Showroomprive.com internalise le savoir faire pour détecter les clientes en partance en déployant sa propre plateforme de Machine Learning. C’est la première étape vers d’autres usages du Big Data.
Fidéliser ses clients est un enjeu clé pour un site de e-commerce. A l’heure où l’on trouve des solutions d’analyse prédictive délivrées en mode Saas, le site de vente événementielle Showroomprivé.com fait le choix de déployer sa propre plateforme en interne.
Détection des clientes en partance
Les équipes internes s’approprient le réglage des différents paramètres associés à l’analyse prédictive afin de détecter les clientes qui ont une forte probabilité de ne plus acheter de produits sur le site.
Les équipes marketing et de Business Intelligence de Showroomprivé sont autonomes sur l’ensemble de la chaîne depuis l’importation des données jusqu’au développement de l’algorithme prédictif. « Aujourd’hui, nous sommes capables de prédire les actions futures de nos clients et d’agir en conséquence, » affirme Damien Garzilli, Strategy and Business Intelligence Manager chez Showroomprive.com.
Première application : la réduction de l’attrition (churn en anglais), c’est à dire les clients susceptibles de ne plus revenir chez Showroomprivé. L’application détecte les « churners » potentiels avec 77% de précision, soit un AUC (Area Under Curve) de 0.819 et initie des actions marketing ciblées.
« L’objectif du churn prevention est d’envoyer le bon message à la bonne personne. Nous sommes plus que satisfaits par les résultats que nous obtenons, » poursuit Damien Garzilli. Il précise : »nous faisons parler les données du passé pour nous projeter dans l’avenir. »
Big Data
Ce premier pas favorise d’autres initiatives. La plateforme déployée, « est aussi un outil qui va nous permettre d’accélérer la mise en production d’autre cas d’usages “big data” selon les besoins qui émergent, » annonce-t-il.
La plateforme détecte les clients en partance en fonction de la fréquence des achats individuels, et permet d’affiner la précision du ciblage des campagnes marketing. L’enjeu de la fidélisation repose en grande partie sur la valorisation des données internes du site, permettant d’accompagner la clientèle de manière plus personnalisée.
Les équipes marketing et de business intelligence de Showroomprivé.com maitrisent leur projet d’anticipation de l’attrition dans son intégralité de manière autonome, de la phase d’étude à la mise en production.
Traces web exploitées
Les données sources intégrées dans la plateforme sont d’une grande variété : données clients, données de commandes et de livraisons et traces du parcours des clients sur le site web ou les applications mobiles (logs).
Via sa plateforme, Showroomprivé peut créer près de 700 fonctions dérivées de ces données selon certains événements : clics sur vente, commandes, litiges, clients, … Les équipes peuvent tester plusieurs algorithmes de Machine Learning pour arriver au meilleur modèle prédictif.
Selon Showroomprive, « une stratégie marketing générique, basée sur des règles statiques et communes à l’ensemble des clients a ses limites. »
Règles d’identification
La solution mise en place repose sur des règles d’identification préalables des « churners » potentiels (clients susceptibles de ne pas renouveler leurs achats), et de déterminer la valeur individuelle de chaque client. Dès lors, il faut leur diffuser le bon message au bon client.
Showroomprivé.com a retenu la plateforme Data Science Studio (DSS) de la startup française Dataiku. Il s’agit de briques logicielles qui permettent de démarrer plus rapidement un projet Big Data.
Showroomprivé a été créé en 2006 et propose les produits de 1300 marques partenaires. Le site compte 20 millions de membres en France et dans huit autres pays européens. La société est cotée depuis peu sur le marché Euronext Paris(code : SRP). En 2014, Showroomprivé a réalisé un chiffre d’affaires de 350 millions d’euros, en croissance de 38% par rapport à l’année précédente. La société emploie 700 personnes.
