Analyse RFM : En savoir plus sur vos clients et la segmentation RFM

Dans cet article, nous allons nous intéresser à l'analyse RFM (récence, fréquence, valeur monétaire), qui se base sur le comportement des groupes (ou segments ) de clients. Cette méthode d'analyse vous permet d'étudier le comportement des utilisateurs et la façon dont ils effectuent les paiements. En conséquence, vous recevrez des informations précieuses pour le marketing direct.

L'analyse RFM vous permet de segmenter les clients en fonction de la fréquence et de la valeur des achats et d'identifier les clients qui dépensent le plus d'argent.

• Récence - combien de temps s'est-il écoulé depuis qu'un client vous a acheté quelque chose ?
• Fréquence - la fréquence à laquelle un client achète chez vous
• Valeur monétaire - la valeur totale des achats qu'un client a effectués

Selon ces mesures, il est possible de diviser vos clients en groupes pour comprendre quels clients achètent beaucoup de choses fréquemment, qui achètent peu mais fréquemment et qui n'ont rien acheté depuis longtemps.

En règle générale, seul un petit pourcentage de clients répond aux offres promotionnelles générales. RFM est une excellente méthode de segmentation pour prédire les réponses des clients, améliorer les interactions et augmenter les profits. RFM utilise les données de comportement des clients pour déterminer comment travailler avec chaque groupe de clients.

L'essence de l'analyse RFM consiste à diviser les clients en groupes en fonction de la date à laquelle ils ont effectué leur dernier achat, de la fréquence à laquelle ils achètent des articles et de la valeur moyenne de leurs commandes. Pour chacune de ces mesures, nous affectons les clients à l'un des trois groupes, auxquels sont attribués un numéro de 1 à 3.

Récence :

• 1 – clients de longue date.
• 2 – clients relativement récents.
• 3 – clients récents.

La fréquence:

• 1 – achète rarement (commandes uniques).
• 2 – achète rarement.
• 3 – achète souvent.

Valeur monétaire

• 1 – faible valeur des achats.
• 2 – valeur moyenne des achats.
• 3 – valeur élevée des achats.

Les clients se voient attribuer des valeurs RFM en concaténant leurs numéros pour la récence, la fréquence et la valeur monétaire. Par exemple, le client 111 a passé une commande avec une faible valeur monétaire il y a longtemps. Le client 333, en revanche, passe souvent des commandes de grande valeur et a effectué un achat récemment. Les clients avec 3 dans chaque catégorie sont vos meilleurs clients.

Il existe deux façons pratiques d'effectuer une analyse RFM : en utilisant OWOX BI et en utilisant Excel (ou Google Sheets).

Contrairement à Excel, OWOX BI vous permet de calculer automatiquement le RFM.

La source de données pour cette analyse est une table ou une vue dans Google BigQuery avec des données sur chaque commande avec les champs suivants :

• userId – ID utilisateur du client dans la base de données du site Web / ERP.
• revenu - revenu de la commande.
• créé – date de création de la commande.

Étape 1 . Nous vous recommandons d'utiliser les données sur les commandes confirmées de votre ERP. Vous pouvez facilement exporter ces données vers BigQuery à l'aide d'OWOX BI Pipeline.

Étape 2 . OWOX BI vous donne également la possibilité de personnaliser l'importation des résultats d'analyse RFM vers Google Analytics. Cela vous permettra de :

• Créez de nouveaux rapports et segments personnalisés dans Google Analytics pour une analyse d'audience plus approfondie à l'aide d'informations supplémentaires sur les utilisateurs
• Utiliser l'analyse RFM pour créer des audiences de remarketing pour Google Ads, les newsletters par e-mail et les programmes de fidélité

Étape 3 . La configuration de l'importation des données d'analyse RFM dans Google Analytics à partir de Google BigQuery comprend deux étapes :

1. Mise en place d'une ressource Web Google Analytics.
2. Création d'un flux dans OWOX BI Pipeline.

Examinons de plus près les deux derniers points.

