Combien valent les clients d’une entreprise, actuels et futurs ?

Une entreprise en croissance publie souvent une perte : son résultat dit peu de sa valeur, et un multiple du résultat devient inutilisable ^[C10]. Gupta, Lehmann et Stuart proposent de valoriser ses clients, ceux d'aujourd'hui et ceux qu'elle recrutera, à partir de quatre grandeurs : la marge par client, la rétention, le coût d'acquisition et le rythme de recrutement ^{[C02, C03, C15]}. C'est la valeur de la base clients (customer equity) ; elle approche la valeur de l'entreprise dans la mesure où les clients en sont l'essentiel ^{[C01, C77]}.

Le programme de la page reproduit d'abord le cas publié : à partir des seules entrées des auteurs, avec une convention de calendrier qu'il a fallu choisir, il retrouve la valeur des clients d'Amazon, d'Ameritrade, d'eBay et d'E∗Trade en mars 2002 et leur sensibilité à la rétention, à la marge et au coût d'acquisition ; il ne retrouve pas Capital One. Puis, sur un distributeur en ligne synthétique, aux données tirées du modèle lui-même, avec la vraie rétention et aucun départ avant le premier trimestre, la méthode estime la base clients à 223,73 M€, pour 214,33 M€ calculés avec la vraie courbe : +4,4 %, un écart de l'ordre du hasard. Ne compter que les clients actuels la sous-estime de 27,7 % ; le raccourci de la « durée de vie moyenne » la surestime de 34,3 % ; une courbe de recrutement estimée trop tôt, avant son pic, ne reste à moins de 20 % de la référence que dans 30 tirages sur 100. Une rétention portée de 80 % à 80,8 %, soit 1 % de mieux en valeur relative, ajoute ici 3,75 % à la valeur de la base ; un coût d'acquisition réduit de 1 % ajoute 0,12 % — sans compter ce que coûte chacune de ces améliorations.

Une boutique en ligne de matériel de randonnée publie chaque trimestre son nombre de clients actifs. Elle recrute vite : 35 972 clients au départ, 1 070 589 seize trimestres plus tard. Chaque client actif lui rapporte une marge de 12 € par trimestre ; recruter un client lui coûte 40 € de marketing ; 80 % des clients d'une année sont encore là l'année suivante. Elle publie pourtant une perte : ses frais de structure, ajoutés à ses dépenses de recrutement passées en charges, dépassent encore sa marge.

La direction prépare une levée de fonds et doit répondre à deux questions : que vaut sa base clients, en comptant les clients qu'elle n'a pas encore recrutés ; et, pour la faire croître, vaut-il mieux baisser le coût d'acquisition, améliorer la marge ou retenir mieux ses clients ?

Les données de la page sont synthétiques. Le nombre cumulé de clients ayant acheté au moins une fois suit une courbe en S de plafond 2 000 000, dont le recrutement culmine au trimestre 13,33 ; le recrutement de chaque trimestre est observé avec un bruit d'environ 10 %.

Que vaut aujourd'hui la somme des marges futures de tous les clients, actuels et futurs, nette du coût d'acquisition des futurs ^{[C15, C21]} ? Le coût d'acquisition des clients actuels est déjà dépensé : il ne compte plus ^[C30]. La difficulté est double. Le nombre de clients futurs n'est pas observé : il faut prolonger la courbe de recrutement. Et la rétention, la donnée qui pèse le plus, est rarement publiée ^[C31] : les auteurs l'obtiennent d'analystes, d'un expert ou d'une moyenne d'industrie ^{[C32, C33, C34, C35]}.

Trois raccourcis courants :

• Ne compter que les clients actuels. Multiplier le nombre de clients par la valeur d'un client oublie ceux que l'entreprise recrutera, et ce qu'ils coûteront à recruter. Les auteurs valorisent au contraire la base actuelle et future ^[C15].
• La « durée de vie moyenne ». Avec 80 % de rétention annuelle, un client reste en moyenne cinq ans : on actualise alors cinq années pleines de marge. Les auteurs montrent que cette méthode surestime la valeur ^[C18] : pour une marge annuelle de 100 $, 80 % de rétention et 12 % d'actualisation, elle donne 360 $ au lieu de 250 $, environ 44 % de trop ^{[C19, C20]}. Une grande partie de cet écart tient au calendrier : les 250 $ ne comptent la première marge qu'après une année de survie, alors que le raccourci la compte comme certaine. À calendrier égal, la valeur juste est de 312,50 $ et l'excès tombe à 15,4 % : c'est ce que coûte, à lui seul, le fait de traiter chaque client comme s'il restait exactement la durée moyenne.
• Prolonger une courbe de recrutement trop tôt. Pour estimer une courbe en S, il faut avoir observé son point d'inflexion, le moment où le recrutement culmine ^[C41] ; avant, les paramètres deviennent instables ^[C42].

