Fatma Hammami

Cdiscount

• · Segmentation RFM & prédiction de trajec toires comportementales sur 10M+ clients — Modèle de trajectoire comportementale basé sur 4 signaux : intervalle d'achat (CT/MT/LT), tendance, régularité, récence. — Scoring dynamique 4 états (Croissance, Stable, Déclin, Inactif) pour prioriser les actions CRM. — Segmentation RFM enrichie : quintiles Recency/Frequency/Monetary, 5 segments stratégiques, matrice Trajectoire × Valeur RFM. — Churn prediction avec Python/Scikit-learn (régression logistique) ; recommandations CRM ciblées. — Segmentation avancée : fréquence, récence, canaux d'acquisition, diversité catégories produits, ciblage marketing & personnalisation. — Table SQL activable CRM ; pipeline Snowflake avec mise à jour régulière. — Dashboards Power BI : suivi OPTIN et OPTOUT, KPIs conversion, rapports exécutifs.

— Développement de modèles prédictifs (Python, Scikit-learn) pour anticiper comportements et anomalies. — Analyse statistique de flux complexes (séries temporelles, clustering). — Restitution claire des résultats pour des décideurs non techniques.