Comportement d'Achat Catégoriel

Un brand tracker se lit en deux moitiés. La première mesure ce que les acheteurs gardent en mémoire : les associations qui font venir une marque à l’esprit au moment du choix, la disponibilité mentale. La seconde mesure ce qu’ils font : qui achète la catégorie, à quelle fréquence, quelles marques. Cette page traite la seconde moitié, le comportement d’achat catégoriel.

Le cadre vient de l’Ehrenberg-Bass Institute. Jenni Romaniuk et Byron Sharp y formalisent les mesures du comportement d’achat à partir des panels d’achat de foyers - des décennies d’achats enregistrés, dans des centaines de catégories, sur plusieurs marchés. Le corpus est large et longitudinal : ce ne sont pas des études isolées, mais des régularités qui tiennent d’une catégorie à l’autre. Romaniuk les rassemble dans Better Brand Health (2024) et, avec Sharp, dans How Brands Grow: Part 2 (2016).

Une part de la page vient aussi de la pratique. Liam Moroney rappelle que les bonnes hypothèses marketing naissent d’abord d’une compréhension du comportement d’achat réel - comment les acheteurs décident, qui est impliqué, quand, ce qui les ferait changer - et pas du volume de données disponible. C’est une observation d’opérateur, pas un résultat de recherche.

Ce que la page ne traite pas : la moitié mémorielle du même tracker (les métriques de disponibilité mentale, le dispositif pick-any prompté), qui vit dans une page dédiée. Elle porte sur le recrutement de l’échantillon, la lecture des chiffres, le questionnaire, et ce que ces mesures révèlent du répertoire d’achat.

L’essentiel en 5 points

• Un brand tracker a deux moitiés : ce que les acheteurs se rappellent, et ce qu’ils achètent. Cette page traite la seconde.
• On recrute l’acheteur de catégorie, pas l’utilisateur, sur une fenêtre calibrée par le cycle d’achat.
• On lit une distribution complète (light / medium / heavy), jamais une moyenne.
• Le poids d’achat se mesure par une question ouverte, pas par « la marque la plus souvent achetée ».
• Ce que ça révèle : le répertoire multi-marques est la norme, la fidélité exclusive est un mythe.

Mesurer le passage à l’acte, pas l’attitude

Un brand tracker se lit en deux moitiés. La première mesure la mémoire : ce que les acheteurs associent à la marque, la disponibilité mentale et les Category Entry Points. La seconde mesure le comportement d’achat : qui achète la catégorie, à quelle fréquence, quelles marques. Cette page traite la seconde.

La raison de commencer par le comportement est éditoriale. Selon l’observation de Liam Moroney, les bonnes hypothèses marketing naissent d’une compréhension du comportement d’achat dans la catégorie - comment les acheteurs décident, qui est impliqué, quand, ce qui les ferait changer - pas du volume de données disponible. Le tracker sert à cela : décrire des acheteurs réels, pas sonder des attitudes.

Le choix des indicateurs suit la voie de croissance de la catégorie. Jenni Romaniuk établit (Better Brand Health, ch. 9) qu’une catégorie croît par trois voies : ajouter des acheteurs, faire acheter davantage les acheteurs existants, ou faire payer plus cher. Diagnostiquer d’abord par quelle voie la catégorie croît, avant de choisir les métriques du tracker.

Qui recruter : l’acheteur, pas l’utilisateur

Le premier choix d’un tracker est le screener. Romaniuk observe qu’il faut recruter le category buyer (celui qui transige) et non le category user (celui qui bénéficie de l’usage) : seul l’acheteur porte les préférences mémorisées des autres utilisateurs du foyer. Un tracker qui recrute l’utilisateur manque cette mémoire partagée.

Vient ensuite la fenêtre de recrutement. Une fenêtre trop courte (« acheté le mois dernier ») exclut mécaniquement une part des futurs acheteurs légers, moyens et lourds, environ 20 points de pénétration, tandis qu’une fenêtre trop longue inclut des acheteurs lapsés à mémoire dégradée. La fenêtre « juste » se cale sur la fréquence d’achat de la catégorie, d’une semaine à plus de 12 mois.

Le biais le plus fréquent est le recrutement massif de gros acheteurs. Les acheteurs légers de catégorie sont indispensables, non un bruit à filtrer : ils testent la vraie portée du marketing, contiennent une part disproportionnée des nouveaux acheteurs, et sont la source de la croissance future. À l’inverse, les acheteurs lourds sont typiquement les premiers acheteurs d’un nouveau lancement : ils donnent un signal précoce d’acceptabilité, à suivre dans les premières semaines.

Lire une distribution, jamais une moyenne

La fréquence d’achat catégorielle moyenne trompe, à cause de la distribution en longue traîne (loi binomiale négative, NBD, Ehrenberg 1959). Il faut regarder la distribution complète (light / medium / heavy), pas la moyenne.

Le rappel déclaratif de fréquence, lui, est fiable en tendance mais biaisé en valeur. Le cerveau compte automatiquement la fréquence des événements répétés. Les erreurs se concentrent chez les gros acheteurs et prennent deux formes : l’averaging (arrondi à un rythme perçu, par exemple 12 pour « une fois par semaine ») et le rounding (arrondi au multiple de 5 ou 10). On fait donc confiance au rappel pour classer les acheteurs, pas pour des comptes exacts.

La correction tient en deux gestes. Ajuster un fit NBD sur les données déclarées estime combien d’acheteurs devraient figurer dans chaque groupe de fréquence. Pour classer les individus, on regroupe les tranches autour des points de biais identifiés (par exemple 9-10-11) plutôt qu’autour de tranches arbitraires.

Interroger sans fabriquer l’erreur de mémoire

Le questionnaire lui-même est une source de biais.

