Apprentissage du comportement d'achat sur les sites transactionnels

1. Introduction

Plus de 80% du budget web marketing des entreprises digitales est alloué à des problématiques d'acquisition de trafic. Malheureusement, seul 3% des internautes captés parviennent à un acte de conversion (achat, inscription, etc…). La problématique d'apprentissage du comportement d'achat s'inscrit dans un projet de perfectionnement des techniques de ciblages marketing afin d'augmenter le ROI des campagnes mais surtout de diminuer la pression marketing sur les utilisateurs ayant une faible propension à acheter.

2. Méthodologie

Les points suivants seront abordés : (i) spécificité de l'élaboration d'un modèle voué à être déployé "as as service",
(ii) exploitation de données de séquences de navigation,
(iii) problématiques big data et outillage Snowflake+Dask/Spark+Parquet pour y répondre,
(iv) détournement de modèle et utilisation des faux positifs dans une optique de scoring.

3. Originalité / perspective

L'originalité des travaux présentés se trouve dans l'étude des données de séquence de navigation mais aussi au travers du détournement d'une approche de machine learning. Concernant les données de séquences, les perspectives envisagées sont l'étude d'autres modèles comme les réseaux bayésiens ou les méthodes de plongement (embeddings), couramment utilisées en traitement du langage naturel (word2vec), mais adaptées aux données de navigation (page2vec).

Revoir le live :