Segments CRM : prioriser les clients à potentiel magasin
La priorité CRM ne doit pas récompenser les clients les plus actifs, mais ceux dont le comportement magasin peut encore être influencé
Dans les dispositifs retail et omnicanaux, la segmentation CRM est trop souvent utilisée comme un outil de classement descriptif : meilleurs clients, clients dormants, nouveaux acheteurs, prospects, VIP, appétents promotion. Cette lecture est utile pour comprendre la base, mais insuffisante pour piloter une activation magasin. Le sujet stratégique n’est pas seulement de savoir qui achète déjà. Il est d’identifier les clients dont la probabilité de visite ou d’achat en point de vente peut être augmentée par une sollicitation mobile, locale ou média. Autrement dit, il faut passer d’une segmentation de statut à une segmentation de potentiel activable.
Le CRM, customer relationship management, désigne l’ensemble des outils, données et méthodes permettant de gérer la relation client à partir de l’historique d’achat, des interactions, des préférences, des consentements et des scénarios d’activation. Dans un contexte Drive-to-Store, stratégie visant à générer du trafic qualifié vers un point de vente physique, le CRM ne doit pas seulement alimenter des campagnes email ou SMS. Il doit guider les arbitrages budgétaires entre segments, magasins, zones de chalandise et canaux : SMS, RCS, push, display mobile, social local, wallet, in-app ou publicités programmatiques.
La difficulté vient d’un biais classique : les meilleurs clients historiques ne sont pas toujours les meilleurs clients à activer. Un client qui vient en magasin tous les mois sans stimulation peut générer beaucoup de chiffre d’affaires attribué après exposition, mais peu de valeur incrémentale. À l’inverse, un client ayant acheté deux fois en ligne, habitant à 12 minutes d’un magasin, ayant consulté un stock produit et n’étant pas venu depuis six mois peut représenter un potentiel magasin supérieur, même si sa valeur historique est plus faible. Prioriser les segments CRM impose donc de distinguer valeur observée, probabilité naturelle d’achat et potentiel de déplacement supplémentaire.
Cette distinction conditionne directement le CPA, cost per acquisition, coût nécessaire pour générer une conversion attribuée, et le ROAS, return on ad spend, ratio entre chiffre d’affaires attribué ou incrémental et dépenses marketing. Une campagne peut afficher un ROAS élevé parce qu’elle touche des clients déjà intentionnistes, sans modifier réellement leur comportement. Elle peut aussi produire un ROAS attribué plus modeste mais créer davantage de marge additionnelle en réactivant des clients à potentiel magasin. Pour les directions marketing, l’enjeu n’est donc pas de maximiser le taux de clic ou le taux de visite brut, mais d’allouer la pression CRM aux segments où une action modifie la trajectoire commerciale.
Définir le potentiel magasin : croiser valeur client, accessibilité locale, intention récente et friction de visite
Un segment CRM à potentiel magasin ne se définit pas uniquement par son historique d’achat. Il combine quatre dimensions : la valeur économique attendue, l’accessibilité au point de vente, l’intention récente et la friction de déplacement. Cette grille évite deux erreurs fréquentes : surexposer les clients fidèles déjà acquis et sous-investir les clients moins actifs mais localement influençables.
La première dimension est la valeur économique. Elle ne doit pas se limiter au chiffre d’affaires historique. Un client peut avoir un panier moyen élevé mais une marge faible, s’il achète essentiellement des produits remisés. Un autre peut avoir un volume modéré mais une forte propension à acheter des catégories rentables, à revenir après une visite ou à souscrire des services complémentaires. Les variables utiles incluent le panier moyen, la marge par catégorie, la fréquence d’achat, la récence, la valeur vie client estimée, le taux de retour produit, l’appétence promotionnelle et la probabilité de réachat à 30, 60 ou 90 jours.
