Fiche 04 : Le scoring RFM : calcul et méthode de segmentation

La combinaison des trois critères d'appréciation des clients, montant, récence et fréquence, permet de cibler neuf grands types de clients. 1 = clients perdus depuis longtemps ; 2 = clients non confirmés ; 3 = clients réguliers perdus récemment ; 4 = clients récents à petit CA ; 5 = clients récents à fort CA ; 6 = clients réguliers en décroissance ; 7 = clients réguliers à petit CA ; 8 = clients réguliers en développement ; 9 = très bons clients réguliers.

Scoring RFM : définition

Souvent employée pour cibler les destinataires d'une action commerciale ou promotionnelle, cette méthode du scoring RFM s'applique surtout aux entreprises ayant constaté une corrélation forte entre le scoring et la réponse aux sollicitations.

RFM (récence, fréquence, valeur) signifie :

• Récence : quelle est la date du dernier achat ?
• Fréquence : quel est le nombre d'achats effectués par une période donnée ?
• Montant : quelle est la somme d'achats cumulées réalisés sur une période ? Ici, il s'agit de mesurer la valeur client.

Une segmentation prédictive des achats

Pourquoi utiliser le scoring?

A quoi sert la méthode RFM ?

L'objectif du scoring est double :

• déterminer la valeur d'un client sous l'angle des trois variables, RFM ;
• avoir une prévisibilité des futurs achats des clients en fonction de leur place dans le scoring et ainsi mieux cibler les actions marketing.

Comment l'utiliser ?

Voici comment utiliser le scoring RFM étape par étape :

• Déterminer les critères entrant dans les trois variables : récence par le taux de récence du dernier achat ; fréquence par le taux de renouvellement des commandes dans une période donnée ; montant par le montant du dernier achat réalisé, ou du panier moyen, ou de la totalité des achats.
• Pour chacune des variables, identifier des tranches, le plus souvent en quintile, c'est- à-dire en cinq catégories. Par exemple, pour la récence : moins de 3 semaines ; entre 3 semaines et 2 mois ; entre 2 et 6 mois ; entre 6 mois et 1 an ; plus d'1 an.
• Attribuer une note par variable à chaque client, en fonction de sa situation dans la représentation graphique. La somme des notes ainsi obtenue, ou score RFM du client, le classe dans l'un ou l'autre des quintiles. Généralement le premier quintile obtient des taux très élevés de réponse à une action commerciale, le deuxième un peu moins, etc. Cette observation permet d'utiliser cette méthode de manière prédictive. On parle alors de segmentation prédictive.

Scoring RFM : Méthodologie et conseils

La méthode RFM est la plus connue des méthodes de segmentation par scoring. Elle est employée principalement par les sociétés de vente à distance.

Une autre méthode est aussi fréquemment utilisée : FRAT (fréquence, récence, achat, type) :

• fréquence : taux de répétition des achats dans une période donnée ;
• récence : taux de récence du dernier achat effectué ;
• achat : montant du dernier achat réalisé, ou du panier moyen, ou de la totalité des achats ;
• type : catégorie de produits principalement achetés. Cette dernière variable permet de suivre l'évolution de la consommation du client.

Quels sont les avantages du scoring ?

Voici les avantages du scoring en marketing :

• Méthode dont on peut s'inspirer en gardant le fonctionnement et en changeant de variables pour être plus proche de son marché.
• Le scoring RFM peut être combiné à d'autres segmentations par la valeur client ou le besoin client.

Quels sont les inconvénients du scoring ?

Voici les inconvénients du scoring en marketing :

• Ces variables ne sont pas pertinentes pour tous les types de marché.
• Nécessité d'avoir une base de données permettant de suivre le comportement d'achat des clients.
• Nécessité d'avoir des informations précises par client ; la méthode du scoring RFM est plus difficile à utiliser en cas d'entreprises éclatées en plusieurs centres de décision.

Comment être plus efficace ?

