Recommandation produits cross-sell

Contexte

Assureur multi-produits (auto, MRH, santé, prévoyance) avec un taux de cross-sell de 8% (1 produit par client en moyenne). L'objectif stratégique est d'atteindre 1.5 produit par client d'ici 3 ans. Les recommandations actuelles sont basées sur des règles métier simples (si auto → proposer MRH) sans personnalisation ni timing optimisé.

Problème & Défi

Cross-sell à 8% vs benchmark 22% : perte estimée de 30M€ de primes annuelles. Recommandations basées sur des règles simples : même offre proposée à tous les clients d'un segment. Aucune prise en compte du moment de vie (déménagement, naissance, retraite) dans les recommandations. Canaux de sollicitation non optimisés : email pour tous, quel que soit le canal préféré du client. Taux de conversion des campagnes cross-sell : 1.2% vs 5% benchmark marché.

Solution & Livrables

Moteur de recommandation ML calculant un score de propension par produit pour chaque client. Algorithme next-best-action intégrant le produit optimal, le moment optimal et le canal optimal. Détection des moments de vie (déménagement, naissance, changement de véhicule) via les données comportementales. Scoring mis à jour en temps réel et intégré aux outils des conseillers (CRM, centre d'appels). A/B testing continu : chaque variante de recommandation est testée et optimisée automatiquement.

Technologies