Résumé

Dans le secteur de la distribution, la plus part des entreprises ont développé des programmes de fidélisation batis sur des systèmes de cartes de fidélité.

Quelle est l'efficacité de ces programmes?

Accroissent-il réellement la fidélité des clients?

La littérature en marketing donne peu de réponse car peu de travaux empiriques ont été entrepris dans le domaine. L'objet de cet article est d'abord de contribuer empiriquement à une meilleure connaissance de l'efficacité de tels programme, ensuite de contribuer à une meilleure compréhension des conditions d'applications de ce type de programme.

Cet article présente les résultats d'une analyse approfondis d'un cas. Trois analyses différentes sont menées. La première concerne des données agrégées au niveau du point de vente provenant d'un test conduit au cours de 37 mois et concernant 15 magasins. En utilisant une technique d'analyse de données de panel, on cherche à tester l'effet de la diffusion de la carte sur des variables telles que le CA, le trafic, la marge brute, le panier moyen. Le principal résultat est que si un effet significatif est enregistré, l'importance de cet effet mesuré par une élasticité est très faible. Si faible qu'une première conclusion est que la condition de profitabilité du profit réside dans une distribution sélective de la carte.

La seconde analyse est relative à des données désagrégées relatives aux porteurs de la cartes et à leurs historiques d'achat. Nous montrons avec ces données, que sur un plan individuel il n'y a pas d'effet à long terme mais un très fort effet de cours terme. Ces résultats semblent indiquer que la carte n'agit pas tant comme un instrument de fidélisation mais comme un instrument de promotion.

La dernière étude est relative aux effets des mailing envoyés périodiquement aux porteurs de cartes. En employant une technique d'analyse de survie, sur la base de 28 opérations de marketing direct, on montre un net effet d'accélération, des achats.

En conclusion, une discussion sur les conditions d'efficacité de la carte est développée. Nous défendons l'idée que l'efficacité dépend de deux facteurs : la capacité à cibler les gros consommateurs et la qualité des programmes d'animation de la carte. La carte en elle-même, y compris les mécanismes de récompense, n'est pas suffisante pour modifier les comportements des consommateurs. Le flux des événements et des animation est la clé d'un programme réussis de fidélisation lorsqu'il est appliqué sur des clients réactifs.

Abstract

Within the field of retailing, most companies has developped loyalty programs build around concept of loyalty cards. Do these program are really efficient? Do they really increase the customers loyalty ? Few evidence come from the litterature because very few empirical work has been done. The purpose of this communication is first to contribute empirically to a better knowledge of this kind of marketing program, second to contribute to a better understanding of the condition of application of this program.

This communication present the results of an extensive analysis of a case study. Three different analysis are conducted. The first one deal with aggregated data at the level of point of sales, relative to a 37 month experiment concerning 15 shops. With a panel-data analysis, we tried to test the effect of the card diffusion upon sales, margin, traffic  etc….The main result is that if we detect a significative effect, the size of this effect, measured through elascity, is very low. So low that extrapolating the results, conditions of profitability of the program, is a selective diffusion.

The second analysis is related to disagregate data relative to the card's owners and their buying behavior history. We  show with these data that, on an individual basis, there is no long­term effect, but strong short-term effect. These results suggest that the card seems to work as a promotional device more than as a loyalty inducer.

The last analysis is relative to the effect of mailing sent to the the cards owners. With a survival analysis we tested the acceleration of sales effect for 28 mailing campaign. In most case there is a significative reduction of the interpurchase time.

In conclusion, a discussion about conditions of efficiency is developped. We claim that efficiency of loyalty program is dependant of two main factors : the ability to target responsive lead users; the quality of event programs associated with the card. The card in itself, included reward schemes, is not sufficient to modify behaviors. The flow of events, animations, associated

to the card, is the key for successful programs when applied to responsive customers.


Analyse de l'efficacité des cartes de fidélité : une étude de cas.


Les programmes de fidélisation, en particulier ceux employés par les distributeurs, sont actuellement considérés comme fondamentaux par de nombreuses entreprises. Ils s'inscrivent dans le cadre de stratégies plutôt défensives de rétention de clientèle [8] [9] [26] [18] [32], s'appuyant sur la double conviction que retenir un client coûte moins cher qu’en conquérir un nouveau, et que les meilleurs clients sont les plus rentables.

Par programme de fidélisation on entend un ensemble d'actions organisées de telle manière que certains clients soient stimulés et entretenus, et que l'attrition, c’est à dire le taux de clients perdus, soit minimisée et/ou que les volumes achetés soient augmentés. Ces programmes se matérialisent souvent par l'émission de cartes de fidélité. Celles-ci sont largement répandues chez les distributeurs, les compagnies aériennes, les loueurs de voitures, les développeurs de films… c’est à dire dans l’ensemble des secteurs qui délivrent un bien ou un service utilisé régulièrement et de valeur unitaire relativement élevée.

Certains auteurs s’inquiètent de l’efficacité des programmes de fidélisation [31] [10] [24] [28]. L’efficacité ne serait pas garantie, et il semblerait qu'elle soit assez faible. Ceci est d'autant plus surprenant que de nombreuses enseignes ont adopté au cours des années précédentes ce type de technique. Ne serait-ce alors qu'un effet d'imitation que favoriserait l'absence d'études rigoureuses ? Doit-on, au regard des faits, reconsidérer le rôle de ces cartes ?

L'objet de cet article, au travers de l'analyse d'un cas dans le domaine de la distribution, est d'apprécier l'importance et la nature des effets de la diffusion d'une carte de fidélité. Ce cas est constitué d'une base de données comportementales permettant de reconstituer assez exactement l'historique des comportements et des actions exercées sur un ensemble de clients-tests observés au cours d'une période de trois ans.

