Étude de cas

WeCook

85 ^%

De précision à détecter les clients à risque d’attrition

1 mois

Pour compléter l’ingestion de données à partir de multiples sources

Plus

D’insights clients avancés pour améliorer les opérations marketing

DÉCOUVREZ COMMENT NOUS Y SOMMES PARVENUS

Avoir un bon data warehouse et implémenter l’intelligence artificielle (IA), ça règle de vrais problèmes d’affaires. On a tous été surpris par la rapidité du déploiement et des impacts sur nos chiffres. Grâce à l’expertise d’adviso, on a été en mesure de déployer la solution en un temps record. Mon conseil aux CTO et CMO, et même CEO: collaborez plus que jamais. L’avenir de la croissance d’entreprise passe par l’IA… et pas d’IA sans (clean) data!

Jean-Sébastien Crevier

VP marketing, WeCook

UN MODÈLE PRÉDICTIF POUR RÉDUIRE LA PERTE DE CLIENTS

WeCook, un leader de la livraison de repas à domicile, cherchait à réduire l’attrition et à augmenter la valeur à vie de ses clients. Pour y arriver, l'entreprise cherchait un partenaire capable de bâtir un entrepôt de données et créer un modèle prédictif. L'objectif: identifier les clients à risque de résilier leur abonnement et les réengager efficacement.

Adviso a donc conçu une solution qui repose sur plusieurs technologies clés : Google BigQuery pour le stockage et l’analyse de donnée, Vertex AI pour l’implémentation du modèle prédictif, Fivetran et dbt pour l’intégration et la transformation des données Cloud Run pour exécuter des processus IA à grande échelle

Le succès de ce projet repose sur la culture axée sur les données de WeCook. Depuis 5 ans, l’entreprise accumulait des données propres et bien structurées, un atout essentiel pour entraîner des modèles d’intelligence artificielle (IA) et obtenir des résultats fiables. Dans le futur, la collaboration entre les départements des technologies de l'information (TI) et de marketing sera de plus en plus cruciale pour s’assurer que les entrepôts de données sont optimisés et capables de générer des insights exploitables pour le marketing.

DÉFIS LIÉS AU PROJET

Construire un entrepôt de données client stockant plusieurs téraoctets de données et développer un modèle prédictif de churn en moins de six mois, à partir de zéro.

Limiter les coûts liés au traitement des données dans le cloud. Google Data Fusion a été initialement envisagé, mais ne respectait pas les contraintes budgétaires imposées.

Traiter des données de multiples sources: Google Analytics 4, Klaviyo, médias (Google Ads, Meta, TikTok, Reddit), données opérationnelles (factures, commandes, lieux d’expédition, remises, évaluations, ingrédients d’emailing, promotions), service client (Zendesk), traitement des paiements (Stripe).

STRATÉGIES DÉPLOYÉES PAR
ADVISO

Analyser l’architecture existante et recommander une solution optimale.

Concevoir une solution en s’appuyant sur Google Cloud et sur les plateformes d’intégration de données comme Fivetran.

Migrer les données clients et opérationnelles vers BigQuery en utilisant le connecteur natif Google BigQuery pour GA4, Google BigQuery Data Transfer, Fivetran et des appels API personnalisés pour charger les données clients et opérationnelles de WeCook.

Mettre en place une architecture en médaillon pour structurer les données et offrir une vue 360° du client.

Développer le modèle prédictif de churn, intégrant de multiples sources de données: événements web, commandes clients, repas, évaluations, ancienneté, ingrédients, promotions, réductions, et plus encore.