Le compte de clients seul ne suffit pas non plus. En 1999 et 2000, le nombre de clients ou de visiteurs a servi à valoriser les entreprises de l'internet ^[C11] ; un client ne vaut pourtant que par la marge qu'il laisse, sa durée de présence et ce qu'il a coûté.

La valeur d'un client est la somme actualisée de ses marges futures, tant qu'il reste ^[C02]. La valeur de la base est la somme de deux blocs ^[C15] :

1. les clients actuels : chacun vaut ses marges à venir ; leur coût d'acquisition est déjà payé ^[C30] ;
2. les clients futurs : une courbe en S prolonge le recrutement ; elle est proche dans l'esprit du modèle de diffusion de Bass, mais plus commode à calculer ^[C24], et ses estimations sont très comparables à celles du modèle de Bass selon Bass, Jain et Krishnan, cités par les auteurs ^{[C25, C84]}. Chaque client recruté apporte ses marges futures moins son coût d'acquisition ^[C21], et la valeur de chaque cohorte est actualisée à aujourd'hui.

La rétention joue deux fois : elle fixe la durée de présence des clients, et elle sert à reconstituer le recrutement. Une entreprise ne publie que ses clients actifs, recrutés moins partis : avec 100 000 clients puis 130 000 et 80 % de rétention, elle a recruté 50 000 clients, pas 30 000 ^[C38]. Les auteurs modélisent donc le nombre cumulé de clients ayant acheté au moins une fois, pas la hausse nette ^[C88]. Supposer une autre rétention, c'est aussi supposer un autre recrutement.

Les auteurs n'utilisent que des informations publiques, rapports annuels et documents boursiers, sauf pour la rétention ^[C12] ; leur méthode sert donc aussi aux investisseurs, aux analystes et aux acquéreurs qui n'ont pas les données internes ^[C13]. Pour chaque trimestre, il faut :

• le nombre de clients actifs ;
• la marge par client, avec les coûts directs que l'entreprise ne déduit pas toujours, comme la logistique ^[C26] ; les auteurs prennent la moyenne des quatre derniers trimestres ^[C27] ;
• le coût d'acquisition : le coût marketing du trimestre divisé par le nombre de clients recrutés ^[C28]. Une partie de ce coût sert à retenir les clients, sans qu'on puisse la séparer ^[C29] ;
• une rétention annuelle, déclarée et justifiée ^[C31], et un taux d'actualisation annuel : les auteurs retiennent 12 %, milieu de la fourchette de 8 % à 16 % des manuels de finance ^{[C36, C37]}.

Il faut aussi assez d'historique pour avoir dépassé le pic du recrutement ^[C41].

Cette section s'adresse au praticien. Le décideur peut la sauter et reprendre à « Le calcul déclaré » : la phrase « En clair » qui la termine suffit.

