La segmentation RFM : Comprendre et fidéliser vos clients grâce à leurs habitudes d'achat

• Définition et principes

• Pourquoi utiliser cette segmentation ?

• Mettre en place la segmentation RFM
• Calculer les scores des 3 critères
• Sur quelle temporalité

• Les cas d’usages

• Est-ce que la segmentation RFM est toujours utile ?

• Quelles sont les alternatives ?

• Récence: Date du dernier achat (ou interaction). Plus la date est récente, plus le client est considéré comme actif.

• Fréquence: Nombre d'achats (ou interactions) sur une période donnée. Plus un client achète régulièrement (fréquence élevée), plus il est fidèle.

• Montant: Montant moyen dépensé par achat. Plus le montant est élevé, plus le client est rentable (et donc précieux pour votre entreprise).

• Personnaliser votre expérience client : Comprendre les habitudes d'achat de vos clients vous permet de les cibler plus efficacement avec des offres et des messages personnalisés.

• Fidéliser et retenir vos clients : Identifier les clients fidèles et ceux à risque de churn (attrition), permettant de mettre en place des actions pour les fidéliser (avantages exclusifs, promotion, programmes de fidélité, etc.).

• Augmenter l’efficacité et la pertinence du ciblage des actions marketing : Adapter ses actions marketing (campagnes, opération commerciales, programmes etc.) en fonction des différents segments de clients observés pour en augmenter l’efficacité, la précision et leur ROI.

• Optimiser (réduire) vos coûts marketing : Aide à allouer les ressources marketing de manière plus efficace en se concentrant sur les segments de clients à fort potentiel et à analyser la portée de chaque investissement selon les différents segments.

1. Collectez les données : Récupérez les données d'achat de vos clients (date, produit, montant).

sql
    #Récupération des 3 critères en SQL à sélectionner à la maille user_id
    MIN(DATE_DIFF(CURRENT_DATE(), DATE(order_created_at), DAY)) as recency,
    COUNT(DISTINCT order_id) as frequency,
    SUM(sale_price) as monetary

1. Choisissez une période de référence : Définissez la période sur laquelle vous souhaitez analyser les achats (par exemple, le dernier semestre).

2. Calculez les scores RFM : Attribuez un score à chaque client pour la récence, la fréquence et le montant. Vous pouvez utiliser une échelle simple (de 1 à 5) ou des valeurs plus complexes.

3. Créez les segments : Définissez le nombre et les différents segments en fonction des scores RFM. Vous pouvez utiliser la matrice RFM ci-dessous comme point de départ.

Score de récence	Score de fréquence	Score de montant	Segment
Elevé	Elevé	Elevé	Clients VIP
Elevé	Elevé	Modéré	Clients prometteurs
Elevé	Faible	Elevé	Clients “big spenders”
Faible	Elevé	Modéré	A relancer
Faible	Faible	Faible	Clients perdus

4. Analysez et testez : Analysez les segments pour comprendre les comportements d'achat de vos clients et testez des actions marketing ciblées.

• Fréquence d'Achat
• Produits à achat fréquent : comme les produits de consommation courante (aliments, vêtements, produits de beauté), une analyse RFM mensuelle ou trimestrielle peut être appropriée.
• Produits à achat moins fréquent : comme les meubles ou les appareils électroniques, une analyse RFM semestrielle, annuelle ou encore plus longue peut être plus appropriée.

• Cycle de Vie des Produits
• Produits à cycle de vie court :comme les gadgets technologiques ou les tendances de mode, une analyse plus fréquente (mensuelle ou trimestrielle) est recommandée pour rester à jour avec les comportements des clients.
• Produits à cycle de vie long : comme les voitures ou les équipements de sport, une analyse semestrielle, annuelle ou encore plus longue est pertinente.

• Objectifs Marketing
• Campagnes de réactivation : Si votre objectif est de réactiver des clients inactifs, vous pourriez vouloir analyser la récence plus souvent pour identifier rapidement les clients qui commencent à se désengager.
• Programmes de fidélité : Pour des programmes de fidélité, une analyse trimestrielle ou semestrielle peut être suffisante pour ajuster les stratégies en fonction de la fidélité des clients.

