Comprendre la performance des réseaux de ventes grâce aux Open data.
Le contexte
Notre client souhaite utiliser de nouvelles sources de données contextuelles pour analyser et comprendre la performance des agents en après vente. L’objectif est d’identifiées deux cibles : Quels sont les agents « sous performants » qui ont un réel potentiel d’amélioration ? Et quels agents réalisent pleinement leur potentiel et doivent être identifiés comme « Best Practices ».
La solution Starclay
Collecter les données : Prendre en compte les facteurs exogènes (concurrence, trafic, macro-éco, etc.) dans l’évaluation de la performance des agents.
Caractéristiques structurelles : adresse et géolocalisation, implantation (centre-ville, etc.), date d’ouverture / de dernière rénovation, format, surface / nombre de ponts, nombre d’employés, horaires d’ouverture, indicateur qualité, etc.
Données macro-économiques : densité de population & classes d’âge, revenu disponible, PIB, densité résidentielle Vs densité professionnelle, etc.
Attractivité de la zone : calcul du « score de vie » de chaque agent en fonction sa localisation en zone rurale/urbaine, l’attractivité de la zone en termes de commerces (nombre et variété), l’attractivité professionnelle de la zone (nombre d’emplois, variété des secteurs d’activité, etc.), le réseau de transport urbain, la densité de trafic routier, etc.
Données de compétition : calcul des agrégats mesurant l’intensité concurrentielle pour chaque agent, sur la base de la concurrence directe & indirecte préalablement géolocalisée.
Modéliser : Modéliser le réseau d’agents en regroupant les agents ayant des comportements homogènes (mêmes facteurs explicatifs de la performance). Quantifier l’influence de chaque facteur sur la performance par segment Modéliser la performance individuelle.
Analyser : Comparer la performance actuelle de chaque agent à son potentiel modélisé et à la performance actuelle des agents de mêmes formations.
Expliquer : Rapport de synthèse sur la performance du réseau en complément des analyses détaillées
Les feedback
Réussites
La modélisation a permis de prioriser les analyses du réseau et de confirmer les « best performers » et les agents nettement « sous-performants ».
Objectifs futurs
Améliorer la pertinence et la rapidité des analyses afin d’appliquer des actions correctrices le plus tôt possible.