Une campagne personnalisée se construit en quatre gestes : rassembler dans le CRM, la base de données clients, ce que tu sais de chaque personne ; la classer dans un segment, un groupe de clients au comportement proche ; écrire à chaque segment son message ; mesurer enfin l'effet réel, contre un groupe témoin qui ne reçoit rien. Exemple : une boutique en ligne repère les clients qui commandaient chaque mois et n'ont rien acheté depuis quatre mois. Elle leur envoie une offre de retour, sauf à 10 % d'entre eux, tirés au sort : l'écart d'achat entre les deux groupes, c'est l'effet de la campagne.
Le CRM, une fiche par client
Un CRM (customer relationship management, gestion de la relation client) réunit pour chaque client ou prospect (futur client) son identité, ses achats, ses échanges avec l'entreprise et ses consentements.
Tout repose sur une règle : une seule fiche par personne. Une cliente enregistrée sous trois adresses reçoit trois fois chaque offre et passe pour trois petites clientes. Le dédoublonnage, qui fusionne ces fiches, passe donc avant toute analyse.
Pour segmenter, les données les plus solides sont les transactions (date, montant, produits) : elles se mettent à jour à chaque achat, alors qu'une profession déclarée vieillit sans prévenir.
Segmenter avec la méthode RFM
Segmenter, c'est découper la base en groupes assez homogènes pour recevoir le même message. L'âge ou la ville disent qui est le client, ses achats disent ce qu'il fait. La méthode RFM part des achats : qui a acheté il y a peu, souvent et beaucoup a plus de chances de racheter.
Définition : la méthode RFM note chaque client sur trois critères, calculés sur une période fixée (par exemple douze mois) : la récence R, nombre de jours depuis le dernier achat ; la fréquence F, nombre d'achats ; le montant M, somme dépensée.
Chaque critère est découpé en classes notées de 1 à 5, souvent par quintiles : les 20 % de clients les meilleurs sur ce critère prennent 5, les 20 % suivants 4, et ainsi de suite.
Piège classique : pour la récence, l'ordre s'inverse. Moins il y a de jours depuis le dernier achat, plus la note est haute. Note-la dans le même sens que la fréquence, et tes meilleurs clients finissent chez les perdus.
Les scores se regroupent ensuite en segments, aux noms variables, chacun avec son action :
| Notes | Segment | Action |
|---|---|---|
| R et F hautes | Fidèles | Nouveautés, avantages de fidélité, peu de remises |
| R basse, F haute | À risque | Relance personnalisée, offre de retour |
| R haute, un seul achat | Nouveaux | Parcours de bienvenue, incitation au deuxième achat |
| R et F basses | Perdus | Sollicitations espacées, puis retrait de la base active |
Pour combiner plus de variables (catégories achetées, canal préféré), on passe au clustering (partitionnement automatique), par exemple aux k-moyennes (k-means), qui regroupent les clients proches. Comme elles calculent des distances, standardise d'abord chaque variable (retire sa moyenne, divise par son écart-type), sinon le montant en euros écrase les autres.
Personnaliser la campagne
Personnaliser, c'est adapter à chaque segment, voire à chaque client, le message, l'offre, le canal et le moment. Le prénom en tête du courriel n'y suffit pas : le reste du contenu est le même pour tous.
Premier niveau : des règles par segment, comme l'offre de retour pour les clients à risque. Deuxième niveau : le marketing automation, des scénarios qui envoient un message tout seuls quand un client fait, ou cesse de faire, quelque chose. Un panier abandonné déclenche un rappel quelques heures plus tard ; 90 jours sans achat, une relance. Le message tombe au moment où il concerne le client.
Niveau le plus fin : des recommandations calculées client par client, d'après ses achats et ceux des clients qui lui ressemblent (filtrage collaboratif).
Mesurer l'effet réel
Comparer ceux qui ont reçu la campagne à ceux qui ne l'ont pas reçue ne prouve rien : si tu as ciblé tes meilleurs clients, ils auraient acheté davantage de toute façon. La seule mesure honnête compare deux groupes tirés au sort dans le même segment : les ciblés, qui reçoivent le message, et les témoins, qui ne reçoivent rien.
Formule : le taux de conversion d'un groupe est $p = \dfrac{\text{acheteurs}}{\text{effectif}}$. L'uplift, ou gain incrémental, est l'écart $p_{\text{ciblés}} - p_{\text{témoins}}$ ; multiplié par le nombre de ciblés, il donne les achats dus à la campagne.
L'A/B test applique la même logique à deux versions d'un message. Un écart peut venir du hasard : un test de comparaison de deux proportions dit s'il est significatif.
Ce que le droit impose
Ton CRM contient des données personnelles, protégées par le RGPD (règlement général sur la protection des données). Deux règles touchent directement tes campagnes.