Sur la base de ces données, et au travers de trois études distinctes, on tentera de mieux apprécier l'efficacité de ces programmes après avoir exploré plus précisément leurs conditions de réussite. La première étude est une analyse économétrique sur les séries agrégées concernant 20 magasins. On montre que l'effet, apprécié en terme d'élasticité, quoique significatif est extrêmement faible. La seconde étude est une analyse des effets de la carte au niveau individuel à partir de données désagrégées. La troisième étude porte sur l'impact des opérations de stimulation sur les comportements. A partir de cet ensemble de résultats, nous tenterons d'en tirer un certain nombre d'enseignements relatifs à l'utilisation des systèmes de fidélisation bâtis sur les cartes du même nom.
Les programmes de fidélisation.

Un inventaire des travaux consacrés aux programmes de fidélisation conduit à un constat relativement étonnant : dans la littérature académique très peu de travaux ont été consacrés à la mesure de leur efficacité, encore moins aux effets des seules cartes de fidélité [23] [5] [7] [28].

Pour mieux situer ces travaux le schéma suivant est utile (figure 1), il peut servir de cadre d'analyse général et permettra de mieux situer ce travail, ainsi que les apports de la littérature. L'élément central est sans doute la relation entre certains états psycho-sociaux du consommateur et ses comportements.
Ces Etats ont été abondamment explorés, qu'ils soient relatifs au rapport du consommateur à l'offre ou plus largement à la manière dont le consommateur se représente la relation au fournisseur. C'est ainsi que de nombreux auteurs tentent d’associer la fidélité à certaines variables telles que la satisfaction [1] [2] [3] [6] [25] [27], l’engagement [11] [22], la dépendance, l'identification [3], la confiance [16] [22] ou encore la relation à la marque [14].
On remarquera cependant que sur un plan empirique peu d’auteurs mettent réellement en évidence le caractère déterministe de cette association [20]. Dans la plus part des cas, la fidélité n'est pas mesurée sur un plan comportemental, mais au mieux sous la forme d'une intention.

Même si nombreux sont les auteurs qui soulignent l'importance de la relation client [3] [29] [32] [26], y compris d'un point de vue stratégique [21], et y voient un changement de paradigme [15], curieusement peu étudient directement l’influence des programmes de fidélisation sur le comportement des acheteurs [5] [7] [31] [28] [30].On se rend compte ainsi que par rapport à la figure 1 ne sont explorés que la relation (A), et très partiellement la relation (B). La relation (C) n'est quasiment pas étudiée.




Figure 1 : Un cadre conceptuel d’analyse


Nous n'évoquerons pas ici les principaux résultats obtenus dans le premier courant, car très rapidement sont étudiés les techniques et leurs effets de fidélisation.
Ces recherches présentent un niveau d'abstraction élevé et se concentrent sur les déterminants psychosociologiques de la fidélité, principalement sur sa composante attitudinale.

Les modalités des programmes de fidélisation se réfèrent souvent à l’usage de procédés issus des techniques promotionnelles classiques, encourageant le consommateur à multiplier et pérenniser ses achats par des récompenses sous forme de coupons ou points de fidélité. D’autres programmes du type “ frequent flyer ” font appel plus clairement à la notion de continuité de service, érigeant de véritables barrières à la sortie.
Les clubs font également partie de la panoplie d’outils de fidélisation, les secteurs du vin, du livre, des disques ou de la vidéo en ont été les pionniers. Favoriser le paiement différé par l’intermédiaire d’un crédit gratuit ou non, permet également de stimuler la fidélité.
La carte de fidélité devient ainsi carte de paiement et de crédit.

Les objectifs poursuivis dans le développement de ces programmes de fidélisation de la clientèle sont, de manière générale, les suivants :

    • Conserver ses clients et par conséquent préserver ses parts de marché, maintenir le niveau de ventes, de marge et de profit. Cet objectif peut être apprécié par des indicateurs d'attrition.
    • Assurer une base de chiffre d'affaires stable à l’entreprise, c’est la notion de fond de commerce, pour une entreprise la fidélité des clients représente en quelque sorte une garantie de gains futurs ; des calculs de valeur actualisée forment des indicateurs précieux.
    • Accroître la fidélité et la valeur du client notamment par des ventes additionnelles ou croisées ; au-delà du maintien de l'activité du client dans le temps on peut chercher à développer cette activité.
    • Amortir l’investissement que représentent les coûts d’acquisition du client ; dans des secteurs tel que la presse ou l'assurance, ces coûts sont élevés, une meilleure fidélisation permet ainsi de les contrôler, voire de les diminuer.
    • Réduire les coûts opérationnels des flux transactionnels ultérieurs.
    • Développer et recruter la clientèle à coût réduit en utilisant la fonction d’avocat du client fidèle ou l’attrait du programme sur les prospects.

De façon implicite, ces campagnes ont un effet sur la différenciation des marques en se servant de l’aspect innovant des services qu’elles proposent à leur clientèle.
Il existe cependant un certain nombre d’autres fonctions qui leur sont indirectement attribuables telles que : passer d’un marketing orienté produit à un marketing orienté client, de plus adressé, et de réduire de ce fait les coûts de communication avec le marché, connaître de façon plus précise ses consommateurs donc leurs attentes présentes et futures.
Dans leur majorité, les managers souhaitent diriger ces programmes vers les gros acheteurs afin d’en limiter le taux de défection, ou vers des clients à fort potentiel pour les faire passer dans un segment de valeur supérieure.