• t : le temps, en trimestres ; t = 1 pour le premier trimestre observé, t = 0 pour le stock de clients avant lui ; T : le trimestre de la valorisation, ici 16.
• N(t) = α / (1 + exp(−β − γt)) : le nombre cumulé de clients ayant acheté au moins une fois ^[C24]. α est le plafond de cette courbe, le nombre total de clients que l'entreprise recrutera un jour ; β la situe dans le temps ; γ fixe sa pente.
• n(t) = αγ exp(−β − γt) / (1 + exp(−β − γt))² : le nombre de clients recrutés par trimestre à la date t, c'est-à-dire la pente de N(t) ; il culmine à t = −β / γ.
• A_t : les clients actifs à la fin du trimestre t. r : la rétention annuelle ; r_q = r^(1/4) : la rétention trimestrielle, celle qui, répétée quatre trimestres, redonne r. i : le taux d'actualisation annuel ; i_q = (1 + i)^(1/4) − 1 : le taux trimestriel qui, composé quatre fois, redonne i. Ce passage aux taux trimestriels est une convention de la page ; les auteurs ne le précisent pas.
• Recrutement reconstitué : n_t = A_t − r_q × A_(t−1) ; cumul N_t = N_(t−1) + n_t, avec N_0 = A_0, c'est-à-dire aucun départ avant le premier trimestre ^{[C38, C88]}. α, β et γ s'estiment par moindres carrés non linéaires sur N_0, …, N_T ^[C39].
• m : la marge par client actif et par trimestre ; c : le coût d'acquisition par client recruté.
• L'horizon est infini : la rétention et l'actualisation font peser beaucoup moins les marges lointaines ^[C17].
• Valeur d'un client à partir du trimestre suivant : LV = m × r_q / (1 + i_q − r_q), la somme des m × r_q^k / (1 + i_q)^k pour k ≥ 1 : chaque marge future, pondérée par la chance que le client soit encore là, puis actualisée. C'est la formule de l'exemple des auteurs : 100 × 0,8 / (1,12 − 0,8) = 250 ^[C19]. Leur équation (2), écrite à partir de t = 0, donnerait 350 ; c'est leur exemple, et la convention qui reproduit leurs valeurs, que la page suit.
• Valeur de la base au trimestre T : V = A_T × LV + ∫ n(s) × (LV − c) × (1 + i_q)^−(s − T) ds, l'intégrale portant sur la date de recrutement s, de T à l'infini. Le premier terme vaut pour les clients actuels, le second pour les clients futurs ^{[C15, C21, C30]}. Les auteurs n'écrivent pas le terme des clients actuels sous cette forme : c'est une reconstruction, que valide la reproduction de leurs valeurs. Ils appliquent ensuite un impôt de 38 % pour approcher la valeur de l'entreprise ^[C23] ; la page donne des valeurs avant impôt, sauf pour reproduire leur cas.
• Raccourci de la durée de vie : chaque client vaut la marge annuelle 4m actualisée sur 1 / (1 − r) années pleines, la première marge étant comptée à la fin de la première année ^{[C18, C20]}.
• Élasticité : variation relative de V quand une entrée s'améliore de 1 % de sa valeur, la courbe étant tenue fixe — rétention multipliée par 1,01, marge multipliée par 1,01, coût d'acquisition et taux d'actualisation multipliés par 0,99. Dans ce modèle, l'élasticité à la marge vaut toujours 1 plus l'élasticité au coût d'acquisition.

En clair : la valeur de la base est celle des clients d'aujourd'hui, plus celle des clients de demain moins ce qu'ils coûteront à recruter ; la rétention fixe à la fois combien de temps ils restent et combien l'entreprise en a recruté.

