Ressources
Taux d’attrition
Comment repérer l’attrition avant que le client ne parte.
Récence, fréquence, montant : la segmentation client classique, expliquée simplement.
La segmentation RFM classe vos clients selon la date de leur dernier achat, leur fréquence et leur montant. Vittorio, l’assistant commercial doté d’intelligence artificielle (IA), va plus loin et montre chaque matin à votre équipe quel client a une occasion aujourd’hui.
3 propositions de contact pour aujourd’hui
La segmentation RFM est une méthode éprouvée de segmentation client. Elle classe les clients uniquement selon leur comportement d’achat, sans enquête ni données d’âge ou de domicile. Son nom désigne les trois valeurs calculées pour chaque client :
L’idée : qui a acheté récemment, souvent et beaucoup est très attaché à votre maison. Qui achetait souvent et beaucoup mais n’est plus venu depuis longtemps est un candidat pour un contact personnel.
Mesurée en jours ou en mois depuis le dernier achat. Dans le commerce, c’est généralement le signal le plus fort : plus un client est absent depuis longtemps, plus il est difficile de le faire revenir.
Le nombre d’achats ou de visites sur la période étudiée. Une règle claire sur ce qui compte comme un achat est importante, par exemple toutes les lignes d’une même journée ensemble.
La somme des achats sur la période. Calculer avec la marge brute plutôt qu’avec le chiffre d’affaires évalue plus justement les clients à forte marge.
La méthode est simple, et c’est justement pourquoi elle est appréciée. Pour le travail quotidien avec les clients fidèles, elle a cependant des lacunes :
Pour voir tôt quels clients s’éloignent, la suite se trouve sous taux d’attrition.
Vittorio ne considère pas seulement des segments, mais chaque client individuellement, avec ses achats, son service et ses occasions. Il n’en sort pas un rapport, mais une proposition pour le collaborateur responsable : qui contacter, pourquoi aujourd’hui et avec quel message. Plus d’informations sur la page analyse des données clients par IA.
Scènes d’exemple. Tous les noms de personnes et de commerces sont fictifs.
Cinq clients, observés sur 24 mois. Les classes 1 à 5 résultent de la comparaison avec tous les clients de la boutique.
| Client | Dernier achat | Achats | CA | Score | Segment |
|---|---|---|---|---|---|
| Client A | il y a 3 semaines | 6 | 8 400 € | 5-5-5 | Meilleur client |
| Client B | il y a 2 mois | 4 | 1 150 € | 4-4-3 | Client fidèle |
| Client C | il y a 1 mois | 1 | 2 300 € | 5-1-4 | Nouveau client |
| Client D | il y a 19 mois | 5 | 11 200 € | 1-4-5 | Bon client à risque |
| Client E | il y a 22 mois | 1 | 180 € | 1-1-1 | Client endormi |
Valeurs illustratives. L’analyse de potentiel montre vos propres chiffres, à partir de vos données.
Voici comment réaliser une première segmentation RFM avec vos propres données de vente.
Par exemple les 24 derniers mois. Pour chaque achat, il vous faut le client, la date et le montant.
Jours depuis le dernier achat, nombre d’achats et somme du chiffre d’affaires sur la période.
Diviser chaque valeur en cinq groupes de même taille. Les 20 % meilleurs reçoivent un 5, les plus faibles un 1.
Les trois classes donnent le score, par exemple 5-5-5 pour les meilleurs clients ou 1-4-4 pour de bons clients absents depuis longtemps.
Regrouper les scores similaires en quelques segments, comme meilleurs clients, clients fidèles et bons clients à risque.
Définir pour chaque segment qui se manifeste et avec quoi. Renouveler l’analyse régulièrement, par exemple chaque mois.
Ressources
Comment repérer l’attrition avant que le client ne parte.
Ressources
Six schémas de vos données qui deviennent des occasions.
Ressources
Que faire des bons clients à risque.
Ce que vos clients vous confient reste dans votre maison.
Chaque message que votre maison envoie de sa propre initiative est validé par un collaborateur. Vittorio n’écrit jamais de lui-même.
Contact exclusivement avec les clients qui ont expressément accepté WhatsApp.
Envoi via la WhatsApp Business Platform de Meta, et non via des comptes privés.
Conçu pour une utilisation conforme au Règlement général sur la protection des données (RGPD), avec contrat de sous-traitance.
Avant de choisir un logiciel, nous analysons vos données de vente existantes, pseudonymisées et encadrées par contrat. Après dix jours ouvrés, nous vous présentons le résultat en personne.
Valeurs illustratives. L’analyse montre vos propres chiffres, à partir de vos données.
Recency, frequency et monetary, c’est-à-dire la date du dernier achat, la fréquence d’achat et le chiffre d’affaires généré.
Pour chaque client, on détermine les jours depuis le dernier achat, le nombre d’achats et le chiffre d’affaires sur une période. Chaque valeur est répartie en classes de 1 à 5. Les trois classes donnent le score RFM, dont on déduit des segments.
Elle doit couvrir plusieurs cycles d’achat de vos clients. Dans le commerce, 12 à 24 mois sont courants. Pour des achats rares, comme chez un cuisiniste, elle peut être nettement plus longue.
La segmentation client est le terme général pour tout regroupement de clients. La segmentation RFM est une méthode particulière qui s’appuie uniquement sur le comportement d’achat.
Oui. Avec un tableau client, date d’achat et montant, les trois valeurs, les classes et le score se calculent dans un tableur. Cela devient laborieux quand l’analyse doit être renouvelée régulièrement et transformée en contacts.
C’est un instantané, qui ne tient pas compte du rythme d’achat propre à chaque client et ignore les occasions comme le service, la fin de contrat ou les anniversaires. Elle traite en outre tous les clients d’un segment de la même façon.