Data Science for business impact : les cas Samsung et Conforama

Pour fêter le récent déménagement de Converteo au bord du Canal Saint-Martin, clients et partenaires ont été invités pour une soirée festive le 25 juin dernier, l’occasion de revenir sur deux projets de Data Science emblématiques chez Samsung et Conforama.

Raphaël Fétique, co-fondateur et directeur associé de Converteo, explique d’abord que la découverte et l’exploitation de la data sont comparables à celles du pétrole. Ainsi, progressivement, il faut mettre la data au coeur des projets business pour les voir croître notamment grâce à la Data Science, dont l’objectif est de résoudre des problèmes complexes à l’aide d’algorithmes. Mais comment y parvenir ?

Jérémie Levy, Senior Manager en charge de la Data Science chez Converteo, précise ainsi que cette discipline consiste à “collecter et exploiter des sources de données pour réaliser des prédictions.” Ainsi, la Data Science intervient dans le cadre de projet de pilotage marketing (segmentation clients, projets de scoring), de missions e-merchandising (recommandations produits) ou encore de projets d’optimisation média (personnalisation des messages).

Plusieurs étapes sont nécessaires à la mise en place de ce type de projet :

1. Le cadrage métier : cette étape permet de définir le périmètre que doit couvrir le modèle. Parmi les questions qui sont posées à ce stade on peut citer : quel indicateur optimiser pour définir le score (1), sur quelle fenêtre temporelle faire la prédiction et surtout pour quels usages.
2. La data collection : il est ici particulièrement important d’analyser la donnée existante avant de faire les premières prédictions : connaître la valeur actuelle avant de chercher à la prédire, le taux de résiliation avant de l’endiguer… Ensuite, il est possible de passer à la collecte en se posant les questions suivantes :  comment faire cette collecte ? Tous les flux sont-ils nécessaires ? Quelle donnée est pertinente pour le modèle ? Est-elle disponible ?
3. La modélisation : cette étape consiste à tester et implémenter les modèles, à travers notamment la validation des prédictions sur les données historiques. Il peut être pertinent ici de comparer deux ou trois modèles pour mesurer la performance de chacun.
4. L’industrialisation et l’activation : Une fois le modèle validé, il faut pouvoir mettre à disposition des équipes les résultats du modèle de manière simple et automatisée, afin de leur permettre de mettre en place des cas d’activation en adéquation avec les résultats.

Laetitia Santini, Head of CRM & Media chez Samsung est ensuite intervenue au côté de Pierre Godet, Manager Converteo et Najlaa Bouali, Senior Data Scientist chez Converteo pour revenir sur le rôle de la Data Science au sein de la stratégie média du grand groupe électronique.

A l’occasion de la sortie du Smartphone Samsung Galaxy S10, Samsung a sollicité Converteo afin de trouver une audience appétente. Pour ce faire, Converteo a mis en place un scoring d’appétence permettant la personnalisation des campagnes marketing. Ce projet, comme le précise Pierre Godet, a été initié à la suite d’un changement de la stratégie marketing du groupe, en passant d’un Product driven Marketing à un Customer driven marketing.

Le projet Samsung x Converteo consistait à prédire pour chaque client, s’il allait acheter le nouveau téléphone, et dans combien de temps il le ferait, tout en déroulant une méthodologie en 4 étapes :

1. Cadrage métier : Le téléphone n’étant toujours pas en vente, nous avions besoin de trouver le bon proxy pour définir les acheteurs, en s’appuyant sur la connaissance métier.
2. Collecte, analyse, et préparation de la donnée : Une phase clé pour la réussite du projet, qui consiste à : lister les sources disponibles et nécessaires pour notre score (données transactionnels, comportementales, …), détecter les potentielles anomalies des données, évaluer la pertinence des données, enrichir la donnée par les bons agrégats (historique des achats découpés par tranche temporelle, …).
3. Modélisation : Samsung a exprimé son besoin de vouloir un modèle interprétable et garantissant un maximum d’insight pour les équipes métiers. Dans ce sens, nous avions pour but de trouver le bon équilibre entre performance et interprétabilité en testant un ensemble de modèles.
4. Industrialisation : Cette phase a été pensée par les équipes dès les premières étapes du projet, afin de répondre au besoin des équipes marketing d’avoir une liste d’audience à adresser tous les deux mois.

Nous avons ensuite eu le plaisir de recevoir Romain Roulleau, Deputy CEO Digital & Customer chez Conforama. La marque Conforama représente aujourd’hui 300 magasins en Europe dont 200 en France. Plus de 40% du budget marketing du groupe était en réalité concentré dans le prospectus papier, qui met notamment en avant les nombreuses promotions de la marque. L’enjeu résidait ici dans la définition d’une stratégie média efficace visant à améliorer le retour sur investissement à budget constant, ce qui nécessitait d’évaluer d’abord le ROI du prospectus papier. Avant de démarrer une série de tests sur plusieurs magasins pendant 3 mois, il a fallu déterminer quelles seraient les meilleurs candidats au remplacement, parmi lesquels un dispositif basé sur le couple Google / Waze, un dispositif de génération de trafic web utilisant Amnet et Google, et enfin un dispositif de développement du trafic en magasin reposant sur S4M, Facebook et l’envoi de SMS.
Pour ce faire, les équipes de Conforama et de Converteo ont travaillé à la création d’un modèle de Marketing Mix Modelling permettant de séparer les effets des investissements média, la saisonnalité, et des événements marketing comme les soldes ou liquidations.

Cette analyse a permis de mettre en avant que 20% des visites en magasins sont dûs aux investissements média, et ensuite de choisir le meilleur remplacement suivant plusieurs facteurs quantifiables tels que le nombre de visiteurs en magasin par euro investi ou la capacité d’un média à capter une audience nouvelle.

Nous remercions grandement les intervenants et participants pour cette soirée enrichissante !

Notre équipe de Data Scientists, récompensées plusieurs fois lors des compétitions Kaggle (Machine Learning et reconnaissance d’image), réalise de nombreuses missions pour des annonceurs dans des secteurs d’activité variés. N’hésitez pas à nous contacter directement pour tout renseignement complémentaire.

(1) Dans le domaine du marketing, le scoring est une technique qui permet d’affecter un score à un client ou prospect. Le score obtenu traduit généralement la probabilité qu’un individu réponde à une sollicitation marketing ou appartienne à la cible recherchée. (Source : definition-marketing.com).