Segmentation RFM : la méthode complète pour segmenter vos clients e-commerce (calcul, 8 segments et activation Klaviyo/Brevo)

La segmentation RFM est une méthode d’analyse client qui classe chaque acheteur selon trois variables : la Récence (date du dernier achat), la Fréquence (nombre d’achats) et le Montant (valeur dépensée). Chaque client reçoit un score de 1 à 5 sur chaque dimension, formant un score à trois chiffres (par exemple 5-5-5 pour le client idéal, 1-1-1 pour l’inactif de faible valeur). On regroupe ensuite les clients en 8 segments actionnables (champions, clients fidèles, à risque, perdus, nouveaux, etc.), chacun appelant une action marketing précise. La méthode RFM ne demande que trois données déjà présentes dans toute boutique e-commerce et s’active directement dans Klaviyo, Brevo ou Mailchimp.

Imaginez une base de 5 000 clients. Si vous envoyez la même campagne email à tout le monde, trois choses se produisent en même temps. Vous sur-sollicitez vos meilleurs clients, qui n’ont pas besoin d’une promotion pour racheter. Vous passez à côté des clients sur le point de partir, qui auraient eu besoin d’un signal pour rester. Et vous gaspillez de l’énergie sur des inactifs qui ne rachèteront plus jamais.

J’ai vu ce scénario des dizaines de fois en auditant des comptes email de boutiques e-commerce. Une seule liste, un seul message, envoyé à tous. Le résultat : des taux de désabonnement qui montent, des taux d’ouverture qui descendent, et des revenus email très en dessous de leur potentiel.

La segmentation RFM résout exactement ce problème. Elle classe chaque client selon son comportement d’achat réel, pas selon des suppositions ou des données déclaratives. Et c’est devenu la méthode de segmentation la plus utilisée en marketing retail et e-commerce. La RFM marketing s’est imposée comme un standard. Pas parce qu’elle est sophistiquée, au contraire : parce qu’elle ne demande que trois données que vous avez déjà, et qu’elle produit des segments immédiatement actionnables dans vos campagnes email, SMS ou publicités Meta.

La segmentation RFM, aussi appelée analyse RFM, est une méthode d’analyse comportementale qui évalue chaque client sur trois variables, dont l’acronyme RFM tire son nom.

R comme Récence. Combien de jours se sont écoulés depuis le dernier achat du client ? Un client qui a acheté il y a une semaine est plus chaud qu’un client silencieux depuis huit mois.

F comme Fréquence. Combien d’achats le client a-t-il réalisés sur la période de référence ? Un acheteur récurrent est structurellement plus fidèle qu’un acheteur unique.

M comme Montant. Quelle valeur totale le client a-t-il dépensée sur la période ? Un client qui dépense beaucoup mérite une attention différente d’un petit panier ponctuel.

À chaque client, on attribue un score de 1 à 5 sur chacune de ces trois dimensions. Le score final s’exprime sur trois chiffres : un client noté 5-5-5 est l’acheteur idéal (récent, fréquent, gros montant), tandis qu’un client 1-1-1 est un inactif de faible valeur. Entre ces deux extrêmes, les combinaisons dessinent des segments homogènes qui appellent chacun une stratégie différente.

Le principe de fond est simple et robuste. Un client qui a acheté récemment a plus de chances de racheter. Un client qui achète souvent est plus fidèle qu’un acheteur ponctuel. Un client qui dépense beaucoup a une valeur supérieure. La méthode RFM combine ces trois signaux pour donner une vision complète de la valeur et de l’engagement de chaque client. Née dans la vente par correspondance, elle s’est imposée en e-commerce parce que les trois données nécessaires sont nativement disponibles dans n’importe quelle plateforme : Shopify, WooCommerce, PrestaShop.

Étape 1 : définir la période de référence

Avant de calculer quoi que ce soit, fixez une fenêtre temporelle. Elle dépend directement de la fréquence d’achat naturelle de votre secteur. Choisir une mauvaise période fausse toute l’analyse.

