Vous avez une base clients de 5 000 personnes. Si vous leur envoyez la même campagne email à tous, vous allez sur-solliciter vos meilleurs clients, passer à côté des clients à risque de churner, et dépenser de l’énergie sur des inactifs qui n’achèteront plus jamais. La segmentation RFM résout exactement ce problème — en classant chaque client selon son comportement d’achat réel, pas selon des suppositions.
C’est la méthode de segmentation la plus utilisée en retail et e-commerce. Pas parce qu’elle est complexe — au contraire. Mais parce qu’elle ne nécessite que trois données que vous avez déjà dans votre boutique, et qu’elle produit des segments directement actionnables dans vos campagnes email, SMS, ou pub Meta.
Qu’est-ce que la segmentation RFM ?
RFM est un acronyme pour trois variables comportementales :
- R — Récence : combien de jours se sont écoulés depuis le dernier achat du client ?
- F — Fréquence : combien d’achats le client a-t-il réalisés sur une période de référence ?
- M — Montant : quelle est la valeur totale dépensée sur cette période (ou le panier moyen) ?
À chaque client, on attribue un score de 1 à 5 sur chacune de ces trois dimensions. Le score final — exprimé sur 3 chiffres comme “5-5-5” (le client idéal) ou “1-1-1” (client inactif de faible valeur) — permet de le positionner dans un segment homogène.
Le principe fondamental
Un client qui a acheté récemment a plus de chances de racheter. Un client qui achète souvent est plus fidèle qu’un acheteur unique. Un client qui dépense beaucoup mérite une attention particulière. La segmentation RFM combine ces trois signaux pour donner une vision complète de la valeur et de l’engagement de chaque client.
La méthode est née dans la vente par correspondance dans les années 1990, et s’est imposée en e-commerce parce que toutes les données nécessaires sont nativement disponibles dans n’importe quelle plateforme : Shopify, WooCommerce, Prestashop.
Comment calculer le score RFM : la méthode étape par étape
Étape 1 — Définir la période de référence
Avant de calculer quoi que ce soit, vous devez fixer une fenêtre temporelle. Elle dépend directement de la fréquence d’achat naturelle de votre secteur :
| Secteur | Période recommandée | Raisonnement |
|---|---|---|
| Alimentaire / consommables | 3 à 6 mois | Cycles d’achat courts, réachat rapide attendu |
| Mode / beauté | 12 mois | Achats saisonniers, 4 à 6 achats/an typiques |
| High-tech / électroménager | 24 à 36 mois | Achats rares par nature, cycles longs |
| Maison / décoration | 12 à 18 mois | Mix projets ponctuels et achats réguliers |
Règle pratique : choisissez une période qui représente au moins 2 à 3 cycles d’achat de votre client moyen. Trop courte, vous ne capturez pas assez de comportement. Trop longue, les signaux récents sont noyés dans les données historiques.
Étape 2 — Extraire les données transactionnelles
Vous avez besoin de trois colonnes par client :
- Identifiant client (email ou ID)
- Date du dernier achat → pour calculer R
- Nombre de commandes sur la période → pour F
- Montant total dépensé sur la période → pour M
Ces données sont exportables directement depuis Shopify (Rapports → Clients), WooCommerce (plugin de reporting ou export SQL), Prestashop (Clients → Statistiques), ou depuis votre outil d’emailing si vous utilisez Klaviyo ou Brevo qui calculent déjà des métriques RFM nativement.
Étape 3 — Attribuer les scores R, F et M
Pour chaque dimension, classez vos clients en 5 quintiles et attribuez un score de 1 (le plus faible) à 5 (le plus élevé).
Pour la Récence (R) — le score est inversé : moins de jours depuis le dernier achat = score plus élevé.
| Jours depuis le dernier achat | Score R |
|---|---|
| 0 – 30 jours | 5 |
| 31 – 90 jours | 4 |
| 91 – 180 jours | 3 |
| 181 – 365 jours | 2 |
| Plus de 365 jours | 1 |
Pour la Fréquence (F) et le Montant (M), les seuils dépendent de votre base clients. La méthode des quintiles divise vos clients en 5 groupes égaux : le top 20% obtient un score de 5, les 20% suivants un 4, etc.
Exemple pour un e-commerce de cosmétiques avec une période de 12 mois :
| Quintile | Fréquence (commandes) | Score F | Montant total (€) | Score M |
|---|---|---|---|---|
| Top 20% | ≥ 6 commandes | 5 | ≥ 400 € | 5 |
| 21–40% | 4–5 commandes | 4 | 250–399 € | 4 |
| 41–60% | 3 commandes | 3 | 150–249 € | 3 |
| 61–80% | 2 commandes | 2 | 80–149 € | 2 |
| Bottom 20% | 1 commande | 1 | < 80 € | 1 |
Étape 4 — Construire les segments
Une fois les trois scores calculés, vous obtenez pour chaque client un triplet RFM — par exemple “4-3-5”. Plutôt que de travailler avec 125 combinaisons possibles (5×5×5), on regroupe ces scores en 6 à 8 segments actionnables.
