Accueil > Manifestations > Thèses et HDR > Thèses > Thomas Piton

Thomas Piton

Directeur de thèse

Fabrice Guillet
Henri Briand
Julien Blanchard

Résumé

Dans un contexte concurrentiel, la richesse des entreprises réside dans
leurs clients. Il est plus rentable de fidéliser un client existant que d’en
acquérir un nouveau. De ce fait, les entreprises cherchent à mieux
connaître leurs clients pour trouver des moyens de les fidéliser. Cette
approche de la connaissance des clients fondée sur l’analyse des données
se heurte toutefois au volume important des données. Ce constat pousse les
entreprises à Extraire des Connaissances à partir des Données. Ces
connaissances et leur actionnabilité fournissent aux experts un outil
d’aide à la décision dont la performance peut être mesurée par le retour
sur investissement généré par les actions. Les systèmes de recommandation
sont adaptés pour mettre en place ces outils car ils permettent de filtrer
l’information puis de recommander de manière proactive des produits
susceptibles de fidéliser le client. Dans le cadre d’une stratégie
commerciale basée sur les forces de vente, comment fidéliser les clients
pour accroître leur valeur ? Une mauvaise recommandation intrusive peut en
effet avoir des répercussions importantes sur le client et le commercial
peut refuser d’utiliser le système s’il ne juge pas les recommandations
suffisamment pertinentes. Pour s’affranchir de ces contraintes, nous avons
proposé la méthodologie CAPRE qui consiste à extraire des comportements de
référence sous la forme de cohortes de règles en ciblant raisonnablement
les clients présentant un manque à gagner et en quantifiant le profit
espéré. Cette approche a été mise en oeuvre au sein de l’outil ARKIS.
Notre méthodologie a été validée sur le jeu de données MovieLens puis
validée et appliquée sur les données opérationnelles du groupe VM
Matériaux.

Mots-clés : extraction de connaissances à partir des données, gestion de
la relation client, actionnabilité, profitabilité, système de
recommandation, fouille de données pour le marketing, application
industrielle.

Dernière modification : vendredi 23 septembre 2011