Assistant(e) Data Scientist

Description de l'offre

Pionnier du Data Marketing et expert reconnu en CRM digital et Marketing programmatique, de la collecte de données (base CRM, DMP) à l'activation (email, mobile, RTB, réseaux sociaux, in store), le groupe 1000mercis a pour mission de concevoir des dispositifs à fort ROI incrémental pour les annonceurs souhaitant optimiser leurs actions de conquête et de fidélisation sur tous les supports digitaux (mobile, desktop, tablettes, objets connectés).
Côté sur Alternext (ALMIL.PA), 1000mercis consacre plus de 10 % de son chiffre d'affaires à la R&D, en particulier dans le domaine du machine learning, et a la qualification « Entreprise Innovante » de BPI France.
Présent à San Francisco, New-York, Londres, Dubaï, Amsterdam, Paris, et opérant dans plus de 50 pays avec une équipe de 400 personnes, le Groupe a réalisé un chiffre d'affaires consolidé de 58,7 millions d'euros en 2017. Plus d'informations sur www.1000mercis.com.

Profil recherché

Description du poste

Prédiction de l'impact d'un traitement publicitaire dans un contexte de Real-time bidding

Contexte :
Dans le contexte de publicités sur internet (RTB : Real Time Bidding), 1000mercis développe un produit nommé Reactivator©. Le principe initial de Reactivator© est le suivant : réactiver des clients inactifs via des bannières publicitaires sur internet. Limité au RTB dans un premier temps, le produit a évolué pour permettre d'exposer les individus à différents traitements (emails, sms, etc).

L'impact du traitement publicitaire est mesuré de la même manière qu'un traitement médical : la base de données du client est découpée en test/témoin, seuls les tests sont exposés, et l'effet de la campagne est mesuré en comparant le comportement des tests par rapport aux témoins.
Cette mesure, bien que naturelle et connue depuis longtemps, reste assez peu répandue dans un contexte où le clic sur une bannière est encore très souvent utilisé pour mesurer l'efficacité d'une campagne.

Présentation du sujet :
Dans ce contexte, nous souhaitons détecter si, parmi la population, certaines sous-populations réagissent mieux ou moins bien à un traitement.
Nous disposons de diverses covariables sur les individus (âge, civilité, date de dernier achat, département,...), issues de données client ou de données de navigation. Le but est de déterminer le lien entre les différentes valeurs de ces variables et l'incrément observé : les femmes habitant à Paris sont-elles une population qui réagit bien à la publicité pour le produit en question ?

D'un point de vue plus formel, soit X un vecteur de covariables de dimension k, nous voulons estimer le conditional average treatment effect sachant que X = x :
cate(x) = E [ Y(1) - Y(0) | X = x ]

Où :
Y(1) est le volume d'achats réalisés par un individu soumis au traitement
Y(0) est le volume d'achats réalisés par un individu non soumis au traitement

On peut ainsi créer des segments d'individus, avec des stratégies adaptées selon leur incrément potentiel : exposer plus intensivement les sous-populations dont l'incrément serait bon. Cela permettrait également d'allouer le meilleur traitement pour un individu donné, selon ses covariables.
Une des principales difficultés est l'impossibilité d'observer le comportement d'un même individu avec et sans traitement, chaque observation se fait donc toujours pour un groupe d'individus en comparant tests et témoins.

Objectifs du stage
Un premier travail sur le sujet a été réalisé lors d'un stage précédent.

L'objectif du stage sera multiple :
- Se réapproprier le travail déjà effectué
- Explorer les différentes classes de méthodes possibles en effectuant un travail de recherche bibliographique
- Implémenter une méthode (on pourra éventuellement reprendre une partie de l'implémentation déjà effectuée lors du précédent stage)

Poursuite possible en CDI


Qualifications

De formation supérieure bac +5 (masters, écoles d'ingénieurs…), spécialisation en mathématiques appliquées, compétences en algorithmique et machine learning
Qualités requises : Esprit de recherche, capacité à mesurer son efficacité, autonomie, rigueur, méthode


Informations complémentaires

Même à 400, on prend le temps de partager !

•Lors des fameux “Happy Meetings” parisiens suivis en visio par toutes les équipes dans le monde pour partager l’actualité du groupe
•En se glissant - temporairement - dans la peau de ses collègues avec les "Vis ma vie"
•Avec son “Jedi Master” (sorte de parrain) attribué aux nouvelles recrues
•Et bien sûr, lors des apéros, des cours de yoga, des meetups techniques, des barbecues, de la MMCup (un long week-end d’activités au soleil)... et bien plus encore !

À propos de Numberly (1000mercis group)

Le Groupe 1000 Mercis créé en février 2000 par Yseulys Costes et Thibaut Munier est le pionnier de la publicité et du marketing interactifs. Basé à Paris, Lyon, Londres et New York, il permet aux entreprises d'optimiser leurs actions de conquête et de fidélisation grâce aux médias interactifs tels que Internet, les téléphones mobiles ou les tablettes. Son offre couple conquête de nouveaux clients et fidélisation ainsi qu'une offre de retargeting par email. Ses domaines d'activités sont divers : voyage, grande consommation, distribution spécialisée, banque et assurances... Le groupe compte parmi ses clients SFR, Sephora, Google, Club Med, Nestlé, Canal + ou encore BNP Paribas. Le chiffre d'affaires de 1000 Mercis s’élevait à 36,4 million d'euros en 2012. La société vient d'acquérir Matiro, le pionnier du Trading en Real Time Bidding. 1000 Mercis a été classé 2ème au classement des PME les plus rentables en France et est côté sur le marchélternext by NYSE Euronext.