Algorithmes contre intuition : entretien avec le PDG d’Altcraft sur le thème du machine learning et le modèle Best Send Time

Le monde évolue rapidement, et ceux qui parviennent à s’adapter aux technologies modernes se trouvent toujours un pas devant leurs concurrents. Aujourd’hui, nous allons discuter de la manière dont le machine learning (apprentissage automatique) transforme le domaine du marketing.

Le machine learning (ML) est une technologie qui permet aux systèmes d’analyser des données, d’y identifier des schémas et de les utiliser pour faire des prévisions ou prendre des décisions sans avoir besoin de programmer manuellement chaque étape.

L’importance du ML dans le marketing ne peut être sous-estimée. Grâce à cette technologie, il est possible non seulement de segmenter le public cible, mais aussi d’optimiser les campagnes publicitaires, de prévoir les ventes et même de personnaliser les offres. Par exemple, les algorithmes d’analyse prédictive sont capables de traiter de grands volumes de données sur le comportement des utilisateurs sur un site et de recommander des produits correspondant à leurs intérêts. Cela favorise non seulement une augmentation des conversions, mais aussi une amélioration de l’expérience utilisateur.

Il existe un grand nombre d’algorithmes de machine learning. Ils sont conçus pour résoudre différents types de problèmes, et le choix du bon mécanisme peut avoir un impact significatif sur les résultats finaux de l’analyse. Explorons plus en détail l’un des modèles les plus populaires, développé à l’aide des méthodes de ML : le modèle Best Send Time.

Modèle Best Send Time

Le modèle Best Send Time aide à déterminer le meilleur moment pour envoyer un message à un client. Pourquoi est-ce si important ?

Imaginez que vous envoyez un message promotionnel à 3 heures du matin. Selon vous, quelle est la probabilité que le client le voie et l’ouvre ? Ou encore, si vous choisissez un mauvais jour où votre segment cible est occupé par d’autres activités, le message risque de passer inaperçu. Un mauvais choix de moment pour l’envoi peut réduire le taux d’ouverture, détériorer l’interaction avec les clients et, par conséquent, entraîner une baisse des revenus.

— Denis, selon vous, quel est l’impact du machine learning sur le marketing ?

— Dans le monde d’aujourd’hui, le machine learning accélère et optimise considérablement les processus en automatisant les tâches répétitives. Les spécialistes du marketing l’utilisent pour prédire le comportement des utilisateurs, ce qui permet d’ajuster les stratégies. Pour un marketeur, il est essentiel de pouvoir prévoir le meilleur moment pour envoyer des communications, car cela augmente les chances que les messages soient ouverts et que les produits soient achetés. Après tout, l’une des missions du marketing est de générer des ventes, ce qui implique de toujours chercher à les accroître et à améliorer l’engagement des clients.

— Pouvez-vous expliquer l’essence de ce modèle et ses particularités ?

— Certains pensent qu’il suffit de créer de nombreux intervalles de temps dans un scénario et, en se basant sur des segments, conclure que si une personne a cliqué à une heure donnée, elle cliquera à nouveau à ce même moment. Mais cette approche est incorrecte. Que faire si, selon les calculs, le moment d'activité de l’utilisateur est à 14h00, mais qu’il est déjà 15h00 ? Faut-il attendre le lendemain ? Cela n’a pas de sens. En réalité, une personne a plusieurs plages horaires d'activité. Notre modèle détermine le moment où le client est le plus réceptif à l’interaction et prend également en compte son prochain intervalle d’activité. De cette manière, vous ne manquez jamais le meilleur moment pour envoyer un message à votre audience. C'est définitivement une des caractéristiques clés du modèle Best Send Time chez Altcraft.

— Comment le modèle a-t-il été développé, et quels défis avez-vous rencontrés ?

Nous avons également rencontré un autre problème : il n'existait pas de bibliothèque prête à l'emploi pour utiliser CatBoost avec notre langage de programmation principal, GoLang. Nous avons donc développé notre propre bibliothèque, que nous avons appelée CatBoostGo, et nous l’utilisons désormais activement pour résoudre des tâches de machine learning au sein de notre équipe.

Le résultat de ce travail est le modèle Best Send Time, déjà mentionné, qui prédit le meilleur moment pour envoyer un message avec une précision mathématiquement vérifiée de 82 %.

— Pourquoi pas 100 % ou un chiffre plus proche de celui-ci ?

— Le modèle dont nous parlons analyse les données historiques des clients. Il traite les informations sur chaque utilisateur et son activité. Au moment opportun, lorsque le marketeur doit engager une communication, par exemple dans un scénario, le modèle prédit en temps réel le moment optimal pour le faire.

Il est important de noter que le traitement des données et les prédictions sont effectués très rapidement, même sur des volumes importants, allant jusqu’à 100 millions de profils. Quant à la précision des résultats : si un modèle de machine learning affiche une précision de 100 %, il est probable qu'une erreur ait été commise lors de l'apprentissage, ou bien que la réponse à la question se trouve déjà dans la question elle-même.

Pour une tâche comme la prédiction du meilleur moment d’envoi, une précision de 80 à 90 % est un excellent résultat. Par ailleurs, le chiffre de 82 % a été obtenu sur des volumes de données très importants, couvrant des utilisateurs de différents pays. Cependant, lorsque nous avons restreint les données à un seul pays, la précision du modèle a atteint 93 %.

— Comment avez-vous réussi à obtenir de tels résultats ?

— Je pense que cela tient au fait que notre équipe est composée de professionnels exceptionnels, avec une vision non conventionnelle des choses courantes. Un grand merci également à notre client, qui a fourni ses données pour l'entraînement du modèle, sans lesquelles nous n’aurions pas atteint de tels résultats. L’équipe d’Altcraft est toujours ouverte à de nouvelles propositions et prête à mettre en œuvre toutes les idées innovantes.

— Quels avantages distingue la plateforme Altcraft par rapport à des solutions similaires ?

— Les logiciels modernes proposent une multitude de fonctionnalités, ce qui les rend parfois difficiles à maîtriser. L’utilisateur s’attend à ce que l’IA résolve automatiquement toutes les tâches pour lui, mais il se heurte souvent à une limite : avec une telle approche, le module de machine learning (ML) prend totalement le contrôle, empêchant toute modification ou ajustement des paramètres. Chez Altcraft Platform, nous cherchons à maintenir un équilibre entre l’automatisation grâce aux modèles de ML et les fonctionnalités que l’utilisateur peut gérer lui-même.

Conclusion

L’intégration du machine learning dans les processus marketing permet non seulement aux entreprises de mieux comprendre leur audience, mais elle leur offre également un avantage concurrentiel sur un marché en constante évolution. Dans un monde où les données jouent un rôle central, l’utilisation du machine learning n’est pas seulement une tendance, mais une nécessité pour réussir !