La première vise la prospection par courriel ou SMS. Un particulier doit avoir donné son accord avant tout envoi, par un geste actif (une case pré-cochée ne vaut pas accord). Pour une offre commerciale, une seule exception : un client peut recevoir sans accord des offres pour des produits ou services analogues de la même entreprise, si ses coordonnées ont été recueillies lors d'une vente ou d'une prestation et qu'il a pu refuser à ce moment-là, puis à chaque envoi (article L34-5 du code des postes et des communications électroniques).
Dans tous les cas, chaque message dit qui l'envoie et permet de se désinscrire simplement, rappelle la CNIL, l'autorité française de protection des données.
La seconde vise la segmentation elle-même. Classer des clients d'après leurs achats relève du profilage au sens de l'article 4 du RGPD : un traitement automatisé qui évalue les goûts ou le comportement d'une personne. Quand ce profilage sert la prospection, chacun peut s'y opposer à tout moment, et ses données ne servent alors plus à cette fin (article 21 du RGPD).
Exercices corrigés
Données fictives.
Exercice 1 : Une boutique note la récence 5 jusqu'à 30 jours, 4 jusqu'à 90, 3 jusqu'à 180, 2 jusqu'à 270 et 1 au-delà. Elle note la fréquence sur douze mois 5 dès 10 achats, 4 dès 6, 3 dès 3, 2 pour 2 achats et 1 pour un seul ; le montant sur douze mois 5 au-delà de 1 000 €, 4 au-delà de 500 €, 3 au-delà de 200 €, 2 au-delà de 100 € et 1 sinon. Donne le score et le segment du client A (dernier achat il y a 200 jours, 8 achats, 760 €) et du client B (20 jours, 1 achat, 45 €).
Correction :
A : 200 jours tombent entre 181 et 270, donc $R=2$ ; 8 achats, entre 6 et 9, donc $F=4$ ; 760 €, entre 501 et 1 000 €, donc $M=4$. Score 2-4-4 : il achetait souvent et ne revient plus. Client à risque, à relancer.
B : 20 jours, un achat, 45 € donnent 5-1-1. Nouveau client, à conduire vers un deuxième achat.
Exercice 2 : Une enseigne relance 20 000 clients « à risque ». 18 000, tirés au sort, reçoivent un bon de 10 € ; les 2 000 autres forment le groupe témoin. En un mois, 1 440 ciblés achètent, contre 100 témoins. Un achat rapporte 25 € de marge avant le bon, et chaque acheteur ciblé utilise son bon. Calcule l'uplift et le nombre d'achats dus à la campagne. Est-elle rentable ?
Correction :
Taux des ciblés : $\dfrac{1\,440}{18\,000} = 0{,}08$, soit 8 %. Taux des témoins : $\dfrac{100}{2\,000} = 0{,}05$, soit 5 %.
Uplift : 3 points. Achats dus à la campagne : $0{,}03 \times 18\,000 = 540$. Les 900 autres achats auraient eu lieu sans elle.
Marge ajoutée : $540 \times 25 = 13\,500$ €. Coût des bons : $1\,440 \times 10 = 14\,400$ €, car les acheteurs qui seraient venus de toute façon s'en servent aussi. Résultat : $13\,500 - 14\,400 = -900$ €. La campagne perd 900 €.
Sans témoin, on aurait attribué à la campagne les 1 440 achats, soit $1\,440 \times 25 = 36\,000$ € de marge, et conclu à un succès.
Exercice 3 : Deux particuliers. Paul a créé un compte sur un site marchand sans jamais commander et n'a coché aucune case d'accord. Claire y a acheté une tente ; lors de sa commande, on lui a proposé de refuser la prospection, et elle ne l'a pas fait. Le site peut-il envoyer à chacun, sans autre accord, un courriel de promotion sur ses tentes ?
Correction :
Paul : non. C'est un particulier, il faut son accord préalable, et l'exception client ne joue pas : selon la CNIL, créer un compte sans rien acheter ne fait pas de lui un client.
Claire : oui. Ses coordonnées ont été recueillies lors d'une vente, la promotion porte sur des produits analogues vendus par la même entreprise, et elle a pu refuser à la collecte. Chaque courriel devra lui offrir un moyen simple de se désinscrire.
À retenir
À retenir :
- Une seule fiche par client dans le CRM, dédoublonnée avant toute analyse.
- RFM : notes de 1 à 5 ; pour la récence, moins de jours donne une meilleure note.
- Personnaliser, c'est adapter le message, l'offre, le canal et le moment.
- L'effet d'une campagne se mesure contre un groupe témoin tiré au sort.
- Prospection d'un particulier par courriel : accord préalable, sauf client pour des produits analogues.
Sources
- Article L34-5 du code des postes et des communications électroniques : Légifrance.
- CNIL, fiche sur la prospection commerciale par courrier électronique : cnil.fr.
- RGPD, articles 4 et 21 : chapitres I et III sur cnil.fr.