Olist - e-commerce Brésilien
Challenge Olist: durablement accroître les profits du e-commerce!
Langage: Python
1 Problème
Comment accroître les profits mensuels d’Olist tout en maintenant un afflux de commandes sain?
2 Solution
Ce projet en Data Analytics utilise les données de la plateforme Olist rendues publies sur Kaggle afin d’apporter des solutions pour accroître les profits mensuels d’Olist de manière saine et durable.
3 Objectifs
Pour répondre au problème posé, deux objectifs ont été fixé:
- Identification des principales sources de perte
- Simulation de deux solutions pour réduire les pertes identifiées
4 Résultats
4.1 Identifier les vendeurs les moins performants
Les vendeurs les moins performants ont parmis les plus importants afflux de commandes mensuelles, typiquement supérieurs à 80 commandes/mois.
4.2 Solutions pour réduire les pertes
Solution 1: stratégie de limitation
En limitant les commandes mensuelles à 30 pour les vendeurs ayant plus de 10% de très mauvais avis (1 étoile), les profits mensuels d’Olist augmentent de 0.8%.
Bénéfices:
- aucun vendeur n’est banni de la plateforme –> Olist ne perd pas de clients
- L’impact des “mauvais vendeurs” est réduit d’un facteur 3.5
Trade-off:
- Impact plutôt limité: seulement 0.8% de gain de profits
Solution 2: stratégie de bannissement
En bannissant les plus mauvais vendeurs de la plateforme, les profits mensuels d’Olist augmentent de 17%.
Bénéfices:
- Fort impact: 17% de gain de profits
Trade-off:
- Olist perd des clients et des ventes mensuelles