Segmentation clients restaurant (RFM) : méthode et usage
Segmentation clients restaurant (RFM) : regrouper ses habitués par fréquence et dernière visite pour cibler ses relances sans sur-solliciter personne.
En bref. La segmentation RFM classe les clients d'un restaurant selon trois critères simples — Récence (date de dernière visite), Fréquence (nombre de visites) et Montant (dépense moyenne) — pour distinguer un habitué fidèle d'un client en train de s'éloigner. Elle permet de cibler une relance précise plutôt qu'un envoi identique à toute la base, et ne demande ni gros volume de clients ni compétence en data analyse pour être utile dès une centaine de contacts.
Contexte — pourquoi traiter tous les clients pareil ne fonctionne plus
Un fichier client qui ne fait que s'allonger sans jamais être trié finit par ressembler à un carnet d'adresses plutôt qu'à un outil de pilotage. Au Lunch Wagon, fidéliser les clients passait par une base qui comptait des habitués venant 2 à 3 fois par semaine et des clients de passage vus une seule fois — deux profils qui, envoyés dans la même liste de relance, produisaient soit un message inutile pour l'habitué déjà fidèle, soit un message hors sujet pour le client de passage qui ne reviendrait sans doute pas.
Segmentation RFM : une méthode qui classe les clients selon leur Récence, leur Fréquence et leur Montant de dépense — le critère différenciant n'est pas la complexité du calcul, mais la simplicité de l'action qu'il permet de déclencher ensuite.
En 2026, la donnée pour segmenter existe déjà dans la plupart des restaurants équipés — réservation, commande en ligne, encaissement. Le vrai enjeu n'est plus de collecter cette donnée, mais de la relier en une seule fiche client exploitable, plutôt que de la laisser éclatée entre plusieurs outils qui ne se parlent pas.
Comment calculer une segmentation RFM pour un restaurant ?
Réponse directe : en croisant pour chaque client la date de sa dernière visite, le nombre de ses visites sur une période donnée (3 à 6 mois) et sa dépense moyenne, puis en regroupant les profils qui se ressemblent en quelques segments actionnables.
Les 3 critères qui composent le score RFM
1. Récence — depuis combien de temps le client n'est pas revenu ; c'est le signal le plus utile pour repérer un habitué qui s'éloigne avant qu'il ne soit définitivement perdu.
2. Fréquence — combien de visites sur la période observée ; un client qui vient une fois par semaine ne se traite pas comme un client vu une fois en six mois.
3. Montant — la dépense moyenne par visite, lue directement depuis l'encaissement ; utile pour repérer un client à forte valeur, même s'il vient moins souvent qu'un habitué du midi.
Inutile de viser une segmentation à dix niveaux pour démarrer. Trois ou quatre segments clairs — habitué fidèle, client en train de s'éloigner, gros dépensier occasionnel, nouveau client — suffisent largement à déclencher des actions utiles sans perdre de temps à les interpréter.
Pourquoi un export Excel ponctuel ne suffit-il pas à segmenter sa clientèle ?
Un export donne une photo à un instant donné ; la segmentation RFM n'a de valeur que recalculée régulièrement, au rythme des visites réelles.
Étape 1 — constater la limite de la photo figée
Un client classé « habitué fidèle » lors d'un export réalisé il y a trois mois peut, sans que personne ne s'en aperçoive, être devenu un client en train de s'éloigner — le tableur ne le signale jamais tout seul.
Étape 2 — relier la segmentation à la donnée source
Une segmentation fiable suppose que chaque visite — réservation, commande en ligne, passage en caisse — alimente la même fiche client, sans ressaisie manuelle entre les outils.
Étape 3 — recalculer les segments automatiquement plutôt que sur demande
Quand le calcul se refait en continu depuis la caisse et la réservation, un client qui bascule d'un segment à l'autre est repéré dès que son comportement change, pas trois mois plus tard — ce qui suppose que l'ensemble tourne dans un logiciel tout-en-un plutôt que dans des outils séparés.
Cas pratique — Lunch Wagon, Albi (2023-2026)
Au Lunch Wagon, la clientèle de bureau revenait en moyenne 2 à 3 fois par semaine sur le même secteur géographique, ce qui en faisait le segment le plus stable du service du midi. Mais une partie de cette clientèle, sans que personne ne le remarque à l'œil nu, espaçait progressivement ses visites avant de disparaître complètement — souvent après un changement d'employeur ou de lieu de travail, sans lien avec la qualité du service proposé.
Sans segmentation par récence, cette érosion restait invisible jusqu'à ce que le chiffre d'affaires du midi baisse de façon notable, trop tard pour agir efficacement sur les clients concernés. En reconstituant après coup la fréquence de visite de chaque habitué, il est apparu qu'un espacement de plus de 45 jours annonçait presque systématiquement une perte définitive du client.
