Prédiction de churn clients

Contexte

Assureur multi-branches (auto, MRH, santé) avec un portefeuille de 3 millions de contrats et un taux de churn annuel de 18%, bien au-dessus de la moyenne du marché (12%). Les actions de rétention sont déclenchées après la réception du courrier de résiliation, soit trop tard dans 80% des cas. Le coût d'acquisition d'un nouveau client est 5 fois supérieur au coût de rétention.

Problème & Défi

Taux de churn à 18% vs 12% benchmark marché, représentant une perte de 15M€ de primes annuelles. Actions de rétention déclenchées post-résiliation : trop tard dans 80% des cas. Aucun score d'attrition : impossible d'identifier les clients à risque avant leur départ. Campagnes rétention génériques (même offre pour tous) avec un taux de succès de 5%. Équipes commerciales submergées et non priorisées : elles contactent les clients au hasard.

Solution & Livrables

Modèle ML de prédiction de churn entraîné sur 5 ans d'historique avec 50+ features (comportementales, contractuelles, sinistralité). Scoring temps réel intégré au CRM : chaque client a un score d'attrition mis à jour quotidiennement. Workflow de rétention automatisé : déclenchement d'actions personnalisées 3 mois avant l'échéance selon le profil de risque. A/B testing intégré pour optimiser les offres de rétention par segment. Dashboard rétention pour le management : suivi du funnel, taux de succès par action, ROI des campagnes. Solution industrialisée, pas un prototype.

Technologies