Instaurer la confiance auprès des équipes commerciales en prédisant la réitération des appels au service client
@ Orange
Cette étude de cas fait partie des trois projets que j'ai réalisés en tant que Data Scientist pour optimiser le service client d'Orange.
Client
Après avoir travaillé pendant un an sur la construction de la plateforme Big Data B2B d'Orange et ses premiers projets d'exposition de données, notre équipe a rendu accessible une multitude de données de manière simple et centralisée.
Nous étions prêts pour franchir une étape supplémentaire en valorisant et utilisant ces données avec des projets de Machine Learning.
Enjeux
Nous avons rapidement réalisé que personne ne nous confierait de projets de Machine Learning si nous ne pouvions pas prouver notre succès dans ce domaine.
Il était essentiel de concevoir un projet qui attire l’attention et permette de démontrer nos capacités.
Nous avons donc cherché à prédire quand un client insatisfait allait réitérer un appel au service client, de manière à être en mesure de prendre des actions préventives pour limiter son mécontentement. Nous disposions de données complètes sur les habitudes de contact des clients.
Solution
Nous avons formulé le problème comme une tâche de classification d’apprentissage supervisé : pour chaque client, nous devrions être capables de prédire la probabilité de réitération d'appel basée sur les données historiques de contact.
Résultats
Présenter nos premiers résultats imparfaits (environ 65 % de précision) a suffi pour convaincre les départements du service client et du marketing de nous confier deux projets sur lesquels ils travaillaient.
Nous avons mis en pause ce premier projet pour lancer rapidement les nouveaux.
Notre axe le plus prometteur pour les améliorer la performance de ce premier modèle était d’ajouter ou construire des métriques pertinentes sur les contacts passés dans les différents canaux du service client (sites, applications, appels, …).
Méthodes et outils
Machine Learning, Apprentissage supervisé, Régression logistique, Hadoop, Hive, Scala, Spark, Spark ML, Spark MLlib
Vous souhaitez échanger sur vos problématiques ou collaborer ?