E-commerce
30 juin 2026
« Vous êtes client fidèle depuis trois ans, nous vous offrons donc la livraison express. » Le message semble flatteur. Le client voit aussi qu'un voisin, même incident, n'a pas eu la même offre. La RFM mal exposée par le chatbot transforme une logique interne en injustice perçue.
Shopify calcule des scores Recency, Frequency et Monetary pour classer chaque profil en segments comme Champions ou At Risk (Shopify, RFM analysis 2025). Dydu rappelle qu'en 2026, l'hyper-personnalisation conversationnelle peut basculer en effet creepy si le bot « en sait trop » sans cadre de consentement (Dydu, hyper-personnalisation 2026). Qualtrics note que 64 % des consommateurs préfèrent l'expérience personnalisée, mais seulement 39 % estiment que le bénéfice compense le coût privacy (CMSWire, surveillance vs service 2026).
Ce guide #276 traite le chatbot IA et segmentation RFM : personnaliser routing, ton et escalade sans révéler le segment ni créer de traitement inéquitable visible. Complète RFM support humain (#275) côté bot, et données Shopify (#20) avec la couche éthique RFM.
Sommaire
Pourquoi la RFM utile au bot devient-elle risquée côté client ?
La segmentation RFM chatbot permet au bot de prioriser, adapter le ton et décider quand passer la main. Mal configurée, elle produit des réponses inégales que le client peut comparer avec un autre fil de discussion ou un témoignage sur les réseaux.
Trois usages internes légitimes
Routing silencieux : Champions litige → handoff sous 60 s, Hibernating WISMO → auto
Ton calibré : reconnaissance discrète vs onboarding neutre, sans citer le score
Guardrail geste : plafond macro selon segment, jamais promesse bot hors policy
Trois risques éthiques
Discrimination visible : « vous n'êtes pas VIP » ou offre exclusive annoncée au client
Effet creepy : « je vois que vous n'avez pas commandé depuis 14 mois » sans contexte utile
Décision automatisée significative : refus remboursement basé sur segment sans humain (RGPD art. 22)
Signal recherche
Une étude 2026 sur chatbots et transparence montre que l'identification IA claire et un ton empathique augmentent la confiance et réduisent la manipulation perçue (JLIS, chatbots trust 2026). La RFM reste un signal ops, pas un argument commercial dans le fil client.
En quoi diffère-t-il du support RFM humain et de la personnalisation Shopify ?
Cinq contenus voisins, cinq responsabilités.
RFM support humain (#275)
RFM support (#275) : SLA, macros agent, sidebar Gorgias. Le #276 applique la même matrice au bot avec contraintes d'invisibilité et d'automatisation limitée.
Données Shopify (#20)
Personnalisation Shopify (#20) : quelles données lire. Le #276 précise comment utiliser le segment RFM sans sur-exposer l'historique.
Triage bot (#236)
Triage (#236) : intent, urgence, sentiment. Le #276 ajoute rfm_segment comme input routing, pas comme champ client-facing.
Gouvernance IA (#142)
Gouvernance (#142) : RACI, dire vs faire. Le #276 documente les règles RFM dans la matrice bot.
Historique achat (#257)
Historique (#257) : limites creep factor côté agent. Le #276 transpose ces limites au langage généré par LLM, plus difficile à contrôler sans guardrails.
Promesse #276
Échelle d'intrusion, matrice bot × RFM, templates ton, setup technique, conformité, anti-patterns, KPI, playbooks déploiement.
Quelles données RFM le bot peut-il lire en interne ?
Le lookup RFM chatbot s'exécute à l'ouverture session, avant toute réponse. Le client ne voit jamais le payload brut.
