La fonction PF.CLV (Customer Lifetime Value) calcule la valeur totale qu’un client a généré ou générera sur une période donnée. C’est LA métrique fondamentale pour mesurer la rentabilité de l’acquisition client.

CLV = Combien d’argent un client vous rapporte

Pourquoi c’est crucial ?
– Définir le budget d’acquisition maximum (CAC)
– Prioriser les segments clients les plus rentables
– Justifier les investissements marketing
– Prévoir les revenus futurs

La fonction PF.SEGMENT_CLIENT traduit un score RFM brut (ex: « 555 », « 211 ») en segment marketing compréhensible (« Champions », « À risque », « Perdus »).

Pourquoi segmenter ?

Un score « 311 » ne dit rien à un marketeur. En revanche « Clients à risque – Achetaient avant mais n’ont pas commandé récemment » est actionnable immédiatement.

Action : URGENT – Appel senior, offre VIP

La fonction PF.SAISONNALITE analyse les variations d’activité selon différentes périodes temporelles. Elle agrège automatiquement vos données de ventes/transactions par mois, trimestre, jour de la semaine ou heure pour identifier les tendances saisonnières.

Différence avec les analyses manuelles :

Tableaux croisés dynamiques : Nécessitent plusieurs étapes de configuration
Formules SOMME.SI : Requièrent 12+ formules pour analyser l’année

PF.SAISONNALITE : Une seule formule, résultat immédiat

Applications principales :
📊 Identifier les mois les plus rentables
📈 Détecter les jours de la semaine avec le plus de trafic
⏰ Optimiser les horaires d’ouverture/staffing
🎯 Planifier les campagnes marketing selon les pics

La fonction PF.SCORE_RFM*calcule le score RFM (Récence, Fréquence, Montant) d’un client, une méthode classique de segmentation client en marketing. Elle analyse l’historique d’achat d’un client et retourne un score à 3 chiffres (ex: « 555 », « 311 », « 432 »).

RFM expliqué :

– R (Récence) : Depuis combien de temps le client a-t-il acheté ? (Plus récent = meilleur)
– F (Fréquence) : Combien de fois le client a-t-il acheté ? (Plus fréquent = meilleur)
– M (Montant) : Combien le client a-t-il dépensé au total ? (Plus élevé = meilleur)

Échelles de notation :

– Échelle 5 (défaut) : Scores de 1 à 5 (555 = meilleur client, 111 = client à risque)
– Échelle 3 : Scores de 1 à 3 (333 = meilleur, 111 = à risque)

Calcul automatique :

PF.SCORE_RFM parcourt TOUTES les transactions, calcule les percentiles pour chaque dimension (R, F, M), puis attribue un score au client selon sa position dans la distribution.

La fonction PF.CROSS_SELL analyse les produits achetés ensemble (market basket analysis) et identifie les produits fréquemment achetés en même temps qu’un produit donné. Elle parcourt l’historique des commandes pour trouver les co-occurrences de produits.

Cas d’usage principal :

– Recommandations produits automatiques sur un site e-commerce
– Bundling : Créer des offres groupées basées sur les données réelles
– Merchandising : Placement optimal des produits en magasin
– Upselling : Suggérer des produits complémentaires

Différence avec les approches traditionnelles :

– Corrélation manuelle : Nécessite des analyses croisées complexes
– PF.CROSS_SELL: Calcul automatique en une formule

Format de sortie :