Expérience Client
Prédire le churn pour réduire l’attrition client dans les télécoms
La fidélisation client reste l’un des plus grands défis financiers pour les opérateurs télécoms, où de légères variations du taux de churn se traduisent par des centaines de millions d’euros de pertes annuelles. Agilytic a accompagné un opérateur télécom belge leader pour développer un modèle de prédiction du churn, identifiant les clients à risque plusieurs mois à l’avance. Grâce à des campagnes de rétention ciblées, le taux de churn annuel a été significativement réduit.
Pour protéger la confidentialité, nous pouvons modifier certains détails tout en préservant l'essence de notre contribution principale.
Contexte & objectifs
Depuis plusieurs années, l’opérateur faisait face à un problème structurel de rétention client, avec un taux de churn élevé dont l'impact annuel était estimé à plusieurs centaines de millions d’euros.
La rétention dans les télécoms est complexe en raison de facteurs :
externes, comme la montée en puissance des offres groupées (mobile, internet, TV) chez les concurrents.
internes, comme la qualité de service, compétitivité tarifaire, ou encore l'efficacité du support client.
À cela s’ajoutaient des données cloisonnées et de qualité inégale, qui rendaient difficile l’identification des vraies causes du churn.
L’opérateur a donc fait appel à Agilytic pour :
identifier les facteurs clés du churn ;
cibler les clients à risque ;
construire une capacité prédictive fiable.
Démarche
Définition du périmètre
Un atelier avec les équipes de l’opérateur a permis de définir les KPI pertinents, organisés autour de trois sources principales de churn :
problèmes administratifs (erreurs de contrat, modifications tarifaires intempestives, hausses de prix) ;
difficultés de facturation (erreurs de facture, surconsommation, frais non couverts par le forfait) ;
facteurs techniques (dégradation des performances réseau, interruptions de service).
Cette étape a aligné tous les acteurs sur les signaux à suivre et la définition du churn entre les départements.
Construction d’une base de données unifiée
Nous avons consolidé les données clients (CRM), de facturation et réseau dans un entrepôt de données propre et centralisé. Il s'agissait d'une étape essentielle pour toute analyse significative, compte tenu de la fragmentation initiale des données.
Développement et déploiement du modèle de prédiction
Avec des données nettoyées, nous avons construit un modèle capable :
d'identifier les principaux facteurs de churn ;
de noter la probabilité de churn pour chaque client, qui se voit attribuer un score de risque et deux arguments justifiant sa probabilité de churn.
Ces scores sont intégrés directement dans le CRM, permettant aux équipes support d’avoir un contexte complet lors des appels entrants et sortants.
Le modèle prédit le churn jusqu’à trois mois à l’avance, offrant à l’opérateur un délai suffisant pour planifier et exécuter des campagnes de rétention ciblées.
Affinage et transfert de compétences
Pour maintenir les prédictions à jour, nous avons mis en place une mise à jour automatisée nocturne, alimentant le CRM avec des scores frais via un fichier CSV.
Le projet s’est conclu par un transfert complet, incluant des sessions de formation et une documentation détaillée pour les équipes de l’opérateur.
Résultats
Le projet a généré des impacts concrets sur plusieurs plans :
compréhension claire des causes profondes du churn ;
segmentation actionnable des clients, avec des initiatives de rétention personnalisées ;
réduction du churn annuel, équivalente à environ 1 % du portefeuille client total.
L’opérateur a désormais intégré la prédiction du churn dans ses opérations quotidiennes, avec des équipes dédiées utilisant les scores mis à jour pour chaque interaction client.
Pour garantir la confidentialité, nous modifions parfois certains détails dans nos études de cas.