Data Analytics
Par José Manuel Maseda · Publié le 20 novembre 2023
Les retailers segmentent leurs clients sous une forme ou une autre depuis que, au XIXe siècle, les catalogues de vente par correspondance ont commencé à adapter leurs offres selon la région et le type de client. Ce qui a changé, ce n’est pas l’idée, mais la résolution. Dans les années 1970, une chaîne de supermarchés pouvait segmenter selon les données démographiques du quartier. Aujourd’hui, un retailer peut segmenter selon ce qu’un client précis a acheté mardi dernier. Ce guide explique ce que signifie réellement la segmentation clients dans le retail, quels sont les types qui comptent et comment passer d’un exercice sur tableur à un segment qui déclenche lui-même une campagne en temps réel.
La segmentation clients consiste à diviser la base clients en groupes partageant une caractéristique significative (ce qu’ils achètent, à quelle fréquence, combien ils dépensent ou comment ils se comportent sur les différents canaux), afin d’adapter le marketing, les promotions et la communication à chaque groupe plutôt que de les envoyer de façon identique à tous.
L’enjeu n’est pas le regroupement en lui-même, mais ce qu’il permet au retailer de faire : cesser d’accorder la même remise à un client qui aurait acheté de toute façon et à un client sur le point de partir, car dans une campagne de masse, en ce moment, les deux paraissent identiques.

Deux choses ont relevé les enjeux. D’abord, les clients attendent désormais de la pertinence par défaut : une offre générique est perçue comme le signe que le retailer ne les connaît pas, et non comme un message neutre.
Ensuite, le coût de l’absence de segmentation est devenu visible et mesurable : une remise généralisée envoyée à toute la base, c’est de la marge offerte à des personnes qui n’avaient besoin d’aucune incitation pour acheter.
Les retailers qui disposent déjà de données clients propres et unifiées sont ceux qui sont en mesure d’agir. Les autres en sont encore à décider quoi envoyer à tout le monde en même temps.
La plupart des modèles de segmentation dans le retail reposent sur un petit nombre de dimensions, généralement combinées plutôt qu’utilisées isolément :
| Démographique Âge, sexe, localisation, tranche de revenus. La plus simple à construire, la plus facile à mal utiliser lorsqu’elle est seule. | Comportementale Ce que le client fait réellement : fréquence d’achat, catégories achetées, canal préféré, réaction aux promotions passées. |
| Psychographique Valeurs, motivations, mode de vie. Plus difficile à mesurer directement, elle est généralement déduite du comportement plutôt que demandée explicitement. | RFM Récence, Fréquence, Valeur monétaire Un modèle comportemental assez spécifique pour mériter sa propre explication, car c’est par là que la plupart des retailers commencent. |
Le RFM attribue à chaque client trois valeurs : depuis quand il a acheté, à quelle fréquence il achète et combien il dépense. Combinées, ces trois valeurs distinguent un meilleur client d’un client sur le point de partir, sans équipe de data science ni modèle statistique. C’est le point de départ naturel, car il ne nécessite que des données transactionnelles que le retailer possède déjà : pas d’enquête, pas de données externes, pas de supposition sur la motivation.
Le RFM indique à qui s’adresser. Le problème suivant que rencontrent la plupart des retailers n’est pas analytique mais opérationnel : transformer ce segment en campagne réelle implique généralement d’ouvrir un ticket auprès de l’IT, d’attendre une extraction de données et d’espérer que le segment soit encore exact au moment de la mise en ligne. Quand la campagne part, le client « sur le point de partir » est peut-être déjà parti.
Ce retard est un problème d’architecture, pas de compétences marketing. Les segments construits sur des extractions statiques deviennent obsolètes dès que le comportement du client évolue après l’extraction.

L’étape suivante après le RFM est la segmentation qui se met à jour d’elle-même au fil de l’évolution des comportements et déclenche une campagne sans nouvelle demande à l’IT à chaque fois : le segment reste vivant, et non figé au moment où quelqu’un a réalisé l’extraction.
Ce changement n’est rentable que lorsque la campagne déclenchée par le segment repose sur ce que le client a réellement fait, et non sur un message générique envoyé à toute la base. Dans ce cas, l’effet se voit directement dans la transaction :
+20 %
d’augmentation de la valeur moyenne des commandes sur les campagnes de cross-sell déclenchées par un comportement réel, par rapport aux campagnes génériques envoyées à toute la base (données de la plateforme).
Aucun des types de segmentation ci-dessus n’est utile si un même client apparaît sous la forme de trois enregistrements différents : un issu du POS, un de la plateforme e-commerce, un d’une carte de fidélité. La logique de segmentation ne peut être plus précise que l’identité sur laquelle elle repose. La plateforme de Wapping est conçue précisément pour résoudre ce point d’abord au niveau de l’identité : unifier l’activité de chaque client sur tous les canaux en un seul profil avant de construire le moindre segment.
80 millions
de clients gérés actuellement avec une identité unifiée sur la plateforme de Wapping : l’échelle qui rend possible une segmentation précise en production, et pas seulement sur un tableur.
C’est la pratique qui consiste à diviser la base clients d’un retailer en groupes partageant un trait significatif (comportement d’achat, fréquence, dépenses ou canal préféré), afin que le marketing puisse adapter les offres à chaque groupe plutôt que de traiter tous les clients de la même façon.
Démographique, comportementale, psychographique et RFM (récence, fréquence, valeur monétaire) sont les quatre les plus utilisées, généralement combinées plutôt qu’appliquées isolément.
Le RFM évalue les clients selon la récence de leur dernier achat, leur fréquence d’achat et leurs dépenses, en n’utilisant que des données transactionnelles que le retailer possède déjà. C’est un point de départ que la plupart des retailers utilisent avant de passer à une segmentation plus avancée et permanente.
Le RFM est généralement calculé et exporté sous forme d’instantané ; la segmentation dynamique se met à jour en temps réel à mesure que le comportement du client évolue et peut déclencher automatiquement une campagne, sans nouvelle demande à l’IT à chaque fois.
La segmentation ne porte ses fruits que lorsqu’elle passe d’une liste statique à une campagne en direct.
Découvrez comment Wapping transforme un segment en campagne en direct en quelques minutes.