Un client qui part ne prévient pas. Il ne se plaint pas, ne se désabonne pas de la newsletter : il espace ses commandes, puis il arrête. Les tableaux de bord suivent le nombre de clients et le panier moyen ; ils ne montrent pas qui est en train de décrocher, ni ce que ces départs silencieux ont déjà coûté. On s’en aperçoit quand il est trop tard pour agir.

C’est pour cela que nous regardons la base clients comme une suite de comportements dans le temps, et non comme une liste de contacts. Cet article explique comment repérer, client par client, ceux qui s’éloignent, et comment intervenir au bon moment plutôt que par des relances envoyées à tout le monde.

Pourquoi le départ d’un client passe inaperçu

La plupart des boutiques mesurent la fidélité par des moyennes : taux de réachat global, panier moyen, nombre de commandes par client. Ces moyennes bougent lentement. Une base peut perdre chaque mois une partie de ses acheteurs réguliers pendant que de nouveaux clients, attirés par la publicité, maintiennent les chiffres à flot.

Le coût n’apparaît donc nulle part. Pourtant, un client qui a déjà acheté plusieurs fois connaît la marque, fait confiance au produit et rachète sans qu’on ait à le convaincre de nouveau. Le perdre sans s’en rendre compte, c’est payer de nouveau pour acquérir ce qu’on avait déjà.

Dans notre analyse de deux ans de ventes d’un e-commerçant santé-nutrition, sur 14 741 clients, 5 129 n’avaient rien commandé depuis plus de 90 jours. Ils avaient pourtant généré 538 421 € de chiffre d’affaires au fil de leurs commandes. Aucun ne s’était plaint. Autre signal : 64 % des clients n’avaient passé qu’une seule commande en deux ans, pour des produits qui se consomment et se rachètent.

Étape 1 : regrouper les clients selon leur comportement

La première étape consiste à décrire chaque client par trois indicateurs : l’ancienneté de son dernier achat, la fréquence de ses commandes et le montant qu’il a dépensé. Un algorithme de regroupement fait ensuite apparaître des profils, sans seuils fixés à l’avance.

Dans la base analysée, trois profils se dégageaient : 2 411 clients réguliers à forte valeur, qui achètent souvent et à prix plein ; 7 201 clients fidèles, la base régulière ; et les 5 129 clients inactifs. Ces profils n’appellent pas le même traitement. Les clients à forte valeur méritent une attention particulière, pas des remises. Les clients inactifs posent une autre question : pourquoi sont-ils partis, et peut-on encore les faire revenir ?

Étape 2 : mesurer le rythme propre à chaque client

Un seuil unique, du type « inactif après 90 jours », est utile pour un premier état des lieux, mais trop grossier pour agir. Un client qui commande tous les mois et n’a rien acheté depuis six semaines est déjà en retard ; un client qui commande deux fois par an ne l’est pas.

Nous calculons donc, pour chaque client, son rythme habituel de rachat, à partir de l’intervalle entre ses commandes et du type de produits qu’il achète. Pour des produits consommables, ce rythme suit souvent la durée d’utilisation d’un flacon ou d’une boîte. Un client qui dépasse nettement son propre rythme envoie un signal, bien avant d’atteindre le seuil général.

Étape 3 : calculer un score de risque de départ

Un modèle de classement apprend, sur l’historique, à reconnaître les comportements qui ont précédé les départs passés : allongement des intervalles, baisse du panier, abandon d’un produit habituel, remises de plus en plus fréquentes pour déclencher l’achat. Il attribue ensuite à chaque client actif un score de risque, mis à jour à mesure que ses commandes arrivent ou n’arrivent pas.

Un point de méthode est décisif : le modèle ne doit apprendre qu’avec les informations disponibles à la date de chaque prévision. S’il voit, sans le savoir, des données postérieures au moment où il est censé prévoir, il paraît excellent sur le papier et se trompe en conditions réelles. Le détail de nos précautions sur ce point figure dans notre méthode, de vos données brutes à des prévisions fiables.

Étape 4 : relancer au bon moment, avec le bon produit

Le score n’a de valeur que s’il change l’action. Plutôt qu’un envoi en masse à toute la base, chaque client à risque reçoit une relance au moment où il s’écarte de son rythme, centrée sur le produit qu’il rachète habituellement. Les clients sans risque ne sont pas sollicités inutilement, et les remises sont réservées à ceux pour qui elles changent vraiment la décision.

Le même principe s’applique au premier rachat. Quand une large part des clients ne passe qu’une commande, le moment qui suit la première livraison est celui où se joue la fidélité : un rappel calé sur la durée d’utilisation du produit, un conseil d’usage, une suggestion cohérente avec le premier achat.

Étape 5 : mesurer ce que les relances changent

Une relance qui semble efficace peut simplement toucher des clients qui seraient revenus d’eux-mêmes. Pour le savoir, on garde une partie des clients à risque sans relance, choisie au hasard, et on compare les taux de retour des deux groupes. C’est la seule façon d’attribuer un résultat à l’action plutôt qu’à la saison ou au hasard. Le modèle est ensuite réentraîné régulièrement sur les nouveaux départs et les nouveaux retours.

Ce que la démarche fait apparaître

  • Un montant : le chiffre d’affaires déjà porté par les clients qui s’éloignent.
  • Des profils de clients qui ne se traitent pas de la même façon.
  • Une liste de clients à risque, mise à jour en continu, avec le produit à mettre en avant pour chacun.
  • Des relances mesurées, dont l’effet réel est séparé de ce qui se serait produit sans elles.

Les signes que vous êtes concerné

  • Vous ne savez pas combien de clients n’ont rien commandé depuis trois mois.
  • La majorité de vos clients ne passent qu’une seule commande.
  • Vos relances partent à toute la base, avec le même message.
  • Vos remises servent surtout à faire revenir des clients qui auraient peut-être acheté sans elles.
  • Vos dépenses d’acquisition augmentent pour maintenir le même chiffre d’affaires.
  • Vous découvrez le départ d’un bon client longtemps après sa dernière commande.

Les questions que vous vous posez probablement

Faut-il un outil d’e-mailing particulier ?

Non. Les scores et les listes de clients à relancer arrivent dans vos outils existants, votre outil d’e-mailing ou votre back-office. Si vous n’avez pas d’outil adapté, nous mettons une interface à votre disposition.

De quelles données avez-vous besoin ?

L’historique des commandes, idéalement sur deux ans, avec un identifiant client et le détail des produits. Un accès en lecture seule ou de simples exports suffisent : rien n’est modifié dans vos systèmes.

Que deviennent les données de nos clients ?

Elles sont pseudonymisées avant toute analyse : les modèles travaillent sur des identifiants, jamais sur des noms ou des adresses. Elles sont hébergées en Belgique, dans un environnement isolé propre à votre entreprise, et un accord de traitement des données est signé avant toute analyse.

Pourquoi ne pas le faire sur un tableur ?

Un tableur peut lister les clients inactifs depuis une date. Il ne calcule pas le rythme propre à chaque client, ne repère pas les comportements qui précèdent un départ et ne mesure pas l’effet réel d’une relance.

Et si l’analyse ne révèle rien ?

Alors nous vous le disons, et vous ne construisez rien. Nous ne promettons aucun gain avant d’avoir mesuré.

Et chez vous ?

Vos clients qui s’éloignent ont déjà une valeur, et elle se mesure. Si vous voulez savoir ce que disent vos propres données, parlons-en.