Dans le marketing, toutes les entreprises n’ont pas les mêmes clients : certains achètent régulièrement, d’autres ne commandent qu’une fois, et certains dépensent beaucoup plus que la moyenne. Pour savoir où concentrer ses efforts, il existe un outil analytique simple mais redoutablement efficace : le score RFM.
Cette méthode permet de classer les clients selon leur comportement d’achat, afin d’identifier les plus rentables, ceux qui risquent de partir ou encore ceux qui méritent une relance ciblée.
Dans les lignes qui suivent, nous allons voir comment calculer un score RFM de manière concrète, en utilisant des exemples chiffrés et en expliquant ce que chaque dimension révèle sur la relation client.
RFM : qu’est-ce que cela signifie ?
Le sigle RFM correspond à trois critères principaux :
- Récence (R) : date du dernier achat.
- Fréquence (F) : nombre d’achats réalisés sur une période donnée.
- Montant (M) : somme totale dépensée par le client.
En combinant ces trois variables, on obtient une segmentation fine de la clientèle. L’idée est simple :
- un client qui a acheté récemment, souvent et en dépensant beaucoup a plus de valeur qu’un client qui n’a pas commandé depuis 18 mois et dont le panier moyen est faible.
Pourquoi le score RFM est si utile en marketing ?
Le score RFM sert à orienter les stratégies commerciales. Selon une étude Bain & Company, augmenter la rétention client de seulement 5 % peut générer une hausse de profits de 25 à 95 %. Identifier les clients fidèles est donc bien plus rentable que de se concentrer uniquement sur l’acquisition.
Avec le RFM, une entreprise peut :
- repérer ses meilleurs clients pour leur offrir des programmes VIP,
- identifier ceux qui s’éloignent pour les réactiver via des campagnes ciblées,
- reconnaître les acheteurs occasionnels qui pourraient être fidélisés,
- adapter les promotions en fonction du potentiel de chaque segment.
Étape 1 : mesurer la récence
La récence indique à quel point un client est “chaud” ou “froid”. Plus le dernier achat est proche de la date actuelle, plus le client est engagé.
Exemple :
- Client A : dernier achat il y a 15 jours → très récent.
- Client B : dernier achat il y a 8 mois → risque de désengagement.
Pour le calcul, on attribue un score sur 1 à 5 (ou 1 à 10 selon la granularité souhaitée).
- Score 5 = achat très récent (moins d’un mois).
- Score 1 = achat ancien (plus d’un an).
Étape 2 : évaluer la fréquence
La fréquence reflète l’habitude d’achat. Un client qui commande 10 fois par an n’a pas le même profil que celui qui commande une seule fois.
Exemple :
- Client C : 12 commandes en 12 mois → score 5.
- Client D : 2 commandes en 12 mois → score 2.
Pour calculer, on peut diviser les clients en quintiles :
- les 20 % qui achètent le plus souvent obtiennent la note maximale,
- les 20 % qui achètent le moins reçoivent la note la plus basse.
Étape 3 : analyser le montant dépensé
Le montant ou “monetary value” indique combien chaque client rapporte à l’entreprise. Il peut s’agir du panier moyen ou du total cumulé sur une période donnée.
Exemple :
- Client E : 2 000 € dépensés en un an → score 5.
- Client F : 80 € dépensés en un an → score 1.
Comme pour la fréquence, on peut utiliser des tranches de classement (quintiles ou déciles) pour attribuer un score de 1 à 5.
Exemple de calcul RFM
Imaginons une boutique en ligne de vêtements. Trois clients sont analysés :
| Client | Dernier achat | Nombre d’achats/an | Total dépensé/an | Score R | Score F | Score M | Score RFM |
| Alice | 10 jours | 12 | 1 200 € | 5 | 5 | 4 | 554 |
| Bruno | 4 mois | 3 | 300 € | 3 | 2 | 2 | 322 |
| Chloé | 14 mois | 1 | 80 € | 1 | 1 | 1 | 111 |
- Alice est une cliente VIP, très active et rentable.
- Bruno est un acheteur moyen qu’il faudrait stimuler avec des offres adaptées.
- Chloé est une cliente perdue, difficile à réactiver.
Comment interpréter les scores RFM ?
Le score RFM ne s’arrête pas à un simple calcul. L’objectif est de segmenter les clients en catégories actionnables :
- Champions : scores élevés partout (clients fidèles et récents).
- Clients fidèles : bonne fréquence et bon montant, mais récence moyenne.
- Clients en danger : montants élevés par le passé, mais plus d’achats récents.
- Nouveaux clients : récence forte mais faible fréquence et montant.
- Clients à risque : faible récence, faible fréquence et faible montant.
Chaque segment doit recevoir un traitement différent : promotions, newsletters personnalisées, programme de fidélité, offres de réactivation, etc.
A LIRE AUSSI Création site web: quels sont les gros défauts de Wix ?
Exemple d’application en e-commerce
Une enseigne de cosmétiques décide de cibler ses clients en danger (score R élevé il y a 6 mois mais montant et fréquence forts auparavant).
Elle envoie une campagne e-mail avec une remise de 20 % sur leur produit préféré. Résultat : 27 % des clients concernés refont un achat dans les 30 jours.
Le RFM permet donc de concentrer les efforts marketing là où le retour sur investissement est le plus fort.
Les outils pour calculer automatiquement le RFM
Si l’on dispose de milliers de clients, faire ces calculs à la main devient impossible. Heureusement, plusieurs outils facilitent l’analyse :
- Excel ou Google Sheets : suffisant pour quelques centaines de clients.
- CRM comme HubSpot, Salesforce ou Zoho : souvent équipés de modules de scoring.
- Solutions e-commerce comme Shopify, Prestashop ou WooCommerce : extensions RFM disponibles pour segmenter automatiquement.
- Logiciels spécialisés en analytics : comme SAS, R ou Python avec bibliothèques dédiées (Pandas, Scikit-learn).