Comment s’organiser pour optimiser la Life Time Value, ou valeur de vie client ?

La valeur vie client (ou lifetime value en anglais) est la somme de revenus qu’un client génère tout au long de sa relation avec l’entreprise. Son optimisation permet d’augmenter les performances de l’entreprise sur le long terme.

La lifetime value est sans aucun doute l’une des métriques, voire la métrique la plus importante à suivre en B2B. Elle est même incontournable pour les activités basées sur un business model d’abonnement. Dans cet article, nous n’allons pas vous expliquer ce qu’est la lifetime value. Nous allons faire mieux : vous présenter les différentes étapes d’une méthode efficace pour l’optimiser. C’est parti.

#1 Choisir un modèle de calcul de la lifetime value

La première étape de la méthode que nous vous proposons consiste à choisir un modèle permettant de mesurer la valeur vie client de vos clients actuels. C’est la base. avant d’optimiser une métrique, il faut se la donner, ou plutôt la construire. Il existe plusieurs méthodes pour calculer la valeur vie client. La manière la plus simple consiste à mettre en regard les revenus générés en moyenne sur une période donnée par un client par la durée de vie moyenne d’un client. Par exemple, si un client rapporte en moyenne 35 euros par mois et que la durée de vie moyenne est de 18 mois, la lifetime value sera de 35 x 18 = 630 euros. Cette méthode simple n’est pas toujours utilisable. La méthode de calcul dépend au final beaucoup de votre activité.

Sachez que Google Analytics propose un rapport permettant de mesurer et de suivre la valeur vie client. Ce rapport est accessible dans l’onglet « Audience ». Vous pouvez utiliser ce rapport pour gagner du temps, même si cette option comporte des limitations. Le rapport permet de prédire la valeur vie client sur une durée de 90 jours seulement.

Découvrez notre comparatif entre Google Analytics 360 et Google Analytics standard.

#2 Implémenter un dispositif de tracking des utilisateurs / clients

Dans la mesure où vous allez gérer le comportement de vos clients sur une longue période de temps (en fait toute la durée de leur relation avec votre entreprise), vous devez mettre en place un dispositif de tracking. Pour le comprendre, prenons l’exemple de Google Analytics. GA utilise les cookies pour identifier les visiteurs connus (returning visitors). Cette méthode est très fragile car les utilisateurs peuvent à tout moment supprimer leurs cookies, transformant une partie des visiteurs connus (qui ont déjà visité le site) en nouveaux visiteurs. La méthode des cookies permet difficilement d’identifier les clients fidèles. Et surtout : le fait que les visiteurs puissent supprimer leurs cookies fausse fatalement le calcul de la valeur vie client proposé par Google Analytics…

La plupart des outils ne permettent pas d’identifier un même utilisateur à travers les différents appareils et navigateurs qu’il utilise, ce qui tend à diluer la valeur des clients qui suivent un parcours client cross-devices.

La meilleure manière de surmonter ces problèmes et ces limites est de réconcilier toutes les données clients autour de l’identifiant utilisateur. C’est la méthode la plus simple et la plus fiable pour calculer la valeur vie client. Si votre site web ne comporte pas d’interface d’identification, vous pouvez utiliser l’email comme identifiant (on parle de « clé d’appariement »). Si vous ne pouvez pas identifier vos clients / utilisateurs au moyen d’un identifiant (ID de connexion, email…), vous pouvez toujours utiliser les cookies, même si c’est moins fiable (pour les raisons mentionnées plus haut).

#3 Utiliser la segmentation RFM pour créer des cohortes

Se concentrer sur l’optimisation de la valeur vie client (plutôt que sur les métriques classiques liées aux taux de conversion) permet d’augmenter les performances de l’entreprise sur le long terme. L’amélioration de la valeur vie client s’observe sur longue période. Les effets des actions d’optimisation sont rarement immédiats. C’est la raison pour laquelle nous vous conseillons d’utiliser la méthode des cohortes pour analyser l’évolution de la lifetime value.

