Opportunité MNP Port-In

Problème & Impact Business

L'acquisition de nouveaux clients via portabilité (port-in) représente une opportunité stratégique de croissance, particulièrement pour capturer des clients de valeur déjà familiers avec les services mobiles. Contrairement à l'acquisition de clients entièrement nouveaux, les port-in ont généralement un profil de valeur supérieur (ARPU moyen +35%) et une meilleure rétention initiale. Cependant, les campagnes d'acquisition traditionnelles souffrent de faibles taux de conversion (2-4%) et d'un CAC élevé.

Le défi consiste à identifier, parmi une population large de clients concurrents, ceux qui sont réellement en phase de considération active d'un changement d'opérateur. Notre approche combine l'analyse de signaux comportementaux (recherches web, visites, engagement), l'intelligence concurrentielle (zones de faiblesse réseau), et des modèles de propensity scoring pour cibler les prospects à plus forte probabilité de conversion.

Impact mesuré:

• Augmentation de 58% du taux de conversion des campagnes port-in
• Réduction de 32% du CAC (146€ → 99€)
• Acquisition de 12 500 nouveaux clients port-in/an (+40%)
• ROI de 420% sur les campagnes ciblées par ML

Données & Features Clés

Sources de données principales

• Données comportementales web: Recherches Google/Bing, visites site, comparateurs
• Données publicitaires: Engagement avec ads display/search, retargeting
• Intelligence concurrentielle: Zones de faiblesse réseau concurrent, incidents publics
• Données démographiques: Age, localisation, comportement mobile général
• Données tierces: Audiences lookalike, segments d'intention (Google, Meta)

Features engineered

• Score d'intention d'achat (analyse NLP des recherches)
• Fréquence et récence des interactions (website, ads)
• Similarité avec profil clients port-in réussis (lookalike)
• Exposition aux problèmes réseau concurrent (zone géographique)
• Alignement profil avec notre positionnement (premium, value, data-centric)
• Sensibilité estimée aux promotions
• Probabilité de conversion par canal (digital, téléphone, boutique)
• Score de lifetime value projetée

Modèles & Méthodes

Approche multi-étapes pour ciblage optimal

1. Propensity Model (Gradient Boosting): Probabilité de port-in dans les 30 jours

   • AUC-ROC: 0.78
   • Précision top 20%: 42% (vs 4% baseline)
   • Features clés: Engagement site (32%), recherches concurrent (24%), zone faiblesse réseau (18%)
   • Segmentation: High intent vs medium vs low

2. Lookalike Modeling (Collaborative Filtering): Expansion d'audience

   • Identification de profils similaires aux meilleurs port-in récents
   • Utilisation de données Meta/Google pour audience expansion
   • Permet de scaler les campagnes tout en maintenant la qualité

3. Response Prediction (Neural Networks): Optimisation offre et canal

   • Prédiction du taux de réponse par type d'offre et canal
   • Personnalisation du message et du timing
   • Optimisation du budget publicitaire (bid optimization)

Segmentation des cibles port-in

• Insatisfaits qualité: Clients concurrent avec problèmes réseau récurrents (38%)
• Chasseurs de promotions: Sensibles aux offres agressives, switching régulier (28%)
• Upgraders: Recherche de meilleure qualité/services (22%)
• Relocators: Changement de zone géographique (12%)

Intégration Temps Réel

Pipeline de ciblage et activation

Signaux web/app (temps réel) → Scoring propensity (streaming)
    ↓
Enrichissement profil → Segmentation intent/value
    ↓
Génération audience (Google/Meta) → Activation campagnes
    ↓
Tracking conversions → Feedback modèle

Activation multicanal

• Digital ads: Display/search retargeting pour high-intent segments
• Social media: Campagnes Meta/TikTok pour audiences lookalike
• Email/SMS: Ciblage direct pour prospects connus (base opt-in)
• Boutiques: Guidance des conseillers pour walk-ins identifiés

Personnalisation des offres

• High-value prospects: Offres premium, bonus portabilité majoré
• Price-sensitive: Promotions agressives, remises long terme
• Quality seekers: Mise en avant réseau 5G, couverture, services
• Data users: Plans data illimitée, international roaming

KPI & Objectifs de Performance

| Métrique | Cible | Actuel | |----------|-------|--------| | Taux de conversion campagnes | >5% | 2.4% → 6.3% | | CAC moyen | <100€ | 146€ → 99€ | | Port-in mensuels | >1000 | 730 → 1 040 | | Précision modèle (top 20%) | >40% | 42% | | ARPU port-in vs baseline | >+30% | +35% | | ROI campagnes | >350% | 420% |

Déploiement & Monitoring

Pipeline de production

1. Collecte signaux: Agrégation données web analytics, ad platforms, CRM
2. Scoring quotidien: Calcul propensity pour prospects identifiés
3. Segmentation: Classification par intent, valeur, canal optimal
4. Génération audiences: Export vers Google Ads, Meta, DSP programmatique
5. Tracking conversions: Attribution multi-touch, analyse ROI par segment
6. Ré-entraînement: Mensuel avec feedback conversions réelles

Optimisation continue

• A/B testing des créatives et messages par segment
• Bid optimization automatique basée sur propensity score
• Ré-allocation budget vers les segments les plus performants
• Analyse de cannibalisation (port-in vs acquisition naturelle)

Privacy & compliance

• Conformité RGPD: utilisation de données anonymisées et agrégées
• Audiences lookalike sans partage de PII
• Opt-out mechanisms pour prospects contactés
• Transparency dans l'utilisation des données tierces

FAQ & Prérequis

Q: Comment identifier des prospects avant qu'ils soient clients? A: Via des signaux comportementaux publics: recherches web (Google Analytics, search ads), visites sur notre site/app, engagement avec publicités. Complété par des audiences lookalike construites sur des profils agrégés.

Q: Comment estimer la valeur d'un prospect non-client? A: Modèle de LTV prédictif basé sur: profil démographique, comportement web, similarité avec clients existants, zone géographique. Précision: ~65% corrélation avec ARPU réel post-acquisition.

Q: Quelle est la différence avec l'acquisition classique? A: Port-in cible spécifiquement les clients actifs d'autres opérateurs (donc déjà utilisateurs mobiles), vs acquisition tout prospect. Taux de conversion supérieur (+60%) mais audience plus restreinte.

Q: Comment mesurer le ROI en respectant le RGPD? A: Attribution agrégée via conversion APIs (Google, Meta), sans tracking individuel. Analyse de cohortes et test/control groups pour mesurer l'impact incrémental des campagnes ML-guidées.

Q: Quels sont les prérequis techniques? A: Intégration avec Google Ads, Meta Ads Manager, analytics web (GA4), CRM avec gestion de leads, customer data platform pour unification des données, modèles de propensity et lookalike en production.