Modèle RFM appliqué à l'email : segmenter ses clients par Récence, Fréquence, Montant

TL;DR. Le modèle RFM (Récence, Fréquence, Montant) est le framework de segmentation client le plus efficace pour prioriser vos efforts email. Il classe chaque client sur trois axes et produit 11 segments actionnables, de "Champions" à "Lost Customers". Nativement disponible dans Klaviyo via les propriétés prédictives, ou calculable manuellement dans un data warehouse. Ce guide couvre le calcul par quintiles, les 11 segments utiles et les actions email concrètes par segment.

Envoyer la même campagne à vos meilleurs clients et à vos clients dormants, c'est du revenu laissé sur la table et de la réputation brûlée en même temps. Le modèle RFM résout ce problème : il vous dit qui mérite une attention premium, qui est sur le point de partir, et à qui vous perdez du temps. En 2026, il n'y a aucune raison de ne pas l'appliquer dès 500 clients dans votre base.

1. Ce qu'est vraiment le modèle RFM

RFM est une méthode de segmentation qui classe chaque client sur trois dimensions comportementales :

R : Récence (Recency) - Depuis combien de temps ce client a-t-il acheté pour la dernière fois ? Un client qui a acheté il y a 7 jours est plus précieux à court terme qu'un client qui a acheté il y a 18 mois. Il est plus réceptif, plus dans la relation, plus proche du prochain achat.

F : Fréquence (Frequency) - Combien de fois ce client a-t-il acheté ? Un client avec 8 commandes sur 24 mois a une relation avec votre marque qu'un client one-shot n'a pas. Il connaît votre catalogue, il fait confiance à votre qualité.

M : Montant (Monetary) - Combien ce client a-t-il dépensé au total ? Le montant capture la valeur absolue générée. Un client avec 3 commandes à 200 € vaut plus qu'un client avec 5 commandes à 30 €.

Pourquoi ces trois dimensions et pas d'autres ? Parce qu'elles sont mesurables sur n'importe quelle base transactionnelle, qu'elles sont indépendantes (un client peut être récent mais peu fréquent, ou fréquent mais à faible montant), et qu'elles prédisent le comportement futur mieux que n'importe quel attribut démographique.

2. Calcul RFM : la méthode par quintiles

La méthode standard consiste à diviser votre base client en 5 groupes (quintiles) sur chaque dimension, puis à attribuer un score de 1 à 5 à chaque client sur chaque axe.

Étape 1 : définir les dimensions

Étape 2 : calculer les quintiles

Pour chaque dimension, divisez votre base en 5 groupes de taille égale (quintile 1 = 20 % les moins bons, quintile 5 = 20 % les meilleurs).

Exemple pour la Récence sur 1 000 clients :

Les seuils exacts dépendent de votre distribution. Ils ne sont pas fixes : chaque marque a ses propres quintiles. Un cycle d'achat naturel de 60 jours donnera des seuils très différents d'une marque avec un cycle de 18 mois.

Étape 3 : composer le score RFM

Chaque client reçoit trois scores (R, F, M), chacun de 1 à 5. La combinaison donne un code RFM à trois chiffres (ex : 5-4-3).

Vous ne "additionnez" pas les scores en un seul chiffre global. Un client 5-1-5 (très récent, achat unique, mais dépense élevée) est très différent d'un client 1-5-5 (fidèle et à forte valeur, mais n'a pas acheté depuis longtemps). Les additionner donnerait le même score dans les deux cas, ce qui efface l'information.

3. Les 11 segments RFM utiles

À partir des combinaisons de scores, on identifie 11 segments fonctionnels. Les noms varient selon les sources, mais les critères ci-dessous correspondent aux définitions standards.

Répartition typique : dans une base DTC mature, les Champions représentent 3 à 8 % des clients mais 25 à 40 % du CA. Les Lost Customers représentent 15 à 30 % de la base pour moins de 3 % du CA. Cela dit beaucoup sur où concentrer l'énergie CRM.

4. Actions email par segment RFM

L'intérêt du RFM n'est pas d'avoir de beaux segments dans un tableau. C'est d'adapter l'action CRM par segment.

Champions (R=5, F=5, M=5)

Objectif : maintenir l'engagement, récompenser, transformer en ambassadeurs.

• Accès anticipé aux nouveaux produits (early access 48h avant le grand public)
• Invitations aux programmes de fidélité ou de parrainage
• Contenu exclusif (behind the scenes, founder letter)
• Ne pas sur-promotionner : les Champions n'ont pas besoin de -20 % pour acheter

Fréquence d'envoi acceptable : jusqu'à 4 à 5 fois par semaine si le contenu est premium. Ce segment a un open rate typiquement 2 à 3 fois supérieur à la base.

Loyal Customers (F=4-5, M=4-5)

Objectif : cross-sell, upsell, maintenir la fréquence d'achat.

• Suggestions de produits complémentaires basées sur l'historique d'achat
• Campagnes de lancement ciblées : "Vous avez adoré X, voici Y"
• Programme de fidélité si vous en avez un
• Témoignage client : invitez-les à partager leur expérience

Potential Loyalists (R=4-5, F=2-3)

Objectif : déclencher la 3e ou 4e commande pour ancrer la fidélité.

• Séquence de cross-sell ciblée sur les catégories complémentaires à leurs achats
• Reminder de réachat si votre produit est consommable (soins, alimentaire)
• Offre de fidélité progressive ("après votre 3e achat, voici votre avantage")

At Risk (R=2, F=4-5, M=4-5)

Objectif : urgence. Ce segment est le plus critique à adresser.

