Você está na página 1de 312

UNIVERSITE DAUVERGNE CLERMONT1

FACULTE DE SCIENCES ECONOMIQUES ET DE GESTION


Centre de Recherche Clermontois en Gestion et Management
Ecole doctorale 245

THESE
Pour le grade de
DOCTEUR DE LUNIVERSITE DAUVERGNE DE CLERMONT 1
Discipline : Sciences de Gestion
Prsente et soutenue publiquement
Par Byblice COOVI
Le : 01 Dcembre 2010

MANAGEMENT DU CYCLE DE VIE DU CLIENT :


PROPOSITION DUN MODELE DEVALUATION DE
LUTILISATION DES LOGICIELS CRM.

www.memoiregratuit.com

Jury
Pr. Claude FIORE, Universit de la Mditerrane. (Rapporteur)
MC HDR Jean-Jacques CROUTSCHE, Universit Paris 13 (Rapporteur)

Pr. Sonia CAPELLI, Universit d'Auvergne.


Pr. Pascal PECQUET- Universit de Montpellier 1 (Directeur de thse)

Luniversit nentend donner aucune approbation ni improbation aux opinions mises dans
cette thse. Ces opinions doivent tre considres comme propres lauteur.

DEDICACE

A ma feue mre Franoise AYENI et mon pre Christophe A. COOVI.

REMERCIEMENTS
Je tiens exprimer ma profonde reconnaissance en premier lieu au Professeur Pascal
PECQUET, mon directeur de thse qui ma guid, conseill et encourag de manire
infatigable tout au long de cette recherche.

Je remercie galement le professeur Jean-Jacques CROUTSCHE dont les prcieux conseils


mont permis de mener bout cette recherche.

Jexprime ma sincre gratitude aux professeurs Claude FIORE et Sonia CAPELLI qui me font
lhonneur de juger ce travail.

Ma reconnaissance va galement aux socits (Synolia) et (Nls) ditrices de logiciels CRM


qui ont contribu au bon droulement de cette recherche.

Enfin, je remercie Madame, Lina Lacroix (secrtaire de lcole doctorale) pour les
informations quelle me fournit en temps rel ces dernires annes.

MANAGEMENT DU CYCLE DE VIE DU CLIENT :


PROPOSITION DUN MODELE CONCEPTUEL DEVALUATION DE
LUTILISATION DES LOGICIELS CRM

COOVI BYBLICE

(2010)

INTRODUCTION GENERALE ......................................................................................................................... 5


OBJECTIF DE LA RECHERCHE ..................................................................................................................... 9
PLAN DE RECHERCHE................................................................................................................................... 10
CHAPITRE 1....................................................................................................................................................... 12
DES COURANTS DE PENSEE AUX NOUVEAUX PARADIGMES POUR UNE NOUVELLE GESTION
DE LA RELATION CLIENT ............................................................................................................................ 12
INTRODUCTION............................................................................................................................................... 12
I- LES DIFFERENTS PARADIGMES RELATIONNELS ............................................................................ 13
1- RELATION CLIENT /FOURNISSEUR ET LES DIFFERENTS COURANTS DE PENSEES ............. 14
2- LE MARKETING RELATIONNEL ............................................................................................................ 20
II- LA NOUVELLE APPROCHE RELATIONNELLE LIEE AUX NTIC .................................................. 30
1-

GESTION DE LA RELATION CLIENT (CRM) .................................................................................. 31

2- APPORT DES TIC A LA GESTION DE LA RELATION CLIENT ........................................................ 35


CONCLUSION CHAPITRE 1........................................................................................................................... 38
CHAPITRE 2....................................................................................................................................................... 40
EVALUATION DE LA PERFORMANCE DU CRM A TRAVERS LE CYCLE DE VIE DU CLIENT :
FONDEMENTS THEORIQUES ET ETUDES EMPIRIQUES ..................................................................... 40
INTRODUCTION............................................................................................................................................... 40
I- REVUE DE LITTERATURE SUR LA NOTION PERFORMANCE ET LA NOTION DE CYCLE DE
VIE DU CLIENT ................................................................................................................................................ 40
1-

FONDEMENTS THEORIQUE DE LA PERFORMANCE ET DE SA MESURE ............................. 41

2-

LE CYCLE DE VIE DU CLIENT ........................................................................................................... 49

II- MODELE DEVALUATION DE LA TECHNOLOGIE CRM : DES MODELES EMPIRIQUES AUX


FORMULATIONS DE CAUSALITES AVANCEES...................................................................................... 62
1- LES MODELES DE RECHERCHE EMPIRIQUES SUR LIMPACT DU CRM SUR LA
PERFORMANCE DES ENTREPRISES.......................................................................................................... 64
2- SYNTHESE DES TRAVAUX EMPIRIQUES DEVALUATION ET DIMPACT DE LUTILISATION
DE LA TECHNOLOGIE CRM......................................................................................................................... 81
CONCLUSION DU CHAPITRE 2 .................................................................................................................... 86
CHAPITRE 3....................................................................................................................................................... 88
INTRODUCTION............................................................................................................................................... 88

I- MODELE CONCEPTUEL DANALYSE DE MESURE DE LIMPACT DE LUTILISATION DES


LOGICIELS CRM SUR LE CYCLE DE VIE DU CLIENT .......................................................................... 88
1-

CADRE THEORIQUE DE MESURE DE PERFORMANCE ............................................................. 88

2- MODELE CONCEPTUEL DE LA RECHERCHE .................................................................................... 91


II- DEVELOPPEMENT DES HYPOTHESES DE RECHERCHE ............................................................... 93
1- LES VARIABLES INDEPENDANTES........................................................................................................ 93
2- LES AUTRES VARIABLES ......................................................................................................................... 98
CONCLUSION DU CHAPITRE 3 .................................................................................................................. 109
CHAPITRE 4..................................................................................................................................................... 110
METHODOLOGIE ET DESIGN DE LA RECHERCHE ............................................................................ 110
INTRODUCTION............................................................................................................................................. 110
I-

MISE EN PLACE DE LINSTRUMENT DE MESURE ..................................................................... 111

1-

PHASE PREPARATOIRE DE LINSTRUMENT DE MESURE ...................................................... 111

2- DEVELOPPEMENT DES ITEMS DU QUESTIONNAIRE .................................................................... 119


II- VALIDITE DES MESURES....................................................................................................................... 126
1- DE LA VALIDATION FACIALE A LA VALIDATION DE CONTENU .............................................. 126
2-

VALIDITE DE CONSTRUIT ................................................................................................................ 127

CONCLUSION CHAPITRE 4......................................................................................................................... 154


CHAPITRE 5..................................................................................................................................................... 155
TESTS DES HYPOTHESES ET DISCUSSION DES RESULTATS........................................................... 155
INTRODUCTION............................................................................................................................................. 155
I-CHOIX ET HYPOTHESES DE LA REGRESSION .................................................................................. 155
1-LA REGRESSION MULTIPLE .................................................................................................................. 155
2- RESULTATS DE LA RECHERCHE ......................................................................................................... 158
II- DISCUSSION DES RESULTATS ............................................................................................................. 169
CONCLUSION CHAPITRE 5......................................................................................................................... 178
CONCLUSION GENERALE, IMPLICATIONS ET LIMITES .................................................................. 179
I- PRINCIPALE CONCLUSION .................................................................................................................... 179
II- CONTRIBUTIONS, IMPLICATIONS ET LIMITES DE LA RECHERCHE ..................................... 181
1- LES DIFFERENTES CONTRIBUTIONS DE LA RECHERCHE.......................................................... 181

2- LIMITES ET PERSPECTIVES DE RECHERCHE FUTURES ............................................................ 186


TABLE DES TABLEAUX ............................................................................................................................... 188
TABLEAU DES FIGURES .............................................................................................................................. 189
BIBLIOGRAPHIE............................................................................................................................................ 190
BIBLIOGRAPHIE............................................................................................................................................ 190
WEBOGRAPHIE.............................................................................................................................................. 213
ANNEXE............................................................................................................................................................ 214

INTRODUCTION GENERALE

La raison dtre dune entreprise est de crer et de garder un client (Levitt, 1960). A travers
cette dclaration, les phases importantes du cycle de vie du client c'est--dire lacquisition et
la fidlisation du client sont clairement identifies. Kotler, (2003) estime que les profondes
modifications du march ainsi que lhyper concurrence font voluer les approches
managriales des entreprises, passant de la gestion du portefeuille de produits la gestion du
portefeuille de clients. Les entreprises sorientent vers un management orient client et
sintresse au cycle de vie de leurs clients. Selon Moisand, 2002, Le cycle de vie du client
correspond au temps pass par ce dernier en tant que client de lentreprise c'est--dire de
ltat de nouveau client ltat de client perdu. Une augmentation de 5% du taux de
fidlisation permet daccrotre le profit de 25 85 %, selon les secteurs dactivit car une
entreprise perd en gnral 15 20% de sa clientle chaque anne (Frederick Reichheld,
1996).
Pour remplacer les clients perdus, il faut donc recruter de nouveaux clients et pour ne pas
perdre de client il faut les fidliser. Comment faire pour fidliser les clients recruts ? Avec
quels outils et stratgies les fidliser ? Pour rpondre cette question, certaines entreprises
construisent leur stratgie autour du client (Lefbure et Venturi, 2005). Ces entreprises sont
passes dune orientation produit une orientation client (Don Pepper et Martha,
1995 ; Garbarino et Johnson 1999 ; Rich 2000). On parlera dsormais du marketing
relationnel issu des travaux de Don Pepper et Martha. Le marketing relationnel dpasse les
limites des transactions pour crer des relations rentables de long terme avec le client (Kotler
et Dubois 2003; Coviello et al., 2002).
Le marketing relationnel sintresse de prs des notions telles que la proximit
relationnelle, linteraction, la personnalisation et la relation dyadique (Gillenson, 2000;
Salerno, 2001). Le succs du marketing relationnel repose en grande partie sur la
rapidit de diffusion et de dveloppement des TIC (Crosby et Johnson, 2001; GrabnerKraeuter et Moedritscher, 2002). Parmi ces technologies, nous pouvons citer le CRM et ses
outils. Il sagit notamment des logiciels denregistrement des appels, dautomatisation de la
force de vente ou de systme de gestion de la relation client (Brown, 2005). Lutilisation de
ces logiciels apporte-elle une amlioration la gestion de la relation client ? Permettent-ils
de mieux apprhender le client ?
Cest en 1995 que Hewlett Packard introduit en France le concept de CRM pour dsigner
simplement les logiciels de gestion de la relation client avec son outil Clarify (Saint Cast,
5

2003). Sur le plan acadmique, le terme CRM est apparu dans les premires publications
partir de lan 2000 (Colgate, Mark et Danaher, Peter J. ; 2000). Dans la littrature, on parle
de CRM (Customer Relationship Management) ou de GRC (Gestion de la Relation Client).
Dans ce travail, nous avons choisi dutiliser le terme CRM pour dsigner la gestion de la
relation client et les logiciels de gestion de la relation client.
Depuis plusieurs annes, le CRM tendance se confondre de linformatique. Une
recherche sur le Net du sigle CRM vous donne plus de cabinets informatiques que de
cabinets conseil en marketing. En 2004, Gartner Group dfinit le CRM comme une
stratgie dentreprise qui, laide des TIC, vise optimiser la rentabilit de lorganisation et
la satisfaction du client, en se focalisant sur des segments de clientle spcifiques, en
favorisant les comportements propres rpondre aux souhaits du client et en appliquant des
processus centrs sur le client .1 Cette dfinition comporte plusieurs dimensions et met
laccent sur les TIC comme lment fondamental et ncessaire pour la gestion de la relation
client. On ne peut donc pas arriver une gestion de la relation client parfaite sans intgrer les
logiciels informatiques selon Gartner Group. Toutes les entreprises se sont alors lances dans
lacquisition des logiciels CRM. Le CRM est-il une stratgie dentreprise ou un ensemble
doutils informatiques ? Selon une tude du cabinet Gartner

(2008), le chiffre daffaires

mondial du logiciel de gestion de la relation client (CRM) connat quatre annes de hausse.
La croissance se poursuit pour les diteurs de CRM : +23,1 % en 2007, +14 % en 2008, et
+50 % de 2008 2012. Ces chiffres donnent des perspectives davenir aux entreprises
ditrices de logiciels CRM. Ce qui nous conduit affirmer que les entreprises continueront
investir pour lacquisition des logiciels CRM. Quest ce quun logiciel CRM et pourquoi estil aujourdhui ncessaire pour la gestion de la relation client ? Quest ce qui justifie un tel
engouement pour les logiciels CRM ?
Les praticiens et les diteurs de logiciels soutiennent que ces logiciels permettent de mieux
grer la relation client et de fidliser ces derniers. Tous les sminaires et confrences
organiss ces dernires annes vantent les capacits des logiciels CRM amliorer le cycle
de vie du client. La phrase amliorer le cycle de vie du client revient sur presque tous
les sites dditeurs de logiciels et de cabinets conseils visits. Il en est de mme pour les
forums et les blogs spcialiss. Le dploiement des logiciels CRM dans une entreprise
permet-il rellement dassurer une meilleure gestion de la relation client et damliorer le
cycle de vie du client ? Limplantation du CRM dans les entreprises nest pas une tche
1
2

Frdric Jallat, Eric Stevens et Pierre Volle ; Gestion de la relation client ; Edition Pearson 2006
http://crm.sambotte.com/post/20081206-CRM-Gestion-Relation-Client-perspective-2009

facile car beaucoup dentreprises ne voient pas lapport de ce dploiement sur la relation
client. Selon une tude du cabinet Deloittre & Touche (2004), 65% des entreprises ayant
mis en place des projets CRM considrent quelles nont connu aucune amlioration ou
seulement des amliorations mineures dans la relation client. Quels sont alors les effets
rels de lutilisation de ces logiciels sur la gestion de la relation client? Cette tude cre un
paradoxe avec les derniers rsultats sur les perspectives dvolution des investissements en
matire

de

CRM.

Ce

manque

damlioration

peut-il

sexpliquer

par

leffet

dapprentissage ? Probablement oui car le paradoxe de Solow nous permet de laffirmer. En


effet en 1987 lconomiste amricain Robert Solow a montr, que si linformatisation des
entreprises est motive en grande partie par lespoir de gain de productivit, ce dernier ne
semble jamais se produire, au contraire. Pour lui cette baisse de la productivit est due au
mode dappropriation des techniques dinformation et de communication par les entreprises
qui na pas vis linteroprabilit des applications. Solow explique quil faut un temps pour
apprendre et sadapter aux techniques informatiques. Darell Rigby, Frederick Reichheld et
Phil Scheffer1 soulignent les quatre prils du CRM. Ils constatent les dsillusions et les
dceptions dun grand nombre dentreprises en matire de CRM. Ces checs sexpliquent,
selon les auteurs, par quatre prils auxquels elles nont pas su chapper : implanter un
programme de CRM sans avoir dfini sa stratgie de relation client, implanter un
programme de CRM sans avoir adapt son organisation, tre persuad que plus il y a de
technologie, mieux cest et pour finir, harceler les clients plutt que rpondre leurs
attentes. Dautres tudes galement montrent que 70% des projets choueront en raison
dinadquations entre le planning et les priorits (Giga groupe 2001) et que 75% des
entreprises expliquent que la rsistance des collaborateurs est la principale cause dchec
(Meta Group 2001).
Labsence de mesure des gains apports par le CRM est un handicap majeur car on a du
mal savoir ce quapporte le CRM dans les campagnes dacquisition des clients (Moisand,
2002). Lauteur explique linexistence dun cadre conceptuel de mesure de lapport des
outils CRM dans la gestion de la relation client. Selon une enqute du journal du net
(JDNET, 2001), 63% des entreprises ayant dploye une technologie CRM nont pas de
systme de mesure de la satisfaction client. En 2008, Accenture a ralis une tude2 pour
tudier la perception du service client par les consommateurs. Selon cette tude, 67% des

http://www.relationclient.net/Selon-une-etude-mondiale-d-Accenture,-les-consommateurs-sont-de-plus-enplus-nombreux-a-changer-de-prestataire-ou-de_a3690.html

personnes interroges dclarent avoir cess toute relation commerciale avec au moins une
entreprise du fait de la mdiocre qualit du service client. Cette tude a t ralise dans
neuf pays du monde (France, Allemagne, Australie, USA, Inde, Brsil, Canada, Chine et
Grande Bretagne). 4189 personnes ont t interroges et lenqute a t conduite sur
Internet. Selon les rsultats de cette mme enqute, 87% des personnes interroges dans les
pays mergents estiment que lutilisation des nouvelles technologies a un impact positif sur
le service client contre 44% dans les pays dvelopps. Cette tude montre limportance de
la qualit des services dans la relation client mais galement la place des NTIC dans la
gestion de la relation client.
Il a t largement soutenu par les praticiens que les logiciels du CRM permettent
damliorer le cycle de vie du client. Pierre Alard et Pierre et arnaud Guggmos 1
soulignent en 2004 que largument des ventes des entreprises ditrices de logiciels CRM
est : le CRM a pour vocation de grer le cycle de vie du client . Le problme qui se pose
cest quaucune dmarche scientifique ne permet dtayer ces affirmations. Il est donc
ncessaire de trouver un cadre danalyse afin de mesurer limpact de lutilisation des
logiciels CRM sur le cycle de vie du client (acquisition, fidlisation, valorisation et
rtention). Il en est de mme pour certains chercheurs comme Persoon (2005) qui pense
que le CRM est un outil de gestion efficace et rentable pour les entreprises mais napportent
aucune dmarche scientifique pour illustrer cette affirmation. Comment lutilisation des
logiciels CRM permet-elle damliorer le cycle de vie du client ? Existent- ils dautres
facteurs permettant damliorer la performance des outils logiciels CRM dans le
management du cycle de vie du client ? Cest autant de questions qui nous interpellent et
auxquelles nous essayerons dapporter dlment de rponse dans ce travail.
Le CRM a fait lobjet de plusieurs publications, articles, confrences et sminaires, mais
ces derniers sont des initiatives dentreprises, ce qui prouve une nouvelle fois quil y a un
manque manifeste de recherches universitaires allant dans ce sens.
Les quelques tudes empiriques universitaires qui existent sont luvre de Plakoyiannaki
et Tzokas en 2001, de Winer 2001, de Ang et Buttle en 2002, Ang et Buttle (2006) et de
Kim, Suh et Hwang en 2003, Reinartz et al (2004). Ces tudes galement noffrent pas un
cadre de mesure de limpact des logiciels sur le cycle de vie du client. La plupart des
chercheurs proposent une mesure de performance du CRM (Payne, 2000; Plakoyiannaki et
Tzokas, 2001; Srivastava, Shervani et Fahey, 1999; Winer, 2001; Woodcock, 2000) sur la

CRM les cls de la russite

performance globale de lentreprise. Une tude ralise en 2002 par Reinecke et Reibstein
rvle que les gestionnaires font des mesures de performances quantitatives telles que la
vente, la couverture du march, la marge, le rsultat net, la rentabilit des ventes, la part de
nouveaux clients, etc. Ces mesures, la plupart du temps nintgrent pas des indicateurs
qualitatifs comme la satisfaction client par exemple.
La mesure de limpact de lutilisation des logiciels CRM sur le cycle de vie du client passe
par la mesure de limpact du CRM sur le taux de conversion du prospect en client, du taux
de fidlit du client tabli en client fidle et du taux dattrition.
Toutes les tudes ralises sur limpact de lutilisation des logiciels CRM sur le cycle de
vie du client ont t luvre des entreprises ditrices de logiciels ou des cabinets dtude.
Dans le domaine universitaire nous navons eu connaissance daucune tude mesurant
limpact de lutilisation des logiciels CRM sur le cycle de vie du client. Cest pour pallier
cette insuffisance que nous abordons ce travail de recherche qui a pour objectif de vrifier
et de mesurer limpact de lutilisation du CRM sur le cycle de vie du client.

OBJECTIF DE LA RECHERCHE

La prsente tude a donc pour objectif de vrifier lhypothse selon laquelle lutilisation
des logiciels CRM permet damliorer le cycle de vie du client. Cette recherche poursuit les
objectifs suivants :
- Comprendre les relations client fournisseur travers le marketing relation et le
CRM ;
- Identifier les dterminants de performance du cycle de vie du client ;
- Identifier un cadre thorique pertinent permettant danalyser limpact de lutilisation
des outils logiciels CRM sur la performance du cycle de vie du client ;
- Identifier des facteurs de modration et des mcanismes dinteraction permettant de
dterminer dans quelles conditions lutilisation des outils logiciels CRM produira des
effets positifs sur la performance du cycle de vie du client.
En se basant sur la littrature dvaluation de performance du CRM (Reinartz et al., (2004)
de Jayachandran et al., (2005) et de Goetz Greve et Sonke Albers (2006)) et les travaux sur
la capacit des outils logiciels CRM (Croteau et LI, 2003), nous proposerons, dans le cadre
de ce travail, un nouveau modle dvaluation de la performance de lutilisation des outils
logiciels CRM sur le cycle de vie du client. Ce cadre permettra de rpondre aux questions
que nous nous sommes poses tout au long de cette introduction savoir : Quel cadre
9

conceptuel danalyse pour lvaluation de la performance de lutilisation des logiciels CRM


pour le management du cycle de vie du client ?

PLAN DE RECHERCHE

Cette recherche est compose de cinq chapitres. Dans un premier chapitre, nous essaierons
de comprendre les relations client fournisseur travers les diffrentes recherches marketing
et les nouveaux dveloppements de la gestion de la relation client. Nous reviendrons sur le
concept du marketing relationnel travers diffrents courants de pense. Limportance des
NTIC en matire de gestion de la relation client sera galement aborde travers la
dfinition de la notion de CRM comme processus technologique. Pour finir, nous
prsenterons les apports des NTIC dans la nouvelle approche relationnelle. Dans le
deuxime chapitre, nous aborderons dans une premire partie la notion de cycle de vie du
client ainsi que la notion de performance. Dans cette partie du travail, nous traiterons la
notion dvaluation de performance ainsi que les diffrentes mthodes dvaluation. Cette
partie permettra didentifier les indicateurs de mesure de performance relationnelle et leur
pertinence. Une large part sera consacre la notion du cycle de vie du client ainsi qu son
management. Dans la deuxime partie de ce chapitre, nous passerons en revue les diffrentes
tudes et recherches traitant de mesure de limpact de lutilisation de la technologie CRM sur
les performances de lentreprise. Nous prsenterons les recherches entreprises, les rsultats
obtenus et porterons un regard critique sur ces diffrents travaux de recherche. Cette analyse
nous permettra de nous positionner par rapport la littrature du domaine et nous aidera
construire un modle de recherche. Dans le troisime chapitre, nous dvelopperons notre
modle conceptuel fond sur les capacits des logiciels CRM ainsi que nos hypothses de
recherche. Nous mettrons en vidence dans ce chapitre les diffrents concepts lis notre
modle de recherches ainsi que les grandes thories utiles ce modle. Le chapitre quatre
sera consacr la mthodologie et au design de la recherche. Les donnes, le contexte de
ltude, le dveloppement des items du questionnaire et la validation des mesures
constitueront ses principales sections. Dans ce chapitre, nous adopterons la mthode de
Churchill pour valider nos mesures. Nous procderons successivement une analyse
exploratoire puis une analyse confirmatoire et nous finirons par les diffrentes formes de
validation. Le recours aux logiciels SPSS et Amos a t ncessaire pour la ralisation des
diffrentes tapes de validation. Dans le chapitre 5, il sera question de tester des diffrentes
hypothses et de discuter les diffrents rsultats. Dans ce chapitre, nous prsenterons la
10

mthode de la rgression multiple qui nous a permis de vrifier et de tester les hypothses.
Une confirmation de ces rsultats sera aborde dans ce chapitre grce lanalyse en
composante principale effectue laide du logiciel danalyse statistique Sphinx. Enfin, la
conclusion gnrale qui sera la dernire partie de ce travail, soulignera les principales
conclusions de la recherche. Les diffrentes contributions thoriques et managriales seront
abordes. Nous finirons ce travail en mentionnant les limites du notre travail tout en
proposant des voies futures de recherches.

11

CHAPITRE 1

DES COURANTS DE PENSEE AUX NOUVEAUX PARADIGMES POUR UNE


NOUVELLE GESTION DE LA RELATION CLIENT

INTRODUCTION

Depuis le dbut des annes 1990, nous assistons un engouement pour la relation client de la
part des spcialistes du marketing. De nombreuses tudes et sminaires lui ont t consacrs.
La relation entre deux personnes encore appele dyade est considre comme la forme la plus
lmentaire de relation sociale (Flipo, 1999). Deux principaux types de relation existent dans
la littrature du marketing; nous avons la relation entreprise entreprise (B2B) et businessto-consumer (B2C). Une grande partie de la recherche en marketing a mis l'accent sur ce qui
constitue les relations B2B, en essayant de comprendre les lments des relations d'affaires,
en particulier la dynamique de la relation, de sa formation sa fin en passant par sa
croissance et son entretien (Dwyer et al.). Ds 1979, Arndt propose de prendre en compte les
relations client/fournisseur dans leur continuit et met en vidence la tendance des entreprises
sengager dans une relation de long terme avec leur client pour assurer leur croissance. Plus
tard, Levitt (1983) et Dwyer et al. (1987) indiquent que la premire vente constitue le
commencement dune relation avec le client et non la fin. Certains universitaires comme
Grnroos (1989, 1996); Gummesson (1994), Lusch et Vargo, (2004) considrent la relation
client comme le nouveau paradigme1 du marketing pertinent aussi bien pour lindustrie que
pour le service. Pour eux, il y a non seulement un changement dans la pratique du marketing
mais aussi lide que le marketing transactionnel a cd la place au marketing relationnel.
Pour dautres comme le professeur Gilles Marion (2001), le marketing relationnel ne serait
pas un nouveau paradigme mais tout simplement une rhtorique peine renouvele de la trs
vieille thmatique du client roi . Selon lui, on parlera de nouveau paradigme que lorsquon
change de systme de pense thorique et que le marketing relationnel ne serait rien dautre
quun nouveau visage du bon vieux Marketing Management. Nanmoins, certains chercheurs
(Reichheld, 1996) affirment que le marketing relationnel reprsente un changement
fondamental en marketing. Lensemble de ces antagonismes nous amne nous interroger

Conception thorique dominante ayant cours une certaine poque dans une communaut scientifique donne,
qui fonde les types d'explications envisageables, et les types de faits dcouvrir dans une science donne

12

sur le statut de la relation client dans la littrature. Quels sont les diffrents paradigmes en
matire de relation client/fournisseur ?
Les pratiques en entreprise sont largement influences aujourdhui par lmergence des
nouvelles technologies de linformation et de la communication (NTIC). Des chercheurs
(Palmatier, Gopalakrishna, & Houston, 2006; Payne & Frow, 2005) se sont intresss
linfluence des NTIC sur la relation client fournisseur et le marketing relationnel. Patrick
Hetzel (2004), essaie dans un livre (le marketing relationnel) de mettre en vidence limpact
des NTIC sur la relation client /fournisseur travers lexemple des professionnels de la vente
distance. Un peu plus tt, Stanley Brown (2001) sest galement interrog sur limpact de la
technologie sur la gestion de la relation client. Dominique Moisand (2002) a tent son tour
de mettre en vidence limpact des NTIC sur la gestion de la relation client en dclarant que le
CRM est n avec le e-commerce et les start-up. Dans son livre CRM, la gestion de la
relation client , il montre un panorama de la contribution des NTIC la gestion de la relation
client. Cet intrt de la part des chercheurs pour limpact des NTIC sur la relation
client/fournisseur et le marketing relationnel nous conduit repenser la gestion de la relation
client. Comment les NTIC impactent-elles la relation client/fournisseur et le marketing
relationnel ? Comment penser la relation client/fournisseur depuis lintroduction des NTIC
dans la gestion de la relation client ?
Pour rpondre ces diffrentes questions, nous nous proposons dans un premier temps de
prsenter la relation client/fournisseur travers les diffrents paradigmes conduisant la
gestion de la relation client et dans un second temps nous exposerons la contribution des
NTIC la gestion de la relation client.

I- LES DIFFERENTS PARADIGMES RELATIONNELS

Deux paradigmes se partagent la littrature du marketing de la relation client /fournisseur.


Nous avons le paradigme transactionnel et le paradigme relationnel. Avant daborder les
diffrents paradigmes, nous dfinirons ce quest la relation client/fournisseur.

13

1- RELATION CLIENT /FOURNISSEUR ET LES DIFFERENTS COURANTS DE


PENSEES

1-1- La relation client/fournisseur

Que signifie tre en relation avec un autre acteur quel quil soit ? Plusieurs chercheurs
(Coviello, Brodie, Danaher, & Johnston, 2002; Gummesson, 2004, Jallat et al. 2006) se sont
intresss ce que pouvait tre la relation client/fournisseur. Selon Jallat et al. (2006), le
terme relation voque un sentiment qui peut sexprimer entre deux personnes : attraction
mutuelle, respect, considration, dpendance etc. Pour eux, la relation suppose une interaction
intermittente ou continue entre plusieurs personnes et requirt des changes de diffrentes
natures sur une priode. La littrature du marketing a toujours considr la notion de relation
comme un tat dassociation (Damperat, 2005). Les relations client/fournisseur sont des
processus dinteractions et dchanges entre un client et son fournisseur (Guibert, 1996). Cest
une chaine dvnements interconnects entre des objets anims ou inertes (Webster, 1968
cit par Damperat). Czepiel (1990) dfinit la notion de relation client/fournisseur comme
une reconnaissance mutuelle dun statut spcial entre partenaires dchange. Selon Barnes et
Howlett (1998), on parlera de vritable relation quand elle est mutuellement perue comme
existante par les deux parties et doit dpasser le niveau de contacts occasionnels.
Les premiers travaux sur la relation furent luvre Macneil (1978 ; 1980) qui effectue une
distinction entre lchange discret (change unique ou rpt caractre transactionnel) et
lchange relationnel. Pour Macneil et son quipe, lors dun change discret, les acteurs
restent autonomes, poursuivent uniquement leurs intrts propres et sen remettent dans une
large mesure aux systmes lgaux pour faire appliquer les obligations contractuelles. Cest ce
quils appellent les normes contractuelles. Dans ces travaux, Macneil identifie dix (10)
normes1 . Ils distinguent les normes transactionnelles (des normes qui peuvent permettre une
meilleure caractrisation des changes de nature transactionnelle) et des normes relationnelles
(celles pouvant permettre une meilleure caractrisation des changes de nature relationnelle).
Le tableau suivant rcapitule les normes de Macneil

Les normes dfinies par Macneil reprsentent, selon lui, lensemble des composantes des changes, tout au
moins lensemble des composantes endognes la relation.

14

Normes transactionnelles

Normes relationnelles

1/La rciprocit : chaque partie voit, suite 1/Lintgrit du rle : lintgrit du rle est un
lchange, une amlioration de sa ensemble de comportements complexes et
position. La division du surplus doit tre long terme impliquant les diverses obligations
faite de telle sorte que chaque partie y lies au contrat et la relation, ainsi que les
trouve son compte mme si cela ne signifie relations plus personnelles;
pas une rpartition galitaire (il sagit
plutt dquit) (Ford, 1980)
2/La mise en uvre de la planification : 2/Le maintien de la relation (Solidarit
certains contrats prvoient non seulement contractuelle):

cette

norme

implique

le

ce qui va tre chang (le quoi), mais aussi maintien de certains membres-individuels- dans
comment les relations et lchange doivent la relation (stabilit des membres par opposition
tre oprs (le comment). (Macneil, 1980);

au turn over), tout comme le maintien dentits


plus larges -maintien collectif-. Laccent est mis,
ici, sur la notion de continuit (Macneil, 1980).

3/La ralisation de la promesse : cette 3/La flexibilit (Harmonisation des conflits


norme

correspond

au

respect

des relationnels) : Cest la fois la capacit de

engagements. Ce respect est essentiel la changement au sein des contrats et la capacit de


continuit de lchange.

rgler les conflits. Une relation ne peut en effet,


tre prserve, ni les conflits rsolus si une
grande attention aux demandes de changement
nest pas accorde.

4/La rparation, la confiance et les 4/Lharmonisation avec la matrice sociale ou


attentes

(Les

correspondant

normes

cohsives)

respectivement

: propriety of means : principes de la


la biensance respects par les membres de la

possibilit de compensation si une partie dyade, les relations sociales sont rgies par des
ne respecte pas ses engagements, la principes accepts.
mesure dans laquelle une partie peut
compter sur une autre et aux rsultats des
promesses faites.
5/La cration et restriction du pouvoir : 5/Les normes supra-contractuelles : ces
le pouvoir peut tre conomique, social, normes

ne

sont

pas

spcifiquement

15

lgal ou politique, il est gnr par les contractuelles, do lappellation supratransactions et les contrats. Selon Macneil

contractuelles . Elles correspondent un

(1980) le contrat peut galement limiter les ensemble de normes sociales et politiques
pouvoirs des acteurs.

entourant le contrat.

Tableau 1 /Titre : tableau rcapitulatif des normes de Macneil


Source : extrait de larticle proposition dun modle de linfluence des normes de la
relation de Macneil (1980) sur la satisfaction dun client vis--vis de son institution
financire principale Perrien et Elommal (2005).

Prim-allaz, Perrien et Pras, dans un article publi au 17 congrs international de


lAssociation Franaise de Marketing ont publi un article dans lequel ils donnent une
typologie des diffrentes formes dchanges et leurs caractristiques. Ils mettent en vidence
lapproche relationnelle par rapport lapproche transactionnelle.

16

change

change rpts

Transaction
unique

Thorie classique
De l'change

Transaction
unique

A caractre
transactionnel
Thorie
Noclassique de
L'change

Contrats
transactionnels

Thories du contrat
Relationnel, du
contrat social

Contrats
relationnels
Prdominance des lments
d'interaction:
Confiance, rciprocit

Facteurs prdominants
- prdominances des
facteurs prix et
qualit intrinsque des
produits/services

Unit d'analyse
- transaction

Perspective temporelle
- ponctuelle (pas
d'interaction future)

A caractre
relationnel

transaction

Perspectives plus long


terme (la probabilit
d'interaction future reste
faible)

Relation (ensemble
Des transactions)

Orientation long
Terme dlibre
(forte probabilit
d'interaction future)

Figure 1/Titre : Les diffrentes formes dchanges et leurs caractristiques : Typologies


retenue daprs les travaux de Macneil (1980) et Williamson (1985).
Source : Prim-allaz ; Perrien et Pras (2001) ; les apports de la thorie du contrat social
lexplication des ruptures de relations de long terme entre organisations : une application
aux relations Banques/PME ; (2001)
De toutes ces recherches et publications, nous dduisons quil y a deux courants principaux
concernant les relations client/fournisseur dans la littrature : le courant transactionnel et le
courant relationnel.

17

1-2 - Les diffrents courants de penses de la relation client/fournisseur

1-2-1- Le courant transactionnel

Deux approches dominent le courant transactionnel des changes dans la relation


client/fournisseur. Il sagit de lapproche classique et de lapproche noclassique. (Prim-Allaz,
2000).
Dans la thorie conomique classique ltude se centre sur le fonctionnement de lchange
conomique autour de la notion de transaction et sous lhypothse de concurrence pure et
parfaite (Damperat, 2005). Cette approche repose sur le fait que la transaction est unique et
toute linformation est contenue dans le prix du produit et la pression concurrentielle garantit
la ralisation du contrat (Williamson, 1985). Lapproche classique se focalise sur le prix en
tant qulment essentiel de lchange. Cette approche fait abstraction de tous les autres
lments pouvant intervenir dans la relation dchanges, comme les caractristiques des
parties par exemple (Perrien et Elommal 2005). La relation entre un client et son fournisseur
prend fin avec la transaction. Donc la perspective temporelle adopte dans cette approche est
le court terme. La plupart des recherches marketing manant de cette vision transactionnelle
des changes se retrouvent dans lcole du marketing management (Kotler, 1967).
Selon Damperat (2005), le courant de pense noclassique appartient la thorie conomique
et trouve ces principaux dveloppements avec lcole des cots de transaction (Williamson,
1975, 1985). Cette cole introduit la notion de hirarchie entre les acteurs sur le march.
Lapproche noclassique conoit lchange comme une rptition de transactions (Macneil,
1978).
Pour Webster (1992) les changes rpts constituent une srie dchanges indpendants ne
crant aucune forme dinterdpendance entre les parties. Ayant une structure dchange
similaire celle du contrat classique, ce type dchange ne garantit pas la survie de la relation
qui se trouve tributaire du prix/produit. Cette nouvelle approche va au del la considration du
prix comme seul lment dcisif de lchange. Elle prend en compte la rptition des achats
comme lment pertinent danalyse.
Nous pouvons donc constat que lapproche transactionnelle explique la relation
client/fournisseur en se focalisant exclusivement sur la dimension prix/produit, et nintgre
pas le comportement des acteurs dans ce processus dchange. Selon Benamour (2000)
lapproche transactionnelle ne prend en compte aucun lment relationnel.
18

La seconde approche dite relationnelle tente donc de combler les lacunes de ces thories
conomiques.

1-2-2- Lapproche relationnelle


La relation entre deux parties en change est dfinit comme le rsultat de leurs interactions
prcdentes qui refltent un processus continue dans le temps (Gundlach et Murphy, 1993).
Dans cette approche, lentreprise cherche tablir la continuit et la stabilit avec ses clients.
Chaque transaction doit tre vue en terme historique, prsent et avec une anticipation future
(Macneil, 1980 ; Dwyer, Schurr et Oh. 1987 ; Ganesan, 1994) et dans un contexte relationnel
et social (Blois, 1997; Weitz et Jap, 1995).
La littrature du marketing considre la thorie du contrat relationnel (Macaulay, 1963;
Macneil, 1974,1978) comme initiatrice de cette approche. En effet, elle prend en compte la
totalit des relations entre les parties et ne se limite pas un accord ou un change
spcifique (Macaulay, 1963; Macneil, 1974, 1978). Selon cette thorie, les individus qui
participent un change relationnel ne retirent pas seulement de simples satisfactions
conomiques, la relation leur apporte aussi une satisfaction personnelle, de nature plus
affective. En effet, les participants dun change relationnel peuvent s'attendre des
satisfactions non conomiques et sengager dans un change social o la progression et la
performance de la relation sont relativement complexes et se produisent sur une longue
priode (Dwyer, Schurr et Oh, 1987).
Des chercheurs comme Turnbull et Wilson (1989) ont montr que la relation sociale peut
crer des barrires substantielles la concurrence. La relation commerciale sera alors
l'lment essentiel et sa dure devient un lment fondamental (Dwyer, Schurr et Oh, 1987,
Ganesan, 1994, Wayland et Cole, 1997). Cest dans ce sens que Berry (1983) conceptualise la
relation en marketing comme l'attraction, le maintien et le dveloppement de la relation avec
le client. Le marketing relationnel voit ainsi le jour.
Ces diffrentes approches rvlent deux sortes de marketing : le marketing transactionnel et le
marketing relationnel. Le marketing transactionnel met laccent sur lchange conomique
uniquement et le marketing relationnel privilgie la continuit des interactions avec le client
aprs la transaction. Dans ce travail, nous avons choisi de traiter que du marketing relationnel
qui selon nous est lorigine de la gestion de la relation client (CRM). Cependant nous ferons
chaque fois une comparaison du concept relationnel avec le transactionnel.

19

2- LE MARKETING RELATIONNEL

Toute activit marketing est de nature relationnelle donc le marketing est ipso facto
relationnel car il implique deux acteurs qui se trouvent en relation pour procder une
transaction (Hetzel, 2004). Le marketing relationnel est n il y a une vingtaine dannes
suite la parution de plusieurs articles fondateurs dont ceux de Dwyer, Schurr et Oh (1987)
Berry (1983) ou plus rcemment Morgan et Hunt (1994). Il est depuis rpandu dans le
milieu professionnel marketing et constitue lun des axes de recherche dans le milieu
universitaire. De nombreux auteurs se sont intresss la dimension relationnelle du
marketing. Nous pouvons citer Berry 1983 et Gronroos 1994 qui affirment que le secteur
des services et le monde industriel sinscrivent dans une perspective relationnelle. Pour
Sheth et Parvatiyar, 1995 le Marketing relationnel est pour lentreprise une manire de
rpondre avec plus defficacit aux besoins des clients. Boisdevsy (1996) affirme que la
raison dtre du marketing relationnel est de : () fabriquer du lien entre le noconsommateur et lentreprise, prendre en compte ses attentes, redonner sens lacte
dachat, remettre lhomme au centre du processus de communication . Quest ce que le
marketing relationnel et quels sont ces diffrents courants de pense?

2-1- Dfinition du marketing relationnel

Plusieurs dfinissions du marketing relationnel existent dans la littrature, nous dvelopperons


dans cette section les plus pertinentes pour notre sujet et nous finirons par une revue des
dfinitions existantes dans la littrature.
Lune des dfinitions la plus ancienne du marketing relationnel est celle apporte par Berry
en 1983. En effet il dfinit le marketing relationnel en ces termes : le Marketing relationnel
consiste attirer, maintenir et renforcer la relation avec le client . Cette dfinition met
laccent sur comment lentreprise doit sy prendre pour crer une vraie relation avec ses
clients. Pour Evans et Laskin (1994), Le Marketing relationnel est une approche
centre sur le client , o lentreprise cherche crer des relations daffaires de long
terme avec les prospects et les clients existants . Cette dfinition voque la problmatique
de la fidlisation de la gestion du cycle de vie du client. Le cycle de vie du client tant la
dure que ce dernier a passe en tant client de lentreprise (Moisand, 2002).
20

Dautres comme Gronroos (1997) dfinissent le Marketing relationnel comme suit :


cest lidentification, ltablissement, le maintien et le dveloppement de relations
avec les clients et les autres partenaires, avec profit, de manire ce que les objectifs
des parties impliques soient rencontrs. Ceci est atteint suite un change mutuel et
laccomplissement des promesses faites . Cest une vision globale qui incite une
certaine coordination entre les diffrents partenaires. Cette dfinition met galement laccent
sur lchange entre les diffrents partenaires de lentreprise. Elle concide avec la volont des
entreprises ditrices de logiciels de relatons clients qui intgrent des fonctionnalits qui
permettent de grer non seulement la relation avec le client mais aussi les diffrents changes
avec les fournisseurs. Cette vision globale du marketing relationnel place lentreprise au
centre dune relation tripartite entre client et fournisseur.
Kotler et Dubois 2003 pensent que : le marketing relationnel consiste offrir dexcellents
services aux clients grce lutilisation dinformations individualises, avec pour objectif la
construction dune relation durable avec chacun dentre eux . Nous avons un paramtre
nouveau dans cette dfinition, il sagit de linformation individualise. Selon les deux auteurs,
pour pouvoir entretenir une bonne relation avec quelquun, il convient davoir les bonnes
informations sur ce dernier. La qute de linformation client est aujourdhui le graal de la
gestion de la relation client. Ceci se justifie par la prolifration des bases de donnes clients et
des cartes de fidlit qui sont de vritables vecteurs de linformation.
De toutes ces dfinitions, nous constatons que le marketing relationnel se diffrencie du
marketing transactionnel en plusieurs points. Selon Payne et al. (1999) le marketing de la
transaction est orient court terme et centr sur la production des biens et services et que le
contact est limit et discontinu avec la clientle. Par contre, le marketing relationnel sinscrit
dans une logique de long terme et accorde une importance capitale au contact cliententreprise. Le marketing relationnel ne sintresse pas aux qualits intrinsques du produit
mais plutt la valeur du produit perue par le client. Peck, Payne, Christopher et Clark
(1999) proposent un tableau permettant de comprendre en quoi le marketing relationnel se
distingue du marketing transactionnel.

21

Marketing de la transaction

Marketing de la relation

Orientation court terme

Orientation long terme

Intrt pour la vente isole

Intrt pour la rtention de la clientle

Contact discontinu avec la clientle

Contact continu avec la clientle

Mise en avant des caractristiques du produit

Mise en avant de la valeur du produit pour le


client

Peu dimportance accorde au service

Forte

importance

accorde

au

service

Clientle

clientle

Engagement limit satisfaire la clientle

Engagement fort pour satisfaire la clientle

Contacts clientle modrs

Contacts clientle forts

La qualit est dabord le souci de la La qualit est le souci de tout le personnel


production

Tableau 2 /Titre: tableau mettant en vidence les diffrences entre le marketing


transactionnel et le marketing relationnel
Source: Peck, Payne, Christopher, Clark, Relationship Marketing, Oxford, ButterworthHeinemann, 1999.
Cependant, le marketing relationnel nest pas pratiqu de la mme manire selon les secteurs
dactivit. Selon Hakansson (1982), le marketing relationnel nest pas unifi car les approches
relationnelles dveloppes en grande consommation se sont en partie inspires de ce que font
les entreprises industrielles depuis plusieurs dcennies. Il y aurait donc plusieurs courants du
marketing relationnel. Quels sont les diffrents courants du marketing et quelles sont leurs
contributions au dveloppement du CRM moderne ?
Dans un article publi en 1995 sur la typologie du marketing relationnel, Payne identifie trois
grandes coles contemporaines du marketing relationnel travers le monde : lapproche nord
amricaine, lapproche anglo-australienne et une approche nordique ou scandinave.

22

Lapproche nord amricaine.

Cette approche est principalement centre sur la relation entre client et fournisseur (Payne,
1996). Selon Ngoala (1998) cette approche a t mise en avant grce aux travaux des
chercheurs des coles nord amricaines (Berry 1983 et 1995, Crosby et Stephens 1987,
Crosby et al 1990, Bitner 1995 ; Perrien et al 1996 ; Iacobucci et Ostrom 1996 ; Bendapudi
et

Berry

1997). Les grandes contributions de cette approche mettent laccent sur la

comprhension de lenvironnement organisationnel dans le dveloppement de cette relation


client/fournisseur, en insistant davantage du ct du fournisseur que du ct du client (Hetzel,
2004). Pour lcole nord amricaine le marketing relationnel se limiterait la cration et la
gestion dune bonne relation entre le client et le fournisseur. De nos jours, cette vision du
marketing relation serait juste une partie du marketing relationnel moderne mme si lobjectif
du marketing est de crer et de grer la relation client/fournisseur. Des moyens sont
aujourdhui mis en uvre afin de grer efficacement et de manire efficiente cette relation
dyadique. Cest ce que revendiquent les entreprises ditrices de logiciels CRM. La cl
principale du succs de ce courant rside dans le fait que lentreprise prpare parfaitement en
amont les modalits de la rencontre avec son client (Hetzel, 2004). La question quil convient
de se poser est limpact de ce mode opratoire sur la dure de la relation entre le client et
lentreprise.

- Lapproche anglo-australienne

Cette approche a t qualifie deuropenne par Ngoala (1998) et reprsente par les travaux
des chercheurs comme Christopher et al, (1991) ; Eiglier et Langeard (1994); De Bandt et
Gadrey (1994) ; Buttle (1996). Selon Hetzel (2004), la plus grande concentration dauteurs
dfend ce point de vue outre-Manche au sein de la prestigieuse Cranfield Business School
o sest dveloppe une quipe pluridisciplinaire concernant les approches relationnelles.
Cette approche se trouve la croise des chemins entre le marketing des services, lconomie
de la relation entreprise-client et le management de la qualit (Hetzel 2004).