L'analyse RFM est construite sur le comportement du client :

• Quand le client a-t-il acheté la dernière fois ?
• À quelle fréquence achète-t-il ?
• Quel montant d'achat dépense-t-il ?

C'est pourquoi cette méthode peut prédire le comportement futur des clients en se basant sur leur comportement passé.

Une méthode prédictive

Pour effectuer cette analyse prédictive, le fichier client doit contenir des données d'historique d'achat et utiliser un codage adapté. Cela suppose que la base de données clients contienne en permanence l'historique de la relation pour chaque client. La plupart des entreprises enregistrent ces données dans des logiciels comptables ou de gestion de la relation client (CRM). On trouve, en effet, la plus grande probabilité de réponse à une campagne parmi les gens ayant effectué un achat récemment. Un client a plus de chance de réagir à une promotion s'il a eu récemment une transaction satisfaisante avec l'entreprise.

Une analyse de la récence montre que 20 % des clients (les très bons clients) ont un taux de réponse de 16 % sur une campagne promotionnelle. Les résultats obtenus avec cette méthode démontrent que le meilleur « prédicateur » du comportement futur d'un client est son comportement passé et présent.

Choisir d'autres critères

D'autres critères peuvent s'avérer plus pertinents selon les secteurs d'activité, la fréquence de renouvellement des achats ou leur saisonnalité.

Les plus utilisés sont :

• le potentiel : chiffre d'affaires, nombre de salariés, taille d'une flotte de véhicules... Ce critère est plutôt employé en B to B ;
• la durée de la relation : ancienneté de la relation client (notamment en B to B). Ce critère fait double emploi avec la fréquence, il faut choisir entre les deux ;
• remises accordées : ce critère influe sur la rentabilité du client. Il est pertinent pour les entreprises qui passent des « accords cadres » avec leur client ou qui ont une politique de remises ;
• l'attrition : ce critère mesure la probabilité qu'un client cesse de faire appel aux services de l'entreprise, ou, en B to C, délaisse la marque ou ne renouvelle pas son abonnement. Dans le cas d'utilisation de ce critère, il est important d'analyser les caractéristiques des anciens clients afin d'envisager une typologie particulière avec des besoins spécifiques ;
• le risque : c'est un des premiers scores utilisés par les organismes de crédit ou par les compagnies d'assurance. Ce critère évalue la probabilité que le client rembourse l'intégralité de ses échéances ou la probabilité plus ou moins forte d'accidents.

Le scoring est une méthode prédictive qui se construit à partir des comportements passés et présents des clients. La méthode est fondée sur l'historique de chaque client selon des critères explicatifs pertinents pour l'activité.

Exemple de scoring RFM

Voici un exemple de scoring RFM d'une entreprise de téléphonie mobile :

Une entreprise de téléphonie mobile propose à la fois des produits et des services. Elle hiérarchise son fichier clients à partir de la méthode RFM :

• récence de la commande : date et durée d'abonnement ; c'est en effet au moment du réabonnement que le client doit être retenu. L'achat d'un téléphone étant généralement lié à un réengagement, est également pris en compte.
• fréquence des achats : nombre d'achats de produits associés (téléphone, écouteurs, adaptateurs) permet de déterminer l'intérêt du client pour la marque et l'offre. L'engagement pour un mineur étant également enregistré au nom du parent, le nombre d'engagements par client peut également être pris en compte.
• montant de la commande : Le montant du forfait et des produits achetés permet également de classer le client dans le segment correspondant.

Quelles sont les caractéristiques du scoring RFM ?

Les classes sont figées par période d'engagement (1 ou 2 ans). Les clients ne changent pas de classe durant une période. En fin de période (réabonnement), on glisse l'historique du client de 1 an (période la plus courte) et on recalcule son nouveau score RFM. Chaque année, une partie du fichier, en ne commandant pas, quitte l'univers des clients actifs. Ce mouvement d'attrition est contrebalancé par le mouvement de prospection de nouveaux clients.