Senior data analyst – CRM, customer analytics & digital marketing

Contexte :
Dans le cadre du renforcement de son domaine Customer Relationship, notre client recherche un Senior Data Analyst afin d'accompagner l'équipe Digital Analytics dans l'optimisation du cycle de vie client et des stratégies CRM.

Le consultant interviendra sur l'analyse des comportements clients, la définition des KPIs, l'évaluation des campagnes marketing et la production d'insights permettant d'améliorer la fidélisation, la rétention et la valeur client (LTV). En collaboration avec les équipes Produit, CRM, Data Engineering et Business, il contribuera à la mise en place de frameworks analytiques, au pilotage d'expérimentations et à la valorisation des données pour orienter les décisions stratégiques.

Missions principales :
·        Concevoir et maintenir des frameworks analytiques pour exploiter les données clients et marketing.
·        Réaliser des analyses avancées afin d'identifier des leviers d'optimisation du cycle de vie client.
·        Construire, piloter et analyser des expérimentations (tests A/B, inférence causale).
·        Étudier les comportements clients (churn, CLTV, segmentation, affinité, pertinence, fidélisation).
·        Définir et suivre les indicateurs de performance (KPIs) liés au cycle de vie client.
·        Produire des recommandations business basées sur les analyses réalisées.
·        Collaborer avec les Product Managers, Business Managers, Data Engineers et Data Managers afin de transformer les besoins métiers en problématiques analytiques.
·        Garantir la qualité, la fiabilité et l'intégrité des données utilisées.
·        Préparer les datasets nécessaires aux analyses.
·        Documenter les sources de données, les hypothèses, les méthodes d'analyse et les résultats.
·        Contribuer à l'amélioration des stratégies CRM, de fidélisation et de marketing digital.

Livrables attendus :
·        Études analytiques sur les comportements clients.
·        Recommandations business.
·        Rapports d'expérimentation et d'A/B Testing.
·        Analyses d'inférence causale.
·        Datasets préparés et fiabilisés.
·        Documentation des sources de données et des méthodes d'analyse.
·        Définition et suivi des KPIs.
·        Restitutions auprès des équipes métiers.