Résiliation HBB (Home Broadband)

Problème & Impact Business

La résiliation des abonnements Home Broadband (HBB) représente un enjeu critique pour les opérateurs télécoms, avec un coût d'acquisition client (CAC) particulièrement élevé dans ce segment (150-300€) et une durée contractuelle typique de 12-24 mois. Le churn HBB est souvent lié à des problèmes de qualité de service (vitesse, stabilité), une concurrence agressive, ou des changements de situation (déménagement, consolidation d'offres).

Le taux de churn annuel moyen dans le secteur HBB oscille entre 15-20%, avec des pics lors des périodes de fin d'engagement. Chaque résiliation entraîne non seulement une perte de revenus directs (ARPU moyen 35-45€/mois), mais aussi la perte potentielle de services additionnels (TV, téléphonie fixe) et d'opportunités de cross-sell. Notre système de prédiction permet d'identifier les clients à risque 30-60 jours avant la résiliation effective, maximisant l'efficacité des actions de rétention.

Impact mesuré:

• Réduction de 22% du taux de churn HBB
• Préservation de 6,8M€ de revenus annuels
• Augmentation de 34% du taux de réussite des campagnes de rétention
• ROI de 480% sur les interventions proactives (upgrade réseau, offres)

Données & Features Clés

Sources de données principales

• Qualité réseau: Vitesse réelle, latence, taux de panne, stabilité connexion
• Support technique: Tickets ouverts, réclamations, temps de résolution, satisfaction
• Utilisation service: Volume data consommé, patterns d'usage, engagement TV/VOD
• Données contractuelles: Ancienneté, type d'offre, fin d'engagement, historique upgrades
• Environnement concurrentiel: Offres compétitives dans la zone, couverture fibre/5G

Features engineered

• Score de qualité réseau composite (vitesse × stabilité × disponibilité)
• Écart vitesse promise vs réelle (sur 30 jours)
• Fréquence et gravité des incidents techniques
• Tendance d'engagement (évolution consommation sur 90 jours)
• Distance à la fin d'engagement contractuel
• Ratio prix/performance vs marché local
• Score de satisfaction client (NPS, CSAT sur support)
• Taux d'utilisation des services additionnels

Modèles & Méthodes

Approche multi-modèles pour segmentation de risque

1. Gradient Boosting (LightGBM): Prédiction du risque de churn global

   • AUC-ROC: 0.84
   • Précision top 15%: 62%
   • Features clés: Qualité réseau (31%), tickets support (22%), fin engagement (18%)
   • Segmentation: Risque technique vs risque compétitif vs fin contrat

2. Deep Learning (LSTM): Analyse temporelle des patterns de dégradation

   • Détection de séquences comportementales pré-churn
   • Identification des trajectoires de dégradation (rapide vs progressive)
   • Précision sur la fenêtre temporelle: ±8 jours

3. Survival Analysis (Cox Model): Estimation du temps jusqu'à résiliation

   • Permet de prioriser les interventions selon l'urgence
   • Calcul de la probabilité de survie à 30/60/90 jours
   • Intégration des covariables temporelles (évolution qualité)

Segmentation des causes de churn

• Qualité service: Problèmes techniques récurrents (38%)
• Compétitivité prix: Offres concurrentes plus attractives (28%)
• Fin engagement: Fin de période contractuelle sans renouvellement (24%)
• Déménagement: Changement de domicile (10%)

Intégration Temps Réel

Pipeline de monitoring continu

Données réseau (temps réel) → Agrégation horaire → Feature store
    ↓
Scoring quotidien (batch) → Détection anomalies (streaming)
    ↓
Segmentation par cause → Priorisation par urgence
    ↓
Routage actions (CRM/NOC) → Intervention personnalisée
    ↓
Feedback loop → Ré-entraînement mensuel

Activation différenciée par segment

• Risque technique élevé: Intervention NOC proactive, upgrade équipement
• Sensibilité prix: Offre commerciale ciblée, upgrade forfait
• Fin engagement: Contact renouvellement anticipé, bonus fidélité
• Déménagement: Facilitation transfert, offre multi-sites

Interventions techniques proactives

• Optimisation automatique de la ligne (DLM, vectoring)
• Changement de profil réseau (priorité, QoS)
• Remplacement équipement CPE défectueux
• Migration vers technologie supérieure (ADSL→VDSL→Fibre)

KPI & Objectifs de Performance

| Métrique | Cible | Actuel | |----------|-------|--------| | Taux de churn HBB annuel | <14% | 18.2% → 14.1% | | Précision top 15% (PPV) | >60% | 62% | | Taux de save (rétention) | >30% | 36% | | ARPU préservé | 6M€/an | 6.8M€ | | Délai moyen détection | <40 jours | 35 jours | | NPS clients à risque | >+20 pts | +24 pts |

Déploiement & Monitoring

Pipeline de production

1. Collecte données: Agrégation multi-sources (réseau, CRM, support) - temps réel + batch
2. Feature engineering: Calcul des features sur fenêtres glissantes (7/30/90 jours)
3. Scoring quotidien: Prédiction risque + timing + cause pour 100% base HBB
4. Segmentation & priorisation: Classification par urgence et type d'intervention
5. Routage intelligent: NOC (technique), Commercial (offres), Support (contact client)
6. Tracking outcome: Suivi résiliation effective, conversion offres, amélioration NPS

Monitoring qualité réseau

• Dashboard temps réel des indicateurs de qualité par client
• Alertes automatiques sur dégradation >20% vs baseline
• Corrélation incidents réseau ↔ augmentation score churn
• Priorisation des investissements réseau par zone (ROI anti-churn)

A/B Testing

• Test group: Clients à risque avec intervention ML-guidée (40%)
• Control group: Clients à risque avec processus standard (20%)
• Holdout: Observation sans intervention (10%)
• Metrics: Churn rate, NPS, ARPU, coût d'intervention

FAQ & Prérequis

Q: Comment différencier un client insatisfait d'un client en déménagement? A: Analyse croisée: problèmes techniques + tickets support = insatisfaction. Absence d'incidents + recherche d'offres dans nouvelle zone = déménagement probable. Le modèle intègre des données géographiques et de recherche (web/app).

Q: Quel est le coût d'une intervention proactive? A: Variable selon le type: upgrade commercial (remise 10-20€/mois sur 6 mois) = 60-120€, intervention technique (CPE, optimisation) = 40-80€. Le coût moyen d'acquisition d'un nouveau client HBB est de 200-300€, donc le ROI est favorable.

Q: Peut-on agir sur les problèmes réseau détectés? A: Oui, de nombreuses actions automatisées ou semi-automatisées: ajustement DLM, changement de profil, re-routage trafic. Pour les cas complexes, escalade vers NOC avec contexte ML (priorité haute).

Q: Comment traiter les fins d'engagement contractuel? A: Contact proactif 60 jours avant échéance, offres de renouvellement personnalisées, bonus fidélité. Le taux de renouvellement augmente de 40% avec contact anticipé vs contact réactif.

Q: Quels sont les prérequis data? A: Données réseau temps réel (SNMP, syslog), historique tickets support, données contractuelles, métriques d'usage (DPI pour trafic agrégé). La qualité des données réseau est critique pour la précision du modèle.