La valeur perçue par le client : nouvelle source d’avantage concurrentiel

Auteurs :

Yves Pizay

Senior Partner

Arthur Souletie

Partner Veltys

Dans un contexte économique où le pouvoir d’achat est le déclencheur déterminant en B2C et en B2B, la stratégie de pricing s’avère particulièrement précieuse. Elle permet d’améliorer rentabilité et part de marché, à court terme et à moyen terme.
L’approche du menu d’offres est efficace : avec fréquemment trois niveaux (basique, intermédiaire ou premium), chaque « menu » combine plusieurs produits ou services vendus ensemble à un prix souvent inférieur à la somme de leurs prix respectifs. Ce pricing par niveau, très lisible par les prospects, permet la mise en avant d’offres qui « se vendent toutes seules ».
Si le principe est simple à comprendre, la difficulté réside dans la composition des menus : alors que les attentes client sont de plus en plus diverses, comment composer le juste menu, maximisant l’attrait client et permettant croissance rentable pour l’entreprise ?
Nous vous proposons pour cela une approche :

  • qui s’appuie sur la valeur perçue par le client,
  • et qui combine analyse conjointe et jumeau numérique.
La valeur perçue par le client : le nouveau paradigme

Prenons l’exemple des produits d’assurance. Tous les assurés ne valorisent pas nécessairement chaque garantie à sa valeur actuarielle, i.e. la mesure du risque par l’assureur. Les raisons en sont multiples : perception individuelle différenciée des risques, connaissance privée de facteurs de risques personnels, expériences vécues, contexte familial… À cela, s’ajoutent des contraintes budgétaires hétérogènes qui influencent fortement les arbitrages. Ainsi, chaque individu développe une préférence unique face aux offres.

La question centrale devient alors : pour chaque type de garantie constituant le produit assurantiel considéré, quel niveau de franchise, quelles exclusions, quel plafond d’indemnisation faut-il positionner dans l’offre basique, intermédiaire ou premium ? Ceci pour satisfaire le plus grand nombre et augmenter la part de marché.

C’est en mesurant la valeur perçue du contenu de chaque offre et en segmentant très finement les clients que l’on peut définir des offres qui peuvent se vendre « toutes seules » car elles répondront aux attentes inexprimées, et parfois inconscientes, des clients.

Combiner analyse conjointe et jumeau numérique

Pour mesurer les préférences individuelles, l’analyse conjointe[1] est particulièrement adaptée. Elle consiste à mesurer les préférences réelles des clients en leur présentant, en situation, des choix entre des offres packagées avec différents attributs. Par exemple, le client est face à son écran, trois formules d’assurance auto lui sont présentées :

  • Formule A : franchise 200 €, assistance 0 km, véhicule de remplacement,
    45 €/mois
  • Formule B : franchise 500 €, assistance 50 km, pas de véhicule de remplacement, 32 €/mois
  • Formule C : franchise 0 €, assistance 0 km, véhicule de remplacement premium, 68 €/mois

Le client doit choisir sa formule préférée, sans aucune autre information.

Grâce au digital, à coût très modéré, il est possible de répéter l’exercice à plusieurs reprises avec des combinaisons différentes, avec plus de 1 000 participants, et ainsi de disposer d’une base de données sur les préférences réelles, mais implicites de ses clients et prospects.

L’analyse des données collectées permet de révéler :

  1. Ce que tout le monde valorise : en moyenne, combien les clients sont-ils prêts à payer pour passer d’une franchise à 500 € à une franchise à 0 € ? 15 €/mois ?
    30 €/mois ?
  2. Les différences entre les profils : c’est le point clé. Les jeunes conducteurs privilégient l’assistance, les seniors la franchise basse, les familles le véhicule de remplacement… L’analyse révèle sans ambiguïté ces nuances.
  3. Les segments de clientèle : en croisant préférences et profils (âge, lieu d’habitation, historique…), on identifie 4 à 6 groupes distincts, avec des attentes homogènes.

Cette méthode permet ainsi d’estimer la valeur implicite accordée à chaque attribut d’une offre et d’en déduire une appétence à en devenir client. 

Un jumeau numérique pour tester sans risque l’impact d’offres recomposées sur le chiffre d’affaires.

Une fois les préférences et segmentations établies, les paramètres des nouvelles offres sont à tester sur des clients virtuels, dotés des comportements de ceux étudiés.
Pour ce faire, il suffit de constituer des scénarios, en faisant varier les différents paramètres des offres. Par exemple :

  • Assistance 0 km dès la formule de base ?
  • 2 niveaux de franchise au lieu de 3 ?
  • Retirer la garantie X de la formule premium ?

Pour chaque scénario, un jumeau numérique, sur la base d’un algorithme, simule ce que feraient les prospects à l’échelle nationale[2]. Il donne une visibilité « instantanée » sur le taux d’achat global, la répartition entre les offres, le chiffre d’affaires prévisionnel et l’effet de cannibalisation… tout en restant respectant la tarification technique issue du travail des actuaires.
En quelques heures, des centaines de combinaisons sont testées. Et le menu gagnant, celui qui maximise l’atteinte des objectifs de parts de marché et de marge, est identifié sans avoir à lancer un test grandeur nature.

Un assureur a testé la démarche sur son menu « classique : une formule minimaliste à bas prix, une formule intermédiaire équilibrée, et une formule premium tout-confort.
L’analyse a montré qu’une garantie coûteuse de la formule premium n’intéressait que
8 % des souscripteurs, que des garanties jugées « premium » étaient attendues par
70 %, et que le niveau de franchise moyen ne satisfaisait personne. Ces résultats ont permis d’ajuster le menu d’offres et de générer +8 points d’intention d’achat, représentant plusieurs millions d’euros de CA additionnel, à risque constant.

Conclusion

L’analyse conjointe, couplée au jumeau numérique, est une démarche applicable dans de nombreux secteurs du B2C, lorsque le prospect est en situation d’achat sans accompagnement par un vendeur, comme c’est le cas dans les parcours de d’achats en ligne.

Une telle démarche nécessite un investissement limité, mobilisable sur une période relativement courte (2 à 3 mois), pour un retour sur investissement pouvant atteindre environ 10 %.

Il s’agit là probablement d’une étape vers des offres dynamiques. On peut imaginer que, couplé à des technologies agentiques et en utilisant en temps réel les données de souscription ou d’abandon, le contenu des offres soit demain ajusté de façon dynamique, à l’image de ce qui se pratique déjà dans le secteur des produits et service de grande consommation. Un processus dynamique, en amélioration et adaptation permanente.


[1] En anglais, conjoint analysis ou trade-off analysis

[2] L’échantillon de 2 000 prospects permet de simuler le résultat à l’échelle nationale.

Nos dernières publications
& points de vues