23

- Lapproche nordique ou scandinave

Parmi les auteurs qui dfendent ce courant on peut citer Gummesson (1987, 1994 et 1997),
Grnroos (1990, 1994 et 1995), Liljander et Strandvik (1995), Storbacka et al., (1994). Cest
une approche qui ressemble lapproche europenne la diffrence que les nordiques
remplacent le management de la qualit par la thorie du rseau interactif (que lon trouve
gnralement en marketing industriel) (Hetzel 2004). Ce courant utilise un cadre thorique dit
de l approche risque qui repose sur quelques grandes ides-forces (Hetzel 2004) :
-

dans une relation inter organisationnelle, la nature des relations interpersonnelles est
gnralement complexe dautant que le nombre dacteurs intervenant dans le
processus est lui-mme important ;

dans une relation inter organisationnelle, les implications de part et dautre sont
importantes. Il y a une prise de risque et le fournisseur se doit de bien chercher
comprendre quel niveau se situent ces risques perus par les acteurs : sont-ils rels ?
comment peuvent-ils tre levs ? etc. ;

dans une relation inter organisationnelle, les enjeux sont multidimensionnels et


stratgiques.

Pour les dfenseurs de ce courant, ce nest pas le rsultat de la relation qui compte mais cest
plutt le processus suivi jusqu lobtention de ce rsultat. Le client peut accepter un
dysfonctionnement dans la relation sans que cela nait de rpercussion ngative sur son
valuation ds lors que lorganisation aura su rpondre de manire adquate la rectification
de ce dysfonctionnement (Hetzel 2004).

Salerno et Colas (2007) ont propos un tableau rcapitulatif des diffrentes dfinitions
observes dans la littrature.

24

Auteurs par ordre

Dfinition du marketing relationnel

chronologique des
apports

Berry (1983)

Jackson (1985)

Attirer, maintenir et amliorer les relations avec les clients.

Marketing orient vers des relations fortes et durables avec les


individus.

Czepiel (1990)

Ensemble dinteractions accumules travers le temps entre


vendeur et acheteur et qui donnent lieu des opportunits favorisant
la transformation des transactions discrtes en des relations de
partenariat.

Grnroos (1991)

Etablir, maintenir et solidifier les relations avec les clients et les


autres parties concernes de faon ce que les objectifs des deux
parties se rencontrent.

Evans et Laskin
(1994)

Approche centre client o lentreprise cherche avoir des relations


long terme avec les clients actuels ou potentiels.

Identifier, tablir, maintenir, solidifier et, quand cela semble


Grnroos (1994)

ncessaire, rompre les relations avec les clients et les autres parties
concernes de faon ce que les objectifs des deux parties se
rencontrent.

Gummesson (1994)

Marketing comme un ensemble de relations, de rseaux et


dinteraction.

Morgan et Hunt
(1994)

Toutes les activits marketing destines tablir, dvelopper et


maintenir des relations dchange succs.

25

Perrien et Ricard

Processus marketing asymtrique et personnalis prenant place dans

(1995)

une perspective de long terme, dbouchant sur des bnfices


mutuels et se basant sur une connaissance approfondie des besoins
et des caractristiques des consommateurs.

Sheth et Parvatiyar

Dvelopper des interactions proches avec des clients, des

(1995)

fournisseurs et des concurrents choisis afin de crer de la valeur


suite un effort de collaboration et de coopration.

Dvelopper et maintenir des relations proches, long terme,


Wilson (1995)

mutuellement bnfiques et satisfaisantes entre individus et


organisations.

Greenberg et Li

Processus interactif transformant les transactions en des relations,

(1997)

structurant et maintenant les changes relationnels, coordonnant les


activits marketing entre les diffrents partenaires stratgiques.

Organisation stratgique adopte par les organisations acheteuses et


Morris et Al. (1998)

vendeuses, reprsentant un engagement dans une collaboration


mutuellement bnfique long terme.

Tableau 3 /Titre : les diffrentes dfinitions du marketing relationnel dans la littrature


Source : Solerno et Colas ; marketing : analyses et perspective ; dition vuibert 2007

De toutes les dfinitions, nous soulignons les mots mutuellement et bnfice. Depuis
lmergence du marketing relationnel, beaucoup dentreprises ont opt pour des stratgies
centres sur le client.
Les thoriciens travaillant plus spcifiquement sur lapproche anglo-australienne
considrent que le marketing relationnel est un marketing trs largi et que sa mission
principale est de grer la relation client (Hetzel, 2004). Quest ce que la gestion de la relation
client ?

26

2-2- Du marketing relationnel la gestion de la relation client (CRM).

2-2-1- Les facteurs de succs du marketing relationnel

Dans un article publi en 2003 dans la revue Dcisions Marketing ( Les facteurs de russite
du marketing relationnel , n 31, p. 39-47), Bjrn Ivens et Ulrike Mayrhofer mettent en
vidence les facteurs qui permettent aux entreprises damliorer leur politique de marketing
relationnel. Pour ces auteurs, la russite du marketing relationnel dpend de huit facteurs qui
sont :
-

Orientation long terme : lentreprise doit montrer sa volont de maintenir la relation


ds les premires interactions et tout au long de la relation. Un tel comportement
permet dtablir la confiance et dmontre lengagement sincre de lentreprise.

La rciprocit : ce facteur est le symbole de lquilibre du bilan relationnel.


Lentreprise doit montrer son client quelle vise optimiser le profil mutuel et
quelle se trouve dans une vision gagnant/gagnant de la relation.

La fiabilit : dans une optique relationnel, on na forcement pas besoin dun contrat
formel ou informel qui tabli le rle des deux parties. Les tches exerces par lune ou
lautre des parties ne sont pas dfinies de manire explicite. Lentreprise soucieuse de
dmontrer son orientation relationnelle tentera de comprendre les attentes de son client
par rapport aux tches accomplir et les excutera de faon constante.

Echange dinformations : selon Herbert Simon, celui qui dtient linformation, dtient
le pouvoir. De ce fait, Lchange dinformations est trs utile aux partenaires et
reprsente un avantage indniable pour les deux parties tout en constituant une preuve
de confiance.

La flexibilit : lentreprise soucieuse de son orientation relationnelle doit tre en


mesure de faire des concessions lorsquun disfonctionnement survient en sa dfaveur
dans le cadre dune transaction.

La solidarit : tre en mesure de soutenir son client lorsque ce dernier traverse une
mauvaise priode (souci financier par exemple).

Rsolution des conflits : viter les recours judiciaires en cas de conflit et privilgier
les ngociations amiables. Cette pratique aura pour objectif de favoriser la
continuation de la relation.

27

Usage modr du pouvoir : dans la plus part des cas lentreprises se trouve en position
de force. Elle ne doit pas profiter de sa situation pour faire pression sur le client afin
davoir satisfaction.

Bjrn Ivens et Ulrike Mayrhofer ont construit une roue qui comporte tous ces facteurs

Usage modr
du pouvoir

Orientation long terme

Rsolution des
conflits

Rciprocit

Solidarit

Fiabilit

Flexibilit

change
D'informations

Figure 2/Titre : Roue rsumant les facteurs de russite du marketing relationnel


Source : Bjorn Ivens et Ulrike Mayrhofer ; Les facteurs de russite du marketing
relationnel ; revue : dcision marketing, juillet 2003, p15.

Dans le mme article, Bjrn Ivens et Ulrike Mayrhofer montrent galement que la russite
dune stratgie de marketing relationnel dpend non seulement des structures comme par
exemple la gestion des comptes cls et instruments (banques de donnes, marketing direct,
Efficient Consumer Response - ECR, Customer Relationship Management - CRM) mais
aussi, de la mise en place de lide relationnelle dans linteraction courante avec le client. Ces
observations effectues par les deux auteurs nous permettent daffirmer quune stratgie
relationnelle ne se base pas que sur des outils mais dpend fortement de lorientation
stratgique de lentreprise. Ivens et Mayrhofer, (2003) prcisent aussi que le marketing
relationnel se compose de deux parties :
28

Le hardware : constitu par les structures et les instruments, il reprsente une


condition ncessaire ; mais sa mise en place parat insuffisante car les clients ne
peroivent pas lensemble des ressources de lentreprise.

Le software : souvent insuffisamment pris en compte par les entreprises, il


concerne principalement les principes relationnels.

Cette partie software a t rvolutionne par les TIC, la littrature consacre parle de
CRM pour la dsigner.

2-2-2- Marketing relationnel et la gestion de la relation client (CRM)

Une recherche sur Internet de marketing relationnel montre une corrlation directe avec le
CRM entendu en franais gestion de la relation client (GRC). Tous les sites des praticiens ou
les blogs des passionns du marketing relationnel font ressortir cette corrlation. Dans toutes
ces pages visites, on peut noter que les auteurs tablissent un lien trs fort entre le marketing
relationnel et le CRM. Suite une enqute mene en 2006 par Bonnemaizon, Cova et Louyot
auprs des experts europens du marketing, les experts suggrent de bien diffrencier le
marketing relationnel et la gestion de la relation client (CRM). Pour les experts interrogs, le
marketing relationnel est la philosophie et le cadre stratgique de rflexion de lentreprise
oriente sur la relation tandis que le CRM est la technique managriale rendant oprationnelle
la pense marketing relationnel en sappuyant notamment sur les TIC. Pour Robert Clamart
Expert CRM chez Teradata, le CRM peut tre considr comme la dclinaison technologique
de la dmarche du marketing relationnel. Avant lirruption de linformatique et des TIC dans
la pratique managriale, on parle de marketing relationnel, mais aprs la dnomination a
chang et on parle de gestion de relation client (CRM). Pour beaucoup dauteurs, le marketing
relationnel est devenu gestion de la relation client avec le dveloppement des TIC. Lefbure et
Venturi (2005) qualifient le marketing relationnel de Freudien car dans la pratique du
marketing relationnel, on coute et analyse le comportement du client Cette coute et cette
analyse constituent la gestion de la relation client. Cette analyse est rendue possible par le
dveloppement de la connaissance client. Lendrevie, Levy et Lindon (2006) dfinissent la
politique relationnelle comme une stratgie et un processus organisationnel qui visent
accrotre le chiffre daffaires et la rentabilit de lentreprise en dveloppant une relation
durable et cohrente avec les clients identifis par leur potentiel dactivit et de rentabilit.
Cette dfinition comporte en son sein la dfinition du marketing relationnel et une partie qui
souligne la slection des clients qui doivent bnficier du marketing relationnel. Cette
29

politique introduit la notion de segmentation et de ciblage. Cette segmentation et ce ciblage


viennent complter le marketing relationnel pour donner la politique relationnelle que
Lendrevie, Levy et Lindon appellent la gestion de la relation client.
Tout au long de cette section, nous avons dvelopp les diffrents courants de penses du
marketing relationnel travers diverses approches et tudes ralises. Nous avons donc
analys les approches nord amricaine, anglo-australienne et puis nordique du marketing
relationnel et cit les auteurs les plus marquants de lapproche. Ces diffrentes approches ont
permis de dfinir le marketing relationnel et de constater la nouvelle dimension du marketing
relationnel et la gestion de la relation client qui le thme central de notre recherche.

II- LA NOUVELLE APPROCHE RELATIONNELLE LIEE AUX NTIC

Le dveloppement des technologies de linformation et lmergence dune offre de service de


connexion de plus en plus performante moindre cot font dInternet un des leviers majeurs
de la relation client (Jallat et al., 2006). Pour Philippe Cavat (2002), les nouvelles
technologies de linformation et de communication rvolutionnent la fonction marketing en
permettant le dveloppement dun vritable marketing relationnel. Les pratiques en
entreprises sont de nos jours largement influences par les TIC. Il en est de mme pour le
marketing relationnel. La mise en place du marketing relationnel par les entreprises est
largement facilite par le dveloppement des TIC et lmergence du nouveau paradigme
informationnel (Bauer et al., 1999). Certains auteurs comme Coviello et al. (2002) ont dclin
le marketing relationnel en trois catgories savoir : le marketing de base de donnes, le
marketing interactif et le marketing de rseau. Le premier est caractris par le recours la
technologie, notamment informatique, pour mieux cibler et retenir les clients. Le second vise
le dveloppement de relations interpersonnelles et de coopration entre lentreprise et ses
clientles. Enfin le troisime, tendant encore davantage la chane de valeur, vise tablir des
relations inter-organisationnelles pour une meilleure coordination des activits et des
changes de ressources. Toutes ces technologies ont donne une nouvelle dimension la
gestion de la relation client/fournisseur. Quelle est la nouvelle dimension de la gestion de la
relation client avec lmergence des NTIC ? Les lments de rponse cette question feront
lobjet de cette section.

30

1- Gestion de la relation client (CRM)

Rigby et al. (2002) indiquent que la plupart des dirigeants ne peuvent pas facilement dfinir
CRM. Nous avons galement constat en parcourant la littrature du marketing quil est
particulirement difficile de trouver deux dfinitions concourantes du CRM dans la
littrature. Pour Ren Lefbure et Gilles Venturi (2005) le CRM est une dmarche qui doit
permettre didentifier, dattirer et de fidliser les meilleurs clients, en gnrant plus de
chiffre daffaires et de bnfices. Missi et ses collaborateurs (2002) dfinissent le CRM
comme un ensemble qui englobe la gestion de la technologie, des procds, des ressources
informationnelles, des individus ncessaires pour

atteindre

les

objectifs. Dionne

(2001) conoit le CRM en tant que stratgie dentreprise dploye suivant une
mthodologie puis supporte par des technologies. Pour Plakoyiannaki et Tzokas (2002), le
CRM se base sur les TIC pour identifier, dvelopper, intgrer et concentrer les diverses
comptences de la firme vers lcoute du client afin de lui fournir une valeur suprieure
et long-terme en change dun profit. Pierre Alard et Pierre Arnaud Guggmos (2005)
dfinissent le CRM comme une dmarche organisationnelle qui vise mieux connatre et
mieux satisfaire les clients identifis par leur potentiel dactivit et de rentabilit,
travers une pluralit de canaux de contact, dans le cadre dune relation durable, afin
daccrotre le chiffre daffaires et la rentabilit de lentreprise . A travers cette dfinition,
nous soulignons six lments savoir : une dmarche organisationnelle, la connaissance du
client et sa satisfaction totale, identification du client par le potentiel dactivit et de
rentabilit, la pluralit de canaux de communication, la dure de la relation et
laccroissement du chiffre daffaire et de la rentabilit de lentreprise.

De toutes ces

dfinitions nous pouvons dfinir le CRM comme une stratgie dentreprise


oriente client, qui se base sur les TIC pour grer de manire efficace et
efficiente le cycle de vie du client.
Des diteurs de logiciels comme Oracle, PeopleSoft, SAP et Siebel dfinissent le CRM en
mettant un accent sur les technologies de linformation et de la communication.
Il ressort de toutes ces dfinitions que le CRM est peru la fois comme une stratgie
dentreprise et un processus technologique.

31

1-1- Le CRM en tant que stratgie dentreprise

Le CRM est une stratgie par laquelle lentreprise vise comprendre, anticiper et grer
les besoins des clients actuels et futurs (Brown, 2001). Pour McKenna (1998) le CRM doit
mettre en place une infrastructure servant nouer une relation durable avec le client. Pour
lauteur, linfrastructure permettra de supprimer les barrires entre le fournisseur et le client
(Jallat, Stevens et Volle, 2005). Le CRM constitue une vritable rvolution dans la stratgie
de lentreprise car il impacte toutes les fonctions de cette dernire : marketing, service
informatique, service clientle, logistique, finance, production etc. (Jallat, Stevens et Volle,
2005).
Le cadre stratgique CRM est bas sur l'ide que l'efficacit et la russite CRM sont le rsultat
d'une coordination inter-fonctionnelle de processus et d'activits au sein des organisations
(Frow & Payne, 2004, 2005, 2006). Les cinq processus d'entreprise (stratgie de
dveloppement, la cration de valeur, la gestion de l'information, l'intgration multi-canal et
l'valuation de la performance) travaillent ensemble dans l'harmonie pour assurer une grande
satisfaction aussi bien pour les actionnaires que pour les clients. Des cabinets comme Ernest
et Young ont propos des modles rels dune stratgie dentreprise (Customer Connections).
Ce modle a fait lobjet dun livre crit par Pierre Alard et Damien Dirringer (2000). Selon
Pierre Alard et Damien Dirringer (2000) , ce modle fournit un cadre danalyse qui permet
tout dirigeant ou toute personne ayant prendre des dcisions dans le domaine du
relationnel, de comprendre, danalyser et dvaluer les enjeux, et de profiter des possibilits
offertes par une relation client harmonieuse. Selon les mmes auteurs, Customer Connections
a pour vocation daider les entreprises se connecter et se rapprocher de leurs clients, pour
en faire de vritables partenaires.

32

STRATEGIE
RELATIONNELLE
CLIENT
CAPITALISATION DE
LA CONNAISSANCE
CLIENT

Porte feuille clients


Offres cibles par segment
de clientle
marketing de l'offre
valeur ajoute pour le client
partenariats

GESTION DES
ACCES
AU CLIENT

Datamining
enrichissement de la
connaissance du client
historiques, comportements,
valeur potentielle

CLIENT

Information SAV
politiques de fidlisation
qualit et satisfaction
utilisation de technologie nouvelle
web, serveur vocal,
couplage telephone
informatique, etc

SUIVI ET FIDELISATION
DU CLIENT

Canaux d'accs:
point de vente physique,
rseau de distribution
tlphone,kiosque,
Internet etc.
adquation des moyens d'accs
automatisation des forces de vente
de l'information la vente

Lien entre les systme d'information


existant
- ERP, chane logistique
-les systmes de relation client
-base de donnes client
datawarehouse
processus de gestion de la relation
client et lien
avec les processus supports

INTEGRATION DES
PROCESSUS
CLIENT

Figure 3/Titre: Le modle Customer Connections dErnest &Young


Source : stratgie de la relation client de Pierre Alard et Damien Dirringer

1-2- Le CRM comme processus technologique

En 2000, Metagroup dfinit le CRM comme lautomatisation de processus dentreprise


horizontalement intgrs, travers plusieurs points de contact possibles avec le client
(marketing, vente, aprs vente et assistance technique) en ayant recours des canaux de
communication multiples et interconnects . Dans cette dfinition, lautomatisation et
33

linterconnexion font entirement recours aux NTIC et montrent lorientation technologique


du CRM. Ainsi, avec la mise en place du CRM dans une entreprise, cette dernire serait en
mesure didentifier et de pouvoir entretenir une conversation avec un client sans que le client
soit oblig de rappeler les dtails de son dernier contact avec lentreprise. Pour Isolet (2003)
le CRM dsigne une solution progiciel ou lintgration de diffrents progiciels aptes
automatiser lensemble de la relation client ou prospects. Pour lauteur, la mise en uvre de
ce type de solution a pour objectif principal de centrer les activits de lentreprise sur le client.
Il explique que la stratgie adopte vise amliorer la rentabilit individuelle du client et le
fidliser en transformant cette relation en investissement durable par une politique de service,
doffre et de cot personnalisable et ajustable.
Au niveau le plus rudimentaire des fonctionnalits CRM se composent de logiciels de gestion
de contacts qui saisissent, stockent et rcuprent les informations client (par exemple,
Microsoft Outlook - Contact application) (Zikmund et al., 2003). l'autre extrmit de
l'chelle, le CRM se compose d'un certain nombre de complexes intgrs d'entrepts de
donnes, les data marts, des outils analytiques et les applications utilises pour capturer et
analyser les informations clients partir d'une varit de points de l'arrive, et permet
l'intgration de points de sortie (par exemple, MySAP et Oracle) (Turban, McLean et al.,
2003).

34

Sige
Commerciaux
ou
charg de
clientle:
automatisation
de la
force de vente
(SFA)

Iintermediaires:
extranet,
bureau
et point de vente:
intranet

Mise jour
des systmes
transactionnels
Infrastructure
en reseau

produits
Administration
des

Agent de centr
e d'appels

Rposes/
dialogues
Direct::
site Web,
tlcopie,
courrier
lectronique

Back office

ventes, etc .
Application CRM

Systmes de
gestion
de campagnes
marketing EMA

Infrastructure de
communication

Entrept/ mini
entrept de donnes

Autres BDD
existantes

Direct:
tlephone

Stockage et exploitation
des donnes
Serveur Web
Autres
units
Direct:
automates

Figure 4/Titre : Exemple dun systme CRM


Source : Hendrickx, Capgemini/Ernest & Young, cit par Peelen, 2005
2- APPORT DES TIC A LA GESTION DE LA RELATION CLIENT
Selon Hetzel (2004), le rle des TIC dans le marketing relationnel est de deux ordres : le
rapprochement avec le client et lamlioration de la satisfaction du client.

- Les TIC pour se rapprocher du client

Pour Heide et John, (1990), la proximit dans la relation apparat pour faire face au besoin de
protger les atouts spcifiques dune relation. Des chercheurs comme Wilson (1995), Hinde
(1997) et Mller et Wilson (1995) ont beaucoup insist sur la proximit des parties en matire

35

de relation client/fournisseur. Cette proximit est rendue possible par ce que Coviello et al.
(2002) appellent le marketing interactif et le marketing de rseau. En effet le dveloppement
des TIC a favoris une certaine proximit dans les relations client/fournisseur. Bergada et
Laaroussi ont montr dans une publication intitule la proximit avec le client dans un
rfrentiel spatial et temporel en mutation: exploration dun modle conceptuel en 2001,
que la proximit des entreprises avec le client final, plus particulirement via les TIC, pouvait
se dployer dans cinq directions complmentaires. Ils distinguent la proximit identitaire, la
proximit de processus, la proximit de rseau, la proximit technologique et enfin la
proximit idologique.
Pour Hetzel (2004), les avantages ne sarrtent pas cette publication Bergada et Laaroussi.
Pour lui les outils spcifiques comme les sites de commercialisation et dinformation, les
mailings lists, les groupes de discussion et les divers changes de donnes peuvent renforcer
limpact du systme doffre auprs de client. Hetzel conclut en crivant : Internet est donc
un fantastique outil de mise en relation avec le client pour changer, informer, vendre des
clients potentiels . Pour lui, Internet est un outil important permettant dagir sur le plan
marketing dans au moins cinq directions complmentaires :
-

acqurir de nouveaux clients, notamment parce que le rseau est mondial ;

instaurer une nouvelle forme de lien avec le client o lon peut combiner
automatisation des procdures et personnalisation des messages, mais aussi
dvelopper des activits plus rcratives, ludiques ou hdoniques autour des marques ;

amliorer le degr de satisfaction de la clientle en rendant la visualisation de loffre


accessible vingt-quatre heures sur vingt-quatre ;

dvelopper des campagnes de communication plus interactives ;

mettre en scne et crer des phnomnes exprientiels originaux (les univers sensoriels
peuvent tre particulirement aboutis avec Internet qui permet le recours simultan
limage anime et au son).

Dans un article publi dans LExpansion

en avril 2004, le professeur Pascal Pecquet

dclarait : Il est dsormais possible pour un cadre de se dplacer lors de ses activits sans
perdre la trace de son entreprise. Les rseaux, notamment, sont parfaitement matriss et,
lors dun dplacement dans une filiale, il suffit de se connecter une borne rseau pour
bnficier de lintranet local puis du rseau dentreprise . Cet apport de lInternet pour les
entreprises est selon le Professeur un plus pour la gestion de la relation clientle dans la
mesure o la traabilit des donnes devient un service pour lemploy ainsi que pour le
client, et la donne, une brique de contenu quil faudra vendre en repensant la gestion
36

de la relation clientle (CRM). Dans le cadre de notre recherche nous navons pas pour
objectif la vente de donnes. Pour nous, les donnes constituent la brique qui permettra de
construire une bonne gestion de la relation client.

- TIC comme outils damlioration de la satisfaction


Les TIC ont favoris lmergence des bases de donnes client et la mise en place du multi
canal. Nous avons montr dans les parties prcdentes que les interactions avec le client font
partir des cls de succs dun marketing relationnel. Les TIC ont contribu au dveloppement
des points dinteractions avec le client. Pour Kotler et Dubois (1997), lmergence et
lutilisation des TIC tant chez le client que le fournisseur ont offert la possibilit pour ces
derniers daugmenter les occasions de communiquer. Coviello et al. (2002) ont parl de
marketing des bases de donnes. En effets le marketing relationnel repose de fait sur la
pertinence de la collecte et du traitement des donnes (Moisand, 2002). La connaissance du
client travers les informations stockes dans la base de donnes permet de lui assurer une
meilleure satisfaction. Pour Yves Chirouze (2003), lefficacit court terme des TIC et
surtout Internet sur le marketing relationnel est la capacit fournir le niveau de service
demand par les clients grce au marketing individualis. Ce marketing individualis est
rendu possible par lutilisation des informations clients. Les TIC et le souci de satisfaction du
client ont permis lapparition de nouveaux concepts de marketing. On parle de marketing
individualis et du marketing One to One (Peppers et Rogers, 1997).
Selon Hetzel (2004), les TIC qui agissent favorablement sur marketing relationnel peuvent
tre divises en cinq grandes catgories qui sont :
-

des technologies qui rendent les transactions plus sres pour le client mais
ventuellement aussi pour lentreprise ;

des technologies qui permettent de fournir au client quelque chose dentirement


nouveau ;

des technologies qui amliorent les services offerts au client ;

des technologies qui permettent une dlivrance plus rapide du service ;

des technologies qui permettent au client de disposer dun plus grand nombre
dinformations sur loffre avant, pendant et aussi aprs lachat.

Par ailleurs, une tude conomtrique mene sur un grand nombre dentreprises a montr que
limpact du CRM sur la satisfaction est positif. Loutil lui-mme na pas dimpact direct sur la

37

satisfaction mais il permet damliorer la connaissance client qui a son tour, permet
damliorer la satisfaction (Mithas, Krishnan et Fornell, 2005 cits par Peelen 2009).
CONCLUSION CHAPITRE 1

Nous avons essay de montrer tout au long de ce chapitre le marketing relationnel comme une
nouvelle forme de marketing qui permet de crer un lien troit avec le client. Nous lavons
aussi prsent comme un nouveau paradigme du marketing par opposition au paradigme
transactionnel que nous avons choisi de ne pas dvelopper. Mais cette vision nest pas
partage par tous les chercheurs et les auteurs du marketing. Les critiques les plus virulentes
viennent des auteurs comme Gilles Marion, Fournier et Perrien, pour ne citer que ceux l
pour qui, le marketing relationnel ne serait pas un nouveau paradigme mais tout simplement
une rhtorique peine renouvele de la trs vieille thmatique du client roi . Le professeur
Marion a sorti un livre dans ce sens intitul le marketing relationnel existe-il ? Nous
avons choisi de ne pas dvelopper ces critiques dans notre travail car celles-ci napportent rien
la comprhension du sujet. En ce qui nous concerne, nous pensons que le marketing
relationnel a apport une nouvelle dynamique dans la relation client /fournisseur. Les
diffrents courants du marketing relationnel tudis saccordent sur le fait que le client doit
tre considr au-del de la transaction. La transaction nest plus laboutissement dune
relation entre client et fournisseur mais le dbut dune longue relation mutuellement
bnfique. Lmergence des TIC a apport une nouvelle dimension ce marketing relationnel
et surtout la gestion de la relation client. Les TIC permettent de se rapprocher du client et de
lui apporter une satisfaction certaine. Grce au TIC de nouvelle terminologie ont vu le jour en
marketing de la relation client. Nous pouvons citer le marketing One to One, le marketing
Interactif et le marketing des bases de donnes. Ce qui est tout fait impressionnant, cest
lappropriation du marketing par les entreprises informatiques. Le dveloppement des TIC et
le souci des entreprises de se rapprocher et de satisfaire le client ont contribu donner une
dimension plus informatique et technologique la gestion de la relation client. Ceci se justifie
par le niveau des investissements raliss par les entreprises en matire dacquisition doutils
informatiques de gestion de la relation client. De nouveaux logiciels envahissent lunivers des
entreprises. Le seul objectif poursuivi par les entreprises est la gestion efficace et efficiente
de lacquisition de nouveaux clients et la fidlisation des anciens. Quapportent ces logiciels
la gestion et la matrise du cycle de vie du client ? Aident-ils amliorer le cycle de vie du
client ? La courbe du cycle de vie du client se trouve-t-elle amliorer par lutilisation des
38

logiciels CRM ? Les chapitres suivants nous permettront dapporter des solutions toutes ces
questions.

39

CHAPITRE 2

EVALUATION DE LA PERFORMANCE DU CRM A TRAVERS LE CYCLE DE VIE


DU CLIENT : FONDEMENTS THEORIQUES ET ETUDES EMPIRIQUES
INTRODUCTION
Lenvironnement dans lequel les entreprises dploient leurs activits est complexe,
dynamique et multidimensionnel. Ceci implique que la performance de lentreprise dpend de
plusieurs variables et est mesure de diffrentes manires. Quest ce que la performance et
comment se mesure-t-elle ? La littrature dans ce domaine classe lvaluation des
performances en deux parties. La mesure des performances financires et celles

non

financires (Buckley et al. 1988 ; Frazier et Howell, 1982). Il existe cependant plusieurs
mthodes dvaluation de performances. Evaluer la performance du CRM sur le cycle de vie
du client, revient mesurer limpact de lutilisation du CRM sur les indicateurs du cycle de
vie du client. Quest ce que le cycle de vie du client ? Ce chapitre sera consacr la dfinition
et au dveloppement de ce concept dans la littrature. Dans le cadre de cette tude, nous nous
contenterons de travailler sur le processus du cycle de vie du client par analogie au cycle de
vie du produit, c'est--dire la gestion du client de son tat de prospect son tat de client
perdu. Comment la littrature du marketing dfinit-elle la notion du cycle de vie du client ?
Ce chapitre sera consacr dans une premire partie la notion de performance et son
valuation. Nous aborderons galement dans cette premire partie les indicateurs de mesure
de performance et consacrerons une bonne partie la notion du cycle de vie du client. La
seconde partie de ce chapitre sera consacre ltude de quelques modles dvaluation du
CRM qui ont t tests empiriquement. Enfin, une synthse des travaux empiriques traitant de
la problmatique de lvaluation dans ce domaine sera prsente.

I- REVUE DE LITTERATURE SUR LA NOTION PERFORMANCE ET LA NOTION


DE CYCLE DE VIE DU CLIENT

La notion de performance est une notion centrale dans les sciences de gestion, mesurer la
performance ncessite de sappuyer sur des indicateurs de mesure tels que le cycle de vie du
client. Cette section sera consacre ces deux notions

40

1- FONDEMENTS THEORIQUE DE LA PERFORMANCE ET DE SA MESURE


1-1- Performance et mesure de performance

La dfinition du mot performance existe sous plusieurs formes dans les dictionnaires. Elle est
dfinie dans certains documents (documents comptables, presses, etc.) comme un rsultat
chiffr obtenu par un sportif ou un cheval de course lors dune preuve, dune comptition,
dune exhibition, etc. dans dautres, on peut lire que la performance est le rsultat optimal
obtenu par un matriel. La performance dentreprise est une notion centrale en sciences de
gestion. Depuis les annes 80, de nombreux chercheurs se sont attachs la dfinir (Bouquin,
1986 ; Bescos et al.1993 ;
Bourguignon, 1995 ; Lebas, 1995 ; Bessire, 1999 ) et plus rcemment cette notion est
mobilise dans la littrature managriale pour valuer la mise en oeuvre par lentreprise des
stratgies annonces de dveloppement durable (Capron et Quairel, 2005). En matire de
sciences de gestion, une tentative de dfinition a t aborde dans le livre intitul valuation
des performances des systmes de production dirig par Christian Tahon (2003). Selon les
auteurs, la performance est la ralisation des objectifs organisationnels. Annick Bourguignon
(1995) pense que la performance dpend dun objectif, quelle est multidimensionnelle si les
buts sont multiples, quelle est subjective car elle est le produit de lopration qui consiste
rapprocher la ralit dun souhait. Pour Lebas (1995), la performance nexiste que si on peut
la mesurer et cette mesure ne peut en aucun cas se limiter la connaissance dun rsultat.
Alors, on value les rsultats atteints en les comparant aux rsultats souhaits (Bouquin,
2004).
La mesure de performance peut tre alors dfinie comme le processus dvaluation
quantitative de lefficacit et de lefficience des actions passes (Neely, 1998). Lefficacit,
lefficience et la productivit ont souvent t utilises pour mesurer la performance.
Lutilisation de ces indicateurs rsume lvaluation de la performation aux rsultats
financiers. Lisboa, Yasin et Gomes (2004) ont distingu deux types dentreprises en matire
de mesure de performance. Les entreprises qui recherchent le profit court terme en insistant
beaucoup sur les critres financiers tels que le taux de rentabilit, la marge brute, le ROI
(retour sur investissement), le chiffre daffaires etc. la deuxime catgorie dentreprises sont
celles qui mettent laccent sur les critres non financiers comme la satisfaction client. Ils
soulignent que la diversification dans lorientation stratgique suppose une relation
potentiellement troite entre la stratgie et la performance de lentreprise. Dautres travaux

41

comme ceux de Morin et al., (1994) se sont focaliss sur la mesure des performances en
identifiant quatre courants de pense de la performance. Ils distinguent lapproche classique
ou traditionnelle base sur les critres conomiques, lapproche politique qui se focalise sur la
satisfaction des parties prenantes, lapproche systmique qui considre lorganisation comme
un systme dont le but ultime est sa survie et en fin lcole des relations humaines qui
sintresse la cohsion entre les objectifs individuels et ceux de lorganisation.
Mesurer la performance du CRM est une tche trs difficile du fait des multiples relations
entre les diffrents domaines fonctionnels tel que le marketing, la vente, les processus du
CRM. En outre, les prestations du CRM sont de nature qualitative, et il est donc difficile de
prouver leur influence sur les rsultats financiers. La mesure du rendement du CRM peut
porter soit sur le calcul de lavantage pcuniaire des investissements en CRM (ang et buttle
2005) ou sur la mesure et la gestion du succs des activits de CRM et des processus.
Des auteurs ont calcul de plusieurs manires la performance du CRM. Au nombre de ces
mthodes, nous avons le balanced score card , et la mthode de la chane des services et
du profit qui utilisent des indicateurs comme le cycle de vie du client, le life time values et le
ROI ou retour sur investissement encore appele CFROI.
1-2 Mthode de mesure de performance
Plusieurs mthodes de calcul de performance existent dans le domaine des sciences de
gestion, nous dvelopperons dans cette partie, celles qui nous trouvons pertinentes pour notre
tude.
1-2-1 La chane de service et de profit
Le concept de chane de service et de profit a t labor par Heskett et al., en 1994 partir de
lobservation attentive dentreprises de services performantes. Cette chane relie les critres
hard (de nature financire) des indicateurs de performances beaucoup plus soft (relationnels
et humains). Les auteurs (Heskett et al., en 1994 ) appellent critres hard, les critres qui sont
lis au profit gnr par le client de faon spcifique et les critres soft sont les facteurs qui
influencent les rsultats de lentreprise (satisfaction des clients et des salaris). Les notions et
les relations qui sous-tendent la chane de service et de profit illustrent le lien de dpendance
qui existe entre le marketing, la production et les ressources humaines (Lovelock et al., 2004).
La chane de services et profit aide le gestionnaire prendre des dcisions adaptes sur les
investissements relationnels et humains consentir afin de dlivrer un meilleur niveau de
service. Cette chane dmontre quil y a un lien entre la satisfaction et la motivation des
salaris et la satisfaction des clients. Cette chane a t mise en application par Allen et
Grisaffe en 2001 qui ont conclu quelle a eu une influence considrable dans les cercles de
42

gestion. Un personnel expriment et plus efficace, capable de dlivrer un service de


meilleure qualit, sera son tour le meilleur gage daugmentation du niveau de satisfaction et
de rtention des clients (Jallat et al. 2009). En terme de mesure de performance du CRM cette
chane peut permettre de mettre en exergue les indicateurs de performance de CRM comme la
satisfaction client, la rtention client et la fidlisation client.
Aprs la chane de service et de profit, la seconde mthode permettant de mesurer la
performance du CRM est le Balanced Score Card.

Augmentation
du
Chiffre
D'affaire

Rtention
Des
salaris

Qualit
Des
Services
En
interne

Satis
Faction
Des
salaris
Productivit
Des
salaris

Valeur
Du
Service
Pour le
client

Satis
Faction
Des
clients

Fidlit
Des
clients
Rentabilit

- service dvelopp et
Mis en uvre pour rpondre
Aux besoins des clients
- cadre de travail appropri
- description de poste
- slection et formation des
salaris
-systme de reconnaissance et de
rcompense des salaris
- Outils et moyens mis
disposition pour servir le client

- Rsultats pour
Les clients

-Rtention des clients


- Rptition des achats
- communication interpersonnelle
Et bouche--oreille positif

Figure 5/ Titre : La chane de service et de profit


Source: Heskett J. L., Jones T.O., Loveman G.W., Sasser W.E. Et Schlesinger L.A., Putting
the service Proft chain to Work Harvard Business Review, Mars-Avril 1994, 164-174

43

1-2-2 Balanced score card (BSC)

Lautre mthode de calcul de performance est le Balanced Score Card (BSC) dveloppe par
Kaplan et Norton en 1996. Suite aux critiques des systmes financiers traditionnels au sein
des entreprises, les deux auteurs ont propos une nouvelle approche afin que les rapports
financiers sintressent moins au pass et davantage lavenir. Ce tableau a t lanc en 1996
et a recueilli un cho favorable auprs des entreprises. Il comprend des mesures dans quatre
perspectives diffrentes qui se sont avres pertinentes pour la gestion. Ce sont :
- les perspectives financires qui doivent tre mesures en termes financiers. Trs
souvent, ce niveau, une indication pourra tre fournie, visant montrer comment la
valeur actuelle du client et sa valeur terme contribuent laugmentation de la
satisfaction des actionnaires.
- les perspectives lies aux clients : la satisfaction et la fidlit du client
- les processus internes lentreprise. Cette perspective se mesure par la faon dont
lentreprise peut identifier, mieux servir et fidliser ses clients
- Lapprentissage Organisationnel. Cette perspective dfinie comment lentreprise et
ses salaris peuvent amliorer leurs savoir-faire.
Depuis la publication du tableau par Kaplan et Norton en 1996 certains chercheurs ont
dvelopp leurs propres modles du tableau. Ainsi Grabner- Kraeuter et Moedrister (2002)
ont prsent leur modle appel SEM-CRM entendu systme de mesure pour le CRM
excellence. Ce modle fournit une multitude de critres qualitatifs et quantitatifs qui se
concentrent sur une valuation du retour sur investissement (ROI). On peut noter :
- la cration de valeur pour lentreprise (contribution au retour sur investissement)
- augmentation de la valeur client (amlioration de la structure du client)
- lamlioration des processus axs sur le client (dlai de livraison plus court)
- lorganisation et les ressources humaines (plus de motivation et plus dincitations)
Comme dans le tableau dorigine, Grabner-Kraeuter et Moedrister ont mis en avant les quatre
perspectives dveloppes par Kaplan et Norton. En revanche Kim, Suh et Hwang (2003) ont
prsent un autre modle pour valuer lefficacit du CRM laide du tableau dorigine de
Kaplan et Norton. Kim (2003) et ses collaborateurs ont remplac les quatre perspectives
traditionnelles par dautres refltant une philosophie centre sur le client dans lvaluation du
CRM. Ces auteurs proposent alors quatre perspectives savoir :
- la connaissance client, perspective qui mesure la qualit de la connaissance que
lentreprise a de la clientle et de lanalyse des donnes client.
44

- linteraction avec la clientle, cette perspective mesure la qualit des processus


interne et la gestion multi canal.
- la valeur client, elle mesure les avantages financiers tirs par le client
- la satisfaction client, cette perspective mesure le niveau de satisfaction obtenu par le
client du produit ou du service.
Des experts de CRM comme le professeur Payne (2000) pensent que les mthodes de calcul
de performance de CRM comme le Balanced Score Card et la chane de service et de profil
sont un bon pas en avant, mais ne sont pas encore suffisamment bien conu pour rpondre
aux complexits de la CRM. Payne (2000) propose dutiliser quatre paramtres pour mesurer
la performance du CRM. Il suggre de mesurer la stratgie de lentreprise, les paramtres lis
aux clients, les paramtres fonctionnels et enfin les paramtres de sortie.

45

Rsultats financiers
Que faut-il obj
Apporter aux
actionnaires?

Ind V-C
Ini
-

Processus internes
Satisfactions clients
Que faut-il obj Ind
Apporter
aux clients

V-C Ini

Vision et
stratgie

Quels sont les obj


Processus
Essentiels
La satisfaction
Des actionnaires
Et des clients?

Ind V-C
Ini

Apprentissage organisationnel
Comment
obj
piloter
Le changement
Et l'amlioration?

Ind V-C Ini


-

obj=objectifs
Ind=Indicateurs
v-c=valeurs-cibles
Ini=Initiatives

Figure 6/ Titre : les quatre perspectives du Balanced Scorecard


Source: Kaplan R.S. et Norton D., the Balanced Scorecard, Havard Business School Press,
1996

De tout ce qui prcde, nous pouvons affirmer que la mesure de la performance du CRM ne
peut se baser sur une mthode pr-tablie, chaque entreprise devra adapter sa mthode avec
les indicateurs qui permettent de mesurer sa performance en matire de CRM.

46

Quels sont alors les indicateurs de performance de CRM ? Aprs avoir dvelopp quelques
uns, nous nous attarderons sur la notion du cycle de vie du client comme indicateurs de
mesure de performance.
1-3- Indicateurs de mesure de la performance du CRM

La mesure de performance ncessite des indicateurs de performance, dans le cadre de ce


travail, nous avons choisi de dvelopper les plus couramment utiliss dans ce domaine
savoir : la notion du life time value, le cycle de vie du client et le ROI (retour sur
investissement). Une sous section entire sera consacre au cycle de vie du client au vu de son
importance pour notre travail.

1-3-1 La notion de life time value ou la valeur actuelle nette du client

Kumar et Venkatesan (2004) considre la valeur vie du client comme un indicateur de


revenus futurs, elle reprsente le flux de marge actualis que le client gnre pendant la dure
de la relation avec lentreprise. Ce concept aide dfinir une stratgie CRM. Il permet de
rpondre aux questions suivantes : quels clients viser en priorit ? Quel montant investir pour
conqurir et les fidliser ?
La valeur actuelle nette est base sur le principe de prendre la somme des bnfices futurs
actualiss un certain taux (taux dinflation par exemple, mais galement un taux de
croissance des ventes au cours du temps ou une probabilit de survie du client), et de calculer
la somme des revenus futurs produits quun client ou segment gnre durant sa vie active au
sein du fichier de lentreprise (Dwyer, 1989 ; Bitrain et Mondschein, 1996 ; Berger et Nasr,
1998). Il existe plusieurs mthodes de calcul de la valeur vie du client (Dwyer, 1989 ;
Bitrain et Mondschein ; Berger et Nasr, 1998 ; Jain et Singh, 2002 ; Kumar, Ramani et
Bohling, 2005). Pour des raisons pratiques, le calcul admet souvent les simplifications
suivantes (Jallat et al, 2009) :
- le calcul ne seffectue pas gnralement au niveau individuel mais un niveau
agrg (segment par segment)
- les paramtres sont estims (ou affins) partir dun chantillon de clients ; on
considre ensuite que ces paramtres sont valables pour lensemble des autres clients.
- les paramtres sont fixes et ne dpendent pas des actions.
- le calcul seffectue sur une dure limite, estime partir de la dure de vie
moyenne du segment.
47

- la dimension non conomique nest pas prise en compte.


Lanalyse de la valeur actualise du client est la fois un outil de segmentation et une aide
la dcision dallocation des ressources permettant un arbitrage entre les montants investir
dans le recrutement dun nouveau client en fonction de lesprance mathmatique de profit
actualis dans le futur lors de la priode de fidlisation (Lars Meyer-Waarden, 2002).
Cependant, Lemon et Mark, (2006) pensent que le calcul de la valeur actuelle nette dun client
nglige la dynamique de la relation car lentreprise agit sur le client durant cette priode. Pour
eux, il serait normal de considrer que les paramtres de la valeur voluent au cours du
temps. Dautres critiques fustigent galement le calcul de la valeur actuelle nette du client
comme :
- la difficult de calculer la valeur conomique pour les produits et services nouveaux
et pour les clients frachement recruts, par manque de recul et par manque de donnes
- la ngligence par le calcul de la valeur non conomique du client.
- la ngligence du degr de ractivit du client aux activits marketing.
Dans une tude publi en 1996, Frderick Reichheld a montr que laugmentation de la valeur
actuelle nette du client moyen provoque par un accroissement de cinq points du taux de
fidlisation des clients est trs significative quelque soit le secteur dactivit. Il donne comme
exemple les socits de carte de crdit, si la socit peut conserver 5% de ses clients en plus
chaque anne, les profits occasionns par un client moyen augmenteront de 75%.

1-3-2 Lindicateur bas sur le retour sur investissement (ROI)

La mesure la plus facilement disponible est sans doute le rsultat comptable de lentreprise tel
quil apparat dans les tats financiers. Nous pouvons citer comme exemples, la valeur ajoute
conomique, les rsultats dexploitation, lexcdent brut dexploitation, le rsultat courant
avant impt etc. En ce qui concerne les rsultats financiers, la mthode la plus populaire est la
valeur ajoute conomique (EVA). Cette mesure est dfinie comme la diffrence entre le
bnfice net d'exploitation aprs impts et ses cots de capital (Dodd et Chen, 1997). Elle a
t largement soutenue par les universitaires (en particulier dans le domaine de la
comptabilit) et des praticiens depuis le dbut des annes 1990. Son renforcement rside dans
l'accent mis sur la cration de valeur, mais il a t accus de trop se concentrer sur le court
terme et sa sous-valuation de potentiel de croissance. En un mot, elle donne un clich de
lentreprise un moment prcis.

48

Cependant, il y a les indicateurs traditionnels de rentabilit. Les entreprises cherchent


rapprocher les indicateurs de rsultat dautres types de donnes, et notamment des capitaux
investis. Ce rapprochement est gnralement dsign par ROI (retour sur investissement).
Dans le souci de mesurer la performance des entreprises en matire de CRM, les chercheurs
ont dvelopp des mthodes bases sur le retour sur investissement. Selchert (2004)
dveloppe une mthode appele CRM valeur mtrique permettant de calculer les flux de
trsorerie ROI (CFROI) de 35 projets dans lesquels le logiciel de CRM mySAP CRM a t
mis en uvre. Cette mthode dfinit des chanes fonctionnelles qui lient des indicateurs
financiers des mesures oprationnelles qui refltent les changements initis par la mise en
uvre du CRM. Cette mthode a permis de surmonter la difficult dtablir un lien entre la
performance du CRM et les rsultats financiers de lentreprise. Cette dmarche a t
galement adopte par Ang et Buttle (2006) pour mesure leffet des investissements en CRM
sur les phases du cycle de vie du client.

2- LE CYCLE DE VIE DU CLIENT

De plus en plus de chercheurs considrent le cycle de vie du client comme un indicateur fiable
de mesure de performance du CRM (Reichheld 1996, Ang et Buttle (2006), Reinartz et al.,
2004). Les sites Internet des entreprises ditrices de logiciels CRM font lapologie de leur
technologie en se basant sur lamlioration du cycle de vie du client. Quest ce que le cycle de
vie du client ? Comment peut on lamliorer ? Cette sous-section apportera la rponse ces
deux questions.