Vous voulez mettre en place la segmentation RFM sur votre boutique ?
On configure vos segments dans Klaviyo ou Brevo et on construit les workflows automation associés — acquisition, fidélisation, réactivation.
Les 8 segments RFM essentiels et comment les activer
Voici les segments les plus opérationnels, avec pour chacun le profil type, le comportement observé, et les actions marketing recommandées.
| Segment | Scores RFM typiques | Profil | Action prioritaire |
|---|---|---|---|
| 🏆 Champions | 5-5-5 / 5-4-5 | Achat récent, souvent, montant élevé | Programme VIP, accès anticipé nouveautés, demande d’avis |
| ⭐ Clients fidèles | 4-4-4 / 4-5-4 | Achètent régulièrement, bon montant | Upsell, cross-sell, invitation au programme de fidélité |
| 🚀 Clients prometteurs | 5-2-3 / 5-3-2 | Achat récent mais fréquence encore faible | Série d’emails d’onboarding, incentive 2e achat |
| 😴 Clients à risque | 2-4-4 / 3-4-3 | Autrefois fidèles, n’achètent plus | Campagne “on vous manque”, offre de réactivation ciblée |
| 💤 Clients endormis | 2-2-3 / 1-3-3 | Peu actifs, montant moyen | Email de réengagement avec remise limitée dans le temps |
| 👋 Nouveaux clients | 5-1-1 / 5-1-2 | Premier achat récent uniquement | Séquence post-achat, contenus d’usage, faciliter le 2e achat |
| 🔥 Gros acheteurs ponctuels | 3-1-5 / 4-1-5 | Peu fréquent mais panier élevé | Recommandations personnalisées, bundle haut de gamme |
| ❌ Inactifs | 1-1-1 / 1-2-1 | N’ont pas acheté depuis très longtemps | Dernière tentative de réactivation, puis suppression de la liste |
Cas pratique : segmentation RFM sur un e-commerce de cosmétiques
Prenons l’exemple d’une boutique en ligne de cosmétiques naturels, avec 3 200 clients actifs sur les 12 derniers mois.
Après calcul des scores RFM, voici la répartition obtenue :
| Segment | Nb clients | % base | CA généré | % du CA total |
|---|---|---|---|---|
| Champions | 192 | 6% | 48 000 € | 28% |
| Clients fidèles | 384 | 12% | 51 200 € | 30% |
| Clients prometteurs | 480 | 15% | 24 000 € | 14% |
| À risque + endormis | 640 | 20% | 19 200 € | 11% |
| Nouveaux clients | 576 | 18% | 17 280 € | 10% |
| Inactifs | 928 | 29% | 12 160 € | 7% |
La lecture est immédiate : 18% des clients (Champions + Fidèles) génèrent 58% du chiffre d’affaires. Sans segmentation RFM, ces clients reçoivent exactement le même email promotionnel que les inactifs — et risquent de se désabonner par lassitude.
Les actions découlant de cette analyse :
- Champions + Fidèles → accès prioritaire aux nouvelles collections, invitation au programme de parrainage, sollicitation d’avis Google. Pas de promo — ils achètent sans.
- Prometteurs + Nouveaux → séquence de 4 emails post-achat sur 30 jours : conseils d’utilisation, produits complémentaires, offre de bienvenue à -10% sur la 2e commande.
- À risque + Endormis → campagne de réactivation avec offre limitée à 72h. Si pas de réaction : un dernier email de “au revoir” avec offre finale, puis suppression de la liste active.
- Inactifs → nettoyage de liste. Les garder coûte de la délivrabilité email sans retour mesurable.
RFM et marketing automation : le duo gagnant
La segmentation RFM prend toute sa puissance quand elle est couplée à l’automation marketing. L’idée : les segments ne sont pas statiques — un client peut passer de “Prometteur” à “Fidèle” après 3 achats, ou glisser de “Fidèle” à “À risque” s’il n’achète plus depuis 6 mois. Un système d’automation bien configuré détecte ces transitions et déclenche automatiquement les bonnes communications.
Dans Klaviyo (l’outil le plus adapté pour cette logique en e-commerce), vous pouvez :
- Créer des segments dynamiques basés sur les métriques RFM calculées automatiquement (nombre de commandes, date dernier achat, valeur totale)
- Configurer des flows déclenchés par un changement de segment — par exemple, quand un client “Prometteur” passe à “Fidèle”
- Utiliser les segments RFM pour les audiences Facebook/Instagram Ads : vos “Champions” deviennent une audience Lookalike pour l’acquisition de profils similaires
Brevo (anciennement Sendinblue) propose une fonctionnalité similaire via ses “scores de contact” combinables avec les workflows automatisés.
