cas client pour vous ? Opérateur Télécom Entreprises : Comment prédire ses futurs clients grâce à l'AI ?

Bonjour,

Dans le cadre de l'un de vos prochains sujets, le cas client d'un grand opérateur Télécom vous intéresserait-il ?

Opérateur Télécom Entreprises : Comment prédire ses futurs clients grâce à l'intelligence artificielle ? (voir détails ci-dessous)

Si vous souhaitez en savoir plus sur la mise en œuvre de ce projet et les bénéfices apportés par l'intelligence artificielle, Frédéric Pichard, CEO Sparklane, , éditeur de solutions d'aide à la prospection commerciale, se tient à votre écoute.

Qu'en pensez-vous ?

Karine

0611575758

OPERATEUR TELECOM ENTREPRISES : COMMENT PREDIRE SES FUTURS CLIENTS ?

PROBLEMATIQUE

Un opérateur télécom français souhaitait optimiser le développement commercial de sa base de clients entreprises pour détecter les clients les plus à même d'être intéressés par de nouveaux produits dans son large catalogue d'offres (téléphonie fixe, mobile, services cloud, ...).

En confiant cette mission à Sparklane et sa solution PREDICT, l'objectif de l'opérateur télécom était multiple :

• Identifier un nouveau segment de clients capables d'acheter une nouvelle offre du catalogue (cross-sell)


• Améliorer la connaissance client,


• Enrichir son CRM avec des informations extérieures détaillées et disposer d'une vue unifiée,


• Bénéficier d'un système d'alertes permettant de réagir rapidement dès qu'un client est en mesure d'accepter une nouvelle offre,


• Optimiser la productivité et l'efficacité des commerciaux sédentaires en adressant uniquement les clients à plus forte capacité de conversion.

SOLUTION MISE EN PLACE

Dans un premier temps, l'Opérateur Télécom a fourni à Sparklane un corpus de données de plusieurs milliers de clients à analyser, divisés en deux catégories :

• 1ère catégorie : les entreprises converties à une nouvelle offre de l'Opérateur Télécom (gagnés).


• 2ème catégorie : les entreprises prospectées déclarant ne pas être intéressées par cette nouvelle offre (perdus).

Dans un deuxième temps, l'objectif était de définir le profil idéal des clients les plus capables d'être convertis. Pour cela, la liste de tous les clients identifiés a été intégrée dans la solution PREDICT pour calculer automatiquement le PCI (Profil du Client Idéal) grâce à la technologie avancée de Deep Learning de Sparklane.

Le calcul s'est effectué grâce à la combinaison de plusieurs centaines d'attributs :

• Critères firmographiques caractéristiques des sociétés gagnées et perdues (par exemple : âge de la société, effectif, chiffre d'affaires, localisation, secteur d'activité, etc.).


• Actualités de la société au moment de la décision d'accepter cette nouvelle offre tels que les recrutements, déménagements ou autres actualités chaudes capables d'influer sur une décision d'achat.


• Analyse du niveau d'influence de chaque critère et signaux d'affaires dans la décision d'achat.

Une fois le PCI (Profil du Client Idéal) calculé, la solution a permis de lister tous les clients avec un score de conversion associé à chaque entreprise.

A partir de cette liste, les actions de prospection ont pu démarrer et commencer à générer de nombreuses opportunités de vente.

Grace à ces premiers retours, le modèle prédictif de PREDICT, qui s'appuie sur des technologies de Machine Learning, s'est affiné au fur et à mesure de l'utilisation de la solution par la force commerciale de l'Opérateur Télécom. Chaque nouveau client gagné ou perdu est venu affiner les recommandations de PREDICT grâce à un système d'alertes envoyées aux commerciaux sédentaires.

En même temps, de nouveaux signaux d'affaires sont apparus et ont permis de recommander de nouveaux clients qui n'avaient pas été identifiés au moment de la première étape.

Après plusieurs mois d'utilisation, PREDICT a été en mesure d'atteindre un niveau de précision de 70%. Sur 1.000 clients candidats à l'Upsell, PREDICT a permis de générer 700 opportunités.

PREREQUIS A L'ANALYSE PREDICTIVE :

Pour que le modèle prédictif de PREDICT fonctionne pleinement et produise des résultats satisfaisants, il est primordial d'alimenter l'algorithme de calcul du PCI (Profil du Client Idéal) avec des données pertinentes et précises. Ainsi, dans le cas présent, l' Opérateur Telecom a été en mesure de fournir des données précises des clients qui avaient déjà accepté de souscrire à une nouvelle offre. Le département Data Consulting de Sparklane a ensuite nettoyé et homogénéisé les données afin qu'elles soient parfaitement analysables notamment en menant une opération de siretisation.

RESULTATS

PREDICT a permis à l'Opérateur Télécom de comparer sa performance entre avant et après l'expérience Sparklane.

Ainsi, l'Opérateur Télécom a enregistré un taux de conversion final de 50% des opportunités recommandées par PREDICT, soit un taux de conversion global de 35%. Au final, plus de 1/3 des clients recommandés par PREDICT ont acheté une nouvelle offre.

Grâce à PREDICT, l'Opérateur Télécom a constaté un gain de productivité commercial de l'ordre de 30%, permettant de réduire de près d'un tiers l'effectif dédié à cette activité spécifique, et ainsi de dégager des ressources sur d'autres campagnes.

Enfin, l'Opérateur Télécom dispose maintenant dans son CRM de données complètes sur chacun de ses clients telles que des informations sur les nominations, un lancement de produit, ou de toute autre actualité capable de lui permettre une approche personnalisée et d'apporter une plus grande valeur ajoutée au discours commercial.