2-1- Le cycle de vie dans la littrature

En gestion, trois orientations diffrentes en matire de cycle et de cycle de vie ont t


recenses dans la littrature. Nous avons la notion trs populaire du cycle de vie du produit, la
notion du cycle de vie de la famille et trs rcemment la notion du cycle de vie client qui est
lobjet de ce travail de recherche.
En gestion, la notion du cycle de vie est trs souvent lie au produit. Les spcialistes du
marketing parlent souvent de cycle de vie du produit. Le concept de cycle de vie de produit
apparat au dbut des annes cinquante. Dans lune de ses tudes, R. Pearl affirme que la
croissance de toute population (organismes monocellulaires, nations, etc.) peut tre

49

reprsente par une courbe en forme de S . R. Prescott a utilis avec succs ce type de
courbe pour reprsenter lvolution des ventes des automobiles aux USA. J. Dean (1950) a
introduit ensuite ce type dapproche en gestion : cherchant tablir le principe dune politique
de prix, il montre quil faut tenir compte du cycle de vie du march et souligne que les cots
ainsi que les lasticits prennent des valeurs diffrentes chacune des tapes de ce cycle
(Fenneteau 1998).
Tous les travaux taient orients produit , ce nest que bien aprs que des notions comme
le cycle de vie de la famille a t abord.
Yves Chirouze (2003) dans son livre Marketing, Etudes Et Stratgies dfinit le cycle de
vie de la famille comme un concept sociologique mettant en rapport le type de consommation
et la composition de la cellule familiale. Pour le professeur Chirouze, aux huit types
thoriques de la famille (mari ou non, dorigine ou reconstitue) correspondent huit types de
dpenses.
Un tour dans les grandes surfaces franaises permet trs vite de se rendre compte du discours
du professeur. On voit des paniers bien remplis cot des paniers deux articles voire un.
Kotler et Dubois soulignent que les dcisions d'achat sont galement affectes par les
caractristiques personnelles de lacheteur, et notamment son ge, son style de vie sa position
conomique et sa profession. Selon le mme livre, le concept de cycle de vie de la famille
permet de rendre compte de ces volutions en matire de dsirs dattitudes et de valeurs. Les
produits et services achets par une personne voluent tout au long de sa vie car son cycle de
vie familiale galement varie.
Cette notion de cycle de vie de la famille est compose de facteurs ou de paramtre pouvant
nous permettre de mieux comprendre le comportement de consommateur et de savoir les
propositions faire chaque tape de son cycle de vie de la famille et par extension de mieux
grer la relation client entreprise.

2-2 Le cycle de vie du client

Dwer, Schurr et Oh dfinissent dans un article publi en 1987 developping buyer seller
relationship le cycle de vie du client comme un processus en trois phases distinctes qui
volue au cours du temps en fonction de la quantit consomme. Ces trois phases sont :
linitialisation ou lacquisition, la maturation ou le dveloppement et la rupture. Daprs Lars
Meyer Waarden (2004), une entreprise qui dfinit le cycle de vie du client selon cette
approche marketing client dynamique doit donc adapter sa stratgie en fonction des ces
50

phases. Pour lauteur, les trois types de stratgie envisager sont : lacquisition du client, la
fidlisation du client et le dveloppement de la consommation. Labandon est envisag
lorsque les cots de fidlisation sont suprieurs aux revenus gnrs par le client (Lars Meyer
Waarden 2004)

acquisition

prospect

activation

Gestion de la relation

Nouveau
client

Client tabli

attrition

Perte
du client
volontaire

March cible

Pas
d'informations

Nouvea
u client

Peu
d'informations

client

provoque

Riche en
informations

rcupration

Titre: le cycle de vie du client

Figure 7/ titre : les tapes sur cycle de vie du client


Source : Grard Balantzian, les systmes dinformation : art et pratiques ; dition
organisation 2002

Daprs ce schma, le cycle de vie nest pas un mouvement cyclique ni circulaire mais plutt
linaire qui part de ltape de prospect ltat dattrition du client en passant par ltat de
nouveau client et de client tabli. A chaque tape du cycle de vie lauteur donne certaines
informations sur le niveau dinformation qua lentreprise sur le client. Pour lauteur, le cycle
de vie client est constitu de quatre tapes savoir :
- Lacquisition ; dans cette tape, le client nest quun prospect sur le march cible. Au
cours de cette phase, le client appartient au monde extrieur lentreprise. Le prospect ne
dispose pas dassez dinformations ni sur lentreprise ni sur le produit.
- la deuxime phase est celle de lactivation, cette phase correspond au moment o le
prospect devient nouveau client. Il a peu dinformations et lentreprise met tout en uvre afin
de le garder comme client.

51

- la troisime phase est celle de la gestion de la relation client. Cest ce niveau que
toutes les politiques de CRM sont mises en pratique pour fidliser le client. Le client est la
recherche dinformations et lentreprise essaie de calculer la valeur future du client.
Lentreprise place la satisfaction du client au centre de ses proccupations. A la fin de cette
phase lentreprise connat la valeur du client et dcide de le garder ou de labandonner. Il en
est de mme pour le client, le client juge lentreprise sur la valeur perue et dcide soit de
partir ou de rester.
- la dernire phase correspond lattrition. Lentreprise dcide dabandonner le client
ou ce dernier dcide de partir. Cest ce niveau que lentreprise fait le bilan et dfinit le
rsultat de lopration.
Selon Lars Meyer-waarden (2004), la notion de cycle de vie client repose sur lide que les
flux de revenus et de cots varient au cours du temps en fonction des changements de besoins
dans la relation client entreprise.
Pour Pierre Alard et Pierre-Arnaud Guggmos le cycle de vie des clients est constitu
dtapes successives, correspondant aux diffrentes tapes de la chane de valeur qui
aboutissent dlivrer produits et services aux clients. Pour eux, le cycle de vie des clients
distingue en principe deux tapes majeures et successives de conqute puis de fidlisation.
Le cycle de vie client correspond la dure de vie de ce dernier en tant que client de
lentreprise, de ltat de nouveau client ltat de client perdu. Afin de mieux comprendre la
notion du cycle de vie, il faut dfinir le principe du prospect et du client. Le prospect devient
client partir du moment o il y a transaction. Cest la transaction qui fait basculer le prospect
en client. Aprs lacte dachat il faut fidliser le client afin de le garder le plus longtemps
possible comme client. Moisand (2002) labore un schma (ci-dessous) qui met en vidence
le cycle de vie du client et les activits du CRM. Laxe des abscisses reprsente le temps et
celui des ordonnes le profit gnr par le client. Vous remarquerez quavant que le prospect
ne devienne client, il a gnr un profit ngatif qui est d aux cots dacquisition du client.
Cest linvestissement initial sur le client. Cet investissement, Reichheld (1996) suggre aux
comptables de les imputer une rubrique clients spcifiques et de lamortir sur la dure des
relations avec la clientle au lieu de le traiter comme une charge dexploitation ordinaire.
Pour valuer la dure de vie dun client, il suffit de calculer selon Reichheld (1996) le taux
global de dfection et dinverser la fraction. Selon lauteur, pour y arriver, on dtermine le
nombre de clients perdus sur plusieurs mois, on annualise ce chiffre et enfin on lexprime en
pourcentage du nombre de clients au dpart. Cette analyse lui a permis de conclure quun
client moyen restera pendant cinq ans.
52

Amliorer le cycle de vie du client revient en premier lieu rduire significativement les
cots lis linvestissement initial et en second lieu fidliser ce client. Sur ce schma (ci
dessous), on remarque trs bien les trois, voire quatre, phases du cycle de vie du client.
Dans le cadre de cette tude, nous navons pas les moyens de faire une tude dynamique dans
le sens de lvolution du client tout au long de son cycle de vie, nous nous contenterons de
mesurer juste limpact de lutilisation des outils logiciels CRM sur les indicateurs comme la
rduction du cot dacquisition, le dveloppement du client, la fidlisation et le taux
dattrition des clients. Nous reviendrons sur ces diffrents indicateurs dans la section suivante
consacre au management du cycle de vie du client.

Profit
Client Rgulier

Cycle de
vie
du client

Nouveau
client

Client
perdu

Prospect

Gestion de
prospect

Gestion des
nouveaux
clients

Gestion de
la satisfaction
clients

Gestion de
la recupration
des clients

Composants
CRM

Gestion de la valeur

Titre: cycle de vie du client: un composant CRM par phase


source:CRM gestion de la relation client de Moisand (2002)

Figure 8 / titre cycle de vie du client composant CRM par phase

53

2-3 Management du cycle de vie du client

Afin de souligner limportance de grer le cycle de vie du client, Reichheld (1996) interprte
le problme majeur des entreprises comme un problme de rcipient perc. Il donne un
exemple en imaginant deux entreprises dont le taux de fidlisation de la clientle slve
respectivement 95% et 90%. Le rservoir de clients fuit au rythme de 5% par an pour la
premire et de 10 pour la seconde. Si toutes deux acquirent de nouveaux clients au rythme de
10% par an, la clientle totale de la premire progressera de 5% par an, alors que celle de la
seconde stagnera. Cet exemple montre limportance dacqurir de nouveaux clients et
galement celle de retenir les anciens clients.

2-3-1 Acquisition

Un client est considr comme acquis partir du moment o il passe de prospect en client en
procdant un achat. Le rapport du nombre de prospects au nombre de clients est appel le
taux de conversion. Les diffrentes politiques de gestion de la relation client ont pour objectif
de remplacer les clients perdus, car rares sont les entreprises qui soient en mesure de
conserver 100% de leurs clients une anne sur lautre (Peelen et al., 2009) .Lobjectif des
stratgies dacquisition est dobtenir plus de clients rentables. La mise en uvre dune
politique dacquisition nest pas une chose aise. Pour Blattberg, Getz et Thomas (2001) il
faut dtecter le client le plus rentable c'est--dire celui dont la valeur attendue sur sa dure de
vie dpasse le cot utile son recrutement et son entretien. Payne (2006) a publi une tude
montrant que les investissements des entreprises en recrutement sont deux fois plus levs que
les investissements en fidlisation. Ces rsultats vont dans le mme sens que ceux de
Reichheld (1996) qui a montr que, retenir un client cote 5 fois moins cher que den recruter
un nouveau. Lacquisition de nouveaux clients passe par les canaux de communication
comme la tlvision, le mail, le tlmarketing etc. Des chercheurs (Reichheld 1996 ; Bolton,
Lemon et Verhoef 2004, Keane et Wang 1995, Verhoef et Donkers 2005, Thomas 2001, et
Villanueva, Yoo et Hanssens, 2003) ont men des tudes sur leffet de la stratgie
dacquisition utilise et le comportement futur du client. Ainsi Reichheld (1996) a conclu que
le client qui tombe dans les bras dun fournisseur pour un petit rabais sur ses tarifs ira voir
quelquun dautre la premire occasion. Bolton et al., (2004) affirment galement que les

54

clients acquis par les canaux avec un accent de prix ont tendance tre moins fidle. Alors se
pose la question du modle dacquisition adopter par les entreprises.

Techniques dacquisition de nouveaux clients

Le souci fondamental des entreprises au moment du recrutement est loptimisation des cots
dacquisition. Pour se faire, elles mettent en uvre des dmarches analytiques qui passent par
le profilage des meilleurs clients, les attentes des prospects et le suivi des leads1. Elles ont
galement recours la modlisation prdictive.
En ce qui concerne le profilage des meilleurs clients, les cadres chargs de la relation client
dessinaient le portrait-robot du meilleur client moyen. Une fois que le portrait est dfini, ils se
mettent alors la recherche des mdias permettant datteindre ce profil du meilleur client
moyen. Aujourdhui grce Internet, des outils comme les cookies2 et le tracking3 permettent
galement dy parvenir par le net. Pour les attentes des prospects, il sagissait de comprendre
le comportement des prospects pour savoir les raisons qui ont pouss les clients choisir telle
ou telle offre. Les cookies et le tracking permettent galement aujourdhui de savoir quelles
sont les pages visites par tel ou tel prospect et quel est son comportement dachat. Lobjectif
de cette dmarche est dadapter loffre de lentreprise et la communication qui laccompagne.
Lajustement de la communication par Internet est galement possible travers le ciblage
comportemental (behavioral targeting) qui est une technique qui conduit personnaliser les
contenus promotionnels (notamment les liens sponsoriss et les bannires publicitaires). Le
suivi des leads est une activit trs souvent nglige par les entreprises or une bonne
qualification des leads permet au commerciaux de les transformer en client. Une tude
ralise en 2006 publie par Ravery (2006) montre que 70% des entreprises ignorent (50%)
des leads. Pour Peelen et al (2009), le dficit de coordination entre les services marketing qui
qualifient les leads et les commerciaux qui sont chargs de les transformer en client explique
en partie la perte de nombreuses opportunits pour ces auteurs, une bonne quantification des
pertes chaque tape du cycle de vente et la comprhension des facteurs qui expliquent ces
pertes doit permettre damliorer sensiblement la performance des activits de recrutement.
1

Contacts commerciaux qualifier et transformer.


Selon D. Guillocheau et D. Pastural, le cookie est un fichier (mouchard) qui permet dattribuer un numro
didentification aux visiteurs dun site lors de sa premire visite, de le reconnatre lors des visites ultrieures et
dtudier son comportement sur le site
3
Pour Edith Nuss, le tracking est une technique de suivi du comportement de lutilisateur dun service interactif.
Lanalyse du comportement des internautes permet un site marchand de mieux rpondre leurs attentes et de
mesurer limpact de ses campagnes de-mailing.
2

55

Au cot de ces analyses exploratoires, nous avons voqu la modlisation prdictive des fins
dacquisition. Cette dmarche consiste dterminer partir dune formule mathmatique la
probabilit de devenir un bon client en fonction des diverses variables comme lge, le revenu
et le comportement dachat par exemple. Cette formule permet didentifier les meilleurs
clients, ou viter les plus mauvais afin de ne pas recruter les clients fort risque de
dfaillance. Nous citerons comme exemple de modlisation, lalgorithme efficace (Isotonic
Single-Index) propos par Naik et Tsai (2004) pour estimer cette probabilit.

2-3-2 Dveloppement

La question de dveloppement des clients au niveau du cycle de vie du client tourne autour de
laccroissement du chiffre daffaires par client. Pour connatre la progression du chiffre
daffaires par client, Reichheld (1996) propose de suivre sparment le chiffre daffaires
ralis avec chaque nouvelle classe de clients. Lauteur dnonce la pratique qui consiste pour
certaines entreprises considrer un clich de leur clientle un moment donn, la diviser
en groupes selon la dure de prsence et mesurer le chiffre daffaires de lanne pour chaque
groupe. Lauteur propose danalyser le comportement tant des clients perdus que des clients
fidles puis estimer la croissance sparment pour chaque segment de clientle manifestant un
type de comportement diffrent.
Le dveloppement du client passe par la mise en place des actions permettant dagir sur les
quantits achetes, la frquence dachat (achat rpt) et sur le niveau de gamme (up-selling)
ou sur les ventes croises (cross-selling). Dominique Cri (2002) appelle produits fidlisants,
ces produits ou services qui favorisent les ventes additionnelles tout en contribuant
prolonger la relation entre client et fournisseur. Peelen et al (2009) pense que la mise en
uvre des actions de dveloppement soulve deux questions savoir : quels clients
convient-ils de solliciter et quels produits et services leur proposer . Dans un article publi
dans le Havard Business Review (2002), Reinartz et Kumar (2002) tablissent une matrice
permettant de dterminer le potentiel de chaque type de client par rapport son adquation
aux offres de lentreprise. Ils dterminent quatre types de clients conformment la figure cidessous.

56

Rentabilit potentielle

Rentabilit
leve

Rentabilit
faible

Vrais amis
Bonne adquation entre
l'offre de l'entreprise
et les besoins du client;
potentiel de profit maximal

Papillons
Bonne adquation entre
l'offre de l'entreprise
et les besoins du client;
potentiel de profit lev

trangers
Faible adquation entre
l'offre de l'entreprise
et les besoins du client;
potentiel de profit minimal

Boulets
Adquation limite entre
l'offre de l'entreprise
et les besoins du client;
Faible potentiel de profit

Clients court terme

Clients long terme


Fidlit prvisible

Figure 9/ titre : Rentabilit potentielle et fidlit prvisible des quatre groupes de clients
Source: Werner Reinartz et V. Kumar, the mismanagement of customer loyalty juillet
2002, P.93

Les auteurs identifient les vrais amis comme les clients les plus rentables et fidles, les
boulets comme tant extrmement fidles mais peu rentables, les papillons se montrent
rentables mais pas fidles et enfin les trangers qui se caractrisent par une faible
rentabilit et une fidlit rduite.
Pour dvelopper les clients, les entreprises procdent lanalyse des associations dachats ce
qui est communment appel analyse des paniers ou basket analysis . Cette analyse permet
de savoir quel produit est achet avec quel autre afin de les placer cte cte dans le but

57

doptimiser le merchandising. Les sites Internet sappuient sur les cookies afin de faire ces
analyses. Vous remarquerez que lorsque vous effectuez un achat sur Internet le site vous
propose automatiquement un package attractif constitu des produits issus de lanalyse
fournie par les cookies. Une autre mthode de dveloppement des ventes se rapprochant plus
de lanalyse des associations dachats est lanalyse des affinits. Cette mthode permet de
proposer un acheteur un produit achet par les lments du mme segment que ce dernier.
Sur le site dAmazon, vous lisez souvent la phrase suivante : ceux qui ont achet ce livre ont
galement achet tels autres et on vous propose un ensemble de livres achets par le
segment. Peelen et al., (2009) mettent en vidence laffinit en calculant un indice dachat
pour chaque catgorie de produit et par chaque catgorie de client. Pour eux lanalyse des
affinits permet de combiner lorientation produit/service avec lorientation client, et de
prendre des dcisions importantes (drfrencement par exemple). Ces auteurs recommandent
galement danalyser les dlais entre deux achats afin de savoir combien de temps faudrait
laisser scouler avant quune campagne marketing ne produise un rsultat. Une excellente
offre qui arrive au mauvais moment sera trs probablement ignore par le client.
Au cot des modles danalyse, nous avons galement les modlisations prdictives qui sont
soit orients produit soit orients client. Ces modles permettent pour la plupart de dterminer
la probabilit de vente croise pour le produit achet le plus rcemment selon toutes les
combinaisons possibles.

2-3-3 Rtention

Selon Reichheld (1996), la perte de client est lune des units dchec les plus parlantes pour
une entreprise, car elle met au jour deux flux de valeur critiques savoir :
- la dtrioration du flux de valeur allant de lentreprise aux vers les clients,
- la diminution du cash-flow allant vers lentreprise,
Gupta, Lehmann et Stuart (2004) constatent quune amlioration de 1% de la rtention peut
augmenter la valeur de lentreprise de 5%. Les entreprises mnent des actions afin de rduire
le taux dattrition de leur client. Dans la littrature du marketing on parle aussi du taux de
churn. Le terme dattrition qualifie le processus de dpart des clients un niveau agrg. Pour
qualifier le dpart dun individu, on parle de dfection. Compte tenu de limportance de la
fidlisation de la clientle, les entreprises utilisent une varit de mcanismes pour rduire le
taux dattrition. Le problme de rtention implique ncessairement la question de fidlisation.
Pour les entreprises, bien grer la fidlisation, ncessite quelles comprennent les
58

dterminants de la dfection de la clientle. Une meilleure comprhension des facteurs de la


dfection peut aider les entreprises concevoir les stratgies CRM visant renforcer la
fidlit des clients et de prolonger leur dure de vie. Il y a une tendance forte confondre
fidlit et fidlisation, mme si les deux ont le mme but, il faut signaler que la fidlisation est
du ressort de lentreprise alors que la fidlit est propre aux clients. La fidlisation est laction
de fidliser une clientle. Elle dpend en grande partie du niveau de satisfaction du client. En
effet Rust et Zahorik (1993) ont constat quil y a un lien entre la satisfaction et la rtention.
Un peu plus tard, Mittal et Kamakura (2001) ont trouv que ce lien entre la satisfaction et la
rtention est modr par les caractristiques de la clientle. Par contre Darpy et Volle (2007)
trouvent que mme si le lien entre satisfaction et fidlit est globalement significatif, il nest
toujours pas linaire. Par ailleurs, dautres chercheurs (Sharp et Sharp, 1997 ; Dowling et
Uncle 1997) ont conclu que les programmes de fidlisation nont aucun effet sur la rtention
des clients. Earl Sasser et Thomas O. Jones (1995) ont galement pos la question dans un
article publi dans le Havard Business review de savoir Why Satisfield Customers Defect .
Il ne suffit donc plus de satisfaire le client pour le fidliser. Peelen et al (2009) identifient trois
stratgies pour fidliser le client savoir : la satisfaction, lenfermement et lactivation. Alors
que la satisfaction consiste amliorer le niveau de satisfaction des clients avec des
investissements spcifiques sur la qualit de loffre, lenfermement consiste mettre en place
des clauses contractuelles pour empcher le client de partir (tlphonie mobile, crdit
immobilier), lactivation quant elle consiste mettre en place des actions et dispositifs pour
stimuler activement la fidlit des clients.
Afin dviter le dpart de leurs clients, les entreprises mettent en place des actions autres que
les programmes de fidlit. Au nombre de ces actions nous avons :
- le processus de dpart qui consiste en une analyste descriptive du processus de dpart
(drop-out process)
- une analyse exploratoire permettant de dcrire le flux de clients qui quittent
lentreprise. Si les dparts sont nombreux, il est ncessaire de mettre en place des
actions de rtention.
- le profilage des clients qui partent : cette analyse consiste dresser le portrait robot
des clients qui quittent lentreprise.
- lanalyse de niveau et des causes dinsatisfaction : une telle analyse permet
danticiper les dparts et dagir ventuellement de faon prventive. Cette analyse
devra galement profiler les clients les plus insatisfaits afin de dterminer si une
tendance se dgage
59

- lanalyse des rclamations client : ces rclamations doivent permettre lentreprise


de comprendre les signes annonciateurs de dfection. Les clients qui ont quitt
lentreprise ont-ils fait des rclamations avant de faire dfection ? Lanalyse de ces
rclamations doit permettre de comprendre et danticiper les causes de dpart. Des
techniques comme le textmining ont t dveloppes afin daider les managers
automatiser lanalyse et le traitement des rclamations.
On peut galement faire rfrence aux modles prdictifs permettant de modliser la
probabilit de dpart des clients. Lune des premires mthodes en marketing relationnel est
celle dveloppe par Drew et al., (2001). Plus tard Batislam, Denitzel et Filiztekin (2007) ont
dvelopp un modle conomtrique probabiliste trs sophistiqu pour dtecter le statut du
client (actif ou non) et modliser son niveau dachat futur. Il faut cependant noter que mme
si ces modles sont apprcis des responsables marketing, leur application est trs complexe
(Peelen et al., 2009)
Le tableau ci dessous expose une typologie des programmes de fidlit.

Type

Programme
de

Seuil

Communi

Objectifs

Contre

Condition

requis

cation

principaux

parties

nement

Raliser au

Centre sur les

moins un

points collects les dpenses

gratuitement ou

donnant droit

ralises par

ncessitant un

des remises et

les clients et

paiement

des cadeaux.

allonge la

supplmentaire.

dure de vie

Rcompenses en

commerciale

lien troit avec le

(rtention)

produit/service

Remises et

capitalisation achat

Club de
clients

Augmente

Proposes

Sinscrire aux

Centre sur le

Augmente

conditions

produit, la

lengagement cadeaux,

dabonnement marque du

du client vis-

information,

stipules

prestataire ou

-vis de la

crdit, quelques

(historique

les points

marque et du

services autour

Fort

Faible

60

dachat,

offerts.

prestataire.

du

paiement

Engagement

produit/service,

dun droit

sur le long

etc.

dentre)

terme avec le
client qui
favorise les
achats

Programme

Dpasser un

Centre sur le

Augmente

Remise et

relationnel

nombre

client, son

durablement

cadeaux,

minimal de

usage du

lengagement information et

transactions

produit/service, du client

conseils, produits

au cours

et sa relation

envers

et services

dune priode

lunivers de la

lentreprise,

complmentaires,

donne, pour

marque.

et vice versa.

crdit, nombreux

acqurir un

services autour

statut

de loffre,

particulier

souvent avec des

Faible

partenaires, etc.

Tableau 4/ Titre : typologie des programmes de fidlit


Source: Broekhuizen I et Peelen E Het belonen van trouwe klanten , Tijdschrift voor
Marketing, juillet aot 1997, pp. 52-56

Cette section nous a permis de mettre en vidence les diffrentes mthodes de calcul de
performance et daborder la notion du cycle de vie du client. En faisant une revue de
littrature relative la notion de cycle de vie du client, nous avons approfondi nos
connaissances sur le thme et les diffrentes techniques dveloppes par les auteurs et les
entreprises afin de grer ce cycle de vie du client. Nous avons abord les techniques
dacquisition, de dveloppement et de rtention du client et avons expos quelques tudes
menes sur chaque phase du cycle.

61

Afin que cette revue de littrature soit complte, nous aborderons dans la section suivante,
quelques tudes qui ont trait la notion de mesure de performance des outils logiciels CRM
sur le cycle de vie du client ou sur la performance globale de lentreprise.

II- MODELE DEVALUATION DE LA TECHNOLOGIE CRM : DES MODELES


EMPIRIQUES AUX FORMULATIONS DE CAUSALITES AVANCEES

Dans cette section, il est question de prsenter des modles dvaluation de la technologie
CRM pour la gestion de la relation client qui ont t tests empiriquement. Bien que les
travaux qui vont tre prsents abordent diffrents aspects de la performance, ils ont,
cependant, en commun le fait daccorder une importance particulire la question de
lvaluation de la performance des technologies CRM.
Les modles prsents dans cette section tentent de tester statistiquement la relation entre
lutilisation de la technologie CRM et son impact sur la performance organisationnelle. Dans
ces recherches, lunit danalyse est souvent lentreprise, et parfois la dyade entreprise/client.
Sans prtention dexhaustivit de notre part, nous avons essay de regrouper les tudes
empiriques se rapportant lvaluation de limpact de la technologie CRM sur la performance
relationnelle des entreprises. Ces dernires sont groupes dans le tableau suivant :

Auteurs

Titres de la publication

Pays de ltude

Goetz Greve et Sonke

Determinants of performance in Customer

10 pays

Albers (2006)

Relationship Management _ Assessing the

europens

technology usage _ performance link

Ben Pinkerton et Tim R.


Colman (2002)

Do CRM applications increase firm

Australie

performance?

J.E. Richard et al. (2008) The impact of customer relationship


management (CRM) technology on business-

Nouvelle
Zlande

to-business customer relationship

62

Johnson et al. (2008)

Driving Customer Relationship Management

USA

(CRM) performance: the role of knowledge


store and technology assimilation

Zouaoui Fekhta (2005)

Le rle mdiateur des technologies

Tunisie

dinformation sur la relation orientation


client-performance de lentreprise

Ang et Buttle (2006)

CRM software applications and business

Australie

performance

Chokri El Fidha et

Le rle des technologies de linformation et

Mohamed Hdi Charki

de la communication dans le dveloppement

(2008)

Tunisie

de la relation client.

Sunil Mithas, M.S.

Why do customer relationship management

Krishnan et Claes

application affect customer satisfaction?

USA

Fornell (2005)

Jayachandran et al.

The role of relational information processes

(2004)

and technologiy use in customer relationship

USA

management

Ed Peelen et al. (2006).

Reinartz et al. (2004)

A study into the foundation of CRM success

Pays bas

The CRM process : Its measurement and

Australie,

Impact on performance

Allemagne et
Suisse.

Tableau 5/ titre: tableau rcapitulatif des tudes empiriques sur limpact de la


technologie CRM sur la performance des entreprises

63

Il convient de remarquer quil nexiste aucun travail ralis en France sur la performance et
limpact de lutilisation des logiciels CRM sur la performance des entreprises. Lexploitation
de ce tableau se fera en deux parties. Tout dabord, nous nous attarderons particulirement sur
une slection de modles et ce, vu leurs contributions significatives, leurs originalits et
surtout leur ressemblance la proccupation qui est la notre. Ces modles font rfrences aux
travaux de Ang et Buttle (2006), Jayachandran et al. (2004), Reinartz et al (2004), J.E.
Richard (2008) et pour finir celui de Chikri El Fidha et Mohamed Hdi Charki (2008) qui
traitent de limpact de lutilisation des TIC sur la relation client. Les hypothses de
recherches, les mthodologies, les rsultats et les limites de chacune de ces tudes vont tre
examins et discuts. Ensuite, pour les autres travaux, prsents dans le tableau ci-dessus, une
prsentation sommaire de la mthodologie et des rsultats est expose de manire synthtique
sous forme dun tableau de synthse.

1- LES MODELES DE RECHERCHE EMPIRIQUES SUR LIMPACT DU CRM SUR


LA PERFORMANCE DES ENTREPRISES

Comme nous lavons annonc plus haut, cette partie abordera les recherches effectues par :
Ang et Buttles (2006), Jayachandran et al., (2004), Reinartz et al (2004), J.E. Richard (2008)
et pour finir celui de Chikri El Fidha et Mohamed Hdi Charki (2008)

1-1 Modle de Lawrence Ang et Francis Buttle (2006) mesurer limpact du CRM par
le ROI en se basant sur les tapes du cycle de vie du client

Lobjectif poursuivi par Buttle et Ang (2006) est de montrer la performance des entreprises
aprs lutilisation des logiciels CRM. Ces auteurs dfinissent le CRM comme tant: CRM is
the core business strategy that integrates internal process and functions, and external
networks, to create and deliver value to targeted customers, at a profit. It is grounded on high
quality customer data and enabled by IT soit en franais le CRM est la stratgie
fondamentale qui intgre des processus internes et des fonctions, et les rseaux externes, pour
crer et offrir de la valeur des clients cibls par rapport leur potentiel de rentabilit. Elle
est fonde sur la qualit des donnes client et rendue possible par les TIC (traduction
directe).
Dans leur publication, les auteurs soulignent que les TIC sont indispensables au CRM dans
ces diverses activits. Ils distinguent galement deux types de CRM savoir :
64

Le CRM analytique : activ pour tudier des donnes relatives la clientle et pour
rpondre aux questions suivantes : quest ce quil faut offrir cette dernire ?
comment segmenter la base de donnes client ?

Le CRM oprationnel activ pour automatiser la force de vente, les campagnes


marketing, les processus de service ainsi que la vente.

Pour Buttle et Ang, les logiciels CRM servent gnralement aider les entreprises grer
efficacement leurs relations avec les clients. Pour montrer la performance des entreprises
grce lutilisation des logiciels CRM, Buttle et Ang (2006) ont dvelopp le modle suivant.

Modle d'analyse

Software
Software
Performance
Performance
Exceeds
Exceeds
Customer
Retention
Acquisition
expectations
expectations

Software
Performance
Exceeds
Customer
development
expectations

Satisfaction
With
ROI
From CRM software

Improve
Company
profitability

Les performances du logiciel CRM de ANG et Buttles (2006)

Figure 10 / Titre : le modle de mesure de performance du logiciel CRM (Ang et Buttle ;


2006)
En se basant sur ce modle, les hypothses de recherches suivantes ont t proposes :
-

H1 : il existe une relation significative et positive entre la satisfaction avec le retour


sur investissement apporte par les logiciels CRM et la performance des logiciels
dpassant les attentes des entreprises en matire d'acquisition, de conservation et de
dveloppement de client.

H2 : il existe une relation significative et positive entre la satisfaction avec le retour


sur investissement apporte par les logiciels de CRM et lamlioration de la rentabilit
de lentreprise.

H3 : les grandes entreprises sont nettement plus enclins utiliser le logiciel de CRM
afin daider lacquisition de client, la conservation de client et au dveloppement
de client que les petites entreprises.
65

H4 : les grandes entreprises sont plus susceptibles dtre insatisfaites du retour sur
investissement rendu par les logiciels CRM que les petites.

H5 : les entreprises de services sont nettement plus susceptibles dutiliser les logiciels
de CRM afin daider lacquisition, la conservation et au dveloppement du client
que les autres entreprises.

H6 : les entreprises de services sont plus satisfaites du retour sur investissement des
logiciels de CRM que les non prestataires de services.

La collecte des donnes a t effectue auprs des responsables chargs de la relation clients
de 170 entreprises. Un taux de rponse de 23% a t atteint. Pour mesurer les construits du
modle, les auteurs ont utilis des chelles de mesure multi-items. Certaines des questions
mesurant des variables indpendantes sont nominales. Dautres mettant laccent sur
lutilisation des logiciels pour lacquisition, la conservation et le dveloppement du client sont
mesures laide de lchelle de Likert 7 points (1 pour ne contribue pas ; et 7 pour
contribue ). Pour les auteurs, lultime question lie la variable dpendante tait de savoir
si les logiciels CRM contribuent la rentabilit de lentreprise. Celle-ci aussi tait galement
mesure par lchelle de Likert comme celles dfinies plus haut.
39% des entreprises interroges seulement utilisent des logiciels CRM. Parmi celles qui
utilisent les logiciels CRM, 40% ont dclar quelles taient satisfaites (au dessus du point
mdian 4) avec le retour sur investissement gnr par ces logiciels ; 24% sont ni satisfaites ni
insatisfaites (milieu) et 20% se sont dclares insatisfaites (en dessous du point mdian). Le
reste des entreprises ne se sont pas prononces. Les rsultats ont montrs quil existe une
relation positive entre la satisfaction avec le retour sur investissement mis par les logiciels
CRM et la performance des logiciels dpassant les attentes des entreprises en matire
dacquisition, de conservation et de dveloppement du client. Il y a galement une relation
forte et positive entre la satisfaction avec le retour sur investissement mis par les logiciels
CRM et lamlioration de la rentabilit. Les rsultats de ces tudes montrent galement que
48% des entreprises utilisant les logiciels CRM pour soutenir le maintien de la clientle ont
indiqu quelles taient satisfaites des performances des logiciels et quils ont dpasss leurs
attentes. Il en est de mme pour le dveloppement de la clientle (42%).
Le tableau suivant synthtise les principaux rsultats trouvs dans ltude dAng et Buttle
(2006).

66

Synthse des rsultats de ltude de Ang et Buttle (2006)

Hypothse

Variables

Variables dpendantes

indpendantes

H1

Tests des
hypothses

La

Satisfaction avec le retour sur

performance

investissement des logiciels CRM

Valide

des logiciels
CRM

H2

Lamlioration

Satisfaction avec le retour sur

de la

investissement des logiciels CRM

Valide

rentabilit

H3

Taille de

Adoption de logiciel CRM

Non valide

lentreprise

H4

H5

Taille de

Satisfaction avec le retour sur

lentreprise

investissement des logiciels CRM

Secteur

Adoption de logiciel CRM

Valide

Valide

dactivit

H6

Secteur

Satisfaction avec le retour sur

dactivit

investissement des logiciels CRM

Non valide

Tableau 6 /titre : synthse des rsultats de ltude de Ang et Buttle (2006)


Les auteurs de cette tude sont arrivs la conclusion gnrale suivante : lutilisation des
logiciels est efficace pour soutenir la fidlisation, le dveloppement et lacquisition des
clients. Cependant, ils sont tous daccord pour signaler que le dploiement des logiciels CRM

67

dans lindustrie australienne est loin datteindre la maturit ; quils soient employs pour
lacquisition de clients, le maintien et le dveloppement de client.
Cette tude na pas apport les preuves que lutilisation des logiciels CRM aide
lacquisition, la conservation et au dveloppement du client.
A la fin de leur tude, Ang et Buttle (2006) saccordent sur le fait que ltude souffre dun
certain nombre de dinsuffisances savoir :
- Les tudes se sont focalises sur la satisfaction en termes de retour sur investissement
livr par les logiciels plutt que sur le retour sur investissement lui-mme
- Absences de mesures objectives de lamlioration de la rentabilit.
- Dfaut de connaissance sur lexprience des entreprises en matire dutilisation de
CRM
- Non connaissance du montant de linvestissement initial.
Cette tude, bien que significative, nous permet de constater que ce modle naborde pas
limpact de lutilisation des logiciels sur le cycle de vie du client. Cependant certaines parties
de cette tude montrent que lutilisation des logiciels CRM ne dpend pas de la taille des
entreprises et que les entreprises de services sont plus enclines utiliser les logiciels de CRM
que les autres. Dans cette tude, sil sagissait de mesurer limpact de lutilisation des
logiciels CRM, ces derniers auraient t utiliss comme variables indpendantes ou variables
mdiatrice, ce qui na pas t le cas. Nous pensons galement que lintroduction de
lexprience des entreprises en matire dutilisation de logiciels CRM comme variables de
contrle dans cette tude rendrait ce modle plus complet.
Dans le cadre de notre tude nous essayerons de complter cette tude dAng et Buttle (2006)
et de refaire un autre cadre danalyse conceptuelle.

1-2 Le modle de Reinartz et al (2004)

Reinartz et al (2004) ont concentr leur recherche sur lorganisation des processus CRM au
sein de lentreprise. Cette recherche a galement permis de mesurer limpact du CRM sur les
performances de lentreprise. Lune des questions fondamentales qui a guid cette recherche
est : comment conceptualiser les processus CRM. ? Autrement dit, comment mettre en uvre,
les trois principales dimensions de la relation client savoir : linitiation, la fidlisation et la
rsiliation ? Reinartz et al (2004) dfinissent le processus CRM comme : un processus
systmatique pour grer la relation client, de linitiation de la relation la rsiliation en
passant par lentretien, dans tous les points de contact clientle afin de maximiser la valeur du
68

portefeuille client . Les travaux de Reinartz tournent autour de deux questions fondamentales
savoir :
-

leffet principal du processus CRM sur la performance conomique de lentreprise

les lments qui servent deffet modrateur au processus CRM.

Pour mener bien leur recherche, les auteurs ont dvelopp le modle suivant :

Economic performance
CRM process
perceptual

Relationship initiation

H1

Relationship maintenance

objective

Relationship termination
H2
H3

Moderators
CRM compatible
Organizational alignment

Control
Industry

CRM Tecgnology

Modle d'analyse de la performance du crm de Reinartz et al

Figure 11 / Titre : Modle danalyse de la performance du CRM de Reinartz et al. (2004)


En se basant sur ce modle, les hypothses de recherches suivantes ont t proposes :

H1 : une plus grande performance conomique est associe une plus grande
excution des processus de CRM aux tapes dinitiation (a) dentretien (b) et de
rsiliation (c).
69

H2 : plus le niveau dalignement dorganisation compatible du CRM est lev, plus le


lien entre la performance conomique et la relation dinitiation (a), dentretien (b) et
de rsiliation (c) est grand.

H3 : Plus le niveau de la technologie de CRM est grand, plus le lien entre la


performance conomique et la relation dinitiation (a), de maintien (b), et de rsiliation
(c) est positif.

Dans cette recherche, la technologie CRM est utilise comme variable modratrice et le
secteur dactivit comme variable de contrle. Ils dfinissent la technologie CRM comme
tant la technologie informatique, qui est dploye dans le but de mieux acqurir de nouveaux
clients, de fidliser les clients existant et de grer la rsiliation de la relation. Pour les auteurs,
la technologie CRM fonctionne comme un facilitateur des activits du CRM et contribue
une meilleure performance.
Pour valider leur modle, une enqute transversale a t mene dans trois pays savoir :
lAllemagne, lAutriche et la Suisse en automne 2001. Sur la base dune revue de littrature et
dentretiens pr-test, les industries ont t choisies sur la base de caractristiques comme le
fait davoir une grande base de clients et lutilisation intensive dune varit de canaux de
communication. Un pr-test de questionnaire a t envoy sur

un petit chantillon de

directeurs de marketing et dexpert en CRM. Un second pr-test du questionnaire a t


effectu pour valider le questionnaire. Le questionnaire final a t envoy un chantillon de
1015 entreprises qui ont t tires des associations de lindustrie (liste des membres). Pour
augmenter le taux de rponses, les enquteurs ont effectu un appel tlphonique trois
semaines aprs les envois postaux. Il en rsulte un taux de rponse de 21,1%. Cest un taux
satisfaisant pour les enquteurs tant donn que le taux moyen pour les enqutes en gestion
est de 15 20% (Menon et al. 1999). Au total, 214 rponses ont t obtenues dont 211 taient
utilisables. Les rsultats suivant ont t obtenus :
H1 : la performance perceptuelle est forte pour lentretien et pour linitiation de la relation.
Par contre il est non significatif pour la rsiliation. En ce qui concerne la performance
objective, les trois coefficients sont peu significatifs. Ainsi, plus lentreprise sengage dans la
mise en uvre des processus CRM, en particulier pour linitiation et le maintien de la relation
et meilleure semble tre sa performance.
H2 : la performance perceptuelle est peu significative pour linitiation mais elle est assez
significative pour la rsiliation. Lhypothse nest pas valide pour ltape de lentretien de la
relation mais lassociation tait au moins dans la direction prsume (positive). En ce qui

70

concerne la performance objective, leffet modrateur est peu significatif pour linitiation de
la relation mais non significatif pour les deux autres tapes du processus CRM.
H3 : pour la mesure de la performance perceptuelle, lhypothse a t valide uniquement
pour la rsiliation de la relation. Pour linitiation de la relation lhypothse na pas t valide
car leffet modrateur a t ngatif. Pour le maintien de la relation leffet a une valeur
positive mais peu significatif. Pour les mesures objectives, les trois effets sont non
significatifs. Ce qui est contraire aux attentes des chercheurs. Ainsi, les auteurs sont arrivs
la conclusion selon laquelle la performance conomique dune entreprise travers les
processus CRM ne dpend pas ncessairement de la sophistication de la technologie CRM
utilise. Reinartz et al., (2004) ont trouv une relation ngative entre la technologie CRM et la
performance conomique de lentreprise.
Cette tude a permis de conceptualiser le processus CRM travers trois tapes qui sont :
linitiation de la relation, lentretien de la relation et la rsiliation de la relation. Elle ouvre
galement des voies de recherches intressantes. Les rsultats de cette recherche montrent que
la mise en place dun programme de CRM va au-del de la mise en place de la technologie.
Cette recherche, comme la premire recherche utilise, souffre de quelques insuffisances. En
ce qui concerne la technologie, aucune variable concernant lexprience des entreprises en
matire de technologie CRM na t utilise. Cette variable pourra donner une autre
orientation aux rsultats obtenus. Cette recherche ne mesure pas vraiment limpact de la
technologie CRM mais plutt cherche mesurer la performance gnrale de lentreprise
lemploi des processus CRM. Cest nanmoins, une piste trs intressante pour les travaux
que nous menons.

1-3 Evaluer les processus CRM travers un modle de causalit tendue : le modle de
Jayachandran et al. (2004)

Jayachandran et al., (2004) ont travaill sur le rle de linformation des processus relationnels
et de lutilisation de la technologie dans la gestion de la relation client. Leur objectif est de
conceptualiser et dexaminer le rle des processus dinformation relationnels et de la
technologie CRM en gestion de la relation client. Pour les auteurs, la gestion de la relation
client ncessite des processus dinformation relationnels qui permettent lentreprise de
rpondre efficacement et rapidement aux exigences du client, afin de solidifier la relation de
confiance ainsi que son engagement. Sur la base dune enqute prliminaire, les auteurs ont

71

russi dduire que le processus de construction de linformation relationnelle se compose de


cinq dimensions savoir :
-

la circulation de linformation ;

la capture de linformation ;

lintgration de linformation ;

laccs linformation ;

lutilisation de linformation

Les auteurs assimilent le problme de lutilisation des technologies CRM aux problmes
rencontrs par les entreprises au dbut des annes 80 avec lutilisation de linformatique pour
automatiser les activits commerciales.
Pour mener bien leur recherche, Jayachandran et al., (2004) ont dvelopp le modle de
recherche suivant :

Customer
relationship
orientation
Customercentric
management
system

Relational
information
process

Customer
relationship
performance

Organisation
performance

Customer
relationship
potential

CRM
technology use

Modle de Jayachandran et al .

Figure 12 / Titre : modle danalyse de Jayachandra et al., (2004)


En se basant sur ce modle, les hypothses de recherches suivantes ont t proposes :
-

H1 : lorientation client aura une association positive avec les processus dinformation
relationnelle.

72

H2 : le systme de management centr sur le client aura une association positive avec
le processus dinformation relationnelle.

H3 : une relation client potentielle aura une association positive avec le processus
dinformation relationnelle.

H4 : lorientation client, le systme de management centr client et la relation client


potentielle auront une association positive avec le processus dinformation
relationnelle.

H5 : le processus dinformation relationnelle aura une association positive la


performance de la relation client.

H6 : limpact positif du processus dinformation relationnelle sur la performance de la


relation client, sera renforc par ltendue de lutilisation de la technologie CRM.

H7 : la performance de la relation client aura une association positive avec la


performance organisationnelle.

Se basant sur les travaux de Di Maggio et de Powell (1983), les auteurs ont introduit
linfluence de la technologie CRM comme variable de contrle pour la performance
organisationnelle.

Pour le pr-test, une enqute prliminaire a t mene sur les sites web de CRM et a permis
dlaborer une liste dindicateurs. Ces mesures ont t pr-testes sur deux tapes avec des
chantillons duniversitaires et de gestionnaires. Les donnes ont t recueillies auprs de 46
gestionnaires responsables de la gestion de la relation client dans leurs entreprises. Une
analyse factorielle exploratoire a t mene sur les donnes ce qui a permis de rviser les
chelles et llaboration de questionnaire. Les variables comme lorientation client, le systme
de management centr client, les processus dinformation relationnelle (les cinq dimensions),
la performance de la relation client ainsi que la performance organisationnelle ont t mesurs
laide dune chelle de type Likert 7 points. Les 7 points de Likert ont t galement
utiliss pour la mesure de la relation client potentielle. En ce qui concerne lutilisation de la
technologie la mesure est semblable la mesure de linnovation dans les travaux de Han, Kim
et Srivastava (1998) selon les auteurs de ltude. Les enquts auront choisir dans une liste
de mots celui qui convient lapport de la technologie CRM dans la gestion de leur relation
client.
Un total de 172 rponses a t obtenu soit un taux de rponses de 15,56%. Aprs analyse, les
hypothses H1 et H2 sont valides, par contre H3 qui propose que la relation client potentielle
aurait un effet positif sur le processus dinformation relationnelle na pas t valide.
Toutefois, lhypothse 4 qui stipule que la combinaison de lorientation client, le systme de
73

management centr client et la relation potentielle client aurait un effet positif sur le processus
dinformation relationnelle a t valide. Ce qui signifie que ces facteurs ont une influence
synergique sur les processus dinformation relationnelle.
Lhypothse H5 a t valide, elle confirme que les processus dinformation relationnelle sont
associs positivement la performance de la relation client. En ce qui concerne lhypothse
H6, il a t montr que lutilisation de la technologie CRM permet damliorer limpact des
processus dinformation relationnelle sur la performance de la relation client, ce qui signifie
quelle est valide. Lhypothse 7 galement a t valide justifiant quil y a un rapport positif
entre la performance de la relation client et le rendement financier.
Les auteurs ont galement valu le principal effet de lutilisation de la technologie CRM sur
la performance de lorganisation. Ils ont conclu quune relation significative na pas t
observe. Toutefois, ils ont montr que lutilisation de la technologie CRM renforce la
performance de la relation client en association avec les processus dinformation relationnelle.
Cette tude, comme les prcdentes souffre de quelques insuffisances. Les auteurs,
Jayachandran et al. (2004) nont pas tenu compte de lexprience des entreprises en matire
de technologie CRM ce qui aurait pu donner une autre orientation aux rsultats obtenus.
Ltude na pas abord limpact des aspects de lutilisation de la technologie CRM sur les
lments tels que la vente, le marketing et autre. En plus, cette tude na rellement pas pour
objectif de mesurer limpact de lutilisation des technologies CRM sur le cycle de vie du
client mais plutt sur la performance gnrale de lentreprise. En conclusion leur travaux,
Jayachandran et al., (2004) suggrent ce que des recherches soient faites afin dexaminer le
rles des diffrentes dimensions de la technologie CRM sur la performance de la relation
client.

