Presse - Revitaliser les lecteurs abandonnistes

Problématiques

Projet mené pour le compte d’un grand groupe de presse sur son journal en ligne

Fort taux d’abandonnistes parmi les lecteurs

Volonté de mettre en place de l’analyse de données tout en préservant complètement la privacy

SOLUTIONS

Analyses de l’historique et interviews métiers pour comprendre le phénomène de churn

Construction d’un lac de données

Implémentation d’une intelligence artificielle capable de détecter les abandonnistes en amont

Attribution et priorisation d’actions marketing pour prévenir l’abandon

Résultat

%

Réduction du churn au bout de 6 mois

La presse digitale victime de son succès

Grâce à l’avènement des réseaux sociaux, la portée de certaines nouvelles se retrouve très fortement amplifiée : on parle de phénomènes de buzz. Ces buzz ont pour effet de créer des pics d’abonnements à certains sites de presses. Toute la difficulté est alors de parvenir à conserver ces abonnements.

En effet, une fois le buzz passé, certains lecteurs, qui consomment plutôt du contenu que de l’actualité, ne cherchent pas à découvrir le reste du contenu du site. Dès lors, quelles actions peut-on mettre en place pour conserver un maximum de ces abonnés ? Et avant tout, comment reconnaître ces abonnés avant qu’il ne soit trop tard et qu’ils procèdent à leur désabonnement.

Notre client : Leader de la presse spécialisée, plusieurs dizaines de millions d’euros de chiffre d’affaires, des centaines de milliers de lecteurs en France Métropolitaine et dans les DOM/TOM.

détecter en amont les abandonnistes et mettre en place les bonnes actions

Dans ce contexte délicat, notre client souhaite dans un premier temps développer une intelligence artificielle permettant de détecter les abandonnistes 3 mois à l’avance, puis dans un second temps réaliser le mapping le plus pertinent possible entre la typologie de churners et les actions marketing préventives à mettre en place.

Pour y parvenir, il doit surmonter plusieurs difficultés :

réconciliation des données

Les données nécessaires au développement de l’IA sont présentes dans des systèmes indépendants : CRM, ERP, web analytics, outils marketing.

Le défi n°1 est la construction d’un lac de données (data lake) permettant la réconciliation de toutes les sources.

Intelligence artificielle

Le défi n°2 est d’ordre mathématique et informatique : comment modéliser le phénomène de churn en s’appuyant sur l’état de l’art, pour entraîner l’intelligence artificielle la plus performante et obtenir les meilleurs résultats possibles en matière de détection.

actions marketing

Le défi n°3 est d’ordre marketing : une fois la population d’abandonnistes détectée, comment mettre en place les actions impactantes pour enrayer le désabonnement ? Cela nécessite une connaissance fine des lecteurs et la capacité d’associer à chacun l’action qui lui conviendra le mieux.

 

Conscient qu’il n’arrivera pas à surmonter seul ses difficultés, notre client choisit Polynom au terme d’un appel d’offres pour l’accompagner dans ce projet anti-churn.

une approche hybride mêlant ateliers métiers et algorithmes

Après concertation avec les différentes parties prenantes, nous décidons d’articuler le projet en quatre étapes : diagnostic, modélisation, mapping marketing et A/B test.

1. diagnostic pour mieux comprendre le phénomène de churn

Nous commençons par mener des interviews auprès des différentes directions : abonnement, marketing, DSI, direction générale etc. afin de cerner la problématique d’un point de vue business. En parallèle, nous lançons une requête de données pour récupérer l’ensemble des données à disposition de façon à construire un lac de données où puiser et réconcilier l’ensemble de la donnée qui alimentera l’intelligence artificielle.

2. entrainement d'une intelligence artificielle capable de détecter les abandonnistes

En nous basant sur l’ensemble des historiques des pages visitées et des articles lus, et en le croisant avec les profils anonymisés des abonnés, nous parvenons à construire une base de connaissance 360° propice à l’entrainement de notre intelligence artificielle.

Nous partons sur un mode d’entrainement dit « supervisé » en nous basant sur les abandons présents dans l’historique et procédons par itération. Après de plusieurs tentatives, nous livrons un modèle capable de détecter les abandonnistes 3 mois avant leur passage à l’acte avec une acuité de 80%.

Ce modèle est ensuite connecté à un flux de données hebdomadaire pour rafraichir les prévisions.

 

3. Mise en place d'une strategie marketing individualisée

Une fois le score de churn obtenu pour l’ensemble des lecteurs, nous avons classifié les lecteurs selon plusieurs dimensions en fonction de leurs habitudes (centres d’intérêt, fréquence de connexion, fréquence des commentaires et des likes, sensibilité aux différents canaux marketing).

 

Nous avons ensuite listé plusieurs actions marketing susceptibles d’enrayer le phénomène d’abandon, puis nous avons réalisé un modèle d’attribution pour attribuer à chaque abandonniste les actions les plus efficaces.

Nous avons finalement branché une boucle de rétroaction dans ce modèle d’IA pour garantir la adéquation entre le profil des abandonnistes et les actions marketing.

Forte réduction du churn dès le premier mois 

L’efficacité de ce dispositif anti-churn a dépassé nos attentes initiales.

Nos estimations se visaient une réduction du taux d’abandonnistes autour de 3 points en 6 mois, mais à l’issue de l’exéprience, la mesure donnait environ 7 points.

En automatisant la détection des abandonnistes et l’attribution automatique d’actions marketing pertinentes, nous avons fortement enrayé le phénomène de churn et préserver une partie non négligeable du chiffre d’affaires de notre client.

Notre travail a également permis de mieux comprendre les différents profils d’abandonnistes et de tirer des enseignements qui influenceront les décisions stratégiques futures.

Vous souhaitez échanger sur vos problématiques de churn ?

Ensemble, créons vos projets

N’hésitez pas à nous contacter si vous souhaitez nous faire part de vos projets ou simplement obtenir plus de détails sur nos compétences et nos méthodologies.

Nos coordonnées
12 rue Emilie Landrin, 92100 Boulogne
+33 6 10 58 45 91 / +33 6 07 28 29 46
contact@polynom.io
Rencontrez-nous sur place
Missions

Croissance top-line

Réduction des coûts

Compétences

Conseil en stratégie

Data, Cloud & Software

Clients et secteurs

Industrie

Distribution B2B

Distribution B2C

Mode et Luxe

Nos coordonnées

12 rue Emilie Landrin, 92100 Boulogne

+33 6 10 58 45 91

contact@polynom.io

Nos réseaux sociaux

Missions

Croissance top-line

Réduction des coûts

Compétences

Conseil en stratégie

Data, Cloud & Software

Clients et Secteurs

Industrie

Distribution B2B

Distribution B2C

Mode et Luxe