Prioriser les prospects : Lead scoring

Comment prioriser les prospects les plus chauds ?

OBJECTIF

Adapter le traitement des leads en fonction de l'imminence de l'acte d'achat.

ACTIONS

Pour les leads chauds, proposition de rappel immédiat, traitement prioritaire des demandes d'informations, proposition d'échange via le Chat.

Pour les leads moyen terme, proposition d'information, tentative de récupération de l'adresse mail, élevage.

SCORING PREDICTIF

Utilisation du module DataLead et de ses algorithmes en intégrant les données de navigation (nombre de pages visités, temps passé, parcours web…), l'origine géographique de la connexion et l'origine de navigation du client.

DataHub AfterData : intégration des données sur le type d'habitat et le niveau de vie.

RESULTATS

  +28% de taux de transformation
  - 42% de rappel après un achat concurrent

Generic placeholder image

Prédire l'appétence clients : recommandation produits

Comment augmenter le nombre de contrats par client ?

OBJECTIF

Développer le taux de multi-équipement et la ventes d'options

Limiter la sollicitation commerciale des clients en ne communiquant que sur des offres présentant une appétence forte.

ACTIONS

Campagnes hebdomadaires d'up-selling ciblées sur les clients présentant un pic d'appétence pour un produit et ne dépassant pas un coefficient de sur sollicitation.

Scoring du canal optimal de communication.

Pour les conseillers commerciaux, alerte (push produit) directement sur la fiche client dans le CRM.

SCORING PREDICTIF

Utilisation du module DataSell et de ses algorithmes en intégrant les données socio-démographiques des clients (anonymisée), l'ensembles des interactions clients et les données contractuelles.

DataHub AfterData : exploitation des données sur la probabilité de mariage et de naissance

RESULTATS

  + 20% d'up-selling
  - 16% du taux d'attrition

Generic placeholder image

Prévoir la résiliation clients

Comment limiter le taux de départ à la concurrence ?

OBJECTIF

Diminuer le nombre de résiliations subies.

ACTIONS

Campagnes de fidélisation : email et/ou téléphone

Pour les conseillers commerciaux, alerte directement dans le CRM.

SCORING PREDICTIF

Utilisation du module DataChurn et de ses algorithmes en intégrant les données socio-démographiques des clients (anonymisée), l'ensembles des interactions clients et les données contractuelles.

DataHub AfterData : exploitation des données sur la probabilité de changement de véhicule et le risque de déménagement.

RESULTATS

  - 21% du taux d'attrition

Generic placeholder image

Identifier les fraudes

Comment détecter automatiquement les comportements suspects ?

OBJECTIF

Identifier précocement les abus de marché.

Limiter les faux positifs.

Historiser précisément l'instruction de la fraude.

ACTIONS

Analyse en temps réel de l'ensemble des transactions.

Explication détaillée de chaque critère laissant supposer la fraude.

Alerte et reporting par mail.

SCORING PREDICTIF

Utilisation du module DataFraud et de ses algorithmes pour analyser le profil investisseur, le comportement de chaque valeur et les variations inhabituelles.

DataHub AfterData : exploitation d'actualité financières et des cotations journalières Euronext

RESULTATS

  97% de taux de détection
  Moins de 5% de faux positifs

Generic placeholder image

Prévision des ventes

Comment anticiper les commandes et la production ?

La prévision des ventes conditionne la production, le stockage ainsi que les commandes. Surestimer les ventes conduit à des pertes et des coûts de stockage. Sous-estimer les ventes représente un manque à gagner et un risque de perte de clients.

Les algorithmes d'intelligence artificielle AfterData permettent de prédire les quantités vendues grâce aux campagnes promotionnelles, aux tendances de marché, aux actions de la concurrence ainsi qu'à la météo et l'historique de la consommation

ROI potentiel : diminution de 20% des erreurs de prévision et diminution de 30% des invendus

Generic placeholder image