Moteur initial
Un scoring comportemental explicable
Au démarrage d’un site, l’application applique des règles lisibles :
pages consultées, clics, durée, rebond et signaux de contact. Cette
méthode reste active tant que les résultats réels ne sont pas assez
nombreux pour entraîner un modèle fiable.
Machine learning supervisé
Un modèle distinct pour chaque site
Lorsqu’un site possède suffisamment de sessions associées à des leads
marqués comme convertis ou perdus, PredictNeed IA entraîne une
régression logistique avec ses propres données. Les données de
plusieurs clients ne sont pas mélangées pour entraîner un modèle.
Le modèle n’est activé que si les deux classes sont suffisamment
représentées et si l’évaluation atteint le seuil de qualité configuré.
Sa version, ses coefficients, ses métriques et son volume
d’entraînement sont conservés pour assurer la traçabilité.
Limites
Une probabilité n’est pas une certitude
Les résultats constituent une aide à la décision. Ils ne remplacent
pas l’analyse humaine, ne garantissent aucune conversion et ne doivent
pas être utilisés seuls pour prendre une décision produisant un effet
juridique ou significatif sur une personne.
Confidentialité
Des données collectées avec consentement
Les signaux analysés ne sont collectés qu'après le choix de confidentialité
du visiteur. Le détail des données traitées, des finalités et des durées de
conservation est expliqué dans notre
politique de confidentialité.