1. Contrôle du code sur le cas publié. Les deux programmes recalculent la valeur des clients des cinq entreprises des auteurs, établie sur données publiques ^[C04], au 31 mars 2002, à partir de leurs entrées : clients, marge trimestrielle, coût d'acquisition et rétention de leur tableau 1 ^{[C60, C65, C66, C67, C68]}, paramètres de la courbe de leur tableau 2 ^{[C61, C81, C82]}, 12 % d'actualisation et 38 % d'impôt ^{[C23, C36]}. Les auteurs ne précisent pas comment ils passent des taux annuels aux taux trimestriels ; la convention retenue, racine quatrième de la rétention et de 1,12, avec t = 1 au premier trimestre de données, a été choisie parce qu'elle reproduit leurs valeurs. Une preuve indépendante la soutient : avec elle, les dates calendaires du pic de recrutement de leur tableau 2 sont retrouvées pour les cinq entreprises, et aucune avec t = 0 ^[C83]. Les programmes s'arrêtent en erreur si elle cesse de reproduire quatre entreprises sur cinq. Ils recalculent aussi le tableau 5 ^{[C85, C86, C87]}.
2. Distributeur synthétique, tiré par un générateur de nombres pseudo-aléatoires écrit en clair (graine 20261006 ; x ← 1103515245 · x + 12345 mod 2³¹), pour que Python et R tirent les mêmes nombres : seize trimestres de clients actifs, le recrutement de chaque trimestre étant multiplié par un bruit aléatoire d'écart-type 0,10 en logarithme. Le plan est favorable à la méthode : l'analyste connaît la vraie rétention, et personne n'est parti avant le premier trimestre.
3. Estimation comme le ferait un analyste externe : recrutement reconstitué avec la rétention supposée, courbe ajustée par moindres carrés (simplexe de Nelder-Mead, un algorithme qui cherche le meilleur ajustement pas à pas, relancé jusqu'à stabilité). Deux bornes sont posées : le plafond α ne dépasse pas mille fois les clients déjà comptés, la pente γ ne dépasse pas exp(3) par trimestre, soit environ 20.
4. Valeur des clients actuels et futurs, intégrale calculée par la méthode de Simpson au pas de 0,05 trimestre sur 400 trimestres. Référence : la même valeur calculée avec la vraie courbe et les clients actifs observés.
5. Trois raccourcis : clients actuels seuls ; durée de vie moyenne ; courbe estimée sur les huit premiers trimestres, avant le pic.
6. Élasticités, définies comme dans le tableau 4 des auteurs pour la rétention, la marge et le coût d'acquisition ^[C63], et grille de rétention à 70 %, 80 % et 90 % et d'actualisation à 8 %, 10 % et 12 %, sur le modèle de leur tableau 5, en tenant la courbe fixe puis en la réestimant.
7. Incertitude : bootstrap paramétrique, qui simule 1 000 distributeurs à partir de la courbe estimée et du bruit estimé, puis réestime chacun ; le bruit est estimé en comptant les trois paramètres de la courbe ; intervalle de la 25ᵉ à la 975ᵉ valeur triée, à 95 % nominal.
8. Répétition sur 100 distributeurs indépendants tirés de la vraie courbe, avec pour chacun un bootstrap de 200 tirages, pour mesurer la couverture réelle de l'intervalle.
9. Invariants : sept identités, dont l'exemple chiffré des auteurs (250 et 360) ^{[C19, C20]}, leur exemple de recrutement reconstitué ^[C38] et l'intégrale du recrutement égale au marché restant ; les programmes s'arrêtent si l'une échoue.

Le cas publié, recalculé. Valeur des clients après impôt, en milliards de dollars, au 31 mars 2002 :

Pour les quatre premières entreprises, les élasticités à la marge et au coût d'acquisition sont aussi retrouvées, à l'arrondi de la publication près ; comme l'une vaut toujours 1 plus l'autre, cela ne fait qu'un contrôle de plus, pas deux. Trois écarts restent, de causes différentes.

• La colonne du taux d'actualisation. Un taux multiplié par 0,99 donne +0,28 % pour Amazon, là où les auteurs publient 0,46 %. Leur colonne est retrouvée, à 0,01 point près, pour les quatre mêmes entreprises si le taux passe de 12 % à 11,80 % : +0,47 % contre 0,46, +1,17 % contre 1,17, +0,64 % contre 0,63, +1,14 % contre 1,14. Tout se passe comme si les auteurs appelaient « 1 % » une baisse plus forte que 1 % du taux, sans le dire.
• Capital One. Toute sa ligne est retrouvée si la valeur de ses acquisitions futures est 1,25 fois plus grande : 11,00 ; +5,12 % ; +0,32 % ; +1,32 %. La cause tiendrait vraisemblablement à sa courbe ou à son origine des temps — une coquille du tableau 2 ou une autre fenêtre de données — et ne peut pas être identifiée sans les séries.
• Le tableau 5 et les valeurs à 100 % de rétention. Recalculées en tenant la courbe fixe, ces valeurs s'écartent des valeurs publiées, et 36 cellules sur 39 du tableau 5 s'écartent dans le sens qu'aurait une courbe réestimée avec chaque rétention : les valeurs publiées sont plus basses que les nôtres quand la rétention supposée dépasse celle de l'entreprise, plus hautes sinon. En dehors de ces 39 cellules, à la rétention propre de chaque entreprise, 4 cellules sur 6 sont retrouvées ; les deux autres, celles d'eBay à deux taux d'actualisation, échappent à cette explication, puisque la rétention n'y change pas. À 100 % de rétention, la page trouve 3,72 pour Amazon contre « environ 3 » ^[C78], 6,05 pour eBay contre 5,3 ^[C79] et 3,95 pour E∗Trade contre 3,89 ^[C47] : les trois valeurs publiées sont plus basses. Pour Capital One à 90 %, 13,35 contre 14,1 ^[C64]. Si les auteurs ont réestimé leur courbe dans le tableau 5, ils ne l'ont pas fait dans le tableau 4, qui est retrouvé courbe fixe : sur le distributeur synthétique, réestimer la courbe ramène l'effet d'une rétention multipliée par 1,01 de +3,75 % à +3,18 %, un écart qui se verrait dans le tableau 4. Cette explication suppose donc un changement de procédure entre les deux tableaux ; leurs séries trimestrielles ne sont pas publiées, et nous ne pouvons pas la vérifier.