Deux phénomènes généraux sont susceptibles d'expliquer les variations de la réussite des programmes de fidélisation.
Il s'agit d'abord du phénomène de “ double-jeopardy ” [12] qui indique que les marques à forte part de marché, détiennent à la fois une plus grande fraction de consommateurs fidèles, mais aussi de gros consommateurs.
On s'attend donc à ce que les programmes déployés par les leaders dominent.
Ensuite, la fidélité étant en généralement supérieure pour les produits à forte implication [1], on peut s’attendre vraisemblablement à ce que les programmes soient plus efficaces dans ce contexte.
Mais indépendamment de ces arguments, Dowling et Uncles [10] doutent plus sérieusement de leur efficacité, en avançant que dans un marché concurrentiel, l’initiateur de telles campagnes sera certainement imité, et que, de ce fait, le résultat global sera un retour à la situation antérieure et ne consistera ainsi qu’en une augmentation des coûts marketing.
Il faudrait donc des programmes inimitables !

Une autre critique peut être formulée.
L'orientation des ressources vers les bons clients est vraisemblablement inefficace si on considère qu'un bon acheteur est quelqu'un de déjà fidèle.
Les incitations resteront vaines et tout ce que l'on peut espérer est une stabilité de la fidélité.
Le champ de bataille réside en fait dans la clientèle intermédiaire: trop petite pour ne pas présenter d'opportunité de croissance d'activité, mais suffisamment substantielle pour justifier les investissements réalisés.
Il en résulte la nécessité de mesurer l'efficacité de ces programmes et de leurs composantes. L’examen détaillé de la littérature dévoile peu d'études empiriques rendant compte de l'efficacité des programmes de fidélité à quelques exceptions [5] [23] [28].

Pour améliorer la mesure de l'efficacité il est nécessaire de modéliser, même sommairement, les effets attendus d'un programme de fidélisation s'appuyant sur la distribution d'une carte de fidélité.
On distinguera ici très classiquement un effet de fréquence de visite et un effet de sensibilité au prix.
Un client détenteur de la carte est incité à préférer l'enseigne à toute autre enseigne pourvu que les avantages qu'il obtienne soient consistants.
Deux effets d'attraction différents doivent être distingués : un effet de préférence, le client ne change pas son rythme de visite des points de vente, mais va préférer l'enseigne aux autres; un effet d'accroissement du nombre des visites, la carte devient un stimulant pour augmenter le nombre de passage dans ce type de point de vente. Dans cette étude on ne peut les séparer. Les conséquences de cet effet sur le trafic sont simples à comprendre.

Dans la mesure où la taille de la clientèle est stable une grande part des variations du trafic (nombre de visites en magasin) pourra être attribué à cet effet.
Une part est due éventuellement à des effets de conquête, mais ceux-ci sont considérés ici comme négligeables.

La détention d'une carte est susceptible aussi de diminuer la sensibilité au prix.
Une première explication s'appuie sur l'idée développée par certains spécialistes du comportement du consommateur selon laquelle trois sources d'utilité doivent être distinguées : l'utilité d'acquisition liée au bien, l'utilité de transaction liée aux conditions de la négociation, l'utilité relationnelle relative au gain futur espéré [19].
Le consommateur détenteur d'une carte peut être amené à valoriser ces deux dernières formes d'utilité et, pour en bénéficier, il prêtera une attention moindre au prix du bien.
Une autre explication est simplement qu’en fréquentant plus souvent et plus régulièrement un point de vente, le consommateur s'expose moins aux prix des concurrents et, ne pouvant comparer, il y devient naturellement moins sensible.

Les conséquences de cet effet sont simples. D'abord, il peut être amené à payer plus cher les biens qu'il achète habituellement, ce qui se traduira par un choix de produits de meilleure qualité, de marques plus réputées et plus chères.
Ensuite, étant moins sensible au prix, il achète en plus grande quantité des biens de même qualité.
Ces effets prix, directs et indirects ont pour conséquence naturelle d'accroître le montant du panier moyen et, par conséquent, le chiffre d'affaires.
Schématiquement, l'ensemble de ces effets peut être résumé dans le graphique suivant qui définit ainsi le cadre général de toute étude sur l'impact de la carte de fidélité (figure 2).
On remarquera que la partie supérieure de la figure est relative à un niveau individuel d'analyse que nous n'observons pas dans cette étude, tandis que la partie inférieure est relative à un niveau agrégé d'analyse qui sera privilégié.




Figure 2 : Cadre général d'analyse


De manière immédiate on comprend l'impact potentiel de la carte sur les différents paramètres mesurables : le chiffre d’affaires, le trafic, la marge.
Dans le cadre de cette étude le problème est que les deux points critiques, effet de sensibilité au prix et impact sur la fréquence d'achat, ne peuvent être mesurés directement.
Il existe cependant un moyen indirect de conclure à l'existence de ces effets en examinant le tableau suivant qui donne les effets attendus sur les critères de performances principaux et observables à un niveau agrégé dans le cadre de cette étude.

Le raisonnement tenu est simple, en partant de l'hypothèse que deux effets principaux doivent être observés : modification de la fréquence d'achat et modification de la sensibilité au prix, si ni l'une ni l'autre ne sont vérifiées alors on doit s'attendre à ce que la diffusion de la carte ne modifie en rien le niveau de marge de brute, le CA, et le trafic.
Si par compte seul l'effet sur la sensibilité au prix est enregistré alors pour un même niveau de trafic on devra observer un accroissement de chiffre d'affaires (les paniers sont plus élevés), mais aussi un accroissement du taux de marge brute. Si seul l'effet sur les fréquences d'achat est observé, traffic et CA devraient augmenter ( plus de visites génère un plus grand chiffre d'affaire) alors que le niveau de marge doit rester constant.




Figure 3 : Tableau des résultats attendus


Une étude économétrique

Spécifier un modèle théorique clarifie nos connaissances et nos hypothèses.
Néanmoins celui-ci n'est pas forcément le plus pratique.
Nous adopterons par conséquent un modèle légèrement différent, plus simple à estimer, mais également plus facile à interpréter et cohérent.

