---
title: "Calculer la fréquence d'achat dans HubSpot : le tutoriel | Lomed"
description: "Tutoriel HubSpot : les propriétés de rollup et calculées pour obtenir la fréquence d'achat et la date de prochaine commande, puis les relances à déclencher."
image: https://9389156.fs1.hubspotusercontent-na1.net/hubfs/9389156/blog/hero_recurrence_hd.png
---

# Augmenter la récurrence d'achat de ses clients grâce à HubSpot

Tutoriel HubSpot : les propriétés de rollup et calculées pour obtenir la fréquence d'achat et la date de prochaine commande, puis les relances à déclencher.

[Léo Juvin](https://www.lomed.fr/blog/author/léo-juvin)

 juil. 10, 2026

---

Vous savez au bout de combien de temps, en moyenne, un client repasse commande chez vous ? La plupart des entreprises pilotent leur réachat à l'aveugle, alors que la donnée pour le prévoir dort déjà dans leur CRM. Quand vos clients recommandent régulièrement mais sans abonnement automatique, chaque commande est une décision qu'ils reprennent à zéro : si vous ne voyez pas venir le bon moment, vous relancez trop tard et vous laissez décrocher des clients sans le voir.

Dans ce guide, vous allez voir comment **déterminer la fréquence de commande** de vos clients, **estimer la date de leur prochaine commande**, et **exploiter ces deux données nativement dans HubSpot** - avec les propriétés à créer et la formule exacte de chacune.

## Ce que ça débloque, équipe par équipe

Une fois la fréquence et la date de prochaine commande calculées au niveau de l'entreprise, chaque équipe en tire un usage concret :

- **Sales** - prioriser les entreprises proches de leur prochaine commande ; maximiser le taux de réachat.
- **Marketing** - déclencher des workflows automatisés ; activer des segments clients selon leur date de commande.
- **Service & Customer Success** - identifier les clients en retard ; alimenter un [score d'attrition](https://www.lomed.fr/blog/comment-creer-un-lead-scoring) (churn).
- **Direction** - suivre le % d'entreprises en retard ; comprendre les comportements d'achat par cible et par produit.

## La logique de calcul : 3 données, 2 formules

Tout repose sur l'historique d'achat. Au niveau de chaque entreprise cliente, on part de trois informations :

- La date de première commande
- La date de dernière commande
- Le nombre total de commandes

On calcule d'abord la fréquence de commande :

Fréquence (jours) = (Date de dernière commande − Date de 1ère commande) ÷ (Nombre de commandes − 1)

**Le piège classique** : on divise par le nombre de commandes *moins un*, pas par le nombre de commandes. La raison est géométrique - entre 8 commandes, il n'y a que 7 intervalles, et c'est la durée moyenne d'un intervalle qui vous intéresse. Un restaurant qui a passé 8 commandes sur 280 jours : le bon calcul donne **280 / (8 − 1) = 40 jours**, pas 35. Répétée sur toute la base, l'erreur fait croire vos clients plus fréquents qu'ils ne le sont et déclenche vos relances trop tôt.

On ajoute ensuite cette fréquence à la dernière commande pour obtenir la date estimée de prochaine commande :

Date estimée de prochaine commande = Date de dernière commande + Fréquence

Cette date est directement exploitable dans les fonctionnalités natives d'HubSpot (fiches, segments, rapports, workflows, scoring).

## Implémenter dans HubSpot

**Prérequis.** Il vous faut un objet « commande » où chaque commande est un enregistrement daté : le plus souvent la **transaction (Deal)** utilisée comme commande, ou un **[objet personnalisé](https://www.lomed.fr/blog/à-quoi-sert-un-objet-personnalisé-sur-hubspot) « Commandes »**, associé à l'entreprise. Toutes les propriétés se créent sur l'objet **Entreprise**. Deux façons de procéder selon votre offre.

### Option 1 - avec les Datasets (Operations Hub, ex-« Data Studio »)

- Créer un **dataset** avec deux sources : **Entreprises** (source primaire) + **Commandes**.
- Créer les champs agrégés sur les commandes : *date de dernière commande* → fonction `Most_recent` ; *date de 1ère commande* → `Oldest` ; *nombre de commandes* → `Distinct_count`.
- Créer la propriété calculée de fréquence à partir de ces champs. Pensez à utiliser le format « champ agrégé », sinon les calculs peuvent ne pas fonctionner.
- Mapper ces calculs vers des propriétés personnalisées au niveau de l'entreprise.

