Les clients les plus actifs sont-ils les plus précieux ?

Triez vos clients par chiffre d’affaires et regardez le haut de la liste. Tout invite à y engager les moyens : ces clients-là sont les plus actifs, donc, croit-on, les plus précieux. Le raisonnement tient en une règle que l’on cite souvent, le 80/20 : 20 % des clients feraient 80 % des ventes.

Nous avons voulu vérifier si ce raisonnement tient, parce que la réponse oriente la façon de répartir un budget entre les clients d’aujourd’hui et ceux de demain. Concentrer les moyens sur les clients les plus actifs, est-ce les concentrer sur ceux qui valent le plus ? Nous avons lu sept documents : quatre sur la concentration des achats, un sur la prévision de la valeur d’un client, deux sur la rentabilité des clients d’une banque.

La réponse courte

Pas dans les documents que nous avons lus. Les travaux sur la concentration des achats mesurent des parts de ventes, d’achats ou de transactions, sans marge ni coût [1][2][3][4]. Le document qui calcule une valeur client en suppose la marge [5], et la source bancaire répartit un profit économique sans classer ses clients par ventes (texte des pages, figures de [6] non lues) [6][7].

Que mesure le 80/20 ?

Le 80/20 est la version « marketing » de la loi de Pareto : les 80 % de clients du bas d’une marque ne livreraient que 20 % de ses ventes. L’Ehrenberg-Bass Institute for Marketing Science, un institut rattaché à l’University of South Australia, soutient qu’une régularité existe mais qu’elle est plutôt de l’ordre de 60/20 : les acheteurs légers, les 80 % du bas, livrent environ 40 % (100 moins 60), que le billet décrit comme presque la moitié des ventes courantes d’une marque, et comme 40 % du chiffre d’affaires de long terme [1].

La part des ventes que portent les 20 % d’acheteurs du haut, l’institut l’appelle la « part de Pareto » de la marque. Il la dit généralement à peine supérieure à la moitié des ventes, et ces mêmes acheteurs contribueront moins à la période suivante [3].

Un article d’un chercheur de l’institut dans un magazine professionnel du vin donne la même fourchette : sur des achats dans 15 catégories de plusieurs pays, de 55 à 60 % des achats viennent des 20 % de clients du haut, et un peu moins de la moitié des 80 % les moins fréquents [2].

Le chiffre de référence est une moyenne de 59 % par marque sur un an, de 68 % pour la nourriture pour chiens à 44 % pour l’après-shampooing, issue d’un rapport de 2007 [3].

Quelle fenêtre, quelle part ?

La part du cinquième de tête n’est pas un nombre fixe. Elle dépend de la période d’analyse, des choix techniques de celui qui la calcule, de la taille de la marque et de la catégorie [3].

Pour la marque moyenne du billet, observée sur sa base de clients de cinq ans, la part est typiquement de 40 % sur un trimestre, de plus de 50 % sur un an et d’un peu plus de 60 % sur cinq ans [1]. L’annexe du rapport de 2019 retient 40, 50 et 60 % [3].

Pourquoi cette hausse ? Plus la fenêtre s’allonge, plus des acheteurs très légers entrent dans le calcul [3]. Selon le billet, qui n’en publie pas de mesure, des clients disparaissent sur une très longue période (déménagement, sortie de la catégorie, décès) et paraissent alors très légers, ce qui gonflerait le poids dans les ventes de ceux qui restent [1]. L’institut juge d’ailleurs les fenêtres de cinq à six ans atypiques en gestion de marque [3].

Schéma 1. Part des ventes portée par les 20 % d’acheteurs du haut pour la marque moyenne du billet, selon la fenêtre d’analyse. Sources : [1][3].

La part est plus extrême pour les petites marques et pour les fenêtres longues ; pour les petites marques, le billet refuse d’y lire une fidélité plus forte [1]. Le rapport de 2019 nuance : en général un peu plus haute pour les petites marques, mais plus basse que chez leurs grandes concurrentes sur de très courtes périodes [3].

Dans cette base de cinq ans, 80 % des acheteurs sont « super-légers » : cinq achats ou moins en cinq ans. Les petites marques attirent beaucoup plus d’achat unique que les leaders, jusqu’à la moitié des clients pour les plus petites [1].