Pour cela, vous devez segmenter vos clients et associer chaque segment à une cohorte. Il existe d’innombrables techniques de segmentation, suivant les critères de segmentation choisis. Nous vous conseillons d’utiliser la technique classique mais toujours pertinente de l’analyse RFM. Le RFM est un modèle d’analyse qui permet de segmenter vos clients en fonction de trois paramètres évalués sur une période de 12 mois :

• La récence (R), c’est-à-dire la date de dernier achat ou la période écoulée depuis le dernier achat.
• La fréquence (F), c’est-à-dire le nombre de conversions réalisées par mois. Par exemple, le nombre de commandes.  La nature des conversions mesurées dépend de votre activité.
• Le montant (M), c’est-à-dire la valeur monétaire générée par vos clients depuis le début de leur relation avec votre entreprise (leur premier achat).

Chacun de vos clients est évalué suivant ces trois paramètres et reçoit trois scores (un score par paramètre). Pour calculer les scores, il est conseillé d’utiliser comme période de référence les 12 derniers mois. Pour chaque score, vous devez segmenter vos clients en trois groupes égaux numériquement (chacun réunissant 33% de vos clients). Le tertile inférieur regroupe les 33% de clients ayant les moins bons scores, le tertile supérieur les 33% de clients ayant les meilleurs scores (= vos « meilleurs clients »).

Les scores de chaque paramètre varient entre 1 et 3. 1 est le meilleur score, 3 le plus mauvais. Le score RFM, qui est l’agrégation des trois scores, permet de construire les différentes cohortes.

Découvrez notre guide complet sur la rétention client (définition, indicateurs & pilotage).

Exemples analyse des cohortes RFM

Premier exemple : un client qui se situe dans le tertile supérieur pour les trois paramètres appartient à la cohorte « 1 – 1 – 1 ».

Deuxième exemple : un client qui se situe dans le tertile inférieur pour les paramètres Récence et Fréquence, mais qui se situe dans le tertile intermédiaire pour le paramètre Montant appartiendra à la cohorte « 3 – 3 – 2 ».

Les clients appartenant à la cohorte « 1 – 1 – 1 » sont supposés être vos meilleurs clients. A l’inverse, les clients appartenant à la cohorte « 3 – 3 – 3 » représentent en théorie vos plus « mauvais » clients

Il est courant d’utiliser des quintiles plutôt que des tertiles pour l’analyse RFM (vos clients sont répartis en 5 groupes comportant chacun 20% de vos clients). Cela permet en effet d’avoir des cohortes avec une granularité plus haute et donc de réaliser des analyses plus détaillées. Mais cela rend aussi l’analyse plus complexe. Les tertiles sont un bon point de départ, surtout si vous n’êtes pas encore très familiers de la méthode d’analyse par cohortes.

Découvrez notre guide complet sur l’art de cartographier votre parcours client.

Tertiles, quartiles ou quintiles ?

Pour illustrer notre propos, dites-vous qu’en utilisant des tertiles, cela vous fait 3 x 3 x 3 cohortes au total, soit 27 cohortes. C’est gérable. Mais si vous utilisez des quartiles, vous passez tout de suite à 64 cohortes. En utilisant des quintiles, le nombre de cohortes bondit à 125 cohortes. Cela devient tout de suite beaucoup plus complexe à gérer…

N’oubliez pas que votre travail ne va pas se limiter à attribuer des scores à tous vos clients et à créer les cohortes. Vous allez devoir les analyser et identifier celles sur lesquelles travailler en priorité pour améliorer la lifetime value. Plus vous aurez de cohortes, plus vous aurez de travail. Si vous êtes une petite équipe et que vos clients ne se comptent pas par dizaines de milliers, nous vous recommandons vivement de vous « contenter » des tertiles.

#4 Identifier les cohortes avec la meilleure lifetime value

Le dispositif de tracking que vous avez mis en place doit vous permettre de suivre l’évolution de la lifetime value de chacune de vos cohortes. En théorie, les clients qui ont la plus grande valeur vie client sont aussi ceux qui appartiennent à vos meilleures cohortes. il y a une relation entre lifetime value et valeur RFM. Mais, attention, ce n’est pas toujours le cas. Un client qui achète peu et pour de faibles montants peut avoir une lifetime value importante si sa durée de vie est très élevée.

