Le score RFM permet de classer vos clients en fonction de leur comportement d’achat. En combinant trois données la date du dernier achat, la fréquence des commandes et le montant dépensé, vous obtenez un classement simple mais très efficace pour piloter vos actions marketing, ajuster vos campagnes e-commerce ou personnaliser vos relances.
Les trois données qui composent un score RFM
Le modèle repose sur trois indicateurs faciles à récupérer depuis votre CRM, Shopify, Prestashop, WooCommerce ou une base SQL.
R : la dernière date d’achat (Recency)
La donnée mesure le nombre de jours écoulés depuis le dernier achat.
Plus le client a acheté récemment, plus la note est élevée.
Exemple :
- 0–30 jours : note haute
- 31–90 jours : note moyenne
- Plus de 90 jours : note basse
Cette valeur est souvent la plus déterminante, car elle reflète l’activité immédiate d’un client selon plusieurs références.
F : le nombre d’achats réalisés (Frequency)
La fréquence correspond au volume de commandes placées sur une période donnée (souvent 12 mois).
L’idée est de repérer les clients qui reviennent régulièrement.
Exemple :
- 6 commandes ou plus : note haute
- 2 à 5 commandes : note moyenne
- 1 commande : note basse
Cette mesure met en lumière les profils récurrents, précieux pour la rentabilité globale.
M : le montant total dépensé (Monetary)
Cette valeur désigne la somme dépensée sur la même période que la fréquence.
Plus un client investit dans vos produits, plus sa note est forte.
Exemple :
- Top 20 % des paniers cumulés : note haute
- Milieu de tableau : note moyenne
- Bas de tableau : note faible
Elle sert à identifier ceux qui génèrent la plus grande part du chiffre d’affaires.
A lire aussi: Une agence Paid media c’est quoi ?
Comment calculer un score RFM en pratique ?
Le score final s’obtient en attribuant une note à chaque critère, puis en les concaténant.
Le système le plus courant utilise des catégories de 1 à 5.
1. Collecter les données clients
Vous avez besoin :
- de la date de la dernière commande,
- du nombre total de commandes,
- du montant cumulé dépensé.
Ces données se récupèrent en quelques secondes dans tout CMS e-commerce ou depuis un export CSV.
2. Classer les clients en 5 groupes pour chaque critère
Une répartition en quintiles est la méthode la plus simple.
Exemple pour le critère Recency :
- Les 20 % les plus récents → note 5
- Les 20 % suivants → note 4
- …
- Les 20 % les plus anciens → note 1
Même logique pour Frequency et Monetary.
3. Générer le score final
On assemble les trois notes :
- Exemple : 5-5-4 signifie client très actif, fidèle et dépensier.
- Exemple : 1-2-1 désigne un client éloigné, qui achète peu et dépense peu.
Ce score vous permet de visualiser instantanément la valeur du client et son comportement global.
A voir également: Paid, Owned, Earned Media : focus sur ces leviers du marketing digital
Comment exploiter les segments RFM ?
Une fois les scores calculés, il est possible de créer des groupes opérationnels très efficaces pour le marketing :
Clients VIP (5-5-5, 5-4-5, 4-5-5)
Ils sont actifs, réguliers et dépensent beaucoup.
Actions pertinentes :
- avantages exclusifs,
- accès anticipé aux nouveautés,
- programme de fidélité renforcé.
Clients réguliers mais récents (5-4-3 ou 5-3-4)
Ils montrent un intérêt constant.
Actions possibles :
- campagnes d’upsell,
- incitations à l’abonnement,
- emails personnalisés.
Clients en décroissance (2-3-4, 1-4-3, etc.)
Ils achetaient souvent mais reviennent moins.
Actions utiles :
- offres ciblées de réactivation,
- recommandations de produits basées sur l’historique,
- code promo limité dans le temps.
Nouveaux clients (5-1-1)
Première commande récente.
Actions recommandées :
- séquences d’accueil,
- présentation de la gamme,
- preuve sociale et avis clients.
Clients dormants (1-1-1 ou 1-1-2)
Plus aucun signe d’activité.
Actions possibles :
- campagne “dernière chance”,
- enquête sur les raisons d’abandon,
- suppression du segment si inactif depuis plus de 24 à 36 mois.
Comment automatiser le score RFM ?
La plupart des outils marketing modernes permettent un calcul automatisé :
- Shopify + Klaviyo : segmentation dynamique instantanée, mise à jour continue.
- HubSpot : scoring avec workflows.
- Brevo (Sendinblue) : segmentation basée sur les commandes, facile à mettre en place.
- Google BigQuery + Looker Studio : utile pour les gros catalogues.
- SQL maison : idéal pour les entreprises avec data interne ou ERP.
L’automatisation garantit des segments à jour sans manipulation manuelle.
