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

Introduction

La segmentation RFM est l’une des segmentations les plus connues et probablement les plus utilisées, mais elle peut encore faire peur. L’objectif de cet article est de démystifier la segmentation RFM, vous donner les principales clés pour l’utiliser et vous faire un réel retour d’expérience sur cette méthode.
La méthode RFM est une méthode simple et efficace qui vous permet de classer vos clients en fonction de leur comportement d'achat.
Lors de cet article, les points suivants seront abordés avec un aspect technique et pédagogique :
  • 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 ?

Définition et principes

RFM signifie Récence, Fréquence, Montant. Cette segmentation se base sur ces trois critères clés pour analyser l'historique d'achat de vos clients :
  • 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).
💡
A savoir, en fonction de vos objectifs ou de votre type de business, vous pouvez aussi utiliser le montant total dépensé par un client. Ou bien une approche combinée entre le montant moyen par achat et le montant total dépensé. Pour plus d’informations, vous pouvez consulter cette rubrique

Pourquoi segmenter ses clients ?

De façon générale, segmenter ses clients ou utilisateurs permet d’avoir une meilleure connaissance de leurs habitudes, de leur comportement afin de pouvoir personnaliser leur expérience et adpater vos actions marketing et business. Du point de vue de la segmentation RFM, voici les principaux avantages :
  • 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.
Exemple concret
Imaginons un magasin de jeux de société qui souhaite segmenter ses clients.
Segment
Description
Exemple
Clients VIP
Achats récents, fréquents et avec un panier élevé
Achat d'un nouveau jeu chaque mois, montant moyen de 50€
Clients prometteurs
Achats récents et fréquents, mais panier moyen modéré
Achat d'un jeu tous les deux mois, montant moyen de 30€
Clients “big spenders”
Achats peu récents, mais fréquents et avec un panier élevé
Dernier achat il y a 6 mois, mais achat régulier de jeux à 50€
Clients à relancer
Achats peu récents et peu fréquents, panier moyen modéré
Dernier achat il y a 3 mois, un seul jeu à 20€
Clients perdus
Achats peu récents et peu fréquents, panier moyen faible
Dernier achat il y a un an, un seul jeu à 10€
En fonction de chaque segment, le magasin peut mettre en place des actions marketing ciblées : offres promotionnelles pour les clients VIP, programme de fidélité pour les clients prometteurs, email de relance pour les clients en sommeil, etc.

Mise en place de la segmentation RFM

La segmentation RFM se met en place via 5 principales étapes (qui seront détaillées plus tard) :
  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).
  1. 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.
  1. 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.
    1. 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
  1. Analysez et testez : Analysez les segments pour comprendre les comportements d'achat de vos clients et testez des actions marketing ciblées.
Une fois ces étapes énoncées, il reste encore beaucoup de questions : quelles période de référence choisir ? comment réellement calculer mon score ? combien de segments créer ? etc. Nous souhaiterions donc revenir en détails sur les étapes les plus longues à mettre en place.

Etape 2 - Période de référence : comment la choisir ?

La temporalité idéale pour calculer une segmentation RFM dépend de plusieurs facteurs, comme le secteur d'activité, le cycle de vie des produits, et les habitudes d'achat des clients. Voici quelques éléments à étudier pour déterminer la temporalité adaptée à votre entreprise :
  • 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.
Bien sûr il est important de prendre en compte la quantité et la qualité des données historiques disponibles. Plus les données sont abondantes et détaillées, plus vous pouvez affiner vos analyses.
💡
La temporalité idéale pour une segmentation RFM varie en fonction du secteur, des cycles de vie des produits, et des objectifs marketing. Il est essentiel d'adapter l'analyse à votre contexte spécifique pour maximiser son efficacité et obtenir des insights pertinents sur vos clients. Pour la majorité des entreprises, une analyse trimestrielle ou semestrielle est souvent un bon point de départ, à ajuster en fonction des résultats et des besoins spécifiques.

Etape 3 - Comment calculer des scores ?

L’idée des scores se base sur le principe suivant :
  • 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.
Il faut ensuite déterminer correctement les tranches de ces scores afin d’avoir une segmentation la plus précise et actionnable possible.
Voici un guide pour établir ces tranches de manière efficace. Nous utiliserons l’exemple de la récence pour le rendre plus concret. Vous pourrez bien sûr adapter chaque point pour les autres critères.
1. Analyse Préliminaire des Données
Avant de déterminer les tranches, il est important de comprendre la distribution des données de récence dans votre base de clients. Voici quelques étapes pour commencer :
  • 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.
2. Analyse Statistique
Effectuez une analyse statistique de base sur les jours écoulés depuis la dernière transaction :
  • 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> ] )
3. Définition des Tranches
Il existe plusieurs méthodes pour définir les tranches de récence :
A. Tranches Également Réparties
Cela consiste à diviser les clients en segments égaux basés sur la distribution des jours depuis la dernière transaction. Par exemple, si vous utilisez une échelle de 1 à 5 :
  • 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.
Cette méthode à le mérite d’être assez facile et rapide à mettre en place et à entretenir.
B. Basé sur des Seuils Fixes
Utilisez des seuils fixes en fonction de la nature de votre activité et des comportements d'achat des clients. Par exemple :
  • 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.
Cette méthode fonctionne très bien lorsque les produits ou services ont des cycles d’achat similaires, sinon elle demande une mise à jour très régulière et risque de ne pas être pertinente pour une partie de vos clients.
C. Clustering (Regroupement) - niveau plus avancé
Utilisez des techniques de clustering (par exemple, K-means) pour identifier des segments naturels dans les données de récence. Cette approche est plus complexe à mettre en place et nécessite plus de compétences techniques, mais peut révéler des segments plus significatifs.

