Bienvenue dans le premier épisode de notre feuilleton 'Analytique Retail : Décrypter les KPIs business', où nous plongerons dans l'univers captivant de l'analyse des données du retail au travers de divers cas d’usages.

Aujourd'hui, nous allons explorer comment l’association de la Lifetime Value (LTV), vous permet de comprendre la valeur de vos clients et maximiser le potentiel de vos stratégies commerciales.

Au menu :

Qu'est-ce que la LTV et pourquoi est-elle cruciale pour le Retail ?Définition de la LTV A quelle fin utiliser la LTV ?Notre recette pour conduire une analyse de LTV ? Les ingrédients pour une LTV aux p’tits oignons La recette étape par étape 1) Collecte des ingrédients 2) Préparation : Transformation de la donnée et calcul de la LTV 3) Dressage : L’objectif, l’histoire, l’information et la data 4) Dégustation : Analyse de la LTV par cohorte 4.2) Critique : Analyser par cohorte, oui mais pourquoi ? 4.3) Saucer son assiette (ça se fait ou pas finalement ?) : La LTV nette 5) La cerise sur le gâteau : Pour aller plus loin Analyse par les segments utilisateurs Next Steps :Quels insights peut-on sortir d’une analyse de LTV ?Et après ? Quelques pistes d’actions à conduire CRO et AB tests Personnalisation des supports de communication Design produit Amélioration et personnalisation des programmes de fidélisation Actions spécifiques selon le segment Réaffectation des budgets des leviers payants Best Practices et Conseils Conseils pour optimiser le calcul de la LTV Conclusion

Qu'est-ce que la LTV et pourquoi est-elle cruciale pour le Retail ?

Dans le contexte du retail, la LTV, pour "Lifetime Value", est un indicateur clé qui permet aux entreprises de comprendre la valeur totale qu'un client peut apporter tout au long de sa relation avec la marque.

En immobilier, LTV est utilisé pour “Loan To Value” mais là c’est vraiment vraiment pas le sujet on vous jure.

Définition de la LTV

La LTV est calculée en prenant en compte le revenu total qu'un client est susceptible de générer pendant la durée de sa relation avec l'entreprise. Cela inclut non seulement les achats immédiats ou récurrents, mais aussi les revenus potentiels générés à travers des achats futurs.

La formule de base pour calculer la LTV est la suivante :

LTV=”Valeur moyenne de la transaction (AOV)” x”Nombre moyen d’achats par période”×”Durée moyenne de la relation client”

A quelle fin utiliser la LTV ?

Évaluer l'acquisition client : comparer le coût d'acquisition d'un client (CAC) avec sa LTV pour s'assurer que l'acquisition client est rentable et à quel horizon.

Mesurer la rentabilité à long terme et ré-allouer les budgets de façon éclairée : La LTV permet de concentrer les investissements sur les segments de clients les plus rentables (si vous analysez vos cohortes par segment clients bien sûr)

Personnalisation et analyse des segments de clients : Vous pouvez segmenter votre base de clients en fonction de leur LTV et AOV pour créer des campagnes marketing ciblées.

Les cas sont multiples et dépendent de votre secteur, de votre chaîne de valeur et de votre business modèle évidemment.

Notre recette pour conduire une analyse de LTV ?

Dans cette partie, nous détaillerons la stack data avec laquelle nous avons composé pour ce cas d’usage ainsi que la méthodologie que nous avons employé

Pour les aventuriers 🤠, des paragraphes “Pour aller plus loin” sont dédiés à d’autres axes d’analyses par la LTV.

Il est évident que vous pouvez appliquer ces méthodes à d’autres stacks techniques

Attention à la métaphore filée, on est hyper chaud en dissertation chez unnest (c’est faux 🙅‍♂️)

Les ingrédients pour une LTV aux p’tits oignons

Ingrédients principaux

Shopify

Google Ads & Meta

Ustensiles utilisés

Un ETL (ici Airbyte)

Un data warehouse (ici BigQuery)

Notons que cette recette est celle que nous avons utilisée, des alternatives existent selon votre régime et allergies alimentaires.

La recette étape par étape

1) Collecte des ingrédients

Pour réaliser une analyse précise, il est essentiel de rassembler des données complètes sur les interactions des clients avec l'entreprise, incluant mais ne se limitant pas aux historiques d'achats, aux fréquences de transaction, aux montants dépensés, etc.

Aussi, il est important de collecter des données sur les coûts d'acquisition des clients et les dépenses marketing attribuables à chaque client pour calculer une LTV nette et donc avoir une notion de rentabilité par client.

Pour aller plus loin

Il peut aussi être intéressant de considérer l'intégration de données issues des interactions sur les réseaux sociaux, des enquêtes de satisfaction, et des feedbacks qui peuvent offrir des insights supplémentaires sur la fidélité des clients et leur valeur potentielle à long terme.

2) Préparation : Transformation de la donnée et calcul de la LTV

La transformation de données pour une analyse de la valeur vie du client (LTV) implique une étape essentielle d'agrégation des informations provenant de diverses sources. Cette phase consiste à rassembler et à intégrer les données business, ainsi que la donnée des outils marketing (SEA; SMA).