Y = ao (nbcartes +1)b exp(u)

Y désigne ici n'importe quelle variables que l'on cherche à tester (trafic, panier moyen, nombre d'items, CA, marge, taux de marge).
Dans un modèle simple de ce type, le paramètre b représente l'élasticité de l'action, cette élasticité étant supposée constante et ne variant pas selon le nombre de cartes.
Le paramètre ao représente lui la valeur de Y lorsque la carte n'est pas lancée (en effet si nbcartes=0 on a Y=ao), autrement dit un effet plancher, exp(u) représente l’effet des facteurs non pris en compte dans le modèle.

Ce modèle s'il ne décrit pas complètement la structure théorique du problème, nous permet cependant d'atteindre notre objectif. La mise en œuvre de ce modèle paraît de prime abord extrêmement simple : un modèle de régression semble suffisant. Dans la pratique, les choses ssont différentes pour plusieurs raisons :

1) les séries sont des séries chronologiques, donc fortement auto-corrélées.
Or dans notre cas compte tenu de l'effet faible de la carte, on risque de rejeter l'hypothèse d'un effet positif réel car les estimations du paramètre b seront imprécises mais surtout biaisées,
2) les séries sont courtes, elles ne portent que sur 37 observations, ce qui conduit à un problème sérieux de précision des estimations. Si l'effet présumé est faible on risque simplement de ne pas du tout le tester. C’est ce qui se passe dans ce cas.

Une solution à ce problème consiste à ne considérer qu'un seul tableau de données qui rassemble les séries relatives aux vingt points de vente. Ceci introduit une forte hétérogénéité, associée aux activités différentes des points de ventes.
On en tient alors compte en utilisant des techniques spécifiques d'analyse de données de panel développées notamment par les économètres (pour une introduction, voir par exemple Hsiao [17] et pour un approfondissement Maddala [20]).

Ces techniques visent en fait à isoler l’effet d’une ou plusieurs sources d’hétérogénéité afin de réduire les biais d’estimation et surtout d’accroître l’efficacité du modèle.
Différentes méthodes ont été employées par les économètres pour résoudre ce problème. Nous ne reporterons ici que les résultats associés à la technique des modèles à composantes d'erreur qui s'avère appropriée dans la mesure où les points de vente sont de taille similaire.
Le principe de cette technique est de considérer que l'erreur d'ajustement peut se décomposer en une composante relative aux points de vente (e), une autre relative au temps (h) et la dernière (m) représente le résidu q ui ne peut être attribué à aucun facteur connu. La structure formelle du modèle est la suivante :

ln(Yit ) = ln ao + b ln(NbCartesit +1) + ui t

avec Yit = valeur de la variable Y pour le point de vente i au temps t et ui t = e i + ht + mit
Le problème posé consiste alors à apprécier l'efficacité d'un plan test de fidélisation qui s'est déroulé dans une vingtaine de points de vente sur une durée de trois ans.
Les données analysées ici se limitent à quelques indicateurs mensuels rendant compte du trafic en magasin, du chiffre d'affaires, de la marge, et du nombre d'articles vendus dans une chaîne de distribution spécialisée.

Le programme est composé d'une carte de fidélité payante permettant de bénéficier d'un avantage immédiat au-delà d'un certain seuil et d'un programme marketing direct destiné aux détenteurs de la carte.
Compte tenu du cadre restreint de l'analyse empirique, on se limitera à un nombre minimal d'hypothèses. On suppose ainsi que la carte de fidélité modifie les comportements des clients de deux manières : elle est supposée affecter les achats, par une accélération de la fréquence, mais peut aussi affecter la sensibilité au prix en la diminuant.
Les résultats obtenus sont mentionnés dans le tableau 2. Ils concernent l’ensemble de l’activité d’un point de vente, mais distinguent aussi les ventes de marchandises et celles de services.

Le r² représente ici le pourcentage de variance expliqué par l'effet de la carte, isolé de l’effet de point de vente et des effets d’auto-corrélation. Il s’avère qu’il est faible, de l’ordre de 5% de la variance expliquée. La colonne b donne directement l'élasticité à la carte. La colonne t représente un test statistique destiné à vérifier que l'élasticité est significativement différente de zéro (et donc qu'il y a bien un effet). La colonne p donne la probabilité qu’il n'y ait aucun effet.
Communément elle doit être inférieure à 0.05, ce qui est le cas sauf pour le nombre d’items.
Il y a donc un effet tout à fait significatif, mais certainement de faible ampleur.

Ces premiers résultats sont clairs. Le nombre cumulé de cartes exerce un effet sur le trafic mensuel, sur le panier moyen, sur le CA et sur le taux de marge.
L'effet sur le trafic est tel que chaque fois que le nombre de cartes double, celui-ci augmente de 1,17%, ce qui conduit à un effet total de l’ordre de 3% à 4% d’accroissement si la clientèle est saturée de cartes.

L'effet sur le niveau de consommation en nombre d’items n'est pas significatif, par contre on observe un effet significatif sur le panier.
Par conséquent ceci traduit bien un phénomène de baisse de sensibilité au prix. Notons que l'effet sur le panier, tout en étant significatif, est extrêmement faible.

On constate enfin un effet significatif sur le taux de marge et le chiffre d'affaires mais ces résultats sont les conséquences des deux premiers aspects.
Pour le chiffre d'affaires, on observera une valeur du paramètre b sensiblement plus forte que pour le trafic car il est défini comme le produit du trafic par le panier moyen.
On trouve là encore un indice d'influence du nombre de cartes à la fois sur les visites et sur les prix.
Pour le taux de marge la valeur observée n'est pas négligeable : elle correspond à une amélioration de 0,248% à chaque doublement du nombre de cartes.