Qui a produit ces chiffres ?

L’annexe du rapport de 2019 recense sept autres travaux. Six portent sur la part des ventes des acheteurs du haut, avec des fenêtres et des terrains très différents [3].

Tableau 1. Les six travaux de l’annexe qui portent sur des parts d’acheteurs. Source : [3].

Une ligne de l’annexe (Brynjolfsson et coauteurs, 2011) est décrite par [3] comme une part de produits, et rapportée par [4] à 57 % et 53 % ; nous l’écartons du décompte. L’étude sur grand magasin rapporte les travaux de McCarthy et Winer à 67 % hors biens de grande consommation et à 66 % pour les entreprises de services, sur deux ans [4] : aucune source du dossier ne dit si les entreprises à abonnement (58 %) sont comprises dans les entreprises de services (66 %).

Les deux bornes hautes, toutes fenêtres comme à un an, viennent de la même source : des données de carte de fidélité d’une seule enseigne britannique, présumée être Tesco, qui pèserait environ 28 % des courses au Royaume-Uni selon le billet. Le billet juge que ce type d’échantillon gonfle la part, parce que des ménages qui ont déménagé et achètent désormais dans une autre enseigne paraissent légers, et que ce biais s’aggrave avec le temps [1].

L’étude sur grand magasin, parue dans l’International Journal of Market Research, a été lue dans sa version de manuscrit accepté après évaluation par les pairs. Trois de ses cinq auteurs sont rattachés à l’institut, les deux autres à Keio et à Northwestern, et aucun conflit d’intérêts n’y est déclaré [4].

Schéma 2. Les quatre documents sur la concentration et leur filiation avec le rapport de 2007, réservé aux sponsors de l’institut. Le billet [1] s’y rattache ; le rapport de 2019 [3] écrit confirmer ses conclusions ; l’étude sur grand magasin [4] en rapporte une autre valeur ; l’article du magazine du vin [2] ne le nomme pas.

Le haut du classement tient-il ?

Reste à savoir si le cinquième de tête d’une année est encore là l’année suivante. Deux documents de l’institut disent que la moitié des gros acheteurs n’y revient pas, et le billet que leur part des ventes baisserait, sans publier de données. Le billet écrit que les 20 % du haut vaudront l’an prochain moins que les 60 % de ventes de cette année, environ 45 % selon lui, ce qu’il rattache à la régression vers la moyenne, et il juge préférable de voir le 60/20 comme une surestimation [1]. Le rapport de 2019 écrit que, même pour des marques stables, la moitié des gros acheteurs de l’an dernier ne se qualifie plus dans le top 20 %. Il nomme « loi de modération des acheteurs » le constat que, l’an suivant, les 20 % de tête seront moins gros et les acheteurs légers plus gros [3]. Le magazine du vin avance qu’environ 50 % seulement des gros acheteurs d’une année le sont l’année suivante, et que la contribution aux ventes des 50 % restants baisse d’environ 15 % [2].

Pourquoi ce recul ? Pour le magazine du vin, il tient à un comportement probabiliste, pas à un choix conscient dans la plupart des cas. Beaucoup de gros acheteurs stockent ou achètent pour une occasion ; l’année suivante, certains ont pu déménager, décéder, acheter beaucoup d’une autre marque de vin ou attendre un enfant. Beaucoup restent de gros acheteurs de la catégorie, mais leurs plus gros achats passent à une autre marque, et les gros acheteurs d’une catégorie achètent plus de marques différentes que les petits [2].

Une étude mesure la stabilité du segment de tête sur des transactions enregistrées par un programme de fidélité, sans tester ces explications : celles d’une chaîne de grands magasins d’Asie de l’Est, dont le nom et le pays sont tus, soit 553 335 843 transactions d’un programme de fidélité entre avril 2012 et mars 2015, dans plus de 30 magasins. L’enseigne a demandé que le nombre de clients ne soit pas divulgué. Les gros acheteurs y sont les 20 % de clients du haut en fréquence de transaction et en valeur. Pour chaque rayon, les clients sont classés par contribution annuelle aux ventes, le chiffre d’affaires des 20 % du haut est sommé et rapporté au total du rayon, et la stabilité est la part des clients du top 20 % d’une année qui s’y qualifient de nouveau l’année suivante, sur trois périodes de douze mois [4].