Champs autorisés (payload interne)
rfm_segment : Champions, At Risk, Can't Lose Them, etc.
r_score, f_score, m_score : 1-5, pour règles fines
gesture_budget_remaining_eur : plafond aligné gestes (#238)
orders_count, last_order_date : contexte factuel si cité au client
rfm_updated_at : bloquer routing si tag > 30 j stale
Champs interdits en sortie client
Nom du segment, scores bruts, comparaison implicite (« clients comme vous »), mention LTV exacte, « whale », « mauvais client ».
Sync Shopify
Tags customer rfm_champions, rfm_at_risk, etc. synchronisés hebdo comme dans le #275. Bot lit via API profil à l'identification e-mail ou session logged-in.
Minimisation RGPD
Quickchat AI rappelle que le bot ne doit traiter que les données nécessaires au support contractuel (art. 6(1)(b)) ou intérêt légitime documenté (art. 6(1)(f)), avec DPA fournisseur et rétention 30-90 j logs (Quickchat, RGPD chatbot 2026).
Quelle échelle d'intrusion pour personnaliser sans effet creepy ?
L'échelle intrusion personnalisation bot calibre ce que le LLM peut dire selon le segment RFM et le contexte du ticket.
Niveau 0 : générique
Visiteur non identifié ou segment inconnu. Policy standard, pas d'historique, pas de geste.
Niveau 1 : contextuel (tous segments)
« Je consulte votre commande #1042 » : utile, attendu, faible intrusion. Recherche MDPI : personnalisation modérée contextuelle performe mieux que PII agressive quand la privacy concern est activée (MDPI, backfire effect 2025).
Niveau 2 : reconnaissance discrète (Champions, Loyal, Can't Lose)
« Merci pour votre fidélité » sans chiffre commandes. Handoff plus rapide en litige. Pas de promo non sollicitée.
Niveau 3 : interne only (routing, jamais client)
Segment At Risk + sentiment angry → queue senior. Le client voit : « Je vous mets en relation avec un référent » sans mention RFM.
Règle d'or CMSWire
La personnalisation « service » demande ce dont le client a besoin. La personnalisation « surveillance » exploite des signaux pour la marque (CMSWire, service vs surveillance). Le bot RFM reste niveau 1-2 visible, niveau 3 invisible.
Comment router le bot selon segment RFM sans inégalité visible ?
La matrice routing bot RFM combine intent triage (#236) et segment. Même policy réponse publique ; différences = vitesse escalade et profondeur lookup.
Champions
WISMO routine : auto + tracking, ton niveau 2
Litige dommage/refund : handoff immédiat, payload RFM complet
Pre-sale : auto KB, pas remise bot
Can't Lose Them / At Risk
Tout intent émotionnel : humain sous 60 s, bot empathie courte puis transfer
Retour standard : auto portail, pas code promo win-back via bot (marketing Klaviyo)
Recent customers / Promising
Onboarding SAV : expliquer délais, pas sur-geste. Plafond geste bot = 0 € ; agent seulement si incident ops avéré.
Hibernating / Lost
Self-service first : centre d'aide, portail retour, suivi. Escalade humaine si 2e contact même sujet sous 7 j.
Équité perçue
Deux clients Hibernating reçoivent la même réponse policy. Deux Champions reçoivent la même vitesse escalade. La différence entre segments n'apparaît pas dans le texte, seulement dans le délai de prise en charge humaine si besoin.
Quels templates de ton le bot peut-il utiliser par segment ?
Huit templates ton bot RFM remplacent les macros agent du #275. Variables dynamiques OK ; jargon segment interdit.
BOT-RFM-CHAMP-OPEN
« Bonjour [Prénom], je prends en charge votre demande tout de suite. [Réponse factuelle ou étape suivante]. » Reconnaissance implicite, pas « vous êtes Champion ».
BOT-RFM-CANTLOSE-OPEN
« Bonjour [Prénom], ravi de vous retrouver. Je règle [incident] et reste disponible si besoin. » Pas « ça faisait longtemps » (creepy).