En comparant services et produits on s’aperçoit que les premiers semblent bénéficier de résultats deux fois plus élevés que les seconds, tant en terme de trafic que de panier moyen (tableau 2).




Figure 4: Tableau Résultat de l'estimation par une méthode de décomposition d'erreur.


On notera que, dans un premier temps, un test grossier a été réalisé en employant un modèle de régression traditionnel pour chaque point de vente ; il conduisait à rejeter l’hypothèse d’un double effet.
Une formulation plus adéquate et plus sophistiquée permet ainsi de rendre compte d’effets de très faible ampleur.

La question est désormais de savoir quelle est la rentabilité effective du programme.
Afin de mieux visualiser les effets et mieux en apprécier l'importance, examinons le graphique suivant qui représente l'impact du niveau de diffusion de la carte sur le trafic (graphique 3).
En prenant un niveau de base de 15000 visites mensuelles, une diffusion massive de la carte permet d'arriver à 500 visites supplémentaires environ, soit un impact maximum de 3,5 % de plus que le niveau initial.

Les courbes en pointillé représentent les hypothèses basse et haute, compte tenu de la précision de l'estimation des élasticités (intervalle de confiance à 95%).
Néanmoins, la question principale pour l'enseigne est bien de savoir si ces effets, même faibles, sont rentables.
A cette fin nous avons construit un modèle simple de simulation permettant d’évaluer la contribution de la diffusion de la carte à la marge, en prenant en compte l’élasticité du CA, celle du taux de marge et le coût unitaire de la carte.

En faisant varier les hypothèses, on obtient le résultat suivant : le bénéfice maximum serait obtenu en ne diffusant qu’un bon millier de cartes. Une diffusion maximale de l’ordre de 10000 cartes (ce qui représente environ un taux de pénétration de 25%) conduit à des bénéfices nuls.
Au-delà le système de fidélisation devient coûteux (figure 4).




Figure 5 : Evolution de la contribution en fonction du nombre de cartes


Ceci conduit ainsi naturellement à une première implication managériale : la distribution de la carte doit être sélective et ne s'adresser qu'à des consommateurs dont les comportements seront probablement modifiés par l'usage de la carte.

Les effets individuels

La seconde étude porte sur un niveau individuel.
Au niveau agrégé nous avons mis en évidence un effet significatif mais très marginal de la variable « nombre de carte diffusées ». La disponibilité des données, c'est à dire le fichier exhaustif des détenteurs de carte (50 000 noms), et le fichier daté des factures (150 000 actes d'achats), nous permet un examen microscopique des effets.

Nous adopterons dans cette étude une approche strictement descriptive examinant les effets au cours du temps.
Une première analyse descriptive va servir de point de départ.
Il s'agit simplement de représenter l'ordre des achats (du premier emploi de la carte au dernier), les montants dépensés et la durée (en jour) écoulée depuis le dernier achat.

On s'aperçoit de manière claire que le montant moyen diminue rapidement avec l'ordre des achats.
A partir de 5 à 6 achats, le montant moyen dépensé se stabilise




Figure 6 : Influence de l’ordre des achats sur le montant moyen dépensé


La même observation peut être faite sur les durées inter-achats (figure 6).
Ce résultat est cependant trompeur.
Un effet de sélection et de censure joue et affecte considérablement l'interprétation.
Il est parfaitement net avec les durées : la durée moyenne inter-achats n'est pas calculée indépendamment du rang, par exemple, seuls les individus ayant acheté au moins 15 fois sont comptés dans le calcul du délai moyen écoulé entre le 14ème et le 15ème achat. Il en est de même pour les montants même si l'effet est sans doute moins spectaculaire.




Figure7 : Influence de l’ordre des achats sur les durées inter-achats


Refaisons donc l'analyse en comparant des choses comparables.
On peut tout d’abord se poser la question de savoir si ces résultats ne résultent pas d'une grande hétérogénéité inter-individus, c'est pourquoi nous allons détailler l'analyse en segmentant la population successivement selon deux critères :

1) la date d'entrée : il s'agit d'analyser séparément des cohortes de détenteurs de cartes. C'est à dire des ensembles de populations d'adhérents qui ont souscrit au même moment et ont donc la même expérience.

2) la fréquence d'achat : elle est appréhendée simplement comme le nombre total d'achats réalisé depuis l'obtention de la carte. Elle indique grossièrement l'importance du client. L'effet du premier critère sur les délais est sensible mais non significatif (figure 7). Les durées inter achat des premières cohortes sont plus longues que pour les dernières, mais ceci est le résultat d'un biais de censure, les dernières cohortes n'ont pas encore eu le temps de réaliser les achats suivants, le délai entre leur dernier achat et la date de référence de l'étude est donc tronqué.




Figure 8 : Durée moyenne inter-achats par cohorte en fonction du trimestre d’entrée



Par contre l'examen de l'évolution des montants d'achat est plus clair : il n’existe pas de différence selon les cohortes sauf pour les premiers achats (figure 8).
On observe plusieurs groupes : pour les premières cohortes le niveau d'achat est d'environ 1200 F alors qu'il n'est plus que de 700 à 800 F pour les dernières, ceci s'explique simplement par les modalités fluctuantes des critères promotionnels de la carte.




Figure 9 : Montants moyens par cohorte en fonction du trimestre d’entrée



L'évolution est donc assez semblable : un montant élevé lors du premier achat qui résulte simplement d'un comportement opportuniste, on prend la carte à l'occasion d'un achat important, ce montant est déterminé par les règles d’amortissement du prix de la carte.
Au deuxième achat, le montant est de 520 F environ, quelles que soient les cohortes, ce qui signifie que ces règles n'agissent plus, le troisième l'achat est de l’ordre de 400 F.
Ce montant se stabilise ensuite autour de 325 F après le 7 ou 8ème achat.
Une question importante est de savoir si ce montant correspond à l'achat moyen des non-détenteurs de cartes.
En segmentant sur la base du nombre d'achats réalisés on se rend compte que la courbe des montants ne varie presque pas, il y a homogénéité des paniers moyens : que l'on soit un gros client ou un petit client le panier moyen est le même.
Par conséquent c'est la fréquence qui les distingue.




