Ces cas d’usage répondent à des intentions différentes. Chaque page détaille son périmètre, ses limites et les guides qui permettent de préparer le projet.
1. Relance panier intelligente
Objectif. Le cas d’usage Relance panier intelligente répond à un besoin précis : Adapter la relance au produit, à la valeur du panier et au profil client. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité historique d’achat et valeur client. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Trois messages et deux segments. Le risque à surveiller est de relancer sans tenir compte du consentement. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec chiffre d’affaires récupéré par scénario. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
2. Clients à reconquérir
Objectif. Le cas d’usage Clients à reconquérir répond à un besoin précis : Identifier les bons clients devenus inactifs et lancer une relance adaptée. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité événements panier, navigation et paiement. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Trois segments, une campagne. Le risque à surveiller est de offrir une remise inutile. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec taux de désabonnement et de plainte. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
3. Segmentation RFM Express
Objectif. Le cas d’usage Segmentation RFM Express répond à un besoin précis : Classer les clients par récence, fréquence et valeur pour mieux cibler. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité consentements et préférences de contact. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Deux ans de données et huit segments. Le risque à surveiller est de sur-solliciter les meilleurs clients. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec réachat après la séquence. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
4. Après-achat automatisé
Objectif. Le cas d’usage Après-achat automatisé répond à un besoin précis : Accompagner le client de la commande à l'usage du produit et au réachat. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité segments, fréquence et pression marketing. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Une gamme, quatre messages. Le risque à surveiller est de déclencher un message sur une donnée en retard. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec marge après remise utilisée. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
5. Détection du risque d'attrition
Objectif. Le cas d’usage Détection du risque d'attrition répond à un besoin précis : Repérer les clients ou abonnés qui décrochent avant leur départ. Cette automatisation devient pertinente lorsque le volume rend le traitement manuel lent, irrégulier ou difficile à contrôler.
Donnée de départ. Le cadrage vérifie en priorité catalogue, stock et marge des produits proposés. Sans une source identifiable, un format stable et un responsable de la donnée, le scénario doit rester en préparation plutôt que d’exécuter une action incertaine.
Contrôle et limite. Un modèle heuristique, pas de décision opaque. Le risque à surveiller est de relancer sans tenir compte du consentement. Une file d’exceptions, un journal des actions et une validation explicite sont ajoutés lorsque la conséquence ne peut pas être annulée facilement.
Mesure. Le résultat se suit notamment avec clients changeant réellement de segment. La valeur avant automatisation est relevée pour éviter d’attribuer au système un gain qui viendrait d’un changement de volume ou d’organisation.