Cette consolidation s’accompagne de tout un tas de challenge :

Réconcilier les différents formats de données pour les agréger à l’échelle d’un client

Une qualité parfois discutable nécessitant un gros travail de nettoyage

3) Dressage : L’objectif, l’histoire, l’information et la data

Toute visualisation de donnée démarre par une réflexion des actions qui seront prises par les utilisateurs : besoin d’information ? d’analyse ? de détail ? d’une vision macro ?

Ces actions sont prises de façon éclairée selon des insights précis.

Ici nous avons pris le parti de fournir les insights suivants aux utilisateurs :

Identifier ma valeur client à M+3, M+6,M+9 et M+12 de façon macro

Quelle est la tendance de LTV de M+3 à M+12 par mois de cohorte ?

Ma LTV évolue t-elle suite à une update de l’année dernière M-12 ?

Quels est mon meilleur mois pour une LTV maximale ?

Est-ce qu’une cohorte en particulier sort t-elle du lot ?

Est-ce que mes dernières cohortes performent aussi bien que les précédentes ?

Exemple de visualisation

4) Dégustation : Analyse de la LTV par cohorte

L'analyse de la LTV par cohorte implique l'examen des groupes de clients qui ont effectué leur premier achat ou qui ont été acquis pendant la même période.

Cette approche permet d'évaluer comment la valeur des clients évolue au fil du temps et de mesurer l'impact des changements de stratégie ou des conditions de marché sur les différentes cohortes.

4.2) Critique : Analyser par cohorte, oui mais pourquoi ?

En regroupant les clients en cohortes basées sur la période de leur premier engagement ou achat, les entreprises peuvent observer comment les comportements d'achat et la fidélité évoluent au sein de chaque groupe, en tenant compte du contexte spécifique à leur acquisition (comme les campagnes marketing, les conditions économiques ou les saisons). Cette approche permet de distinguer les tendances et les schémas de comportement qui ne seraient pas évidents dans une analyse globale.

4.3) Saucer son assiette (ça se fait ou pas finalement ?) : La LTV nette

Dans une perspective approfondie de l'analyse de la LTV, l'examen croisé de cette dernière et du coût d'acquisition des clients (CAC) pour obtenir la LTV nette, offre des insights précieux sur la rentabilité des différents segments de clients.

Cette analyse permet d'appréhender avec finesse le véritable rendement des investissements en marketing et acquisition, en mettant en évidence la valeur nette générée par client après déduction des coûts initiaux d'acquisition. En segmentant cette analyse, vous pouvez distinguer les groupes de clients qui non seulement génèrent une valeur élevée sur leur durée de vie, mais qui le font également de manière efficace en termes de coûts initiaux engagés pour les acquérir.

5) La cerise sur le gâteau : Pour aller plus loin

Dans cette section, vous trouverez des éléments que nous n’avons pas incorporé dans notre recette originale et qui nécessitent quelques ingrédients supplémentaires.

Analyse par les segments utilisateurs

L'analyse des segments de clients consiste à diviser la base de clients en groupes distincts qui partagent des caractéristiques similaires, telles que le comportement d'achat, les préférences, les données démographiques ou géographiques, etc. Cette segmentation permet de réaliser des analyses plus fines et de personnaliser les stratégies de marketing et de service à la clientèle pour chaque segment. En analysant la LTV des différents segments, vous pouvez identifier les groupes de clients les plus précieux, ainsi que ceux nécessitant des stratégies d'engagement ou de rétention personnalisées.

Exemples de segments :

Segments de type RFM (directement liés à la LTV)

Ex : Churners / Clients régulier / gros acheteurs / clients occasionnels etc
Voici notre article sur le sujet : https://insights.unnest.co/dossiers-par-cas-d'usage/data-intelligence/la-segmentation-rfm-:-comprendre-et-fideliser-vos-clients-grace-a-leurs-habitudes-d'achat

Acheteur ayant effectué son premier achat sous promotion

Segments géographiques (basés sur la provenance des clients)

Segments démographiques (basés sur l’âge, le genre, le niveau d’éducation, etc.)

Autres segments comportementaux (hors RFM)

Segments basés sur les parcours clients

Segments psychographiques (style de vie, valeurs, etc.)

Segments basés sur la provenance en termes d’acquisition

Cohortes mensuelles

Next Steps :

Quels insights peut-on sortir d’une analyse de LTV ?

L’impact d’une offre marketing sur la LTV

Comprendre quelles campagnes et quelles périodes ont généré les clients les plus précieux vous aide à optimiser vos efforts marketing et à allouer votre budget plus efficacement.

Impacts saisonniers — Tout évènement saisonnier qui aura pu pousser à l’achat (jusqu’à la météo pour certains types de business) Ex : La performance de la LTV sur une cohorte qui a été influencée par le Black Friday

Analyser la pertinence de programmes de fid / analyser sa rétention En suivant des groupes spécifiques au fil du temps, vous pouvez voir combien de clients restent engagés avec votre produit. Une forte rétention est souvent un indicateur de haute LTV.

