Segmentation de la clientèle dans une entreprise d'énergie

HCLTech a aidé le client à transformer les données de transaction en informations sur les clients.

5 min de lecture

Introduction

Notre client, un fournisseur de gaz et d’électricité au détail, agit à titre de détaillant d’électricité et de gaz naturel auprès de plus de 55 000 entreprises, et souhaitait obtenir de l’aide pour segmenter sa clientèle afin de générer des insights et prendre des décisions axées sur l’entreprise.

Le défi

Acquisition élevée de clients

Les responsables des ventes et du marketing du client ont constaté que les coûts d’acquisition de clients étaient élevés par rapport à la valeur à vie du client, en particulier pour leurs offres de services à valeur ajoutée. Ils utilisaient un modèle simple pour segmenter leur base de clients pour les campagnes de télémarketing, mais leur taux de réussite n’était que de 15 %, ce qui n’était pas rentable.

L'objectif

Mieux cibler les clients potentiels afin de réduire les coûts d’acquisition

Le client a contacté HCLTech afin d’aider à transformer ses données existantes en insights clients, ce qui lui permettrait d’optimiser le processus d’approche des clients les plus susceptibles d’être intéressés par l’offre et ainsi économiser sur les coûts du centre d’appels.

Segmentation de la clientèle dans une entreprise d’énergie

La solution

Modèles de segmentation client construits à l'aide de l'IA

L’équipe de science des données de HCLTech a travaillé avec le client pour identifier les ensembles de données existants, qui seraient utiles pour développer un modèle de segmentation sophistiqué.

Nettoyage et validation des ensembles de données du client afin de permettre aux algorithmes d’identifier les relations et caractéristiques susceptibles d’être statistiquement liées à des ventes réussies
Création d’un modèle complexe basé sur le partitionnement récursif pour utiliser les données sur les clients et leurs comportements afin de prédire quels clients sont les plus susceptibles de réagir positivement à une approche
Création de visualisations de données pour la sortie du modèle afin de faciliter la prise de décisions

Les retombées

Multiplication par six de l’efficacité du modèle de ciblage

Les résultats ont permis d’obtenir un constat précieux : notre client compte deux segments de clientèle (une distribution bimodale) qui sont susceptibles d’acheter des services complémentaires lorsqu’ils sont sollicités par le centre de contact. Les principales réalisations du projet incluent :

Une augmentation de 600 % du nombre de clients achetant des services complémentaires lors des simulations
Lorsque l’équipe des ventes et du marketing a mis en œuvre le modèle, cela a permis d’augmenter le taux de réussite des campagnes de 40 %, en réduisant de façon importante les coûts d’acquisition de clients et en augmentant la rentabilité
92 % de précision du modèle, mesurée par le ROC AUC