1-4 Le modle J.E. Richard (2008)

J.E. Richard a publi une recherche en 2008 intitule limpact des technologies CRM sur la
relation B to B. Cette recherche a t mene en Nouvelle Zlande pour explorer la relation
entre ladoption de la technologie CRM, lorientation vers le march et le marketing
relationnel, et limpact sur les relations daffaires et la performance de la relation. Un modle
a t dvelopp afin de tester et de valider ladoption de la technologie CRM. Ce modle
sappuie sur de nombreuses hypothses. Dans ses recherches, J. E. Richard a considr la
technologie CRM sous forme de trois variables savoir :
- lacceptation de la technologie CRM ;
74

- la fonctionnalit de la technologie CRM


- lintgration de la technologie CRM
Le modle est le suivant :

Market Orientation (MO)


Market
turbulence
IT Management
Orientation (ITMO)

Technology
turbulence

Relationship strength (RS)


Trust
Commitment
Communications
quality

H6

Relationship Performance (RP)


Customer satisfaction
Customer loyalty
Customer retention

CRM Technology Adoption (CTA)


CRM Functionality
CRM Acceptance
CRM Integration

Customer
Relationship
orientation

Customer CRM expectations

Figure 13 / Titre : Modle danalyse de performance de la technologie CRM de Edward


Richard.

Sur la base de ce modle, les hypothses suivantes ont t mises :


-

H1 : plus le niveau dorientation du march de lentreprise est grand, plus le niveau


dadoption de la technologie CRM au sein de lentreprise est grand.

75

H2 : plus le niveau dorientation march de lentreprise est grand, plus la force de la


relation entre lentreprise et le client est grande.

H3 : plus le niveau de lorientation en management des TI est grand, plus le niveau


dadoption des technologies CRM est grand.

H4 : plus le niveau de ladoption de la technologie CRM au sein de lentreprise est


grand, plus la force de la relation avec le client est grande.

H5 : plus le niveau dadoption de la technologie CRM au sein de lentreprise est


grand, plus la performance de la relation client sera leve.

H6 : plus la force de la relation est grande, plus leve sera la performance de la


relation client.

H7 : plus le niveau de lorientation client est grand, plus leffet de ladoption de la


technologie CRM sur la force de la relation et la performance de la relation est grand.

H8 : plus les attentes des clients en matire de CRM sont grandes, plus leffet
ladoption de la technologie CRM sur la force de la relation et la performance de la
relation est grand.

H9 : plus le niveau de la turbulence du march est grand, plus leffet de lorientation


march sur ladoption de la technologie CRM est fort.

H10 : plus le niveau de la turbulence de technologie est grand, plus leffet de


lorientation march sur ladoption de la technologie CRM est fort et leffet de
lorientation en management des TI sur ladoption de la technologie CRM est fort.

Dans cette tude, la force de la relation ainsi que la performance de la relation ont t choisies
comme variables dpendantes. Trois variables indpendantes ont t dsignes savoir :
lorientation march (mise en place dune stratgie relationnelle oriente client), orientation
management des IT et ladoption de la technologie CRM. Il faut noter que dans cette tude,
les chercheurs ont pris ladoption de la technologie CRM la fois comme variable dpendante
et variable indpendante. Il y a galement des variables modratrices et des variables de
contrle comme :
-

lorientation client et les attentes des clients en matire de CRM comme variables
modratrices

les turbulences du march et les turbulences de la technologie

Les mesures sont varies et multiples, de lchelle de Likert aux valeurs nominales en passant
par dautres formes dchelles.
Pour la premire phase de ltude, les informateurs cls des moyennes et grandes entreprises
de Nouvelle Zlande ont t mis face--face pour discuter de limpact de la technologie CRM
76

sur la relation B to B. Un autre entrevu a eu lieu galement avec les clients afin de dterminer
leur point de vue sur la relation client fournisseur. Les rsultats issus de ces entrevus ont
permis daffiner le modle de recherche, de confirmer et dajuster les hypothses. Aprs cette
phase, une enqute postale a t mise en uvre afin de tester empiriquement la capacit
explicative du modle conceptuel travers un certain nombre dentreprises de Nouvelle
Zlande.
Les donnes ont t collectes sparment la fois chez les fournisseurs et les clients. 1689
entreprises ont reu les questionnaires dans les secteurs de la fabrication, de communication,
de services et de lindustrie. Les entreprises client ont aussi t interroges. Les rponses
fournies par chaque entreprise ont t jumeles avec celles fournis par lentreprise client
correspondante. Les auteurs ont choisi comme unit de recherche la dyade client fournisseur.
Finalement 526 entreprises de fournisseurs ont accept participer ltude et 167
questionnaires ont t retourns et 140 dyades collectes. Les rsultats de lenqute ont t
analyss laide de lanalyse factorielle exploratoire avec le logiciel SPSS. La technique des
moindres carrs partiels de modlisation dquations structurelles a t utilise pour confirmer
le modle de mesure et tester les hypothses. Aprs analyse, les rsultats de ltude sont
rsums dans le tableau suivant :

Intitul

Hypothse

Rsultat

Hypothses principales

H1

Plus le niveau dorientation du march de lentreprise est

Valide

grand, plus le niveau dadoption de la technologie CRM au


sein de lentreprise est grand

H2

Plus le niveau dorientation march de lentreprise est grand,

Valide

plus la force de la relation entre lentreprise et le client est (Indirectement)


grande.
H3
Plus le niveau de lorientation en management des TI est

Valide

grand, plus le niveau dadoption des technologies CRM est


grand

77

H4

Plus le niveau de ladoption de la technologie CRM au sein de

Valide

lentreprise est grand, plus la force de la relation avec le client


est grande

H5

Plus le niveau dadoption de la technologie CRM au sein de

Valide

lentreprise est grand, plus la performance de la relation client (Indirectement)


sera leve
H6
Plus la force de la relation est grande, plus lev sera la

Valide

performance de la relation client


Hypothses secondaires

H7

Plus le niveau de lorientation client est grand, plus leffet de

Non valide

ladoption de la technologie CRM sur la force de la relation et


la performance de la relation est grand.

H8
Plus les attentes des clients en matire de CRM sont grandes,

Non valide

plus leffet ladoption de la technologie CRM sur la force de la


relation et la performance de la relation est grand.
H9
Plus le niveau de la turbulence du march est grand, plus

Non valide

leffet de lorientation march sur ladoption de la technologie


CRM est fort.
H10
Plus le niveau de la turbulence de technologie est grand, plus

Non valide

leffet de lorientation march sur ladoption de la technologie


CRM est fort et leffet de lorientation en management des TI
sur ladoption de la technologie CRM est fort

Tableau 7/ Titre : rcapitulatif des rsultats de J.E. Richard (2008)

78

Comme le montre le tableau, les hypothses 1 et 3 sont valides : lorientation march et


lorientation managriale en IT ont une influence positive sur ladoption de la technologie
CRM. Lhypothse 4 est galement valide ce qui indique linfluence positive de ladoption
des technologies CRM la force de la relation entre le client et le fournisseur. La force de la
relation a galement un effet positif sur la performance de la relation, ce qui valide
lhypothse 6. Les effets des variables modratrices comme lorientation client et les attentes
des clients en matire de relation client dans les hypothses 7 et 8 ne sont pas significatifs.
Ces hypothses sont donc rejetes. Il en est de mme pour les hypothses 9 et 10. En
revanche, il ny a aucune preuve empirique manant des donnes de ltude que
lorientation march affecte directement la force de la relation entre fournisseur et client.
Ce qui rejette lhypothse 2. Cependant, des effets indirects par le biais de ladoption de la
technologie CRM sont vidents. Lhypothse 5 aussi a t rejete car les donnes ne
permettent pas de conclure que ladoption de la technologie CRM a une influence positive sur
la performance de la relation. Toutefois, il y existe des preuves importantes deffets indirects
par le biais de la force de la relation.
Cette tude a contribu normment la comprhension de limpact des technologies sur la
relation client fournisseur dans une logique B to B. Cependant des limites et des insuffisances
sont signales. Selon nous, lexprience des entreprises en matire de technologie CRM na
pas t incluse comme variable dans ltude. Selon les auteurs, le test est bas sur des donnes
prises un moment donn alors que le CRM est un processus volutif puisque les variables
comme lorientation march et la satisfaction des clients sont appeles changer au fil du
temps. Ils reconnaissent galement quils auraient pu inclure dautres variables telles que
lopportunit stratgique entre les organisations et le pouvoir asymtrique inter-entreprises.
En ce qui concerne ladoption de la technologie CRM, les chelles de mesures ont t cres
pour cette tude, il est donc possible que de nouvelles mesures apparaissent pour mieux
valuer limpact.

1-5 Modle de Chikri El Fidha et Mohamed Hdi Charki (2008)

A la recherche dun modle qui nous permettrait de mesurer limpact de lutilisation des
outils logiciels CRM sur le cycle de vie du client, nous avons dcouvert ce travail effectu par
Chikri El Fidha et Mohamed Hdi Charki publi en (2008) dans la revue des Sciences de
gestion qui mesure limpact de lutilisation des TIC sur la relation client dans le secteur
bancaire. Cette tude nous est apparue intressante plus dun titre car mesurant limpact de
79

lutilisation des TIC sur la relation client. La similitude avec notre travail est vidente car
nous cherchons mesurer limpact de lutilisation de logiciels CRM sur le cycle de vie du
client. Afin dapprhender les TIC, ils ont utilis la dfinition de Martin et al. (1999). Ces
auteurs dfinissent les TIC comme toutes formes de technologies utilises pour crer,
enregistrer, manipuler, communiquer, changer, prsenter et utiliser les informations sous
diverses formes (donnes, voix, images, prsentations multimdia) et toutes les autres formes
incluant celles qui ne sont pas encore cres .
Pour mesurer limpact de lutilisation des TIC sur la relation client fournisseur, les auteurs ont
dvelopp le modle de recherche suivant :

Utilisation
des TIC

La confiance

La complexit de
l'interface

Qualit de la
relation
L'intgrit du rle

L'engagement

La communication

Modle d'analyse de l'impact de l'utilisation des TIC sur la relation client fournisseur

Figure 14 /Titre : Modle de Chikri El Fidha et Mohamed Hdi Charki (2008)


Les hypothses de recherches sont les suivantes :
-

H1 : ladoption des TIC dans les relations client amliore la qualit de la relation dans
les services bancaires.

H2 : ladoption des TIC dans la relation client favorise ltablissement de la confiance.

H3 : ladoption des TIC dans la relation client favorise la communication.

80

H4 : ladoption des TIC dans la relation client favorise lengagement.

H5 : ladoption des TIC dans la relation client a un effet positif sur la perception de
lintgrit du responsable du compte.

H6 : ladoption des TIC a un effet positif sur la perception de la complexit de


linterface.

Le contexte de ltude tait le secteur bancaire, lchantillon se compose 160 entreprises


tunisiennes utilisatrices des TIC dans leurs relations dans leurs banques respectives. Les
rpondants taient les directeurs administratifs. Les rponses valides taient de 106 soit un
taux de rponse de 66%.
La variable indpendante, utilisations des TIC a t mesure par quatre indicateurs
savoir :
-

UMAI : utilisation du mail

UNIT : utilisation de linternet

UTEL : utilisation du tlphone

UFAX : utilisation du faxe

Le test des hypothses de recherche a t fait grce au logiciel SPSS et Lisrel 8.3. Le niveau
dajustement du modle est valu par la statistique de chi-deux.
Toutes les hypothses ont t valides, cependant on remarque que cet impact est trs
significatif sur la complexit de linterface, modr sur la communication et lengagement,
puis assez faible sur la confiance. Lutilisation des TIC a un effet modr sur lintgrit du
rle du responsable de compte. Les auteurs en concluent que: lutilisation des TIC a un effet
positif sur la relation banque/entreprise exprime en termes de complexit de linterface, de
communication entre lentreprise et sa banque, de lintgrit du rle du responsable de
compte, dengagement des entreprises dans la relation banque/entreprise et de confiance.

2- SYNTHESE DES TRAVAUX EMPIRIQUES DEVALUATION ET DIMPACT DE


LUTILISATION DE LA TECHNOLOGIE CRM

En plus des travaux cits dans la section prcdente, nous aborderons ici les tudes
empiriques existant au niveau de la littrature propos de limpact de lutilisation de la
technologie CRM sur la performance des entreprises. Sans prtention dexhaustivit, nous
allons prsenter celles qui nous paraissent les plus intressantes dans le cadre de notre
recherche. Une synthse de ces travaux est prsente dans le tableau suivant.

81

Tableau de synthse des travaux empiriques de limpact de la technologie CRM

Auteurs

Variables explicatives

Variables

Echantillons et collecte

Mthodes

expliquer

des

danalyse

Rsultats

donnes

Goetz Greve

Lutilisation de la

- La performance

400 entreprises de la base

Mthode

- Lutilisation de la

et Sonke

technologie CRM

des trois phases du

de donnes dAccenture

dquation

technologie CRM a un

cycle de vie du

dans 10 pays europens.

structurelle

impact positif sur les trois

client.

Taux de rponse 22,5%.

phases du cycle de vie du

- Performance sur

Personnes interroges :

client.

linitiation de la

cadres suprieurs

- La technologie CRM na

relation.

marketing.

pas dimpact direct sur la

Albers (2006)

- Performance sur le

performance de

dveloppement de

lentreprise au niveau des

la relation.

trois phases du cycle de

- Performance sur la

vie du client.

rupture de la

Les rsultats montrent une

relation.

relation significative pour


le secteur des services

82

financiers que pour les


autres secteurs dactivit

Ben
Pinkerton et

La mise en uvre de la

- Laccroissement

100 personnes interroges

Analyse de

- Plus les entreprises

technologie CRM

de la performance

par diverses mthodes

contenu

mettent en uvre toutes

de lentreprise.

directes et indirectes

les fonctionnalits du

denqutes. Personne

CRM, meilleurs sont leur

interroges : cadre

rendement.

Tim R.
Colman
(2002)

suprieurs et consultants.

Johnson et al. Lentrept de connaissance


(2008)

et la base connaissance de
la technologie (assimilation
de la technologie CRM)

- La performance

22O entreprises ont

CRM de lentreprise rpondu soit un taux de


rponse de 34%.

Analyse

La base de connaissance

factorielle

relationnelle client a un

exploratoire

effet positif sur la

avec le logiciel

performance CRM de

SPSS

lentreprise.
La base de connaissance
en technologie a un effet
positif sur la performance
CRM de lentreprise
Lassimilation de la
technologie CRM a un

83

effet positif sur la


performance CRM de
lentreprise

Zouaoui

Orientation client

- Performance de

113 questionnaires ont t

Analyse

- Le degr dorientation

lentreprise

retourns (en Tunisie).

factorielle

client dune firme a un

Adoption de la technologie

exploratoire

impact sur sa

de linformation pour la

avec le logiciel

performance.

gestion de la relation client

SPSS.

- Lutilisation de la

Fekhta (2005)

technologie dinformation
nest pas une variable
mdiatrice du lien
orientation client et
performance.

-Lutilisation de
Lutilisation dapplications

La connaissance

Les donnes sur

Approche

application CRM

CRM

client

lutilisation dapplication

spciale

amliore la connaissance

Krishnan et

La satisfaction

CRM ont t recueillies

probabiliste non client.

Claes Fornell

client.

chez Information week sur

linaire.

Sunil Mithas,
M.S.

-Lutilisation des

84

(2005)

plus de 300 grandes

applications CRM

entreprises des USA.

amliore la satisfaction

Les donnes sur la

client.

satisfaction du client ont


t obtenues chez (ACSI)
indicateur fiable de
luniversit de Michigan
aux USA ;

Ed Peelen et

Les composantes du CRM :

Les composantes du

250 entreprises

Modle

La russite du CRM

al. (2006).

limplication des dirigeants,

CRM.

nerlandaises

dquations

dpend du dveloppement

la stratgie, la technologie,

La russite du CRM

structurelles

dune vision et dune

linformation, les

stratgie CRM.

processus, lorientation

Les composantes du CRM

client, la gestion client, la

(information, processus et

mesure.

technologies) sont lies

Tableau 8 / Titre Synthse des travaux empiriques dvaluation et dimpact de lutilisation de la technologie CRM

85

CONCLUSION DU CHAPITRE 2

La recherche en sciences de gestion a accord un intrt la notion de performance et son


valuation. Ce concept de performance au sein des entreprises a volu au fil des temps,
passant dune vision purement financire base sur les indicateurs (la valeur ajout, excdent
brute dexploitation, le retour sur investissement) une vision beaucoup plus large
(association dindicateurs financiers et non financiers). Dans ce chapitre nous avons abord
cette notion de performance et sa mesure et avons prsent quelques outils de mesure de
performance tels que la balanced scorecard et la chane de profits comme mthode de calcul
de performance tenant compte aussi bien des performances financires et non financires. En
ce qui concerne la balanced scorecard, le modle de base a t dvelopp par Kalan et Norton.
Souvent appel tableau de bord prospectif, il est compos de quatre catgories dindicateurs
de performance dont lune exclusivement consacre des mesures lies la satisfaction
client. Ce modle a subi des apports de la part de plusieurs chercheurs comme Kim, Suh et
Hwang (2003) qui ont prsent un modle pour valuer lefficacit du CRM en se basant sur
le modle dorigine de Kaplan et Norton. Kim (2003) et ses collaborateurs ont remplac les
quatre perspectives traditionnelles par dautres refltant une philosophie centre sur le client
dans lvaluation du CRM.
Nous avons galement abord dans ce chapitre, la notion du cycle de vie du client. Nous
avons dfini le cycle de vie du client comme tant un processus trois tapes successives
savoir lacquisition, le dveloppement et la rtention du client. Le cycle de vie du client nest
pas un mouvement cyclique comme on pouvait sy attendre mais plutt un mouvement
linaire et dynamique. Ce cycle peut devenir un mouvement cyclique si on intgre dans nos
analyses la reconqute du client perdu. Un client perdu peut en effet tre reconquis grce aux
techniques sophistiques de marketing. Dans notre recherche nous nintgrons pas la
reconqute car aucun chercheur (Reichheld 1996, Lars Meyer- Waarden 2004 ; Reinartz et al.,
2004) de notre revue de littrature naborde cette notion en traitant le cycle de vie du client.
La performance du cycle de vie du client peut tre mesure par le taux de conversion de
prospect en client, le taux de rtention, la progression du chiffre daffaires et le taux de
fidlisation. Il existe des techniques pour amliorer chaque tape du cycle de vie du client, ces
diffrentes techniques ont t dveloppes dans ce travail. Des techniques de recrutement de
nouveaux clients aux techniques de rtention sans oublier les techniques de dveloppement du
client.
86

Un large ventail des modles empiriques de recherche relative lutilisation de la


technologie CRM a t prsent. Cette prsentation sest limite aux publications les plus
rcentes afin de montrer la forte progression de la technologie dans la gestion de la relation
client ces dernires annes. Aucun des travaux prsents naborde lutilisation des outils
logiciels comme variable explicatives. Certains lont utilis comme variable modratrice. En
revanche, Ang et Buttle ((2006) ont essay daborder la performance des logiciels CRM mais
eux aussi se sont contents de dterminer la satisfaction apporte par lutilisation de ces
logiciels sur chaque tape du cycle de vie du client. Leurs travaux font partie des seuls avoir
abord de manire explicite lutilisation des logiciels CRM. Cependant, tous ces travaux ont
apport une certaine comprhension des variables utilises et les rsultats obtenus permettront
de concevoir notre modle conceptuel danalyse.

87

CHAPITRE 3

IMPACT DE LUTILISATION DES LOGICIELS CRM SUR LE CYCLE DE VIE DU


CLIENT : PROPOSITION DUN MODELE DANALYSE ET DEVELOPPEMENT
DES HYPOTHESES DE RECHERCHES
INTRODUCTION
Ce chapitre sera consacr principalement au dveloppement de notre modle conceptuel
danalyse ainsi quau dveloppement des hypothses de recherche. Il est organis de la
manire suivante. En premier lieu, nous prsenterons le modle conceptuel danalyse et les
diffrents lments qui le constituent. Le dveloppement des diffrentes hypothses de
recherches sera prsent en second lieu. Pour finir nous prsenterons un tableau rcapitulatif
des diffrentes hypothses.

I-

MODELE CONCEPTUEL DANALYSE DE MESURE DE LIMPACT DE

LUTILISATION DES LOGICIELS CRM SUR LE CYCLE DE VIE DU CLIENT

1- CADRE THEORIQUE DE MESURE DE PERFORMANCE

Nous avons dit prcdemment que le marketing relationnel est considr comme une nouvelle
thorie du marketing (Hetzel 2004) et que le CRM est une application du marketing
relationnel (Gummesson 2004 ; Vargo et Lusch 2004). Une entreprise qui adopte le marketing
relationnel est oriente client et a donc une stratgie relationnelle. Les technologies et les
applications CRM ont volu et continuent dvoluer surtout grce la concurrence et aux
exigences des entreprises. Il en est de mme pour les investissements des entreprises en
matire de logiciels CRM. Les entreprises croient la capacit des logiciels amliorer le
cycle de vie de leurs clients.
Dans le pass, Crosby et johnson (2000)1 ont montr dans une tude que 60% des installations
de logiciels CRM chouent et ne donnent pas les rsultats escompts. Il existe plusieurs
raisons ces checs. Mitchell, A. (2003)2 affirme que le vrai problme avec le CRM est quil
nest pas souvent soutenu par une stratgie marketing relationnel. Pour cet auteur, la mise en

Crosby, L.A. Johnson, S.L. (2000) what to do before going 1-to-1 marketing management, vol.9 no 4 pp.
15-21
2
. Mitchell,A (2003) crm failing as it yields one- sided relationship precision marketing. P 14

88

place dune stratgie relationnelle aurait un effet modrateur sur limpact de lutilisation des
logiciels CRM sur le cycle de vie du client. Lorsque nous nous appuyons sur la dfinition du
CRM suggre par Pierre Alard et Pierre Arnaud Guggmos (2005), nous constatons,
quoutre la stratgie relationnelle, la connaissance client et la gestion efficace des canaux de
communication peuvent constituer des variables modratrices lutilisation des logiciels
CRM. En effet, Pierre Alard et Pierre Arnaud Guggmos (2005) dfinissent le CRM comme
une dmarche organisationnelle qui vise mieux connatre et mieux satisfaire les clients
identifis par leur potentiel dactivit et de rentabilit, travers une pluralit de canaux de
contact, dans le cadre dune relation durable, afin daccrotre le chiffre daffaires et la
rentabilit de lentreprise . Cette dfinition laisse apparatre les trois variables prcites qui
constitueront les variables modratrices de notre modle danalyse.
Il y a trs peu de recherches sur limpact direct de lutilisation des logiciels CRM sur la
relation client encore moins sur le cycle de vie du client. La plupart des recherches prsentes
dans le chapitre prcdent (Reinartz et al., 2004 ; Jayachandran et al.,2004 ; Goetz Greve et
Sonke Albers, 2006 ; Johnson et al., 2008) abordent lutilisation des logiciels sans trop se
focaliser sur la capacit des logiciels rpondre aux rels problmes des entreprises.
Lvaluation de lefficacit dun logiciel CRM dpend de plusieurs variables dterminantes
savoir :
-

La capacit du logiciel regrouper les informations venant de divers canaux de


communication (CRM collaboratif)

La capacit analyser les informations client afin doffrir la meilleure rponse


possible au client (CRM analytique)

Lautomatisation des campagnes marketing et de la force de vente (CRM


oprationnel).

Trayssac F. (2002) voque les solutions AOC du march en abordant les capacits
Analytique, Oprationnelle et Collaborative des logiciels CRM. Cette notion de capacit a t
voque par Zikmund et al., (2003) et Nga (2005). Ces chercheurs estiment que la capacit
fournir en temps rel des informations prcises et crdibles travers les points de contact
client, peut influencer la force de la relation client fournisseur. Dautres comme Geissler,
(2001) et Mac Donald et Smith (2004) trouvent que la capacit entretenir une relation
interactive est un avantage inhrent la technologie CRM. La littrature suggre que la
majeure partie dune application CRM correspond un ensemble de capacits lies la
technologie CRM (Croteau et LI, 2003) pour obtenir la comprhension du client (Bose et
Sugumaran 2003 ; Zahay et Griffin 2004). Cela comprend lacquisition, le stockage, la
89

diffusion et lutilisation des informations client (Sinkula, Baker et Noordewier, 1997 ; Slater
et Narver 1995) dans le but dengagement et de conserver une meilleure relation avec le
client.
Bien quil existe peu dtudes sur le sujet, nous avons une forte conviction que lutilisation
des logiciels CRM devrait influencer positivement les lments tels que :
-

Le taux de conversion client prospect cause de la fonction analytique des logiciels.

Lamlioration de la connaissance du client par laccumulation dinformations


provenant des divers anaux de communication.

Lamlioration du chiffre daffaire gnrer par les clients grce la prcision des
propositions effectues aux clients

La diminution du taux de dfection client grce lcoute et lanalyse des


rclamations des clients.

Cette conviction se trouve soutenue par les rsultats et les perspectives proposes par Buttle,
(2004) et Payne et Frow (2006) galement. Lide centrale de lefficacit dun logiciel CRM
est quil doit tre capable de produire de la valeur, tant pour le client que pour lentreprise.
Selon J. W. Kim et al., (2004), une des mesures de succs de la relation client est la force de
la relation. Souvent plus une relation est forte, plus le client est fidle donc procde plus
dachat. Ce rsultat est fortement conditionn par la capacit dinteractivit favorise par
lutilisation de la technologie CRM (Zikmund et al., 2003 ; Nga 2005). Ben Pinkerton et Tim
R. Colman (2002) ont montr que plus les entreprises mettent en uvre toutes les
fonctionnalits du CRM, meilleur est leur rendement. Cette notion fonctionnalit renvoie la
notion de capacit. Donc pour les chercheurs, plus une entreprise se dote dun logiciel avec
toutes les capacits ncessaires, meilleur sera son rendement.
La littrature dans le domaine, met laccent sur labsence dune stratgie relationnelle comme
cause dchec des projets CRM (Ed Peelen, 2005). Jallat et al (2006) suggrent que pour
russir la mise en place de la technologie CRM, lentreprise doit se poser des questions
comme :
-

Quelle connaissance des clients lentreprise possde t-elle ?

Semploie t-elle consolider ses liens avec les meilleurs clients ?

Dans quelle mesure est elle oriente client ?

Pour ces auteurs, les applications CRM ne fonctionnent plein rgime que si lentreprise
matrise au pralable les fondamentaux de la relation client. Ils conclurent en soulignant quil
est hautement prfrable que la technologie vienne aprs la stratgie et les questions
dorganisation. Ils ont men une tude sur 250 entreprises nerlandaises avec la mthode
90

dquation structurelle et ont conclu que la russite du CRM dpend du dveloppement dune
vision et dune stratgie CRM et que les composantes du CRM (information, processus et
technologies) sont lies.

2- MODELE CONCEPTUEL DE LA RECHERCHE

Cette tude, a pour objectif de mesurer limpact de lutilisation des logiciels CRM sur le cycle
de vie du client. Nous cherchons alors savoir leffet de lutilisation de ces logiciels sur le
cycle de vie du client. Une tude causale, nous permettra dobtenir des preuves de relation de
cause effet entre les diffrentes variables. La causalit se dfinit comme le rapport de la
cause leffet quelle produit (Vandangeon-Derumez et Mbengue, 2007). Selon Zaltman et
al.,( 1973), une variable est considre comme une cause, lorsquelle occasionne ou affecte un
rsultat. Pour ces auteurs, les causes font rfrence aux facteurs par lesquels les phnomnes
se produisent ou changent. Cette relation de causalit est souvent mise en vidence en utilisant
la modlisation par quation structurelle. Jolibert et Jourdain (2006), estiment que la
modlisation par les quations structurelles est une technique danalyse globale dont les cas
particuliers sont la rgression, lanalyse canonique, lanalyse de variance et lanalyse
factorielle. Ainsi, en nous inspirant des travaux de Reinartz et al. (2004) de Jayachandran et
al., (2004) et de Goetz Greve et Sonke Albers (2006), et en nous situant dans le cadre
thorique de mesure bas sur les capacits des outils logiciels CRM voqu par Zikmund et
al., (2003) et Nga (2005), nous proposons notre modle conceptuel danalyse tel que prsent
dans la figure ci-dessous.

91

Variables modratrices

Stratgie
Relationnelle )

Gestion des
canaux de
communication

Connaissance
client

Performance du
cycle de vie
du client

Logiciel CRM
- CRM analytique

- acquisition du client

- CRM oprationnel

- dveloppement
du client

- CRM collaboratif

- rtention du client

Variables de contrle
- secteur d'activit
- l'exprience en matire
de logiciel CRM
- taille de l'entreprise

Modle conceptuel d'analyse

Figure 15 / Titre : Modle conceptuel danalyse dvaluation de lutilisation des logiciels


CRM sur le cycle de vie du client (Coovi Byblice, 2010)
Le modle est compos de quatre parties. La premire concerne les logiciels CRM et toutes
les fonctionnalits possibles. Il sagit du CRM analytique, du CRM oprationnel et du CRM
collaboratif. Cette partie du modle comprend les variables explicatives La deuxime partie
traite des variables modratrices pouvant produire des effets de dinteraction avec les
capacits du logiciels CRM. Trois variables modratrices ont t extraites de la littrature : la
connaissance client, la stratgie relationnelle et la gestion des canaux de communication. La

92

troisime partie regroupe la performance du cycle de vie du client. Pour la troisime partie, il
est question de la performance du cycle de vie du client. Comme nous lavons signal plus
haut, il se sera mesur travers trois indicateurs savoir : le taux dacquisition de nouveaux
clients, le dveloppement du client et le taux de rtention des clients. Ce sont les variables
expliquer. Enfin, une quatrime partie qui traite des variables de contrle. Trois facteurs ont
t retenus : lexprience en matire de logiciel CRM et le secteur dactivit et la taille de
lentreprise. Nous allons maintenant dvelopper les hypothses de recherche.

II- DEVELOPPEMENT DES HYPOTHESES DE RECHERCHE

Cette section sera consacre la dfinition des diffrents concepts et au dveloppement des
hypothses de recherche.

1- LES VARIABLES INDEPENDANTES

1-1 Lutilisation du CRM analytique

Pour Irina et Buttle (2006), le CRM analytique recouvre les efforts pour constituer une base
de donnes clients, la ralisation danalyses de donnes pertinentes pour orienter les
investissements commerciaux et marketing, les efforts pour diffuser les informations en
interne de faon permettre les dmarches de vente croise (cross selling) et de monte en
gamme (up selling) et enfin les efforts pour diffuser les informations auprs du personnel en
contact afin de mieux servir le client. La capacit analytique dun logiciel CRM est sa
capacit stocker et analyser de trs vastes quantits de donnes gnres par les oprations
de marketing, de vente, de service aprs vente ainsi que les informations rcoltes sur le client
lors de contacts tlphonique, lectroniques ou encore grce des questionnaires.
Saint Cast (2003) dfinit le CRM analytique comme lensemble de tous les mcanismes
danalyse des donnes lies directement ou indirectement aux clients, prospects, partenaires
ou fournisseurs. Le CRM analytique a pour objectif de construire des modles de
comportement, de participer la segmentation/micro segmentation des typologies de clients,
danticiper des volumes de chiffres daffaires en simulant des taux dacceptation, de
concrtisations, par exemple sur les campagnes marketing (Saint Cast, 2003)
Daprs Crosby et Johnson (2002), le CRM analytique repose sur des technologies
intelligentes qui fournissent lentreprise une plate-forme permettant laide la dcision
93

marketing. Parmi ces technologies, on compte lentreposage des donnes (datawarehouse) et


le forage des donnes (datamining). Les lments amasss dans les entrepts de donnes
peuvent tre en rapport avec les prfrences, les comportements ainsi que lhistorique
du client, contribuant ltablissement dune mmoire institutionnelle enrichie au fur et
mesure par les interactions courantes avec le client (Brown, 2001). Le forage de donnes,
quant lui, permet, sur la base de fichiers clients ou dentrepts de donnes, de dtecter des
tendances gnrales et de rgles de comportement pouvant tre de nature causale,
prdictive ou descriptive. Grce au profiling, lentreprise est capable de classer ses
clients dans des segments prdfinis, dmographiques ou autres. Chen et Yuan-Ze et Ching
(2004) ont annonc que les mthodes telles le traitement analytique en ligne (OLAP) et
lextraction des donnes ont permis aux entreprises damliorer leur intelligence et leur
capacit collecter des donnes et de nouvelles informations sur le client et leur march.
En possdant une capacit analytique suffisamment dveloppe, lentreprise soffre la
possibilit dapprhender les comportements des clients, de dfinir des segments de march et
de dvelopper des modles prdictifs du comportement et des intentions du client (Crosby et
al. 2002).
Lefbure et Venturi (2005) dfinissent la capacit analytique comme cette capacit qui
correspond la capacit danalyse. Pour Dominique Moisand (2002), la capacit analytique
du logiciel permettra aux entreprises de calculer la probabilit exacte de chaque transaction
avec un client et daffiner de plus en plus les modles dcisionnels qui sous-tendent lactivit
commerciale.
Lutilisation du CRM analytique permet davoir des donnes de qualits ce qui augmente
lefficacit de la campagne de prospection. Les taux de rponse augmentent car lentreprise a
plus de chance dapprocher le bon client avec la bonne proposition doffre et au moment
opportun. Avec les outils analytiques, la probabilit de raliser une transaction augmente,
ainsi que celle dattirer un client qui a le profil adquat par rapport loffre propose. Des
chercheurs comme Roberts et Berger, (1999) ont mont que la qualit de la base de donnes a
beaucoup dinfluence sur le taux de rponse une campagne de marketing direct. Ces
chercheurs ont conclu que la qualit de loffre, la qualit du message et lattrait de la
promotion associe ont autant dinfluence sur la rponse que la seule composition du fichier.
Dautres tudes ont constat que lutilisation de la technologie CRM et les applications de
base de donnes pouvaient renforcer les relations par le biais de la vente croise (crossselling) et du up selling (Kamakura, Ramaswami et Srivastava, 1991 ; Kamakura, Wedel de
Rosa et Mazzon, 2003).
94

Une tude ralise par la socit Everest et luniversit Paris-Dauphine (2006)1 auprs de 206
directeurs marketing et commerciaux montre que lobjectif prioritaire de lutilisation du
CRM analytique nest plus simplement de dvelopper la connaissance client mais dexploiter
cette connaissance client pour recruter de nouveaux clients, accrotre la rentabilit des clients
et fidliser les clients existants.
Sur la base de tout ce dveloppement, nous pouvons alors formuler lhypothse suivante :

H1 : Plus lentreprise utilise la capacit analytique du logiciel CRM plus la performance


du cycle de vie du client est leve.
1-2 Lutilisation du CRM collaboratif

Pour Lefbure et Venturi (2005), cest la capacit fdrer les forces de lentreprise, qui
correspond la capacit de dmultiplication. Ce domaine met en oeuvre les technologies de
travail de groupe et consiste mettre en place des canaux ou des actions pour dialoguer avec
le client : messagerie lectronique, confrences, fax/lettres Cette partie "multicanal"
(Enterprise Marketing Automation ou EMA) a pour objet essentiel d'optimiser les contacts
clients et de transmettre le bon message au bon moment par le bon canal. Les entreprises
spcialistes du secteur CRM ne saccordent pas souvent sur la dfinition donner cette
division du CRM.

Gartner Group estime que le CRM collaboratif met en avant les

technologies entrant en jeu lorsquon est en contact avec le client (voix sur IP, web call
center), Scaconsult parle de la gestion des connaissances, partages et synchronisation
dinformations, dintgration back office et de bureaux nomades. Selon nos recherches et
compte tenu du nombre dditeurs de logiciel CRM contact, nous pouvons dfinir le CRM
collaboratif comme la mise en uvre de techniques collaboratives destines faciliter les
communications entre lentreprise et ses clients ainsi que lintgration avec les autres
dpartements de lentreprise.
La mise en uvre dun systme CRM lchelle de lentreprise nest gnralement pas une
solution cl en main en raison de processus idiosyncrasiques, des procdures et des
interfaces client (Gefen et Riding, 2002).
Un certain nombre de chercheurs (Bull 2003, Goodhue et al. 2002, M. Meyer et Kolbe, 2005,
Plakoyiannaki et Tzokas 2002) considrent la capacit collaborative des logiciels CRM
comme un facteur cl de succs de ladoption de la technologie CRM.
1

Source : daprs ltude diagnostic CRM ralis par Everest et luniversit Paris-Dauphine (2006)

95

Pour Buttle (2004) et Payne et Frow (2006), lintgration du logiciel au point de contact avec
le client est trs importante pour le succs de la mise en uvre de la technologie CRM. Cette
capacit intgrer le logiciel CRM aux autres systmes de lentreprise (financier, ressources
humaines, distribution et lexploitation) apporte de la valeur aux clients car les requtes des
clients peuvent tre traites avec plus de professionnalisme en temps rel et aux moments
opportuns. La capacit collaborative du logiciel favorise galement lintgration des centres
de contact client (centre dappel, mail, site web). Le CRM collaboratif permet linteraction
entre le client et le fournisseur. La succession des interactions permet la relation de prendre
de lampleur et selon la confiance et les liens ressentis lavenir de la relation se dessine
(Moller et Wilson, 1995).
Lutilisation du CRM collaboratif devrait se manifester chez le client par une satisfaction
totale (la prise en compte rapide de ses proccupations), ce qui renforcera la confiance et la
considration du client envers lentreprise. Depuis les travaux de Morgan et Hunt (1994) la
confiance est devenue un dterminant important de la relation client fournisseur. La thorie
selon laquelle des relations privilgies entre client et fournisseur peuvent contribuer une
amlioration significative des rsultats financiers a t assez largement dmontre. La plus
connue est celle prsente par Reichheld (1996). Selon cette thorie, lentreprise peut
diminuer de 5% le taux de dfection de ses clients grce une meilleure gestion relationnelle
de ses activits. Dans la mme tude, Reichheld (1996) montre que les clients satisfaits
peuvent eux-mmes attirer de nouveaux clients (sans ncessiter dinvestissements
supplmentaires de la part de lentreprise) en se faisant les ambassadeurs de la marque
concerne.
Dautres tudes ( Leuthesser et Kohli, 1995, Moon et Quelch 2004) ont galement montr
que les relations entre client et fournisseur pouvaient accrotre le montant des ventes par
client, le niveau moyen dachats cumuls, la valeur vie du client, la confiance, la satisfaction
et sans doute engendrer sa fidlisation. Tout ceci nous amne poser lhypothse suivante :

H2 : Plus lentreprise utilise la capacit collaborative du logiciel CRM, plus la performance


du cycle de vie du client est leve

1-3 Lutilisation du CRM oprationnel

Selon Lefbure et Venturi (2005), cest la capacit de mise en uvre qui correspond
laction. Cest lintgration et lautomatisation des processus horizontaux en liaison avec le
96

client (front-office : ventes, marketing, services client) et avec le back office. On retrouve
dans cette catgorie tous les outils de front-office, de la force de vente et de gestion des
campagnes marketing, sans omettre les centres dappels. Le CRM oprationnel concerne la
gestion quotidienne de la relation avec le client, travers lensemble des points de contact
(point de vente, tlphone, Internet etc.). Le CRM oprationnel, reprsente linterface directe
de lentreprise avec sa clientle lui permettant un accs facile linformation et la possibilit
de discuter des problmes avec des tres humains plutt quavec un systme de rponse
lectronique (Rembrand, 2004). Le CRM oprationnel est centr sur la gestion quotidienne de
la relation avec le client, travers lensemble des points de contact (tlphone, fax, Internet,
magasin et autres). Cest plus un ensemble doutils pour aider les commerciaux et les
responsables client dans leurs tches quotidiennes.
Pour Ang et Buttle (2006), le CRM oprationnel sappuie sur un logiciel pour automatiser la
vente, le marketing et les services. Selon Jallat et al. (2006) les outils du CRM analytique
contribuent rsoudre la question du ciblage et de slection des clients, mais les outils du
CRM oprationnel permettent de proposer loffre concrtement au client, au bon moment et
par le bon canal. Daprs ces mmes auteurs, le CRM oprationnel indique les clients qui il
faut adresser un rappel, les canaux utiliser et les moyens mettre en uvre pour suivre le
droulement des oprations.
Daprs Remi Salette (cit par Pellen 2006), le CRM oprationnel permet de rpondre trois
questions savoir :
- Comment permettre la force de vente de saisir des opportunits commerciales avec
agressivit et rgularit ?
- Comment faire en sorte que chacun emploie les stratgies et tactiques de ventes
appropries ?
- Comment former rapidement de nouveaux collaborateurs commerciaux pour quils
deviennent productifs ?
Les campagnes marketing sont orientes vers les objectifs de rduction du taux dattrition, de
fidlisation et dacquisition de nouveaux clients (Moisand 2002). La capacit oprationnelle
permet dautomatiser les ventes et aide grer les contacts avec les prospects et les clients
Lefbure et Venturi (2005). La capacit oprationnelle permet donc la mise en place du
marketing one to one (Pepper et Rogers, 1997) ce qui fait que le client se sent unique pour
lentreprise.

97

Parmi les facteurs de succs des ventes, on constate que la personnalisation tant des relations
que des propositions permettent daugmenter le taux de russite. La capacit oprationnelle du
logiciel CRM permet lentreprise de prendre chaque client de manire individualise.
La capacit oprationnelle des logiciels favorise linteraction avec le client et la
personnalisation de loffre. Le CRM oprationnel se sert des informations fournies par le
CRM analytique afin de proposer des offres personnalises aux clients. Pour Gilmore et Pine
(1997), la personnalisation est synonyme de marketing sur mesure o lentreprise adapte ses
offres aux besoins des clients.
Pierre Alard et Damien Dirringer (2000) explique dans un livre que les logiciels
dautomatisation de la force de vente sont apprcis aussi bien des clients que des entreprises.
Pour ces auteurs, les gains lis la mise en uvre de tels outils sont multiples. Lutilisation
des ces outils permet lentreprise de rduire les erreurs et des annulations de commandes. Ils
permettent galement de raliser jusqu 40% daugmentation de chiffre daffaires grce un
meilleur suivi des opportunits commerciales. Les auteurs concluent en indiquant que
lutilisation des logiciels dautomatisation de la force de vente permet la rduction du dlai de
conclusion daffaires et une bonne disponibilit des vendeurs pour se concentrer sur la
relation clients, ce qui est particulirement fidlisant rajoutent-ils.
De tout ce qui prcde, nous mettons lhypothse suivante :

H3 : Lutilisation de la capacit oprationnelle a un impact positif sur le cycle de vie du


client

2- LES AUTRES VARIABLES

Nous dfinirons dans cette sous section les autres variables relatives notre modle et
formulerons les hypothses qui sy rattachent

2-1 Connaissance client.

La connaissance du client et de ses besoins tout au long de son cycle de vie est la base du
marketing relationnel (Moisand, 2002). Connatre chaque client titre individuel est
indispensable pour dvelopper une relation durable avec lui. Nous avons montr plus loin que
la capacit analytique du logiciel pouvait permettre daccrotre la connaissance du client. Pour
cela, il faut que lentreprise mette en place des stratgies permettant de collecter les bonnes
98

informations. La connaissance client pouvait alors avoir un effet sur la performance de


lutilisation des logiciels CRM sur le cycle de vie du client.
Selon Moisand (2002), lamlioration de la connaissance client ne se limite pas de la
collecte de donnes. Pour cet auteurs, connatre lattitude du client vis vis dune marque, sa
satisfaction vis--vis des services proposs, participent la connaissance client. La
connaissance client est laptitude de lentreprise collecter des informations sur le client ainsi
que sa capacit exploiter ces informations.
Lin et al (2005) dfinissent la gestion de la connaissance client en se basant sur la dfinition
de la gestion des connaissances, prsente par Beckmann (1997). La gestion de la
connaissance client est donc, lidentification, la capture, le choix, le stockage, le partage,
lapplication de la connaissance, la cration et la rutilisation des connaissances clients. Mc
Cann et Buckener (2004) considrent que la gestion de la connaissance client est lvaluation,
la valorisation, lacquisition, la construction, le partage, le maintien, la saisie et lapplication
de la connaissance. La connaissance client est devenue un capital et un facteur davantage
concurrentiel pour lentreprise. La connaissance client comprend le modle des besoins des
clients et ou lexprience de consommation de produits et ou des services (Su et al, 2005).
Lin et al. (2005) dfinissent la gestion de la connaissance client comme lidentification, la
capture, le choix, le stockage, le partage, lapplication de la connaissance, la cration et la
rutilisation des donnes clients.
Chung et al (2003) affirment que lentreprise qui russi comprendre et grer le
comportement des consommateurs et les services client pourrait sapproprier de lavantage
comptitif. Jayachandran, Hewett et Kaufman (2004) ont montr que la connaissance client
amliore la rapidit et lefficacit de la raction de lentreprise envers ses clients. Pour ces
auteurs, une meilleure connaissance du comportement des clients permet aux entreprises de
grer et de cibler les clients sur la base de lvolution des expriences de services plutt que
sur des critres dmographiques, ce qui augmente la valeur perue de loffre et diminue le
risque de dfection des clients fidles.
SU et al. (2005) ont galement montr que la connaissance client favorise les possibilits de
satisfaire le client. Luchesi (2003) affirme que toute amlioration de la connaissance client
favorise une identification fine du client, qui peut se traduire par une diffrenciation de loffre
de lentreprise et par consquent une meilleure satisfaction du client do lamlioration de
son cycle de vie.
Lin et al. (2005) affirment que les applications du CRM et la gestion de la connaissance client
ont un effet positif sur la rduction des cots et laugmentation des revenus.
99

Wassermann (2001) affirme que linstantanit de servir les clients grce aux connaissances
que lentreprise possde sur eux amliore la satisfaction du client tout en diminuant les cots,
car le traitement se fait plus rapidement et plus efficacement.
Tisseyre (1999) considre que la gestion de la connaissance client est une nouvelle mthode
dorganisation car elle aide les entreprises atteindre un seuil en termes de productivit et de
qualit.
Pour que la technologie CRM soit efficace dans la gestion de la relation client, il faut quelle
soutienne les processus de gestion des expriences client (Greenberg 2001 ; Rigby et al.
2002). Selon Ja et al. 2004 la technologie CRM nest pas un substitut pour le processus
dinformation relationnel efficace mais plutt un facilitateur de son efficacit. Lutilisation
conjointe de la technologie CRM et les processus dinformation relationnelle peut permettre
lentreprise dtre plus efficace dans ces interactions avec le client (Flint et al. 2002).
Sambamurthy et al. (2003) ont mont que la gestion de la connaissance client a un effet
mdiateur sur limpact des nouvelles technologies sur la performance des entreprises.
Mithas, Krishnan et Fornell, 2005 ont montr que loutil CRM permet damliorer la
connaissance client qui a son tour, permet damliorer la satisfaction or Rust et Zahorik
(1993) ont constat quil y avait un lien entre la satisfaction et la rtention.
De tout ce qui prcde, nous pouvons formuler les hypothses suivantes.

