Vente croisée B2B avec l'évaluation prédictive
Contexte et objectifs
Une société de services B2B avait besoin de développer une plus grande agilité analytique et de travailler plus efficacement pour obtenir des résultats commerciaux.
L'entreprise souhaitait contacter ses clients susceptibles d'être intéressés par des produits et services supplémentaires. Cependant, le défi consiste à identifier les opportunités de ventes croisées pour les clients existants afin de les cibler efficacement lors des campagnes. En outre, il est essentiel pour la rentabilité de savoir où investir du temps et des efforts. Avec des données provenant de sources et de systèmes multiples, l'entreprise n'était pas en mesure de réunir tous ces éléments pour en extraire des informations commerciales précieuses.
L'équipe marketing avait l'habitude de créer elle-même les listes de contacts pour les campagnes de vente croisée. Elle consacrait donc chaque année de nombreuses journées de travail à l'analyse et à la collecte d'une liste de clients potentiels.
Notre client a donc décidé de se concentrer sur les ventes croisées et les recommandations afin d'améliorer l'efficacité, la rentabilité et la performance des clients. Il a fait appel à Agilytic pour lui fournir rapidement une solution qui l'aiderait à se concentrer sur les cas ayant le plus de chances de faire l'objet de ventes croisées tout en recommandant les meilleures tactiques à l'équipe commerciale.
Approche
Nous avons travaillé avec l'équipe chargée des données, de la stratégie et du marketing pour nous assurer que nos efforts auraient un impact significatif. Avant de commencer, nous avons organisé un atelier avec les propriétaires des sources de données afin d'identifier les données pertinentes.
Tout d'abord, nous avons recueilli des données pour prédire le comportement des clients et identifier les profils de clients idéaux. Nous avons travaillé avec quatre sources de données, un CRM, un outil de traitement des commandes en souffrance, un outil de billetterie et un outil d'automatisation des envois, afin de décrire le comportement des clients et leurs habitudes d'achat, et de faciliter le processus d'évaluation des clients.
Après cette phase de collecte de données et de construction de données analytiques, nous avons évalué les clients. Nous avons procédé à l'extraction des données à partir de différents systèmes et à l'analyse des données (saisonnalité des ventes, qualité des données), à l'ingénierie des caractéristiques (agrégations, fusion de différentes sources, nettoyage, définition et création de cibles), à la modélisation, à la prédiction et, enfin, à l'explication des modèles.
Au final, nous avons créé trois modèles. Chaque modèle fournit un score de vente croisée pour un produit différent et sur un horizon temporel différent, à titre d'illustration :
Le client achètera-t-il (produit 1) dans les 12 prochains mois ?
Le client achètera-t-il (produit 2) dans les trois prochains mois ?
Le client achètera-t-il (produit 3) au cours des 12 prochains mois ?
Nous avons collaboré étroitement avec notre client pour valider le résultat au cours de ce processus. Nous avons revu ensemble les hypothèses de travail afin de garantir la qualité finale du modèle et son adoption par notre client. Nous avons testé le modèle pour évaluer sa fiabilité dans le temps. En plus de l'algorithme entièrement implémentable, notre client a reçu des explications détaillées sur les facteurs d'influence.
Nous avons fourni les éléments suivants :
Scores de vente croisée par client (.csv)
Code documenté sur la VM où les modèles ont été créés (.py, .ipynb, .md)
Description des modèles et recommandations (.ppt)
Résultats
En moins de 26 jours de travail, nous avons développé un modèle qui...
extrait des données de différentes sources,
analyse les données,
modèles,
montre des prédictions,
et propose des explications
En utilisant les modèles de vente croisée, l'équipe marketing du client gagnera beaucoup de temps grâce à une approche plus analytique. Notre client peut désormais s'appuyer sur les scores prédits par le modèle pour cibler les clients lors de ses campagnes de vente croisée.