BOT-RFM-ATRISK-EMPATHY
« Je comprends votre déception. Voici ce que je peux faire maintenant : [action conforme policy]. Je vous mets en relation avec un référent pour la suite. »
BOT-RFM-RECENT-GUIDE
« Merci pour votre commande #[num]. [Statut]. Notre guide [lien] répond aux questions fréquentes sur [produit]. »
BOT-RFM-HIBERN-SELF
« Voici le lien suivi / retour : [URL]. Si blocage, indiquez votre numéro de commande. »
BOT-RFM-HANDOFF
« Un membre de l'équipe reprend avec le contexte de notre échange. Délai estimé : [X] h ouvrées. » Identique tous segments ; seul le délai X varie selon SLA interne.
BOT-RFM-REFUSE-GESTE
« Je ne peux pas accorder [demande] selon notre policy. Je propose : [alternative conforme]. » Même formulation tous segments ; pas « votre statut ne le permet pas ».
Prompt system LLM
Injecter : « Tu connais rfm_segment en interne. Ne jamais le mentionner. Niveau intrusion max = [1|2]. Plafond geste = [N] €. Si litige ou geste > plafond → handoff. »
Quels guardrails RGPD et EU AI Act imposer au bot RFM ?
Le cadre conformité bot RFM protège la marque et le client avant le déploiement.
Transparence IA (EU AI Act art. 50)
Bannière ou premier message : « Vous échangez avec un assistant IA. Un humain peut reprendre à tout moment. » Obligatoire UE retail 2026 (Compound Law, retail AI Act).
Art. 22 RGPD
Le bot ne refuse jamais seul un remboursement, une exception retour ou un accès service sur base RFM. Décision significative = humain + droit contestation documenté (Quickchat, art. 22).
DPA et rétention
DPA avec fournisseur bot, SCC si transfert US, logs conversation 30-90 j, pas d'entraînement modèle sur données clients sans contrat explicite.
Audit biais trimestriel
20 conversations fictives : même intent, segments différents. Vérifier que le texte client-visible est équivalent en substance ; seuls délai escalade et queue diffèrent. COMPEL Framework recommande filtres techniques excluant attributs protégés du routing (COMPEL, personalization boundaries).
Registre gouvernance
Documenter dans le registre #142 : « RFM utilisé pour routing et plafond geste, jamais affiché client, revue mensuelle owner bot + legal. »
Comment configurer Shopify et le bot pour la RFM invisible ?
Le setup bot RFM Shopify enchaîne tags, webhook et règles bot en quatre blocs.
Bloc 1 : tags customer
Shopify Flow lundi 6 h : segment RFM natif → add tag rfm_champions, remove anciens rfm_*. Même logique #275.
Bloc 2 : lookup session
Client logged-in : Customer ID → API tags + orders. Guest e-mail : match profil → même payload. Timeout lookup 800 ms ; si échec, segment = unknown, niveau 0.
Bloc 3 : règles bot
if rfm_segment in [Champions, Can't Lose, At Risk] AND intent in [refund_dispute, damage, angry] → route human_priority
if rfm_segment = Hibernating AND intent = WISMO AND confidence > 0,9 → auto_resolve
if gesture_requested AND amount > gesture_budget → handoff + flag
Bloc 4 : payload handoff
rfm_segment, scores, intent, sentiment, orders_count, gesture_remaining, transcript. Agent voit segment ; client non. Voir transfert contexte.
Test avant prod
Pack 15 conversations : 3 segments × 5 intents. Review legal + support lead : aucune phrase segment leak. Corriger prompt system si fuite.
Quels pièges RFM bot éviter absolument ?
Sept anti-patterns bot RFM détruisent confiance et marge.