• Séquence winback agressive avec une offre forte
• Objet personnalisé ("Vous nous manquez, [Prénom]")
• Enquête de satisfaction : comprendre pourquoi ils ont arrêté
• Délai maximum de réponse : déclencher le winback à 60-75 % du cycle d'achat naturel, pas à 180 jours

Can't Lose Them (R=1, F=5, M=5)

Objectif : intervention manuelle si possible, winback one-shot sinon.

• Email personnalisé avec valeur de marque forte, pas de promo immédiate
• Offre exclusive non accessible publiquement
• Appel téléphonique si le ticket moyen le justifie (> 300 € de LTV)
• Si pas de réaction : passage en Lost Customers après 2 tentatives

About to Sleep (R=2, F=2-3)

Objectif : réengagement avant qu'il soit trop tard.

• Campagne de réengagement avec contenu de valeur (pas seulement promo)
• Rappel des achats précédents et suggestions de compléments
• Fréquence réduite pour ne pas accélérer la désabonnement

Hibernating et Lost Customers

Objectif : tenter une dernière réactivation, sinon sunset.

• Une campagne one-shot "nous sommes toujours là, voici ce que vous avez manqué"
• Si pas de réaction, sunset flow
• Ne pas dépenser de l'énergie CRM disproportionnée sur ces segments

5. Implémenter RFM dans Klaviyo

Option 1 : segments natifs Klaviyo (simplifiée)

Klaviyo propose des propriétés prédictives natives (Predictive Analytics) qui calculent des scores proches du RFM pour les clients sur Shopify :
- "Expected Date of Next Order" : estimation de la prochaine commande
- "Historic Customer Lifetime Value" : valeur historique
- "Predicted Customer Lifetime Value" : valeur prédite sur 1 an
- "Number of On-time Purchases" : fréquence

Vous pouvez créer des segments Klaviyo basés directement sur ces propriétés sans calcul manuel.

Exemple de segment "Champions" dans Klaviyo :

Placed Order at least 5 times
AND Historic CLV is greater than [votre seuil 80e percentile]
AND Last Placed Order date in the last 30 days

Option 2 : calcul RFM via data warehouse

Pour les marques avec un volume de données important (> 10 000 clients) ou une stack data (BigQuery, dbt, Looker), le calcul RFM par quintiles est fait en SQL dans le data warehouse, puis les scores sont poussés vers Klaviyo via l'API comme propriétés custom sur chaque profil.

Avantages : précision du calcul, flexibilité des seuils, possibilité de faire évoluer le modèle, historique des scores dans le temps.

Query SQL de base pour calculer les quintiles RFM :

WITH rfm_base AS (
  SELECT
    customer_email,
    DATEDIFF(CURRENT_DATE, MAX(order_date)) AS recency_days,
    COUNT(DISTINCT order_id) AS frequency,
    SUM(order_value) AS monetary
  FROM orders
  WHERE order_date >= DATE_SUB(CURRENT_DATE, INTERVAL 24 MONTH)
  GROUP BY customer_email
),
rfm_scores AS (
  SELECT
    customer_email,
    NTILE(5) OVER (ORDER BY recency_days DESC) AS r_score,
    NTILE(5) OVER (ORDER BY frequency ASC) AS f_score,
    NTILE(5) OVER (ORDER BY monetary ASC) AS m_score
  FROM rfm_base
)
SELECT *, CONCAT(r_score, f_score, m_score) AS rfm_code
FROM rfm_scores

6. Cadence de mise à jour des scores

Le modèle RFM n'est utile que si les scores sont mis à jour régulièrement.

7. FAQ

Combien de clients faut-il pour que le RFM soit pertinent ?

Le calcul par quintiles nécessite au moins 200 à 300 clients pour que les groupes aient une taille statistiquement significative. En dessous, une segmentation manuelle simpler (acheteurs 1 fois, acheteurs 2+ fois, inactifs) donne des résultats comparables avec moins de complexité. Le RFM devient vraiment puissant à partir de 1 000 clients transactionnels.

RFM et CLV sont-ils la même chose ?

Non. La CLV (Customer Lifetime Value) est une valeur financière : combien ce client va-t-il générer sur toute sa vie. Le RFM est un score comportemental : quelle est sa dynamique d'achat actuelle. Un client avec un RFM élevé a une forte probabilité d'avoir une CLV élevée, mais ce n'est pas la même mesure.

Peut-on appliquer RFM aux prospects (contacts non-acheteurs) ?

Pas directement. RFM est un modèle transactionnel, il requiert un historique d'achats. Pour les prospects, vous pouvez utiliser une variante basée sur l'engagement email (Récence d'ouverture, Fréquence de clic, et un proxy de "Montant" comme le nombre de formulaires remplis ou de pages visitées). Mais c'est un modèle différent.

Le M (Montant) doit-il être le LTV total ou l'AOV ?

Préférez le LTV (valeur totale depuis le premier achat) plutôt que l'AOV (panier moyen). L'AOV reflète le comportement d'achat sur une transaction, le LTV reflète la valeur de la relation. Le LTV est plus stable et plus prédictif du comportement futur.

Comment intégrer les retours et remboursements dans le calcul RFM ?

Calculez le Montant sur le revenu net (après déduction des retours et remboursements). Un client avec un fort historique de retours peut avoir un LTV brut élevé mais un LTV net faible, ce qui change radicalement son positionnement RFM.

→ Réserver un audit segmentation

À lire ensuite :
- Lifecycle marketing : la méthode pour faire de l'email 35 % du CA
- Calcul de la CLV email : combien rapporte vraiment un abonné newsletter

Charlotte Rodrigues, CRM Lead chez Deliver by Make Sense.