Le premier bloc d’un tracker classe chaque acheteur de catégorie en acheteur ou non-acheteur de la marque (brand penetration), via une question simple non conditionnée, avant toute autre analyse.

Trois règles réduisent l’erreur de mémoire sur cette question : présenter la liste des marques par ordre alphabétique, donner un repère temporel de référence pour réduire le télescopage, et n’utiliser aucune question filtre en amont.

Deux gestes complémentaires aident : une question de référence à horizon plus long posée avant la question cible (bounded recall) réduit le télescopage ; et des prompts de canal explicites (duty-free, restaurant) récupèrent les achats noyés dans une autre activité.

Enfin, segmenter avant d’interpréter. Les acheteurs d’une marque cumulent expérience directe et indirecte, donc répondent mieux aux questions de mémoire que les non-acheteurs, qui n’ont que l’indirecte. Un score agrégé masque cette asymétrie.

Tension ouverte : l’instrument est faible là où vit la croissance

Les acheteurs légers et les non-acheteurs sont la source de croissance, et ce sont eux qui répondent le moins bien aux questions de mémoire. Le tracker mesure donc le plus finement la base déjà acquise, la moins utile pour recruter. Aucune correction connue ne lève cette asymétrie : elle se lit, elle ne s’efface pas.

Mesurer le poids d’achat par question ouverte

Le poids d’achat se mesure par une question ouverte de nombre de fois achetées sur une période, posée seulement aux marques déjà identifiées comme achetées via le screening de pénétration. Le screening réduit la charge cognitive : la question difficile ne porte que sur quelques marques.

Trois mesures voisines trahissent un questionnaire mal fait.

• « Quelle marque achetez-vous le plus souvent ? » : jusqu’à 35 % des acheteurs ayant acheté la catégorie au moins deux fois n’ont aucune marque dominante. La question à réponse unique introduit donc de l’erreur ; elle ne mesure pas le share of wallet.
• La tenure (« depuis quand achetez-vous cette marque ? ») : la mémoire de la date de premier achat n’est fiable que pour les nouveaux acheteurs récents. La mesure ne sert qu’à calculer un taux d’acquisition récent, pas une ancienneté.
• L’intention d’achat : elle capture la meilleure estimation du répondant à un instant, invalidée par les aléas de vie. Si un tracker garde une mesure prospective, l’échelle de probabilité de Juster (0-10) performe mieux en méta-analyse que l’intention relative.

Ce que la mesure révèle : un répertoire, pas une base fidèle

Le repertoire size (nombre de marques achetées sur une période) révèle la connaissance des marques concurrentes. Et même dans une catégorie à forte loyauté apparente - la banque, avec 46 % de fidélité exclusive -, 30 % des acheteurs portent trois marques ou plus dans leur répertoire.

Jenni Romaniuk et Byron Sharp établissent dans How Brands Grow: Part 2 que la loyauté exclusive est presque inexistante parmi les gros acheteurs de catégorie : elle se concentre chez les acheteurs très légers et fond quand on allonge la fenêtre d’observation. Viser une base 100 % loyale mène probablement à un échec coûteux, même en abonnement.

Ils le martèlent ailleurs : un client qui ne consacre qu’un tiers de ses achats annuels à la marque est un comportement normal, pas un signal à corriger par une stratégie de fidélisation.

« Your customers are really other people’s customers who occasionally buy you. »

Ehrenberg

Si ta scale-up plafonne aujourd’hui

Le réflexe est la mauvaise lecture des chiffres : prendre une moyenne, un score d’intention ou une « marque principale » pour la réalité du marché. Audite ton tracker sur trois points.

1. Recrutement.

Le screener cible-t-il l’acheteur de catégorie (paiement, décision), sur une fenêtre calibrée par le cycle d’achat ? Un échantillon qui sur-pondère les gros acheteurs ou recrute « le mois dernier » rate la croissance.

2. Lecture.

La fréquence est-elle reportée en distribution (light / medium / heavy), jamais en moyenne ? La moyenne flatte parce qu’elle cache la longue traîne.

3. Questionnaire.

Poids d’achat par question ouverte, pas par « marque la plus souvent achetée » ; tranches de fréquence ajustées par un fit NBD.

La moitié comportementale du tracker dit si tu recrutes (pénétration) ou si tu sers surtout ta base. Le dispositif mémoriel jumeau vit dans Mesurer la Disponibilité Mentale.

Pour aller plus loin

• Mesurer la Disponibilité Mentale - la moitié mémoire du même brand tracker (dispositif CBM, pick-any prompté).
• Conquête ou fidélisation - la thèse de croissance que ces mesures servent : recruter plutôt que fidéliser.
• Loi de Double Jeopardy - pourquoi un score doit s’ajuster pour la taille de la marque.
• Loi de Duplication des Achats - pourquoi les acheteurs circulent en proportion des parts de marché.
• La règle 95-5 - 95 % de tes acheteurs ne sont pas (encore) en marché - le pool in-market que la fenêtre de recrutement cherche à capturer.
• Category Entry Points (CEPs) - les situations d’achat, objet de la moitié mémorielle.
• Stack de Mesure - le dispositif d’effet perf, à tenir à côté de ce dispositif de comportement.

Sources

• Jenni Romaniuk, Better Brand Health: Measures and Metrics for a How Brands Grow World (2024), ch. 9 « Category Buying Behaviour » et ch. 10 « Brand Buying ».
• Jenni Romaniuk & Byron Sharp, How Brands Grow: Part 2 (2016), ch. 2 « Target the (Whole) Market » et ch. 3 « Where New Customers Come From ».
• Liam Moroney, Data-driven and Wholly Unscientific. Observation de praticien : la qualité de l’hypothèse prime sur le volume de données.

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.