Au niveau du magasin entier, les 20 % de clients qui dépensent le plus portent 71 % du chiffre d’affaires enregistré dans le programme de fidélité. Par rayon, la part va de 65 % (sport, entretien) à 86 % (costume traditionnel). Cette concentration suit la valeur moyenne d’une transaction dans le rayon, pas leur fréquence [4].

Et ce cinquième de tête se reconstitue-t-il ? 69 % des clients du top 20 % des dépenses du magasin en année 1 s’y qualifient de nouveau en année 2, et 64 % quand l’horizon passe à deux ans. Par rayon, la stabilité annuelle moyenne tombe à 45 %, de 11 % pour les cadeaux à 74 % pour l’alimentaire, et à 38 % en moyenne sur deux ans. Pour le top 20 % par nombre de transactions, elle est en moyenne par rayon de 48 % l’année suivante et de 40 % sur deux ans ; 76 % et 69 % pour le magasin entier, d’après le tableau 3 seul. Allonger la fenêtre n’améliore pas la stabilité [4].

Schéma 3. Part des clients du top 20 % des dépenses d’une année qui s’y retrouvent l’année suivante, puis deux ans plus tard : magasin entier, moyenne par rayon et étendue des rayons. Une seule enseigne. Source : [4].

Quatre énoncés sur la persistance du segment de tête circulent donc, avec des statuts différents.

Tableau 2. La persistance du segment de tête d’une année sur l’autre. Les définitions du segment diffèrent : sans seuil dans [2], 20 % du haut dans [3] et [4]. Sources : [2][3][4].

Les auteurs de l’étude en tirent une consigne : évaluer et mettre en œuvre les actions de rétention des gros acheteurs au niveau du rayon plutôt que du magasin. Dans les rayons peu stables, comme enfants et bébés ou sport, cibler seulement les gros acheteurs de l’an passé manquerait d’anciens acheteurs légers qui peuvent devenir gros ; dans les rayons stables, ce ciblage a des chances de toucher des gros acheteurs qui le restent. L’analyse aiderait à répartir les ressources entre rétention et acquisition [4].

Et la marge, alors ?

Le magazine du vin présente comme admis que les clubs de fidélité sont des dispositifs défensifs, qui n’augmentent pas la fréquence ni le montant des achats qui auraient eu lieu sans le club ; les gros acheteurs réguliers achèteraient probablement de toute façon, sans récompense financière [2].

Les auteurs du billet en tirent une orientation stratégique, qui est une opinion et non un résultat mesuré : les acheteurs légers pèsent 40 % du chiffre d’affaires de long terme et sont quatre fois plus nombreux ; avec les non-acheteurs, ils seront la principale source de croissance, si bien que viser ses fidèles ressemble à une quasi-impasse [1].

Prédire le client de demain

Si le classement d’hier ne suffit pas à dire la valeur de demain, comment la prévoir ? Un document de 2005, signé de Fader, Hardie et Lee, s’y essaie avec un modèle. Il part de trois mesures de chaque client, réunies sous le sigle RFM : la récence (date du dernier achat), la fréquence (nombre d’achats passés) et la valeur monétaire (montant moyen par transaction). Son but est la valeur vie client (CLV, pour customer lifetime value), c’est-à-dire la valeur actuelle des flux de trésorerie futurs associés à un client [5].

Les données sont celles d’une seule cohorte : 23 570 personnes ayant fait leur premier achat chez CDNOW, un site de vente de musique en ligne, au premier trimestre 1997, suivies jusqu’à fin juin 1998, soit 78 semaines. Dix revendeurs présumés sont retirés, ce qui laisse 23 560 clients. Le modèle est calibré sur un échantillon au dixième (2 357 clients) pendant les 39 premières semaines, puis validé sur les 39 suivantes, tenues à l’écart : c’est la validation dite « holdout ». Elle porte sur des composantes du modèle, non sur la valeur vie client elle-même [5].

