Segmentation RFM & Prospection

Segmentation RFM des entreprises, scoring de prospects et orchestration multi-sources pour la prospection B2B.

Période: Stage M2 — 2025
Rôle: Data Engineer (Stage)
Contexte: Meet My Mama
Stack: 6 technos

Python pandas scikit-learn Attio API Salesforce Jupyter

Contexte

Refonte du process de prospection B2B chez Meet My Mama. Objectif : passer d’une prospection à l’intuition à une prospection data-driven.

Briques construites

1. Segmentation RFM

Calcul des scores Recency / Frequency / Monetary sur la base client historique, puis clustering pour identifier les profils (champions, à risque, dormants, etc.).

2. Scoring prospects “Everlost”

Identification et scoring des prospects “everlost” — ceux qui ont eu un contact mais n’ont pas converti. Réactivation prioritaire des plus prometteurs.

3. Enrichissement multi-sources

Pipeline d’enrichissement via Company Enrich API :

Domain extraction depuis le website
Récupération industry / size / location / tech stack
Gestion du rate limiting, retries, logging
Tracking des companies skipped/failed

4. Préparation Attio

Mapping et import des données prospect dans Attio (nouveau CRM). Spec de mapping documentée pour reproductibilité.

Stack & organisation

Repository organisé par thématique :

prospection/
├── segmentation_rfm/      # RFM + clustering
├── historical_deals/       # Q4 2024, 2025
├── everlost/               # Scoring everlost
├── attio/                  # Import Attio
└── shared/                 # Utilitaires communs

Code / input / output / docs séparés par projet — chaque brique est rejouable indépendamment.

Mon rôle

Conception et implémentation complète, en lien direct avec la sales team pour valider les segments et les seuils de scoring.