Analyse RFM


Une analyse RFM est un processus de notation capable de diviser les clients en groupes cibles ou en segments à l’aide de différents KPI. Elle a pour objectif d’identifier les clients les plus susceptibles de réagir à une annonce lors de la mise en place de différentes méthodes de marketing. Le plus souvent, les analyses RFM sont utilisées en marketing direct, mais il existe également des applications dans les domaines du marketing e-mail, de l’optimisation de campagnes ou du marketing de performance et de bases de données. À partir de la récence, de la fréquence et de la valeur des valeurs de notation, les clients sont divisés par groupes d’acheteurs afin de déterminer quels groupes de clients sont particulièrement rentables et auprès de quels clients certaines campagnes ou offres marketing ont un impact moindre. L’objectif des analyses RFM est l’anticipation des taux de réponses des campagnes et l’augmentation du retour sur investissement.

Informations générales

L’analyse RFM est un procédé empirique dépendant largement des données issues de l’analyse de site Web, de la gestion de la relation client ou du nombre de transactions. Tandis que de nombreuses approches marketing se fondent sur des spécificités démographiques, les analyses RFM complètent les orientations stratégiques des campagnes à l’aide d’un élément basé sur le comportement des utilisateurs. Pour ce faire, les habitudes d’achats antérieures sont examinées de près :

  • R - Recency (ou récence en français) : le degré d’actualité d’un achat est un outil précieux pour identifier des clients qui ont effectué des achats récemment. Les clients dont l’achat ne remonte pas à très longtemps sont plus susceptibles de réagir à une nouvelle annonce que les clients dont l’achat est plus ancien. Il s’agit du facteur le plus important dans une analyse RFM.
  • F - Frequency (ou fréquence en français) : la fréquence d’un achat est placée en aval de sa récence. La probabilité d’une réaction positive parmi les clients qui ont effectué des achats réguliers est plus élevée que parmi les clients qui ont seulement effectué quelques achats.
  • M - Monetary Value (ou valeur en français) : le chiffre d’affaire d’un achat ou sa valeur monétaire se réfère à l’ensemble des achats effectués par un client. Les clients qui ont au total dépensé plus d’argent pour leurs achats seront plus susceptibles de réagir à une annonce que les clients qui ont investi de plus petites sommes.

Mode de fonctionnement d’une analyse RFM

Dans la pratique, les analyses RFM sont la plupart du temps effectuées de manière automatique. Dans les systèmes CRM de grande envergure, les programmes d’informatique décisionnelle ou les systèmes d'analyse prédictive, les fonctionnalités de ce type sont bien souvent déjà intégrées. La notation, qui vous est expliquée brièvement ci-dessous, dépend évidemment des informations à disposition.

  • Sur la base du dernier achat en date, un score qui indique la récence est attribué aux clients. Il peut s’agir d’intervalles de temps ou de la date du dernier achat. L’attribution du score de récence peut être effectuée au moyen de classifications arbitraires. Par exemple, il est possible d’utiliser cinq catégories ou moins, afin de différencier les groupes dont les achats sont plus ou moins anciens.
  • À partir de ces mêmes données, les clients se voient attribuer un score de fréquence qui indique à quelle fréquence ils ont effectué des achats dans un intervalle de temps ou depuis une certaine date. Là aussi, la division par groupes peut être effectuée assez librement afin de correspondre aux objectifs de l’entreprise.
  • Enfin, les clients reçoivent une valeur monétaire qui correspond à la classification la plus élevée du chiffre d’affaires au sein d’un groupe de clients. Si l’on a établi cinq catégories, il est possible d’utiliser des valeurs monétaires comprises entre 1 et 5.

C’est seulement maintenant que le score RFM est constitué : les scores de récence, de fréquence et de valeur sont additionnés ou mis bout-à-bout et indiquent les scores RFM définitifs attribués à chacun des groupes de clients. Au total, si l’on utilise cinq catégories, il existe 125 scores RFM possibles, le score combiné maximal étant 555. Les scores les plus élevés correspondent aux clients les plus susceptibles de réagir à une annonce – qu’il s’agisse d’une campagne planifiée ou d’une opération marketing. La réactivité constitue néanmoins seulement une estimation basée sur les informations disponibles.

De plus, il est possible de constituer différents scores RFM : en fonction de la base de données disponible, les scores obtenus peuvent résulter des transactions ou des informations clients regroupées. Certains programmes proposent également la visualisation des scores RFM afin par exemple de représenter les groupes de clients sous forme de diagrammes ou de diagrammes de dispersion.

Application pratique

L’utilisation de ces résultats dans le domaine du marketing est souvent perçue de manière critique : même si les scores RFM peuvent permettre d’identifier les clients possédant un pouvoir d’achat élevé, les opérations marketing ne doivent pas pour autant se focaliser uniquement sur ces groupes de clients – même lorsqu’un chiffre d’affaires plus élevé est attendu dans ce cas. En effet, d’une part, les groupes de clients sont divisés de manière arbitraire : on utilise un type de profilage qui peut fournir une représentation inexacte du client. Si seuls les clients disposant d’un pouvoir d’achat élevé reçoivent des offres spéciales, il est possible que les autres clients se sentent discriminés lorsqu’ils l’apprennent. D’autre part, de nombreux spécialistes du marketing conseillent de se concentrer sur les groupes de clients disposant d’un pouvoir d’achat plus faible afin d’augmenter leur loyauté et leur pouvoir d’achat.

Importance pour le marketing en ligne

Les analyses RFM peuvent contribuer significativement à l’accroissement de la rentabilité des campagnes de publicité. En outre, il est possible d’utiliser des analyses RFM sur différents canaux et dans des objectifs variés. Ainsi, les taux de réponse des campagnes e-mail, les transactions sur une boutique en ligne ou le nombre de conversions enregistrées sur les sites web qui proposent par exemple le téléchargement d’un livre blanc peuvent être analysés. Les optimisations de campagnes, les segmentations et les analyses approfondies des groupes cibles peuvent être effectuées à partir des analyses RFM. La plupart des modèles d’analyse RFM peuvent être adaptés aux conditions individuelles. Ils requièrent cependant généralement un système de CRM de grande envergure qui propose de telles méthodes d’analyse ainsi qu’une collecte de donnés véritablement exigeante qui doit y être rattachée et implémentée à l’aide d’un processus de suivi. En principe, ces opérations peuvent également être réalisées sur Excel – mais dans ce cas, il est au moins nécessaire de posséder les informations de transactions.

Liens web