Blog de personnalisation du commerce électronique

L'analyse RFM augmente les ventes de commerce électronique. Aujourd'hui, nous explorons comment nous pouvons utiliser la récence, la fréquence et les données monétaires de nos clients pour débloquer   marketing personnalisé et augmenter l'engagement. Mieux encore, nous verrons comment l'analyse RFM est l'un des meilleurs moyens de maximiser l'analyse de cohorte pour augmenter la rétention .

Pour passer aux exemples de segmentation RFM, cliquez ici.

L'analyse RFM est une technique de segmentation du comportement des clients basée sur les données .

RFM signifie récence, fréquence et valeur monétaire.

L'idée est de segmenter les clients en fonction de la date de leur dernier achat, de la fréquence à laquelle ils ont acheté dans le passé et du montant global de leurs dépenses. Ces trois mesures se sont avérées être des prédicteurs efficaces de la volonté d'un client de s'engager dans des messages et des offres marketing.

Alors que l'analyse RFM est née dans le publipostage, c'est un outil puissant que les magasins de commerce électronique peuvent utiliser aujourd'hui.

Ci-dessus est une excellente illustration de la façon dont la segmentation de la clientèle permet aux entreprises de parler aux valeurs spécifiques des clients. Source de l'image : Interphone

Les premières applications connues de l'analyse RFM étaient dans l'industrie du catalogue. Les pionniers incluent Land's End, JC Penny's et d'autres. Depuis sa création, de nombreuses variantes de RFM ont été développées, y compris

La réalisation d'une analyse RFM de votre clientèle et l'envoi de campagnes personnalisées à des cibles à forte valeur ajoutée présentent des avantages considérables pour votre boutique en ligne.

Comment calculer la récence ? Ou la fréquence des scores ? Qu'est-ce qu'un bon seuil de monétisation ?

La définition des seuils est la première étape de la segmentation. Ci-dessous, nous discutons des mesures courantes que les entreprises de commerce électronique peuvent utiliser pour la récence, la fréquence et la monétisation.

La récence mesure le temps écoulé depuis le dernier achat.

Il existe deux défis pour les magasins de commerce électronique lors du calcul de la récence.

Premièrement, dans un monde omnicanal, il peut être difficile de relier les données d'achat de chaque canal.

Deuxièmement, chaque entreprise aura des interprétations différentes de ce qu'est un bon score de récence. Par exemple, les consommables ont un besoin inhérent de commandes fréquentes, ce qui raccourcit le temps requis depuis le dernier achat pour se qualifier pour un score plus élevé.

Ci-dessus, les produits Starbucks sont généralement consommés en une journée. Leur gamme de produits nécessite une interprétation différente des données de récence par rapport aux produits à rotation plus lente avec des cycles de vie beaucoup plus longs.

Les mêmes problèmes de récence se présentent également dans l'analyse de fréquence.

Encore une fois, le cycle de vie du produit

Le calcul des scores de récence, de fréquence et de monétisation présente des défis similaires. La réalité est que chaque entreprise est unique. Il est incroyablement difficile de créer des repères précis.

Heureusement, il existe quelques approches courantes pour attribuer correctement les métriques RFM.

Peut-être le moyen le plus simple de créer des scores RFM, l'analyse par quartile vous permet d'attribuer rapidement et équitablement des scores basés sur des performances relatives.

Chaque quartile donnera un score, de 1 à 4. La segmentation RFM finale utilisera ces scores ensemble.

Voici un excellent aperçu simple de l'utilisation des quartiles pour définir vos segments RFM à l'aide de Python.

Crédit d'image

La segmentation RFM n'a pas besoin d'être compliquée.

Ci-dessous, nous montrerons comment vous pouvez créer un modèle RFM dans Excel. Nous procédons étape par étape et incluons des captures d'écran afin que vous puissiez facilement reproduire le modèle.

Gardez à l'esprit que votre marque de commerce électronique est unique.

Ce ne sera pas le meilleur moyen pour votre entreprise en particulier, mais ce sera un excellent modèle sur lequel vous pourrez itérer.

Commençons.

Avant de commencer, vous devez définir le KPI qui compte le plus pour votre entreprise pour chaque vecteur de segmentation : récence, fréquence et monétisation.

Pour ce faire, vous devrez connecter votre historique d'achat à chaque client et sélectionner une période avec laquelle vous souhaitez travailler.

Pour notre exemple, nous allons utiliser les KPI et les délais suivants.