La deuxième dimension est l’accessibilité locale. Un client situé à 2 kilomètres d’un magasin n’a pas nécessairement une meilleure probabilité de visite qu’un client situé à 8 kilomètres si le premier est séparé par une rupture urbaine, un mauvais accès transport ou un parking saturé. La distance doit être complétée par des isochrones, zones calculées selon un temps de trajet estimé, par mode de transport et par moment d’usage. Pour une enseigne alimentaire, un rayon de 800 mètres en centre-ville peut être décisif. Pour une enseigne de bricolage, un temps de trajet de 20 minutes en voiture peut rester acceptable si l’offre et le panier potentiel justifient le déplacement.
La troisième dimension est l’intention récente. Elle est souvent plus prédictive qu’un segment statique. Consultation de fiche produit, recherche d’itinéraire, abandon de panier, ouverture d’un email local, ajout d’un coupon au wallet, clic sur disponibilité magasin, visite d’une page horaire, interaction avec une notification push ou appel vers un point de vente sont des signaux de bascule dans le funnel, parcours allant de l’exposition à la considération, puis à la conversion et à la fidélisation. Un client à valeur moyenne mais ayant consulté un stock hier peut être plus prioritaire qu’un client VIP silencieux depuis trois mois.
La quatrième dimension est la friction de visite. Elle regroupe les freins concrets : horaires du magasin, stock disponible, concurrence proche, saisonnalité, météo, capacité de retrait, niveau de service, files d’attente, contraintes de rendez-vous ou cohérence entre l’offre promue et l’assortiment local. Une segmentation CRM déconnectée de ces facteurs peut générer des sollicitations inefficaces. Envoyer un SMS de disponibilité à un client intentionniste alors que le magasin local est en rupture produit dégrade à la fois la performance et la confiance.
Construire un scoring utile : RFM, propension, géographie et marge doivent fonctionner ensemble
Le modèle RFM, récence, fréquence, montant, reste une base robuste pour segmenter une population client. Il classe les individus selon la date du dernier achat, le nombre d’achats sur une période et le montant dépensé. Mais utilisé seul, il privilégie naturellement les clients déjà actifs. Pour prioriser le potentiel magasin, le RFM doit être enrichi par des variables géographiques, comportementales et économiques.
Une approche opérationnelle consiste à produire un score composite en cinq blocs. Le premier bloc mesure la valeur client : marge cumulée, panier moyen, catégories achetées, valeur vie client estimée. Le deuxième mesure la probabilité de visite naturelle : historique de visites magasin, distance au point de vente préféré, fréquence d’achat offline, usage du retrait ou du click and collect. Le troisième mesure l’intention récente : signaux digitaux sur 7, 14 ou 30 jours, engagement CRM, recherches locales. Le quatrième mesure la capacité opérationnelle du magasin : stock, horaires, disponibilité de rendez-vous, niveau de service. Le cinquième mesure l’incrémentalité attendue : probabilité que la campagne modifie réellement le comportement.
Cette dernière dimension est la plus difficile, mais aussi la plus importante. Un score de propension classique estime la probabilité qu’un client achète ou visite. Or les clients les plus susceptibles d’acheter ne sont pas forcément ceux qu’il faut exposer. Il faut idéalement distinguer propension et uplift. L’uplift désigne l’effet additionnel causé par la campagne : différence entre le comportement attendu avec exposition et sans exposition. Un client à forte propension mais faible uplift achètera probablement sans sollicitation. Un client à propension moyenne mais uplift élevé mérite davantage de pression marketing.
Dans les environnements matures, cette logique peut être modélisée avec des modèles d’uplift ou de causal machine learning, qui cherchent à prédire la réponse incrémentale à un traitement marketing. Dans des organisations moins avancées, une approximation pragmatique suffit souvent à améliorer les arbitrages : exclure une partie des clients ultra-récents, limiter la pression sur les acheteurs naturels, surpondérer les signaux d’intention récents, intégrer la distance réelle au magasin et analyser les performances par groupes témoins. L’objectif n’est pas de créer un modèle parfait, mais d’éviter que le CRM récompense mécaniquement les segments les plus faciles à attribuer.
