Mieux comprendre les termes clés pour propulser votre croissance
-
d
- Dashboard (Tableau de bord)
- Data
- Data broker
- Data lake
- Data mining (Exploration de données)
- Data-driven (Piloté par les données)
- Deep Learning
- Données anonymisées
- Données B2B : définition
- Données firmographiques
- Données intentionnelles
- Données légales
- Données personnelles
- Données structurées et non structurées
Customer Lifetime Value (CLV)
Customer Lifetime Value (CLV) : définition
La Customer Lifetime Value, ou valeur vie client, désigne l’estimation de la valeur économique nette qu’une organisation peut attendre d’un client pendant la durée future de leur relation. Elle repose généralement sur les revenus ou les marges attendus, les coûts associés, la probabilité de maintien de la relation et, dans les modèles les plus rigoureux, l’actualisation des flux futurs. Contrairement à un indicateur de rentabilité limité à une transaction ou à une période passée, la CLV adopte une perspective longitudinale et prospective.
Origine du concept
La modélisation de la valeur vie client a été structurée dans la littérature marketing par plusieurs travaux, dont l’article publié en 1989 par F. Robert Dwyer. Celui-ci distingue les modèles de rétention, adaptés aux relations contractuelles dans lesquelles la fin de la relation est observable, et les modèles de migration, adaptés aux contextes non contractuels dans lesquels l’état actif ou inactif du client doit être estimé à partir de son comportement d’achat. Cette distinction continue d’orienter le choix des méthodes selon que la perte du client est directement observable ou doit être inférée.
CLV historique et CLV prédictive
Par convention, certaines organisations parlent de CLV historique pour désigner la marge cumulée déjà générée par un client. Cette mesure rétrospective se rapproche toutefois davantage d’une rentabilité client observée que d’une estimation de sa valeur future.
La CLV prédictive estime les flux économiques encore attendus d’un client ou d’un groupe de clients. Elle peut intégrer la probabilité de rétention, la fréquence d’achat, la valeur des transactions, les coûts futurs et l’horizon retenu. Sa fiabilité dépend des données disponibles, mais aussi de la stabilité des comportements et de la pertinence du modèle choisi.
Une formule simplifiée pour les modèles par abonnement
Dans un modèle par abonnement, une approximation courante consiste à diviser la marge moyenne générée par un client sur une période par son taux de churn sur la même période : CLV approximative = marge moyenne par client / taux de churn. Si le calcul part du revenu, la formule devient : CLV approximative = revenu moyen par client × taux de marge / taux de churn. Le churn doit être exprimé sous forme décimale : 5% correspond à 0,05, et le revenu, la marge et le taux de churn doivent être exprimés sur la même période.
Cette approximation suppose notamment un churn et une marge constants, une perte définitive après le départ et l’absence d’actualisation. Elle donne un ordre de grandeur, mais ne remplace pas un modèle par cohorte, probabiliste ou fondé sur des flux actualisés lorsque les décisions présentent un enjeu financier important.
Le ratio CLV/CAC
Le ratio CLV/CAC rapporte la valeur vie client estimée au coût moyen engagé pour acquérir un client comparable. Il permet d’évaluer si la marge future attendue paraît suffisante au regard de l’investissement d’acquisition. Un ratio de 3:1 est souvent cité dans les contenus professionnels comme repère indicatif, mais il ne constitue pas une norme universelle : son interprétation dépend notamment du secteur, de la marge, de la durée du cycle de vente et des hypothèses utilisées pour calculer la CLV. Le numérateur et le dénominateur doivent en outre porter sur des périmètres cohérents, par exemple le même segment, la même cohorte et la même définition des coûts.
Application en contexte B2B
En B2B, la CLV est généralement plus pertinente au niveau du compte ou de la relation contractuelle qu’au niveau d’un contact individuel. Un même compte peut générer des revenus et des marges supplémentaires au fil des renouvellements, des montées en gamme ou de l’adoption de services complémentaires. L’estimation de cette valeur future peut éclairer la segmentation, les niveaux de service, les investissements commerciaux et les actions de fidélisation. Elle ne doit toutefois pas conduire à traiter mécaniquement chaque compte selon un score isolé : le potentiel stratégique, le risque, le coût de service et l’incertitude de la prévision doivent également être considérés.
Limites
La CLV prédictive reste une estimation conditionnelle aux hypothèses du modèle. Une évolution des comportements, des prix, de la concurrence, des coûts de service ou de la situation propre au client peut modifier fortement la valeur réellement obtenue. Une CLV fondée sur des flux futurs nominaux surestime également leur valeur économique lorsqu’aucune actualisation n’est appliquée. Les estimations doivent être comparées à la valeur effectivement observée par cohorte afin de mesurer leur calibration et de réviser les hypothèses lorsque les écarts deviennent significatifs.
Voir aussi
Taux de churn (Attrition)
Fidélisation client
ROI (Retour sur investissement)
Sources et références
Dwyer, F. R. (1989). Customer Lifetime Valuation to Support Marketing Decision Making. Journal of Direct Marketing, 3(4), 8-15.
Berger, P. D. et Nasr, N. I. (1998). Customer Lifetime Value: Marketing Models and Applications. Journal of Interactive Marketing, 12(1), 17-30.