SOLUTIONS PROPULSÉES PAR IA
arrow

Le défi .

  • Un client de commerce électronique n'avait aucune visibilité sur la façon de cibler des clients de plus grande valeur qui avaient plus de chances d'acheter chez eux.
  • Cela a conduit à de nombreux clients à part entière et à faible valeur ajoutée.
  • Il n'y avait pas de ciblage des clients basé sur des analyses prédictives, et il n'y avait pas non plus de compréhension basée sur les données des facteurs qui influent sur la probabilité d'un client d'acheter plus d'une fois.
arrow

La solution .

  • Conçu et construit un modèle de propension à acheter pour identifier les clients avec une forte probabilité d'achat dans les 30 prochains jours chaque mois.
  • Importance des fonctionnalités dérivées pour identifier les facteurs qui influent sur la probabilité d'achat d'un client.
  • Segmente la base de clients chaque mois en une probabilité d'achat faible, moyenne et élevée pour personnaliser le ciblage.
arrow

Les résultats .

  • La liste des clients avec une probabilité d'achat a été utilisée par l'équipe marketing pour cibler un sous-ensemble de la clientèle chaque mois et optimiser le budget marketing.
  • Des campagnes ciblées ont conduit à des ventes incitatives de clients avec une probabilité d'achat moyenne et élevée.
  • La compréhension des facteurs qui influencent le comportement d'achat a conduit à un meilleur profilage des clients et à une fidélisation accrue des clients.
style="vector-effect: non-scaling-stroke;">