Parallel Retail Group (PRG), une agence de référence spécialisée dans les marques grand public qui gère les médias de distribution, les ventes et les opérations chez des détaillants tels que TargetBest Buy et Amazon, a été confrontée à un défi que toutes les agences connaissent bien : le fossé entre les rapports standard et le flux incessant de questions ponctuelles dans entre les deux.
Lorsqu'un client client a vu ses ventes baisser depuis le début du mois de juin, il n'y avait pas de temps à perdre en analyses approfondies pendant plusieurs jours. PRG s'est tourné vers Pacvue MCP et, à l’aide d’une seule instruction en langage naturel, a généré un diagnostic complet d’ Buy Box qui a permis d’identifier plus de 200 000 $ d’ revenue recovery mensuelles potentielles. Ce qui aurait pris des heures à un analyste expérimenté n’a pris que quelques minutes.
plus de 200 000 $
Potentiel mensuel Revenue Recovery
Heures
À quelques minutes de travail manuel
5
Les catégories de causes profondes ont été identifiées automatiquement
Le Défi
L'équipe de PRG s'appuie sur deux niveaux de reporting parfaitement optimisés: des revues d'activité hebdomadaires et mensuelles standard, et des tableaux de bord en temps réelPacvue permettant d'analyser en détail les performances avec les clients. Chacun de ces outils répond à des objectifs précis. Mais entre les deux, il existe un flux constant de questions ponctuelles — ces moments où l'on se demande « Pourquoi cela se produit-il ? » — qui nécessitent d'extraire plusieurs rapports, de croiser différentes périodes et d'assembler manuellement les données avant qu'une réponse ne commence à se dessiner.
Pour une agence chargée de gérer des marques auprès de plusieurs détaillants, ce niveau intermédiaire d'analyse génère des goulots d'étranglement. Chaque question ponctuelle traitée manuellement représente du temps qui n'est pas consacré à la stratégie. Et lorsque les ventes d'une marque cliente commencent à baisser, la rapidité d'action devient une priorité absolue.
Pour passer de « les ventes sont en baisse » à « voici une liste d’ASIN et les mesures à prendre », cela aurait représenté plusieurs heures de travail, même pour nos meilleurs collaborateurs. Grâce à MCP d’ Pacvue , j’ai pu partir d’une question générale, puis approfondir plusieurs domaines différents plus rapidement qu’en générant manuellement des rapports et des tableaux croisés dynamiques interminables. J’ai transmis ces informations à mon équipe, qui m’a répondu : « Oui, c’est exactement ce qu’il faut faire », avant de se mettre immédiatement au travail.
La Solution
PRG connecté Pacvue MCP directement via Microsoft Copilot Studio, en accordant la priorité à la sécurité des données et en conservant l'ensemble au sein de son infrastructure Microsoft existante. La configuration a pris environ 30 minutes — sans faire appel à des développeurs ni nécessiter de maintenance complexe des API.
Une fois la connexion établie, PRG a saisi une seule requête, délibérément générale : «Les ventes de cette marque ont baissé depuis le début du mois de juin. Comparez-les par « ASIN » à celles de l’année dernière et dites-moi ce qui explique cette baisse. »
Pacvue MCP a fourni une ventilation de tous les écarts à l'origine de cette baisse. Brian s'est concentré sur l'« Buy Box » (la capacité d'attraction des clients), que l'analyse a immédiatement quantifiée comme représentant une opportunité de 200 000 dollars pour le seul mois de juin. Il a ensuite posé des questions ciblées pour approfondir son analyse, et l'agent lui a fourni un diagnostic « buy box » (analyse de la capacité d'attraction des clients) organisé en cinq catégories, disponibles sur ASIN, avec pour chacune d'entre elles la cause première et les mesures recommandées :
- Annonces supprimées — identifiées par ASIN avec indication de la cause principale
- Les revendeurs tiers non agréés : une menace pour le contrôle de la marque
- FBA lacunes de couverture — entraînant un risque lié à l'exécution des commandes
- Références réservées à FBM — restriction de l'éligibilité à l'Buy Box
- Incohérences au niveau des prix — signalées avec indication de la cause première pour l'ensemble des ASIN
Les résultats ont été transmis directement à l’équipe de PRG, qui a confirmé ces conclusions et est immédiatement passée à l’action. Elle a également enregistré la consigne et utilisé Copilot pour en créer une version encore plus aboutie, afin de pouvoir la réutiliser de manière systématique pour des comptes similaires.
Au-delà de ce cas d'utilisation spécifique, PRG intègre désormais le MCP dePacvue dans son modèle opérationnel global : l'entreprise développe des agents IA personnalisés, formés sur les procédures opérationnelles standard (SOP) propres à l'agence, afin que la plateforme ne se contente pas de mettre en évidence des informations, mais qu'elle le fasse à la manière de PRG.
Résultats
Une analyse manuelle qui prenait plusieurs heures s'est transformée en un processus ne durant que quelques minutes — et la richesse des résultats obtenus était supérieure à ce qu'aurait permis d'obtenir une extraction manuelle des rapports.
- Plus de 200 000 $ revenue recovery s mensuelles potentielles identifiées à partir d'une seule instruction MCP dePacvue
- Heures → minutes : Un diagnostic d'Buy Box , qui aurait pris des heures à établir même à un analyste expérimenté, a été réalisé en quelques minutes.
- 5 catégories de causes profondes ont été automatiquement identifiées, avec des détails d’ ASIN et des actions recommandées pour chacune d’entre elles
- Aucune génération manuelle de rapports nécessaires — l’analyse s’est effectuée directement en langage naturel via Copilot
- Processus reproductible Créé : message d’invite enregistré et peaufiné pour être utilisé sur d’autres comptes clients
- Intégration de la procédure opérationnelle standard (SOP) en cours: PRG forme des agents d'IA aux meilleures pratiques de l'agence, en utilisant le MCP dePacvue comme moteur de données en temps réel
Récompenses et distinctions