La leçon retenue : repérer un habitué qui s'éloigne au moment où l'espacement commence à se voir — pas après plusieurs mois de silence — change radicalement les chances de le faire revenir avec une simple relance ciblée.
Mémoire du personnel, export Excel ou segmentation automatique : que choisir ?
Le choix se joue sur la capacité à repérer un changement de comportement avant qu'il ne devienne irréversible, pas sur la sophistication de l'outil.
- FIABILITÉ
- Dépend de qui est présent et depuis combien de temps
- DONNÉE EXPLOITABLE
- Aucune — rien n’est écrit ni daté
- DÉTECTION D’UN CLIENT QUI S’ÉLOIGNE
- Tardive, souvent après plusieurs semaines
- COÛT
- Aucun, mais fragile dès que l’équipe tourne
- FIABILITÉ
- Correcte au moment de l’export, obsolète ensuite
- DONNÉE EXPLOITABLE
- Oui, mais à recalculer manuellement à chaque fois
- DÉTECTION D’UN CLIENT QUI S’ÉLOIGNE
- Seulement si quelqu’un relance l’export
- COÛT
- Temps de manipulation à chaque campagne
- FIABILITÉ
- Recalculée en continu depuis résa, commande et encaissement
- DONNÉE EXPLOITABLE
- Segments prêts à l’emploi, sans manipulation
- DÉTECTION D’UN CLIENT QUI S’ÉLOIGNE
- Dès que l’espacement dépasse le seuil observé
- COÛT
- Prévue dans l’offre Brigade (99 € HT/mois), sans module séparé
Le bon réflexe n'est pas de choisir l'outil le plus sophistiqué, mais celui qui recalcule les segments assez souvent pour qu'une relance arrive avant que le client n'ait définitivement changé d'habitude — la même logique de donnée propriétaire que face à Onrush vs TheFork sur la réservation et la commande en ligne.
Source officielle
Erreurs fréquentes
Segmenter une fois, puis ne plus jamais recalculer les segments. Un client classé « habitué fidèle » il y a six mois peut avoir complètement changé de comportement sans que personne ne s'en rende compte si la segmentation n'est jamais remise à jour.
Erreur 1 : viser trop de segments dès le départ. Dix ou quinze catégories deviennent impossibles à exploiter concrètement ; trois à quatre segments actionnables suffisent pour démarrer.
Erreur 2 : segmenter sans relier la donnée des différents canaux. Un client qui réserve via le logiciel de réservation mais paie en caisse doit rester le même profil dans le calcul, sinon la fréquence réelle de visite est sous-estimée.
Erreur 3 : ne définir aucune action associée à chaque segment. Un segment qui ne déclenche jamais de relance ni d'offre ciblée reste une donnée inerte, pas un outil de pilotage.
Erreur 4 : confondre segmentation et campagne marketing massive. Le but de la segmentation est justement d'éviter d'envoyer le même message à toute la base — l'utiliser pour justifier un envoi massif annule son intérêt.
Conclusion
La segmentation RFM ne vaut que si elle débouche sur une action ciblée, pas sur un tableau de plus à consulter.
1. Trois critères suffisent : récence, fréquence, montant. Pas besoin d'un outil complexe pour commencer à distinguer les profils de clients.
2. La segmentation doit se recalculer en continu. Une photo figée à un instant donné rate systématiquement le moment où un client commence à s'éloigner.
3. Chaque segment doit avoir une action associée. Sans relance ni offre ciblée, la segmentation reste une donnée inerte.
La bonne segmentation n'est pas la plus détaillée — c'est celle qui permet de repérer un client en train de s'éloigner assez tôt pour encore le faire revenir, par exemple avec une carte de fidélité restaurant digitale qui capte la visite sans effort côté client.
Vous voulez voir comment Onrush gère ça dans votre restaurant ?
Démo 20 min, sans engagement. On regarde vos vrais chiffres.
Demander une démo →Articles liés
SMS marketing restaurant : règles, coût et méthode
SMS marketing restaurant : consentement obligatoire, taux d'ouverture réel, coût par envoi et méthode pour remplir un service creux sans spammer ses clients.
Carte de fidélité restaurant digitale : comment ça marche
Carte de fidélité restaurant digitale : fonctionnement sans plastique ni application à télécharger, donnée captée à chaque passage et reliée à la caisse.
Fichier client restaurant RGPD : les règles à respecter
Fichier client restaurant RGPD : consentement, durée de conservation, droits des clients et sanctions. Les 4 règles concrètes pour un fichier client conforme, sans juriste.
Programme fidélité restaurant : guide complet 2026
Programme fidélité restaurant : comment le construire, la réglementation à respecter, et pourquoi une carte liée à la caisse fidélise mieux qu'une carte papier.
Dernière mise à jour le 2026-10-08. Rédigé par Cyril Quesnel, fondateur Onrush, chef entrepreneur (La Verrerie 2015-2018, Lunch Wagon 2023-2026).