Prédire l’appétence à un produit

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Proin ac dignissim sapien. Aenean massa neque, tristique sed mi ultrices, aliquet faucibus nunc.

Mehdi Ben Youssef
Head of International Actuarial and ALM, Crédit Agricole International

Objectif

Cibler au sein de la population des assurés les plus à même d’être appétents à d’autres produits (cross-selling) et définir le cahier des charges d’un système d’information orienté Connaissance Client.

Contexte

Dans une optique de de développement commercial, notre client assureur souhaite identifier parmi ses clients ceux qui peuvent être intéressés par d’autres produits de son catalogue.

Résultats

  • Ciblage des prospects appétents à d’autres produits avec une probabilité de 45% qu’ils finalisent l’acte d’achat.
  • Cahier des charges pour un système d’information permettant d’améliorer la vision marketing client.

Algorithmes

Méthodes d’échantillonnage, Correction de biais, Gradient Boosting (XGBoost).

Méthode

En croisant les données client avec celles de l’assurance vie et en nous appuyant sur les précédentes campagnes marketing, nous avons conçu un modèle de Machine Learning permettant de prédire l’appétence à certains produits d’assurance.
Nous avons également audité le système d’information et défini un cahier des charges pour améliorer la stratégie marketing.

Visualisation de l’interaction entre deux variables au sein du modèle