OFFRES PERSONNALISÉES
Next best offer : la bonne offre pour chaque client
Le next best offer avec TIMi classe les offres que chaque client est le plus susceptible d’accepter, respecte les contraintes de stock et de marge, et montre les raisons de chaque classement.
Un modèle par offre
Modeler estime la probabilité que chaque client accepte chaque offre de votre catalogue.
Contraintes incluses
Stock limité, marges et nombre fixe d’offres par client sont gérés dans Anatella.
Classement expliqué
Chaque recommandation est accompagnée des facteurs qui l’expliquent.
COMMENT ÇA FONCTIONNE
Comment fonctionne le next best offer.
Trois étapes, dans un seul moteur, sur un serveur standard sans cluster.
1. Préparer les données
Anatella rassemble l’historique d’achats et d’abonnements, les interactions clients et le catalogue des offres disponibles, puis les structure en variables exploitables par le modèle.
2. Construire un modèle par offre
Pour chaque offre, Modeler construit un modèle qui estime la probabilité qu’un client l’accepte. Les modèles opposent soit une offre à toutes les autres, soit une paire d’offres.
3. Classer et allouer
L’application de tous les modèles donne à chaque client une probabilité par offre. L’offre la plus probable arrive en premier et les suivantes restent disponibles comme alternatives. De nombreux modèles peuvent être appliqués en un seul passage sur la base clients.
QUAND ÇA DEVIENT CONCRET
Les catalogues réels s’accompagnent de contraintes.
Retenir la probabilité la plus élevée pour chaque client ne fonctionne que si rien ne limite ce que vous pouvez proposer.
Stock limité
Quand la quantité d’une offre est limitée, l’offre à la plus forte probabilité ne peut pas aller à tout le monde. Anatella inclut un solveur d’affectation qui alloue les offres aux clients sous de telles limites.
Marges différentes
Le solveur peut tenir compte de la marge de chaque offre, et pas seulement de la probabilité d’acceptation.
Un nombre fixe d’offres par client
Si chaque client reçoit exactement un nombre donné d’offres, le solveur le respecte. Il gère des campagnes de millions de clients et de milliers de produits.
EXPLICABILITÉ
Un classement est plus utile avec ses raisons.
Un modèle en boîte blanche montre les facteurs derrière le classement pour chaque client, comme le comportement d’achat récent ou la ressemblance avec des clients qui ont accepté la même offre.
Pour les équipes commerciales et marketing
Une offre peut être présentée avec l’argument qui la rend pertinente pour ce client, plutôt que poussée telle quelle.
Pour les exigences de transparence
Un modèle qui justifie chaque résultat variable par variable fournit la documentation nécessaire pour répondre aux attentes de transparence, comme le RGPD et l’AI Act. L’évaluation de conformité elle-même reste du ressort de votre service juridique.
Quand le catalogue change
Ajouter ou retirer une offre implique de régénérer le modèle correspondant avec l’AutoML. Le Drift Report indique quand les modèles existants doivent être actualisés.
DONNÉES
Les données utilisées par un modèle de next best offer.
Anatella se connecte à plus de 80 sources : ces données peuvent être rassemblées sans développement spécifique préalable.
Historique d’achats et d’abonnements
Produits déjà détenus, fréquence et montants.
Interactions clients
Canaux utilisés et réponses aux campagnes passées.
Catalogue d’offres
Les offres disponibles et leurs caractéristiques.
Signaux de contexte
Étape du cycle de vie client et saisonnalité.
PREUVES
Vu en production.
Résultats issus de nos études de cas publiées.
Revenus de vente croisée doublés en 15 jours
30 modèles produits, une campagne auprès de 2 millions de clients et un moteur d’allocation des offres, construits par 2 data miners sur un PC de bureau standard.
+10 % de visites en magasin grâce aux coupons personnalisés
Des offres adaptées à l’historique d’achats de chaque client ont devancé d’autres modèles sur les visites en magasin.
Conversion passée de 4 % à 34 %
Les modèles construits par produit plutôt que par catégorie de produits sont désormais la norme chez BNP Paribas.
FAQ
Questions fréquentes.
Quelle différence entre next best offer et next best action ?
Le next best offer recommande un produit ou une offre commerciale. Le next best action est plus large : il peut aussi recommander une étape non commerciale, comme un contact de rétention ou une action de service, selon la situation du client.
Le modèle recommande-t-il une offre ou un classement ?
En général un classement. Il permet de proposer une alternative quand la première offre n’est pas disponible ou a déjà été refusée, sans reconstruire le modèle.
Faut-il un historique riche pour chaque client ?
L’historique individuel aide, et les modèles s’appuient aussi sur des clients aux profils similaires : un client récent peut donc recevoir une recommandation pertinente.
Que se passe-t-il quand le catalogue change ?
Ajouter ou retirer une offre implique de mettre à jour le modèle correspondant. Modeler régénère rapidement les modèles avec l’AutoML, et le Drift Report indique quand les modèles existants doivent être actualisés.
Peut-il gérer un stock limité ou des marges différentes ?
Oui. Quand les quantités sont limitées ou que les marges diffèrent, le solveur d’affectation d’Anatella alloue les offres aux clients sous ces contraintes plutôt que de retenir simplement la probabilité la plus élevée.
CAS D’USAGE LIÉS
Continuez à explorer.
Next Best Action
Choisissez la meilleure prochaine étape par client : une offre, un contact de rétention ou une action de service.
Prédiction de ventes croisées
Trouvez les clients les plus susceptibles d’acheter un produit complémentaire, et pourquoi.
Prédiction du churn
Attribuez à chaque client un score de risque de départ et voyez les variables derrière.
JUGEZ PAR VOUS-MÊME
Testez-le sur vos propres données.
Essayez TIMi sur vos propres données avec un essai gratuit, ou parlez-nous de votre cas.
