Le Challenge
1 —
Un géant des cosmétiques dans un environnement où la promotion est clé et où la concurrence augmente de plus en plus les promotions
2 —
Une volonté de sortir de cette dépendance aux promotions en distribuant mieux le discount aux clients en fonction de leurs attentes
3 —
Un projet multi équipes où interviennent la Data Science, le Marketing, la Gestion de campagne
Les Questions Clés
1 —
Quelles promotions envoyer à quels clients ?
2 —
Comment mesurer l’impact des promotions personnalisées ?
3 —
Quelles optimisations faire sur l’allocation des offres ?
4 —
Comment industrialiser le processus ?
L'approche
1 —
Développer le modèle qui prédit l’activation et l’espérance de marge pour chaque type de promotion
2 —
Mettre en place une méthodologie d’apprentissage pour le modèle et de test
3 —
Mesurer la performance lors de chaque phase de test
4 —
Identifier les recommandations et optimisations potentielles et accompagner vers le passage à l’industrialisation
Les Résultats
1 —
Une baisse de 1,5 pts de discount distribué et une augmentation de la marge de 3%
