Ce projet, réalisé pour LVMH courant 2020, avait pour ambition d’anticiper les ventes réalisées par une maison du groupe à différents niveaux hiérarchiques et selon différents axes d’analyse. L’objectif était de pouvoir prédire, à différents horizons de temps, les volumes de ventes selon les différents axes produits (du niveau le plus bas du référentiel produit à la catégorie la plus haute) et selon les différents axes géographiques (au niveau boutique, dans une région, un pays ou le monde). Le modèle devait donc être en mesure de prédire correctement combien une référence unique de produit allait être vendue le mois prochain dans telle boutique, ou bien combien telle catégorie de produit allait être vendue la semaine prochaine au Japon.
Techniquement, nous avons développé des modèles neuronaux hiérarchiques avec TensorFlow pour intégrer les différentes contraintes. Par exemple, les ventes prédites par le modèle pour un produit au niveau mondial doivent être égales à la somme des ventes prédites pour ce même produit dans chacun des pays. Pour l’entraînement, les ventes réalisées dans le passé ont été utilisées. Toutes les informations disponibles sur les produits (photos, couleurs, texture, hiérarchie, collection, etc.), les clients et les boutiques ont été intégrées aux modèles.