H4 : Plus lentreprise dveloppe une aptitude connatre ses clients, plus limpact de
lutilisation de la capacit analytique sur le cycle de vie du client est fort
H5 : Plus lentreprise dveloppe une aptitude connatre ses clients, plus limpact de
lutilisation de la capacit oprationnelle sur le cycle de vie du client est fort

2-2 Stratgie relationnelle

Ce sont les hommes qui initient et dveloppent les relations, pas les ordinateurs (Jallat et al.,
2005). Les chercheurs comme Rigby, Reichheld et Schefter (2002) ont montr que pour avoir
ignor cette considration de nombreuses entreprises ont chou dans leur projet CRM.
La stratgie relationnelle consiste transmettre des marques dattention positives (Fournier,
2000). Pour Jallat et al. (2005), les entreprises qui dveloppent une stratgie relationnelle
sintressent au dveloppement de la relation de long terme avec leur client. La stratgie
relationnelle est selon Morgan et Hunt (1994) lensemble des activits marketing destines
tablir, dvelopper et maintenir des relations dchanges fructueuses . Selon Benamour
100

et Prim (2000), la stratgie relationnelle passe par le degr dorientation client du vendeur. Ce
degr est laptitude de vendeur sengager auprs du client et laide faire les choix qui le
satisferont. Saxe et Weitz (1982) dfinissent lorientation client comme le degr selon lequel
le vendeur applique la notion du marketing en tentant daccompagner le client dans ses
dcisions dachats de faon rpondre efficacement ses besoins. Pour Brown et al (2002)
lorientation client est la prdisposition de lemploy satisfaire les besoins du client dans le
contexte de son travail. Benamour et Prim (2000) dfinissent alors lorientation relationnelle
comme une attitude base sur lorientation affective, fonctionnelle et temporelle du client,
ainsi que sur des lments contextuels. Lorientation client est selon Narver et Slater (1994)
la comprhension suffisante des consommateurs cibles afin dtre capable de leur offrir une
valeur suprieure de manire continue .
La fidlit des consommateurs est prsente comme une consquence majeure des processus
relationnel (Morgan et Hunt, 1994 ; Garbarino et Johnson, 1999). La stratgie relationnelle
consiste donc tenir compte de la valeur du client. Ladoption dune stratgie relationnelle
rclame un engagement vigoureux de lentreprise et limplication de toutes les fonctions
concernes.
Pour Peppers et Roger (2004), une entreprise qui est orient client doit se proccuper de la
satisfaction de sa clientle, doit traiter chaque client diffremment en leur proposant des offres
sur mesure. Lefbure et Venturi (2005) qualifient le marketing relationnel de Freudien car
coute et analyse. Cette coute et cette analyse constituent une vraie gestion de la relation
client. Lendrevie, Levy et Lindon (2006) dfinissent la politique relationnelle comme une
stratgie et un processus organisationnel qui visent accrotre le chiffre daffaires et la
rentabilit de lentreprise en dveloppant une relation durable et cohrente avec les clients
identifis par leur potentiel dactivit et de rentabilit. Cest cette aptitude de lentreprise
couter et donner de la valeur aux clients qui constitue la stratgie relationnelle. La stratgie
relationnelle vise la stabilit dchange fonde sur la fidlit mutuelle non dicte par le contrat
formel et permet dviter la concurrence en considrant la relation comme une ressource cl
(Salerno, 1995).
Pour Jallat, Le Nagard et steyer (1997), les effets de la stratgie relationnelle sur la rtention
des clients sont plus importants sur les profits que sur les conomies dchelle dans les
entreprises de service. Plus la relation dure, plus les profits augmentent car la consommation
augmente et la sensibilit aux prix diminue.

101

La fidlit du client net pas seulement le fait du client mais passe galement par le personnel
en contact. Pour Reichheld (1993, 1996), si lon veut entretenir des relations personnalises
avec la clientle, il faut sen occuper convenablement, donc avoir un personnel bien form.
Les chercheurs comme Parasuraman (1997) et Woodruff (1997) affirment que la stratgie
relationnelle serait une source davantage concurrentiel. Pour Abidi (2002), dans un
environnement concurrentiel o la diffusion des innovations produit est trs rapide, une
orientation client permettrait dassurer la fois une vision long terme et une cohrence dans
le choix stratgique et organisationnel. Lenjeu dune bonne stratgie relationnelle consiste
dvelopper auprs des employs une culture relationnelle afin que lorientation client soit
effectivement perue par la clientle (Deshpand, Farley et Webster, 1993).
Meehan et Barwise, (1996) affirment que le dveloppement et la performance de certaines
entreprises sont le rsultat dune culture interne refltant lorientation client. Sur la base de ce
dveloppement, nous pouvons formuler les hypothses suivantes :

H6 : Plus lentreprise adopte une stratgie relationnelle, plus limpact de lutilisation de la


capacit analytique sur le cycle de vie du client est lev
H7 : Plus lentreprise adopte une stratgie relationnelle, plus limpact de lutilisation de la
capacit oprationnelle sur le cycle de vie du client est lev

2-3 La gestion des canaux de communication

La gestion des canaux est dfinie par Neslin, (2006) comme : la conception, le dploiement,
la coordination et lvaluation des canaux dans lesquels les firmes et les clients interagissent,
dans le but daugmenter la valeur du client . Chaque client fait un usage diffrent des
canaux. La connaissance de ce comportement et des prfrences est essentielle pour pouvoir
tablir un dialogue et ou leffet souhait.
Un service efficace consiste aussi permettre au client datteindre la socit par le canal quil
prfre, quil sagisse du tlphone, dInternet, du courrier lectronique, dun magasin
traditionnel ou autre. Selon Brown (2006) les entreprises les plus innovantes parviennent
une synergie des divers canaux ; elles savent tirer parti de leurs avantages respectifs pour les
assurer un service efficace et homogne. Pour dvelopper et utiliser ces canaux avec succs,
lentreprise doit dterminer les prfrences des clients et la manire dont ils les utilisent. Sans
102

ces informations, lentreprise ne pourra pas faciliter le processus de communication orient


client. Compte tenu de la capacit interactive des canaux informatiques, des entreprises
considrent tort quils favorisent le pouvoir grandissant du client, le passage dun
fournisseur un autre et la pression des prix. Dautres entreprises trouvent les moyens
dattirer leurs clients vers les canaux plus conomiques. Nous citerons lexemple de la socit
Columbia House, diteurs de musique sur CD et cassettes, qui offre sa clientle un rabais de
10% sur les commandes passes sur Internet ou par tlphone plutt que par courrier.
Daprs lagence ETO (2005) cite par Peleen (2006), une action multicanal optimise le
rendement dune opration de 15 20%. Selon Jallat et al, (2006), la cration de campagnes
associant publipostage, email et centre dappels est frquemment cite comme permettant
damliorer les taux de retour ou de raction des clients de faon trs significative.
Dans une tude ralise par Badoc et al., (1998), il a t dmontr quun rapport de 1 10
spare le cot dune transaction bancaire en agence de celui de la mme transaction faite sur
Internet. Il est alors possible de penser que les prestations de service ralises en ligne cotent
moins chres et sont susceptible dattirer plus de nouveaux clients et aussi permettre de
conserver les anciens donc les fidliser et rduire en mme temps le taux de dfection client.
Lintgration multicanal augmente lexprience de service vcue par le client sur lensemble
des canaux entranant un niveau de satisfaction plus grand (Rosenbloom, 2007 ; Soussa et
Voss, 2006) qui favorise une relation long terme (Payne et Frow, 2004) bas sur la
confiance. Selon Ryals et al., (2000), coordonner les points de contact avec les clients, permet
de corriger et dajuster les informations sur ceux-ci afin dobtenir une rponse unique et fiable
et renforcer ainsi la stratgie relationnelle tout en tant performant dans la gestion de la
relation. Le client qui traite avec plusieurs units de lentreprise, naura plus limpression de
sadresser plusieurs entits distinctes mais une seule et unique entit qui lui prsente une
information unique. Ceci conduira sa satisfaction et pas consquent sa fidlisation. Ainsi,
nous pouvons mettre lhypothse suivante :

H8 : Plus lentreprise met en place une stratgie de gestion des canaux de communication,
plus limpact de lutilisation de la capacit oprationnelle du CRM sur le cycle de vie du
client est lev
H9 : Plus lentreprise met en place une stratgie de gestion des canaux de communication,
plus limpact de lutilisation de la capacit collaborative du CRM sur le cycle de vie du
client est lev

103

2-4 Variable de contrle


Dans le domaine du CRM et de mesure des performances de la relation client, plusieurs
variables ont t identifies comme variables de contrle (ex : la taille de lentreprise, lge de
lentreprise, type dentreprise etc.). Dans cette recherche, nous avons retenu trois variables
dont la plus part se trouvent dans les travaux empiriques sur la performance du CRM (Renartz
et al, 2004 ; Johnson et al, 2008 ; Goetz Greve et Sonke Albers, 2006) savoir : le secteur
dactivit de lentreprise, lexprience de lentreprise en matire dutilisation de la
technologie CRM et la taille de lentreprise.

La taille de lentreprise

La taille de lentreprise est une variable de contrle qui peut influencer la performance CRM
de lentreprise. En effet, la mise en place dun projet CRM ncessite la mobilisation et
ladhsion des diffrents types de ressources (financires, technologies) et de comptences.
Vu que les grandes entreprises possdent en gnral le plus de ressources que les petites ou
moyennes, elles sont donc les mieux places pour tirer le plus davantage de la mise en place
dun projet CRM.
Rivers, ML et Dart (1999) ont constat que les grandes entreprises avec plus de vendeurs ont
tendance adopter la SFA (logiciel dautomatisation de la force de vente) donc un logiciel de
gestion de relation client. Starkey et Woodcock (2002) ont galement constat que les grandes
entreprises ont tendance trouver plus difficile la gestion de leurs clients que les petites. Mais
ceci ne signifie pas forcement que les grandes entreprises ont un meilleur rendement en
matire de cycle de vie de client que les petites.

H10 : la performance du cycle de vie du client dpend de la taille de lentreprise

Le secteur dactivit

Le secteur dactivit est considr ; afin de contrler la possibilit de la variance entre les
diffrents secteurs, le secteur dactivit a t inscrit comme variable de contrle. Le secteur
dactivit dune entreprise peut avoir une influence sur lutilisation des logiciels CRM. Les
entreprises de service ont une propension plus leve entretenir une bonne relation avec

104

leurs clients que les entreprises dautres secteurs. En raison de leur haut niveau dintangibilit,
les services sont galement plus faciles personnaliser. La personnalisation dpend de la
capacit de lentreprise rpondre aux besoins individuels de chaque client. Compte tenu de
la capacit connue des logiciels CRM, nous somme amens poser lhypothse suivante :

H11 : La performance du cycle de vie du client dpend du secteur dactivit de lentreprise


lorsquelle utilise les logiciels CRM.

Lexprience en matire dutilisation de logiciel CRM

Lexprience en matire dutilisation de logiciel CRM reflte le degr de familiarit des


utilisateurs du logiciel avec ce dernier. Une exprience importante peut tre lorigine dun
degr de matrise de la technologie et dun meilleur usage. Plus le temps depuis lequel
lentreprise utilise le logiciel est lev plus le rendement produit par les employs est
important. Il en est de mme pour la frquence dutilisation. On peut tre amen croire
galement que plus la frquence dutilisation du logiciel est leve et plus les employs ont
une bonne exprience du logiciel. Selon Brodie et al.,( 2004) une appropriation progressive
des outils par les employs permettra damliorer progressivement les programmes mis en
uvre et davoir un meilleur rendement. Do lhypothse suivante :

H12 : Lexprience en matire dutilisation du logiciel CRM a un effet positif sur la


performance du cycle de vie du client

2-5 Rcapitulatif des hypothses

Lobjet de ltude tant de mesurer limpact de lutilisation des logiciels CRM sur le cycle de
vie du client, nous avons comme hypothse principale lhypothse H0. Cette hypothse
stipule que lutilisation des logiciels CRM a un impact positif sur le cycle de vie du client. De
cette hypothse et compte tenu des variables mesurer dcoulent les hypothses H1 H9. Les
effets modrateurs des variables comme la stratgie relationnelle, la connaissance client et la
gestion des canaux de communication sont reprsents par les hypothses H10 H12. Les
effets directs de la taille de lentreprise, du secteur dactivit et lexprience de lentreprise en

105

matire dutilisation de logiciel CRM sont rsums par les hypothses H13 H15. Le tableau
suivant fait une rcapitulation des diffrentes hypothses.

Variables

Hypothses

Les logiciels CRM

H0 : lutilisation des logiciels CRM a un effet positif sur


cycle de vie du client

CRM analytique

H1 : lutilisation de la capacit analytique du logiciel CRM a


un impact positif sur le cycle de vie du client

CRM collaboratif

H2 : Lutilisation de la capacit collaborative du logiciel CRM


a un impact positif sur le cycle de vie du client

CRM oprationnel

H3 : Lutilisation de la capacit oprationnelle a un impact


positif sur le cycle de vie du client

H4 : Plus lentreprise dveloppe une aptitude connatre ses


clients, plus limpact de lutilisation de la capacit analytique
Connaissance client

sur le cycle de vie du client est fort


H5 : Plus lentreprise dveloppe une aptitude connatre ses
clients,

plus

limpact

de

lutilisation

de

la

capacit

oprationnelle sur le cycle de vie du client est fort

H6 : Plus lentreprise adopte une stratgie relationnelle, plus


limpact de lutilisation de la capacit analytique sur le cycle de
Stratgie relationnelle

vie du client est lev


H7 : Plus lentreprise adopte une stratgie relationnelle, plus
limpact de lutilisation de la capacit oprationnelle sur le
cycle de vie du client est lev

106

H8 : Plus lentreprise met en place une stratgie de gestion des


canaux de communication, plus limpact de lutilisation de la
Gestion des canaux de
communication

capacit oprationnelle du CRM sur le cycle de vie du client est


lev
H9 : Plus lentreprise met en place une stratgie de gestion des
canaux de communication, plus limpact de lutilisation de la
capacit collaborative du CRM sur le cycle de vie du client est
lev

La taille de lentreprise

H10 : la performance du cycle de vie du client dpend de la


taille de lentreprise

Le secteur dactivit

H11 : les socits de services ont une meilleure performance en


matire de cycle de vie du client

Lexprience des
entreprises en matire de
logiciel CRM

H12 : Lexprience en matire dutilisation du logiciel CRM a


un effet positif sur la performance du cycle de vie du client

Tableau 9 /Titre : Tableau rcapitulatif des hypothses de recherche


Le schma suivant reprsente le modle conceptuel danalyse initial auquel les liens entre les
diffrentes variables ont t rajouts. Il montre de manire explicite les diffrentes
hypothses.

107

Variables modratrices
Gestion des
canaux de
communication

Stratgie
Relationnelle
(orientation client )

H6 H7

H8
H9

H0

H4 H5

Performance du
cycle de vie
du client

Logiciel CRM
- CRM analytique

Connaissance
client

H1 H3

- CRM oprationnel

- acquisition du client
- dveloppement
du client

- CRM collaboratif

- rtention du client

Variables de contrle
- secteur d'activit
- l'exprience en matire
de logiciel CRM
- taille de l'entreprise

H10 H 12

Modle conceptuel d'analyse avec les


diffrentes hypothses

Figure 16/ Titre : Modle conceptuel danalyse dvaluation de lutilisation des logiciels
CRM sur le cycle de vie du client avec les diffrentes hypothses (Coovi Byblice, 2010)

108

CONCLUSION DU CHAPITRE 3

Dans ce chapitre, nous nous sommes appuys sur les travaux des chercheurs comme Reinartz
et al. (2004) de Jayachandran et al., (2004) et de Goetz Greve et Sonke Albers (2006) pour
dvelopper un modle conceptuel incluant trois parties savoir : le logiciel CRM, la
performance du cycle de vie du client et les variables modratrices. En ce qui concerne le
logiciel CRM, nous avons dfini trois types savoir : le CRM analytique, Le CRM
oprationnel et le CRM collaboratif. La stratgie relationnelle, la connaissance client ainsi que
la gestion des canaux de communication ont t incluses dans ce modle comme variables
modratrices. La variable expliquer est la performance du cycle de vie du client. Cette
performance se mesure par le taux de conversion prospect client, le dveloppement du client
et le taux de rtention client. Pour finir, nous avons introduit lexprience de lentreprise dans
lutilisation du logiciel CRM, la taille de lentreprise et le secteur dactivit comme variable
de contrle.
Treize hypothses identifiant plusieurs relations entre ces variables ont t dveloppes.
Avant de tester ces hypothses, nous dvelopperons dans le chapitre suivant, notre
mthodologie de recherche et vrifierons galement la validit de nos mesures.

109

CHAPITRE 4

METHODOLOGIE ET DESIGN DE LA RECHERCHE

INTRODUCTION

Aprs llaboration du modle de recherche et le dveloppement des hypothses dans le


chapitre prcdent, ce chapitre traitera les aspects dordre mthodologique de la recherche. En
matire de recherche, plusieurs mthodes sont souvent cites. On parle en effet de paradigme
scientifique. On peut distinguer entre autres : les paradigmes positiviste, postpositiviste
moderniste, constructiviste etc. Les mthodologies contemporaines en sciences de gestion,
consistent construire les chelles posteriori en ayant recours des analyses statistiques
approfondies, il sagit du paradigme de churchill. Cette mthodologie dveloppe par
Churchill (1979) comporte plusieurs tapes savoir : la dfinition du domaine conceptuel, la
phase exploratoire et la phase de validation (Evrard et al., 2003). Ce travail de recherche sera
organis en suivant la mthodologie de Churchill. Nous traiterons notamment les questions
de lchantillon de ltude, le dveloppement de linstrument de collecte des donnes et la
validit des mesures.
Ce chapitre est organis en deux grandes parties. La premire sera consacre aux donnes,
elle englobe la constitution de lchantillon, llaboration des instruments de collecte des
donnes et le dveloppement des items du questionnaire. La deuxime partie sera consacre,
quant elle la validation des mesures. Elle se composera des sections suivantes : notions de
validit et processus de validations, valuation de lunidimensionnalit, valuation de la
fiabilit, valuation de la validit convergente et valuation de la validit discriminante.

110

I-

MISE EN PLACE DE LINSTRUMENT DE MESURE

Cette section sera consacre llaboration des diffrents items et la dmarche qui a conduit
cette laboration
1- PHASE PREPARATOIRE DE LINSTRUMENT DE MESURE

1-1 Phase de comprhension du domaine

Nous aborderons dans cette sous section la phase de pr enqute, la lecture prparatoire, les
tudes de logiciels et visite de forums de discussion et pour finir, nous prsenterons note
entretiens avec les experts du domaine.

1-1-1-La phase de pr enqute

Sur les recommandations dEvrard et al. (1997) et de Igalens et Roussel (1998), nous avons
men une recherche prliminaire de pr enqute base sur diffrentes mthodes (lecture
prparatoire, entretiens avec les experts du domaine, visites de sites web, tudes de logiciels).
Cette phase a t ralise pour comprendre les rapports entre lutilisation du logiciel CRM et
la gestion de la relation client.

1-1-2-Lectures prparatoires

Nous avons effectu des lectures prparatoires sur les recherches dj menes sur le CRM.
Ces lectures nous ont permis de mettre en vidence la perspective qui nous parat la plus
pertinente pour aborder lobjet de recherche. Ces lectures ont t effectues avec des grilles de
lecture et des rsums bien structurs nous ont permis de dgager des ides essentielles des
textes tudis et de les comparer entre eux.

1-1-3-Etudes de logiciels CRM et visite de forum de discussion

Afin de mieux comprendre les fonctionnalits des logiciels CRM, nous avons choisir
dinstaller et de tester trois logiciels sur notre ordinateur. Ces trois logiciels ont t choisis
dans une liste de logiciels CRM du classement perspectives 2008 du cabinet Gartner. Les
responsables de ces entreprises ont t contacts par tlphone et ont accept de participer la
recherche. Une description sommaire des logiciels est prsente en annexe (10) ainsi que le
111

classement du cabinet Gartner. Cette tude nous a permis de savoir comment fonctionnent les
logiciels et quels avantages les entreprises utilisatrices pouvaient en tirer. Nous avons
galement visit les forums de discussion spcialiss comme la communaut Ph. Nieuwbourg
(www.relationclient.net/forum/). Les diffrentes discussions que nous avons suivies nous ont
permis de prciser la question de recherche et de savoir quelle est la direction suivre pour
cette recherche.

1-1-4-Entretiens avec les experts du domaine

Pour complter la dmarche qualitative, nous avons men des entretiens auprs des experts.
Ces experts sont des responsables des entreprises ditrices de logiciels CRM et ont eu lieu
Montpellier et Lyon en face face. Il sagissait de trois entretiens semi directifs dune heure
au minimum selon la personne interroge. Le matriel verbal recueilli lors de ces entretiens,
bas sur des notes extensives enregistres manuellement a t soumis une analyse
thmatique de contenu. Les thmes gnraux du guide dentretien semi directif sont les
suivants :
- la notion de CRM
- les diffrentes formes de CRM
- indicateurs de la performance de CRM
- causes probables de lchec de mise en uvre des solutions CRM

Cette tape du travail nous a permis de remplir plusieurs objectifs. Tout dabord, elle a
amlior notre degr de matrise du phnomne tudi et de la ralit des construits identifis.
Deuximement, elle nous a permis dlaborer une partie du questionnaire de recherches.
Troisimement, elle nous a permis de cerner le langage pratiqu dans le domaine du CRM.
Enfin, elle nous a offert la possibilit de reprer les rpondants pour mieux raliser ensuite
notre enqute par questionnaire.
A la suite de cette dmarche qualit, nous avons labor une premire version du
questionnaire de notre enqute. La dfinition pralable des concepts et les informations
recueillies lors de la pr enqute nous ont permis dadapter quelques items dj existants dans
la littrature et de clarifier certains noncs de linstrument de mesure. Nous avons privilgi
lutilisation de mots simples et surtout frquemment utiliss par les responsables client des
entreprises.

112

Cette premire version du questionnaire a t soumise une enqute par questionnaire auprs
de treize experts (acadmiciens chercheurs, praticiens, responsables dentreprises ditrice de
logiciels CRM). Un exemplaire du questionnaire se trouve en annexe (01) de ce document.
Cest un questionnaire comportant treize questions avec huit questions ouvertes et cinq
questions fermes (lchelle de Likert).
- Les questions ouvertes du questionnaire ont t soumises une analyse thmatique
de contenu. Une prsentation sommaire des rsultats est prsente dans le tableau suivant.

Nombre

Thmatiques

de

pertinentes

Questions

Frquence

rponses
effectives
Q2 : Sinon, quelle aurait t votre proposition

- questionnaire

pour mieux faire cette tude ?


Q4 : Quelle est votre opinion sur lensemble des
questions ? il y a-t-il des points ngatifs

trop long

corriger ?

- liste non

reprsentative
- mots

techniques
Q6 :Avez-vous remarqu des manques flagrants

concernant cette partie analytique ?

- mlange de

fonctionnalit
Q5

Q7 : Avez-vous des propositions de questions

- mlange de

pour cette partie du questionnaire ?


Q9 : Dans le cas o les questions concernant le
CRM oprationnel vous paraissent insuffisantes

fonctionnalit

pour valuer la capacit oprationnelle du

Q12

logiciel, pouvez-vous proposer dautres

- manque de

questions ?

dtails

113

concernant les
oprations
marketing
menes

Q11 : Dans le cas o les questions concernant le

- mlange de

CRM collaboratif vous paraissent insuffisantes

fonctionnalit

pour valuer la capacit collaborative du

Q20

logiciel, pouvez-vous proposer dautres


questions ?
Q12 : Pensez-vous que les questions concernant

la performance relationnelle de lentreprise

Oui

globalement

permettent dvaluer limpact de lutilisation des


outils CRM sur la gestion de la relation client ?
Q13 : Avez-vous dautres indicateurs de
performance proposer ?

Gain de

productivit
Performance

du personnel
en contact

Tableau 10 /Titre : Rsultats de lanalyse des questions ouvertes (experts)


- les questions fermes ont fait lobjet dun tri plat les rsultats vous seront prsents dans
la partie validit Faciale.
A la suite de cette dmarche qualitative, des modifications mineures ont t apportes la
premire version du questionnaire. Ces modifications se rapportent la forme et au style de
quelques questions. Nous avons choisi de ne pas intgrer lindicateur gain de productivit
comme le suggre les rsultats de lenqute car le gain de productivit est un indicateur qui
nimpacte pas le cycle de vie du client mais plutt la performance du personnel en contact
avec le client. Mme si ce gain de productivit permettra de traiter plus rapidement les
questions des clients, nous considrons quelle nest pas un indicateur fiable de mesure de
performance du cycle de vie du client. Dans cette recherche la variable expliquer reste le
cycle de vie du client et vouloir mesurer le gain de productivit ne fera que rallonger le
questionnaire que quelques experts trouvent dj trop long. Le dpouillement des questions

114

ouvertes montre une inquitude des experts par rapport aux questions numro 5, 12 et 20
quant leur pertinence dans ltude. Nous avons alors dcid de les supprimer.
Aprs le traitement de lenqute expert et en tenant compte de tous les manquements voqus
par lensemble des experts, nous avons produit la dernire version du questionnaire qui sera
diffuse aux enquts aprs laccord du directeur de recherche.

1-2-Echantillonnage

Nous aborderons dans cette section la slection des chantillons et llaboration de


linstrument de mesure.

1-2-1-Slection des chantillons

Notre unit de recherche est toute entreprise utilisatrice de logiciel CRM. Aprs llaboration
de la premire version de notre questionnaire, nous avons pris contact avec des experts afin
quils donnent leur avis sur ce dernier. Dans le mme temps nous avons demand ces
experts de nous fournir la liste de quelques unes de leurs clients (entreprises utilisatrices de
leur logiciel). Le Pr. Pecquet a personnellement contact des entreprises tunisiennes afin
quelles participent lenqute.
Pour tre ligible, lentreprise doit tre utilisatrice dun logiciel CRM ce qui na pas facilit
ltablissement de la liste denvoi. Cette liste tait tablie progressivement au fur et mesure
que dautres entreprises de la liste avaient dj rpondu au questionnaire. Au final, une liste
de 346 entreprises de diffrentes tailles, de diffrents secteurs et de diffrentes nationalits a
t constitue.

1-2-2-Linstrument de collecte des donnes

Lenqute auto - administre a t choisie pour collecter les donnes. Nous avons labor trois
formats du questionnaire. Le premier format est le format papier classique, le deuxime est un
fichier PDF modifiable dans lequel le rpondant pourra directement rpondre sans le mettre
en version papier et renvoy par email. Enfin le troisime format est une version en ligne du
questionnaire. Le lien tait envoy aux rpondants par email et il leur suffisait de remplir et
la fin de cliquer sur finish. Le lien est le suivant :
http://www.kwiksurveys.com/online-survey.php?surveyID=LMLNO_c346889b

115

Le questionnaire (annexe 03) a t remis directement la personne interroge par le chercheur


(moi-mme) ou par le directeur de thse (Pr. Pecquet) soit en version papier ou par les deux
autres formats prcits.
Les rpondants cls ont t identifis dans notre cas, en se rfrant aux recherches antrieures
traitant de la performance de CRM et notre recherche exploratoire.
En effet, les recherches empiriques examines (Reinartz et al., 2004 ; Ang et Buttle, 2006 ;
Yin, 2003 ; Goetz et Sonke, 2006 ; Ben pinkerton et Tim Colman, 2002, Johnson et al. 2008)
ont montr que les dirigeants et les responsables client ou marketing sont les plus a mme de
nous renseigner sur la performance des outils logiciels CRM.
Egalement, au cours de lenqute auprs des experts, il y avait la question suivante :
Que pensez-vous de soumettre un questionnaire aux dirigeants et ou aux responsables
"client" pour mesurer l'efficacit et les performances des outils CRM?
Aprs un tri plat, la rponse cette question est la suivante :

perception_gnrale

Nb. cit.

Frq.

Excellent
7 53,8%
bien adapt
3 23,1%
moyennement adapt
3 23,1%
pas vraiment adapt
0
0,0%
ne se prononce pas
0
0,0%
TOTAL OBS.
13 100%
Moyenne = 3,31 Ecart-type = 0,85

La question est rponse unique sur une


chelle.
Les paramtres sont tablis sur la notation :
Excellent (4), bien adapt (3),
moyennement adapt (2), pas vraiment
adapt (1), ne se prononce pas (0).

116

perception_gnrale
7
7

0
0
Excelle bien moyenn pas vrai ne se pr
nt
adapt ement a ment ad ononce
pas
dapt apt

En administrant notre questionnaire auprs des entreprises, nous nous sommes adresss en
premier lieu aux dirigeants ou aux responsables client pour rpondre aux questions de
lenqute. A dfaut, nous laissons le choix au responsable de la structure pour quil trouve une
personne capable de rpondre aux questions et de faire avancer la recherche. Suite des
dplacements frquents dans diffrentes entreprises, des appels tlphoniques et des contacts
par mails, nous avons runis 88 questionnaires en six mois dont quelques uns (6) taient
inutilisables cause de nombreuses rponses manquantes. Au final 82 questionnaires
utilisables ont t retenus reprsentant un taux de rponse de 23,36%. Cest un taux
satisfaisant pour notre enqute tant donn que le taux moyen pour les enqutes en gestion est
de 15 20% (Menon et al. 1999). Un tri plat du questionnaire de lenqute montre que
37,8% des rpondants taient des responsables marketing et que les responsables clients qui
ont rpondu cette enqute taient de 25,6%. Nous avons eu galement des responsables
commerciaux hauteur de 11% ainsi que des directeurs marketing pour 12,2%. Les autres
sont essentiellement des associs grants, des chefs dquipe etc. Au total, plus de 80% des
rpondants sont des informateurs cls. Le tableau suivant donne plus de dtails concernant les
caractristiques de lchantillon de notre tude.

117

Profil des entreprises de lchantillon de ltude

Caractristiques de lchantillon Intituls

Nombres demploys

Secteur dactivit

Age de lentreprise

Rpartition des rpondants

Nombres Pourcentages

Moins de 20

29

35,4

Entre 20 et 49

39

47,6

Entre 50 et 99

4,9

Plus de 100

10

12,2

Industrie

19

23,2

service

63

76,8

Moins de 10ans

36

43,9

Entre 10 et 19 ans

21

25,6

Entre 20 et 29 ans

12

14,6

Entre 30 et 39 ans

4,9

Plus de 40 ans

11

Responsable marketing

31

37,8

Responsable client

21

25,6

Directeur marketing

10

12,2

Responsable commercial 7

8,5

Directeur commercial

2,4

Associ grant

9,8

autres

3,6

Tableau 11 / Titre : Profil des entreprises de lchantillon de ltude


Daprs ce tableau, il ressort que la majorit des entreprises sont des petites et moyennes
entreprises. Les secteurs de services et de lindustrie sont tous reprsents dans lchantillon.
Il apparat toutefois que les entreprises industrielles sont peu reprsentes. Elles sont que
23,2% de lchantillon alors que les entreprises de services reprsentent 76,8%. Enfin, notre
chantillon contient des entreprises de diffrents ges. Prs de 70% des entreprises ont un ge
de moins de 20 ans.

118

2- DEVELOPPEMENT DES ITEMS DU QUESTIONNAIRE

Pour le dveloppement des chelles de mesure, un examen de la littrature se basant


principalement sur les recherches empiriques a t entrepris. Un effort a t consacr pour
slectionner les chelles les plus pertinentes qui rpondent le mieux aux critres de validit
psychomtriques. Dans cette recherche, des chelles valides utilises dans dautres travaux
ont t utilises et des adaptations lies au contexte de ltude ont t ralises. Ce travail a
t ralis tout en essayant de ne pas trop modifier, dans la mesure du possible, lchelle de
mesure initiale. Dans ce qui suit, nous prsenterons loprationnalisation de nos concepts. Peu
dinstruments ont t publis des fins denqutes sur la relation entre lutilisation des
logiciels CRM et la performance du cycle de vie du client. Nous prsenterons dans ce qui suit,
les diffrentes mesures observes dans la littrature pour chaque lment de notre modle
danalyse.

2-1 les items relatifs aux variables indpendantes

2-1-1-Lutilisation des logiciels CRM

Lobjectif de la prsente tude est de dvelopper une chelle de mesure pouvant tre utilise
par des universitaires et les praticiens pour les aider comprendre le type et ltendue de ces
logiciels au sein des entreprises. Lchelle est base sur les attributs du CRM, les fonctions,
les applications et les caractristiques obtenues partir de recherches antrieures
(Jayahandran et al. 2005, Stefanou et al., 2003), de la conceptualisation de la littrature
(Buttle, 2004, Kumar et Reinartz, 2006) et surtout de la description des vendeurs et diteurs
de logiciels observe dans la littrature (Oracle 2004, Sap 2004). La capacit des logiciels
CRM na pas t traite dans la littrature comme une variable cl. Une chelle pour mesurer
cette capacit est base sur la littrature existante et les commentaires des recherches
exploratoires (Greenberg, 2002 ; Payne et Frow, 2005 ; Krumar et Reinartz, 2006 ; Payne
2006). Cette nouvelle chelle de la capacit des logiciels CRM se compose de trois
dimensions savoir : le CRM analytique, le CRM oprationnel, le CRM collaboratif.

Lutilisation du CRM analytique : lutilisation du CRM analytique correspond


lutilisation ou la mise en uvre de la capacit analytique du logiciel. La capacit analytique
est la capacit du logiciel capturer, stocker, organiser, analyser, interprter et utiliser les
119

donnes cres partir de laspect oprationnel de lentreprise (Payne, 2006 p.23). Selon
Buttle (2004) et Goodhue et al. (2002) la mesure de cette capacit analytique dpend de la
source dinformation ; du type danalyse et doutils danalyse disponible et de la faon dont
les fonctions sont automatises. Ainsi dans cette recherche, nous mesurons lutilisation du
CRM analytique par une chelle de Likert cinq points compose de quatre items. Les items
ont t dvelopps suite la lecture des anciens travaux et des entretiens avec les experts.

Lutilisation du CRM oprationnel : il est centr sur la gestion quotidienne de la relation


avec le client, travers lensemble des points de contact (centre de contacts distance par
tlphone ou Internet, outils de force de ventes). Il coordonne les diffrents canaux
dinteraction entre lentreprise et ses clients en synchronisant les informations pour le
marketing, la vente et lensemble des services. Pour Saint Cast (2003), le CRM oprationnel
est la catgorie des technologies et des processus qui contribue lindustrialisation des
contacts quotidiens de lentreprise avec ses clients. Pour Buttle (2004), le CRM oprationnel
se rapporte tous les aspects fonctionnels des outils et applications relles utiliss au sein des
lentreprise par le personnel en charge des oprations de la relation client. Nous dsignons
par CRMo le CRM oprationnel. Nous utilisons cinq points dchelle de Likert cinq items
pour ce concept. Les items sont emprunts aux travaux de Buttle et Ang (2004) et de Goodhue
et al. (2002) et sont relatifs aux outils de la force de vente, des processus de centre de contact,
de soutien la clientle et des liens fonctionnels.

Lutilisation du CRM collaboratif : Selon Crosby et Johnson (2001), le CRM collaboratif


reprsente la deuxime catgorie des technologies CRM et vise une amlioration de la
communication et de la coordination interne laide de technologies (telles que la gestion
lectronique des processus ou workflow). Il assure la coordination des activits et permettent
ainsi davoir une vision intgre du client mais aussi externe grce des technologies (telles
que le courrier lectronique) qui facilitent et dveloppent des interactions directes avec le
client.

Les

technologies

collaboratives

du CRM permettent une communication

personnalise et en temps rel, un apprentissage des prfrences des clients grce une
communication double sens. Dans la littrature, il nexiste pas dchelle mesurant le CRM
collaboratif au niveau des entreprises. Ainsi nous avons men une dmarche qualitative afin
de dgager les principaux facteurs explicatifs de la capacit collaborative des logiciels CRM.
A cet effet une recherche exploratoire travers la littrature du CRM et les sites Internet des

120

entreprises vendeuses et ditrices de CRM a t mene. Nous dsignons par CRMc le CRM
collaboratif et sera mesur par une chelle de likert cinq points avec trois items.

2-2-les items des autres variables

Les autres variables sont les variables modratrices, les variables de contrle et les variables
dpendantes.

2-2-1- Les variables modratrices

Lensemble des variables modratrices constitue les lments dterminants de lorientation


client dune entreprise (Ed Peelen, 2005). Il existe dans la littrature plusieurs chelles de
mesure. La plus rpandue est lchelle de Narver et Slater (1990) compose de six items
refltant laptitude de lentreprise comprendre ses clients et sa capacit leur proposer
continuellement une offre de valeur suprieure. Dautres chelles plus pertinentes de cette
mesure ont galement t dveloppes par Kohli et al. (1993) et Ohana (2001). Afin de
mesurer les lments de lorientation client, nous utiliserons lchelle utilise par Jallat et al.
(2005). Cette chelle propose pour chaque lment de lorientation client une srie ditems
mesurs par cinq points de likert.

2-2-2-La mesure de la performance du cycle de vie du client

La variable dpendante de ce modle est bien videmment la performance du cycle de vie du


client. Lobjectif est de savoir si lutilisation des logiciels CRM amliore les rsultas des
processus dacquisition, de dveloppement et de rtention client. Nous mesurons la
performance du cycle de vie du client en phase dacquisition, par lamlioration du
pourcentage dacquisition de nouveaux clients depuis lutilisation du logiciel CRM (Reinartz
et Kumar, 2005). La performance du dveloppement du client est mesure en pourcentage de
lamlioration du cross selling et du up selling (Reinartz et Kumar 2000). Enfin, la
phase de mesure de la performance de rtention client est mesure par lamlioration du
pourcentage de la rtention de la clientle et la baisse de dfection de client (Reichhed et Teal
1996 ; Sheth et parvatiyar 1995). Sur la base de ces lments et en nous inspirant de la
mesure utilise par Ang et buttle (2006), nous avons dvelopp un certains nombre ditems et
mesure avec une chelle de type likert cinq points.
121

2-2-3-Les variables de contrle

Trois variables de contrle ont t introduites, la taille de lentreprise mesure par le nombre
des employs, le secteur dactivit mesur sur une chelle de 1 5 (1 pour lindustrie, 2 pour
grossiste, 3 pour dtaillant, 4 pour service et 5 pour autres) et finalement lexprience en
matire dutilisation de logiciels CRM mesure en terme dannes.
Le tableau suivant prsente les items des chelles de mesures utilises dans cette recherche.

Items pour le questionnaire de recherches

Items des chelles de mesure

Capacit analytique :
o CRMa1 : les sources dinformation client ma
disposition sont principalement (fiches manuelles - des

Rfrences

Buttle (2004)
Goobhue et al.
(2002)

fichiers+ profil graphique en ligne)


o CRMa2 : lanalyse des donnes client donne par le
logiciel me donne (trs bien dtaille - pas du tout
dtaille)
o CRMa3 : les outils danalyse que nous utilisons sont
(manuels - entirement automatiss)
o Quelle est la frquence dutilisation des outils qualifis
danalytique ? (jamais - trs souvent)

Capacit oprationnelle :
o CRMo1 : Les outils de la force de vente ma
disposition sont (manuels - entirement automatiss)
o CRMo2 : Votre centre de contact client est compos de
processus (manuels - entirement automatiques)

Buttle, (2004)

122

o CRMo3 : Votre support client et service est compos

Goodhue et al.

de processus (manuels - entirement automatiss

(2002)

o CRMo4 : tous Vos systmes par exemple (des finances,


ventes et oprations) sont lis et communiquent entre
eux (franchement oui franchement non)
o Quelle est la frquence dutilisation des outils qualifis
doprationnels ? (Jamais trs souvent)

Capacit collaborative :
o CRMc1 : Votre systme intgre toutes les interactions
avec Vos clients quelque soient les canaux de
communication utiliss (pas du tout - parfaitement)
o Votre systme vous permet didentifier vos clients lors
dun appel entrant (franchement oui franchement
non)
o Quelle est la frquence dutilisation des outils qualifis
de collaboratif ? (Jamais trs souvent)

Stratgie relationnelle :
o SR1 : Vous donnez la priorit vos clients plutt qu
vos produits et vos processus internes (franchement
oui - franchement non).
o SR2 : Vous savez clairement quels traitements vous
devez rserver chaque type de clients (franchement

Ed Peelen (2005)

oui - franchement non).

Jallat et al. (2005)

o SR3 : La satisfaction du client est lun des principaux


objectifs de votre entreprise (franchement oui
franchement non).
o SR4 : Pour votre entreprise, il est trs important de
savoir vous mettre la place du client (franchement oui

123

- franchement non).
o SR5 : Votre entreprise laisse son personnel une
grande libert daction pour rpondre aux attentes du
client (entirement daccord pas du tout daccord)
o SR6 : Votre direction consacre une part importante de
son temps des activits lies aux clients (entirement
daccord pas du tout daccord)
o SR7 : Vous valuez aussi les performances de notre
socit partir dindicateurs lies aux clients
(entirement daccord pas du tout daccord)

Gestion des canaux de communication :


o GC1 : Vous savez par quels canaux de communication
chaque type de clients prfre tre contact
(franchement oui franchement non)
o GC2 : Votre plan de communication attribue des
objectifs spcifiques chaque contact avec le client
(entirement daccord pas du tout daccord).
o GC3 : Votre choix de canaux de communication nest

Jallat et al. (2005)

pas limit par des contraintes dordre (entirement

(Ed Peelen, 2005).

daccord pas du tout daccord).


o GC4 : Lors de chaque contact avec un client, vous tes
capables de lidentifier et disposons de toute
linformation utiles son sujet (franchement oui
franchement non).
o GC5 : Vos services et ceux de Vos partenaires sont
suffisamment souples pour rpondre parfaitement aux
besoins de Vos clients (franchement oui franchement
non).

Connaissance client :

124

o CC1 : la collecte de donnes client constitue une partie


de vos activits (franchement oui franchement non).
o CC2 : Vous disposez de toutes les donnes clients
ncessaires la concrtisation de votre stratgie
relationnelle (entirement daccord pas du tout
daccord).
o CC3 : Le personnel de lentreprise sait exploiter les

Jallat et al. (2005)


(Ed Peelen, 2005).

donnes clients et sy emploie activement (entirement


daccord pas du tout daccord).
o CC4 : Vos donnes client sont protges (en matire de
respect de la vie priv et de scurit), y compris pour
les tierces parties avec lesquelles vous travaillez
(franchement oui franchement non).
o CC5 : Vos donnes client sont pertinentes et jour.
(franchement oui franchement non).
o CC6 : Les membres du service informatique
manifestent un intrt pour le marketing et vice versa
(pas daccord, neutre, daccord).

Performance du cycle de vie du client :


o PCV1 : Lutilisation du logiciel CRM a permis votre
entreprise dacqurir plus de nouveaux clients
(entirement daccord pas du tout daccord)
o PCV2 : Lutilisation de logiciel CRM a permis votre
entreprise daugmenter les revenus par client
(franchement oui franchement non)
o PCV3 : Lutilisation du logiciel CRM a permis votre

Reinartz et Kumar
(2000)
Ang et buttles (2006)
(Reichhed et Teal

entreprise de rduire les cots dacquisition de

1996 ; Sheth et

nouveaux clients (franchement oui franchement non)

parvatiyar 1995)

o PCV4 : Lutilisation des logiciels CRM a permis


votre entreprise de fidliser vos clients (franchement
oui franchement non)

125

o PCV5 : Lutilisation des logiciels CRM a permis


votre entreprise de baisser le taux de dfection de vos
clients (franchement oui franchement non)
o PCV6 : Lutilisation des logiciels CRM vous a permis
de mieux connatre vos clients (entirement daccord
pas du tout daccord)

Tableau 12 / titre : Rcapitulatif des items pour le questionnaire de recherches


II- VALIDITE DES MESURES

La validation des chelles de mesure dsigne sa capacit apprhender un phnomne (Hair


et al., 2006). Selon Evrard et al. (2003), la validation est relative la rponse la question
Mesure-t-on ce quon cherche mesurer ? . Cette validation prend plusieurs formes dans
les travaux traitant de la mthodologie et de la thorie de la mesure (Wallace, 1983 ; Evrard et
al., 2003 Gavard-Perret et al., 2008). Parmi celles qui sont les plus cites dans les recherches
empiriques, il y a la validit faciale, la validit de contenu, la validit du construit (ou de trait)
et la validit nomologique.

1- DE LA VALIDATION FACIALE A LA VALIDATION DE CONTENU

1-1- Validit Faciale Ou Validit De Consensus

Elle cherche montrer que les items qui composent lchelle correspondent bien un
construit admis par les chercheurs ou experts, notamment en sollicitant leur jugement
(Gavard-Perret et al., 2008). Certains auteurs comme Evrard et al., (2003) estiment que cette
notion rejoint celle dintersubjectivit . La vrification de la validit faciale passe donc par
le jugement des experts et des chercheurs dans le domaine concern. Dans notre cas, nous
avons eu recours aux professionnels spcialistes de gestion de la relation client et des
responsables produit des entreprises ditrices de logiciels CRM. De plus, des chercheurs
acadmiciens en Marketing et CRM ont t consults pour savoir sil y a des noncs qui
ntaient pas lis leurs construits respectifs ou associs plus dun construit. Ils ont t
soumis un questionnaire et les rsultats se trouvent lannexe (02) de ce document. Aprs

126

dpouillement du questionnaire expert , il en ressort que la majorit des experts trouvent


que les items mesurent bien les diffrents aspects de notre construit. Suite aux remarques et
suggestions collectes, quelques modifications mineures ont t apportes concernant la
formulation de certains noncs.

1-2-Validit De Contenu

Elle permet de vrifier si le domaine du concept est totalement cern par les noncs retenus,
elle porte sur lanalyse de ladquation de chaque lment de linstrument ce pourquoi il a
t construit (Evrard et al., 2003 ; Gavard-Perret et al., 2008). Selon Gavard-Perret et al.,
(2008) la validit de contenu vise sassurer que chaque item de lchelle reprsente bien le
construit vis et que toutes ses facettes sont bien mesures. Cette validit est galement base
sur le jugement des experts ainsi que sur une bonne revue de littrature. Dans cette recherche,
nous avons donc combin la revue de littrature avec une enqute expert . Les rsultats du
dpouillement se trouvent lannexe (02) de ce document. Les rsultats nous permettent
daffirmer que la validit de contenu de construit est vrifie.

1-3-Validit Monologique

Cette validit permet de savoir si les relations entre les mesures dun concept et celles dautres
concepts sont ou non en conformit avec les prdictions issues de la thorie fonde sur les
recherches prcdentes (Evrard et al., 2003). On parle aussi de validit prdictive dans le cas
o il sagit de la mise en relation du concept avec des comportements. Cette validit sera
examine lors de la discussion de nos rsultats avec ceux des recherches passes.

2-

VALIDITE DE CONSTRUIT

Lanalyse de la validit de construit permet de savoir si les indicateurs construits sont une
bonne reprsentation du phnomne tudier (Evrard et al., 2003 ; Gavard-Perret et al.,2008).
Cette analyse est base sur une approche statistique danalyse des donnes. Elle cherche
vrifier si un indicateur ou nonc est, sur le plan empirique, associ au construit auquel il est
cens tre li. Deux formes permettent de vrifier la pertinence de cette validit. Il sagit de la
validit convergente et la validit discriminante. Dans un article intitul Un paradigme pour
127

dvelopper de meilleures mesures de construits marketing , Churchill (1979) propose une


procdure pour renforcer la validit et la fiabilit des mesures. Avant de passer la validation
du construit, il convient de raffiner les chelles de mesure.
Deux techniques complmentaires sont frquemment employes, il sagit de lanalyse
factorielle en composantes principales (ACP), et lanalyse factorielle confirmatoire.
(Churchill, 1979 ; Evrard et al., 1993, Roussel et Igalens, 1998). La mise en uvre dune ACP
doit tre complte par lanalyse factorielle confirmatoire.

