%20-1.png?width=1200&name=BLOG-Why%20100%25%20Data%20Accuracy%20Is%20a%20Myth%20(and%20What%20to%20Ask%20Your%20Vendor%20Instead)%20-1.png)
Demandez à n’importe quel fournisseur de solutions de tarification concurrentielle quelle est la précision de ses données, et il vous donnera un chiffre avec assurance. Le problème commence lorsqu’un responsable de catégorie consulte un rapport, repère un prix manifestement erroné et se rend compte que la précision présentée dans le dossier de présentation et celle des données qu’il reçoit ne sont pas les mêmes.
Cet écart est critique. Une décision tarifaire fondée sur quelques incohérences ne se traduit pas seulement par un chiffre erroné. Elle entraîne une mauvaise estimation de la marge, une violation du prix minimum conseillé (MAP) qui passe inaperçue ou une règle de réajustement des prix qui s'applique à un produit totalement différent de celui visé. Et dès qu’une équipe cesse de faire confiance aux données, elle commence à tout vérifier manuellement, ce qui va à l’encontre de l’intérêt même d’acheter ces données.
La véritable question est la suivante : que mesure réellement la « précision » ?
Deux fournisseurs peuvent tous deux revendiquer une précision de 98 % tout en lui attribuant des significations différentes.
-
La précision répond à une question : parmi les correspondances que nous avons trouvées, combien correspondent réellement au même produit ?
-
L’exhaustivité répond à une autre question : parmi toutes les correspondances qui devraient exister, combien en avons-nous réellement trouvées ?
-
Le taux de correspondance répond à une troisième question : parmi les produits de votre catalogue, combien ont au moins une correspondance concurrentielle ?
Un fournisseur peut atteindre une précision de 98 % tout en passant à côté de la moitié des correspondances existantes, ou bien obtenir un taux de correspondance de 100 %, mais la plupart de ces correspondances sont erronées.
La taille de l’échantillon est tout aussi importante. Prendre une poignée de références pour les faire examiner manuellement par un humain ne vous donnera pas un chiffre fiable. La qualité des données doit être mesurée à une échelle adaptée à la vôtre, avec un échantillon suffisamment grand pour produire un résultat fiable et significatif. La fiabilité diminue à mesure que votre entreprise grandit et que les enjeux augmentent.
Que demander à votre fournisseur à la place
Le chiffre en lui-même est moins utile que la réponse à la question de savoir comment il a été obtenu. Voici quelques questions qu’il convient de poser avant de signer quoi que ce soit :
-
Présentez-vous l’exactitude, l’exhaustivité et le taux de correspondance sous forme de chiffres distincts, ou bien un seul chiffre les regroupe-t-il ?
-
Comment mesurez-vous la précision et l’exhaustivité, et à quels niveaux de confiance ?
-
Pouvez-vous présenter la précision et l’exhaustivité ventilées par catégorie ou par détaillant, et non sous la forme d’un simple chiffre ?
-
Quelle est la méthode de mise en correspondance utilisée et comment déterminez-vous quand une correspondance est incertaine plutôt que automatiquement confirmée ?
-
À quelle fréquence évaluez-vous la qualité des données et l’échantillon est-il aléatoire à chaque fois ?
-
Que se passe-t-il lorsqu'une correspondance est erronée ? (Cela arrive, il est donc utile de connaître la procédure à suivre !)
How Wiser does it
No vendor should claim 100%, including us, and we'd rather show the mechanics than post a bigger number. Wiser tracks accuracy, completeness and match rate as three separate figures, reported by category and/or by retailer rather than as one blended account-level average.
Matching runs through two methods in parallel: a token-based comparison and a vector-based comparison that plots product attributes in space and measures how close two listings actually are.
Matching runs on a combination of rules-based and AI-led comparison, with a human check on anything the models flag as uncertain rather than auto-approving it once a confidence threshold is cleared.
That process doesn't run once and stop. Samples are randomized rather than pulled from the same easy, already-confirmed SKUs each cycle, and checks run domain by domain, so it's built to catch the kind of gap that hides inside a healthy account-wide average and that a less granular process would miss.
Consultez notre questionnaire sur la qualité des données à utiliser lors de toutes vos discussions !
FAQs
No. Retail catalogs change too frequently, and matching products across retailers involves enough judgment calls that some error rate is unavoidable at scale. Any vendor claiming perfect accuracy either hasn't measured it rigorously or is defining "accurate" narrowly enough to hide the gaps.
Accuracy measures whether the matches a vendor found are genuinely correct. Completeness measures how many of the matches that should exist were actually found. Match rate measures how many products in a catalog have a competitive match at all, out of every product in the catalog. A vendor can report high accuracy while missing a large share of the market, since a narrow, cautious match set will always look more accurate than a broad one, and a high match rate on its own doesn't say whether those matches are right.
Ask whether they report accuracy and completeness as separate numbers, what sample size they use and whether it scales with catalog size, whether they can break results down by category or retailer, how often QA is re-run, and what human review process catches uncertain matches before they reach a report.
Sample size determines whether you're getting a statistically significant result at a high confidence level and a low margin of error, or just a number that happens to look good. A fixed sample size checked against a growing catalog represents a shrinking share of the data over time, so the read gets less reliable exactly as the catalog it's meant to represent gets bigger. Proper sampling scales with catalog size and retailer count, which is what gives you a reliable read on real-world performance rather than a guess dressed up as a metric.
Not on its own. A vendor chasing match rate can lower the confidence threshold for what counts as a match, which pulls more listings in but drops accuracy at the same time. A high match rate paired with a high accuracy number is the combination worth asking for, not either one alone.
Quarterly at minimum, and after any new catalog or new retailer is added to scope. A number quoted during the sales process reflects one moment in time and the questions in this post are worth re-asking on a schedule.
If a vendor can't break accuracy down by category or retailer, can't say what their sample size is or treats the question as unusual rather than routine, that's usually a sign the number they quoted hasn't been checked as carefully as it sounds or that they don’t measure it at all.
