La segmentation comportementale divise une audience en groupes homogènes sur la base de leurs actions et comportements observés : historique d'achats, fréquence d'utilisation, niveau d'engagement, étapes du parcours client, features utilisées, contenu consulté, ou réponse aux campagnes précédentes. Elle repose sur le principe que ce que font les individus prédit mieux leur comportement futur que ce qu'ils sont (démographie) ou où ils sont (géographie).
Les principaux critères de segmentation comportementale incluent : le statut d'achat (premier acheteur, client régulier, client dormant, churné), la fréquence et la récence d'achat (modèle RFM — Récence, Fréquence, Montant), le niveau d'engagement (utilisateurs actifs quotidiens, hebdomadaires, occasionnels), le comportement de navigation (catégories visitées, recherches effectuées), et la réponse aux communications (ouvreurs actifs, non-répondants). Chaque segment requiert une approche de communication distincte.
La segmentation comportementale est particulièrement puissante lorsqu'elle alimente une logique de communication automatisée : les segments se mettent à jour dynamiquement en fonction des comportements récents, déclenchant automatiquement des communications adaptées (relance panier abandonné, offre de fidélisation pour les clients à risque de churn, upsell pour les utilisateurs très engagés). Cette personnalisation à l'échelle est rendue possible par les plateformes de marketing automation et les CDP (Customer Data Platforms) qui centralisent et activent les données comportementales.