Nos offres
Des solutions concrètes d’intelligence artificielle pour votre entreprise
OUI:PREDICT POUR LA PRESSE ECRITE
Vous êtes responsable du service abonnement d’un titre de presse papier et/ou numérique
Votre objectif ->
Stabiliser et faire croître le portefeuille abonnés en réduisant l’attrition à travers des actions marketing et/ou commerciales
Pour cela, vous devez surmonter une difficulté : identifier parmi les nouveaux abonnés ceux dont la volatilité est la plus grande (ou la fidélité la plus faible).
La solution ->
Utiliser la puissance machine learning pour prédire l’évolution du portefeuille abonnés et identifier parmi les nouveaux abonnés ceux qui sont susceptibles de résilier leur abonnement dans les mois qui viennent.
Comment ca marche ?
Étape 1 : un algorithme de machine learning est étalonné à partir de votre fichier historique anomymisé d’abonnés (3 ans minimum) ; Détail de la solution
Étape 2 : les principaux paramètres sont pondérés par la machine ;
Étape 3 : un test grandeur nature est réalisé sur une partie du fichier d’entrainement qui a été réservée à cet usage
Étape 4 : chaque mois (ou chaque trimestre), la prédiction est rejouée sur le fichier des nouveaux abonnés de la période (mois ou trimestre). L’opération est répétée à la même fréquence.
Votre Résultat ->
Le rapport OUI:PREDICT vous donne la liste des abonnés les plus volatiles et vous décrit les caractéristiques de ces abonnés.
Charge à vous de mener les actions de fidélisation marketing ou commercial pour les retenir.
#1 Quel dataset d’entraînement ?
Exemple de dataset d’entraînement OUI:PREDICT : Fichier de 15.856 abonnés ou ex-abonnés à un quotidien
Quelles informations disponibles dans le dataset :
• sur l’abonné : localisation, âge, CSP, revenus, …
• sur son abonnement : caractéristique du service, tarif souscrit, historique, canal de recrutement…
• l’abonné a-t-il reconduit ou non son abonnement ? OUI / NON
#2 Combien de ligne doit comprendre mon dataset d’entrainement au minimum ?
Au moins 1000 lignes.
#3 Comment m’assurer qu’aucun abonné ne sera identifiable ?
Chaque ligne doit être anonymisée.
L’idéal étant de remplacer les noms et prénoms des abonnés par une ID abonné et de supprimer l’adresse exacte en ne conservant que la ville et le code postal.
#4 A quoi ressemble le rapport OUI:PREDICT ?
Le fichier avec le résultat de la prédiction (susceptible de résilier OUI/NON est mise à votre disposition avec le rapport
Voici un exemple de Rapport OUI:PREDICT
#5 Peut-on mener des analyses multidimensionnelles ?(par canal, par âge, par localisation)
Oui, ces notions sont intégrées au rapport OUI:PREDICT (voir exemple)
#6 Combien coûte le service OUI:PREDICT ?
La tarification fonctionne de la manière suivante :
• Nombre de ligne du dataset d’entrainement ;
• Fréquence de calcul de la prédiction (quotidien, hebdomadaire, mensuel, trimestriel, semestriel)
Exemple : un dataset initial de 15 000 lignes pour une seule prédiction : 450€ HT.