Le document tient le comportement passé pour un prédicteur clé du comportement futur. Ce qu’il reproche à d’autres modèles est ailleurs : traiter les variables RFM observées comme des traits exacts alors qu’elles sont des indicateurs imparfaits, s’en remettre aux seules données passées comme à un miroir de l’avenir. Un piège qu’il évoque est de multiplier les transactions attendues par la dépense moyenne observée, ce qui ignore la régression vers la moyenne. Dans le modèle ajusté sur CDNOW, la dépense moyenne observée d’un client ne devient une estimation raisonnablement fiable qu’après 7 à 8 transactions. Son modèle calcule pour cela une moyenne pondérée entre les achats passés du client et les tendances de l’ensemble de la population, selon le nombre de transactions du client [5].

Sur la période de validation, le modèle sous-estime les ventes cumulées de moins de 2 % à la semaine 78. La valeur moyenne de transaction théorique diffère de l’observée de neuf cents, une mesure d’ajustement du sous-modèle monétaire. Au niveau des clients, la validation compare des moyennes conditionnelles que les auteurs jugent bonnes. Une telle validation sur données tenues à l’écart manque, écrivent-ils, à presque tous les travaux sur la valeur vie client, et devrait être employée dans toutes ces analyses [5].

Le résultat le plus parlant pour un tableau de bord tient à la récence. À faible récence, selon le modèle, les clients à fréquence passée élevée ont probablement un potentiel futur plus faible que ceux qui achetaient moins. Parmi les clients ayant racheté au moins une fois, codés en terciles, la récence est la dimension où la valeur vie client varie le plus, suivie de près par la fréquence. Sur les données brutes, jugées clairsemées et peu fiables, récence et fréquence sont associées positivement aux achats futurs ; le modèle montre un renversement à faible récence. Les clients sans achat répété pèsent ensemble près de 5 % de la valeur future de la cohorte ; la cellule la plus haute sur les trois dimensions, environ 435 $ par client, près de 38 %, pour une valeur vie client moyenne d’environ 47 $ par client [5].

Le document rappelle aussi, d’après Schmittlein et ses coauteurs (1993), que la concentration observée n’est pas la concentration vraie, et note que les motifs observés dépendent de la durée d’observation [5].

Que dit la banque ?

Passons du magasin à la banque. Deux textes de Bain & Company, signés des trois mêmes associés (Jan-Alexander Huber, Iwona Steclik et Thomas Olsen), traitent des clients entreprises non rentables : le premier est paru sur le site de Bain & Company le 16 mai 2017, le second sur un blog de contributeurs de Forbes le 5 juin 2017. Le second renvoie au premier : c’est une seule voix, non deux sources qui se recoupent [6][7].

Leur estimation porte sur un portefeuille « typique » de clients entreprises d’une grande banque multinationale. Le profit économique vient d’environ 20 % des clients, dont peut-être 1 % portent l’essentiel de la valeur. Quelque 30 % des clients passent sous le seuil de profit économique, dont environ 1 % avec l’effet négatif le plus fort pour la banque telle qu’elle les sert aujourd’hui. Les 50 % restants, ou à peu près, ont une valeur modérée pour la banque ou sont à l’équilibre [6]. Forbes présente ce découpage comme une estimation de Bain & Company [7].

La rentabilité d’un client dépend de facteurs qui fluctuent : le coût de service, le cycle du secteur du client, les taux d’intérêt du marché. Beaucoup de banques n’ont pas de système pour suivre cette variation client par client : la plupart des grandes banques savent rattacher un revenu ou un risque de crédit à un client, peu disposent d’un système sophistiqué pour lui allouer des coûts d’exploitation ou un risque de marché [6].

Face à un client non rentable, les deux textes nomment deux issues : le servir autrement ou le sortir du bilan [6][7]. Comme tous les clients ne sont pas rentables chaque année, les banques qu’ils citent en exemple jugent la rentabilité sur une vue de deux à quatre ans [6][7], ce qui n’exclut pas une gestion active du portefeuille [6]. Le premier texte seul ajoute que traiter d’abord le 1 % le moins rentable peut améliorer nettement le résultat, mais que ces clients tendent à être gros en taille et en revenus, et que renoncer à eux n’est peut-être pas viable, la banque ayant besoin de couvrir sa base de coûts fixes [6].

