Astor de la Puente

Développement de deux modèles de scoring client : un modèle Cross-Univers pour prédire la probabilité d’achat dans un autre univers produit et un modèle de Retention pour estimer la probabilité de réachat après une première commande. Test, comparaison et évaluation de modèles de Machine Learning, notamment XGBoost et LightGBM, afin d’identifier les approches les plus adaptées aux problématiques métier. Valorisation des modèles dans une logique marketing, avec mise en place de campagnes email ciblées visant à stimuler le cross-selling et le réachat. Réalisation d’analyses clients et marketing afin d’identifier des tendances et de soutenir la prise de décision des équipes métier. Extraction, transformation et analyse de données via SQL / Snowflake pour répondre à des problématiques métier concrètes. Création et mise en production de tables analytiques pour une IA interne, facilitant l’accès aux données marketing via des requêtes en langage naturel. Développement d’un outil interne en Python / Streamlit pour le suivi des produits en ligne.