L’intérêt de la méthode des cohortes est qu’elle permet d’identifier les cohortes en mesure de vous rapporter le plus d’argent et le plus rapidement. Elle permet d’identifier les segments de clients à travailler en priorité.

Ces éclaircissements apportés, voici ce que vous devez faire : commencez par classer vos clients en fonction de leur lifetime value. Ensuite, identifiez à quelles cohortes appartiennent les 10% de vos clients avec la meilleure lifetime value. Cela vous permettra de savoir dans quelles cohortes se situent les clients qui sont susceptibles de générer le plus de revenus pour votre entreprise et d’identifier du même coup le comportement d’achat de vos clients les plus profitables.

Découvrez notre zoom sur 5 programmes relationnels pour améliorer votre rétention client.

#5 Identifier des schémas comportementaux dans vos cohortes

Vous avez maintenant devant vous la liste des cohortes dans lesquelles se répartissent vos 10% de clients ayant la plus grande lifetime value. Vous devez maintenant chercher à trouver des schémas, des patterns comportementaux dans ces cohortes pour chacun des paramètre RFM. L’objectif est de réussir à déterminer le comportement des clients qui ont la plus haute lifetime value pour ensuite pouvoir créer des campagnes/actions susceptibles d’inciter les clients des autres cohortes à adopter le même comportement pour augmenter leur valeur vie. Voici quelques conseils pour vous aider à identifier et interpréter les patterns pour chaque paramètre.

Avec la Récence, vous pouvez identifier la période de temps (timeframe) optimale entre chaque conversion pour que les clients restent le plus longtemps. Quel est le temps moyen entre deux conversions de vos clients avec la meilleure lifetime value ? Utilisez la réponse à cette question pour calibrer le timing de vos campagnes et inciter les clients qui ont une récence inférieure à la récence moyenne de vos meilleurs clients à convertir une nouvelle fois avant le terme de la période. Vous pouvez utiliser plusieurs méthodes :

• Activer les clients via des emails ou des notifications push en leur proposant des contenus pertinents pour les inciter à se rendre sur votre site et à convertir.
• Proposer des promotions limitées dans le temps aux clients qui sont sur le point d’atteindre le seuil du timeframe optimal entre chaque conversion.
• Etc.

La Fréquence vous permet de savoir combien de fois par mois vos meilleurs clients achètent chez vous. Analysez l’historique d’achat des clients appartenant à vos meilleures cohortes pour identifier des schémas d’achat (quels types de produits ?). Essayez de savoir ce que font ces clients de particulier et de différent des clients qui achètent moins souvent. A quelles genres de promotions sont-ils le plus sensibles ? Vous vous rendrez peut-être compte, par exemple, que la meilleure stratégie n’est pas de promouvoir vos produits les plus chers, mais plutôt d’inciter les clients à multiplier les petits achats pour les maintenir actifs et augmenter la fréquence d’achat

L’analyse du paramètre Montant permet de calibrer le montant des produits que vous proposez à vos clients dans le cadre de vos messages marketing. Essayez de déterminer le panier moyen des clients qui ont le meilleur score pour le paramètre Montant et la meilleure lifetime value.

Les clients avec le meilleur score au paramètre Montant ne sont pas forcément ceux qui ont la meilleure lifetime value. Imaginez par exemple un client qui a acheté deux ou trois fois seulement, mais avec à chaque fois un panier très élevé et donc un score « Montant » élevé. Il est possible que ce client n’achète plus jamais chez vous. Dans ce cas, le score « Montant » élevé est associé à une valeur vie client assez faible.

Découvrez 20+ exemples d’emails pour démarrer une relation commerciale.

#6 Ajouter des données de navigation à votre analyse

Vous savez maintenant :

• La timeframe optimale pour augmenter la lifetime value de vos clients.
• La fréquence d’achat moyenne de vos clients les plus rentables.
• Le panier moyen de vos clients les plus rentables, et donc le prix des produits que vous devez pousser aux clients des autres cohortes.

Par contre, vous ne connaissez pas encore le comportement des clients de vos meilleures cohortes lorsqu’ils naviguent sur votre site web. Voici le genre de questions que vous devez vous poser une fois que vous avez analysé vos cohortes RFM pour faire le lien entre le comportement d’achat de vos clients et leur comportement sur votre site web.

