Aucun client ne vous prévient qu’il s’en va. Il ne résilie pas, ne se plaint pas, ne se désabonne de rien : un mois, il achète un peu moins ; le mois suivant, il laisse passer quelques semaines ; et quand vous vous en rendez compte, cela fait six mois qu’il n’a pas mis les pieds en magasin. C’est pourquoi savoir comment détecter les clients à risque de churn est bien plus utile que de compter ceux qui sont déjà partis.
La bonne nouvelle, c’est que cette perte silencieuse laisse une trace dans vos propres données d’achat. La mauvaise, c’est que presque personne ne les regarde à temps : on s’y intéresse quand la campagne de reconquête arrive trop tard ou, pire, quand on accorde une remise à un client pour qui elle ne sera jamais rentable. Voici une autre façon de faire, sans listes figées et avec des règles claires fondées sur le comportement réel.
Elle s’applique à une chaîne de magasins, à la restauration ou à toute activité dans laquelle vous pouvez identifier vos clients réguliers.
1. Le churn silencieux : pourquoi il n’y a presque jamais de départ explicite
Dans un modèle par abonnement, le churn a une date : quelqu’un résilie. Dans le retail, ce n’est pas le cas. Le client qui s’éloigne ne fait aucun geste : ses habitudes d’achat se refroidissent, tout simplement. Cette différence change tout : si vous attendez que le départ soit évident, le client est déjà perdu. C’est pourquoi le taux de churn dans le retail, calculé comme pour un abonnement, arrive toujours trop tard : quand le départ apparaît dans les chiffres, il a déjà eu lieu.
Il y a un second problème. Le client qui achetait toutes les trois semaines et ne vient plus que tous les deux mois n’apparaît dans aucun rapport de ventes : ses achats continuent de s’additionner, simplement plus espacés. Pour le voir, il faut regarder le client, pas le magasin.
Les causes sont variées. Certains partent après une mauvaise expérience sans le dire, d’autres passent à la concurrence sans prévenir, d’autres encore changent simplement d’habitudes. Dans vos données, les trois se traduisent de la même façon : moins d’achats, plus espacés, et un historique qui s’éteint.

Si vous vous demandez comment détecter les clients à risque de churn, commencez par là : le client doit être identifié. Sans l’historique de chaque personne, il n’y a rien à comparer, et sans comparaison, il n’y a pas de signal.
2. Comment détecter les clients à risque de churn avec le RFM : les signaux que vous pouvez mesurer dès aujourd’hui
Nul besoin de boule de cristal. Il suffit de décider quel comportement vous considérez comme un « refroidissement » et de le mesurer automatiquement. Voici les signaux que vous pouvez suivre avec les données d’achat dont vous disposez déjà.
Les quatre états RFM, de « à risque » à « perdu »
Le modèle RFM classe chaque client selon trois variables : la date de son dernier achat (récence), la fréquence de ses achats et le montant qu’il dépense. Dans Wapping, le RFM est calculé en permanence, et il en découle quatre états qui jalonnent le chemin vers le départ.
- At Risk (à risque). Un bon client, avec une fréquence et une valeur moyennes ou élevées, qui n’a pas acheté depuis un moment. C’est le plus coûteux à perdre et le plus rentable à récupérer.
- About to churn (sur le point de partir). Un client à la fréquence et à la valeur moyennes dont les habitudes d’achat commencent à se refroidir.
- Hibernating (en hibernation). Un client qui n’a pas acheté depuis longtemps, avec une fréquence faible et une valeur faible ou moyenne.
- Lost (perdu). Un client qui n’a pas acheté depuis très longtemps, avec une fréquence et une valeur faibles.