Le distributeur synthétique. Avec 80 % de rétention annuelle, la rétention trimestrielle vaut 0,9457 ; avec 10 % d'actualisation, le taux trimestriel vaut 2,411 % ; un client actif vaut alors 144,81 € de marges futures. Le recrutement reconstitué donne 1 382 156 clients ayant acheté au moins une fois, pour 1 379 949 en vrai. La courbe estimée a pour plafond 2 099 582 clients, pour 2 000 000 en vrai, et culmine au trimestre 13,78, pour 13,33.

L'écart, +4,4 %, vient tout entier des clients futurs : le plafond de la courbe est surestimé. Les clients futurs font 30,7 % de la valeur estimée.

Les raccourcis.

Ne compter que les clients actuels revient à retirer les clients futurs : l'écart est, par construction, leur part dans la référence ; il serait inverse si recruter un client coûtait plus qu'il ne rapporte. La durée de vie moyenne prête à chaque client 181,96 € au lieu de 144,81 €, 25,7 % de trop, et l'erreur se propage aux clients futurs. Cet écart mêle deux effets. Comparé à une valeur annuelle qui compte, comme lui, la première marge à la fin de la première année, 160,00 €, le raccourci est trop haut de 13,7 % ; c'est l'effet propre de la durée moyenne. Le reste vient de la première année : la valeur annuelle de 160,00 € compte la marge de cette année comme acquise, alors que la valeur trimestrielle fait partir des clients dès le premier trimestre ; le versement trimestriel des marges, qui joue en sens inverse, ne compense pas cet écart — une valeur annuelle qui applique la rétention dès la première année n'est que de 128,00 €. Estimée sur les huit premiers trimestres, avant le pic, la courbe a pour plafond 1 677 096 clients ; la valeur au trimestre 8 tombe à 161,43 M€ pour 188,30 M€ de référence, −14,3 % — sur ce tirage.

Quel levier ? Effet d'une amélioration de 1 % de la valeur de chaque entrée, la courbe tenue fixe :

La rétention l'emporte nettement sur la marge, comme chez les auteurs ^{[C07, C08]}. L'ordre entre marge et acquisition, lui, ne prouve rien : l'élasticité à la marge vaut ici exactement 1 plus celle au coût d'acquisition, une identité du modèle. À définitions égales, l'effet de la rétention vaut 10,4 fois celui du taux d'actualisation ; le rapport « près de cinq » des auteurs ^{[C09, C55]} compare 1 % de rétention à une baisse plus forte du taux.

La rétention, l'hypothèse qui pèse le plus. Valeur de la base en M€ ; à gauche, la courbe tenue fixe ; à droite, le recrutement reconstitué et la courbe réestimée avec la rétention supposée :

Les deux colonnes répondent à deux questions. La courbe fixe mesure un levier : si la boutique retient mieux ses clients à l'avenir, son recrutement passé ne change pas, et la valeur passe de 223,73 à 376,39 M€ pour une rétention de 90 %. La courbe réestimée mesure une incertitude : si la rétention passée était en réalité de 90 % et non de 80 %, la boutique a aussi recruté moins de clients qu'on ne le croyait, et la base vaut 350,08 M€. Supposer 70 % au lieu de 80 % fait reconstituer 1 560 456 clients ayant acheté au lieu de 1 382 156, et un plafond de 2 449 181 au lieu de 2 099 582 : plus de départs supposés, c'est plus de recrutements supposés. Entre 70 % et 90 %, la valeur va du simple au plus que double.