Aide sur les sujets de type forecast En analysant les tendances au sein de différentes cohortes, vous pouvez mieux prévoir les comportements futurs et la LTV potentielle, ce qui est essentiel pour la planification stratégique.

Identifier des changements de comportements L'analyse de cohortes peut révéler des changements dans les comportements des clients ou l'efficacité du produit au fil du temps. Cela permet d'agir rapidement pour résoudre les problèmes ou capitaliser sur les opportunités.

Et après ? Quelques pistes d’actions à conduire

CRO et AB tests

L'analyse LTV révèle des patterns de comportement et des préférences au sein de la base de clients, fournissant une base solide pour l'optimisation du taux de conversion (CRO) et la conception d'AB tests. L’objectif étant d'affiner l'expérience utilisateur de manière à encourager des engagements plus profonds et à augmenter la LTV des clients.

Personnalisation des supports de communication

Les insights tirés de l'analyse de la LTV permettent de personnaliser les supports de communications de manière plus efficace, en adaptant le contenu, le ton et les offres aux préférences et comportements de segments spécifiques.

Design produit

Les données sur la LTV par produit ou catégorie peuvent guider les décisions en matière de design produit, de gestion de l'inventaire et de développement de nouvelles gammes. Les produits qui attirent des clients à haute LTV méritent une attention particulière (amélioration continue, promotion, etc.) tandis que les produits associés à une faible LTV peuvent nécessiter des réévaluations ou des ajustements.

Amélioration et personnalisation des programmes de fidélisation

L'analyse de la LTV peut révéler comment différents segments de clients répondent aux programmes de fidélisation existants, suggérant des manières de les améliorer ou de les personnaliser. Par exemple, des récompenses accrues pour les achats fréquents ou de plus grands volumes peuvent être plus attractives pour certains segments, augmentant ainsi leur LTV.

Actions spécifiques selon le segment

La segmentation basée sur la LTV permet d'identifier des actions ciblées pour chaque groupe. Pour les clients à risque de churn (abandon), des campagnes de réactivation par email, offrant des incitations personnalisées ou rappelant la valeur de l'offre, peuvent être efficaces pour les ramener.

Réaffectation des budgets des leviers payants

L'analyse de la LTV par canal d'acquisition aide à comprendre quelles stratégies et quels canaux payants sont les plus rentables en termes de recrutement de clients à haute LTV. Les budgets peuvent ainsi être réaffectés des canaux sous performants vers ceux qui génèrent une plus grande valeur, optimisant le retour sur investissement des dépenses publicitaires.

Best Practices et Conseils

Conseils pour optimiser le calcul de la LTV

Combiner des données quantitatives et qualitatives, particulièrement pour vous aider à identifier des segments intéressants à analyser.

Régulièrement mettre à jour l’analyse. La LTV reste une métrique qui évolue beaucoup au cours du temps et il est important d’actualiser le calcul et/ou l’analyse fréquemment.

Aller plus loin que la LTV simple en prenant en compte les coûts associés à l’acquisition et à la rétention des clients. Cela permet d'obtenir une vue nette de la valeur réelle apportée par vos clients.

Utiliser l'analyse de la LTV comme base pour tester différentes stratégies de marketing, de prix et de produit. Évaluer l'impact de ces stratégies sur la LTV et itérer en fonction des résultats pour optimiser la valeur générée.

Faites de la LTV une métrique clé dans la prise de décision stratégique de l'entreprise, en l'intégrant dans les évaluations de performance, les objectifs etc.

Conclusion

Nous espérons que cet aperçu sur la LTV dans le retail vous a été utile ! En tout cas nous on a adoré vous dérouler ce projet 😃

Plus sérieusement, la valeur à vie du client (LTV) se révèle être un pilier essentiel pour les entreprises du secteur retail, offrant une perspective profonde sur la rentabilité à long terme des relations client. L'intégration de la LTV dans la prise de décisions stratégiques et opérationnelles transforme la manière dont les retailers approchent l'acquisition, la rétention et le développement de la clientèle.

Si vous avez des questions sur ce sujet ou tout autre sujet lié à la data, n’hésitez pas à nous contacter sur LinkedIn pour en discuter. Sur ce, Ciao !

✍️

L’auteur : Xavier Stevens

Data Analyst chez UnNest, je vous aide à transformer votre donnée en insights actionnables.

Avec le SQL comme LV3, je modélise & transforme tout type de données afin de conduire des analyses et in fine aider mes clients à prendre des décisions data driven.

✉️ Me contacter : xavier.s@unnest.co

↗️ Me suivre sur LinkedIn

✍️

L’auteur : Louis DUBRUEL

Lead dashboard & BI chez UnNest, je vous aide à donner vie à vos tableaux de bord et produits data au service de vos utilisateurs.

Fan de Looker Studio depuis le début, je développe mes compétences de dashboard design pour délivrer la bonne information à la bonne personne avec la meilleure visualisation.

✉️ Me contacter : louis.dubruel@unnest.co