Segmentation client avec l'IA: analyse RFM et 6 segments

La segmentation client consiste à découper votre base clients en groupes cohérents selon leur comportement, puis à donner à chaque groupe sa propre décision publicitaire. Si cela fonctionne en publicité, la raison est simple: le même budget fait baisser le CPA dès qu'il touche la bonne personne, parce que vous cessez de payer deux fois pour quelqu'un qui allait acheter de toute façon. La méthode la plus rapide à mettre en place est l'analyse RFM, et l'IA y ajoute une couche prédictive: probabilité d'attrition et valeur vie client prédite.

Qu'est-ce que la segmentation client et l'analyse RFM?

L'analyse RFM est une méthode de scoring qui résume chaque client par trois nombres: Recency (le temps écoulé depuis le dernier achat), Frequency (le nombre d'achats sur une période donnée) et Monetary (le montant total dépensé). Sur chacune des trois dimensions, la base clients est découpée en cinq tranches égales et chacun reçoit une note de 1 à 5. Un client 555 a acheté le plus récemment, le plus souvent et pour le montant le plus élevé. Un client 111 est, en pratique, déjà perdu.

• Recency (récence): combien de jours depuis la dernière commande? C'est le signal le plus puissant en publicité: celui qui a acheté il y a 30 jours n'est pas la même personne que celui qui a acheté il y a 400 jours.
• Frequency (fréquence): combien de fois le client a-t-il acheté sur la période retenue? Un acheteur unique et un client à sa troisième commande ne méritent pas le même message.
• Monetary (montant): combien le client a-t-il dépensé au total? Utilisez la marge plutôt que le chiffre d'affaires quand c'est possible: un client qui semble précieux au chiffre d'affaires peut être déficitaire une fois les retours comptés.
• Scoring: découpez les clients en cinq tranches égales sur chaque dimension et notez de 1 à 5. Le résultat est un code à trois chiffres (545, par exemple) et les segments naissent de la lecture de ce code.

Qu'apporte l'IA à l'analyse RFM classique?

L'analyse RFM classique n'a qu'une faiblesse: elle ne regarde que le passé. Elle raconte ce qu'un client a fait hier, pas ce qu'il fera demain. Les modèles d'IA reprennent ces mêmes scores RFM en entrée et construisent par-dessus une couche comportementale et prédictive: probabilité d'attrition, probabilité du prochain achat et LTV prédite. Le segment cesse alors d'être une photographie pour devenir une prévision.

• Probabilité d'attrition: la chance que cette personne cesse d'acheter sur la période à venir. C'est elle qui décide à qui va le budget de reconquête.
• Probabilité du prochain achat: la chance qu'elle repasse commande bientôt. Si elle est élevée, la personne reviendra de toute façon, et lui offrir un code promo ne fait que brûler de la marge.
• LTV prédite: la valeur que le client devrait apporter à l'avenir. Choisir la source d'audience similaire sur la LTV prédite plutôt que sur la dépense actuelle fonctionne nettement mieux.
• Signaux comportementaux: navigation, affinité de catégorie, taux de retour, dépendance à la promotion. Greffés sur les trois nombres du RFM, ces champs affinent sensiblement les segments.

Soyons honnêtes sur les limites: la couche prédictive n'a rien de magique. La qualité du modèle varie fortement selon la qualité des données et le secteur, et sur une marque au faible historique de commandes, le résultat ne dépasse guère l'estimation éclairée. Méfiez-vous aussi des taux de 'précision' élevés: l'attrition est un événement rare, si bien qu'un modèle qui prédit simplement que 'personne ne partira' peut sembler précis sur le papier. Le bon usage consiste à s'en servir comme d'un classement pour prioriser le budget, pas comme d'une vérité. C'est précisément là que la gestion publicitaire pilotée par l'IA apporte de la valeur: elle ne décide pas, elle ordonne la file.

Quels 6 segments clients, et quelle action publicitaire pour chacun?

On peut produire des dizaines de segments, mais le nombre qu'un compte publicitaire pilote réellement est de six. Les six ci-dessous se construisent en lisant ensemble le score RFM et la couche prédictive, et chacun porte à côté de lui une action publicitaire unique et sans ambiguïté. La règle: si vous ne pouvez pas écrire d'action à côté d'un segment, ce segment est décoratif.