1. Créez des dimensions personnalisées au niveau de l'utilisateur pour stocker les résultats de l'analyse RFM (Définitions personnalisées → Dimensions personnalisées → + Nouvelle dimension personnalisée ) :

2. Créer un jeu de données pour importer des données dans Google Analytics (Data Import → New Data Set) :
   

• Spécifiez le comportement d'importation en tant que Moment de la requête. Cela vous permettra de combiner des données importées avec des données historiques ; sinon, les données seront fusionnées uniquement avec les hits collectés dans Google Analytics après le téléchargement des résultats de l'analyse RFM. Notez que l'importation de l'heure de la requête n'est disponible que pour les utilisateurs de Google ​

• Ensuite, nommez le jeu de données et déterminez la liste des vues dans lesquelles les données importées seront disponibles :​
  

• Enfin, définissez un schéma de données et enregistrez l'ensemble de données :​

C'est ça. Vous avez maintenant configuré les paramètres du site Web Google Analytics pour l'importation de données. Vous pouvez maintenant procéder à l'importation.

1. Préparez une requête SQL qui renverra les données dans la structure correcte .

2. Créez un flux dans OWOX BI Pipeline comme indiqué ici .

Attendez que les données apparaissent dans Google Analytics :

Tout est prêt. OWOX BI effectuera automatiquement une analyse RFM sans nécessiter beaucoup d'implication de votre part.

1. Pour calculer le RFM dans Excel, commencez par télécharger les données de transaction depuis votre CRM : nom du client, date d'achat et montant de l'achat :​
   

2. Afin de déterminer la date du dernier achat pour chaque client, combien de fois le client vous a acheté au total et la valeur monétaire totale de toutes ces commandes, utilisez un tableau croisé dynamique.
   

3. Étant donné que certains clients du CRM n'ont peut-être jamais acheté quelque chose, nous devons combiner toutes leurs transactions en une seule ligne. Pour ce faire, nous ajoutons la valeur Client dans les Rows .
   

4. Maintenant, nous devons compter le nombre de commandes passées par chaque client. Pour ce faire, ajoutez la date d'achat aux valeurs (n'oubliez pas d'indiquer COUNTA dans la colonne Résumer).

5. Ensuite, calculez la valeur totale de toutes les commandes pour chaque client. Pour ce faire, ajoutez le montant de l'achat dans les valeurs et, dans la colonne Résumer par , indiquez SOMME .
   

6. Maintenant, nous devons calculer la date du dernier achat pour chaque client. Pour ce faire, ajoutez la date d'achat aux valeurs et spécifiez MAX dans le graphique que nous connaissons déjà.

C'est tout pour la préparation de l'analyse. Nous devons maintenant transférer ces données vers une nouvelle page pour calculer les valeurs RFM.

7. Tout d'abord, renommez les colonnes en tant que Client , Date du dernier achat , Fréquence de commande , Nombre de commandes et Montant de l'achat . Nous passons maintenant à la partie principale de l'analyse. En utilisant la formule = AUJOURD'HUI () - nous calculons depuis combien de jours un client a effectué son dernier achat. Ce seront les données pour notre valeur R (récence):

8. À ce stade, nous avons toutes les données sur la récence, la fréquence (nombre de commandes) et la valeur monétaire (montant). Nous allons maintenant attribuer des valeurs de 1 à 3 (selon les critères mentionnés ci-dessus) en fonction de ces données.

Commençons par les valeurs de Récence. La première chose que nous devons faire est de calculer depuis combien de temps 33 % et 66 % de nos clients achètent chez nous. Cela se fait facilement en utilisant la formule = PERCENTILE.INC (C2 : C12 ; 0,33) et = PERCENTILE.INC (C2 : C12 ; 0,66) . Nous savons désormais que 33 % des clients ont acheté nos produits il y a moins de 61 jours et 66 % ont acheté nos produits il y a plus de 93 jours.​

9. En conséquence, nous attribuons aux clients qui ont acheté il y a moins de 61 jours la valeur la plus élevée de 3. Ceux qui ont passé une commande il y a 61 à 93 jours se voient attribuer une valeur de 2. Les autres, qui ont acheté il y a plus de 93 jours, nous attribuons un valeur de 1. Tout cela peut être calculé automatiquement avec la formule = SI (C2 <61 ; 3 ; SI (C2 <93 ; 2 ; 1)).