Dans le RFM retail de Wapping, les états ne sont pas calculés uniquement à partir des quintiles : le système s’appuie aussi sur les valeurs absolues et sur le net, c’est-à-dire les ventes moins les retours. Un client qui achète beaucoup mais retourne presque tout n’est pas aussi bon client qu’il en a l’air.
Comment détecter les clients à risque de churn quand leurs habitudes d’achat changent
Certains départs mettent du temps à apparaître dans le RFM seul : ceux des clients qui ont leur propre rythme. Celui qui achète chaque année à Noël, ou celui qui fait ses achats en septembre pour la rentrée.
Avec Wapping, vous pouvez créer un segment regroupant les clients qui ont acheté à Noël l’an dernier et ne l’ont pas encore fait cette année, et repérer ceux dont le comportement saisonnier a changé.
Il en va de même pour les niveaux d’un programme de fidélité : vous pouvez repérer les clients qui risquent de descendre de niveau et agir avant que cela n’arrive.
3. Segmentation RFM appliquée au retail : détecter les clients à risque de churn sans listes figées
Une liste de clients à risque exportée un lundi est un instantané : dès le mardi, elle n’est plus à jour. La segmentation dynamique fait l’inverse : le client entre dans le segment et en sort automatiquement, en fonction de son comportement. Dans certains segments, la mise à jour se fait en temps réel ; dans d’autres, toutes les deux heures.
Vous avez deux points de départ : les segments RFM prédéfinis et ceux que vous construisez vous-même avec les critères que votre entreprise considère comme un signal de départ. C’est la seconde option qui fait la différence, car le sens de « se refroidir » dépend de l’activité : la fréquence normale d’un café n’a rien à voir avec celle d’une boutique de mode.
Une fois le segment défini, vous lancez la promotion et la communication sur ce segment ; quand le client rachète, il en sort de lui-même, sans que personne ait à nettoyer de listes. Le tout sans passer par l’équipe IT : le marketing définit le critère et le segment se met à jour tout seul.
Si vous voulez voir comment les construire pas à pas, nous l’expliquons dans notre article sur la segmentation dynamique dans le retail.
4. Seuils d’inactivité : 60, 90 ou 120 jours, mais jamais seuls
Le critère le plus répandu pour considérer un client comme inactif est le temps écoulé sans achat. Dans Wapping, le seuil est configurable, et les fenêtres habituelles sont de 60, 90 et 120 jours. L’erreur consiste à l’utiliser seul : le temps sans achat n’est que la moitié de la réponse.
Un client qui n’a rien acheté depuis 90 jours peut être quelqu’un qui dépensait 800 euros par an ou quelqu’un qui est venu une seule fois pour une promotion et a dépensé 40 euros. C’est un exemple illustratif, mais l’idée est bien réelle : même seuil, valeur très différente. C’est pourquoi on combine les règles : nombre de jours sans achat et montant dépensé sur une autre période.
C’est à vous de décider ce qui compte comme valeur historique : le montant dépensé sur la dernière année, par exemple, ou le net une fois les retours déduits. L’important est que le critère soit le même pour toute l’équipe et qu’il soit toujours appliqué de la même façon.

Une façon pratique de la lire, à titre indicatif :
- Valeur historique élevée. Il vaut la peine d’agir tôt, dès la fenêtre de 60 jours, avec une incitation à la hauteur.
- Valeur moyenne. Réactivation standard autour de 90 jours, avec une incitation ajustée.
- Valeur faible. Autour de 120 jours ; inutile d’engager une incitation coûteuse.
Et une nuance qui bat en brèche une idée très répandue : il n’existe pas de point de non-retour général. Certains clients considérés comme perdus se réactivent bien ; ce qui change, c’est ce que vous êtes prêt à investir dans chacun.
5. Campagne de réactivation des clients inactifs : les récupérer sans brader la marge
C’est là que beaucoup de campagnes perdent de l’argent : une remise pour tous les clients inactifs, sans vérifier si les ventes générées dégagent de la marge. Le critère qui fonctionne est l’inverse : conditionner l’incitation, à un minimum d’achat pour garantir un panier rentable, ou à certaines catégories ou certains produits dont la marge supporte l’investissement promotionnel.
Trois erreurs qui coûtent de la marge :
- Accorder la même remise à toute la base inactive, sans distinguer le client de valeur de celui qui ne l’est pas.
- Ne regarder que le nombre de jours sans achat, sans le croiser avec ce que le client a dépensé.
- Attendre que le client bascule en Lost. Les états intermédiaires existent justement pour agir plus tôt.
Côté canal, ce qui fonctionne généralement le mieux est une promotion spécifique, communiquée par un ou plusieurs canaux selon le nombre de personnes que vous voulez toucher. Pour un résultat rapide, le push ou le SMS donnent souvent de meilleurs résultats que l’email, et l’idéal est d’en combiner plusieurs. WhatsApp convient à des segments très précis où le canal est déjà actif, pas à un envoi massif à toute la base inactive.
Lorsque l’incitation est appliquée et utilisée au passage en caisse grâce au moteur headless de fidélisation et de promotions, le résultat se mesure directement sur la vente : vous savez combien de clients réactivés ont acheté, et avec quel panier, sans estimation.
6. Par où commencer cette semaine
Savoir comment détecter les clients à risque de churn ne sert pas à grand-chose si la réactivation brade ensuite la marge. Si vous vous demandez comment réduire le churn dans le retail grâce aux données, commencez par trois étapes, sans lancer de grand projet :
- Définissez votre seuil. Choisissez la fenêtre de 60, 90 ou 120 jours la plus cohérente avec la fréquence d’achat habituelle de vos clients.
- Croisez-le avec la valeur historique. Distinguez le client inactif qui vaut de l’or de celui qui ne justifie pas l’effort.
- Conditionnez l’incitatif. À un minimum d’achat ou à des catégories à bonne marge, jamais à toute la base de la même façon.
Une fois votre première campagne lancée, regardez quels segments ont répondu et ajustez le seuil. La première version est rarement la bonne.
Détecter les clients à risque de churn n’a rien de divinatoire : il s’agit de règles fondées sur le comportement réel, définies par votre entreprise et appliquées automatiquement. Si vous voulez voir comment cela se configure sur une plateforme réelle, découvrez comment fonctionne Wapping.