Figure 10 : Montant moyen de l’achat en fonction du nombre total d’achats réalisés



Une analyse plus fine des durées des périodes inter-achats est donc nécessaire.
On se rend compte ici d'un double phénomène :

1) les clients qui ne persévéreront pas voient leur durée inter-achats augmenter dès le premier achat.

2) les clients qui achèteront régulièrement, voient leur durée inter-achats se réduire légèrement entre le deuxième et le troisième achat.
Il y a donc un effet significatif d'accélération, puis de stabilisation du rythme d'achat.




Figure 11 : Durées moyennes inter-achats en fonction du nombre total d’achats réalisés


En utilisant les données comptables et celles du fichier des porteurs de cartes, il est possible de calculer séparément l'évolution des paniers d'achats pour les détenteurs de cartes et les non-détenteurs.
Ce calcul va nous permettre de mieux apprécier l'impact de la carte.




Figure 12 : Evolution du panier d’achats détenteurs/non détenteurs


Les résultats sont remarquablement clairs.
Le panier des non-cartés oscille autour de 170 F, il est stationnaire.
Depuis septembre 95 le panier des détenteurs de cartes oscille autour de 450 F.
Des variations plus fortes s'expliquent simplement par un effet de quantité : il y a beaucoup moins d'actes d'achats réalisés par les détenteurs (car moins nombreux) que par les autres, on obtient donc une courbe moins lisse.

On a vu que pour les détenteurs fidèles, à long terme, le niveau d'achat se stabilisait à 325 F, ce qui peut être retenu comme le bon indicateur de panier moyen des détenteurs de cartes.

La stabilité de l'évolution des chiffres et les résultats précédents nous conduisent à une conclusion simple : la carte n'augmente pas le montant du panier d'achat (sauf à très court terme) mais permet de sélectionner ceux qui achètent plus et plus souvent.
Un détenteur de carte vaut donc deux non-détenteurs.

Les conclusions sont claires :

1) l'effet de la carte est essentiellement de court terme et joue alors essentiellement sur les volumes d'achats.
Ceux-ci sont importants lors de l'acquisition et décroissent ensuite.

2) l'impact sur les comportements de fréquentation n'est pas évident, d'achat en achat les fréquences ne changent pas sensiblement, sauf pour les petits acheteurs pour lesquels on observe rapidement un accroissement des durées.

3) finalement la carte semble jouer un rôle essentiellement promotionnel, qui n'est pas négligeable loin de là, mais ne joue certainement pas un rôle relationnel comme les discours généraux le laissent entendre.

4) l'effet de la carte se manifeste surtout par un effet de sélection des bons clients plutôt que de modification de leurs comportements (sauf pour les meilleurs).
Le panier moyen des détenteurs de cartes, après les effets d'opportunités, peut être évalué à 325 F contre 170 F pour les non-porteurs.

L'impact des stimulations

De l'étude précédente ressort une question évidente : puisque les effets ne semblent jouer que sur les deux ou trois premiers achats, s'estompant rapidement ensuite, est-ce que le système d'animation du programme est efficace ?

Autrement dit est-ce que la carte fonctionne comme support informationnel ?
Fournit-elle une information utile ? Nous nous intéresserons donc dans cette troisième étude à l'effet des stimulations provoquées par l'envoi d'offres promotionnelles, sur des populations de tailles variées.

Pour chacune de ses opérations, la base de donnée permettait de savoir au niveau individuel, si le porteur de carte était l'objet de la stimulation ou non.
Pour réaliser ce test nous utilisons une technique d'analyse de survie, le modèle de Cox [31], pour mesurer l'effet des relances par mailing sur le délai de réachat.
Tous les consommateurs n'étant pas stimulés, on dispose d'un échantillon de contrôle, d'autant plus valide que le processus de ciblage n'a que rarement répondu à des critères spécifiques.

On peut ainsi comparer les courbes de probabilité de réachat, dans le cas où il y stimulation, et dans les cas où elle est absente.
On s'attend tout naturellement à ce que la stimulation raccourcisse le délai moyen de réachat .




Figure 13 : l'effet des mailings


Naturellement pour améliorer la qualité du modèle on tient compte des délais écoulés entre le dernier achat et la date du mailing.
On comprend qu'une durée importante soit corrélée avec un délai de réaction faible, pour ôter cet effet on introduit donc cette variable dans le modèle.
On a retenu aussi le nombre total d'achat réalisés jusqu'à cette période, ainsi que le montant du dernier achat.
D'autres variables sont ajoutées, mais jouent un rôle mineur et non significatif (caractéristiques du client, age, sexe….).

Pour illustrer l'effet, la figure 14 reproduit la courbe de survie moyenne pour une opération.
L'événement que l'on cherche à modéliser est l'achat, par conséquent ces fonctions de survie cumulée nous donne la probabilité qu'au bout d'une certaine durée, l'achat ne soit pas encore réalisé.

Dans l'exemple, il apparaît nettement que les acheteurs stimulés ont une probabilité plus faible que les autres.
Ainsi au bout de 200 jour, 46% des clients stimulés n'ontasencore achetés, alors qu'ils sont 75% dans le groupe des non-stimulé.