Une matrice simple peut servir de point de départ. En axe horizontal, l’accessibilité magasin : proche, accessible, éloigné. En axe vertical, l’intention : forte, moyenne, faible. Un client proche avec intention forte peut recevoir un message direct : stock, coupon, itinéraire, créneau disponible. Un client accessible avec intention forte peut nécessiter une justification du déplacement : assortiment, service, exclusivité, conseil. Un client proche avec intention faible peut être activé avec une pression légère, contextuelle ou événementielle. Un client éloigné avec intention faible doit souvent être exclu des activations Drive-to-Store, sauf objectif de notoriété locale explicitement assumé.
Adapter les canaux aux segments : le SMS, le push et le programmatique ne doivent pas activer le même potentiel
Une fois les segments priorisés, la question n’est pas seulement qui activer, mais par quel canal et avec quelle pression. Tous les canaux mobiles n’ont pas le même coût, la même intrusivité ni le même rôle dans le funnel. Le SMS est un canal de sollicitation forte, visible et coûteux en attention. Le push est efficace lorsqu’il s’inscrit dans un contexte applicatif ou serviciel. Le display mobile et le social local permettent d’élargir la couverture, mais avec une attention plus faible. Le wallet et l’in-app sont pertinents pour des rappels moins intrusifs.
Pour les segments à intention forte et forte accessibilité, le SMS peut être justifié si la valeur attendue est suffisante. Il doit alors porter une promesse actionnable : produit disponible dans le magasin le plus proche, offre valable aujourd’hui, retrait prêt, rendez-vous possible, avantage fidélité. La personnalisation ne doit pas se limiter au prénom. Elle doit intégrer le magasin, la catégorie, la disponibilité et la temporalité. Un SMS envoyé à 9 heures pour une opération valable le jour même dans un magasin ouvert jusqu’à 19 heures n’a pas la même valeur qu’un SMS envoyé à 18 h 30 pour une promesse impossible à réaliser.
Pour les segments intentionnistes mais moins proches, le push ou l’email enrichi peuvent préparer la visite avant un message plus direct. Le rôle du push peut être de relancer une consultation produit, de rappeler un stock ou de proposer un créneau. Si le client interagit, un SMS peut intervenir ensuite comme canal de conversion. Cette orchestration évite de consommer trop tôt le canal le plus intrusif. Elle permet aussi d’observer des signaux supplémentaires avant d’engager un coût de contact plus élevé.
Pour les segments à potentiel magasin moyen, la publicité programmatique locale peut jouer un rôle de couverture et de preuve. Elle est souvent achetée via une DSP, demand-side platform, plateforme permettant aux annonceurs d’acheter des impressions publicitaires de manière automatisée. Le RTB, real-time bidding, mécanisme d’enchères en temps réel pour acheter une impression disponible, permet d’ajuster les enchères selon la zone, l’audience, le device, l’heure et la valeur attendue. Mais l’algorithme optimise ce qu’on lui demande d’apprendre. Si l’objectif est le clic, il privilégiera les utilisateurs les plus cliqueurs. Si l’objectif est la visite attribuée, il peut surpondérer les zones à forte mobilité naturelle. Les segments CRM doivent donc être intégrés comme signaux de valeur, pas seulement comme audiences de retargeting.
Une bonne pratique consiste à séparer les budgets par familles de potentiel. Les segments à fort uplift attendu reçoivent une pression plus directe et plus personnalisée. Les segments à potentiel moyen reçoivent une séquence de considération locale. Les segments à faible potentiel sont exclus ou limités à des campagnes de notoriété. Sans cette séparation, les plateformes tendent à concentrer la diffusion sur les clients les plus faciles à convertir, ce qui améliore les indicateurs attribués mais peut réduire l’incrémentalité.