Récence : date du dernier achat
Fréquence : nombre total de commandes
Monétisation : valeur moyenne des commandes
Délai : 2 ans

Comme vous le verrez, l'analyse RFM est un processus simple. L'objectif est de noter systématiquement chaque client en fonction de la récence, de la fréquence et de la monétisation. Pour ce faire, nous classons d'abord tous les clients selon la métrique que nous avons choisie, puis nous les notons en fonction de leurs performances par rapport aux autres clients de votre base de données.

Il existe un certain nombre de KPI que vous pouvez utiliser pour la récence. Les exemples de KPI incluent

Pour cette procédure pas à pas, nous allons utiliser les jours depuis le dernier achat comme métrique principale.

Vous devez savoir intuitivement quelle métrique est la plus logique pour votre entreprise. Il y a de fortes chances que si vous êtes un magasin de commerce électronique traditionnel, la date du dernier achat sera également votre métrique de choix.

Tout d'abord, nous voulons télécharger vos informations client avec vos KPI spécifiés. Ici, nous avons simplement téléchargé ces informations directement depuis Barilliance et les avons téléchargées dans une feuille de calcul Google.

Ensuite, nous voulons nettoyer un peu la feuille.

Je supprime certaines colonnes indésirables que j'ai oublié de fermer : sessions, dernière vue, première vue, première commande et AOV.

Ensuite, vous allez ajouter trois colonnes pour vos scores RFM. Intitulez-les en haut "Récence", "Fréquence" et "Monétisation".

Enfin, j'applique un filtre sur les données pour faciliter le tri. Si vous ne savez pas comment appliquer un filtre, le processus est simple. Sélectionnez toutes vos données, y compris vos en-têtes (vous pouvez le faire rapidement en maintenant enfoncées les touches Maj + Commande + Flèches).

Une fois toutes vos données sélectionnées, cliquez sur données-> filtrer.

Une fois que vous avez terminé, votre feuille devrait ressembler à ceci.

Accédez à votre KPI de récence et triez la liste dans l'ordre approprié. Dans notre cas, nous allons dans "Jours depuis le dernier achat" et trions par ordre décroissant.

Enfin, notez chaque client en fonction de sa position.

Bien qu'il existe quelques méthodologies pour ce faire, j'ai trouvé la plus simple et la plus utile avec les quartiles.

Divisez votre nombre total de clients par quatre. Ensuite, attribuez à chaque quartile un score reflétant la position.

Premier quartile : 1

Deuxième quartile : 2

Troisième quartile : 3

Quatrième quartile : 4

Ne vous inquiétez pas trop pour que tout soit "parfait". Par exemple, nous avons ici deux clients qui ont tous deux commandé au cours des trois derniers jours. Je leur ai simplement attribué un score de récence de 1, même si cela met 5 clients avec un score de 1 et trois avec un score de 2.

À ce stade, votre feuille devrait ressembler à celle ci-dessous.

Le processus est très similaire pour la fréquence et la monétisation.

Bien que nous utilisions le nombre total de commandes au cours des deux dernières années comme notre KPI de fréquence, vous pouvez sélectionner un certain nombre de mesures concurrentes. Certains d'entre eux incluent:

Comme mentionné précédemment, nous allons utiliser le nombre de commandes comme KPI de fréquence. Répétez les étapes 2.b et 2.c, attendez-vous à utiliser votre KPI de fréquence comme métrique de guidage. Après avoir noté, votre feuille devrait ressembler à celle ci-dessous.

Enfin, vous êtes prêt à éliminer les scores de monétisation.

Les KPI de monétisation incluent

Comme précédemment, répétez les étapes 2.b et 2.c, attendez-vous à utiliser votre KPI de monétisation comme métrique directrice. Après avoir noté, votre feuille devrait ressembler à celle ci-dessous.

Génial!

À ce stade, vous avez fait l'analyse. Vient ensuite la partie amusante - en fait, utiliser ces nouvelles informations pour identifier les segments rentables.

Les spécialistes du marketing ont utilisé cette segmentation de nombreuses façons pour orienter leur marketing. Voici quelques idées parmi lesquelles choisir.

Note RFM : 111

Qui sont-ils : les clients très engagés qui ont acheté le plus récemment, le plus souvent et généré le plus de revenus.

Stratégies de marketing : concentrez-vous sur les programmes de fidélisation et l'introduction de nouveaux produits. Ces clients se sont avérés plus disposés à payer, alors n'utilisez pas de prix réduits pour générer des ventes supplémentaires. Au lieu de cela, concentrez-vous sur les offres à valeur ajoutée grâce à des recommandations de produits basées sur les achats précédents.

Ci-dessus, Uber cible son segment de clientèle RFM "principal", en présentant sa nouvelle offre Uber Eats.