Figure 14 : Courbe de survie moyenne pour une opération


Ce même modèle a été estimé pour chacune des 26 campagnes de mailing (tableau 3) pour lesquelles nous disposions de suffisamment d'information.
Nous y reportons les paramètres du modèles.
Dans la moitié des cas, l'effet est significatif au seuil de 5% et le signe va dans le sens attendu : il est négatif, ce qui signifie que la probabilité de ne pas avoir encore acheté au bout d'un certain délai est plus faible lorsque l'individu est stimulé. Dans 6 cas on observe un effet positif et dans 7 cas aucun effet positifs.

Quelques analyses complémentaire ont été tentée, pour associer à ces paramètres certaines caractéristiques des opérations.
Rien de significatif n'a pu être identifié, hormis une étonnante corrélation négative entre le nombre de client exposés et l'effet (r=-0,60), ainsi qu'entre la période d'envoi du mailing et l'effet (r=-0,37).
Ceci peut être interprété aisément : dans le cas d'opérations lourdes, de plus gros investissement en qualité de communication ont été consentis améliorant sans doute de manière significative la capacité persuasive des messages.

Le deuxième résultat, lui peut être analysé comme un effet d'apprentissage : d'opération en opération, la qualité des offres a été améliorée.

Si nous examinons les autres variables, nous remarquerons immédiatement le nombre d'achats antérieur, ainsi que la durée écoulée depuis le dernier achat ont des effets croissants au cours du temps.
Ceci est la marque d'un fort effet de sélection. Pour la durée écoulée depuis le dernier achat, au fur et à mesure des opérations, la fréquence de porteur de carte qui sont devenu inactif est de plus en plus grande, de sorte que ces durées s'accroissent en moyenne fortement.

Nous ne mesurons donc pas exactement ce que nous voulons mesurer, nous mesurons en fait le niveau d'activité des clients.
Nous pouvons donc avancer l'hypothèse que l'efficacité de la stimulation est d'autant importante que la proportion declient inactif est importante.
La même analyse peut être conduite pour le nombre cumulé d'achats antérieurs.
Enfin nous observons que plus le montant de l'achat précédent est important et plus tardif sera le renouvellement.




Figure 15 : Tableau des effets des comportements d'achat et de la stimulation sur la durée de réachat.


Naturellement des analyses plus fines et plus fouillées du phénomène sont nécessaires.
Par exemple en stratifiant systématiquement les modèles selon la cohorte du client ou encore en introduisant des termes d'interaction (par exemple exposition à la stimulation et durée de réachat).
Dans cette contribution, ce travail n'est pas nécessaire car nous avons mis en évidence les faits essentiels : d'abord un effet significatif des opérations d'animation du fichier des porteurs de cartes, ensuite l'existence d'effets d'apprentissage.

Cet effet d'apprentissage est d'abord propre à l'équipe de gestion du programme, qui d'opération en opération semble savoir mieux cibler et construire de meilleures offres.
Ce qui nous amène à l'idée que si l'effet est un effet promotionnel, le fait de disposer d'une base de porteur de carte permettrait d'améliorer l'efficience des opérations.
L'effet d'apprentissage est aussi relatif aux clients eux-mêmes.
Dans dans l'état des données et des analyses conduites, nous devons rester prudent, car les effets de sélection dominent.

Rôle stratégique de la carte de fidélité

Les résultats de cette recherche sont a priori très clairs : la carte de fidélité n’apporte qu’un élément transitoire et relativement faible en ce qui concerne l’augmentation du CA, ceci en accord avec les travaux Dowling et Uncles [13]. On serait peut-être ainsi tenté de conclure trop rapidement à son inutilité.

Les conclusions que l'on peut tirer de cette étude sont les suivantes:

1) la carte a un effet positif certain sur le CA, le taux de marge et la fréquentation. On peut en déduire qu'il existe très probablement un effet individuel d'accroissement de la fréquentation et de diminution de la sensibilité au prix.

2) ces effets sont néanmoins très faibles au regard des variations des mêmes indicateurs.

3) le jeu des simulations fait apparaître un risque de contribution négative de la carte si celle-ci est diffusée de manière trop massive.

Ces trois conclusions conduisent à une recommandation générale :

la carte est utile, son impact est certain, mais sa diffusion doit être d'autant plus contrôlée que son coût direct pour l'entreprise est important.
Le contrôle de sa diffusion doit passer par l'identification de cibles sensibles, dont on est sûr qu'elles réagiront, soit par des changements de comportement de fréquentation ou de choix des produits.
Il doit se fonder sur une analyse de la rentabilité fonction des stratégies de ciblage. On doit cependant compléter ces conclusions sur la base des résultats obtenus dans la troisième étude qui mette en évidence le rôle essentiel de la carte et de la base de données qu'elle permet de constituer, en notant que :

1) dans la majorité des cas l'effet sur les durées de réachat est significatif

2) que des effets d'apprentissage sont observés.

Ceci exige donc une analyse plus approfondie des effets de la carte au niveau individuel et de ses déterminants.
En particulier cette analyse doit concerner les programmes d'animation, non seulement du point de vue statique (l'opération) mais surtout d'un point de vue dynamique : la succession des opérations et les effets d'apprentissage que le programme engendre.

L'aboutissement d'un tel travail devrait être une proposition de critères de segmentation.
Ces derniers permettraient de mieux mesurer, d’une part la sensibilité à l’action de fidélisation, et d’autre part la valeur potentielle de la clientèle ciblée.
Ceci encourage aussi le développement des bases de données clients ainsi que leur exploitation statistique.

Les résultats obtenus sur notre cas vont dans le sens de la littérature : l'impact est faible, mais surtout sélectif.
Les programmes construits sur la base des cartes de fidélité n’atteignent leur pleine rentabilité qu’appliqués à un nombre restreint de consommateurs.
Le rôle principal des cartes serait de sélectionner et d'identifier les clients, conduisant ainsi à un meilleur ajustement des ressources, l’allocation finale de ces ressources se réalisant à mesure que l’entreprise évalue la sensibilité des clients, inclus dans le programme, aux actions de fidélisation.

