Etude comparative des réseaux de neurones et de la régression logistique pour identifier les opportunités de vente croisée

Dans un premier temps, nous discutons de la méthodologie appropriée pour identifier les opportunités de vente croisée et notons que certains réseaux neuronaux peuvent être considérés comme des généralisations de modèles statistiques tels que la régression logistique. Nous proposons également un nouvel algorithme de réseau qui exploite la synergie potentielle entre les deux approches. Nous décrivons le cas d'une grande compagnie de logiciels informatiques qui désire modéliser les opportunités de vente croisée, pour trois logiciels, auprès de clients possédant d'autres logiciels de cette compagnie ou de concurrents. Les résultats sont indiqués pour quatre types de modèles (naïf, logit, réseau neuronal, nouvel algorithme) appliqués à trois logiciels différents. Les résultats indiquent que le modèle logit surpasse les autres dans un cas, alors que le nouvel algorithme est plus performant dans les deux autres cas.