Score RFM : X1X

Qui sont-ils : les clients qui achètent le plus souvent dans votre magasin.

Stratégies de marketing : Les programmes de fidélisation sont efficaces pour ces visiteurs réguliers. Les programmes de plaidoyer et les examens sont également des stratégies X1X courantes. Enfin, envisagez de récompenser ces clients avec la livraison gratuite ou d'autres avantages similaires.

Ici, Costco complète son modèle commercial d'adhésion avec une carte de crédit personnalisée pour augmenter encore les taux d'achats répétés et augmenter la part de portefeuille.

Note RFM : XX1

Qui sont-ils : les clients qui ont généré le plus de revenus pour votre magasin.

Stratégies de marketing : ces clients ont démontré une forte volonté de payer. Envisagez des offres premium, des niveaux d'abonnement, des produits de luxe ou des ventes croisées/incitatives à valeur ajoutée pour augmenter l'AOV . Ne perdez pas de marge sur les remises.

Score RFM : X13, X14

Qui sont-ils : des clients qui reviennent souvent, mais qui ne dépensent pas beaucoup.

Stratégies marketing : Vous avez déjà réussi à fidéliser. Concentrez-vous sur l'augmentation de la monétisation grâce à des recommandations de produits basées sur des achats antérieurs et des incitations liées à des seuils de dépenses (liés à l'AOV de votre magasin).

Ci-dessus, un exemple de Target utilisant le marketing du cycle de vie sur des segments RFM spécifiques. Remarquez comment ils associent des remises financières à des seuils de dépenses pour stimuler les achats répétés et augmenter la rentabilité des clients.

Un autre exemple vient d'AirBnb. Ici, ils envoient des messages déclenchés en fonction de l'activité de visionnage du client pour inciter une réservation.

Score RFM : 14X

Qui sont-ils : les premiers acheteurs sur votre site.

Stratégies de marketing : La plupart des clients ne deviennent jamais fidèles. La mise en place de stratégies claires pour les premiers acheteurs, telles que des e-mails de bienvenue déclenchés, rapportera des dividendes.

Starbucks est excellent pour déplacer les clients sur les segments RFM. Ci-dessus, ils utilisent le courrier électronique pour amener les clients dans leur programme de récompenses de fidélité. Vous pouvez voir notre étude de cas complète sur Starbucks ici.

Score RFM : 44X

Qui sont-ils : d'excellents anciens clients qui n'ont pas acheté depuis un certain temps.

Stratégies de marketing : Les clients partent pour diverses raisons. En fonction de votre situation, des offres de prix, des lancements de nouveaux produits ou d'autres stratégies de fidélisation .

Barilliance vous permet non seulement de créer des expériences personnalisées pour chaque segment RFM. Il vous donne également la possibilité de créer des tests ab multivariés.

Vous pouvez rapidement voir quelles offres résonnent le plus avec un segment donné, découvrir quel contenu mène à des ventes, et plus encore.

L'un des défis importants de l'analyse RFM (et de la segmentation en général) est de créer une vue complète à 360 degrés d'un client. L'acheteur omnicanal d'aujourd'hui n'est pas très différent du monde du publipostage dont RFM est né. RFM est toujours un modèle incroyablement puissant.

Mais son efficacité est déterminée par la qualité des données dont vous disposez.

C'est là que Barilliance brille. Il crée une vue globale du client, à travers les appareils, les sessions d'achat et les canaux. Vous pouvez voir avec quelles pages les clients interagissent, le temps écoulé depuis le dernier achat, le volume des commandes, l'engagement envers la marque et plus encore.

En d'autres termes, vous avez la possibilité de créer des segments très détaillés, y compris tous ceux dont nous avons parlé ci-dessus, via une interface simple.

Passer à l'action.

RFM est un moyen établi et clair de tirer le meilleur parti de votre liste de clients.

Mais...

Si vous souhaitez faire passer RFM au niveau supérieur, vous devez envisager la rétention de Barilliance. Il améliore l'analyse RFM traditionnelle de deux manières fondamentales.

Tout d'abord, il connecte vos achats en ligne et hors ligne, votre comportement sur le Web et vos données démographiques en un seul endroit, ce qui vous permet d'effectuer des segmentations plus précises.

Deuxièmement , il vous permet d'automatiser les campagnes sur des segments définis. Il se connecte à la personnalisation Web et aux recommandations individuelles de produits par e-mail pour personnaliser chaque interaction non pas au niveau du segment, mais au niveau individuel.

Demandez une démo pour la rétention ici .