On peut se demander ainsi si l’une des raisons de l’échec relatif des programmes de fidélisation n’est pas à rechercher dans l’absence de segmentation précise de la clientèle antérieurement à sa mise en place. Dans ce cas, l’argument de Uncles [11] tomberait en partie : en fidélisant ceux que l’on peut fidéliser, on échappe partiellement au jeu de la concurrence et de l’imitation. A contrario, ces programmes permettraient de minimiser le jeu concurrentiel et de restaurer les marges.

Christophe Benavent est Professeur à l'IAE- Université des Sciences et Techniques de Lille où il dirige le CLAREE. Dominique Crié est Professeur Associé à l'IAE de Lille, où il développe un programme de Spécialisation Statistiques et Bases de Données Marketing. Lars Meyer-Waarden est doctorant à l'IAE de Pau et travaille sur la carte de fidélité de Leclerc.


Christophe Benavent

Dominique Crié



Références


[1.] Anderson E.W. (1994) “ Cross Category Variation in Consumer Satisfaction and Retention ” Marketing Letters 19-30
[2.] Anderson Eugene W and Sullivan Mary W. (1993) “ The Antecedents and Consequences of Customer Satisfaction for Firms ” Marketing Science, vol.12, n°2, 125-143
[3.] Barnes James G. (1997) « Closeness, Strength, and Satisfaction : Examining the Nature of Relationships between Providers of Financial Services and Their Retail Customers » Psychology and Marketing, vol. 14, 765-90
[4.] Bhattacharya, C B; Rao, Hayagreeva; Glynn, Mary Ann (1995)"Understanding the bond of identification: An investigation of its correlates among art museum members";Journal of Marketing,New York; Oct 1995; Vol. 59, Iss. 4; pg. 46, 12 pgs
[5.] Bolton , Ruth N (2000) "Implications of loyalty program membership and service experiences for customer retention and value"; Academy of Marketing Science. Journal, Greenvale; Winter 2000; Vol. 28, Iss. 1; pg. 95, 14 pgs
[6.] Bolton R.N. and Drew J. H. (1994), Linking Customer Satisfaction to Services Operations and Outcomes  Service Quality : New Directions in Theory and Practice, Roland
T. Rust and Richard L. Oliver, eds., [7.] C B Bhattacharya (1998)"When customers are members: Customer retention in paid membership contexts"; Academy of Marketing Science. Journal, Greenvale; Winter; Vol. 26, Iss. 1; pg. 31, 14 pgs [8.] Cox D. R. (1972) “ Regression Models and Life Tables ” Journal of The Royal Statistical Society, serie B 34, 187-220 [9.] De Souza G. (1992) “ Designing a Customer Retention Plan ” Journal of Business Strategy (March/April) 24-28 [10.] Dowling Grahame R. and Uncles Mark (1997) « Do Custumer Loyalty Programs Really Work ? » Sloan Management Review Summer 1997, 71-82 [11.] Dwyer Robert, Schurr Paul and Oh Sejo (1987) “ Developping Buyer Seller Relationships ” Journal of Marketing 52, 21-34 [12.] Ehrenberg A.S.C., Goodhardt J.G. and Barwise T.P. (1990) “ Double Jeopardy Revisited ” Journal of Marketing Vol.54 82-91 [13.] Fornell Claes, Johnson M.D., Anderson E.W., Cha J. and Bryant B. (1996) « The American Customer Satisfaction Index : Nature, Purpose and Findings » Journal of Marketing, vol.60 (Oct), 7-18 [14.] Fournier Susan and Yao Julie L. (1997) “ Reviving Brand Loyalty : A Reconceptualization within the Framework of Consumer-Brand Relationships ” International Journal of Research in Marketing, 14, 451-72 [15.] Grönroos C. (1994) “ From Marketing Mix to Relationship Marketing : Towards a Paradigm Shift in Marketing ” Management Decision, 32 (2), 4-20 [16.] Hennig-Thurau Thorsten and Klee Alexander (1997) “ The Impact of Customer Satisfaction and Relationship Quality on Customer Retention : A Critical Reassessment and
Model Development ” Psychology and Marketing, vol. 14, 8, 737-64
[17.] Hsiao, C. (1986), Analysis of Panel Data, Econometric Society Monographs
[18.] Jones T. O. and Sasser W.E. (1995) “ Why Satisfied Customer Defect ?” Harvard
Business Review, Nov. Dec. pp 89-99
[19.] Lichtenstein Donald R., Netemeyer Richard G. and Burton Scot (1990) “ Distinguishing Coupon Proneness from Value Consciousness : An Acquisition-Transaction Utility Theory Perspective ” Journal of Marketing, vol.54, (Jul) 54-67
[20.] Maddala, G.S.(1993) The Econometrics of Panel Data, Elgar Reference Collection, Vol I et
II. [21.] McGahan A. M. and Ghemawat P. (1994), “ Competition to Retain Customers ” Marketing Science, Vol.13 N°2, Spring [22.] Morgan R.M. and Hunt S.D. (1994) “ The Commitment-Trust Theory of Relationship Marketing ” Journal of Marketing 58, 3, 20-38 [23.] Nako, Steven, M. (1997), "Frequent Flyer Programs and Business Travellers : An Empirical Investigation", Logistics and Transportantion Review, Vol 28, n°4. 395- 410 [24.] O’Brien et Jones C., (1995) “ Do Rewards Really Create Loyalty ” Harvard Business
Review, May-June, 75-82
[25.] Oliver Richard L. (1999) « Whence consumer loyalty? »; Journal of Marketing, 63;33-45
[26.] Reichheld F.F. (1993), “ Loyalty-based m