10. En utilisant le même principe, nous calculons les valeurs de F (Fréquence) et M (Valeur monétaire) : nous calculons d'abord combien de fois 33 % et 66 % des clients ont effectué un achat et, en fonction des résultats, nous attribuons des valeurs de 1 à 3.​

11. Pour plus de clarté, nous calculons la valeur RFM en concaténant les trois valeurs pour chaque client. Nous pouvons le faire en utilisant la formule = D2 * 100 + F2 * 10 + H2 .
    

C'est ça. Nous avons effectué tous les calculs nécessaires pour l'analyse RFM dans Google Sheets (ou Excel). Gardez à l'esprit que bien que ces formules aident à automatiser certaines erreurs de calcul, vous devez encore passer beaucoup de temps à calculer RFM.

Mais si vous appréciez votre temps et celui de vos employés, ou si vous avez une grande base de données, nous vous recommandons d'effectuer une analyse RFM à l'aide d'OWOX BI. Si vous n'êtes pas encore un utilisateur d'OWOX BI, vous pouvez essayer toutes les fonctionnalités gratuitement.

Lorsque tous les calculs sont prêts et que vous avez segmenté vos clients, il est temps de passer à la partie marketing.

En regroupant les clients par valeurs RFM, vous pouvez immédiatement obtenir une image complète de ce qui se passe avec votre clientèle. Examinons des exemples de certains groupes de clients.

Groupe 3R-3F-3M – le plus actif, achetez souvent

Ce sont vos clients idéaux. Il est possible d'élargir votre engagement avec eux en lançant un programme de fidélité, en les invitant à des événements spéciaux ou en leur demandant comment ils souhaitent que l'entreprise se développe. Il est important de montrer à ces clients qu'ils sont respectés et qu'ils accueillent les utilisateurs.

Groupe 1R-1F-1M – le moins actif, acheté une fois / jamais, dépensé peu

Bien que ces clients semblent être les moins prometteurs, vous ne devriez pas les écarter complètement : ils ont manifesté au moins une fois de l'intérêt pour vos produits. Le plus souvent, les spécialistes du marketing préparent des messages provocateurs spéciaux pour diviser ces clients en « définitivement désintéressés par le produit » et « prometteurs ». Les clients prometteurs peuvent être transférés dans la catégorie suivante.

1 dans une des catégories

Certains de vos clients peuvent avoir une valeur de 122 (récence boiteuse). Ce segment devrait avoir un peu de temps pour décider de revenir vers vous. Essayez de leur proposer des produits qu'ils achètent habituellement en même temps que ceux qu'ils ont achetés auparavant afin de susciter un regain d'intérêt pour votre entreprise.

3 dans une des catégories

Ces utilisateurs sont un segment prometteur pour votre recherche. Ils sont suffisamment cohérents pour que vous puissiez expérimenter et trouver un moyen approprié d'augmenter leurs autres indicateurs.

La méthodologie RFM est loin d'être absolue, mais c'est un outil extrêmement utile pour analyser votre clientèle. Avec juste un peu de travail, vous verrez comment adopter une approche individuelle envers vos clients.

Dans le même temps, gardez à l'esprit que les données sont influencées par les saisons, les promotions et les jours fériés. Si un client avec un historique d'achats étendu pour le mois en cours n'achète rien le mois suivant, cela ne signifie pas que vous devez immédiatement le transférer vers un autre segment. Peut-être que ce n'est que l'effet de la saisonnalité et qu'après un certain temps, ils recommenceront à acheter.

Si vous avez encore des questions, posez-les nous dans les commentaires ci-dessous :)

Et si vous souhaitez en savoir plus sur Google Analytics et d'autres outils d'analyse, abonnez-vous à notre newsletter. Chaque mois, vous obtiendrez des conseils utiles pour les spécialistes du marketing et les analystes modernes.