Sur 100 distributeurs indépendants, la méthode complète s'écarte de la référence de −0,3 % en moyenne (écart-type 3,4 %, au plus 10,6 %), un biais que l'erreur de simulation, c'est-à-dire l'imprécision due au nombre fini de tirages, 0,3 %, ne distingue pas de zéro ; les clients actuels seuls, de −27,8 % (écart-type 0,6 %), une stabilité qui découle de la construction du plan. Estimée avant le pic, la courbe donne un écart médian de −8,8 %, et 30 tirages sur 100 seulement restent à moins de 20 % de la référence. Dans 6 tirages, le plafond part jusqu'à sa borne de mille fois les clients comptés, et l'écart n'y mesure plus que cette borne ; les autres tirages s'écartent de −53,7 % à +2 616,9 %.

• Une rétention constante ^[C16]. Les auteurs l'adoptent par commodité ; elle implique qu'une entreprise mûre, qui ne recrute presque plus, finirait par perdre tous ses clients ^[C57]. Vos clients anciens partent-ils moins que les nouveaux ?
• Une rétention connue. Elle n'est presque jamais publiée ^[C31] ; les auteurs la tirent d'un rapport d'analyste pour Ameritrade, l'étendent à E∗Trade par ressemblance ^[C32], la demandent à un expert pour Capital One ^[C33] et prennent la moyenne des entreprises américaines pour eBay ^[C34]. D'où vient votre chiffre de rétention, et sur quelle définition du client actif ?
• Le même profil de marge pour toutes les cohortes ^[C22], et une marge stable : les auteurs prennent la moyenne des quatre derniers trimestres ^[C27]. Vos derniers clients recrutés dépensent-ils comme les premiers ?
• Un recrutement qui suit une courbe en S, que tous les clients, actifs ou partis, nourrissent ^[C40]. Pour eBay, place de marché, les effets de réseau entre acheteurs et vendeurs ne sont pas captés ^[C48]. Vos clients en recrutent-ils d'autres ?
• Un historique qui dépasse le pic du recrutement ^{[C41, C42]}. Votre recrutement trimestriel a-t-il déjà commencé à baisser ?
• Des leviers indépendants. La méthode ignore les liens entre acquisition, rétention et marge ^[C53] : une promotion de prix peut recruter des clients qui restent peu ^[C54]. Vos clients recrutés par promotion restent-ils autant que les autres ?
• Des clients qui sont l'essentiel de la valeur. La méthode ne voit ni les options de croissance, c'est-à-dire la valeur d'activités futures encore incertaines ^[C06], ni les actifs hors clients ; elle ne remplace pas les méthodes financières, elle en prolonge une ^[C59]. Une part de votre valeur tient-elle à des produits ou à des marchés que vous n'avez pas encore lancés ?
• Ce que les données ne peuvent pas trancher : le plafond de recrutement d'une entreprise jeune ^[C58], et la rétention future, que l'historique ne montre pas. Sur quoi fondez-vous la rétention des années à venir ? Le reste se contrôle : la courbe sur les trimestres suivants, la marge sur les comptes.

