Nos solutions

Les solutions Sharky Data

Toujours en quête d’innovation Sharky a développé son savoir faire vers la connaissance client.
Grâce à nos data scientist, nos outils d’IA et notre méthodologie éprouvée, Sharky booste au quotidien ses clients dans leur business.

Du prédictif au Prescriptif

L’analyse de données permet de créer des modèles prédictifs entièrement personnalisés. SharkyData va encore plus loin en proposant un véritable accompagnement par des Data Scientist.

Prédictif : Les modèles prédictifs SharkyData permettent, grâce à un apprentissage en continu, d’obtenir des probabilités de bonne classification toujours meilleurs. Il s’agit d’un cœur d’intelligence qui s’auto-enrichit de toutes les données des plus évidentes au plus marginales, et s’auto-corrige de valeurs constamment mises à jour.

Prescriptif : La puissance de notre technologie permet d’aller plus loin grâce au processus d’inflexion prescriptive du comportement en temps réel. Cette technologie avancée permet de proposer des recommandations automatisées ultra personnalisées permettant notamment d’augmenter l’attrait des individus à faible appétence. Ces derniers n’étant généralement peu, voire pas sollicités par les services marketing car jugés à faible valeur économique.

Les quelques cas d'usages clients

Communication

CONTEXTE

  • Société spécialisée dans la vente en ligne de chaussures et accessoires
  • Créée en 2005, elle réalise entre 4 et 12 campagnes de communication par mois
  • Leader dans son secteur et en pleine croissance

DÉFI

  • Comment segmenter et cibler les individus pour les rendre appétents à la campagne de communication ?

SOLUTION

  • 5 variables d’inflexion identifiées : jour, heure, météo, canal, message
  • 244 combinaisons obtenues par individu

RÉSULTATS

  • Emailing sur un fichier de prospects identifiés > Taux de transformation : 14%

Retail + faire revenir des clients considérés

CONTEXTE

  • Société spécialisée dans la vente en boutique et en ligne de prêt à porter
  • Créé en 1994, elle fonctionne sur un format de collections saisonnières
  • Parmis les 10 plus gros acteurs du marché jusqu’en 2012, elle a depuis 5 ans stagné et subit aujourd’hui des pertes face à la concurrence

DÉFI

  • Comment faire face à la concurrence en faisant revenir des clients considérés comme perdus ?

SOLUTION

  • 8 variables d’inflexion identifiées : lieu de vente, message, jour, heure, météo, température, canal, produit
  • 516 combinaisons obtenues par individu

RÉSULTATS

  • Emailing sur un fichier d’anciens clients considérés comme appétents
  • Taux de transformation : 8%

Ciblage client

CONTEXTE

  • ONG d’aide aux personnes démunies en France
  •  100% financé via les dons de personnes physiques
  • Réussi de très belles opérations de communication et d’animation d’événements sportifs

DÉFI

  •  Optimiser et rationaliser les campagnes de collecte de dons par téléprospection
  •  Constat : la probabilité que les donateurs contactés soient de vrais donateurs était aléatoire
  • Problème rencontré : beaucoup d’appels réalisés par les télévendeurs étaient des appels mal ciblée

SOLUTION

  •  Création de profils scorés, allant de “donateurs probables” à “donateurs non probables”
  •  Nettoyage de la base de données de l’ONG
  •  A permis aux télévendeurs de ne prendre contact qu’avec les donateurs les plus probables

RÉSULTATS

  •  82% de fiabilité de la prédiction de non-dons
  •  87% de fiabilité de la prédiction de dons

Recommandation

CONTEXTE

  •  Un réseau de magasins de produits cosmétiques
  • Connaissent une baisse d’activité
  • Beaucoup d’associations de produits

DÉFI

  • Connaître les meilleurs combinaisons de produits possibles
  • Personnaliser la recommandation de produits

SOLUTION

  •  Détermination de la probabilité d’achat d’un deuxième et troisième produit en fonction des habitudes d’achat des différents segments
  • Etablissement d’une liste de combinaison de produits associés intra et inter games
  • Mise en place de bonnes pratiques auprès des vendeurs en magasin

RÉSULTATS

  • Augmentation du ticket moyen de 15%
  • Amélioration de la fidélisation client (fréquentation +9%)

Pricing

CONTEXTE

  • Vente de vêtement (F,H,E)
  • 12 boutiques en France
  • Site internet
  • Utilisent Fastmag (caisse/vente en ligne / stock / BI)

DÉFI

  • Contrôler l’élasticité prix/volume par profil client pour augmenter la marge et contrôler le CA
  • Prévoir la demande du marché et la taille de l’élasticité par ligne de produits
  • Obtenir des recommandations quant aux prix à pratiquer et aux indicateurs de prédiction

SOLUTION

  • Croisement de données internes (ERP/CRM/System)
  • Avec données externes (réseaux sociaux, eurostat, google, weather central, NBS, eia, Census (US), epexspot..)
  • Détecter les écarts de prix et le volume par consommateurs, secteurs, géographie, canaux d’acquisitions

RÉSULTATS

  • Focus de l’équipe commerciale sur les segments de consommateurs mal pricés (+20% d’efficacité de vente)
  • Augmentation de la marge sur la base de consommateurs existants (+5-10%)
  • Prix MAJ automatiquement sur mesure pour chaque consommateur dans son environnement local (CA+2-5%)