170 likes | 484 Views
Thèse CIRFE Modélisation et optimisation multicritère d’une place de marché de Leads (adéquation offre/demande). Candidate : Manel MAAMAR Directeurs de thèse : Vincent MOUSSEAU, Professeur.
E N D
Thèse CIRFE Modélisation et optimisation multicritère d’une place de marché de Leads (adéquation offre/demande) Candidate : Manel MAAMAR Directeurs de thèse : Vincent MOUSSEAU, Professeur. : Wassila OUERDANE, Maitre de Conférences. Organismes d’accueil: LGI, PLACE DES LEADS Réunion équipe2 LGL. ECP 17/01/2013
Plan 1- Formation 2- Place des leads 3- Problématique 4- Modèle proposé 5- Conclusion et perspectives
Formation • Depuis Octobre 2012: Doctorante au Laboratoire Génie Industriel, Ecole Centrale Paris. • 2011-2012: Master 2 recherche informatique spécialité Algorithmes et Modèles de l’Information (AMI). Université de Caen. • 2009-2011 : Master 1 et Master 2 informatique option informatique académique (recherche) .Université de Constantine (Algérie). • 2006-2009: Licence mathématiques et informatique appliqués aux Sciences (MIAS) option informatique fondamentale. Université de Constantine (Algérie).
Stages • Mars -Sep 2012: Stage de recherche de Master au laboratoire deGroupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen(GREYC). Jeux stochastiques de Stackelberg bayésiens partiellement observables : Modèle et Algorithme. • Fév- Juin 2011: Stage de recherche de Master au laboratoire de modélisation et implémentation des systèmes complexes. Réalisation d’un outil de génération de graphes temporels (Durational Action TimedAutomata) à partir des réseaux de Petri temporellement temporisé. • Fév-Juin 2009: Stage de licence au laboratoire de modélisation et implémentation des systèmes complexes. Conception et réalisation d’un site web dynamique pour un organisme de e-Learning.
Place des leads • Place des Leads (PdL) est une place de marché de « leads ». • Traditionnellement utilisé par les forces commerciales pour désigner un contact qualifié et en phase d’achat. • Un « lead » peut être défini dans un contexte web plus globalement comme un contact qualifié et prêt à effectuer une action (achat, devis, demande de RDV, demande de documentation, abonnement newsletter, …). L’objectif technique global est d’optimiser le fonctionnement de cette place de marché.
Problématique • « l’affection des leads aux clients » c’est-à-dire établir une correspondance en temps réel entre l’offre et la demande. • Coté « offre » : PdL reçoit une quantité importante de leads en temps réel. La topologie de ces leads est définie par les valeurs des différents champs des formulaires qui ont permis de les créer ( âge, département, …) ainsi que leur date d’arrivée et leur prix d’achat. • Coté « demande » : les clients de PdL passent des commandes et peuvent filtrer les leads qu’ils souhaitent recevoir selon de multiples critères (ancienneté du lead (< 1h, < 12h, < 24h, …) ; achat en exclusivité ou non ; nombre de leads souhaités par mois, par jour, par heure ; etc).
Problématique PdL Déposer des commandes Client extends extends Affecter les leads aux commandes Recevoir leads extends Déposer des leads Fournisseur extends
Mode de traitement actuel Algorithme Distribution Début Scoring-commandes Pour chaque commande Scoring-leads Vérifier quota Affecter leads selon quota Fin • Algorithme Scoring-commandes Début Filtrer les commandes qu’on souhaite garder ( Produit, nombre de leads reste à livrer, type de transmission,…). Définir un ordre de priorité ( filtre, dernière livraison). Fin • Algorithme Scoring-leads Début Filtrer les leads qu’on souhaite garder ( Produit, filtre apporteur, filtre commande,..). Définir un ordre de priorité ( Score). Fin
Variables à optimiser • Chiffre d’affaire = prix-vente * volume. • Satisfaction des commandes (60% du besoin quotidien). • Satisfaction des fournisseurs. • Marge = chiffre d’affaire - coût . • Fraîcheur du lead.
Modèle proposé Données: • C : ensemble de n commandes (de filtre f i, d’un prix pi, d’un volume global vgi, d’un volume par heure vhi ,d’un volume par jour vji et d’un volume par mois vmipour i∈{1, ..,n}). • L : ensemble m leads ( de nombre de reventes rj pour j ∈{1, ..,m}). Modélisation de l’affectation: • Codage binaire: xijvaudra 1 si le lead j est affecté à la commande i, ou xij=0 sinon. • Une façon d’affecter les leads aux commandes est décrite par un vecteur X= (x11,….xnm). • Modélisation sous forme matricielle:
Modèle proposé Algorithme de prétraitement (Filtre): Début ∀ ci ∈ C ∀ lj∈ L Silj respecte fi garder xij Si ciCommande-exclusive K k ∪{xij} Sinon K’ k’ ∪{xij} FinSinon FinSi Fin • K ={ xij / ci est une commande exclusive}. • K’ ={ xij/ ci est une commande non exclusive}.
Modèle proposé • Fonction objectif: Max (CA( xij) = ∑I,jn,m pi xij) • Contraintes: Volume: ∑inxij≤ min ( vgi, vhi, vji, vmi) Nombre de reventes et exclusivité: rj+3∑jm/ (ij) ∈ K xij+ ∑jm/ (ij) ∈ K’ xij≤ 3
Conclusion • Etude bibliographique. • Modélisation et implémentatin d’un simulateur de la plate forme place des leads. • Formalisation du problème (optimisation monocritère).
Perspectives À court terme: • Implémentation du modèle monocritère ( Cplex et Java). • Optimisation multicritère . À long terme: • Temps réel de l’offre/demande de leads. • Prise en compte d’un modèle stochastique de l’offre et de la demande dans la phase d’optimisation. • Elaboration d’un système de pilotage de la place de marché de Leads.