2-1- Les analyses statistiques

Il sagit de lanalyse factorielle exploratoire et de lanalyse factorielle confirmatoire. Au cours


de ces analyses, nous aborderons lunidimensionnalit des construits

2-1-1-analyse factorielle exploratoire

La premire partie de cette analyse a consist tablir la cohrence interne de lchelle


utilise afin dprouver sa fiabilit et den dterminer sa structure sous-jacente. Pour se faire,
nous avons utilis lanalyse en composantes principales (ACP) car elle assure que lchelle
mesure prcisment et exclusivement le construit quelle est cense mesurer. Lorsque le
construit est unidimensionnel, lACP fait apparatre un seul facteur et inversement pour les
construits multidimensionnels. Elle permet de vrifier que, pour chaque dimension du
construit, les items censs la mesurer sont exclusivement et clairement lis elle.
Nous considrons les rgles suivantes adaptes de Igalens et Roussel (Roussel et Igalens,
1998) et de Evrard et al. (Evrard et al., 1997) pour raliser lACP
-

Extraction de facteurs restituant un minimum de 50% de la variance totale,

Vrification des valeurs du test de Kaiser-Meyer-Olkin (KMO), qui mesure la


prcision de lchantillon : un KMO lev indique que la solution factorielle est
statistiquement excellente (0,9), mritoire (0,8), moyenne (0,7), mdiocre (0,6) ou
insuffisante (0,5 et en de), et donc des valeurs de KMO comprises entre 0,7 et 0,9
reprsentent des solutions factorielles acceptables.

Pour mener bien cette analyse, nous avons utilis le logiciel SPSS 16. Nous prsenterons
les rsultats de cette analyse construit par construit. (Rsultats complets en annexe 05)

128

Capacit analytique
Test KMO

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

,725

Approx. Chi-Square

85,071

df

Sig.

,000

Ces tests sont significatifs pour notre chelle car la valeur du KMO est comprise entre 0,6 et
0,9 et celle de la significativit du test de Bartlett qui teste lhypothse nulle de corrlation des
variables est proche de 0 (ici gale 0).

Total Variance Explained

Compo
nent

Total

2,352

Initial Eigenvalues

Extraction Sums of Squared Loadings

% of Variance Cumulative %

Total

58,793

58,793

,791

19,764

78,557

,462

11,553

90,110

,396

9,890

100,000

2,352

% of Variance Cumulative %
58,793

58,793

129

Component Matrix

Component
1
L'analyse des donnes client

fournie par le logiciel vous


donne des informations

,822

"client"
Les sources d'information
client sont principalement
disponibles sous la forme

,690

suivante
Les outils d'analyse que
vous utilisez sont ils

,719

Quelle est la frquence


d'utilisation des outils

,826

qualifis d'analytique?

Lanalyse factorielle a extrait un seul facteur donc tous les items permettent bien de mesurer
le variable capacit analytique. Toutes les contributions factorielles sont significatives. Les
tests laissent apparatre clairement lunidimensionnalit de lchelle de mesure la capacit
analytique. La solution restitue 58,79 de la variance.

Capacit oprationnelle
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

Approx. Chi-Square

,725
231,842

df
Sig.

10
,000

Les tests KMO et de sphricit de Bartlett nous permettent de vrifier la capacit des donnes
tre factorises. Ces tests sont significatifs pour notre chelle car la valeur du KMO est

130

0,725. La significativit du test de Bartlett qui teste lhypothse nulle de corrlation des
variables est proche de 0 (ici gale 0).

Component Matrixa
Component
1

Les outils principaux de


force de vente votre
disposition sont

,868

-,261

Votre centre de contact


client est compos de
processus

,940

-,104

Votre support client et


service est compos de
processus

,947

-,080

Tous vos systmes par


exemple (finances, ventes
,165
et oprations) sont lis et
communiquent entre eux

,865

Quelle est la frquence


d'utilisation des outils
,470
qualifis d'oprationnels?

,546

131

Rotated Component Matrixa


Component
1

Les outils principaux de


force de vente votre
disposition sont

,906

Votre centre de contact


client est compos de
processus

,933

,158

Votre support client et


service est compos de
processus

,933

,183

Tous vos systmes par


exemple (finances, ventes
et oprations) sont lis et
communiquent entre eux
Quelle est la frquence
,303
d'utilisation des outils
qualifis d'oprationnels?

-,013

-,079 ,877

,654

Aprs la premire analyse factorielle et une rotation de type varimax, nous avons remarqu
que le quatrime item (COPE_SYSTEM : Tous vos systmes par exemple (finances, ventes
et oprations) sont lis et communiquent entre eux) est fortement reprsent sur le deuxime
axe factoriel, nous avons donc dcid de le supprimer et de reprendre lanalyse factorielle. Le
dernier Item nest pas fortement reprsent sur le premier axe mais compte tenu de
limportance de litem dans lanalyse, nous avons dcid de le garder pour linstant. Les
rsultats de la deuxime analyse factorielle exploratoire sont les suivants :

132

Total Variance Explained


Compo
nent

Total

Initial Eigenvalues

Extraction Sums of Squared Loadings

% of Variance Cumulative %

Total

2,766

69,155

69,155

,858

21,441

90,596

,291

7,287

97,883

,085

2,117

100,000

2,766

% of Variance Cumulative %
69,155

69,155

Component Matrixa
Component
1
Les outils principaux de
force de vente votre
disposition sont

,879

Votre centre de contact


client est compos de
processus

,942

Votre support client et


service est compos de
processus

,948

Quelle est la frquence


,456
d'utilisation des outils
qualifis d'oprationnels?
Cette nouvelle analyse montre donc un concept unidimensionnel car les quatre items
dcrivent un seul et unique facteur. La solution restitue 69,155% de la variance.

133

Capacit collaborative

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

,733

Approx. Chi-Square

104,136

df

Sig.

,000

Le test KMO (0,733) et le test de significativit de Bartlett est gal 0,000. Ces rsultats
indiquent une prdisposition des donnes tre factorises.

Total Variance Explained


Compo
nent

Total

2,319

Initial Eigenvalues

Extraction Sums of Squared Loadings

% of Variance Cumulative %

Total

77,306

77,306

,353

11,776

89,082

,328

10,918

100,000

2,319

% of Variance Cumulative %
77,306

77,306

134

Component Matrixa
Component
1
Votre systme intgre
toutes les interactions
avec vos clients quelques ,885
soient les canaux de
communication utiliss
Votre systme vous
permet d'identifier vos
clients lors d'un appel
entrant.

,876

Quelle est la frquence


,876
d'utilisation des outils
qualifis de collaboratifs?
Les tests laissent apparatre clairement lunidimensionnalit de lchelle de la capacit
collaborative. La solution restitue 77,306% de la variance totale.
La stratgie relationnelle
La premire analyse factorielle a montr que les items Votre entreprise laisse son
personnel une grande libert d'action pour rpondre aux attentes du client et Vous valuez
les performances de votre socit partir d'indicateurs lis aux clients. ont une faible
contribution. Aprs une rotation de type Varimax, litem Vous savez clairement quels
traitements vous devez rserver chaque type de clients est fortement reprsent sur le
second axe factoriel. Nous avons donc supprim les trois items et reprendre lanalyse
factorielle, les rsultats sont les suivants :

135

KMO and Bartlett's Test


Kaiser-Meyer-Olkin

Measure

of

Sampling

Adequacy.
Bartlett's

Test

of Approx. Chi-Square

Sphericity

,726
126,824

df

Sig.

,000

Le test KMO (0,726) et le test de significativit de Bartlett est gal 0,000. Ces rsultats
indiquent une prdisposition des donnes tre factorises.

Total Variance Explained


Compo Initial Eigenvalues

Extraction Sums of Squared Loadings

nent

Total

% of Variance Cumulative % Total

% of Variance Cumulative %

2,630

65,742

65,742

65,742

,682

17,059

82,801

,426

10,659

93,460

,262

6,540

100,000

2,630

65,742

136

Component Matrixa

Component
1
Vous donnez la priorit
vos clients plutt qu' vos

produits ou vos

,826

processus internes
La satisfaction du client
est l'un des principaux
objectifs de votre

,758

entreprise
Pour Votre entreprise, il
est trs important de
savoir vous mettre la

,806

place du client
Votre direction consacre
une part importante de
son temps des activits

,851

lies aux clients

Les tests laissent apparatre clairement lunidimensionnalit de lchelle de la stratgie


relationnelle. La solution restitue 65,742% de la variance totale.

137

Gestion des canaux de communication

KMO and Bartlett's Test


Kaiser-Meyer-Olkin

Measure

of

Sampling

Adequacy.
Bartlett's

Test

of Approx. Chi-Square

Sphericity

,684
181,788

df

10

Sig.

,000

Le KMO (0,684) et le test de significativit de Bartlett indique que une prdisposition tre
factorise acceptable. Les items dcrivent un seul facteur et restitue 59,575% des variances
expliques.

Total Variance Explained


Compo Initial Eigenvalues

Extraction Sums of Squared Loadings

nent

Total

% of Variance Cumulative % Total

% of Variance Cumulative %

2,979

59,575

59,575

59,575

,893

17,860

77,436

,632

12,633

90,069

,302

6,044

96,113

,194

3,887

100,000

2,979

59,575

138

Component Matrixa

Component
1
Vous savez par quels
canaux de
communication chaque

,777

type de clients prfre


tre contact
Votre plan de
communication attribue
des objectifs spcifiques ,741

chaque contact avec le


client
Votre choix de canaux de
communication n'est pas
limit par des contraintes

,810

d'ordre technique
Lors de chaque contact
avec un client, vous tes
capables de l'identifier et
disposez de toute

,640

l'information utile son


sujet.
Vos services et ceux de
vos partenaires sont
suffisamment souples
pour rpondre

,872

parfaitement aux besoins


de vos clients.

139

La connaissance client
KMO and Bartlett's Test
Kaiser-Meyer-Olkin

Measure

of

Sampling

Adequacy.
Bartlett's

Test

of Approx. Chi-Square

Sphericity

,748
119,571

df

15

Sig.

,000

La premire analyse factorielle a montr que litem Vous disposez de toutes les donnes
client ncessaires la concrtisation de votre stratgie relationnelle est fortement reprsent
sur un autre axe factoriel Nous avons donc dcid de le supprimer et reprendre lanalyse
factorielle, les rsultats sont les suivants :

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling

,728

Adequacy.
Bartlett's Test of

Approx. Chi-Square

102,698

Sphericity

df

10

Sig.

,000

Total Variance Explained

Compo
nent

Total

2,565

Initial Eigenvalues

Extraction Sums of Squared Loadings

% of Variance Cumulative %

Total

51,305

51,305

,916

18,319

69,625

,680

13,599

83,223

,501

10,029

93,252

,337

6,748

100,000

2,565

% of Variance Cumulative %
51,305

51,305

140

Component Matrixa
Component
1
La collecte de donnes
client constitue une partie ,725
de vos activits
Le personnel de votre
entreprise sait exploiter
les donnes client et s'y
emploie activement

,816

Vos donnes client sont


protges (en matire de
respect de vie priv et de
,770
scurit), y compris pour
les tierces parties avec
lesquelles vous travaillez.
Vos donnes client sont
pertinentes et jour

,671

Les membres de votre


service informatique
manifestent un intrt
,575
pour le marketing et vice
versa
Cette nouvelle solution dcrit un seul facteur et restitue 51,305% de la variance totale
explique.

Performance du cycle de vie du client

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Bartlett's Test of
Sphericity

Approx. Chi-Square

,759
322,305

df
Sig.

15
,000

141

Total Variance Explained


Compo
nent

Total

3,844

Initial Eigenvalues

Extraction Sums of Squared Loadings

% of Variance Cumulative %

Total

64,068

64,068

,682

11,363

75,431

,560

9,337

84,767

,544

9,064

93,831

,303

5,054

98,886

,067

1,114

100,000

% of Variance Cumulative %

3,844

64,068

64,068

Les rsultats dcrivent un seul facteur et la solution restitue 64,068%.


Component Matrixa
Component
1
L'utilisation des logiciels
CRM a permis votre
,782
entreprise d'acqurir plus
de nouveaux clients.
L'utilisation des logiciels
CRM a permis votre
,733
entreprise d'augmenter les
revenus par client.
L'utilisation des logiciels
CRM a permis votre
entreprise de rduire les ,689
cots d'acquisition de
nouveaux clients.
L'utilisation des logiciels
CRM a permis votre
,902
entreprise de mieux
fidliser vos clients
L'utilisation des logiciels
CRM a permis votre
,874
entreprise de baisser le
taux de dfection de vos
clients

142

Le logiciel CRM vous a


permis de mieux
connaitre vos clients

,802

2-1-2-analyse factorielle confirmatoire

Lanalyse factorielle confirmatoire (AFC) permet destimer les relations entre les variables
observes et les variables latentes estimes (Igalens et Roussel, 1998). Elle permet galement
de spcifier les relations entre les variables latentes et leurs indicateurs observs. Cette
analyse nous permet de dterminer lajustement du modle factoriel hypothtique. Les
paramtres du modle sont estims partir de la matrice des covariances par la mthode du
maximum de vraisemblance, qui slectionne les estimations ayant la plus grande probabilit
de reproduire les donnes observes et qui est la plus communment utilise (Bollen et Long,
1993). Cette analyse a t ralise laide du logiciel AMOS 4, avec lequel plusieurs indices
permettent de nous assurer de lajustement de la structure thorique aux donnes de
lchantillon. Nous utiliserons des critres dajustements absolus: test du chi deux, RMSEA
(Root Mean Square Error of Approximation), GFI (Goodness of Fit) et lAGFI (Adjusted
Goodness of Fit). Nous nous intresserons galement aux indices incrmentaux suivants, qui
permettent de comparer le modle test un modle nul. Il sagit : du NFI (Normed Fit
Index), le CFI (Comparative Fit Index) et le TLI (Tucker Lewis index). Le tableau suivant
montre les valeurs considres comme satisfaisantes pour chaque indice.

143

Indices

Normes

X2 /ddl

Entre 2 et 3,
mme 5

Cet indice value la qualit dajustement du modle en tenant


compte de la parcimonie

GFI

> 0.9 ou 0.8


selon les
auteurs

Il reprsente le montant de la variance et de la covariance


explique par le modle. Il est analogue au R Deux de la
rgression multiple

AGFI

> 0.8 ou 0.7


selon les
auteurs

Cest lindice ajust du GFI au regard des degrs de libert, est


aussi analogue au R Deux ajust de la rgression multiple

RMR

0.05 ou 0.08

Indice de la valeur moyenne des rsidus du modle

NFI

> 0.9 ou
proche de 0.9

Ils permettent de tester si un modle factoriel exploratoire


particulier reprsente une amlioration par rapport un modle 0
qui ne suppose aucune relation entre les variables

CFI

> 0.9 ou
proche de 0.9

Il permet galement de comparer un modle factoriel un


modle nul en calculant la diminution relative dun manque
dajustement

RMSEA 0.05 ou 0.08


selon les
auteurs

Dfinitions

Il reprsente la diffrence moyenne par degr de libert attendue


dans la population totale et non dans lchantillon

Tableau 13 /Titre : Principaux indices dajustement globaux (daprs Roussel & al.,
2002)
Nous prsenterons les rsultats de cette analyse, construit par construit.

144

Capacit analytique

Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

3,264
9,58
0,791
0,048
0,925
0,833
0,944
0,167

Les indices dajustement sont satisfaisants lexception du RMSEA qui est de 0,167
Capacit oprationnelle
Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

0,257
0,997
0,984
0,008
0,998
1,020
1
0,000

Les indices dajustement sont trs satisfaisants pour la mesure de la capacit oprationnelle.

Capacit collaborative
Etant donn que la capacit collaborative est mesure avec trois items, nous ne serons pas en
mesure de faire cette analyse factorielle confirmatoire de manire spare car, avec trois
items, le modle est exactement identifi ce qui signifie quil contient suffisamment
dinformations pour estimer tous les paramtres. Dans de tel cas, le nombre de degr de
libert est gal zro (0) et le test du chi-deux indique un ajustement parfait.

145

Analyse des trois capacits runies


La capacit du logiciel est un construit unique trois composantes savoir : la capacit
analytique du logiciel, la capacit oprationnelle du logiciel et la capacit collaborative du
logiciel.
La premire analyse factorielle confirmatoire a donn des indices dajustement trs mauvais.
Aprs une analyse des indices de modification et de la contribution factorielle standardise de
certains items nous avons dcid dapporter quelques ajustements au modle. Ainsi nous
avons supprim un item pour chaque variable latente. Les items relatifs la capacit
analytique et la capacit oprationnelle prsentent des contributions factorielles standardises
faibles. Le troisime item relatif la capacit collaborative a t supprim aprs analyse des
indices de modification. Les rsultats de cette analyse sont rsums dans le tableau suivant et
sont trs conformes aux normes inscrites dans le tableau qui rsume les valeurs dacceptation.

Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

1,680
0,920
0,831
0,083
0,932
0,951
0,970
0,092

Stratgie relationnelle
Lanalyse de la stratgie relationnelle a donn des indices trs satisfaisants aprs cration
dune corrlation entre les erreurs du deuxime et du troisime item. Cette manipulation nous
a permis datteindre des rsultats qui sont consigns dans le tableau ci dessous

146

Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

1,438
0,991
0,913
0,011
0,989
0,979
0,996
0,074

Gestion des canaux de communication

Les indices dajustement ne sont pas assez satisfaisants la suite de la premire analyse
factorielle. Aprs analyse des indices de modification, nous avons dcid de supprimer litem
numro 5 (Vos services et ceux de vos partenaires sont suffisamment souples pour rpondre
parfaitement aux besoins de vos clients). Les rsultats des indices aprs suppression de litem
5 sont rsums dans le tableau ci-dessous et sont trs satisfaisants.

Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

0,874
0,989
0,946
0,023
0,981
1,009
1,000
0,000

Connaissance client
La premire analyse na pas donn des indices dajustement satisfaisants. Lanalyse des
indices de modification nous a permis de supprimer litem Les membres de votre service

147

informatique manifestent un intrt pour le marketing et vice versa . La suppression de cet


item nous a permis dobtenir des rsultats satisfaisants.

Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

0,066
0,999
0,996
0,004
0,998
1,073
1,000
0,000

Performance du cycle de vie du client


La premire analyse factorielle a montr que la valeur de khi2/ddl est de 5,551. Cette valeur
nest pas conforme aux normes. Aprs analyse des indices de modification, nous avons
supprim litem L'utilisation des logiciels CRM a permis votre entreprise de baisser le
taux de dfection de vos clients ce qui nous a permis dobtenir des indices trs satisfaisants.
La suppression de cet item, naffaiblira pas le construit car cet item rejoint litem
L'utilisation des logiciels CRM a permis votre entreprise de mieux fidliser vos clients .
Les rsultats sont inscrits dans le tableau suivant :

Indices
X2 /ddl
GFI
AGFI
RMR
NFI
TLI
CFI
RMSEA

1,422
0,967
0,900
0,025
0,959
0,974
0,987
0,072

148

Une fois lunidimensionnalit des construits dmontre, nous pouvons passer aux diffrentes
valuations.

2-2-validation des mesures

2-2-1-Evaluation de la fiabilit

La fiabilit dune chelle dsigne le degr selon lequel les items dune chelle mesurent
conjointement le mme concept. La fiabilit est value au niveau de chaque chelle par le
coefficient de fiabilit rh de Joreskorg () et par lalpha de Cronbach ()
Lalpha de Cronbach est un coefficient de fiabilit qui mesure la cohrence interne dune
chelle construite partir dun ensemble ditems. Plus la valeur de lalpha est proche de 1
plus la cohrence interne de lchelle (sa fiabilit) est forte. Il a t prouv quil existe une
relation entre le nombre ditems et la valeur de lalpha de Cronbach. Les valeurs de lalpha
sont rsumes dans le tableau ci-dessous :

valeurs

Acceptabilit

Infrieur 0,6

Insuffisant

Entre 0,6 et 0,65

Faible

Entre 0,65 et 0,7

Minimum acceptable

Entre 0,7 et 0,8

Bon

Ente 0,8 et 0,9

Trs bon

Suprieure 0,9

Considrer la rduction du nombre ditems

Tableau 14/ Titre : Les valeurs dacceptation de lalpha de Cronbach

149

Cependant, le professeur J-J. Croutsche (1997) estime quune valeur de lalpha gale 0,6 est
suffisante ds lors quil sagit dune tude exploratoire, thorique. La seconde valeur
permettant de mesurer la cohrence interne est le rh de Joreskorg qui contrairement lalpha
de Cronbach a la particularit et lavantage dtre moins sensible au nombre ditems
(Roehrich, 1994). En ce qui nous concerne, nous avons utilis les deux valeurs pour mesurer
la fiabilit de notre chelle. Lalpha de Cronbach est donn par le logiciel SPSS 16 et le rh
de Joreskorg est calcul aprs lanalyse factorielle confirmatoire suivant la formule suivante :
Rh de Joreskorg = (somme des contributions factorielles standardises) au carr/
(somme des contributions factorielles standardises) au carr+ (somme des erreurs de
mesure des indicateurs).
La fiabilit est satisfaisante si le rh est suprieur 0,7 ou 0,8 (Fornelle et Lacker, 1981). Les
rsultats sont consigns dans le tableau ci-dessus. (annexe 07)

EVALUATION DE LA FIABILITE
Construit

Rho de

Alpha de

Joreskog () Cronbach ()

Stratgie relationnelle

0,86

0,81

Gestion des canaux

0,82

0,76

Connaissance client

0,86

0,75

Capacit analytique

0,75

0,72

Capacit oprationnelle

0,92

0,93

Capacit collaborative

0,66

0,80

Performance du cycle de vie

0,87

0,83

Tableau 15/ Titre : Evaluation de la fiabilit

150

Au vu des rsultats consigns dans le tableau, on peut conclure la fiabilit de nos chelles de
mesure.

2-2-2-Evaluation de la validit convergente

La validit convergente permet de vrifier si diffrents indicateurs qui sont censs mesurer le
mme phnomne sont corrles (Evrard, Pras et Roux, 1997). Deux critres permettent
dvaluer cette forme de validit
- Les contributions factorielles (comparables des coefficients de rgression) issues de lAFC
doivent tre significativement non nuls (cr > 1.96) (Gerbing et Anderson, 1988) ;
- La variance moyenne extraite pour chaque construit doit tre gale ou suprieure 0,5
(Fornell et Larcker, 1981).
La validit convergente est estime par la formule suivante :
Rh de validit convergente () = (somme des carrs des contributions factorielles
standardises)/ (somme des carrs des contributions factorielles standardises) +
(somme des erreurs de mesure des indicateurs).
Le tableau suivant synthtise les tests de validit convergente. Les rsultats montrent que les
ratios critiques (cr) sont tous trs suprieurs valeur critique de
1,96 prouvant que la relation entre chaque construit et ses indicateurs de mesure est bien
significativement diffrente de zro avec un intervalle de confiance de 95 %. La variance
moyenne extraite (VME) pour chaque construit dpasse le seuil de 0,5 Ainsi, et daprs les
rsultats prsents dans le tableau

ci-dessous, nous pouvons conclure que la validit

convergente est vrifie dans notre cas.

151

Evaluation de la validit convergente

Construits

Items

Cr

VME

stra-rel_centr_client -

stra-rel_sati

4,362

0,000

stra-rel

5,391

0,000 0,61

stra-rel_dire

8,524

0,000

gcan_prf

gcan_obje

5,127

0,000

gcan_cont

5,487

0,000 0,55

gcan_iden

3,049

0,002

cclient_coll

cclient_pers

3,958

0,000

cclient_prot

4,024

0,000 0,60

cclient_qual

3,855

0,000

cana_donne

cana_outils

6,093

0,000 0,51

cana_fr_util

5,503

0,000

cop_fv

cop_centre

10,525 0,000 0,79

cop_support

10,249 0,000

collab_inter

collab_fr

7,513

0,000 0,50

perf_tc

perf_cs

5,932

0,000

Performance du cycle de vie du client perf_ca

5,173

0,000 0,59

perf_fid

9,573

0,000

crm_cc

8,172

0,000

Stratgie relationnelle

Gestion des canaux

Connaissance client

Capacit analytique

Capacit oprationnelle

Capacit collaborative

Tableau 16 / Titre : Evaluation de la validit convergente

152

2-2-3-Validit discriminante

La validit discriminante signifie que deux construits diffrents thoriquement sont galement
distincts dans la pratique. Pour vrifier, il faut sassurer que la racine carre de la variance
moyenne explique (VME) de chaque construit est suprieure aux corrlations quil partage
avec les autres construits (Ping, 2004).
Le tableau suivant prsente les rsultats des tests de la validit discriminante.

EVALUATION DISCRIMINANTE
SR

GC

CC

CRM-A

CRMO

CRM-C

SR

0,78

GC

0,727

0,74

CC

0,588

0,496

0,77

CRMA
CRMO
CRMC
PER

0,596

0,499

0,706

0,71

0,243

0,076

0,188

0,538

0,88

0,760

0,610

0,730

0,688

0,405

0,70

0,893

0,608

0,615

0,768

0,518

0,893

PER

0,77

Tableau 17 / Titre : Validit discriminante


Au vu des rsultats consigns dans ce tableau nous constatons une forte corrlation entre :
-

Performance du cycle de vie du client et stratgie relationnelle

Performance du cycle de vie du client et CRM collaboratif

CRM collaboratif et stratgie relationnelle

Nous pouvons donc conclure que la validit discriminante nest pas vrifie pour notre
construit globale.

153

CONCLUSION CHAPITRE 4

Dans cette recherche nous avons men des tests prliminaires de pr enqute bass sur
diffrents types dinformations et donnes. Notre unit

de recherche tait lentreprise

utilisatrice de logiciel CRM. Notre base de sondage est constitue de 346 entreprises de
diffrentes tailles et de diffrents secteurs dactivit.
Lenqute auto administre a t choisie pour collecter les donnes ; suite des contacts
multiples, nous avons pu runir quatre vingt huit (88) rponses dont six taient inutilisables
pour cause de rponses manquantes. Au final 82 rponses utilisables ont t retenues soit un
taux de rponse de 23,36%. Plus de 80% des rpondants taient des informateurs cls.
Dans cette recherche, des chelles utilises au cours dautres travaux empiriques ont t
utilises et des adaptations lies notre contexte de ltude ont t ralises. Afin de raliser
la validation de nos mesures, nous avons eu recours des experts qui ont t soumis une
enqute que nous avons intitul enqutes experts . Leurs rponses nous ont permis de
confirmer les validits faciale et de contenu de notre construit. La validation du construit a
t ralise grce une analyse statistique. Pour lanalyse statistique, nous avons eu recours
lanalyse factorielle exploratoire et lanalyse factorielle confirmatoire. Au cours de lanalyse
factorielle confirmatoire nous avons utilis la modlisation par quations structurelles avec
des variables latentes. Cette dmarche a permis, aprs un processus de purification, de
dvelopper des mesures qui rpondent aux critres psychomtriques de fiabilit et de validit.

154

CHAPITRE 5

TESTS DES HYPOTHESES ET DISCUSSION DES RESULTATS

INTRODUCTION
Ce chapitre sera consacr au test des hypothses et la discussion des rsultats. Il est organis
de la manire suivante. Tout dabord, nous accorderons une attention particulire au choix de
la mthode danalyse et ses conditions dapplication. Dans le cas de notre travail, nous
justifierons le recours la rgression multiple et nous vrifierons, notamment, les conditions
de la linarit du modle, labsence de multicolinarit des variables indpendantes,
lhomoscdasticit des erreurs, labsence dautoccorlation et la normalit des rsidus.
Ensuite, nous procderons aux tests statistiques proprement dits afin de confirmer ou
dinfirmer nos hypothses de recherche. Pour finir, nous consacrerons une section la
discussion des rsultats.
I-CHOIX ET HYPOTHESES DE LA REGRESSION
Diffrentes techniques statistiques peuvent tre utilises afin de tester leffet dinteraction : la
rgression multiple, la rgression multiple avec variables muettes, la rgression multiple par
sous-groupes et lANOVA (Caceres et Vanhamme, 2003).

1-LA REGRESSION MULTIPLE

La rgression linaire a pour objet de modliser les relations entre une variable expliquer
mesure sur une chelle dintervalle ou de rapport et une (rgression simple) ou plusieurs
(rgression multiple) variables mesures sur une chelle dintervalle ou de rapport, et
explicatives sous la forme dune quation linaire du type : Y = +1X1+2X2++nXn+
(Gavard-Perret et al., 2008). Pour tester nos hypothses, nous nous appuierons sur les
recommandations de Caceres et Vanhamme (2003) ainsi que dIrwin et Mc Clellamd (2002).
En effet, ces auteurs suggrent lutilisation de la rgression multiple pour la validation des
hypothses dans notre cas puisquelle permet dune part, dexpliquer une variable dpendante
mtrique (performance du cycle de vie du client dans notre cas), par un ensemble dautres
variables indpendantes mtriques (les capacits du logiciels CRM : capacit analytique,
capacit oprationnelle et capacit collaborative) et dautre part, de tester les effets
155

dinteractions entre variables indpendantes. En ce qui nous concerne, la rgression multiple


est davantage recommande que la modlisation en quations structurelles avec variables
latentes dans la mesure o notre chantillon nest pas assez important. En effet, lchantillon
minimal pour la modlisation en quation structurelle est de 100 (Kline, 1988). Enfin, la
mthode de rgression multiple offre lavantage de tester le modle au niveau global (par le
coefficient de corrlation multiple) et au niveau de chacune des variables explicatives (par le
test t de student appliqu chaque coefficient de rgression).

1-1- Hypothses de la rgression multiple

Le modle de rgression multiple repose sur un certain nombre dhypothses qui permettent
dtablir les proprits des estimateurs et de faire linfrence partir de ceux-ci. Au nombre
de ces conditions, nous avons :
-

la linarit du modle : la rgression tablit une relation linaire entre la variable


dpendante (ou expliquer) et la ou les variables indpendantes (ou explicatives). Les
hypothses relatives la linarit peuvent tre vrifies en se basant sur le diagnostic
des graphiques des rsidus (Evrard, Pras et Roux, 1997 ; Dodge et Rousson, 2004).
Cette mthode de diagnostic permet galement de dtecter, les valeurs aberrantes
(observations dont le rsidu est, en valeur absolue, bien plus lev que les autres).
Gnralement, deux types de graphiques peuvent tre utiliss : le graphique des
rsidus en fonction des valeurs estimes et le QQ-plot1 des rsidus. Si le modle choisi
est adquat, les rsidus seront rpartis uniformment dans une bande horizontale du
graphique des rsidus en fonction des valeurs estimes. La non linarit est dmontre
si les points forment des courbes. On peut galement comparer lcart type de la
variable dpendante par rapport lcart type des rsidus. Un cart type de la variable
dpendante suprieur lcart type des rsidus montre ladquation du modle linaire
(Dodge et Rousson, 2004 ; Garson, 2007).

Absence de multi colinarit : les variables explicatives sont indpendantes les unes
des autres (impossibilit dexprimer lune dentre elles comme une combinaison
linaire des autres). La matrice de corrlation et lindice VIF (Variance Inflation
Factor) peuvent tre utiliss. Une mthode simple pour dtecter une trop grande

Un "diagramme Quantile-Quantile", permet d'valuer l'adquation d'un chantillon une distribution thorique
en se dbarrassant des influences de la tendance centrale et de la dispersion de l'chantillon.

156

corrlation entre variables indpendantes est de demander la tolrance1 et le VIF. Le


seuil du facteur dinflation de la variance doit tre faible et infrieur 3 (Carricano et
Poujol 2008) et celui de la tolrance est de 0,3 (valeur suprieure 0,3). Une matrice
de correlation prsentant des valeurs suprieures 0,9 et un indice VIF suprieur 10
signale un problme de multicolinarit (Kline, 1998).
-

Homoscdasticit : la variance des erreurs est constante quelle que soit lobservation.
Elle est vrifie par lexamen des rsidus ou par un simple test statistique. Le logiciel
SPSS fournit le test dhomognit de Leverne (Carricano et Poujol 2008), qui mesure
lgalit des variances pour une seule paire de variables. Selon Dodge et Rousson,
(2004) et Garson (2007), lhtroscdasticit est constat lorsque les points forment
un entonnoir ou une autre forme montrant que la variance diffre en se dplaant sur
laxe Y. La variation des variances des termes derreur doit tre comprise entre -3 et
+3.

Absence dauto corrlation : les erreurs relatives deux observations diffrentes ne


sont pas corrles entre elles. Elle est valide par le test de Durbin-Watson. Lexamen
du coefficient D du Durbin-Watson permet de tester lautocorrlation, une valeur de D
comprise entre 1,5 et 2,5 indique que les observations sont indpendantes (Dodge et
Rousson, 2004 ; Garson, 2007).

La normalit de la distribution du terme derreur : les erreurs suivent une


distribution normale de moyenne 0 et de variance constante. Ce qui veut dire que les
point se trouvent rpartis en dessous et en dessus de la ligne 0 de laxe Y (Dodge et
Rousson, 2004 ; Garson, 2007). Cette normalit peut galement tre examine en
effectuant un QQ-plot des rsidus. Si les erreurs sont normalement distribues, les
points sur le graphique doivent tre peu prs aligns sur une droite de 45 degr
(Dodge et Rousson, 2004 ; Garson, 2007).

Les conditions dapplicabilit de la rgression multiple ayant t vrifies, il convient ds lors


dinterprter les rsultats de cette rgression.

La tolrance est dfinie comme la part de variabilit de la variable indpendante qui nest pas explique par une
ou dautres variables indpendantes.

157

1-2- Les rsultats de la rgression

Pour la validation des relations nonces dans nos hypothses, il est recommand de se
rfrer deux indicateurs : le t de student (CR) et les coefficients de rgression standardiss
(bta). La valeur du CR doit tre suprieure 1.96 alors que les coefficients de rgression
doivent tre compris entre 1 et 1. Par consquent, plus la valeur absolue dun coefficient est
proche de 1, plus la relation linaire est forte; le contraire tant vrai. Les rsultats de la
rgression se lisent grce aux indices suivants (Carricano et Poujol 2008) :
-

R : le coefficient de corrlation multiple est un indice standardis variant de -1 +1,


indiquant la force de la relation entre lensemble des variables indpendantes et
variables dpendantes. Plus la corrlation est leve, plus la relation linaire entre les
variables est leve.

R2 (R au carr) : encore appel coefficient de dtermination, il est un indice de la


part de variance de la variable dpendante par les variables indpendantes qui sont
dans lquation. Il donne ainsi la part de variance de la variable explique par la
variable explicative.

Le Bta : ce coefficient standardis permet de comparer la contribution de chaque


variable puisquil sagit du coefficient de rgression ramen sur une chelle standard
(entre -1 et +1)

Le test F : sa valeur indique si la variance ou lajout de variance explique est


significative, c'est--dire si, quelle que soit la force de la relation entre les variables
explicatives et les variables expliquer, cette relation est susceptible dexister dans la
population et nest pas due simplement au hasard de lchantillonnage.

Le test t : sa valeur doit tre plus grande que 1,96 pour tre significative (note** p<
0,05). Elle indique si chacun des coefficients des variables prsentes dans lquation
est significatif.

2- RESULTATS DE LA RECHERCHE

2-1- Effets principaux des capacits du logiciel CRM sur le cycle de vie du client

Afin de tester la relation entre les capacits du logiciel CRM et le cycle de vie du client, nous
avons utilis le modle de la rgression multiple suivant :
Y=+iCcrmi+
158

Avec :
Y=PCVC : la variable dpendante reprsente dans notre cas par le cycle de vie du client
La constante du modle :
Le coefficient du modle estimer : i
Ccrmi (i=1, 2,3) : les trois capacits du logiciel CRM
Le terme derreur ou rsidu :
Pour notre modle, cette quation devient :

PCVC = +1ANA+2OPE+3COLL+
Avec :
ANA : capacit analytique
OPE : capacit oprationnelle
COLL : capacit collaborative
Lanalyse de rgression suppose que les hypothses concernant la linarit du modle, la
normalit des erreurs, la prsence dhomoscdasticit, labsence dautocorrlation et labsence
de multicolinarit soient vrifies. (annexe 08)

2-1-1 Vrification des conditions de rgression de notre modle

Pour vrifier la linarit du modle, la normalit des erreurs et lhomoscdasticit, nous avons
utilis le graphique des rsidus en fonction des valeurs estimes et QQ-plot des rsidus.
Aprs limination de lobservation 21 (valeur du rsidu suprieure 3 en valeur absolue), les
graphiques montrent que les rsidus sont uniformment rpartis dans une bande horizontale et
ne dcrivent pas un entonnoir ni une courbe. Il faut remarquer galement que les points sur le
QQ-plot des rsidus sont peu prs aligns sur une droite dune pente de 45 degr.
Sagissant de notre modle, labsence de multicolinarit est donc vrifie ; les tolrances
pour les trois variables indpendantes tant suprieures 0,3 (0,575 - 0,698 et 0,694) et les
VIF tant faibles et infrieures 3 (1,74 1,433 et 1,442).
Pour finir, lexamen du coefficient D de Durbin Watson montre que le modle ne souffre
pas dautocorrlation. En effet, la valeur de ce coefficient est de 1,661 ce qui est compris entre
1,5 et 2,5 valeur recommande par Dodge et Rousson, 2004 ; Garson, 2007.

159

2-1-2 Rsultats de lanalyse de la rgression

Les rsultats (annexe 08) montrent que le modle explique 64% de la variance du cycle de vie
du client et que la capacit analytique et la capacit collaborative sont associes positivement
au cycle de vie du client. Les coefficients standardiss sont respectivement de 0,275 (avec p
gal 0,003 et infrieur 0,01) pour la capacit analytique et de 0,585 (avec p gal 0,000
donc infrieur 0,001). Ainsi, nous pouvons en dduire que les hypothses H1 et H2 sont
vrifies. Il en est de mme pour lhypothse H0 car le modle explique prs de 64% de la
variance de la performance du cycle de vie du client et la significativit est de 0,000.
Lutilisation des logiciels CRM amliore le cycle de vie du client. La discussion de ces
rsultats fera lobjet de la cession suivante.

Les effets directs de lutilisation des capacits des logiciels sur le cycle de vie du client

Variables indpendantes

Hypothses

Beta standardiss

Capacit analytique

H1

0,275**

Capacit oprationnelle

H3

0,057

Capacit collaborative

H2

0,585***

R2

0,638

R2 ajust

0,642

Valeur de F

45,76***

* 0,01 p 0,05 ; ** 0,001 p 0,01 ; *** p 0,001


Tableau 18 / Titre : Les effets directs de lutilisation des capacits des logiciels sur le
cycle de vie du client
Vrification laide dune analyse en composante principale

160

Afin de vrifier nos rsultats, nous avons men une analyse en composante principale avec le
logiciel danalyse Sphinx. La carte factorielle ainsi que le tableau des contributions sont les
suivants :

OPE

ANA

PCVC
COLL

Figure 17 / titre : Carte factorielle sous Sphinx

Axe 1
(+66.65%)
CONTRIBUTIONS PCVC
POSITIVES
COLL
CONTRIBUTIONS
NEGATIVES

Axe 2
(+18.02%)

+29,0% OPE

+62,0%

+27,0% ANA

+3,0%

COLL

-18,0%

PCVC

-14,0%

Au regard de ce tableau, le premier axe (F1) permet dexpliquer 66,65% de la variance totale
du nuage de points, le second axe (F2) permet dexpliquer 18,02% de la variance totale.
En projetant donc chaque individu sur un plan F1 F2, on conserve donc 66,65+18,02 soit
84,67% de la variance totale (on a donc une bonne qualit de reprsentation).

161

Au vu de la carte factorielle, nous remarquons que les variables CRM collaboratif et


performance du cycle de vie du client sont trs corrles car elles forment un angle aigu.
Lutilisation de la capacit analytique est galement corrle avec la variable performance
du cycle de vie du client mais pas aussi fortement que le CRM collaboratif. En revanche, le
CRM oprationnel dcrit un angle droit avec la performance du cycle de vie du client, ce qui
traduit labsence de corrlation entre les deux variables. Ces rsultats confirment bien les
rsultats de la rgression multiple.

2-2-Effets des variables modratrices sur le cycle de vie du client

Pour mesurer leffet des variables modratrices, nous avons utilis le modle suivant de
rgression multiple avec des variables dinteractions :

PCVC = + 1ANA + 2OPE + 3COLL + 4(ANAxCC) + 5(ANAxSR) +


6(OPExCC) + 7(OPExSR) + 8(OPExGC) + 9(COLLxGC) + 10CC + 11SR +
12GC+ 13SECT_ACT+ 14TAIL+ 15EXPE+
Avec :
Variable expliquer :
-

PCVC : performance du cycle de vie du client

Variables explicatives :
-

ANA : capacit analytique

OPE : capacit oprationnelle

COLL : capacit collaborative

Variables modratrices :
-

CC : connaissance client

SR : stratgie relationnelle

GC : gestion des canaux de communication

Variables de contrle :
-

SECT_ACT : secteur dactivit

TAIL : taille de lentreprise

EXPE : exprience de lentreprise en matire dutilisation de technologie CRM

Erreurs :
-

terme rsiduel
162

2-2-1 Vrification des conditions de rgression de notre modle

Comme nous lavons fait dans le cadre de la vrification de leffet direct des capacits du
logiciel CRM sur la performance du cycle de vie du client, nous allons vrifier les cinq
principales hypothses de la rgression multiple savoir : les hypothses de la linarit, de
multicolinarit, dhomoscdasticit, de l'autocorrlation et de la normalit de la distribution
du terme derreur.

La linarit du modle

Afin de vrifier cette hypothse, nous analyserons la rpartition des rsidus. Une observation
du graphique (annexe 09) de rpartition des rsidus par rapport une rpartition normale
montre que les rsidus sont uniformment rpartis dans une bande horizontale du graphique.
Cette remarque permet daffirmer la linarit de notre modle.

Homoscdasticit

Pour vrifier lhypothse dhomoscdasticit, nous avons fait recours une fois encore au
graphique de la rpartition des rsidus par rapport une distribution normale. Nous avons
remarqu que le nuage de points dit des rsidus standardiss en rapport avec les valeurs
prdites standardises ne fait apparatre aucun modle particulier. Lhistogramme des rsidus
standardiss montre que la variation des variances des termes derreur est comprise entre -3 et
+3 ce qui confirme lhypothse de valeur constante de la variance du terme derreur
(homoscdasticit).

Absence de multi colinarit

Lobservation de la matrice des corrlations et les indices VIF nous permet daffirmer que la
condition dabsence de multicolinarit est vrifie. En effet, la matrice des corrlations ne
montre pas de valeurs suprieures 0,9 et les indices VIF sont tous infrieurs 10.

163

Absence dauto corrlation

Lexamen du coefficient D du Durbin-Watson de notre modle indique une valeur de 1,707.


Ce coefficient D est compris entre 1,5 et 2,5. Nous pouvons alors affirmer que lhypothse
dabsence dautocorrlation est vrifie pour notre modle.

La normalit de la distribution du terme derreur

En examinant le QQ-plot des rsidus, nous avons remarqu que les erreurs sont normalement
distribues, les points sur le graphique sont peu prs aligns sur une droite de 45 degr.
Nous pouvons alors affirmer avec certitude que lhypothse de la normalit de la distribution
du terme derreur est vrifie.
Toutes les hypothses qui sous-tendent une rgression linaire multiple sont vrifies. Ainsi,
nous pouvons interprter les coefficients de notre modle.

2-2-2 Rsultats de lanalyse de la rgression

Nous avons dvelopp deux modles au moment de la rgression multiple : le premier modle
regroupe les variables indpendantes et les variables de contrle et le second comporte
lensemble des variables du modle ainsi que les interactions entre les capacits du logiciel
CRM et les variables modratrices. Il est important de signaler que les tests de modration
peuvent tre influencs par la colinarit entre les variables indpendantes (Caceres et
Vanhamme, 2003). Pour pallier cette influence, nous avons donc centr les variables
indpendantes par rapport la moyenne.

Rsultats de la rgression multiple avec les variables modratrices et les variables de


contrle

Performance du cycle de vie du


Variables indpendantes

Hypothses

client

Modle 1

Modle 2

164

Beta standardiss

Exprience

H12

-0,231**

-0,241**

Secteur dactivit

H11

0,120

0,74

Taille

H10

0,018

0,004

Capacit analytique

H1

0,257**

0,332**

Capacit oprationnelle

H3

0,064

0,002

Capacit collaborative

H2

0,646***

0,427***

R2

0,742

R2 ajust
Valeur de F

0,721

35,397***

Connaissance client

0,208*

Stratgie relationnelle

0,322***

Gestion des canaux

-0,123

Capacit analytique x connaissance client

H4

0,218

Capacit oprationnelle x connaissance

H5

-0,181

client

Capacit
relationnelle

analytique

stratgie

0,059
H6

165

Capacit

oprationnelle

stratgie

H7

-0,008

relationnelle
H9
Capacit collaborative x gestion des

-0,151

canaux
H8
Capacit oprationnelle x gestion des

0,237*

canaux

R2

0,821

R2 ajust
Valeur de F

0,780

19,923***

P< 0,1 ; * 0,01 < P 0,05 ; ** 0,001P< 0,01 ; *** P< 0,001

Tableau 19/ Titre : Rsultats de la rgression multiple avec les variables modratrices et
les variables de contrle

Le modle 1 montre que les variables de contrle et les variables indpendantes expliquent
74% de la performance du cycle de vie du client. Les variables capacit analytique et
collaborative sont significativement positives ce qui confirme les premiers rsultats issus de la
rgression multiple ayant servi mesurer limpact direct de lutilisation des capacits du
logiciels CRM sur la performance du cycle de vie du client. Les hypothses H1 et H2 sont
donc valides. Ces rsultats confirment galement les premiers rsultats concernant
lhypothse H3. En effet, cette hypothse a t infirme par la premire rgression, ce qui se
trouve vrifie avec la seconde rgression.
Lajout de variables modratrices au modle 1 (termes dinteraction dans le modle 2)
amliore le pouvoir explicatif en passant de 74% avec le modle linaire simple 82% avec le
modle 2, soit une augmentation de 8%. Cette amlioration prouve lexistence dun effet
dinteraction de la part des variables modratrices sur les variables indpendantes.

166

Linteraction de la capacit analytique avec la connaissance client produit un effet positif


significatif sur la performance du cycle de vie du client alors que linteraction de cette
capacit avec la stratgie relationnelle nest pas significative. Les bta standardiss sont
respectivement de 0,218 (H4) et de 0,059 (H6). Ainsi, lhypothse H4 est vrifie et
significative alors que lhypothse H6 est valide mais pas significativement.
Leffet de linteraction de la capacit oprationnelle avec la connaissance client est
significatif. Toutefois, cet effet ainsi que le bta standardis sont ngatifs, ce qui invalide
lhypothse H5. Linteraction de cette capacit oprationnelle avec la stratgie relationnelle
nest pas significative ce qui infirme galement lhypothse H7. Nanmoins, linteraction de
cette capacit avec la gestion des canaux de communication est significativement positive, ce
qui valide lhypothse H8.
Enfin, leffet dinteraction de la capacit collaborative avec la gestion des canaux de
communication nest pas significatif ce qui infirme lhypothse H9.
Nos rsultats montrent galement que la connaissance client et la stratgie relationnelle ont
chacun un impact direct positif sur la performance du cycle de vie du client alors que la
gestion des canaux de communication a un effet direct ngatif sur cette performance.
Finalement, la taille de lentreprise na aucune influence sur la performance du cycle de vie
du client alors que lexprience des entreprises en matire de CRM semble influencer
ngativement cette performance. Par consquent, les hypothses H10 et H12 ne sont pas
valides. En ce qui concerne le secteur dactivit, son impact sur la performance du cycle de
vie du client est positif mais pas significatif. Do lhypothse H11 est valide.
Tous ces rsultats seront discuts aprs prsentation des rsultats complmentaires issus de
lenqute.