Tableau 3. Deux décisions et ce que le dossier en éclaire. Lecture de notre part. Sources : [1] à [7].

Sept sources, une question ouverte

Voici les sept documents d’un coup d’œil, avec ce que chacun apporte.

Tableau 4. Les sept documents lus. Sources : [1] à [7].

Ce qu’un lecteur qui doit décider peut en faire

Tableau 5. Lecture par profil. Les niveaux d’enjeu et de réversibilité sont notre appréciation. Sources : [1] à [7].

Mes réserves

• Une seule école. Les documents sur la concentration viennent de l’institut, de ses auteurs ou d’une équipe dont trois membres sur cinq en font partie ; le rapport de 2019 invoque des analyses indépendantes sans dire lesquelles sont indépendantes ni lister les analyses de sponsors [1][2][3][4].
• Un chiffre de référence sans données ouvertes. Le rapport de 2007 est réservé aux sponsors de l’institut ; le billet et le rapport de 2019 n’en donnent pas la population, et un autre document le rapporte à 52 % quand le rapport de 2019 le donne à 59 % [1][3][4].
• Des bases qui ne concordent pas. La série de 40, 50 et 60 % est décrite sur trois bases différentes selon les documents, et les petites marques, les fenêtres longues et la carte de fidélité d’une seule enseigne font varier la part [1][3][4].
• Des reculs sans relevé. Les énoncés de l’institut sur la sortie du segment de tête ne sont accompagnés d’aucune donnée ; la base de la baisse « d’environ 15 % » n’est pas écrite [1][2][3].
• Une enseigne, un manuscrit. L’étude sur grand magasin porte sur une chaîne d’Asie de l’Est, avec des transactions probablement hors base ; nous avons lu son manuscrit accepté, pas la version publiée ; son texte écrit douze rayons quand ses tableaux en listent treize ; pour le « total magasin », seul 71 % est commun à son résumé, à son texte et à son tableau 3 [4].
• Une marge supposée. La valeur client de Fader, Hardie et Lee repose sur une marge brute de 30 % et un taux de 15 % supposés, sur une seule cohorte d’achats sans contrat [5].
• Une estimation bancaire sans méthode. Dans le texte des deux pages, le découpage de Bain & Company n’a ni méthode, ni échantillon, ni nombre de banques publiés (les figures de la page de Bain & Company n’ont pas pu être lues), ses deux textes sont d’une même voix et le profit économique n’y est pas défini [6][7].
• Un champ restreint aux biens de consommation. Le chiffre de référence de [3] porte sur des marques de biens de consommation, [1] et [2] ne précisent pas leur champ ; l’annexe de [3] recense aussi des travaux hors de ce champ ; [4] porte sur un grand magasin ; les parts très élevées dans l’inter-entreprises restent une question ouverte pour l’institut lui-même [3].
• Des lectures qui sont les nôtres. Le « client visible » et la distinction entre allouer et sortir sont les nôtres : nous ne les attribuons à aucun des sept documents [1] à [7].
• Ce que cette pièce ne couvre pas. Le billet de l’institut, le rapport de 2019 et l’article du magazine du vin ne contiennent ni options réelles ni heuristique (recherche faite sur leur texte) ; le document de Fader, Hardie et Lee n’a été cherché que sur l’heuristique, les deux textes de Bain & Company que sur « option » (aucun sens d’options réelles), et l’étude sur grand magasin sur aucun des deux termes. Nous n’avons pas lu les articles qui rapprochent options réelles et valeur vie client, ni ceux sur l’inertie des décisions de sortie, et nous ne disons rien de leur contenu.
• Un indice au plancher. L’indice de preuve est posé bas parce que la preuve de la thèse (aucun document ne mesure la marge) est une lecture que nous faisons de sept documents ouverts (texte des pages, figures de [6] non lues) ; le reste du corpus est accessible et relisible, mais aucun document ne publie de données permettant de refaire ses chiffres. Le chiffre de référence de 59 % vient d’un rapport de 2007 qu’un lecteur extérieur ne peut pas refaire ; il structure des comparaisons sans porter la thèse. Les documents sur la concentration viennent d’une seule école, et ils ne s’accordent pas entre eux.