• Récence (Recency) : Plus la date du dernier achat est récente, plus le score est élevé.

• Fréquence (Frequency) : Plus le nombre d'achats est élevé, plus le score est élevé.

• Valeur Monétaire (Monetary) : Plus le total dépensé est élevé, plus le score est élevé.

• Collecte des données : Obtenez les dates des dernières transactions de chaque client.

• Calcul du nombre de jours depuis la dernière transaction : Soustrayez la date de la dernière transaction de chaque client de la date actuelle pour obtenir le nombre de jours écoulés.

• Moyenne : La moyenne des jours depuis la dernière transaction.

• Médiane : La valeur médiane qui sépare la distribution en deux moitiés égales.

• Percentiles : Les percentiles (par exemple, les 25e, 50e, 75e percentiles) peuvent aider à comprendre la répartition des données.

sql
 #formule pour répartir les clients en n-tiles
  NTILE(4) OVER(ORDER BY recency DESC) AS r_quartile,
  frequency,
  NTILE(4) OVER(ORDER BY frequency) AS f_quartile,
  monetary,
  NTILE(4) OVER(ORDER BY monetary) AS m_quartile
  
 #formule pour calculer les percentiles
 PERCENTILE_CONT ( numeric_literal )
    WITHIN GROUP ( ORDER BY order_by_expression [ ASC | DESC ] )
    OVER ( [ <partition_by_clause> ] )

• Top 20% : Les 20% des clients les plus récents (jours les plus faibles) obtiennent un score de 5.

• Suivant 20% : Les 20% suivants obtiennent un score de 4.

• Etc.

• Score 5 : Clients ayant acheté dans les 7 derniers jours.

• Score 4 : Clients ayant acheté entre 8 et 14 jours.

• Score 3 : Clients ayant acheté entre 15 et 30 jours.

• Score 2 : Clients ayant acheté entre 31 et 60 jours.

• Score 1 : Clients ayant acheté il y a plus de 60 jours.

• 25e percentile : 3 jours

• 50e percentile (médiane) : 19 jours

• 75e percentile : 45 jours

• Score 5 (Top 20%) : 0-3 jours

• Score 4 (20-40%) : 4-19 jours

• Score 3 (40-60%) : 20-45 jours

• Score 2 (60-80%) : 46-60 jours

• Score 1 (80-100%) : 61+ jours

• capacité opérationnelle à entretenir les segments et diversifier les actions marketing

• le volume de votre base client et sa complexité

• vos objectifs marketing

• Réduire l’échelle des scores
• de 1 à 3 pour obtenir 27 segments
• de 1 à 4 pour en obtenir 64

• Utiliser une segmentation simplifiée avec 5 principaux segments :
• VIP : Clients avec des scores élevés dans toutes les dimensions (R = 4-5, F = 4-5, M = 4-5)
• Clients Loyaux : Clients avec des scores élevés en fréquence et en valeur monétaire mais moins récents (R = 2-3, F = 4-5, M = 4-5)
• Big Spenders : Clients dépensant beaucoup mais peu fréquents ou moins récents (R = 2-3, F = 2-3, M = 4-5)
• New Customers : Nouveaux clients avec une récence élevée mais fréquence et valeur monétaire modérées (R = 4-5, F = 1-2, M = 1-2)
• At-Risk : Clients avec une fréquence et une valeur monétaire élevées, mais récence faible (R = 1, F = 4-5, M = 4-5)

sql
 SELECT 
        *, 
        CASE WHEN (m_score >= 4 AND r_score >= 4 AND f_score >=4)
        THEN 'VIP'
        WHEN ((r_score BETWEEN 2 AND 3) AND f_score >=4 AND m_score >= 4)
        THEN 'Clients Loyaux'
        WHEN ((r_score BETWEEN 2 AND 3) AND (f_score BETWEEN 2 AND 3) AND m_score >= 4) 
        THEN 'Big Spenders'
        WHEN ((m_score BETWEEN 2 AND 3) AND (f_score BETWEEN 2 AND 3) AND r_score >= 4)
				THEN 'New customers'
        WHEN (m_score >= 4 AND f_score >= 4 AND r_score = 1) 
        THEN 'At-risk'
        END AS rfm_segment 

• Utiliser du machine learning pour définir le nombre adéquates de segments (méthode nécessitant plus de connaissances techniques)

• Campagnes de Réactivation : Ciblez les clients avec une faible récence (score de 1 ou 2) avec des offres spéciales pour les inciter à revenir.

