Secteur(s) : Retail

Créer un moteur de recommandation cross-sell

Client(s) :

Technologie utilisée :

Machine Learning

Métier : Marketing, Administratif, Commerce et relation clients

Premier réseau commercial de proximité en France, le groupe La Poste est organisé en 4 branches d’activité : Services-Courrier-Colis, Banque et Assurance, Distributeur physique et numérique, GeoPost/DPDGroup pour l'international. Présent dans plus de 63 pays, sur 5 continents. En 2021, le groupe La Poste est devenu la première entreprise publique à adopter la qualité de société à mission.

4 engagements sociétaux sont désormais inscrits dans ses statuts :

Contribuer au développement et à la cohésion des territoires
Favoriser l’inclusion sociale
Promouvoir un numérique éthique, inclusif et frugal
Œuvrer à l’accélération de la transition écologique pour tous

Source : https://www.linkedin.com/company/la-poste-groupe

Enjeux

Renforcer la stratégie d'up-sell et cross-sell pour la direction de la stratégie de connaissance client
Stratégie commerciale de vente en bureaux de poste
Aider les chargés de clientèle à recommander des produits pertinents
- En fonction des produits en cours d'achat
- En fonction du client

Démarche

Une approche par analyse des paniers grâce à l'algorithme FPGrowth
Une approche par produit (2 produits sont similaires s'ils sont consommés par les mêmes clients)
Une approche par profil client (modèle de régression de la part de chiffre d'affaires attendue pour chaque produit)

Résultat

Les approches paniers et produits sont interprétables par le métier et permettent d'identifier des recommandations statistiquement pertinentes
L'approche profil client nécessite une phase supplémentaire d'amélioration et d'industrialisation pour intégration dans l'outil SMARTEO