Les données issues de multiples plateformes (GA4, CRM, médias, transactions, service client, paiements) ont été intégrées et harmonisées pour créer une vision unifiée du client. 

Une architecture en médaillon a été déployée afin de structurer les données et faciliter leur utilisation autant pour l’analytique que pour l’intelligence artificielle.

Le modèle de churn a été conçu pour être directement exploitable par les équipes marketing, en intégrant une grande diversité de signaux comportementaux et transactionnels. 

Des outils comme Fivetran, dbt et Cloud Run ont permis d’optimiser l’ingestion, la transformation et l’exécution des modèles tout en respectant les contraintes budgétaires. 

Connexion et ingestion de multiples sources: GA4, Klaviyo, plateformes médias, données transactionnelles, service client (Zendesk) et paiements (Stripe), via connecteurs natifs, Fivetran et API personnalisées. 

Migration des données vers un entrepôt centralisé permettant de supporter plusieurs téraoctets de données et d’assurer des capacités d’analyse avancées. 

Organisation des données en couches (brutes, transformées, enrichies) afin de faciliter leur exploitation et garantir leur qualité. 

 Entraînement d’un modèle de churn avec Vertex AI, basé sur une combinaison de signaux comportementaux, transactionnels et relationnels. 

Mise en place de l’exécution à grande échelle avec Cloud Run et intégration des outputs du modèle dans les processus marketing.