Optimisation de Campagne Marketing : Modèle de Scoring

Description du Projet

Ce projet a été réalisé en tant que Data Scientists au sein d'une assurance (branche crédit et épargne). L'entreprise mène régulièrement des campagnes d'appels téléphoniques pour proposer la souscription à un produit d'épargne.

Cependant, nos équipes commerciales ont une capacité d'appel limitée en raison d'un coût humain élevé, d'un temps d'appel important et du risque de saturation des clients. Notre objectif global pour ce projet était de mettre en place un modèle de scoring permettant de :

• Prédire la probabilité de souscription d'un client.
• Prioriser les clients à contacter.
• Augmenter le taux de transformation de la campagne.
• Réduire les appels inutiles.

Sur la base d'un historique de campagnes passées, et d'indicateurs socio-démographiques, bancaires et macro-économiques, notre mission consistait à analyser les données, construire un modèle de score basé sur une régression logistique, proposer une stratégie de ciblage, et justifier l'apport de ce modèle auprès de la direction marketing.

Compétences Développées

• Nettoyage, traitement et analyse exploratoire de données (EDA).
• Modélisation statistique et algorithmique : Régression Logistique.
• Évaluation de la performance des modèles (Matrice de confusion, Courbe ROC, AUC).
• Compréhension des enjeux business et marketing (valeur métier).
• Vulgarisation scientifique et recommandation stratégique (pitch métier).

Résultats et Apprentissages

Résultats obtenus

Mise en place réussie d'un modèle de scoring capable d'identifier les profils de clients ayant le plus de chances de souscrire. Création d'une stratégie de ciblage permettant de contacter par exemple un sous-ensemble clé des clients pour capter la majorité des souscriptions et économiser les coûts d'appel.

Ce que j'ai appris

J'ai appris à faire le pont entre la modélisation statistique avancée et la prise de décision opérationnelle. Savoir traduire un problème business complexe en une solution Data Science est essentiel pour prouver la valeur ajoutée du modèle auprès des décideurs (via un pitch exécutif).