Geiger GmbH, un distributeur allemand de produits promotionnels, perdait des clients de livraison directe sans le voir venir. Avec des professeurs et des étudiants de la Hochschule Düsseldorf, l'entreprise a transformé des données transactionnelles, démographiques et d'interaction en un modèle de forêt aléatoire qui attribue chaque mois un score de risque d'attrition à chaque compte.

Les scores alimentent un tableau de bord Power BI que les représentants commerciaux utilisent pour décider qui appeler en premier. Le modèle déployé identifie plus de deux fois plus de clients susceptibles de partir qu'un ciblage aléatoire, de sorte que les efforts de rétention vont aux comptes qui partiraient réellement.

Le projet a commencé comme une collaboration universitaire et est devenu partie intégrante des opérations commerciales quotidiennes, montrant qu'un projet analytique structuré peut être rentable dans une petite entreprise B2B sans grande équipe de données.

Évaluer chaque compte mensuellement afin que les représentants interviennent avant la perte

Les signaux d'attrition se cachent dans la fréquence des transactions, la taille des commandes et les schémas de contact que les représentants ne peuvent pas suivre manuellement.

Une évaluation automatisée mensuelle rend la rétention proactive plutôt que réactive à un compte annulé.

Power BI place le modèle là où les représentants travaillent déjà, supprimant l'obstacle à l'adoption d'un nouveau système.

Un partenariat universitaire a fourni des compétences en modélisation que l'entreprise de taille moyenne ne pouvait pas recruter en interne.

Dans le B2B de milieu de marché, un modèle intégré au tableau de bord existant de l'équipe commerciale surpasse un projet analytique autonome.

Le modèle est fermement ancré dans la pratique commerciale quotidienne de Geiger et continue d'être affiné. Le cas a été publié dans INFORMS Journal on Applied Analytics, et le projet de la Hochschule Düsseldorf est devenu un modèle de la façon dont les projets analytiques structurés créent une valeur mesurable dans les environnements B2B de milieu de marché.

VÉRIFIEZ LES SOURCES

Les sources

  1. Nicht warten, bis Kunden gehen – vom Forschungsprojekt zur KI-gestützten Vertriebssteuerung im Mittelstand Hochschule Düsseldorf · wiwi.hs-duesseldorf.de ·
  2. Geiger Uses Machine Learning to Reduce Customer Churn in the Promotional Products Industry INFORMS Journal on Applied Analytics · doi.org