Menu
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.
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.
Méthodes d’échantillonnage, Correction de biais, Gradient Boosting
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.
Cette surface indique le pourcentage d’appétence prédit, en fonction de l’âge et du montant d’achats antérieurs des clients. La surface décrit un profil médian. Ici les clients les plus appétents sont âgés de 30 à 45 ans et ont des achats supérieurs à 1000€.
Image reproduite à partir de données open source pour préserver la confidentialité des données réelles.
