester sous contrôle.
La fiche Offer Margin Detail marketplace détaille ensuite l’analyse au niveau de l’offre.
13. Conclusion
Une fuite de marge détectée tôt devient une décision utile
Ce projet montre que la rentabilité marketplace ne se pilote pas seulement avec des moyennes. Les fuites apparaissent souvent dans des cas précis, sur une référence, un canal, une famille ou une règle de prix.
En structurant le Profit Leak Detector, Dawap aide les équipes à repérer ces cas, à comprendre leur cause et à décider s’il faut ajuster un prix, limiter une diffusion, corriger un coût ou surveiller une catégorie.
Cette approche renforce le pilotage de marge marketplace et prépare des décisions plus relisibles dans Ciama Marketplace, au lieu de laisser les pertes se cacher dans le volume.