### Option 2 - sans Datasets (propriétés + workflows)

**Remonter les 3 données sur l'entreprise.** Le plus simple : des **propriétés de rollup** natives - « date la plus ancienne » (1ère commande), « date la plus récente » (dernière commande) et « décompte » (nombre de commandes, association Commande). À défaut de rollup de date, on copie les dates sur l'entreprise [par workflow](https://www.lomed.fr/blog/hubspot-tout-savoir-sur-les-workflows) ; astuce : un seul workflow met à jour la date de dernière commande, avec une branche « *si la date de 1ère commande est inconnue* » qui remplit alors le champ de première commande.

**Propriété calculée - Fréquence de commande (en jours)** :

round\_nearest( (((((\[Date dernière commande\] - \[Date 1ère commande\]) / 1000) / 60) / 60) / 24) / (\[Nombre de commandes\] - 1), 0 )

Détails : `round_nearest(…, 0)` arrondit au jour le plus proche ; la division par `1000 / 60 / 60 / 24` fait passer du format milliseconde au format jour ; la division par `[Nombre de commandes] - 1` donne la durée moyenne d'un intervalle.

**Propriété calculée - Date estimée de prochaine commande** :

add\_time(\[Date dernière commande\], \[Fréquence de commande\], "day")

Détails : la fonction `add_time` ajoute une durée à une date ; on sélectionne `"day"` pour rester en jours. *(Si votre éditeur n'expose pas `add_time`, l'équivalent en millisecondes fonctionne aussi : `[Date dernière commande] + ([Fréquence de commande] * 86400000)`.)*

**Deux cas à connaître.** Un client avec une seule commande donne `[Nombre de commandes] - 1 = 0` : la division par zéro laisse la propriété **vide** - c'est voulu, on isole ces clients à part. Et une date estimée qui tombe **dans le passé** n'est pas un bug : c'est le signal d'un client qui a dépassé son rythme habituel, donc qui décroche.

## Exploiter les données une fois calculées pour augmenter la fréquence d'achat

Dès que ces champs existent sur l'entreprise, tout le reste est natif dans HubSpot :

- **Fiche entreprise** - afficher ces données à vos équipes, par exemple dans la section « À propos » de la fiche.
- **Segments** - créer de nouvelles [cibles clients](https://www.lomed.fr/blog/le-guide-de-la-segmentation-sur-hubspot) ; exemple : les clients en retard d'une semaine sur leur date estimée de prochaine commande.
- **Rapports** - comparer par cible et créer des ratios ; exemple : fréquence de commande par ICP (profil client idéal) ou par géographie, % de clients en retard.
- **Scoring** - augmenter proportionnellement le **score d'attrition** d'une entreprise selon son retard sur la date estimée.

**Workflows - les trois temps autour de la date.** C'est ici que la donnée devient du chiffre d'affaires. On branche des [workflows automatisés](https://www.lomed.fr/marketing-automation) sur la date estimée :

- **Avant (J-7)** - email de réassort automatique ou tâche de relance au commercial, pour capter la commande avant que le besoin se manifeste et devancer un concurrent.
- **Sur la date (J)** - si aucune nouvelle commande n'est enregistrée, notification au commercial, offre de réassort ou rappel produit : le client est pile dans sa fenêtre d'achat habituelle.
- **Après (dépassement)** - au-delà de la date (par ex. +2 semaines, ou +1 mois pour un cas franc), une tâche part vers le support ou le commercial pour diagnostiquer (rupture, insatisfaction, concurrent), pendant que le score d'attrition monte.

Et une fois le rythme connu, vous pouvez l'**orienter** plutôt que le subir : solliciter à 30 jours un client qui commande à 40 fait passer notre restaurant d'environ 9 à environ 12 commandes par an. Sur des centaines de comptes, c'est un levier de croissance sans un euro d'acquisition.

## Par où commencer

Trois questions pour savoir si la méthode est faite pour vous. Vos clients repassent-ils commande plusieurs fois dans l'année ? Ce réachat est-il manuel plutôt qu'automatique ? Leur rythme est-il à peu près régulier ? Trois oui, et vous avez tout intérêt à sortir ces calculs de l'ombre.

La donnée est déjà dans votre HubSpot : il ne manque que les propriétés pour la faire parler et les bons déclencheurs pour la transformer en chiffre d'affaires. C'est exactement le type de chantier que nous mettons en place [chez Lomed](https://www.lomed.fr/consulting-hubspot) pour nos clients HubSpot, du calcul des propriétés jusqu'aux [rapports](https://www.lomed.fr/reporting-hubspot) de pilotage.