• Programmes de Fidélité : Offrez des récompenses supplémentaires aux clients avec des scores élevés en fréquence et en valeur monétaire pour les encourager à continuer à acheter.

• Upselling et Cross-selling : Proposez des produits complémentaires ou plus chers aux clients avec une valeur monétaire élevée.

• Étude du Churn : Identifiez les clients à risque de churn en regardant ceux avec une faible fréquence et récence, et mettez en place des stratégies pour les retenir.

• Nature du produit : Si votre entreprise vend des produits ou services qui sont typiquement achetés une seule fois (par exemple, des funérailles, des équipements industriels spécifiques), la dimension de fréquence (Frequency) devient non pertinente, et donc l'analyse RFM perd de sa valeur.

• Abonnements récurrents : Pour les entreprises basées sur des abonnements récurrents (par exemple, Netflix, Spotify), où les interactions se produisent à intervalles réguliers, la récence et la fréquence sont moins significatives. Dans ces cas, il peut être plus pertinent de surveiller les taux de renouvellement, l'utilisation du service, et les interactions avec le contenu.

• Ventes complexes et longues : Dans les marchés B2B où les cycles de vente sont longs et complexes, les interactions ne se produisent pas fréquemment. Les décisions d'achat sont souvent influencées par des facteurs différents (par exemple, négociations contractuelles, besoins spécifiques), rendant la segmentation RFM moins utile.

• Nouvelle entreprise : Si vous lancez une nouvelle entreprise et n'avez pas encore de données historiques sur les clients, il est difficile de calculer des scores RFM pertinents. Il vous faut accumuler suffisamment de données avant de pouvoir utiliser cette méthode. Cependant vous pouvez en reprendre les principes et actualisez les scores lorsque vous avez plus d’historique.

• Achat rare mais significatif : Pour des produits ou services où chaque achat est rare mais à fort impact (par exemple, biens immobiliers, véhicules de luxe), d'autres méthodes de segmentation, comme les segments démographiques ou comportementaux, peuvent offrir de meilleurs résultats.

• Achats saisonniers : Dans des marchés fortement saisonniers (par exemple, les articles de Noël, les fournitures scolaires), la récence peut être biaisée par la saisonnalité. Une approche différente, comme la segmentation basée sur les périodes saisonnières spécifiques, peut être plus appropriée.

1. Segmentation Démographique : Basée sur des attributs démographiques tels que l'âge, le sexe, le revenu, l'éducation, etc.

2. Segmentation Psychographique : Basée sur les styles de vie, les intérêts, les opinions et les attitudes des clients.

3. Segmentation Comportementale : Basée sur les comportements d'achat spécifiques, comme les habitudes de consommation, la fidélité à la marque, les réactions aux promotions.

4. Segmentation par Valeur Client : Identifie les clients en fonction de leur valeur actuelle et potentielle pour l'entreprise, en utilisant des métriques comme le LTV (Customer Lifetime Value).

5. Segmentation Géographique : Basée sur l'emplacement géographique des clients, utile pour les entreprises ayant des variations régionales significatives dans leurs marchés.

✍️

L’auteur : Emilie Périn

Data Analyste Senior chez UnNest, je vous aide à transformer et analyser votre donnée pour mobiliser rapidement des insights actionnables.

Avec 8 années d’expérience en conseil et au sein de start-up, j’ai développé une expertise croisée data et business. J’apprécie particulièrement traduire techniquement les enjeux business pour valoriser les données et en déduire des recommandations opérationnelles et rapidement actionnables.

✉️ Me contacter : emilie.perin@unnest.co

↗️ Me suivre sur LinkedIn