• Validation de la courbe : sur des données réelles, garder les derniers trimestres de côté et comparer recrutement prévu et observé. Le pic estimé, 13,78 trimestres, doit tomber dans les données ; s'il en sort, le plafond n'est pas identifié ^[C41]. La page ne fait pas cette validation sur l'exemple : la répétition sur 100 distributeurs en tient lieu.
• Ce que les données ne vérifient pas : la valeur des clients futurs, 30,7 % du total, repose entièrement sur le prolongement de la courbe au-delà du trimestre 16 ; celle des clients actuels, sur une rétention supposée constante pour toujours ^[C16].
• Incertitude d'estimation, par bootstrap paramétrique : le bruit du recrutement est estimé à 0,0865, pour 0,10 en vrai ; l'intervalle du plafond va de 1 902 à 2 346 milliers de clients ; celui de la valeur de la base, de 208,10 à 244,16 M€. Ces intervalles sont à 95 % nominal ; sur 100 distributeurs, l'intervalle de la valeur contient la référence 92 fois (erreur de simulation 2,7 %) : un peu moins que les 95 % annoncés, sans que 100 tirages permettent de l'affirmer ; une cause possible, partielle, est un bruit sous-estimé sur seize trimestres (0,0865 contre 0,10 dans le tirage détaillé). L'écart de +4,4 % du tirage détaillé est de l'ordre du hasard, l'écart-type étant de 3,4 % sur 100 tirages. Ces intervalles supposent la courbe en S juste et la rétention connue ; ils ne couvrent ni l'erreur sur la rétention, ni celle sur la marge, ni le choix du taux d'actualisation.
• L'hypothèse de rétention pèse bien plus que l'incertitude d'estimation : de 70 % à 90 %, au taux d'actualisation de 10 %, la valeur passe de 156,33 à 350,08 M€. Il faut la présenter en scénarios.
• Comparer à la valeur de marché n'est pas une validation. Les auteurs trouvent une valeur des clients proche de la valeur boursière pour Capital One, Ameritrade et E∗Trade ^{[C05, C43, C45, C47]}, mais très en dessous pour Amazon, 0,82 milliard contre 5,36 ^[C44], et pour eBay, 1,89 contre 15,85 ^[C46]. Sur les cinq entreprises et quatre trimestres, la valeur des clients n'explique que 14 % des variations de la valeur boursière, un R² de 0,139 ^[C80], le R² étant la part des variations qu'un modèle explique ; sans Amazon ni eBay, soit douze observations, elle en explique 93 %, un R² de 0,927 ^[C49] ; avec trois entreprises de tailles très différentes, ce R² tient sans doute surtout à l'écart entre Capital One et les deux courtiers. Et la valeur de Capital One sur laquelle repose cette régression n'est pas retrouvée ici. Un écart dit que le marché se trompe ou que le modèle oublie quelque chose ^[C06] : il ne dit pas lequel.
• Ce que la simulation ne prouve pas : les données sont tirées du modèle, juste par construction, avec la vraie rétention ; les écarts mesurés ne viennent que de l'ajustement de la courbe. La simulation mesure le coût des raccourcis quand ce modèle est vrai ; elle ne démontre pas qu'il convient à votre entreprise.

Trois enseignements. D'abord, une base clients se valorise avec ses clients futurs : sans eux, on sous-estime ici la valeur de la base de plus d'un quart, soit la part des clients futurs, qui rapportent plus qu'ils ne coûtent à recruter. Ensuite, la durée de vie moyenne gonfle la valeur d'un client : elle fait comme si chacun restait cinq ans, alors que les départs commencent dès la première période ^[C18] ; à calendrier égal, l'excès est de 13,7 % ici et de 15,4 % dans l'exemple des auteurs.

Enfin, la rétention est le levier le plus puissant : une rétention portée de 80 % à 80,8 % ajoute 3,75 % à la valeur, une marge améliorée de 1 % ajoute 1,12 %. Les auteurs trouvent une élasticité — le pourcentage de valeur gagné pour 1 % d'amélioration — de 3 à 7 pour la rétention dans leur résumé, de 2,45 à 6,75 dans leur tableau 4, d'environ 1 pour la marge et de 0,02 à 0,3 pour l'acquisition ^{[C07, C08]}, et un effet de la rétention d'autant plus fort que le taux d'actualisation est bas ^[C56]. Ces élasticités mesurent un levier : elles supposent le recrutement passé connu. Quand c'est la rétention passée elle-même qui est incertaine, c'est la grille réestimée qu'il faut lire.

• Permis : « Si la rétention annuelle est de 80 % et la courbe en S juste, la base clients vaut environ 224 M€ de marge actualisée à 10 %, avant impôt, coûts fixes et dépenses de rétention, avec un intervalle à 95 % nominal de 208,10 à 244,16 M€, dont la couverture réelle mesurée est d'environ 92 % ; entre 70 % et 90 % de rétention, de 156,33 à 350,08 M€. »
• Permis : « Dans cette simulation, ne compter que les clients actuels sous-estime la valeur de la base d'un peu plus d'un quart, la part des clients futurs. »
• Permis : « Si les deux améliorations coûtaient la même chose, une rétention portée de 80 % à 80,8 % vaudrait ici bien plus qu'un coût d'acquisition réduit de 1 %. »
• Interdit : conclure qu'il faut investir dans la rétention plutôt que dans l'acquisition. Les élasticités ne comptent pas ce que coûte chaque amélioration ^{[C50, C51]} ; supprimer tous les départs n'est pas souhaitable, selon Shaffer et Zhang, cités par les auteurs ^[C52].
• Interdit : présenter la valeur de la base comme la valeur de l'entreprise, ou comme celle de ses actions, sans dire ce qu'elle omet — impôt, coûts fixes, dépenses de rétention imputées à l'acquisition ^[C29], dette, options de croissance, actifs hors clients, effets de réseau ^{[C06, C48]}.
• Interdit : présenter ces chiffres comme un résultat de marché ; les données sont synthétiques.