La 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 se noient dans l’historique ancien.

Étape 2 : extraire les données transactionnelles

Vous avez besoin de trois colonnes par client : un identifiant client (email ou ID), la date de son dernier achat, son nombre total de commandes sur la période, et la somme totale dépensée. Toutes les plateformes e-commerce exportent ces données en quelques clics, soit nativement, soit via un export CSV des commandes que l’on agrège par client.

Étape 3 : attribuer les scores par quintiles

Pour chaque dimension (R, F, M), on classe tous les clients et on les répartit en cinq groupes égaux, les quintiles. Les 20 % de clients les plus récents reçoivent un score R de 5, les 20 % suivants un score de 4, et ainsi de suite jusqu’à 1 pour les moins récents. Même logique pour la fréquence et le montant.

Attention à un piège sur la Récence : la logique est inversée. Un faible nombre de jours depuis le dernier achat (achat récent) doit recevoir un score élevé. Beaucoup se trompent ici et inversent le classement.

La méthode des quintiles a un avantage majeur : elle s’adapte automatiquement à votre base. Pas besoin de définir des seuils arbitraires en euros ou en jours. Le score est relatif à votre propre clientèle, ce qui le rend pertinent quel que soit votre secteur ou votre volume.

Étape 4 : combiner en segments

Une fois les trois scores attribués, on regroupe les clients en segments cohérents. On peut travailler sur les 125 combinaisons possibles (5x5x5), mais c’est ingérable en pratique. La plupart des e-commerçants regroupent en 8 à 11 segments actionnables, en combinant souvent la Fréquence et le Montant en un seul axe (la valeur globale du client) face à la Récence (son engagement actuel).

Voici les 8 segments que j’utilise en priorité avec les boutiques que j’accompagne, avec l’action marketing concrète associée à chacun. C’est là que la méthode devient un levier de revenus, pas un simple tableau.

Le segment que je surveille en premier dans chaque audit, c’est le segment “à risque”. Ce sont vos bons clients qui commencent à s’éloigner. Les récupérer coûte bien moins cher que d’en acquérir de nouveaux, et le signal est encore frais. C’est presque toujours là que se cache le revenu le plus facile à récupérer.

La segmentation RFM ne vous dit pas qui sont vos clients. Elle vous dit lesquels méritent quel effort, maintenant.

Prenons un exemple concret inspiré d’un accompagnement réel : une boutique e-commerce belge de cosmétiques naturels, base de 4 200 clients, période de référence fixée à 12 mois (cohérent avec le secteur beauté).

Avant la segmentation, la boutique envoyait une newsletter unique à toute sa base, deux fois par mois. Taux d’ouverture moyen de 18 %, revenus email représentant environ 9 % du chiffre d’affaires total, un chiffre faible pour de l’e-commerce où l’email performant tourne plutôt autour de 25 à 30 %.

Après calcul RFM, la base se répartissait ainsi : environ 8 % de champions et clients fidèles (336 clients), 22 % de fidèles et prometteurs, 15 % de clients à risque (630 clients, le gisement clé), 30 % de nouveaux et prometteurs, et 25 % d’inactifs ou perdus.

Le digital en 5 minutes.

Chaque mardi : SEO, social ads, IA, veille. Sans détour.

Adresse email

En vous inscrivant, vous acceptez de recevoir le Brief Digital Hebdo. Désinscription en 1 clic. Politique de confidentialité

Le plan d’action déployé : une séquence de bienvenue automatisée pour les nouveaux clients (création de la deuxième commande), une campagne de réactivation dédiée au segment à risque avec un message personnalisé et une offre de retour, un programme VIP léger pour les champions (accès anticipé aux nouveautés, pas de remise), et un dernier win-back pour les inactifs avant nettoyage de liste.

