Le Challenge
1 —
Une grande marque française de cosmétiques
2 —
L’envie de personnaliser l’expérience de ses clients pour être au plus près de leurs besoins
3 —
De nombreux cas d’usage de personnalisation possibles
Les Questions Clés
1 —
Comment prédire les besoins individuels des clients ?
2 —
Comment mettre à disposition des équipes métiers les différents scores calculés en fonction des besoins ?
3 —
Comment adapter chaque score à l’usage qui en sera fait ?
L'approche
1 —
Modélisation machine learning à partir de plusieurs sources de données de la marque pour prédire au mieux chaque score individuel et comparaison de nombreux modèles
2 —
Mise en production des scores pour qu’ils soient actualisés régulièrement et consommables directement par les outils métiers (site web, outil de gestion de campagne)
3 —
Suivi de la performance avec mise en place systématique d’A/B tests
Les Résultats
1 —
Un carrousel de recommandations personnalisées sur les sites de la marque
2 —
Des campagnes emails plus personnalisées, envoyées à chacun au bon moment et avec les bons produits