Exemple Pratique : magasin de jeux

Reprenons notre exemple de magasin de jeux de société. Supposons que nous avons les jours écoulés depuis la dernière transaction pour chaque client :
Client_ID
Dernier_Achat
Jours_Ecoulés
1
2024-06-15
19
2
2024-07-01
3
3
2024-05-20
45
4
2024-07-03
1
5
2024-04-10
85
Après analyse statistique, nous trouvons les percentiles suivants :
  • 25e percentile : 3 jours
  • 50e percentile (médiane) : 19 jours
  • 75e percentile : 45 jours
Nous pouvons définir les tranches de récence comme suit :
  • 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
Client_ID
Dernier_Achat
Jours_Ecoulés
Score Récence A
1
2024-06-15
19
4
2
2024-07-01
3
5
3
2024-05-20
45
3
4
2024-07-03
1
5
5
2024-04-10
85
1
💡
Ce qu’il est important de retenir c’est que l'analyse statistique et la connaissance du secteur sont essentielles pour définir des tranches pertinentes et qui reflètent fidèlement les segments de clients.

Etape 4 - Définir le nombre de segments

Le nombre de segments à construire grâce à la segmentation RFM dépend de plusieurs facteurs, notamment la complexité de votre base de clients, vos objectifs marketing, et la capacité de votre entreprise à gérer des segments multiples. Voici une approche détaillée pour déterminer combien de segments créer :
Définir le bon nombre segments n’est pas toujours facile et doit tenir compte de plusieurs critères :
  • capacité opérationnelle à entretenir les segments et diversifier les actions marketing
  • le volume de votre base client et sa complexité
  • vos objectifs marketing
La segmentation RFM de base utilise un score de 1 à 5 pour ses trois critères, ce qui représenterait en théorie 125 segments distincts (5 x 5 x 5). Même si vous n’êtes pas obligés de tous les exploiter, gérer autant de segment peut être périlleux et non optimal.
Voici d’autres approches courantes :
  • 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)
💡
Le conseil d’Unnest
Utiliser une méthode simplifiée avec 8 segments :
  • Champions
  • Clients fidèles
  • Potentiels Fidèles nécessitant attention
  • One time high spenders
  • Prometteurs
  • A réactiver
  • Faible montant - récent
  • Faible montant - ancien
💡
Il n'existe pas de règle fixe pour le nombre de segments à utiliser dans une segmentation RFM. L'important est de trouver un équilibre entre granularité et gestion pratique. Pour la plupart des entreprises, commencer avec 5 à 10 segments bien définis est un bon point de départ. Ensuite, ajustez en fonction des résultats obtenus et de la complexité de votre base de clients.

Cas d'usage et activation des segments

La liste des activations et des cas d’usage possibles grâce à cette segmentation est très longue et dépend de votre secteur (e-commerce vs vente au détail par exemple). Voici quelques idées possibles, qu’il est toujours important de personnaliser.
  • 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.
Ajouter une matrice d’idées d’activation en fonction du segment ?

Est-ce que la segmentation RFM est toujours utile ?

La segmentation RFM est un outil puissant pour de nombreuses situations, mais elle n'est pas toujours pertinente. Voici quelques cas où l'utilisation de la segmentation RFM peut ne pas être appropriée :
  • 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.

Dans ces cas-là, quelles sont les alternatives à la segmentation RFM ?

Si la segmentation RFM n'est pas pertinente pour votre entreprise, voici quelques alternatives à considérer :
  1. Segmentation Démographique : Basée sur des attributs démographiques tels que l'âge, le sexe, le revenu, l'éducation, etc.
  1. Segmentation Psychographique : Basée sur les styles de vie, les intérêts, les opinions et les attitudes des clients.
  1. Segmentation Comportementale : Basée sur les comportements d'achat spécifiques, comme les habitudes de consommation, la fidélité à la marque, les réactions aux promotions.
  1. 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).
  1. Segmentation Géographique : Basée sur l'emplacement géographique des clients, utile pour les entreprises ayant des variations régionales significatives dans leurs marchés.
Vous pouvez aussi utiliser et mixer différents critères, en fonction de votre base de données : démo- et sociographique, géographique, comportementale, centres d’intérêts, valeur, etc.
Vous pouvez aussi décider de passer 100% par des méthodes de clustering en machine learning pour être très spécifique à votre base de données.
💡
Bien que la segmentation RFM soit un outil puissant pour analyser et cibler les clients, elle n'est pas toujours applicable. Il est important de comprendre les spécificités de votre secteur, de vos produits ou services, et des comportements de vos clients pour déterminer si cette méthode est appropriée. Lorsque ce n'est pas le cas, d'autres méthodes de segmentation peuvent offrir des insights plus pertinents et exploitables pour votre stratégie marketing.

Conclusion

La segmentation RFM est un outil puissant pour les entreprises souhaitant mieux comprendre et cibler leurs clients. En analysant les comportements d'achat selon les dimensions de récence, fréquence et valeur monétaire, vous pouvez optimiser vos actions marketing, améliorer la fidélisation et maximiser la valeur client.
Il est cependant important c’est de trouver un équilibre entre les insights data et les activations que vous allez être en mesure de mettre en place et qui seront pertinentes pour votre business modèle.
✍️
L’auteur : Emilie Périn
Image without caption
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