 

## Pour aller plus loin

<https://www.lomed.fr/blog/10-rapports-indispensables-pour-suivre-vos-commerciaux-sur-hubspot>

Prospection B2B

### [10 rapports utiles pour suivre vos commerciaux sur Hubspot !](https://www.lomed.fr/blog/10-rapports-indispensables-pour-suivre-vos-commerciaux-sur-hubspot)

Découvrez les 10 rapports de vente importants sur HubSpot pour suivre et optimiser les performances de vos commerciaux.

Chloé Rozen oct. 26, 2023

<https://www.lomed.fr/blog/hubspot-sales-starter-ou-sales-pro-que-choisir>

Hubspot Sales

### [Hubspot Sales Starter ou Sales Professional : que choisir ?](https://www.lomed.fr/blog/hubspot-sales-starter-ou-sales-pro-que-choisir)

HubSpot Sales Starter vs Hubspot Sales Professional : toutes les fonctionnalités passées au crible pour prendre la bonne décision !

Maxime Welmarz mai 9, 2023

<https://www.lomed.fr/blog/audit-hubspot-eskimoz>

Hubspot Sales

### [Cas client Agence : restructurer le CRM d'Eskimoz](https://www.lomed.fr/blog/audit-hubspot-eskimoz)

Audit Hubspot : Découvrez comment l’agence SEO Eskimoz a optimisé son cycle de vente et amélioré son taux de conversion

Maxime Welmarz juil. 26, 2025

```json
{
  "@context" : "https://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "Léo Juvin",
    "url" : "https://www.lomed.fr/blog/author/léo-juvin"
  },
  "dateModified" : "2026-07-10T18:01:31.399Z",
  "datePublished" : "2026-07-10T18:01:31.000Z",
  "headline" : "Calculer la fréquence d'achat dans HubSpot : le tutoriel | Lomed",
  "image" : [ "https://9389156.fs1.hubspotusercontent-na1.net/hubfs/9389156/blog/hero_recurrence_hd.png" ],
  "mainEntityOfPage" : {
    "@id" : "https://www.lomed.fr/blog/frequence-achat-hubspot-anticiper-commandes",
    "@type" : "WebPage"
  },
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "url" : "https://9389156.fs1.hubspotusercontent-na1.net/hubfs/9389156/Logo_Lomed-removebg-preview-1.png"
    },
    "name" : "Lomed Agency"
  }
}
```

```json
{
  "@context" : "https://schema.org",
  "@type" : "FAQPage",
  "mainEntity" : [ {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "Remontez sur la fiche entreprise trois donnees via des proprietes de rollup (date la plus ancienne, date la plus recente et decompte des commandes), puis creez une propriete calculee qui divise l'ecart entre les deux dates converti en jours par le nombre de commandes moins un : round_nearest((((([Date derniere commande] - [Date 1ere commande]) / 1000) / 60) / 60) / 24) / ([Nombre de commandes] - 1), 0)."
    },
    "name" : "Comment calculer la frequence d'achat d'un client dans HubSpot ?"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "Oui. Une propriete calculee ajoute la frequence a la date de derniere commande avec la fonction add_time([Date derniere commande], [Frequence de commande], day). Si votre editeur n'expose pas add_time, l'equivalent en millisecondes fonctionne : [Date derniere commande] + ([Frequence de commande] * 86400000)."
    },
    "name" : "Peut-on estimer la date de prochaine commande automatiquement ?"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "Parce que vous mesurez des intervalles, pas des commandes. Entre 8 commandes, il n'y a que 7 intervalles. Diviser par le nombre de commandes sous-estime la frequence et declenche vos relances trop tot."
    },
    "name" : "Pourquoi diviser par le nombre de commandes moins un ?"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "Non, pas pour l'abonnement lui-meme, qui se renouvelle automatiquement. Elle redevient utile pour les achats ponctuels vendus a cote de l'abonnement, comme des packs de credits ou des prestations rachetees regulierement."
    },
    "name" : "Cette methode marche-t-elle pour un SaaS en abonnement ?"
  }, {
    "@type" : "Question",
    "acceptedAnswer" : {
      "@type" : "Answer",
      "text" : "Aucune frequence n'est calculable pour eux (division par zero, propriete laissee vide). Isolez-les dans un segment dedie et declenchez une logique orientee deuxieme commande, plutot que le suivi de recurrence."
    },
    "name" : "Que faire des clients qui n'ont commande qu'une fois ?"
  } ]
}
```