Prédiction de churn par IA

Leader français des services IT avec un portefeuille de plus de 10 000 clients, Koesio souhaitait anticiper le churn pour optimiser sa rétention client.

L'enjeu : identifier les signaux faibles de désengagement avant qu'il ne soit trop tard, afin de mettre en place des actions correctives ciblées.

Développement d'un modèle de prédiction de churn avec analyse comportementale complète :

- Analyse de l'historique d'achat et des patterns de consommation
- Traitement des tickets support et mesure de la satisfaction
- Scoring d'engagement multi-canal

Technologies utilisées : Python, XGBoost, Scikit-learn.

Modèle déployé et en phase de validation terrain.

Retours ROI attendus dans les prochains mois. Le modèle permet déjà d'identifier les clients à risque avec une précision significative.

Pipeline de données Python complet : collecte, nettoyage, feature engineering.

Modèle XGBoost optimisé avec cross-validation et hyperparameter tuning via Scikit-learn.

Déploiement en production avec monitoring des performances du modèle.