Optimisation d’algorithmes de personnalisation pour une grande enseigne de distribution

Optimisation d’algorithmes de personnalisation pour une grande enseigne de distribution

Principaux challenges

Notre client est un groupe français, leader européen de la grande distribution, pionnier du concept d’hypermarché.

Dans le cadre de la stratégie marketing, des campagnes d’emailing sont envoyées chaque mois à plus de 4 millions de clients identifiés grâce à leur carte de fidélité.

Notre client cherchait à :

Notre approche

Pour répondre aux besoins de notre client, nous avons :

Ce travail a été accompli en étroite collaboration avec l’équipe Marketing afin de garantir des résultats fonctionnels pertinents.

Bénéfices

Le nouveau processus de recommandation est 2 à 3 fois plus efficace que l’ancien.

Technologies & Partenaires

Technologies utilisées pour ce projet : Hadoop, PySpark, Neo4j, Scala et Python