L’article de Firmansyah et al. (2024) propose une revue systématique de la littérature sur l’intégration de l’intelligence artificielle (IA) dans la gestion du Customer Lifetime Value (CLV). Il met en évidence le rôle des modèles d’apprentissage automatique pour affiner les prévisions de CLV en intégrant les risques liés aux fluctuations des revenus clients, au churn et aux comportements d’achat.
L’un des apports majeurs de l’étude est l’analyse des limites des modèles traditionnels de CLV, qui reposent souvent sur des hypothèses statiques et ne prennent pas suffisamment en compte la volatilité du comportement des clients. L’IA apparaît ici comme un levier clé pour ajuster dynamiquement les projections, en intégrant des données en temps réel et en améliorant la segmentation des clients à risque. L’utilisation combinée du machine learning et des modèles financiers, notamment le Mean-Variance Analysis issu de la théorie des portefeuilles, est particulièrement mise en avant pour optimiser la gestion des segments clients.
Cependant, plusieurs points méritent réflexion. Tout d’abord, l’article souligne que l’application de l’IA au CLV reste encore limitée en dehors des secteurs financiers. La plupart des études examinées concernent l’industrie bancaire et les assurances, alors que des secteurs comme le commerce de détail ou les télécommunications pourraient bénéficier d’approches similaires. Ensuite, la question de l’interprétabilité des modèles est soulevée : les techniques de machine learning peuvent générer des prévisions performantes, mais elles restent souvent des « boîtes noires », difficiles à exploiter pour des décisions stratégiques précises.
L’étude conclut sur la nécessité d’explorer davantage l’impact des modèles d’IA sur le CLV, en diversifiant les industries couvertes et en intégrant des approches d’Explainable AI (XAI) pour rendre ces modèles plus transparents et actionnables pour les entreprises. Dans un contexte où l’optimisation du CLV devient un enjeu stratégique majeur, l’IA semble offrir des perspectives prometteuses, à condition que son implémentation prenne en compte la variabilité des marchés et la complexité des comportements clients.
Référence :
Firmansyah, E. B., Machado, M. R., & Moreira, J. L. R. (2024). How can Artificial Intelligence (AI) be used to manage Customer Lifetime Value (CLV)—A systematic literature review. International Journal of Information Management Data Insights, 4, 100279.
