- Cours magistraux de statistique exploratoire multidimensionnelle
- Initiation à l’utilisation des logiciel SAS et à la syntaxe SAS Base
- TP d’analyse de données avec SAS
- Identifier et construire les KPI importants pour gérer et améliorer les performances d’une campagne en
cours (dashboard) à partir de logs de campagne.
- Provide data for display campaign set up (proprietary platform).
- Fournir la plateforme propriétaire de set-up de campagne programmatique en données
- Mettre en évidence et tester en condition réelles les paramètres améliorant le plus les performances de
campagne.
- Analyser des données de campagnes téléphoniques d’ADLP pour déterminer par prédiction (IA) les
profils intéressants et ainsi améliorer le ROI en permettant d’économiser la moitié du budget (250K
euros) qui ont été réinvestis dans d’autres canaux (emailing, push sms etc.)
Construire le pipeline d’alimentation de la plateforme de préparation de campagne digitale à partir d’une
segmentation de données d’achat en magasin (Franprix, Monoprix, Casino) ou en ligne (Cdiscount) et
des données de navigation sur différents sites provenant d’une DMP.
- Augmenter le volume d’activation pour les campagnes média par une contruction de base de look-alike
à partir de prédiction réaliser grâce au Machine Learning (random forest and fastText).
- Alimenter les plateformes de mesure de performance en magasin de campagne de campagne média de
Facebook et Youtube avec des données CRM des enseignes.
§ Analyser l’effet réel des promotions sur les volumes vendus de soda dans la grande distribution pour
anticiper l’effet d’une taxe soda sur la consommation de ces produits causant maladies liées au sucre
(En collaboration avec des chercheurs de l’INSEE)
- Mesurer de performance de campagne télé sur l’achat en magasin (En collaboration avec la direction
marketing).
- Analyser du parcours d’achat et construire le profil client type d’une marque en découvrant les
caractéristiques principales de ces derniers pour permettre ainsi à la marque de mieux les cibler en
adaptant sa stratégie mais aussi de repenser toute sa stratégie marketing en ciblant des profils mis à
jour par l’étude et qui paraissait pas intéressante pour la marque.
- Automatiser la segmentation de la base produits des enseignes avec l’IA (fastText), pour associer aux
produits pour lesquels on a pas l’infos, la marque, le poids, les différents segments etc. dans le but
d’avoir une base produits fiable facilitant ainsi la préparation des campagnes sur la plateforme
propriétaire de RelevanC.
Assister l’équipe technique et le directeur technique et scientifique dans la modélisation et le développement d’une plateforme de préparation de campagnes programmatiques, avec un rôle spécifique dans la conception et développement de POC pour améliorer les algorithmes de création des moments de vie (le produit) et l’amélioration des performances des campagnes utilisant ces moments de vie.
Missions principales :
§ Optimiser les campagnes en utilisant les algorithmes de prédictions
§ Feed with data and improving advertising campaign self-setup platform.
§ Alimenter la plateforme de préparation de campagne en données (cookies qualifiés) et en segments
améliorants les performances des campagnes en cours.
§ Fournir de la visibilité et du support pour la gestion des campagnes en cours.
§ Improve website visits logs segmentation using powerful NLP tool such as FastText.
§ Améliorer l’utilisation de l’IA pour la création de moments de vie plus conforme aux attentes des clients
en paramétrant au mieux l’algorithme FastText.
§ Pipeline de détection des déménageurs en France à partir des logs Appnexus (Traduit à partir d’un script en SAS)