Projets

Présent ici plusieurs exemples non-exhaustifs de mes réalisations.

Études de performance et recommandations

Créations et automatisations de tableaux de bords : suivi de KPI et recommandations métiers (accidents de travail, performance produit, performance canal de vente, performance canal d'acquisition, etc.).
Mises en concurrence des différents canaux publicitaires à des fins économique et écologique (réduction drastique de la communication papier).

Comparaison et optimisation des caractéristiques

AB Testing sur différentes caractéristiques comme le prix produit, le verbatim d'un bouton d'achat, la communication CRM, le visuel d'une page web, etc.
Automatisations de l'analyse de ce type d'approche afin de rendre a décision pus rapide et autonome.
Mesures de l'impact et du gain d'un changement de caractéristique qui n'a pas pu ou voulu être AB Testé.
Mises en place d'un protocole analytique, rédactions de la partie théorique et méthodologique, ainsi qu'analyses des résultats pour des papiers de recherches.

Quantification de performances des campagnes CRM

Analyses des performances des campagnes de mailing et de notifications (taux de clics, conversion, rachat, etc.).
Optimisations des ciblages et contenus.
Bilans globaux de l'impact des campagnes sur un cycle (pression commercial, recrutement, gain, etc.).

Détection de caractéristiques leviers de l'efficacité

Compréhension et mise en avant des leviers du potentiel innovant chez les PME bretonnes.
Suivi du NPS après un changement dans le programme de fidélité dans le transport aérien et étude des changements impactant ce baromètre de satisfaction.
Prévention de rupture produits dans la grande distribution selon des critères exogène.
Analyses des caractéristiques des produits performant afin d'en comprendre et optimiser la vente.

Prédictions quantitatives et qualitatives pour anticipation

Implémentations d'algorithmes de modélisation de la demande, pour un distributeur de pièces détachées selon le vieillissement du parc automobile et pour une enseigne dans la grande distribution selon la saisonnalité de consommation.
Prédictions et préventions du churn client.
Modélisations du chiffre d'affaires.

Amélioration de la connaissance des différentes composantes business

Regroupements en segments partageants des caractéristiques communes en fonction du besoin métier :
- clients pour un ciblage des communications plus personnalisé,
- produits pour hiérarchiser la cannibalisation et la saisonnalité,
- points de vente pour une publicité et une communication plus locale.
Modélisation de l'assortiment produit optimal par point de vente dans la grande distribution.

Compréhension et quantification des sujets latents abordés dans la question ouverte d'un questionnaire de satisfaction

Contexte : lors d'un changement structurel de son programme de fidélité, mon client a voulu connaitre les retours de ses utilisateurs. Pour se faire, un questionnaire fut administré et receuilli.
Objectif : l'analyse des réponses aux quesitons fermées ne pose aucun soucis, par contre la question finale ouverte est beaucoup plus complexe à traiter et regorge d'informations cruciales pour mon client. Le but ici était d'en comprendre les sujets abordés.
Méthodologie : beaucoup de travail de simplification de texte (traduction, fautes, synonimie, etc.) qui précède une optimisation d'algorithmes de Topic Modeling.
Résultat : analyse globale des sujets abordés par les répondants ainsi que plusieurs croisements (niveau de fidélité, NPS, etc.) permettant une compréhension fine, précise et quantifiée des sujets de contentement et de mécontentement. Ces insights ont permit des actions concrètes ayant boostés la satisfaction.

Analyse des motifs de renvoie ou de l'annulation d'une commande

Contexte : à chacune des étapes d'achat le client peut faire machine arrière, même après la récéption du produit. A ce moment il lui est demandé la raison de ce choix.
Objectif : ces motifs peuvent être des choix définies ou 'Autre' où la raison est écrit manuellement par le client s'il ne trouve pas son bonheur dans les choix définies. Savoir ce que les clients y écrivent et le croiser avec le type de produit correspondant est très riche en enseignements et en détection de problèmes.
Méthodologie : beaucoup de travail de simplification de texte (traduction, fautes, synonimie, etc.) puis comparaison de la spécificité lexicale des différentes segmentations possibles (par catégorie produit, par type de livraison, par couleur, par taille, etc.) et enfin application d'algorithmes de Topic Modeling.
Résultat : détection de problèmes de compréhension dans le parcours d'achat qui n'était pas clair ainsi que de problèmes de taille sur certaines production de produit et d'impressions de couleurs.

Récupération, intégration et analyse des sujets de mécontentement des utilisateurs sur différentes plateformes consommateur

Contexte : il existe différentes plateforme externes réunissants des communautés d'utilisateurs qui partagent leur mécontentement et détection d'anomalies.
Objectif : ces écrits sont une véritable mine d'or d'informations en temps réelles, il en est donc de même pour la compréhension de leur contenu.
Méthodologie : beaucoup de travail de simplification de texte (traduction, fautes, synonimie, etc.) qui précède une optimisation d'algorithmes de Topic Modeling.
Résultat : compréhension des récents sujets de mécontentements et détetction (et donc résolution) plus rapide de nouveaux bugs.

Synthèse et approdondissement des sujets relatés sur les plateformes de review (google maps, IOS store, Android store)

Applications mobiles, restaurants, hotels, etc.

Contexte : les établissements et applications sont très souvent notés (généralement sur 5) et commentés.
Objectif : lorsque ces données sont en trop grand nombre il devient impossible pour les établissements de les lire, comprendre et quantifier eux-mêmes. Pourtant ces retours clients sont le nerf de la guerre dans ces milieux très concurentiel où ces notes et review font le choix des nouveaux utilisateurs ou clients. Leur analyse et donc amélioration est devenu crucial.
Méthodologie : beaucoup de travail de simplification de texte (traduction, fautes, synonimie, etc.) puis comparaison de la spécificité lexicale des mauvaises notes et des bonnes notes.
Résultat : listing et quantification des points forts misent en avant dans les commentaires, des points faibles de grandes insatisfacion, ainsi que des points qui font débats en fonction de la sensibilité de chacun. S'en suit des actions concrètes (plus ou moins simples) qui augmentent naturellement le curseur.