• Champions (R5 F5 M5): le noyau qui achète récemment, souvent et cher. Action: excluez-les des publicités d'acquisition (ils viennent déjà) et placez le budget sur la fidélité, les lancements et la montée en gamme.
• Fidèles (F élevée, M moyenne): ils achètent régulièrement mais avec un petit panier. Action: vente croisée et produits complémentaires. Faire monter le panier moyen coûte bien moins cher que de trouver un nouveau client.
• À risque (F et M élevées, R faible): il était précieux, il s'éloigne. Action: reconquête. C'est en général la ligne la plus rentable du budget, car vous connaissez déjà la personne et le coût de conviction est faible.
• Perdus (R faible, F faible): absents depuis longtemps, avec de faibles chances de retour. Action: une seule tentative à petit budget puis, sans résultat, exclusion de la liste. S'acharner sur cette audience gonfle le CPA en silence.
• Nouveaux clients (R élevée, F=1): des personnes qui viennent de passer une première commande. Action: déclencher le deuxième achat. La deuxième commande est le seuil où un acheteur devient un client.
• Fort potentiel (RFM moyen, LTV prédite élevée): ils paraissent moyens aujourd'hui, mais le modèle les valorise. Action: servez-vous d'eux comme source d'audience similaire et bâtissez les campagnes d'acquisition sur ce profil.

Comment pousser les segments dans les plateformes publicitaires?

Un segment qui n'arrive jamais dans le compte publicitaire n'est qu'un tableur. L'activation passe par trois voies: le charger comme liste de clients (Customer Match sur Google Ads, audiences personnalisées sur Meta), utiliser un segment de valeur comme source d'audience similaire et, surtout, exclure les segments concernés des campagnes. L'exclusion est l'étape qui agit le plus vite et celle à laquelle on pense en dernier.

1. Préparez la liste: envoyez l'e-mail et le téléphone ensemble. Selon la documentation de Google, utiliser deux identifiants plutôt qu'un seul relève sensiblement le taux de correspondance.
2. Chargez et mesurez la correspondance: la plupart des annonceurs se situent dans la bande des 29-62%. Si vous êtes très en dessous, le problème n'est pas votre audience mais votre format: espaces non nettoyés, casse mélangée et adresses mortes.
3. Construisez l'audience similaire: prenez pour source le groupe à forte LTV prédite, pas les champions. Les champions forment déjà un ensemble petit et saturé, et le modèle ira chercher les personnes les plus chères.
4. Posez les exclusions: retirez des campagnes d'acquisition toute personne ayant acheté dans les 30-90 derniers jours. Ce seul réglage réduit typiquement de 15-25% le budget d'acquisition gaspillé et nettoie au passage le message de votre stratégie de retargeting.

Consentement et hygiène des données: à quoi faut-il faire attention?

Charger une liste de clients ne signifie pas envoyer à la plateforme tous les e-mails que vous possédez. Vous ne pouvez utiliser que des enregistrements couverts par un consentement marketing et, au regard du RGPD, cela ne se discute pas. L'hygiène de la liste est aussi une question de performance: une liste remplie d'enregistrements anciens et non consentis fait chuter le taux de correspondance et diffuse des publicités aux mauvaises personnes.

• Uniquement des données consenties: ne mettez jamais sur une liste un enregistrement dépourvu de consentement marketing. Les conditions des plateformes l'exigent aussi, et l'infraction peut aller jusqu'à la suspension du compte.
• Gardez la liste fraîche: chez Google, une liste doit avoir été mise à jour dans les 540 derniers jours pour rester éligible. Un rafraîchissement mensuel est une bonne habitude.
• Connaissez le seuil: le minimum des listes de clients Google Ads est passé de 1 000 à 100 membres, et Meta applique un plancher comparable aux audiences personnalisées. Les segments petits mais précieux deviennent exploitables.
• Traitez les demandes de suppression: quand un client demande son effacement, retirez-le aussi des listes déjà chargées. Mettez en place une synchronisation planifiée, pas un chargement unique.

Comment comparer le CPA et le ROAS par segment?

Vous ne saurez pas si la segmentation fonctionne en regardant le ROAS global du compte: la moyenne mélange le bon segment et le mauvais. La bonne mesure consiste à reporter le CPA et le ROAS de chaque segment séparément. Le tableau attendu: le segment de reconquête passe nettement sous les campagnes d'acquisition en CPA, tandis que le segment perdu se situe au-dessus de la moyenne du compte. Si ces deux chiffres se rapprochent, vos segments ne sont pas réels, ce ne sont que des étiquettes.

En résumé: la segmentation ne réclame pas de budget supplémentaire, elle oriente le budget existant vers la bonne personne. Commencez par le RFM, ajoutez la couche prédictive par-dessus, écrivez une seule action publicitaire en face de chacun des six segments et posez les exclusions dès le premier jour. Ads Sensor réunit vos données Meta, Google, TikTok, Criteo et GA4 dans un seul tableau de bord, montre par l'IA et avec justification quelle audience brûle du budget, et applique sur la plateforme les recommandations que vous validez. Inscrivez-vous à la pré-bêta et voyez sur vos propres données quelles audiences brûlent votre budget.