Mesurer correctement : l’attribution surestime souvent les clients déjà proches de l’achat
L’attribution, méthode qui assigne une conversion à un ou plusieurs points de contact marketing, est particulièrement sensible aux biais CRM. Si un client reçoit un SMS puis achète dans les 48 heures, la tentation est forte d’attribuer la vente au message. Mais si ce client avait déjà consulté le produit, visité le magasin le mois précédent et acheté à chaque opération commerciale, l’effet réel du SMS peut être faible. Le last click, modèle attribuant toute la conversion au dernier point de contact, amplifie ce biais en valorisant les interactions les plus proches de l’achat.
Pour prioriser les clients à potentiel magasin, il faut distinguer trois niveaux de mesure. Le premier est la performance attribuée : clics, visites estimées, coupons utilisés, ventes post-exposition. Elle est utile pour piloter l’exécution, détecter les anomalies et comparer des créations. Le deuxième est la performance normalisée : résultats corrigés par segment, distance, magasin, historique d’achat, densité locale, stock et pression commerciale. Le troisième est la performance incrémentale : ventes ou visites additionnelles réellement causées par l’activation.
Le moyen le plus fiable reste le groupe de contrôle. Un holdout, groupe témoin non exposé, peut représenter 5 % à 10 % des clients éligibles, stratifié par segment CRM, magasin, zone et valeur client. Si le groupe exposé convertit à 8,2 % et le groupe témoin à 7,4 %, l’uplift est de 0,8 point. Sur 200 000 clients exposés, cela représente 1 600 conversions incrémentales. Si la campagne coûte 32 000 euros, le coût par conversion incrémentale est de 20 euros. Ce chiffre peut être très différent du CPA attribué, qui inclut toutes les conversions observées après exposition.
La stratification est essentielle. Un holdout national mal réparti peut fausser la mesure si les clients témoins sont surreprésentés dans des zones à faible concurrence ou dans des magasins historiquement plus performants. Pour mesurer le potentiel magasin, le groupe de contrôle doit refléter les mêmes profils de valeur, d’accessibilité, d’intention et de magasin. À défaut, l’écart observé peut provenir de différences structurelles et non de la campagne.
Les tests géographiques peuvent compléter la mesure individuelle lorsque les données client sont incomplètes ou lorsque l’on veut mesurer l’impact global sur le point de vente. Le principe consiste à apparier des magasins ou zones test avec des zones témoins comparables, puis à mesurer l’écart d’évolution avant et après activation. La méthode de différence-en-différences compare l’évolution d’une zone exposée à celle d’une zone témoin sur la même période. Si un magasin test progresse de 9 % et son témoin comparable de 4 %, l’effet estimé est de 5 points, sous réserve que les tendances pré-campagne étaient similaires.
Cas concret : une enseigne omnicanale réduit le volume ciblé mais augmente la marge incrémentale
Prenons une enseigne d’équipement de la maison disposant de 120 magasins et d’une base CRM de 3,5 millions de contacts opt-in. Elle prépare une opération locale sur une gamme à forte marge, disponible uniquement dans certains points de vente. L’approche historique consiste à cibler les clients ayant acheté au moins une fois dans les 18 derniers mois et situés à moins de 20 kilomètres d’un magasin. Population activée : 1,1 million de contacts. Canal principal : email puis SMS pour les non-ouvreurs à forte valeur. Budget total : 190 000 euros. Les ventes attribuées atteignent 1,45 million d’euros, soit un ROAS attribué de 7,6.
L’analyse incrémentale révèle pourtant une faiblesse. Les clients très récents, acheteurs dans les 30 derniers jours, génèrent un volume important de ventes post-exposition, mais le groupe témoin montre un uplift faible : 0,3 point. Les clients dormants depuis 12 à 24 mois, situés à moins de 15 minutes en voiture et ayant consulté une catégorie liée dans les 14 derniers jours, affichent au contraire un uplift de 2,1 points. Leur taux de conversion brut est inférieur, mais leur contribution additionnelle est supérieure.
