📈 Prédiction du Churn Client avec LightGBM

🔑 Mots-clés

churn, machine learning, classification binaire, modélisation prédictive, LightGBM, data marketing, fidélisation client, export Excel, GridSearchCV, Python, CRM, stratégie data-driven

🧠 Compétences mobilisées

Python : Pandas, Scikit-learn, Matplotlib, Seaborn
Modèles supervisés : Régression Logistique, Random Forest, XGBoost, LightGBM
Tuning d’hyperparamètres avec GridSearchCV
Encodage des variables, nettoyage des données
Export .xlsx pour usage métier

❗ Le problème

La rétention client est un enjeu stratégique majeur, notamment dans les télécoms, où les entreprises perdent en moyenne 27 % de leurs clients chaque année. Identifier les clients à risque avant leur départ reste difficile sans outils adaptés. Les équipes marketing manquent souvent de solutions prédictives fiables, exploitables, et compréhensibles pour anticiper les départs.

🔍 Portée

Un projet applicable à toute entreprise souhaitant anticiper les départs clients grâce à un scoring simple et efficace. Il offre une solution reproductible, accessible aux équipes métier, avec un fichier prêt à l’emploi pour tester de nouveaux profils.

✅ La solution

Création d’un modèle de prédiction du churn basé sur LightGBM, optimisé avec GridSearchCV, capable de détecter les clients susceptibles de résilier leur abonnement. Le projet intègre une fonctionnalité simple d’export Excel, permettant aux équipes non techniques de tester de nouveaux fichiers clients et de visualiser les résultats directement.

📈 Résultats obtenus

Accuracy : 79,96 %
F1-score churn : 0.57
Précision churn : 0.66
Rappel churn : 0.50
Export automatisé d’un fichier Excel avec probabilité de churn et prédiction binaire (0 ou 1)

📈 Prédiction du Churn Client avec LightGBM

📈 Prédiction du Comportement Client et Analyse de l’Efficacité des Campagnes Marketing avec l’IA

🛒 Tableau de bord – Supermarché en Birmanie