• Présenter la valeur de la base en scénarios de rétention, pas en un chiffre : environ 224 M€ à 80 % de rétention, de 156 à 350 M€ entre 70 % et 90 %. Pour une levée de fonds, passer ensuite de la valeur de la base à celle des actions : déduire l'impôt, les coûts fixes, les dépenses de rétention et la dette. Le taux d'actualisation reste un choix de la direction financière.
• Traiter le recrutement comme un investissement : un client recruté vaut ses marges futures moins son coût d'acquisition, et les auteurs plaident pour compter les dépenses d'acquisition comme des investissements, non comme des charges ^[C14].
• Chiffrer ce que coûterait une meilleure rétention avant de l'acheter. La valeur indique combien rapporte une rétention portée de 80 % à 80,8 % ; une expérience avec un groupe témoin indique si un programme de fidélité l'obtient. Les deux ensemble permettent de comparer les leviers.
• Suivre la courbe de recrutement chaque trimestre et réestimer la valeur ; mesurer la rétention par cohorte plutôt que la supposer.

La décision reste humaine et engage la direction générale, la direction marketing et la direction financière.

• Utiliser : valoriser une entreprise en croissance dont le résultat est négatif ou faible ^[C10], comparer des leviers marketing en termes de valeur, ou estimer de l'extérieur la base clients d'une entreprise à partir de ses publications ^[C13].
• Utiliser avec prudence quand le recrutement n'a pas encore culminé : il faut alors une estimation externe du marché potentiel ou une approche bayésienne ^{[C42, C58]}.
• Ne pas utiliser pour la valeur d'un client précis : voir la page sur l'estimation de la CLV non contractuelle, celle sur la valeur d'un abonné ou celle sur la valeur d'un client saisonnier.
• Ne pas utiliser pour mesurer la rétention elle-même : voir la page sur l'analyse de la rétention et de la survie.
• Pour exprimer l'incertitude d'un résultat, voir la page sur l'expression de l'incertitude ; pour juger la courbe sur des trimestres mis de côté, celle sur la validation d'une prévision marketing ; pour la répétition des tirages, celle sur la simulation de Monte Carlo.

• Python 3.14.5, bibliothèque standard seule : msc-p045-reference.py, à lancer par python msc-p045-reference.py
• R 4.6.1, base seule : msc-p045-reference.R, à lancer par Rscript msc-p045-reference.R
• Les deux programmes impriment exactement les mêmes lignes ; leur empreinte sha256, après normalisation des fins de ligne, est consignée dans le manifeste du dossier. Graine déclarée 20261006. Aucune bibliothèque tierce : le logiciel ne valide pas la méthode, il la reproduit.

Les clients actifs par trimestre, la rétention supposée et sa source, le recrutement reconstitué, la courbe estimée avec son pic et son plafond, la valeur des clients actuels et celle des clients futurs avec son intervalle, la grille de rétention et d'actualisation, les élasticités, ce que la valeur omet pour passer à celle de l'entreprise, et les hypothèses à vérifier avant décision.

• Gupta, S., Lehmann, D. R. & Stuart, J. A. (2004). Valuing Customers. Journal of Marketing Research 41(1), 7–18. ↗ — manuscrit accepté des auteurs, révisé en février 2003, diffusé par la Columbia Business School, texte intégral vérifié ^[C01–C88].
• Niveau de preuve : démonstration sur données synthétiques tirées du modèle lui-même, un tirage détaillé, un bootstrap de 1 000 distributeurs et 100 tirages répétés, reproductible en Python et en R ; code contrôlé sur les valeurs publiées par les auteurs pour quatre entreprises sur cinq, à partir de leurs entrées publiées et d'une convention de calendrier choisie pour les reproduire. Ce n'est pas un résultat de marché.