L’enseigne construit alors un scoring de potentiel magasin. Elle exclut les acheteurs ultra-récents sauf signaux de complémentarité produit. Elle surpondère les clients ayant consulté le stock, les visiteurs de pages magasin, les utilisateurs de click and collect et les clients situés dans des isochrones de 10 à 20 minutes selon la typologie du magasin. Elle ajoute une contrainte opérationnelle : seuls les magasins ayant un niveau de stock supérieur à un seuil défini peuvent recevoir une pression SMS. Les autres restent activés en email ou en display local avec un message moins transactionnel.
La nouvelle campagne cible 620 000 contacts au lieu de 1,1 million. Le budget baisse à 145 000 euros. Les ventes attribuées diminuent à 1,18 million d’euros, ce qui pourrait sembler négatif si l’on s’arrête au reporting classique. Mais les ventes incrémentales passent de 210 000 à 268 000 euros, avec une marge moyenne de 44 % contre 38 % auparavant. La marge incrémentale progresse donc de 79 800 à 117 920 euros. Le ROAS attribué baisse légèrement, mais la contribution nette s’améliore nettement.
Le diagnostic met en évidence trois enseignements. D’abord, réduire la cible peut améliorer la performance si l’exclusion porte sur des clients à faible uplift. Ensuite, la proximité géographique ne suffit pas : l’intention récente et le stock local conditionnent la conversion réelle. Enfin, le canal doit être réservé au potentiel. Le SMS n’a pas été supprimé ; il a été repositionné sur les clients pour lesquels l’urgence, la disponibilité et la valeur justifiaient une sollicitation forte.
Conclusion : une feuille de route pour prioriser les segments CRM à potentiel magasin
Prioriser les clients à potentiel magasin impose de changer la fonction de la segmentation CRM. Elle ne doit plus seulement décrire la base ou ordonner les clients par valeur historique. Elle doit aider à décider où investir une pression marketing limitée : quels clients, quel magasin, quel canal, quel message, quelle fenêtre d’activation et quelle mesure de succès. Cette logique est plus exigeante que les segmentations classiques, mais elle répond mieux aux contraintes actuelles : coûts média en hausse, attention mobile limitée, pression relationnelle surveillée et nécessité de prouver l’incrémentalité.
Une feuille de route actionnable peut se structurer en huit étapes. Premièrement, auditer les segments existants et identifier ceux qui confondent valeur historique et potentiel activable. Deuxièmement, enrichir le CRM avec les dimensions locales : distance, isochrone, magasin préféré, stock, services, horaires et concurrence. Troisièmement, intégrer les signaux d’intention récents : consultation produit, recherche d’itinéraire, abandon de panier, clic local, coupon, interaction push ou visite de page magasin. Quatrièmement, créer un score composite combinant valeur, accessibilité, intention, capacité opérationnelle et uplift attendu. Cinquièmement, différencier les canaux selon l’intensité du potentiel : SMS pour les cas à forte valeur actionnable, push pour les scénarios contextuels, programmatique pour la couverture et la considération locale. Sixièmement, appliquer des règles d’exclusion pour éviter de payer des contacts déjà acquis ou récemment convertis. Septièmement, mesurer avec groupes de contrôle stratifiés ou tests géographiques, afin de séparer attribution et incrémentalité. Huitièmement, arbitrer sur la marge incrémentale et la valeur client future, pas seulement sur les ventes attribuées.
Le point critique reste la gouvernance. Les équipes CRM raisonnent en clients, les équipes retail en magasins, les équipes média en audiences et impressions, les équipes data en modèles et validité statistique. Le potentiel magasin se situe précisément à l’intersection de ces logiques. Une segmentation efficace suppose un langage commun : quel comportement veut-on modifier, dans quelle zone, avec quelle promesse, pour quel niveau de marge et avec quelle preuve d’effet ? Sans cette discipline, le CRM risque de devenir un moteur de sollicitation des clients déjà convaincus. Avec elle, il devient un instrument d’allocation fine de la pression commerciale, capable de générer du trafic magasin réellement additionnel.