Vrification laide de lanalyse en composantes principale

Nous utiliserons lanalyse en composante principale pour confirmer ou infirmer les


hypothses lies aux variables de contrle. Nous avons ainsi procd une analyse en
composante principale laide du logiciel SPHINX. La carte factorielle mettant en vidence
les variables de contrle est la suivante :

167

EXPE

TAIL

OPE
ANA

COLL

PCVC
SECT_ACT

Figure 18/ titre : carte factorielle sous sphinx pour confirmer les hypothses lies aux
variables de contrle

Axe 1
(+40.12%)
CONTRIBUTIONS PCVC
POSITIVES
COLL

CONTRIBUTIONS
NEGATIVES

Axe 2
(+19.47%)
+27,0% EXPE

+46,0%

+26,0% TAIL

+26,0%

ANA

+23,0% OPE

+6,0%

OPE

+16,0% ANA

+1,0%

SECT_ACT
PCVC

-12,0%
-5,0%

Le tableau des contributions permet daffirmer que nous avons une bonne reprsentation avec
59,59% de la variance totale explique. La carte factorielle montre que les variables taille
et exprience nont pas de corrlation positive avec la performance du cycle de vie du
client car elles forment des angles obtus avec cette dernire. En revanche, la variable

168

secteur dactivit a une corrlation avec la variable performance de cycle de vie du


client .
Ces rsultats confirment les rsultats de la rgression multiple.

2-3 Autres rsultats utiles issus de lenqute (annexe 04)

Un tri plat avec le logiciel sphinx a permis de remarquer que plus de 96% des entreprises
interroges trouvent que la mise en place des logiciels CRM est une bonne chose pour leur
entreprise. Nous avons galement remarqu quil y a un dcalage entre la date dadoption des
logiciels CRM analytique et oprationnel et la date dadoption du CRM collaboratif. Les
graphiques en barre des logiciels CRM analytique et oprationnel sont presque juxtaposables.
Ce qui signifie que les entreprises ont adopt les logiciels CRM analytique et oprationnel au
mme moment. Le graphique en barre de la date dadoption du logiciel CRM collaboratif,
montre que la majorit (60%) des entreprises ont adopt ce type de logiciel partir de 2004 et
2005. Nous pouvons donc conclure que le CRM collaboratif est devenu populaire partir de
2004 mme si les entreprises taient dj dotes doutils ayant des fonctionnalits similaires
celles du CRM collaboratif. Les rsultats ont montr que les fonctionnalits les plus utilises
par les entreprises sont celles relatives au CRM analytique et oprationnel (segmentation,
mailing, gestion des campagnes marketing, historisation des contacts et des actions associes).
Nous avons en outre remarqu que les canaux utiliss par les clients pour entrer en contact
avec lentreprise restent le tlphone, le mail et commerciaux. Par ailleurs, il apparat que la
majorit des entreprises interroges (67,4%) ont entre 1 et 5 ans dexprience en utilisation de
logiciel CRM.
II- DISCUSSION DES RESULTATS
Lobjectif de cette recherche est de mettre en avant les capacits des outils logiciels CRM et
de mesurer limpact de lutilisation de ces logiciels sur la performance du cycle de vie du
client. A cet effet, il convient de sintresser deux questions principales. Dans un premier
temps, il sagit de savoir si la mise en place et lutilisation de ces logiciels CRM sont
positivement lies la performance du cycle de vie du client. Dans un second temps, il sagit
didentifier quels peuvent tre les modrateurs cls de la relation entre cette utilisation et la
performance du cycle de vie du client. A lissus de cette tude empirique, les rsultats sont
trs intressants.

169

Ces rsultats ont notamment montr que la capacit analytique des logiciels CRM a une
influence positive sur la performance du cycle de vie du client. En effet, la premire mesure
(effet direct) a montr que la significativit t est gale 0,003 et que le bta standardis est
gal 0,275. La seconde mesure (avec effet modrateur) a donn des rsultats de
significativit et de bta standardis trs satisfaisants (p=0,001 et = 0,332). Ces rsultats,
confirment notre hypothse H1 selon laquelle lutilisation de la capacit analytique des
logiciels CRM a une relation positive avec la performance du cycle de vie du client. Une
petite comparaison des deux rsultats montre lexistence dun effet modrateur sur
lutilisation de la capacit analytique. Lanalyse des effets dinteraction nous permettra de dire
quelle variable produit un tel effet sur la relation entre la performance du cycle de vie du
client et lutilisation de la capacit analytique des logiciels CRM.
Un logiciel qui a une bonne capacit analytique procure lentreprise qui lutilise, la
possibilit dapprhender les comportements des clients, de dfinir une bonne segmentation et
de dvelopper des modles prdictifs du comportement et des intentions du client. Certains
auteurs comme Lefbure et Venturi (2005), dune part, et Dominique Moisand (2002), dautre
part ont galement pens que lutilisation de la capacit analytique des logiciels CRM pouvait
permettre de calculer la probabilit exacte de chaque transaction avec le client et daffiner de
plus en plus les modles dcisionnels qui sous-tendent lactivit commerciale. Lutilisation de
la capacit analytique de lentreprise permet davoir des donnes de qualit. Elle permet
galement dattirer le client idal par rapport une proposition doffre. Nous avons soulign
dans nos chapitres prcdents que la performance du cycle de vie du client, passe par
laugmentation du taux de conversion de prospects en client, du dveloppement du client et de
la rtention du client. Werner Reinartz, Manfred Krafft, et Wayne D. Hoyer (2004) ont
dmontr que la mise en place de la technologie CRM est associe la performance de
lentreprise dans deux de ces trois phases cites de la performance. Ils soulignent une relation
positive pour le taux de conversion et le dveloppement de la relation. Cependant limpact est
ngatif en ce qui concerne la rtention. Ces rsultats rejoignent en partie nos conclusions
selon lesquelles lutilisation de la capacit analytique des logiciels CRM est associe
positivement la performance du cycle de vie du client. Dans la mme logique, nos rsultats
ont t galement dmontrs par Kamakura, Ramaswami et Srivastava, (1991) puis par
Kamakura, Wedel de Rosa et Mazzon (2003). Ces auteurs ont montr que la capacit
analytique des logiciels CRM permet de renforcer les relations par le biais de la cross-selling
et des up selling.

170

Une autre tude ralise en 2006 par luniversit Paris Dauphine et la socit Everest auprs
de 206 entreprises a montr galement que lutilisation de la capacit analytique des logiciels
CRM a une relation significativement positive avec le recrutement de nouveaux clients,
laccroissement de la rentabilit des clients et la fidlisation de ces derniers. Ce qui est
conforme aux rsultats observs lissue de notre tude.
Concernant lhypothse H2, nous avons suggr que lutilisation de la capacit collaborative
des logiciels CRM soit positivement associe la performance du cycle de vie du client. Les
rsultats des deux mesures, ont montr que lutilisation de la capacit collaborative des
logiciels CRM est positivement associe la performance du cycle de vie du client et pour
cause la significativit t et le bta standardis sont satisfaisants. En effet, la premire mesure
sans effet modrateur montre que la significativit t est gale 0,000 et que le bta
standardis est gal 0,585. La seconde mesure montre une significativit toujours gale
0,000 et le bta standardis de 0,427. Ces rsultats confirment notre hypothse H2. Cette
capacit a t dfinie par Lefbure et Venturi (2005) comme tant la capacit de lentreprise
fdrer les forces de lentreprise, qui correspond la capacit de dmultiplication. Dans les
chapitres prcdents, nous avons apport une dfinition cette capacit des logiciels CRM.
Nous avons dfini la capacit collaborative comme tant la mise en uvre de techniques
collaboratives destines faciliter les communications entre lentreprise et ses clients ainsi
que lintgration avec les autres dpartements de lentreprise. De notre revue de littrature
nous concluons que la frontire entre le collaboratif et loprationnel est trs mince. Nous
suggrons ici de considrer la dernire partie de notre dfinition comme tant le fondement
mme du collaboratif. Buttle (2004) puis Payne et Frow (2006) ont montr que lintgration
du logiciel au point de contact avec le client est trs importante pour le succs du CRM. La
capacit collaborative permet aux entreprises qui en disposent dapporter plus de valeur aux
clients. En effet, les requtes de ces derniers peuvent tre traites avec nettement plus de
professionnalisme en temps rel et au moment opportun. La prise en compte rapide des
proccupations du client se manifeste par la satisfaction de ce dernier, ce qui naturellement
engendre la fidlit mme si la satisfaction nest pas le seul lment conduisant la fidlit.
Cette capacit permet une bonne interaction entre client et entreprise. Ds lors quil y a une
bonne interaction entre le client et lentreprise, la confiance et lengagement sinstallent dans
la relation (Morgan et Hunt, 1994). Lengagement, la confiance et la satisfaction dans une
relation client fournisseur se traduit obligatoirement par lamlioration de la performance du
cycle de vie du client.

171

Dans le milieu universitaire, trs peu de travaux montrant limpact de la capacit collaborative
des logiciels CRM ont t mens. Toutefois, Bull (2003) ; Goodhue et al. (2002),
Plakoyiannaki et Tzokas (2002) puis enfin

Meyer et Kolbe (2005) ont abouti des

conclusions semblables celle de notre recherche empirique. Ils ont pu dmontrer que la
capacit collaborative est le facteur cl de succs de ladoption de la technologie CRM. Pour
ces auteurs, sans capacit collaborative, un outil logiciel CRM ne produit pas les rsultats
escompts. Concernant limpact direct de li lutilisation de la capacit collaborative des
logiciels CRM sur la performance du cycle de vie du client, nous pouvons conclure que nos
rsultats sont conformes ceux de la littrature du domaine.
Notre hypothse H3 stipule que la capacit oprationnelle des logiciels CRM est positivement
associe la performance du cycle de vie du client. Les rsultats des deux modles ont montr
que la capacit oprationnelle nest pas associe positivement la performance du cycle de
vie du client. Pour le premier modle, la significativit t est suprieure 0,1 et le bta
standardis est de 0,057, ce qui est trop faible pour conclure lexistence dune association
positive. Ces rsultats ont t confirms par le deuxime modle o la significativit est de
0,029 donc infrieure 0,05 mais le bta standardis est galement trs faible (0,002) donc
pas assez pour conclure lexistence dune relation positive entre ces deux variables. La
comparaison des rsultats des deux modles permet de souponner lexistence dun effet
modrateur entre les deux variables et une variable modratrice.
Ce rsultat concernant lhypothse H3 peut sexpliquer par le fait que les entreprises de notre
chantillon ont une mauvaise gestion des canaux de communication. Selon Jallat et al (2006),
le CRM oprationnel permet de proposer loffre aux clients au bon moment et par le bon
canal. De plus, le CRM oprationnel permet de savoir quel canal utilis pour relancer un
client. Le CRM oprationnel est donc centr sur la gestion quotidienne de la relation avec le
client travers les points de contact (canaux de communication).
Cette explication se trouve justifier par la validation de notre hypothse H8. En effet,
lhypothse H8 selon laquelle Plus lentreprise met en place une stratgie de gestion des
canaux de communication, plus limpact de lutilisation de la capacit oprationnelle du CRM
sur le cycle de vie du client est lev , est valide. Les rsultats de la rgression multiple
montrent une significativit de linteraction capacit oprationnelle et gestion des canaux t de
0,026, ce qui est infrieure 0,05, et un bta standardis de 0,237 suffisant pour valider
lhypothse. Ces rsultats sont conformes ceux cits par Peleen (2006). En effet, selon une

172

tude ralise par lagence ETO (2005) et publie par Peleen, une action multi canal optimise
le rendement dune opration marketing

de 15 20%. Nos rsultats sont galement

conformes la conclusion de Ryals et al. (2000) affirmant quune bonne coordination des
points de contact avec le client permet de corriger et dajuster les informations sur ceux-ci
afin dobtenir une rponse fiable ce qui amliore la performance de la relation client.
Nous avons galement mis comme hypothse que Plus lentreprise dveloppe une aptitude
connatre ses clients, plus limpact de lutilisation de la capacit analytique sur le cycle de
vie du client est fort . Cette hypothse que nous avons baptise H4 est valide car la
significativit t de linteraction entre la capacit analytique et la connaissance client est de
0,094 et infrieure 0,1 et le bta standardis est de 0,218. En effet, tout logiciel disposant
dune bonne capacit analytique a besoin de donnes afin de procder aux analyses. Pour que
lanalyse soit juste il faut que les donnes soient fiables et jour. Cette tche incombe aux
agents du front office. Laptitude de ces derniers recueillir ces donnes permettra la
capacit analytique dtre plus performante. Chung et al., (2003) ont affirm que lentreprise
qui russira comprendre et grer le comportement de ses clients et les services client
pourrait sapproprier de lavantage comptitif. Cette comprhension passe par laptitude du
front office aller chercher linformation chez le client afin de le stocker dans la banque de
donnes pour permettre au CRM analytique de faire des analyses pertinentes. Jayahandran et
al., (2004) ont abouti aux mmes conclusions que notre tude. Ces auteurs ont montrs que la
connaissance client amliore la rapidit et lefficacit de la raction de lentreprise envers ses
clients, ce qui engendre la satisfaction du client et par consquent sa fidlisation ; il en
rsulterait une amlioration du cycle de vie du client. Leffet modrateur de la connaissance
client sur limpact de lutilisation des outils technologiques sur la performance de lentreprise
a t dmontr par Sambamurthy et al. (2003).
Nos rsultats ont galement montr que la stratgie relationnelle nest un modrateur
significatif ni pour la capacit analytique ni pour la capacit oprationnelle. En effet, le test
des hypothses H6 et H7 ont donn des rsultats dcevants. Concernant lhypothse H6, nous
avons lexistence dun petit effet dinteraction entre la stratgie relationnelle et la capacit
analytique mais cette relation nest pas du tout significative. Mme si nous dcidons de
valider cette hypothse, on conclura sa non significativit car t est gale 0,510 ce qui
suprieur 0,05 et 0,1. En revanche, lhypothse H7 est invalide car la valeur du bta
standardis ne permet pas de conclure lexistence dune interaction forte entre la capacit
oprationnelle et la stratgie relationnelle. Dans le mme temps, leffet de la stratgie
173

relationnelle dans lquation de la rgression donne des valeurs satisfaisantes. Ce paradoxe


peut rendre compliqu lexplication de ces deux rsultats. La logique serait que la stratgie
relationnelle ait un effet dinteraction positivement significatif sur limpact des deux capacits
sur la performance du cycle de vie du client. Ces rsultats sont vraiment inattendus car toute
la littrature disponible voque limportance dune stratgie relationnelle avant mme
ladoption de la technologie CRM. Nous pouvons donc en conclure que la mise en place
dune stratgie relationnelle est ncessaire pour la prparation dune opration marketing
personnalis mais quelle na pas deffet sur lexcution de cette opration. Le seul fait de
penser mettre en place un marketing personnalis et de considrer un client comme tant
unique est de la stratgie relationnelle.
Nous avons galement formul comme hypothse que la gestion des canaux de
communication soit associe positivement la capacit collaborative des logiciels CRM.
Cette hypothse H9 na pas t soutenue par nos rsultats. Ce rsultat galement plus ou
moins attendu sexplique par le fait que le CRM collaboratif sexerce plus au sein des
diffrents dpartements de lentreprise quavec le client. Son action rside dans le traitement
des rclamations clients et la prise en charge des demandes du client. Le CRM collaboratif
est, en expression moins acadmique le pont entre le front office et le back office .
Lorsqu chaque demande du client suit une rponse efficace, le client se trouve satisfait et
cette satisfaction se manifeste dans son comportement envers lentreprise. Cette rponse
efficace est toujours favorise par une bonne interconnexion des diffrents dpartements de
lentreprise et non le canal utilis pour entrer en contact avec le client. Ces explications
confortent les rsultats de nos recherches qui invalident lhypothse selon laquelle la gestion
des canaux aurait un effet dinteraction sur la capacit collaborative.
La dernire hypothse relative aux variables modratrices est celle qui voque un effet
dinteraction possible entre la capacit oprationnelle et la connaissance client. Cette
hypothse H5 (Plus lentreprise dveloppe une aptitude connatre ses clients, plus limpact
de lutilisation de la capacit oprationnelle sur le cycle de vie du client est fort), na pas t
valide par nos rsultats. Ce rsultat est d au fait que les entreprises de notre chantillon ont
une mauvaise capacit oprationnelle. Comme nous lavons soulign pour linteraction entre
la capacit oprationnelle et la stratgie relationnelle, la connaissance client est ncessaire au
moment de la prparation de loffre individualise donc elle na aucun effet sur lexcution
mme de lopration du marketing personnalis. La capacit oprationnelle aide lexcution
et la planification des oprations de marketing prpares en amont.

174

Finalement, notre tude a mesur limpact de trois variables de contrle (la taille de
lentreprise, lexprience des entreprises en matire dutilisation des logiciels CRM et le
secteur dactivit) sur la performance du cycle de vie du client gnr par lutilisation des
logiciels CRM. Nos rsultats ont montr que lexprience en matire dutilisation de logiciels
CRM a un effet significativement ngatif sur la performance du cycle de vie du client. Notre
hypothse H12 nest donc pas valide. Ce rsultat signifie que plus lentreprise est
exprimente en termes dutilisation de logiciel CRM, moindre est limpact de lutilisation
des logiciels CRM sur la performance du cycle de vie du client. Le signe ngatif du bta
standardis et de la significativit (-3,308 et =-0,231) signifie que la performance du cycle de
vie du client due lutilisation du logiciel CRM et lanne dutilisation de ce logiciel sont
opposes. En effet, six (6) des entreprises de notre chantillon ont 10 ans dexprience alors
que 67,4% ont entre 1 et 5 ans dexprience. Ce rsultat ngatif peut tre expliqu par le
learning effect ou par le paradoxe de Solow. Si lchantillon tait constitu dentreprise
de plus de 10 ans dexprience peut tre que la performance voluerait dans le mme sens que
les annes dutilisation des logiciels CRM. En outre, nous avons pu constater que la taille de
lentreprise na aucune influence significative sur la performance du cycle de vie du client en
matire dutilisation de logiciel CRM. Lhypothse H10 nest donc pas valide. En effet,
quelque soit la taille de lentreprise, si le logiciel CRM a une bonne capacit (analytique,
oprationnelle et collaborative) et si cette capacit est bien utilis on observera les mmes
rsultats que pour une grande entreprise. Nous navons pas rencontr dans la littrature des
cas o la taille de lentreprise est considre comme une variable de contrle dans la mesure
de la performance du cycle de vie du client. Les quelques rares tudes observes (River, ML
et Dart (1999) et Starkey et Woodcock 2002) soulignent limportance de la taille de
lentreprise dans ladoption des logiciels CRM.
Enfin, nos rsultats ont mis en vidence que le secteur dactivit influence la performance du
cycle de vie du client lorsque les entreprises utilisent les logiciels CRM. Ce qui valide notre
hypothse H11. Compte tenu des indices de significativit t infrieur 0,1, on peut dire que
cette influence nest pas entirement significative. Ces rsultats sont identiques ceux de
Reinartz et al., (2004) ; ces derniers ayant tabli que la performance de la relation client,
inhrente lutilisation de logiciels CRM, varie en fonction du secteur dactivit.
Le tableau suivant rsume les rsultats de cette recherche et dresse une synthse des
principales relations significatives trouves.

175

Synthse des rsultats

Hypothses

Lhypothse

La relation est-

est-elle valide

elle significative

Oui

Oui/positive

Oui

Oui/positive

Non

Non

Oui

Non

Non

Non

H1 : Plus lentreprise utilise la capacit analytique du


logiciel CRM plus la performance du cycle de vie du
client est leve.

H2 : Plus lentreprise utilise la capacit collaborative


du logiciel CRM, plus la performance du cycle de vie
du client est leve

H3 : Lutilisation de la capacit oprationnelle a un


impact positif sur le cycle de vie du client

H4 : Plus lentreprise dveloppe une aptitude


connatre ses clients, plus limpact de lutilisation de la
capacit analytique sur le cycle de vie du client est fort

H5 : Plus lentreprise dveloppe une aptitude


connatre ses clients, plus limpact de lutilisation de la
capacit oprationnelle sur le cycle de vie du client est
fort

H6 :

Plus

lentreprise

adopte

une

stratgie

176

relationnelle, plus limpact de lutilisation de la

Oui

Non

Non

Non

Oui

Oui/positive

Non

Non

Non

Non

Oui

Non

capacit analytique sur le cycle de vie du client est


lev

H7 :

Plus

lentreprise

adopte

une

stratgie

relationnelle, plus limpact de lutilisation de la


capacit oprationnelle sur le cycle de vie du client est
lev

H8 : Plus lentreprise met en place une stratgie de


gestion des canaux de communication, plus limpact de
lutilisation de la capacit oprationnelle du CRM sur
le cycle de vie du client est lev

H9 : Plus lentreprise met en place une stratgie de


gestion des canaux de communication, plus limpact de
lutilisation de la capacit collaborative du CRM sur le
cycle de vie du client est lev

H10 : la performance du cycle de vie du client dpend


de la taille de lentreprise

H11 : La performance du

cycle de vie du client

dpend du secteur dactivit de lentreprise lorsquelle


utilise les logiciels CRM.

H12 : Lexprience en matire dutilisation du logiciel

177

CRM a un effet positif sur la performance du cycle de

Non

Oui/ngative

vie du client

Tableau 20 / Titre : Synthse des rsultats de la recherche


CONCLUSION CHAPITRE 5

Ce chapitre a t consacr la validation des hypothses par la mthode de la rgression


multiple. Aprs avoir test les hypothses de la rgression, nous avons tabli lquation de la
rgression ce qui nous a permis de vrifier nos hypothses de recherche. La principale
conclusion de cette recherche est que lutilisation des logiciels CRM a une influence positive
sur la performance du cycle de vie du client. De plus, nous avons constat que la principale
capacit influenant cette relation positive et significative est la capacit collaborative du
logiciel CRM. Certes, la capacit oprationnelle des logiciels CRM na pas dinfluence sur la
performance du cycle de vie du client. Cependant, les rsultats de la rgression multiple avec
variables dinteraction nous a permis darriver la conclusion suivante : laptitude de
lentreprise bien grer leurs canaux de communication engendre une influence positive de
cette capacit sur la performance du cycle de vie du client. Au total, 12 hypothses ont t
mises, six ont t valides dont trois (3) de manire non significative. Les six autres
hypothses nont pas t soutenues par cette recherche. En conclusion, il ressort de cette
recherche que le manque de rsultats positifs sur la performance des logiciels CRM est d
labsence de capacit collaborative des premiers logiciels CRM.
La dernire partie de ce travail sera consacre, dune part, aux implications thoriques et
managriales de notre recherche et, dautre part aux limites de cette dernire.

178

CONCLUSION GENERALE, IMPLICATIONS ET LIMITES

Dans cette conclusion gnrale, nous reviendrons sur les rsultats de la recherche. Un accent
particulier sera mis sur les contributions et implications thoriques et managriales de cette
recherche. Enfin, un aperu sur les limites et les voies de recherches futures sera prsent.

I- PRINCIPALE CONCLUSION

Lutilisation de la technologie CRM peut offrir de relles facilits en matire de gestion de la


relation client. Les entreprises ditrices de logiciels CRM avancent comme arguments de
vente, lamlioration du cycle de vie du client. Au fil des annes, de srieuses interrogations
quant la capacit relle de ces logiciels amliorer le cycle de vie du client voient le jour.
Les checs rpts de plusieurs projets de dploiement de logiciels CRM dans les entreprises
et le taux trs faible dentreprises ayant de bon retour sur investissement des outils logiciels
CRM ont fait lobjet de plusieurs recherches universitaires. Nous avons remarqu que les
chercheurs se sont justes focaliss sur la mise en place des processus CRM au sein des
entreprises. Les rponses apportes leurs recherches nous paraissent insatisfaisantes et la
plupart des modles dvaluation proposs actuellement souffrent souvent de beaucoup de
faiblesses.
Ainsi, pour apporter quelques explications aux interrogations des chercheurs et des praticiens,
nous avons essay dans cette tude danalyser limpact rel de lutilisation des logiciels CRM
sur la performance du cycle de vie du client, en essayant de dpasser, dans la mesure du
possible, certaines lacunes qui ont t constates aussi bien dans la littrature acadmique que
managriale.
Pour pouvoir progresser dans notre tude, nous nous sommes bas sur une revue de littrature
suffisamment fournie, sur les diffrentes thories relatives la capacit des outils logiciels
CRM et enfin sur une immersion totale dans les entreprises utilisatrices de logiciels CRM.
Ainsi, En nous inspirant des travaux de Reinartz et al., (2004) de Jayachandran et al., (2004)
et de Goetz Greve et Sonke Albers (2006), et en se situant dans le cadre thorique de mesure
bas sur les capacits des outils logiciels CRM, nous avons labor un modle danalyse de la
performance du cycle de vie du client par lutilisation des logiciels CRM. Ce modle intgre

179

plusieurs variables issues de notre revue de littrature. Nous avons galement introduit des
variables que nous jugeons indispensables et que les recherches empiriques tudies ont
ignores. Ce modle est compos dune part, dune relation directe entre les capacits
(analytique, oprationnelle et collaborative) des logiciels CRM et la performance du cycle de
vie du client et dautre part dune relation avec interaction des variables modratrices. Nous
avons identifi trois variables modratrices (stratgie relationnelle, gestion des canaux et la
connaissance client) dans la littrature susceptible de crer une interaction entre lutilisation
des logiciels CRM et la performance du cycle de vie du client. Nous avons galement
introduit dans notre modle trois variables de contrle savoir : la taille, le secteur dactivit
et lexprience des entreprises dans lutilisation de logiciels CRM. Aprs avoir dfini
lentreprise utilisatrice de logiciel CRM comme unit de recherche, nous avons test notre
modle sur quatre vingt deux (82) entreprises.
Les rsultats obtenus montrent la pertinence du modle propos. En effet, ce dernier a
expliqu plus de quatre vingt pourcent (80%) de la variance totale du phnomne tudi. Cette
tude a montr que pour que lutilisation du logiciel CRM produise, une bonne performance
du cycle de vie du client, il faudrait que les logiciels aient une bonne capacit collaborative.
Ces rsultats expliquent en partie lchec des premiers dploiements de technologie CRM
dans les entreprises. En effet, les premiers logiciels CRM ne sont dots que des deux
premires capacits savoir lanalytique et loprationnelle. Ces rsultats ont galement
montr que, pour avoir de meilleur rendement au niveau de la capacit analytique des
logiciels, il faut que lentreprise dveloppe une aptitude connatre le client (connaissance
client). Il en est de mme pour la capacit oprationnelle et la gestion efficace des canaux de
communication. Nous avons galement remarqu que la stratgie relationnelle une influence
positive sur la performance du cycle de vie du client ; mais les hypothses suggrant
lexistence dune interaction avec les variables explicatives nont pas t soutenues.
Contrairement ce quon peut penser, lexprience des entreprises en matire dutilisation de
logiciels CRM na pas un effet positif sur la performance du cycle de vie du client. Nous
avons expliqu ce contraste par le paradoxe de Solow. Les hypothses lies aux deux autres
variables de contrle (taille et secteur dactivit) nont pas non plus t soutenues dans cette
recherche. Au total, douze (12) hypothses ont t mises ; six (6) ont t valides dont trois
(3) de manire non significative. Les six autres hypothses nont pas t valides par cette
recherche. Cette tude nous a permis de conclure que lchec des dploiements de la
technologie CRM dans les entreprises sexplique en majeure partie par labsence de capacit
collaborative des logiciels, par lincapacit grer efficacement les canaux de communication
180

afin doptimiser la capacit oprationnelle des logiciels et enfin par laptitude des employs
connatre intimement les clients. Ces rsultats ont des implications tant sur le plan thorique
que managrial que nous dvelopperons dans les sections suivantes.

II- CONTRIBUTIONS, IMPLICATIONS ET LIMITES DE LA RECHERCHE

Nous distinguerons dans cette section les implications et les contributions aussi bien
thoriques que managriales de notre recherche. Ensuite, nous voquerons les limites de notre
recherche et quelques pistes de recherche futures.

1- Les diffrentes contributions de la recherche

1-1 Contributions et implications thoriques

Cette recherche a permis de rpondre la question quel cadre thorique pour lvaluation de
limpact de lutilisation des logiciels CRM sur le cycle de vie du client ? . Dans cette
recherche, nous avons combin le secteur de linformatique (logiciels CRM et ses capacits)
et le secteur du marketing relationnel (la stratgie relation, la connaissance client et la gestion
des canaux) pour mesurer une performance, celle dun indicateur relationnel : le cycle de vie
du client. La mise en place dun modle conceptuel a ncessit le dveloppement dchelles
de mesure. En nous inspirant des items dvelopps par Buttle (2004) et Goodhue et al.
(2002), nous avons mis en place lensemble des items permettant de mesurer les capacits
analytique, oprationnelle et collaborative rpondant aux critres psychomtriques de fiabilit
et de validit. Cette recherche enrichit la littrature dans la mesure de la capacit des outils
lis la technologie CRM. Les conclusions de cette recherche ont apport plusieurs autres
contributions la thorie.
La premire contribution est celle de la redfinition du CRM en tant que processus
technologique. En effet, Metagroup (2000) dfinit le CRM comme lautomatisation de
processus dentreprise horizontalement intgrs, travers plusieurs points de contact possibles
avec le client (marketing, vente, aprs vente et assistance technique) en ayant recours des
canaux de communication multiples et interconnects . Pour Isolet (2003), le CRM dsigne
une solution progiciel ou lintgration de diffrents progiciels aptes automatiser
lensemble de la relation client ou prospects. Aucune de ces deux dfinitions naborde les
processus internes de lentreprise. Ces dfinitions sont toutes orientes vers le client. Or, les
181

rsultats de notre recherche ont mis en avant le CRM collaboratif comme fondamental pour
une bonne performance du cycle de vie du client. De ces conclusions, nous pouvons alors
dfinir le CRM comme lautomatisation des processus dentreprise horizontalement et
verticalement intgrs, travers dune part plusieurs points de contact avec le client et
dautre part entre les diffrents services de lentreprise en ayant recours des canaux de
communication multiples et interconnects.
La deuxime contribution est relative aux travaux de Mithas, Krihman et Fornell, (2005). En
effet, Mithas, Krihman et Fornell, (2005) ont montr que limpact du CRM sur la satisfaction
est positif et que loutil lui-mme na pas dimpact direct sur la satisfaction. Pour ces
chercheurs le CRM permet damliorer la connaissance client qui son tour, permet
damliorer la satisfaction. Ces rsultats sont conformes ceux publis par Goetz Greve et
Sonke Albers (2006). Ces derniers ont montr que La technologie CRM na pas dimpact
direct sur la performance de lentreprise au niveau des trois phases du cycle de vie du client .
La prsente tude permet de complter les rsultats de ces chercheurs et daffirmer que
lutilisation des logiciels CRM a un impact direct sur la satisfaction et pour cause, lutilisation
des logiciels amliore le cycle de vie du client. En effet, si le logiciel permet de rendre
meilleur le cycle de vie du client, il permet tout aussi alors damliorer la fidlit du client
qui nest que la consquence logique de la satisfaction.
Une troisime contribution de cette recherche porte sur les travaux de J.E. Richard (2008).
J.E. Richard (2008) ce spcialiste du CRM a travaill sur limpact de ladoption des logiciels
CRM sur la performance relationnelle des entreprises dans une relation B to B . Le
chercheur a conclu que lutilisation des logiciels CRM a un impact positif sur la force de la
relation dans une relation B to B. Ses rsultats lui ont permis daffirmer que plus la force de
la relation est grande, plus la performance de la relation client est leve . Les rsultats de
cette recherche enrichissent la thorie et tendent les rsultats de J.E. Richard (2008) une
relation B to C .
Enfin, une dernire contribution de cette recherche porte sur les rsultats de Jayachandra et
al., (2004). Ceux-ci ont dmontr que les processus dinformations relationnelles ont une
influence positive sur la performance de la relation client. La prsente recherche largit ces
conclusions et dmontre que cest la capacit analytique des logiciels CRM et laptitude de
lentreprise connatre ses clients qui permettent davoir linformation crdible, pertinente et
actualise sur le client.
Il faut en effet signaler que cette tude, qui offre un cadre conceptuel danalyse lvaluation
de la performance de lutilisation des outils logiciels CRM sur le cycle de vie du client, est
182

lune des premires ralises dans une universit franaise voire dans le monde francophone.
La majorit des recherches empiriques dans la littrature sont luvre des universitaires
anglophones, allemands ou nerlandais. Cette tude offre ainsi un nouvel outil de rfrence
pour les universits franaises dans le cadre de futures recherches dans le domaine du CRM.

1-2 Contributions et implications managriales

Cette recherche offre des perspectives supplmentaires utiles pour lutilisation des logiciels
CRM et pour les entreprises ditrices de logiciels. Les logiciels CRM peuvent rellement tre
utiliss pour amliorer les relations entre client et fournisseur. Notre recherche fournit des
directives pour les managers et dirigeants qui veulent dployer les logiciels CRM ou qui les
utilisent pour la gestion de leur relation client. Cette recherche induit des contributions
managriales pour les entreprises utilisatrices de logiciels CRM mais galement pour les
entreprises ditrices de logiciels CRM. Sagissant des proccupations managriales, notre
tude a apport quelques lments de rponse qui seront exposs dans les lignes qui suivent.

1-2-1 Pour les utilisatrices de logiciels CRM

- Comment lutilisation des logiciels CRM peut-elle tre un facteur damlioration de la


performance du cycle de vie du client ?
Cette tude a rvl que les logiciels CRM ne peuvent contribuer significativement
lamlioration du cycle de vie du client que si lentreprise arrive utiliser de manire efficace
les capacits du logiciel et plus prcisment ses capacits collaborative et analytique.
Lutilisation de la

capacit collaborative permet lentreprise de communiquer plus

facilement avec ses clients ainsi que lintgration avec les autres dpartements de lentreprise.
La capacit collaborative permet une amlioration de la communication et de la coordination
interne laide de technologies (telles que la gestion lectronique

des processus ou

workflow). Elle assure la coordination des activits et permet ainsi davoir une vision intgre
du client mais aussi externe grce des technologies (telles que le courrier lectronique) qui
facilitent et dveloppent des interactions directes avec le client. Les logiciels dots dune
bonne capacit collaborative permet de partager les agendas et les carnets dadresse par
exemple. Ils sont assez utiles dans le cadre de la gestion des rclamations client. En ce qui
concerne la capacit analytique, elle se base sur les possibilits offertes par les logiciels
capturer, stocker, organiser, analyser, interprter et utiliser les donnes collectes. Cette
183

capacit offre lavantage de connatre les besoins du client afin de lui faire des propositions
personnalises. Cette tude a galement prouv que la mise en place des logiciels peut paratre
insuffisante amliorer le cycle de vie du client. Les entreprises doivent investir dans les
formations visant doter leur personnel de certaines aptitudes savoir : laptitude chercher
connatre en profondeur le client. En effet, la capacit analytique du logiciel CRM ne servira
pas grande chose sil na pas de donnes analyser. Le personnel en contact avec le client
doit dvelopper cette aptitude pousser les clients leur livrer des informations. Les
informations les plus pertinentes sont livres par les clients eux-mmes. Cette qute
dinformation incombe au personnel de front office. Ce travail, nous a permis de mettre en
place un module de formation que nous proposerons aux entreprises afin daider leur
personnel soutirer les informations les plus pertinentes aux clients. Cette remarque est
galement valable pour la capacit oprationnelle des logiciels CRM. Les rsultats de cette
ont permis de constater que lutilisation de la capacit oprationnelle elle seule na aucun
effet sur la performance du cycle de vie du client. Cependant nous avons remarqu que la
gestion efficace des canaux de communication permet la capacit oprationnelle de produire
un effet sur la performance du cycle de vie du client. En quoi consiste alors la gestion
efficace des canaux de communication ? La gestion efficace des canaux de communication,
consiste en effet pouvoir identifier chaque client chaque contact avec lui et de disposer de
toute linformation utile son sujet. Elle consiste galement pouvoir savoir par quel canal
chaque client prfre-t-il tre contact et de pouvoir choisir le canal de communication sans
contrainte dordre technique. Ces diffrentes propositions doivent figurer dans le manuel de
chaque employ charg de grer la relation client dans une entreprise.
Globalement cette tude a montr que lutilisation des logiciels CRM travers ses capacits
(analytique, oprationnelle et collaborative) permet damliorer le cycle de vie du client.
Lensemble des trois capacits est ncessaire pour la ralisation de cette performance.
Toutefois pour que cette amlioration soit importante, il faut que les entreprises dveloppent
auprs de leur personnel cette aptitude connatre de manire intime le client et avoir la
capacit de bien grer leurs canaux de communication.

- Peut-on utiliser une capacit du logiciel CRM au dtriment dune autre ?

La mise en place dun logiciel CRM dpend des besoins de lentreprise et du volume du
portefeuille client. Avant dopter pour un logiciel CRM, nous conseillons un audit CRM qui
est bas sur une tude approfondie de lentreprise et du portefeuille. Les rsultats de cet audit
184

nous permettront de conseiller lentreprise, quel type de logiciel choisi. Evidemment, cet
audit et cette mise en place seront suivis dune valuation dimpact effectue deux ans aprs
le dploiement du logiciel dans lentreprise. Globalement pour une entreprise de taille
moyenne, nous suggrons le dploiement dun logiciel dot des trois capacits

- Est-ce que ladoption de la technologie CRM ncessite de la part de lentreprise la mise


en place dune stratgie relationnelle ?

Nos rsultats nont pas montr une interaction de la part de la stratgie relationnelle avec une
des capacits du logiciel CRM. Toutefois nous avons constat que la stratgie relationnelle
toute seule permet damliorer la performance relationnelle de lentreprise. Nous sommes
donc amens conseiller aux entreprises la mise en place dune stratgie relationnelle avant
ladoption ou lintgration des logiciels CRM dans leur structure. La stratgie relationnelle est
une culture dentreprise. Benamour et Prim (2000) estiment que la stratgie relationnelle
passe par le degr dorientation client du vendeur. Ce degr est laptitude de vendeur
sengager auprs du client et laider dans les choix qui le satisferont. Dautres chercheurs
comme Johnson et al, (2008) ont

intgr comme variable pour mesurer limpact de

lutilisation de la technologie CRM, lengagement et limplication de la direction de


lentreprise (top of management) dans la mise en uvre de la technologie CRM. Ainsi, la
direction de lentreprise doit galement tre oriente client afin de permettre la mise en place
de la stratgie relationnelle.

Il faudrait que la satisfaction client soit une priorit de

lentreprise et que celle-ci arrive se mettre la place du client. La direction de lentreprise


doit galement consacrer une part importante de son temps des activits lies aux clients.
Cette recherche a galement permis de mettre en place un module de formation que nous
proposerons aux entreprises soucieuses damliorer leur stratgie relationnelle.

1-2-2 Pour les entreprises ditrices de Logiciels CRM

Cette recherche offre aux entreprises ditrices de logiciels un argument de base de


communication. Elles pourront dsormais avancer que lutilisation des logiciels CRM permet
rellement damliorer le cycle de vie du client. Elles mettront particulirement laccent sur le
dveloppement des applications qui facilitent une collaboration effective entre les diffrents
services de lentreprise. Nos rsultats ont galement montr que les dveloppeurs de logiciels
doivent se pencher sur la capacit oprationnelle des logiciels en introduisant des modules
185

complmentaires permettant de prendre en compte de manire automatique la gestion des


canaux de communication. De plus en plus dentreprises ditrices de logiciels proposent des
offres la carte (Sugar, Nlis). Ces entreprises proposent de vendre aux entreprises des
solutions qui prennent en compte soit la force de vente, les campagnes marketing ou la
relation collaborative. Nous pensons que cette dmarche sera productive partir du moment
o lentreprise (ditrice) propose des packages complets et non des modules isols. Elles
doivent tre en mesure de proposer leurs clients des formations lutilisation des logiciels
combines des formations en stratgie relationnelle et en connaissance client.

2- LIMITES ET PERSPECTIVES DE RECHERCHE FUTURES

Cette recherche traite dune notion complexe quest lvaluation de lutilisation des capacits
des outils CRM sur le cycle de vie du client. Ainsi, elle prsente certaines limites qui offrent
autant de possibilits pour des recherches futures.
La premire limite cette recherche concerne la notion du cycle de vie du client. Le cycle de
vie du client est une notion longitudinale qui volue avec le temps ; il ne sagit ni dun
diagnostic ni dun clich du portefeuille client un instant T. Dwer, Schurr et Oh (1987)
dfinissent le cycle de vie du client comme un processus en trois phases distinctes qui volue
au cours du temps en fonction de la quantit consomme. Toutes les dfinitions voques
dans cette recherche vont dans le mme sens. La prsente tude ne porte que sur ltat du
cycle de vie du client de manire instantane. Compte de tenu de la dfinition du cycle de vie
du client, les futures recherches doivent suivre une mme base de client travers toutes les
tapes du cycle de vie. Une telle mthodologie pourra permettre de mesurer au fil du temps
limpact rel de lutilisation des outils logiciel CRM sur le cycle de vie du client.
Une deuxime limite lie cette tude est la validation discriminante. Nous avons utilis des
mesures subjectives fournies par des rpondants cls sur des chelles multi-items. Bien que
nous ayons t prudents dans lvaluation des biais potentiels associs de tels types de
donnes, et nous ayons accord une attention particulire la validation de nos mesures, nous
avons remarqu que la validit discriminante globale de notre modle na pas t vrifie.
Cette invalidation est due la forte corrlation qui existe entre les construits performance du
cycle de vie et la capacit collaborative dune part, et la performance du cycle de vie et la
stratgie relationnelle dautre part. Il serait souhaitable que les futures recherches utilisent
aussi des mesures objectives et poursuivent leffort de raffinement de nos instruments de
mesure surtout pour les construits stratgie relationnelle et la capacit collaborative. Nous
186

avons entrepris une dmarche similaire en introduisant des questions objectives dans notre
questionnaire. Ces questions devraient nous aider apporter des chiffres concernant
lamlioration de la performance. La plupart des rpondants ont laiss ces questions sans
rponse. La quantit de non rponse nous a contraint abandonner cette piste de recherche.
De futures recherches pourront apporter les rponses qui manquent dans ce sens, corrigeant
ainsi cette insuffisance.
Une limite potentielle peut tre lie lchantillon. Sa petite taille est due aux difficults
rencontres lors de la collecte des donnes. Ces difficults sont lies lindisponibilit des
rpondants mais galement la taille du questionnaire. Nous avons eu recours des entreprises
de plusieurs pays (Bnin, France et Tunisie). Notre tude a trait toutes les rponses
connectes comme venant dun mme univers conomique. Les futures recherches pourront
mener cette tude en constituant des strates afin de dterminer une analyse par groupe
dentreprises suivant leur origine.
Enfin, nous avons introduit comme variable de contrle, lexprience des entreprises en
matire dutilisation de logiciels CRM. La majorit des entreprises sondes ont moins de dix
(10) annes dexprience. Cette faible exprience na pas permis de mesurer leffet de cette
variable sur la performance des outils logiciels sur le cycle de vie du client.
Malgr les implications intressantes qui ont merg de cette recherche, il est important de
reconnatre ses limites et la ncessit de raliser des tudes plus approfondies. Notre souhait
est que cette tude serve de rfrence aux futurs travaux de recherche et que les limites
voques soient le point de dpart de recherches futures.

187

TABLE DES TABLEAUX

TABLEAU 1 /TITRE : TABLEAU RECAPITULATIF DES NORMES DE MACNEIL ................................ 16


TABLEAU 2 /TITRE: TABLEAU METTANT EN EVIDENCE LES DIFFERENCES ENTRE LE MARKETING
TRANSACTIONNEL ET LE MARKETING RELATIONNEL.......................................................... 22

TABLEAU 3 /TITRE : LES DIFFERENTES DEFINITIONS DU MARKETING RELATIONNEL DANS LA


LITTERATURE

.................................................................................................................... 26

TABLEAU 4/ TITRE : TYPOLOGIE DES PROGRAMMES DE FIDELITE .............................................. 61


TABLEAU 5/ TITRE: TABLEAU RECAPITULATIF DES ETUDES EMPIRIQUES SUR LIMPACT DE LA
TECHNOLOGIE CRM SUR LA PERFORMANCE DES ENTREPRISES .......................................... 63

TABLEAU 6 /TITRE : SYNTHESE DES RESULTATS DE LETUDE DE ANG ET BUTTLE (2006) .......... 67
TABLEAU 7/ TITRE : RECAPITULATIF DES RESULTATS DE J.E. RICHARD (2008)......................... 78
TABLEAU 8 / TITRE SYNTHESE DES TRAVAUX EMPIRIQUES DEVALUATION ET DIMPACT DE
LUTILISATION DE LA TECHNOLOGIE CRM ........................................................................ 85

TABLEAU 9 /TITRE : TABLEAU RECAPITULATIF DES HYPOTHESES DE RECHERCHE................... 107


TABLEAU 10 /TITRE : RESULTATS DE LANALYSE DES QUESTIONS OUVERTES (EXPERTS)........ 114
TABLEAU 11 / TITRE : PROFIL DES ENTREPRISES DE LECHANTILLON DE LETUDE .................. 118
TABLEAU 12 / TITRE : RECAPITULATIF DES ITEMS POUR LE QUESTIONNAIRE DE RECHERCHES . 126
TABLEAU 13 /TITRE : PRINCIPAUX INDICES DAJUSTEMENT GLOBAUX (DAPRES ROUSSEL & AL.,
2002)............................................................................................................................... 144
TABLEAU 14/ TITRE : LES VALEURS DACCEPTATION DE LALPHA DE CRONBACH .................. 149
TABLEAU 15/ TITRE : EVALUATION DE LA FIABILITE............................................................... 150
TABLEAU 16 / TITRE : EVALUATION DE LA VALIDITE CONVERGENTE ...................................... 152
TABLEAU 17 / TITRE : VALIDITE DISCRIMINANTE .................................................................... 153
TABLEAU 18 / TITRE : LES EFFETS DIRECTS DE LUTILISATION DES CAPACITES DES LOGICIELS
SUR LE CYCLE DE VIE DU CLIENT ..................................................................................... 160

TABLEAU 19/ TITRE : RESULTATS DE LA REGRESSION MULTIPLE AVEC LES VARIABLES


MODERATRICES ET LES VARIABLES DE CONTROLE ........................................................... 166

TABLEAU 20 / TITRE : SYNTHESE

DES RESULTATS DE LA RECHERCHE .................................... 178

188

TABLEAU DES FIGURES

FIGURE 1/TITRE : LES DIFFERENTES FORMES DECHANGES ET LEURS CARACTERISTIQUES :


TYPOLOGIES RETENUE DAPRES LES TRAVAUX DE MACNEIL (1980) ET WILLIAMSON
(1985). .............................................................................................................................. 17
FIGURE 2/TITRE : ROUE RESUMANT LES FACTEURS DE REUSSITE DU MARKETING
RELATIONNEL................................................................................................................... 28

FIGURE 3/TITRE: LE MODELE CUSTOMER CONNECTIONS DERNEST &YOUNG .................. 33


FIGURE 4/TITRE : EXEMPLE DUN SYSTEME CRM ................................................................ 35
FIGURE 5/ TITRE : LA CHAINE DE SERVICE ET DE PROFIT ..................................................... 43
FIGURE 6/ TITRE : LES QUATRE PERSPECTIVES DU BALANCED SCORECARD ........................ 46
FIGURE 7/ TITRE : LES ETAPES SUR CYCLE DE VIE DU CLIENT ............................................... 51
FIGURE 8 / TITRE CYCLE DE VIE DU CLIENT COMPOSANT CRM PAR PHASE.......................... 53
FIGURE 9/ TITRE : RENTABILITE POTENTIELLE ET FIDELITE PREVISIBLE DES QUATRE
GROUPES DE CLIENTS ....................................................................................................... 57

FIGURE 10 / TITRE : LE MODELE DE MESURE DE PERFORMANCE DU LOGICIEL CRM (ANG ET


BUTTLE ; 2006) ................................................................................................................ 65
FIGURE 11 / TITRE : MODELE DANALYSE DE LA PERFORMANCE DU CRM DE REINARTZ ET
AL. (2004) ......................................................................................................................... 69

FIGURE 12 / TITRE : MODELE DANALYSE DE JAYACHANDRA ET AL., (2004)........................ 72


FIGURE 13 / TITRE : MODELE DANALYSE DE PERFORMANCE DE LA TECHNOLOGIE CRM DE
EDWARD RICHARD. ......................................................................................................... 75
FIGURE 14 /TITRE : MODELE DE CHIKRI EL FIDHA ET MOHAMED HEDI CHARKI (2008)... 80
FIGURE 15 / TITRE : MODELE CONCEPTUEL DANALYSE DEVALUATION DE LUTILISATION
DES LOGICIELS CRM SUR LE CYCLE DE VIE DU CLIENT (COOVI BYBLICE, 2010)......... 92

FIGURE 16/ TITRE : MODELE CONCEPTUEL DANALYSE DEVALUATION DE LUTILISATION


DES LOGICIELS CRM SUR LE CYCLE DE VIE DU CLIENT AVEC LES DIFFERENTES
HYPOTHESES (COOVI BYBLICE, 2010) .......................................................................... 108

FIGURE 17 / TITRE : CARTE FACTORIELLE SOUS SPHINX..................................................... 161


FIGURE 18/ TITRE : CARTE FACTORIELLE SOUS SPHINX POUR CONFIRMER LES HYPOTHESES
LIEES AUX VARIABLES DE CONTROLE ............................................................................ 168

189

BIBLIOGRAPHIE

A
Alard P. et Dirringer D. ; la stratgie de la relation client .ED Dunod 2000

Alard P. et Guggmos P-A. (2005), CRM : les cls de la russite,


Edition dorganisation, Paris 2005

Allen N.J., & Grisaffe D.B. (2001). Employee commitment to the organization and
customer reactions: Mapping the linkages . Human Resource Management Review,
11 (2001), 209-236.