Vous utilisez Klaviyo ou Brevo mais vous n’avez pas encore de segments RFM ?
On configure vos segments, vos flows de réactivation et vos campagnes de fidélisation — de A à Z.
Limites de la segmentation RFM à connaître
La méthode est puissante mais pas universelle. Voici les cas où elle doit être adaptée ou complétée :
- Produits à achat unique ou très rare (mobilier haut de gamme, électroménager) : la fréquence sera structurellement basse pour tout le monde — le critère F perd de sa pertinence. Mieux vaut alors pondérer davantage R et M.
- Boutiques avec peu d’historique (moins de 12 mois d’activité, moins de 500 clients) : pas assez de données pour des quintiles significatifs. Commencez avec 3 segments simples (actifs, dormants, inactifs) avant de passer à une segmentation RFM complète.
- Mix produits très hétérogène : si vous vendez des consommables mensuels ET des équipements annuels, le même score RFM peut cacher des comportements très différents. Envisagez une segmentation RFM par catégorie de produits.
- La RFM ne dit pas pourquoi : elle identifie les clients à risque mais pas les raisons du départ. Pour ça, combinez-la avec des données qualitatives (avis, NPS, enquêtes de satisfaction).
FAQ — Segmentation RFM
Qu’est-ce que la segmentation RFM ?
La segmentation RFM est une méthode de classement des clients basée sur trois critères comportementaux : la Récence (date du dernier achat), la Fréquence (nombre d’achats sur une période) et le Montant (valeur totale dépensée). Chaque client reçoit un score de 1 à 5 sur chaque dimension, ce qui permet de le positionner dans un segment homogène et d’adapter les actions marketing à son profil réel.
Comment calculer le score RFM d’un client ?
On attribue une note de 1 à 5 sur chacune des trois dimensions. Pour la Récence : 5 = achat dans les 30 derniers jours, 1 = plus d’un an sans achat. Pour la Fréquence et le Montant, on divise les clients en quintiles (5 groupes de taille égale) : le top 20% reçoit un score de 5. Le score final est un triplet — par exemple 4-3-5 — qui positionne le client dans l’un des segments (Champions, Fidèles, À risque, etc.).
Quels outils utiliser pour faire une segmentation RFM en e-commerce ?
Trois approches selon votre niveau de maturité data : (1) Excel ou Google Sheets avec un export de votre boutique — suffisant pour moins de 5 000 clients, (2) Klaviyo ou Brevo qui calculent automatiquement les métriques RFM de base et permettent de créer des segments dynamiques, (3) une CDP (Customer Data Platform) comme Segment ou Bloomreach pour les e-commerces avec des volumes importants et des besoins d’intégration multi-canaux.
À quelle fréquence mettre à jour les segments RFM ?
Idéalement, les segments sont recalculés automatiquement en continu (Klaviyo le fait nativement). Si vous le faites manuellement, une mise à jour mensuelle est un minimum. Trimestrielle est acceptable pour les secteurs à cycles longs. L’important est que les segments reflètent le comportement récent — des segments vieux de 6 mois sur lesquels vous basez vos campagnes sont souvent contre-productifs.
Quelle différence entre segmentation RFM et segmentation par LTV ?
La LTV (Lifetime Value) mesure la valeur totale qu’un client a générée ou devrait générer sur l’ensemble de sa relation avec la marque — c’est une métrique de valeur prédictive. La RFM mesure le comportement d’achat récent — c’est une métrique descriptive et opérationnelle. En pratique, les deux sont complémentaires : la RFM sert à cibler les actions court terme, la LTV à piloter la stratégie d’acquisition et de rentabilité globale.
La segmentation RFM fonctionne-t-elle pour une petite boutique ?
Oui, à partir d’environ 300 à 500 clients avec au moins 12 mois d’historique. En dessous de ces seuils, les quintiles ne sont pas statistiquement fiables. Pour les petites boutiques en phase de lancement, commencez par 3 segments simples : nouveaux clients (1 seul achat), clients actifs (2+ achats dans les 6 derniers mois), clients inactifs (aucun achat depuis plus de 6 mois). C’est 80% de la valeur de la RFM avec 20% de la complexité.
Pour aller plus loin
- Marketing automation e-commerce — coupler la RFM à des workflows pour automatiser la fidélisation
- Taux de churn — identifier et prévenir l’attrition client grâce aux segments RFM à risque
- Segmentation marketing — les autres méthodes de segmentation complémentaires à la RFM
- Notre expertise emailing & CRM e-commerce — configuration Klaviyo/Brevo, segments RFM et automation
