Prochaine meilleure action, proposition de produit

Prenons un exemple concret : supposons que vous vendiez trois produits différents : A, B et C. Vous souhaitez mettre en place un système automatisé qui sélectionne « le bon produit pour le bon prospect ». En d’autres termes, vous voulez savoir lequel de ces trois produits a le plus de chances d’être acheté par un client donné.

Ce système (qui permet de sélectionner « le bon produit pour le bon prospect ») est assez simple, d’un point de vue conceptuel :

• Créer (à l’aide de TIMi) trois modèles prédictifs de « propension à l’achat » (un pour chaque produit : A, B et C).
• Appliquez vos trois modèles prédictifs à votre base de données clients :

Pour chaque prospect figurant dans votre base de données clients, vous obtenez :

• D’après le modèle 1 : la probabilité d’achat du produit A.
• D’après le modèle 2 : la probabilité d’achat du produit B.
• D’après le modèle 3 : la probabilité d’achat du produit C.

Pour chaque client, vous disposez désormais de 3 probabilités (une pour chaque produit). Vous sélectionnez le produit présentant la « probabilité d’achat la plus élevée » (parmi les 3 probabilités que vous venez de calculer pour ce client) et vous le proposez tout simplement à votre client.

Il s’agit d’un véritable système de recommandation « individuel », car chaque client présente des « probabilités d’achat » différentes et peut potentiellement se voir proposer un produit différent.

Le système décrit ci-dessus peut être amélioré (au lieu d’utiliser trois modèles prédictifs de type « un contre tous », nous aurions pu utiliser six modèles prédictifs de type « un contre un »), mais le principe reste le même.

Pour créer ces « modèles individuels », vous devez bien sûr utiliser une base de données contenant le plus d’informations possible sur vos clients. Vous pouvez collecter toutes les activités hors ligne et en ligne de vos clients et les enregistrer dans votre base de données. Plus vous disposez de données sur vos clients (plus il y a de colonnes les décrivant), mieux c’est. TIMi est le seul outil d’exploration de données qui ne soit pas limité quant au nombre de colonnes qu’il peut traiter. Anatella est le seul outil ETL du marché capable de traiter des tables de données contenant plusieurs milliers de colonnes.

La précision d’un tel système (système « Next Best Activity/Offer/Product ») dépend entièrement de la précision des « modèles prédictifs individuels » qui le composent. Une fois encore, TIMi s’impose comme la solution de choix pour la mise en place de tels systèmes, car :

1. Il faut une très grande précision pour chacun des modèles prédictifs.
2. Il vous faut un outil analytique très rapide pour créer les nombreux modèles prédictifs différents. TIMi est, de loin, l’outil analytique le plus rapide du marché.

TIMi intègre un outil spécial (l’outil « Model Merger ») capable d’appliquer simultanément des milliers de modèles prédictifs différents en un seul passage sur votre base de données clients. Le temps de calcul de TIMi est pratiquement indépendant du nombre de modèles appliqués (ainsi que de la complexité de chaque modèle prédictif). En règle générale, grâce à l’outil « Model Merger », vous pouvez traiter votre base de données clients contenant 10 millions de clients (10 000 000) en moins de 2 minutes (quel que soit le nombre et la complexité des modèles prédictifs). Lorsque vous utilisez « les modèles TIMi exportés sous forme de code SQL Teradata optimisé », la vitesse d’évaluation est encore plus élevée. La rapidité de TIMi est inégalée. Le temps nécessaire pour effectuer le scoring de la même base de données à l’aide de la solution la plus rapide disponible (autre que TIMi ou TIMi + Teradata) est, en moyenne, supérieur à 3 heures (cela dépend de la complexité des modèles et peut atteindre 20 heures de temps de calcul ininterrompu si vous utilisez des modèles complexes). Vraiment, comparés à TIMi, les autres outils analytiques ressemblent à des machines de Rube Goldberg !