• Quel est le comportement de navigation des clients avec la plus grande valeur vie ?
• Quel est l’action que les utilisateurs font et qui a la plus grande corrélation avec les conversions répétées ?
• Y a-t-il des schémas identifiables dans le comportement de navigation des clients qui sont sur le point de rompre leur relation avec l’entreprise OU ont la lifetime value la plus faible ?
• Combien de points de contact de l’entonnoir de conversion ont utilisé les clients qui ont converti deux fois ?
• Quels sont ces points de contact ?
• Même raisonnement pour les clients qui ont converti 3, 4, 5, N fois.
• Comment réagissent vos clients aux promotions que vous leur poussez ?
• Quels types de promotions / d’offres ont le plus de chance d’inciter le client a acheté instantanément, sans prendre en compte le prix ?
• Combien de fois, en moyenne, les clients les plus rentables visitent votre site web ?
• Lorsqu’ils sont sur votre site web, quelles sont les principales pages qu’ils visitent ?

#7 Pousser plus de clients dans vos meilleures cohortes RFM

Vous avez maintenant une notion assez précise du parcours de conversion de vos clients les plus rentables (= ceux avec la lifetime value la plus élevée). Vous avez identifié à la fois leur comportement d’achat (via le RFM) et leur comportement de navigation (via vos outils de web analytics). A partir de là, vous pouvez commencer à expérimenter, à concevoir des actions / des campagnes incitant vos clients à suivre les schémas identifiés. Vous allez pouvoir identifier les bons triggers, ceux qui incitent vos clients à revenir sur votre site, à s’engager avec votre marque et à entrer dans le moule des schémas comportementaux que vous avez identifié grâce à l’analyse des cohortes.

L’intelligence artificielle va bouleverser le paysage des MarTech dans les années à venir. Découvrez notre guide complet sur l’impact de l’IA sur les logiciels SaaS marketing.

Rentabilité à court terme VS rentabilité à long terme

Optimiser la life time value peut possiblement impliquer que vous ferez moins d’argent sur le court terme. C’est le cas par exemple si vous avez identifié que les clients les plus fidèles avaient en commun un achat initial de faible montant. Ce schéma comportemental implique de faire moins d’argent au début, en poussant par exemple des produits de moindre montant pour inciter tous les clients à reproduire le comportement de vos meilleurs clients. Mais sur le long terme vous aurez plus de clients fidèles. A vous de trouver le bon équilibre et de calibrer votre stratégie marketing en fonction de vos objectifs.

Template d’analyse RFM Google Sheets

ConversionXL propose un template Google Sheets très pratique pour faire les analyses RFM. Il est accessible à cette adresse. Vous devez en faire une copie pour pouvoir l’utiliser et l’adapter. Voici à quoi il ressemble.

Ce template est composé de deux feuilles :

• Feuille 1 : « User Data & RFM Scores ». C’est sur cette feuille que vous devez importer toutes les données clients qui vous permettront de calculer les scores RFM. Cette feuille permet de savoir dans quelle cohorte se situent vos clients. Vous devez évidemment commencer par supprimer toutes les données du template avant de pouvoir l’utiliser. Vous trouverez toutes les instructions nécessaires dans la colonne L, à droite de la page. Pour chaque client, vous devrez importer : l’ID, la life time value (obtenue grâce au modèle de votre choix ou grâce à Google Analytics), la date de dernier achat, le nombre d’achats, le montant total dépensé. Toutes ces données doivent être collées dans les colonnes violettes. Les résultats des colonnes bleues se calculent automatiquement.
• Feuille 2 : « Overview ». Cette feuille contient la distribution de vos cohortes, avec le pourcentage que représente chaque cohorte et la life time value moyenne pour chaque cohorte. Ce tableau permet d’identifier rapidement les cohortes les plus rentables et donc celles dont vous devez analyser en profondeur le comportement d’achat et de navigation.

Et voilà ! Nous espérons avoir été suffisamment clairs dans les explications et surtout que cette méthode originale vous aidera à piloter efficacement votre stratégie d’optimisation de la valeur vie client.

CRM / Data - Plus de 15 ressources & templates gratuits à télécharger.

Découvrir