Erreurs fréquentes
Promo win-back bot sur Can't Lose : double canal avec email, client compare offres
« En tant que client fidèle » sur Recent customer : entitlement immédiat
Refus policy différent selon segment sans base ops : illégal perçu
RFM stale 6 mois : Champions routés VIP alors que Lost
LLM invente geste car prompt mentionne « client précieux » : guardrail plafond obligatoire
Capture réseaux sociaux : « pourquoi mon ami a eu X » : réponse unique policy, pas segment
Wholesale tag oublié : RFM retail appliqué à compte pro
Réponse type incident viral
Macro unique BOT-PUBLIC-POLICY : « Nos délais et gestes suivent la même policy pour tous les clients selon la nature de l'incident. Je vérifie votre dossier #[num]. » Pas de mention segment.
Salesforce trust
71 % des clients font plus confiance si l'usage des données est expliqué clairement (CMSWire, Salesforce 2026). Page privacy : « segment fidélité pour améliorer délai de réponse support ».
Quels KPI mesurer sur le bot RFM chaque mois ?
La performance bot RFM se juge sur l'équité perçue et l'efficacité ops, pas sur le taux de promo offerte.
KPI mensuels
Segment leak rate : % conversations où le bot mentionne segment, score ou LTV (objectif 0 %)
Handoff time P1 RFM : Champions/At Risk litige, médiane secondes
FCR par segment : auto-résolution WISMO Hibernating vs Champions
CSAT post-bot par rfm_segment tag ticket (interne)
Coût geste bot bloqué : handoffs pour dépassement plafond vs gestes non autorisés évités
Repeat purchase 90 j At Risk contactés bot + humain vs contrôle
Rituel revue 45 min
Owner bot + support lead : lire 10 transcripts aléatoires P1 RFM, 5 plaintes « traitement inégal », ajuster prompt ou plafond. Publier SLA moyen file générale en footer help pour transparence délai sans révéler tiers.
Comment Qstomy applique-t-il la RFM au chatbot sans discriminer ?
Qstomy consomme tags RFM Shopify, route et calibre le ton en interne, avec blocage geste hors plafond segment.
Capacités
Lookup rfm_segment à l'identification client
Matrice routing intent × segment sans fuite texte
Templates BOT-RFM-* avec niveau intrusion configurable
Guardrail geste : block LLM si > budget segment
Payload handoff enrichi pour agent humain (#275)
Scénario DTC chiffré
Marque cosmétiques, 2 800 conversations bot/mois, RFM hebdo. Avant RFM invisible : segment leak 4,2 % transcripts (LLM « client fidèle » sur Recent), plaintes traitement inégal 11/mois. Après Qstomy RFM + prompt guardrails + audit pack 15 : leak 0 %, handoff Champions litige < 45 s, FCR Hibernating WISMO 61 %, CSAT At Risk 4,0/5, coût gestes bot non autorisés −22 %.
Explorez support client IA, Shopify, demander une démo.
Quels playbooks déployer en trois semaines ?
Playbook 1 : cartographie intrusion (2 j)
Atelier support + legal : valider échelle section 4, lister phrases interdites, aligner gouvernance (#142).
Playbook 2 : sync tags RFM (2 j)
Reprendre setup #275 Shopify Flow. Vérifier fraîcheur tags avant branchement bot.
Playbook 3 : matrice routing (2 j)
Documenter section 5 dans Notion. Croiser triage (#236) : intent_primary + rfm_segment → route.
Playbook 4 : templates + prompt (2 j)
Importer 8 templates section 6. Prompt system avec plafonds #238. Shadow mode 1 semaine : agent valide brouillons bot sur P1 RFM.
Playbook 5 : pack test conformité (1 j)
15 conversations + audit segment leak. Legal sign-off. Activer transparence IA art. 50.
Playbook 6 : go-live + revue
Activer routing production. KPI section 10 à J+30. Maillage : RFM humain (#275), Shopify (#20), historique (#257).
La RFM au bot sert le client quand elle accélère la bonne réponse au bon moment, pas quand elle classe à voix haute.
Enzo
30 juin 2026
