Segmentation RFM

📌 Contexte

Les équipes métiers avaient besoin d’une meilleure compréhension des comportements clients afin de cibler plus efficacement leurs actions marketing. Les données brutes disponibles contenaient de nombreux historiques de transactions, mais elles n’étaient pas exploitées sous forme de segmentation.

​

🎯 Objectif

Mettre en place une segmentation RFM pour classer les clients selon la récence, la fréquence et le montant de leurs opérations. L’objectif était de créer des groupes homogènes de clients (ex. : Champions, Fidèles, À risque, Futurs churners) afin d’adapter les campagnes marketing et les analyses de satisfaction.

​

🛠️ Réalisations

• Extraction et préparation des données transactionnelles (date, fréquence, montant).

• Définition des variables RFM et calcul de chaque indicateur par client.

• Attribution de scores et création de segments clients.

• Mise en place de catégories types (Champions, Nouveaux clients, Fidèles, À réactiver, Futurs churners, etc.).

• Visualisation et analyse des segments pour identifier des leviers d’actions marketing et de suivi de satisfaction.

​

📊 Résultats

• Mise à disposition d’une vue claire et actionnable de la base clients.

• Possibilité pour les métiers d’adresser des campagnes plus ciblées et pertinentes.

• Amélioration du suivi du churn et identification des clients à forte valeur.

• Outil d’aide à la décision pour la stratégie marketing et relation client.

​

🔧 Compétences mobilisées

• Techniques : SQL, Tableau (visualisation), data preparation & scoring.

• Transverses : connaissance client, marketing data-driven, vulgarisation de la segmentation.