Résultats observés à 4 mois : le taux d’ouverture moyen est passé de 18 % à 31 % grâce à des messages pertinents par segment, les revenus email sont montés de 9 % à 21 % du chiffre d’affaires, et la campagne de réactivation du segment à risque a généré à elle seule un retour sur investissement très supérieur aux campagnes de masse précédentes (les clients à risque connaissaient déjà la marque, le coût d’activation était proche de zéro). En nettoyant la liste des inactifs non réactivés, la délivrabilité globale s’est aussi améliorée, profitant à toutes les campagnes suivantes.

La leçon : la valeur de la RFM ne vient pas du calcul, qui est simple. Elle vient de ce qu’on en fait. Le même tableau peut dormir dans un fichier ou générer des dizaines de milliers d’euros, selon qu’on l’active ou non.

Le calcul théorique ne sert à rien tant qu’il ne pilote pas vos campagnes réelles. Bonne nouvelle : les outils d’email marketing e-commerce modernes intègrent une logique RFM, plus ou moins automatisée.

Klaviyo. C’est l’outil le plus avancé sur le sujet pour l’e-commerce. Klaviyo calcule automatiquement des métriques proches de la RFM (valeur vie client prédite, probabilité de churn, date de prochaine commande estimée) à partir de l’historique synchronisé depuis Shopify ou WooCommerce. On peut créer des segments dynamiques basés sur la récence (date du dernier achat), la fréquence (nombre de commandes) et le montant (valeur totale ou panier moyen), qui se mettent à jour en temps réel. Chaque segment déclenche ses propres flux automatisés.

Brevo. Plus accessible et souvent privilégié par les PME belges et francophones pour son rapport qualité-prix et son ancrage européen (conformité RGPD, serveurs UE). Brevo permet de créer des segments sur les mêmes critères (date de dernière commande, nombre de commandes, montant cumulé) via ses attributs de contact et ses conditions de segmentation. L’automatisation est moins prédictive que Klaviyo mais largement suffisante pour déployer une stratégie RFM à 8 segments.

Mailchimp. Propose des segments e-commerce prédéfinis basés sur le comportement d’achat, dont une logique de scoring proche de la RFM lorsqu’il est connecté à une boutique. Pratique pour démarrer, un peu moins flexible que Klaviyo sur les segments très fins.

Mon conseil : ne cherchez pas la perfection technique du calcul par quintiles dans l’outil. Définissez des seuils simples et lisibles (par exemple : à risque = bon client n’ayant pas commandé depuis 120 jours), créez les segments dynamiques correspondants, et branchez un flux automatisé par segment. La RFM activée approximativement bat de très loin la RFM parfaite qui reste dans un tableur.

Pour aller plus loin sur l’automatisation marketing et la connexion de vos outils, voir notre expertise accompagnement e-commerce pour PME belges.

Les pièges que je vois le plus souvent quand une boutique tente la RFM seule.

1. Choisir une période de référence inadaptée. Appliquer une fenêtre de 3 mois à un secteur high-tech où l’on rachète tous les 2 ans classe presque tout le monde en inactif. La période doit coller au cycle d’achat réel du secteur.

2. Inverser le score de récence. Le client le plus récent (peu de jours depuis l’achat) doit avoir le score le plus élevé. L’erreur d’inversion fausse toute la segmentation.

3. Créer trop de segments. Les 125 combinaisons théoriques sont ingérables. 8 à 11 segments actionnables suffisent. Au-delà, on se perd et on n’active rien.

4. Calculer sans activer. Le tableau RFM le plus rigoureux ne rapporte rien s’il ne déclenche pas de campagnes. La valeur est dans l’action, pas dans l’analyse.

5. Oublier de recalculer. La RFM est une photo à un instant T. Un client champion peut devenir à risque en trois mois. Recalculez régulièrement (mensuellement en idéal) ou utilisez des segments dynamiques qui se mettent à jour seuls.

Vous voulez segmenter votre base clients et activer vos campagnes ?

M-Twice accompagne les PME e-commerce belges dans la segmentation RFM, la mise en place des flux automatisés Klaviyo ou Brevo, et l’activation des segments à plus fort potentiel de revenus. De l’analyse de votre base à la campagne qui convertit.

Découvrir notre accompagnement e-commerce →