Ang L. et Buttle F.A. (2002), ROI on CRM, a customer-journey approach,Conference


Proceedings of IMP Conference, Perth, Australia

Arndt J., (1979) Toward a concept of domesticated markets Journal of marketing,


43, 69- 75
B
Balantzian G. (2002), Les systmes dinformation : art et pratiques ; dition organisation
2002

Barnes J. G. et Howlett D. M. (1998), Predictors of equity in relationships between service


providers and retail customers , International Journal of Bank Marketing, 16, 1, 5-23

Batislam E.P., Denizel M. et Filiztekin A., (2007) Empirical validation and comparison of
models for customer base analysis, International journal of Research in Marketing,
201-09

Benamour Y (2000), Confiance interpersonnelle et confiance institutionnelle dans la relation


client-particulier/entreprises de services: une application au secteur banquier franais,
Thse de doctorat en sciences de Gestion, Universit IX Paris Dauphine

190

Benamour Y. & Prim I. (2000). Orientation relationnelle versus transactionnelle du client:


dveloppement d'une chelle dans le secteur bancaire franais - Une tude
exploratoire, 16me Congrs International de l'Association Franaise du Marketing,
18-20 mai, Montral, Canada, vol. 16, tome2, pp. 1111-1123.
Bendapudi N. & Berry L.L., (1997), Customers Motivations for Maintaining Relationships
with Service Providers. Journal of Retailing, 73(1): 15-37.

Bergada M. et Laaroussi S. (2001), la proximit avec le client dans un rfrentiel spatial et


temporel en mutation: exploration d'un modle conceptuel acte du xvii congrs de
AFM, Deauville 2001

Berger P.D. et Nasr N.I (1998).Customer life time value:marketing models and application
Journal of interactive marketing 12, (1) 17-30

Bescos P., Dobler P., Mendoza C., Naulleau G. (1993), Contrle de gestion et management,
Montchrestien, 2me dition.

Bessire D. (1999), Dfinir la performance, Comptabilit-Contrle-Audit, septembre, pp.


127-150.

Birtran Gabriel R. et Mondschein Susana V. (1996) Mailing Decisions in the Catalog


Industry, Management Science vol.42, n9 1364-1381.

Bitner, Mary Jo (1995), Building Service Relationships: Its All About Promises, Journal of
the Academy of Marketing Science, 23 (Fall), 246-251.

Bitrain G.R.et Mondschein S.V. (1996) Mailing decisions in the catalog industry
Management science, vol. 42 n9, 1364-1381

Bjorn Ivens et Ulrike Mayrhofer (2003) ; Les facteurs de russite du marketing relationnel,
revue : dcision marketing, p15.

191

Blattberg, Robert C., Gary Getz, and Jacquelyn S. Thomas (2001), Customer Equity:
Building and Managing Relationships as Valuable Assets , Boston, MA:
Harvard Business School Press.

Berger, Paul D. et Nasr I Nada (1998), Customer lifetime value : marketing models and
application, Journal of Interactive marketing, 12, 1, 17-30
Boisdevesy J.C. (1996), Le Marketing Relationnel: A la dcouverte du conso-acteur, les
ditions d'organisation.

Bollen K.A. et Long J.S. (1993), Testing structural equation models, Sage Publications.

Bolton, Ruth N., Katherine N. Lemon, Peter C. Verhoef. (2004), The theoretical
underpinnings of customer asset management: a framework and propositions for future
research, Journal of the Academy of Marketing Science, 32, 3, 271-292

Bonnemaizon A. Cova B. Louyot M-C. (2006), Reprsentations europennes du marketing


relationnel lhorizon 2015 : une analyse Delphi 5th International Congress on
Marketing Trends Venice.

Bose, R., et Sugumaran, V. (2003), Application of knowledge management technology in


customer relationship management. Knowledge and Process Management,
10(1), 3-17.

Bouquin H. (1986), Le contrle de gestion, Presses Universitaires de France.

Bourguignon A. (juillet -aot 1995), Peut-on dfinir la performance? revue franaise de


comptabilit.

Broekhuizen I. et Peelen E. (juillet aot 1997), Het belonen van trouwe klanten, Tijdschrift
voor Marketing, pp. 52-56.

Brown S. (2000), CRM: la gestion de la relation client, Edition, village mondial, Paris

Brown S. (2005), CRM: la gestion de la relation client, Edition, village mondial, Paris
192

Brown, T.J., Mowen, J.C., Donavan T.W. (2002), Customer Orientation of services
Workers: Personality trait effects on self-and Supervisor performance Rating, Journal
of Marketing Research, 39, pp 110-119.

Buckley, R., Benson, PG, Hall, S. and M. Buckley (1988), The Impact Of Rating Scale
Format On Rater Accuracy: An Evaluation, Journal of Management, 14 (3), 415-423.

Buttle F. (1996), Relationship Marketing: Theory And Practice, Eds PCP Ltd, London, 195.

Buttle F. Ang L. "CRM software application and business performance" Database Marketing
and customer strategy management vol .14,1,4-16 2006.

Buttle F. (2004). Customer relationship management: Concepts and tools. Sydney : Elsevier.

Caceres R. C. et Vanhamme J. (2003), Les processus modrateurs et mdiateurs : distinction


conceptuelle, aspects analytiques et illustrations, Recherche et Applications en
Marketing, 18,2, 67-100.

Capron M., Quairel-Lanoizelee F. (2005), Evaluer les stratgies de dveloppement durable


des entreprises : lutopie mobilisatrice de la performance globale, Journe
Dveloppement Durable- AIMS IAE dAix-en-Provence, pp.1-22.

Carricano M. et

Poujol F. (2008), Analyse des donnes avec SPSS,

dition Pearson

ducation France, Paris.

Chirouze Y. (2003), Le marketing ; tudes et stratgies, collection Transversale ; dition


marketing S.A. Paris.

Chokri E. F. et Charki M.H. (Jan-Feb 2008), Le rle des technologies de l'information et de


la communication dans le dveloppement de la qualit de la relation client: application
193

la relation banque/entreprise La Revue des Sciences de Gestion : Direction et


Gestion; 43, 229; ABI/INFORM .
Chung S.H., Rainer R.K., Lewis B.R. (2003), The impact of information technology
infrastructure flexibility on strategic alignment and applications implementation,
Communications of AIS Volume 11 Article 11.

Churchill, G. A., Jr. (1979), A paradigm for developing better measures of marketing
constructs., Journal of Marketing Research, 16(1), 64-73.

Coviello, N.E., Brodie, R.J., Danher, P.J. et Johnston, W.J. (2002)., How Firms Relate to
their

Markets: An Empirical Examination of Contemporary Marketing Practices.

Journal of Marketing, Chicago, Vol. 66, No.3, pp. 33-46.

Cri D., (2002), La relation client, fidlit, fidlisation, produits fidlisants, ditions Vuibert,
Paris

Crosby L.A. et Johnson S.L. (2000) what to do before going 1-to-1 marketing management,
vol.9 no 4 pp. 15-21

Crosby L.A. Et Stephens N. (1987), Effects Of Relationship Marketing On Satisfaction,


Retention And Prices In The Life Insurance Industry, Journal Of Marketing
Research, 24 404-11.

Croteau, A.-M., & Li, P. (2003), Critical success factors of CRM technological initiatives.
Canadian Journal of Administrative Sciences, 20(1), 21-34.

Croutsche J-J. (1997), Pratique de l'analyse des donnes en marketing, ditions ESKA.

Cuthbertson R. et Messenger S. (2008), "collaborative CRM: a missed or a mythical


opportunity", Journal of Direct, Data and digital marketing pratice vol 9, 354-362

Czepiel J. (1990), Managing relationships with customers: A differentiating philosophy of


marketing, in Service management effectiveness: Balancing strategy, organization

194

and human resources, Eds D. Bowen R. Chase et T. Cummings, CA: Jossey-Bass,


299-323.

Darell Rigby , Frederick Reichheld et Phil Scheffer (2002), avoid the four perils of CRM,
Havard Buisness Review (febuary) PP.101-109.

Damperat M. (2005), Les approches de la relation client : volution et nature 1res


Journes de

Recherche en Marketing IRIS l IAE de Lyon, 4 et 5 avril 2005

Darpy D. et Volle P. (2007), Comportements du consommateur et dcisions marketing, 2


dition" Dunond.

Deshpand R., Farley J.U. et Webster F.E. (1993) Corporate culture, customer orientation
and innovativeness in japanese firms Journal of Marketing, pp57.

Di Maggio, Paul J. and Walter W. Powell (1983), The Iron Cage Revisited: Institutional
Isomorphism and Collective Rationality in Organizational Fields, American
Sociological Review, 48 (April), 147-160.

Dionne, M. (2001), Pour comprendre le CRM: La logique des poupes russes , disponible
sur le site www.crmodyssey.com.

Dodd, JL, et S. Chen (1997), La valeur conomique ajoute (EVA), Arkansas Business
and Economic Review, 30 (4), 1-8.

Dodge Y. et Rousson V. (2004), Analyse de rgression applique, 2 me dition,


Dunod, Paris.

Dominique Moisand (2002) ; CRM gestion de la relation client ; dition Lavoisier.

Don, P. et Martha, R. (1995). A New Marketing Paradigm: Share of Customer not Market
Share, Managing Service Quality, Bedford, Vol. 5, No.3, p. 48.

195

Dowling, Grahame R. and Mark Uncles (1997), Do Customer Loyalty Programs Really
Work? Sloan Management Review , 38, 4(Summer), 71-82.

Drew J.H., Mani D.R., Betz A.L. et Datta P. (2001),Targeting customers with statistical and
datamining techniques, Journal of Service Research, 3,2001, 205-19.

Dwyer F.R. (1989), Customer lifetime valuation to support marketing decision making
Journal of Direct marketing,vol .3 n4.

Dwyer F.R.,Schurr P. H. et Oh S.( Avril 1987), Developing buyer -seller relationship,


Journal of marketing, 51, 11-27

Elommal N. Et Perrien J. (2005), Proposition dun modle de linfluence des normes de la


relation de Macneil (1980) Sur La Satisfaction dun client vis--vis de son institution
financire principale 1res Journes de Recherche en Marketing IRIS l IAE .

Evans J.R. et Laskin R.L. (1994), The relationship marketing process: A conceptualization
and application Industrial Marketing Management 23, New York, pp. 439-453.

Evrard Y., Pras B. et Roux E. (1997), Market : tudes et recherches en marketing,


fondements, mthodes, 2 me dition, Nathan, France.

Evrard Y., Pras B. et Roux E. (2003), Market : tudes et recherches en marketing, 3dition
dition Dunod

Fournier, J.Y., (2000), Dsamorcer les conflits relationnels, dition dorganisation,


Paris, P 279.

Fenneteau H (1998), Cycle de vie des produits ; dition Economica Paris .

196

Fornell C. & Larcker D.F. (February 1981), Evaluating Structural Equation Models with
Unobservable Variables and Measurement Error, Journal of Marketing Research,
18, pp. 39-50.

Frazier, GL et AR Howell (1982), Intra-industrie de la stratgie marketing des effets sur


l'analyse des Firm Performance, Journal of Business Research, 10 (4), 431-443.

Jallat F., Stevens E. et Volle P. (2006), Gestion de la relation client ; dition pearson.

Flipo J. P. (1999),

Activit de service et relation interentreprises: vers une gestion

stratgique des facteurs relationnels et des lments d'interface, Revue Franaise de


Marketing, 171, 63-76

Guillocheau D. et Pastural D. (2001), @- solution pour lentreprise dition Dunod Paris.

Ganesan S. (1994), Determinants of long-term orientation in buyer-seller relationships,


Journal of Marketing 58, 2, 1-19.

Garbarino, E. et Jonhson, M.S. (1999), The Different Roles of Satisfaction, Trust and
Commitment in Customer Relationships, Journal of Marketing, New York, Vol. 63,
No.2, pp.70-87.

Garson (2007), Quantitative Research in Public Administration, accessible sur le site :


http://www2.chass.ncsu.edu/garson/pa765/index.htm.

Gavard-perret M-L. Gotteland D. Haon C. Jolibert A. (2008), Mthodologie de la recherche :


russir son mmoire ou sa thse en science de gestion, Pearson Education France.

Gefen, D., & Ridings, C. M. (2002), Implementation team responsiveness and user
evaluation of customer relationship management: A quasi-experimental design study
of social exchange theory,. Journal of Management Information Systems,
19(1), 47-69.
197

Geissler, G. L. (2001), Building customer relationships online: The Web site designers'
perspective, Journal of Consumer Marketing, 18(6), 488-502.

Gillenson, M.L. (2000), How Electronic Commerce has Led to the Return of Personelized
Marketing, Business Perspectives, Vol. 12, No.3, p. 20.

Goetz Greve et Sonke Albers (2006), Determinants of performance in customer relationship


management- Assessing the technology usage-Performance link Proceedings of the
39th Hawaii International conference on system sciences (HICSS-39, IEEE Computer
Society.

Gomes C.F., Yasin M.M., Lisboa J.V., (2004) A literature review of manufacturing
performance measures and measurement in organization context: a framework and
direction for future research, Journal of Manufacturing technology management.

Goodhue, D. L., Wixom, B. H., & Watson, H. J. (2002), Realizing business benefits through
CRM: Hitting the right target in the right way, MIS Quarterly Executive, 1(2), 79-94.

Grabner-Kraeuter, S. et Moedritscher, G. (2002) Alternative Approaches toward Measuring


CRM Performance, 6th Research Conference on Relationship Marketing and
Customer Relationship Management, Atlanta, 9-12 juin, pp. 1-16.

Greenberg, P. (2002). CRM at the speed of light: Capturing and keeping customers in Internet
real time (2nd ed.). Sydney: McGraw-Hill.

Gerbing D.W. et Anderson J.C. (1988), An updated paradigm for scale development
incorporating unidimensionality and its assessment, Journal of Marketing Research,
25, 2, 186-192.

Grnroos C. (1989), A relationship approach to marketing services: some implications, in


Marketing Thought and Practice in the 1990s, EMAC,
Eds Avlonistis et al., 1, 497- 511.

198

Grnroos C. (1990), Service management and marketing : managing the moments of truth
In Service Competition, Lexington Books, New York.

Grnroos C. (1994), From marketing mix to relationship marketing: toward a paradigm


shift in marketing, Management Decision, 32, 2, 4-20.

Grnroos C. (1995), Relationship Marketing: The Strategy Continuum, Journal Of The


Academy Of Marketing Science, 23, 4, 252-54.
Grnroos C. (1996), Relationship Marketing: strategic and tactical implications,
Management Decision, 34, 3, pp5-14.

Guibert N. (1996), La relation client-fournisseur et les nouvelles technologies de


linformation : le rle des concepts de confiance et dengagement, Thse de doctorat,
Universit de Montpellier II.

Gummesson E. (1994), Making Relationship Marketing Operational, International Journal


Of Service Industry Management, 5, 5, 5-20.

Gummesson, E. (2004), Return on relationships (ROR): The value of relationship marketing


and CRM in business-to-business contexts, The Journal of Business and Industrial
Marketing, 19(2), 136-148.

Gundlach G.T., Murphy P.E. (Octobre 1993), Ethical and legal foundations of relational
marketing exchanges,Journal of marketing, vol.57

Gupta, S., Donald R L. et Stuart J.A. (2004), Valuing Customers, Journal of Marketing
Research , 41, 1(February), 7-18.

Hair, J. F., Jr., Black, W. C., Babin, B. J., Andersen, R. E., & Tatham, R. L. (2006),
Mutilvariate data analysis (6th ed.). Upper Saddle River, NJ: Pearson Prentice Hall.

199

Hkansson H. (1982), International marketing and purchasing of industrial goods: An


interaction approach, Wiley, New York.

Han, Jin K., Namwoon Kim, and Rajendra K. Srivastava (1998), Market Orientation and
Organizational Performance: Is Innovation a Missing Link? Journal of Marketing, 62
(4), 30-45.

Heide J.B. et John G. (1990), Alliances in industrial purchasing: the determinants of joint
action in buyer-supplier relationships, Journal of Marketing Research, 37, 1, 24-36.
Herv Fenneteau , Cycle de vie des produits ; Economica ; paris 1998.

Heskett J. L., Jones T. O., Loveman G. W., Sasser W. E. et Schlesinger L. A. ( mars-avril


1994), Putting the services-profit chain to work Havard Business Review,
164-174.

Hetzel Patrick (2004), Le marketing relationnel, Que sais-je, Presses Universitaires de


France.

Iacobucci D. , Ostrom A. (1996), Commercial and interpersonal relationships: using the


structure of interpersonal relationships to understand individual-to-individual,
individual to-firm, and firm-to-firm relationships in commerce, International Journal
of Journal of Research In Marketing, 13, 53-72.

Igalens J. et Roussel P. (1998), Mthodes de recherche en gestion des ressources humaines,


Economica, Paris
Irina R. Et Buttle F.(2006), strategic, operational and analytic customer relationship
management; attributes and measures, Journal of Relationship Marketing, 23-42.
Isolet C., (2002), La gestion de la relation client dans les systmes dinformation art et
pratique, dition dorganisation, Paris 2002

Irwin J.R. et McClelland G.H. (2002), Heuristiques trompeuse et modles de rgression


multiple avec variable modratrice, Recherche et Applications en Marketing,
200

17, 2, 87-101.

Jain, D., et S. Singh (2002), Customer Lifetime Value Research in Marketing: A Review
and Future Directions, Journal of Interactive Marketing, 16 (2), 34-46.

Ja-Shen Chen, Yuan-Ze et Ching R.K.H. (2004), An empirical study of the relationship
of IT Intensity and Organizational Absorption capacity on CRM performance,
Journal of global information management.

Jallat F., Stevens E. et Volle P. (2005), Gestion de la relation client,


Pearson Education France 2005

Jayachandran, S., Sharma, S., Kaufman, P., & Raman, P. (2004), The role of relational
information processes and technology use in customer relationship management,
Journal of Marketing, 69(4), 177-192.

Jaycachandran Satish, Kely Hewett, Peter Kaufman (2004), customer response capability in
a sense and respond era : the role of customer knowledge process Journal of the
Academy of Marketing Science, 32 (Summer) 219-233

Johnson J.L., Saini A. et Grewal R. (2008), Driving customer relationship management


(CRM) performance: the role of knowledge store and technolohy assimilation ISBN
Report 2008

Jones T.O. et Sasser W.E. (novembre-decembre 1995), "why satisfied customers defect",
Harvard Business Review , 88-99.

Kaplan R.S. et Norton D. (1996), The Balanced Scorecard, Havard Business School Press.

201

Kumar,V., Ramani,G. et Bohling, T.(2005), Customer lifetime value approaches and best
pratice applications Journal of Interactive marketing.

Kamakura, W. A., Ramaswami, S. N., & Srivastava, R. K. (1991), Applying latent trait
analysis in the evaluation of prospects for cross-selling of financial services,
International Journal of Research in Marketing, 8(4), 329-349.

Kamakura, W. A., Wedel, M., de Rosa, F., & Mazzon, J. A. (2003), Cross-selling through
database marketing: A mixed data factor analyzer for data augmentation and
prediction International Journal of Research in Marketing, 20(1), 45-65.

Keane, T. & Wang, P. (1995), Applications for the Lifetime Value Model in Modern
Newspaper Publishing, Journal of Direct Marketing, 9, 2, 59-66.

kim E. et Lee B. (10-13 july 2003), Economics of CRM 7th Pacific Asia conference on
information systems, Adelaide, South Australia.

Kim J. Suh E. et Hwang H. (2003), A model for evaluating the effectiveness of CRM using
the balanced scorecard, Journal of marketing vol 17

Kim, J. W., Choi, J., Qualls, W., & Park, J. (2004), The impact of CRM on firm - and
relationship - level performance in distribution networks, Communications of the
Association for Information Systems, 14, 632-652.

Kline R.B. (1998), Principles and practice of structural equation modelling, Guilford Press,
New York.

Kolter P. et Dubois B. (1997), Marketing management, 9me Edition, Paris, Publi-Unlon.

Kotler P. et Dubois B. (2004), Marketing management 11dition, Edition Pearson Paris.

Kuhn T.S. (1972), La structure des rvolutions scientifiques, Flammarion, Paris.

202

Kumar, V., & Reinartz, W. J. (2006). Customer relationship management: A databased


approach, Hoboken, NJ: John Wiley & Sons

L
Langeard E. et Eiglier P. (1994), Relations de service et marketing, Dcisions Marketing, 2,
mai-aot, 13-21.

Lars Meyer- Waarden (2004), La fidlisation client, librairie VUILBERT


Lebas M. (1995), Oui, il faut dfinir la performance , Revue Franaise de Comptabilit,
juillet- aot, pp.66-71.

Lefbure R. et Venturi G. (2005), Gestion de la relation client ; Edition 2005 ; Eyrolles

Leuthesser L. et Koli A.K. (1995), Long-term manufacturer-supplier relationship: do they


pay off for supplier firms?, Journal of Marketing, 59, 1-16.

Levitt T. (1983), The marketing imaginaire, the Free Press, New York.

Liljander, V., Strandvik, T., (1995), The nature of customer relationships in services.
Advances in Services Marketing and Management 4, 141-167.

Lin Y. , Su

H. Y. et Chien S. (2005), A knowledge_ enabled procedure for customer

relationship management, Industrial marketing management.

Lincoln, Y. S. et Guba, E. G. (2000), Paradigmatic controversies, contradictions, and


emerging confluences, In N. K. Denzin & Y. S. Lincoln (Eds.), Handbook of
qualitative research (2nd ed., pp. 163-188). Thousand Oaks: Sage

Lindon D. et Lendrevie J. (2000) , Mercator, Dalloz

Love D.E.P., Gharavi H. et Merchant V. (25-26 Mai 2008), CRM technology and bulding
material suppliers, European and mediterranean conference on information systems.

203

Lovelock C.H., Wirtz J. et Lapert D. (2004), Marketing des services, 5me Edition, Pearson
Education, Paris, France.

Luchesi A.W. (2003), Le concept de connaissance client et la dmarche de mobilisation


des personnels lcoute du client, 3 colloque la mtamorphose des organisations.

MacDonald, J. B., & Smith, K. (2004), The effects of technology-mediated communication


on industrial buyer behavior Industrial Marketing Management, 33(2), 107-116.

Macneil I. R. (1980), The new social contract: An inquiry into modern contractual relations,
New Haven, CT:Yale University.

Malhotra N., Dcaudin J.M, Bouguerra A. (2007), Etude marketing avec SPSS, 5 dition
Pearson Education France.

Marion G (2001), Le marketing relationnel existe-t-il ? Dcisions Marketing, n22.

Mark R. et Danaher, Peter J. (2000), Implementing a Customer Relationship Strategy : The


asymmetric Impact of Poor versus Excellent Execution, Journal of The Academy of
Marketing Science, vol 28, n3 375-387.
Mbengue A., Vandangeon-Derumez I. (2007) Analyse causale et modlisation dans
Thietart R., Mthodes de recherche en management , Paris.

McKenna R. (1998), En temps rel: s'ouvrir au client toujours plus exigeant, Village
Mondial, Paris.

Meeshan S et Barwise P (1996), Do Market- oriented businesses perform better ?, Center


of marketing, London business school. Cahier de recherche, pp 96-103.

Menon, A. Bharadwaj S. G., Phani Tej Adidam et Edison S. W. (1999), Antecedents and
Consequences of Marketing Strategy Making: A Model and a Test, Journal of
Marketing, 63 (April), 18-40.
204

Meyer, M., & Kolbe, L. M. (2005). Integration of customer relationship management: Status
quo and implications for research and practice, Journal of Strategic Marketing,
13(3), 175-198.

Mitchell,A (2003), CRM failing as it yields one- sided relationship,


Precision Marketing. P 14

Mithas, S., Krishnan, M. S., & Fornell, C. (2005), Why do customer relationship
management applications affect customer satisfaction?, Journal of Marketing,
69(4), 201-209.

Mittal V. et Kamakura W.A. (2001), Satisfaction, repurchase intent and repurchase


behavior: Investigating the moderating effect of customer characteristics, Journal of
Marketing Research , 38, 131-42.

Moller K., Wilson D. (1995), Business marketing: An interaction and network perspective,
Kluwer academic publishers Inc.

Moon Y. et Quelch J.( fvrier 2004), "Starbucks: delivering customer service" Harvard
Business school case, 9-504-016.

Morgan R. et Hunt S. (1994), The Commitment-Trust Theory of Relationship Marketing,


Journal of Marketing, vol. 58, pp. 20-38.

Ngoala G. (1998), Epistmologie et thorie du marketing relationnel, Actes du congrs de


lAssociation Franaise de Marketing, Bordeaux, pp. 1-47.

Naik, Prasad A. and Chih-Ling Tsai (2004), Isotonic Single-Index Model for Database
Marketing, Computational Statistics and Data Analysis.

205

Neely, A (1998), Measuring Business Performance Why, What, How, Profile Books Ltd,
London.

Neslin S.A. (2006), Challenges and opportunities in Multichannel customer Management,


Journal of Services Research, vol 9, n2, 95-112.

Ngai, E. W. T. (2005), Customer relationship management research (1992-2002): An


academic literature review and classification, Marketing Intelligence & Planning,
23(6/7), 582-605.

Nuss E. (2001); Marketing et mdias interactifs, dition organisation.

Payne, A. (2000), Un cadre stratgique pour la gestion de la relation client, BT CRM livre
blanc.

Payne A., Christopher M., Clark M., Peck H. (1999), Relationship Marketing, Oxford,
Butterworth-Heinemann,

Payne A. et Frow P.(2004), The role of multichannel integration in customer Relationship


management, Industral marketing management, Vol.33, 527-538.

Payne, A., et Frow, P. (2006), Customer relationship management: From strategy to


implementation., Journal of Marketing Management, 22(1,2), 135-168.

Pecquet P. (2004), Lagilit, vritable gisement de valeur , LExpansion, avril 2004,


numro 685.

Peelen E.,Jallat F., Stevens E et Volle P . (2009), Gestion de la relation client" 3dition
Edition Pearson Education.

Ping, R. A. Jr. (2004), On assuring valid measures for theoretical models using survey data,
206

Journal of Business Research, 57, Fvrier, 125-141.

Pinkerton B., Coltman T. R. (2002) "Do CRM Application Increase firm performance? A
study of CRM success in computer Sciences corporation", Collecter novembre.

Plakoyiannaki, E., & Tzokas, N. (2002). Customer relationship management: A capabilities


portfolio perspective, Journal of Database Marketing, 9(3), 228-237.

Prim-allaz I.; Perrien J. et Pras B. (2001), " Les apports de la thorie du contrat social
lexplication des ruptures de relations de long terme entre organisations : une
application aux relations Banques/PME, 17 Congrs international de lAssociation
Franaise de Marketing.

Ravery G. (2006), Les entreprises et la relation client: stratgie et pratiques marketing,


IDC, disponible sur le site www.idc.com/france,

Reichheld F.F. (1996), L'effet loyaut : russir en fidlisant ses clients, ses salaris et ses
actionnaires, Edition Dunod.

Reichold A. Kolbe L. et Brenner W. (2004), Performance Measurement of CRM in financial


services Institute of Information management, University of st. Gallen, Switzerland

Reinartz, W. J., Krafft, M., & Hoyer, W. D. (2004). The customer relationship management
process: Its measurement and impact on performance, Journal of Marketing
Research, 41(3), 293-305.

Reinecke S. et Reibstein, DJ (2002), Performance Measurement in Marketing und


Verkauf, Kostenrechnungspraxis, 1 (January), 18-25.

207

Ricard L. et Perrien J. (1996), Les facteurs explicatifs et normatifs d'une approche


relationnelle : la perception des clients organisationnels, Actes du XIIme Congrs de
l'Association Franaise du Marketing, Poitiers, pp.201-213.

Rich M.K. (2000), The Direction of Marketing Relationships, The Journal of Business and
Industrial Marketing, Santa Barbara, Vol. 15, No.2/3, pp. 170-179.

Rivers M.L. et Dart J. (1999) The acquisition and use of sales force automation by mid-sized
manufacture, Journal of personal selling and sales Management,
Vol 19, n2 pp. 59-73.

Roehrich G. (1994), Innovativits hdoniste et sociale : proposition d'une chelle de


mesure, Recherche et Applications en Marketing, 9, 2, 19-42.

Rosenbloom B. (2007), Multi channel strategy in business-to-business Markets: Prospects


and Problem , Industrial marketing management, Vol 36, 4-9.

Roussel P., Durrieu F., Campoy E. et El Akremi A. (2002), Mthodes d'quations


structurelles : recherche et applications en gestion, Economica.

Rust R. and

Zahorik A.

(1993), Customer Satisfaction, Customer Retention, and

Market Share, Journal of Retailing, 69, 2.

Reinartz W. J., et Kumar V. (2000), On the profitability of long-life customers in a


noncontractual setting: An empirical investigation and implications for marketing,
Journal of Marketing, 64(4), 17-35.

Reinartz W. et V. Kumar V. (2002), The mismanagement of customer loyalty , Harvard


Business Review, juillet 2002, P.93.

Reinartz W.J. et Kumar V. (2005), Balancing acquisition and retention resources to


maximize customer profitability, Journal of Marketing. v69 11. 63-79.

S
208

Saint Cast N. (2003), Organiser sa relation client aujourdhui ; dition maxima Paris
Saxe R. et Weitz, B.A. (1982), The SOCO Scale : A mesure of the customer Orientationselling Orientation of salespeople, Journal of Marketing Research, 19, PP 341-351.

Selchert, M. (2004), Ermittlung des Erfolgs von CRM-Systemen - Konzeption und


praktische Anwendung [Measureing the success of CRM systems],
Controlling, No.1, p. 27-34.

Sharp B. et Sharp A. (1997), Loyalty programs and Their Impact on Repeat-Purchase


Loyalty patterns, International Journal of Research in Marketing , 14, 473-86.

Slater, S. F., et Narver, J. C. (1995). Market orientation and the learning organization,
Journal of Marketing, 59(3), 63-74.

Slater S. F. et Narver J. C. (1994), Does competitive environment moderate the


market orientation performance relationship, Journal of Marketing, 58,
January, pp 46-55.

Salerno F. et Colas H. (2007), Marketing : analyses et perspective, Edition Vuibert.

Srivastava R. K., Shervani T.A. et Fahey L., (1999), Marketing, business processes and
shareholder value: an organizationally embedded view of marketing activities and the
discipline of marketing, Journal of Marketing, 63 (Special Issue).

Salerno, A. (2001), Une tude empirique des relations entre personnalisation proximit
dyadique et identit de clientle , Recherche et Application en Marketing,
Vol. 16, No.4, pp. 25-46.

Sambamurthy V., Bharadwaj A., et Grover V. (2003), Shaping Agility Through


Digital Options: Reconceptualizing the Role of Information Technology in
Contemporary Firms, MIS Quarterly 27, no. 2 (June):237-263.

209

Sheth J. N. et Parvatiyar A. (1995) The Evolution of Relationship Marketing., International


Business Review, 4 (4), 397-418.

Slater S. F. et Narver J. C. (1994), Does competitive environment moderate the market


orientation performance relationship, Journal of Marketing, 58,
January, pp 46-55.
Solow R.M. (1987), Wed Better Watch Out, New York Times, 12 juillet,
Book Review, n 36.

Soussa R. et Voss C.A. (2006) Service quality in multichannel service Employing virtual
channels Journal of Service Research, vol.8, n3, 356-371

Starkey M. Woodcock N. (2002), "CRM systems: necessary , but not sufficient. REAP the
benefits of customer management" Journal of database marketing vol. 9, 3, 267-275.

Stefanou C. J., Sarmaniotis C. et Stafyla, A. (2003), CRM and customer-centric knowledge


management: An empirical research, Business Process Management Journal,
9(5), 617-634.

Storbacka K., Strandvik T. et Grnroos C. (1994), Managing Customer Relationships

for

Profit, International Journal of Service Industry Management, 5(5), 21-28.

Su. C.T. et Chen Y.H., Sha D.Y. (2005), Linking innovative product development with
customer knowledge : a data-mining approach Technovation pp 1-12.

Tahon C. (2003), Evaluation des performances des systmes de production, Lavoisier

Tisseyre R.C. (1999), Knowledge management thorie et pratique de la gestion des


connaissances, Hermes Sciences Publications.

Thomas, JS (2001)." A Methodology for Linking Customer Acquisition to Customer


Retention "Journal of Marketing Research, 38 (May). 262-268.
210

Trayssac F. (2002), les particularits dun projet CRM dans lentreprise dans e Business :
guide de rfrence Dir Le Flohic G. dition Elenbi diteur. (2002)

Turnbull P.W. et Wilson D.T. (1989), Developing and protecting profitable customer
relationship, Industrial Marketing Management, 18, 3, 223-238.

Vargo, S. L., et Lusch, R. (2004), Evolving to a new dominant logic for marketing, Journal
of Marketing, 68(1), 1-17.

Venkatesan, R. et V. Kumar (2004), A Customer Lifetime Value Framework for Customer


Selection and Resource Allocation Strategy, Journal of Marketing, Vol. 68 (4)
October, pp. 106-125.

Verhoef P. C. et Donkers B. (2005), "The Effect of Acquisition Channels on Customer


Retention and Cross-Buying", Journal of Interactive Marketing.

Villanueva J., Yoo S. et M. Hanssens D.M. (2003), The Impact of acquisition Channels on
Customer Equity, Working Paper , Los Angeles, CA: The Anderson School at UCLA

Wallace M.J. (1983), Methodology, research practice, and progress in personnel and
industrial relations, Academy of Management Review, 8, 1, 6-13.

Wayland R. E. et Cole P. M. (1997), Customer Connections : New Strategies for Growth,


Havard Business School Press.

Webster F. E. Jr (1968), On the applicability of communication theory to industrial markets,


Journal of Marketing Research, 5, 4, 426-429.

211

Williamson O. E. (1985), The economic institutions of capitatlism, The Free Press, New
York.

Winer, R. S., ( 2001), A framework for customer relationship management, California


Management Review, 43 (Summer),

Zaltman C., Pinson C., Angelmar R., (1973), Metatheory and consumer Research, New York,
Holt, Rinehart and Winston.
Zikmund W. G., McLeod, R. J., et Gilbert, F. W. (2003),

Customer relationship

management: Integrating marketing strategy and information technology. Hoboken, NJ: John
Wiley & Sons.

212

WEBOGRAPHIE

http://www.relationclient.net/Selon-une-etude-mondiale-d-Accenture,-les-consommateurssont-de-plus-en-plus-nombreux-a-changer-de-prestataire-ou-de_a3690.html
www.relationclient.net/forum
http://www2.chass.ncsu.edu/garson/pa765/index.htm.
http://crm.sambotte.com/post/20081206-CRM-Gestion-Relation-Client-perspective-2009
http://www.relationclient.net/Selon-une-etude-mondiale-d-Accenture,-les-consommateurssont-de-plus-en-plus-nombreux-a-changer-de-prestataire-ou-de_a3690.html
http://www.mycustomer.com/
http://www.commentcamarche.net/contents/entreprise/crm.php3
http://www.salesforce.com/fr/
http://crm.sambotte.com/
http://www.journaldunet.com/solutions/
http://www.bluenote-systems.com/
http://www.dicodunet.com/definitions/e-commerce/gestion-de-la-relation-client.htm
http://www.progilibre.com/Gestion-de-la-relation-client-CRM_r13.html
http://www.cxp.fr/domaine-expertise_CRM.htm
http://www.fr.capgemini.com/services/enjeu_metier/enjeux_mvrc/mvrc_presentation/
http://www.12manage.com/methods_customer_relationship_management_fr.html
http://www.performances.ch/relation-client-CRM-salesforce-oracle-sage.php
http://www.nieuwbourg.com/
http://www.nelisxrm.com/
http://www.crm-france.com/

213

ANNEXE

214

ANNEXE

ANNEXE 1

QUESTIONNAIRE EXPERT

questionnaire expert
2009 - Universit de Clermont Ferrand
Dans le cadre d'une enqute visant mesurer l'impact de l'utilisation des outils logiciels CRM sur la
performance de la relation client des entreprises, nous sollicitons votre expertise afin de valider le
questionnaire qui est joint notre demande. Pour se faire, nous allons vous sommettre une srie de
questions correspondant chaque rubrique du questionnaire d'enqute ainsi que des questions portant sur
l'ensemble de cette initiative. Merci de nous consacrer votre temps si prcieux.
Intrt gnral du questionnaire
Aprs avoir pris connaissance de ce questionnaire, vous donnerez votre perception gnrale de notre
initiative
1. Que pensez-vous de soumettre un questionnaire aux dirigeants et ou aux responsables "client" pour mesurer l'efficacit est
les performances des outils CRM?
1. Excellent
2. bien adapt
3. moyennement adapt
4. pas vraiment adapt
5. ne se prononce pas
2. Sinon, quelle aurait t votre proposition pour mieux faire cette tude?

3. Que pensez-vous des fonctionnalits numres la question 1 du questionnaire principal?


1. Trs pertinentes
2. pertinentes
3. satisfaisantes
4. faibles
5. pas adaptes

6. ne se prononce pas

4. Quelle est votre opinion sur l'ensemble des questions? il y a t-il des points ngatifs corriger.

Si oui, faites nous des remarques. si non, laissez ce champs vide

Partie analytique
Nous cherchons mesurer la capacit analytique du logiciel CRM que l'entreprise enqute utilise.
5. Pensez-vous que la partie CRM analytique de notre questionnaire est en mesure d'valuer l'tendue des tches assignes un
logiciel CRM?
1. entirement capable
2. capable
3. neutre
4. pas capable
5. vraiment pas capable
6. ne se prononce pas
6. Avez vous remarquez des manques flagrants concernant cette partie analytique? si oui lesquels?

si suffisant, laissez ce cham p vide. Si pas suffisant, citez les tches om ises (separez les par une virgule)

7. Avez vous des propositions de questions pour cette partie du questionnaire?

si non, laissez ce champ vide

Partie CRM oprationnel


Nous cherchons mesurer la capacit oprationnelle du logiciel CRM que l'entreprise enqute utilise.
8. Pensez vous que les questions relatives au CRM oprationnel sont en mesure d'valuer la capacit oprationnelle d'un logiciel
CRM?
1. entirement capable
2. capable
3. neutre
4. pas capable
5. vraiment pas capable
6. ne se prononce pas
9. Dans le cas o ,les questions concernant le CRM oprationnel vous paraissent insuffisantes pour valuer la capacit
oprationnelle du logicel, pouvez vous nous proposer d'autres questions?

si non, laissez ce champ vide

Partie CRM collaborative


Nous cherchons mesurer la capacit collaborative du logiciel CRM que l'entreprise utilise.
10. pensez vous que les questions relatives au CRM collaboratif sont capables pour mesurer la capacit collaborative d'un logiciel
crm?
1. entirement capable
2. capable
3. neutre
4. pas capable
5. vraiment pas capable
6. ne se prononce pas
11. Dans le cas o ,les questions concernant le CRM oprationnel vous paraissent insuffisantes pour valuer la capacit
collaborative d'un logicel, pouvez vous nous proposer d'autres questions?

si non, laissez ce champ vide

Performance
12. Pensez vous que les questions concernant la performance relationnelle de l'entreprises permettent d'valuer l'impact de
l'utilisation des outils logiciels CRM sur la gestion de la relation client?

13. Avez vous d'autres indicateurs de performance proposer?

Merci d'avoir consacr votre temps si prcieux pour participer ce travail de recherche

ANNEXE 2

DEPOUILLEMENT DU QUESTIONNAIRE EXPERT

DEPOUILLEMENT QUESTIONNAIRE EXPERT

Perception gnrale
Que pensez-vous de soumettre un questionnaire aux dirigeants et ou aux responsables
"client" pour mesurer l'efficacit est les performances des outils CRM?

perception_gnrale

Nb. cit.

Frq.

Excellent
7 53,8%
bien adapt
3 23,1%
moyennement adapt
3 23,1%
pas vraiment adapt
0
0,0%
ne se prononce pas
0
0,0%
TOTAL OBS.
13 100%
Moyenne = 3,31 Ecart-type = 0,85
La question est rponse unique sur une chelle.
Les paramtres sont tablis sur la notation : Excellent (4), bien adapt (3), moyennement
adapt (2), pas vraiment adapt (1), ne se prononce pas (0).

perception_gnrale
7
7

0
0
Excelle bien moyenn pas vrai ne se pr
nt
adapt ement a ment ad ononce
pas
dapt apt

CRM_fonction
Que pensez-vous des fonctionnalits numres la question 1 du questionnaire
principal?

CRM_fonction
Trs pertinentes
pertinentes
satisfaisantes
faibles
pas adaptes
ne se prononce pas
TOTAL OBS.

Nb. cit.

Frq.

2
8
1
1
1
0
13

15,4%
61,5%
7,7%
7,7%
7,7%
0,0%
100%
CRM_fonction

1
1

Trs pertinentes
pertinentes
satisfaisantes
faibles
pas adaptes
ne se prononce pas

CRM_analyt1

Pensez-vous que la partie CRM analytique de notre questionnaire est en mesure


d'valuer l'tendue des tches assignes un logiciel CRM?

crm_analyt1

Nb. cit.

Frq.

entirement capable
0
0,0%
capable
9 69,2%
neutre
3 23,1%
pas capable
1
7,7%
vraiment pas capable
0
0,0%
ne se prononce pas
0
0,0%
TOTAL OBS.
13 100%
Moyenne = 3,62 Ecart-type = 0,65
La question est rponse unique sur une chelle.
Les paramtres sont tablis sur la notation : entirement capable (5), capable (4), neutre (3),
pas capable (2), vraiment pas capable (1), ne se prononce pas (0).

crm_analyt1
9
9

3
1
0

0
0
0
entire capable neutre pas vraimen ne se pr
ment ca
capable t pas ca ononce
pable
pable
pas

CRM_op

Pensez vous que les questions relatives au CRM oprationnel sont en mesure d'valuer
la capacit oprationnelle d'un logiciel CRM?

Nb. cit.

crm_op

Frq.

entirement capable
0
0,0%
capable
9 69,2%
neutre
3 23,1%
pas capable
1
7,7%
vraiment pas capable
0
0,0%
ne se prononce pas
0
0,0%
TOTAL OBS.
13 100%
Moyenne = 3,62 Ecart-type = 0,65
La question est rponse unique sur une chelle.
Les paramtres sont tablis sur la notation : entirement capable (5), capable (4), neutre (3),
pas capable (2), vraiment pas capable (1), ne se prononce pas (0).

crm_op
9
9

3
1
0

0
0
0
entire capable neutre pas vraimen ne se pr
ment ca
capable t pas ca ononce
pable
pable
pas

CRM_collab
Pensez vous que les questions relatives au CRM collaboratif sont capables pour mesurer
la capacit collaborative d'un logiciel CRM?

Nb. cit.

crm_collab

Frq.

entirement capable
0
0,0%
capable
9 69,2%
neutre
3 23,1%
pas capable
1
7,7%
vraiment pas capable
0
0,0%
ne se prononce pas
0
0,0%
TOTAL OBS.
13 100%
Moyenne = 3,62 Ecart-type = 0,65
La question est rponse unique sur une chelle.
Les paramtres sont tablis sur la notation : entirement capable (5), capable (4), neutre (3),
pas capable (2), vraiment pas capable (1), ne se prononce pas (0).

crm_collab
9
9

3
1
0

0
0
0
entire capable neutre pas vraimen ne se pr
ment ca
capable t pas ca ononce
pable
pable
pas

ANNEXE 3

QUESTIONNAIRE DE LETUDE CRM

Imprimer le formulaire

CRM_Cycle de vie du client


2009 - Universit de clermont ferrand
Cette enqute est ralise dans le cadre d'une recherche doctorale propos de l'impact de la technologie
CRM sur la performance du cycle de vie du client. Nous vous invitons participer cette recherche et nous
vous prions de remplir ce questionnaire en slectionnant le numero ou la case qui traduit le mieux votre
opinion. Nous tenons vous informer que les informations recueillies dans le cadre de cette enqute seront
considres comme des informations confidentielles.
Fonctionnalit
Nous cherchons comprendre l'tendue des fonctions
disponibles dans votre CRM
1. Quelles sont les fonctionnalits connues de votre logiciel
CRM? choisissez parmi les rponses suivantes.
1. prospection
2. qualification des prospects
3. gestion des comptes et des ressources
4. proposition commerciale
5. conclusion d'une vente
6. analyse du march
7. segmentation des clients
8. planification et pilotage de campagnes marketing
9. gestion des campagnes marketing
10. mailings
11. analyse des rsultats
12. calcul de la rentabilit d'un client
13. facturation
14. relance
15. tlmarketing
16. identification des points de contact client
17. affichage des informations disponibles sur le client
18. historisation des contacts et des actions associes
19. partage d'agenda et prise de rendez-vous
20. suivi et analyse des appels et actions associes
21. remonte de la satisfation client
Vous pouvez cocher plusieurs cases.

2. Pour quelles tches voques en Q01 avez vous souvent


recours au logiciel CRM?

citez les plus frquemment utilises en crivant les numros du Q1

3. Selon vous, l'utilisation du Logiciel CRM est-elle une bonne


chose pour votre entreprise?
1. une trs bonne chose
2. une bonne chose
3. neutre
4. pas une bonne chose
5. vraiment pas une bonne chose
6. je ne sais pas

4. Si vous deviez prciser votre prcedente rponse...Quels


arguments utiliseriez vous pour justifier votre rponse

CRM analytique: Outils d'analyse de donnes lies


directement ou indirectement aux clients, prospects,
partenaires ou fournisseurs
Nous cherchons mesurer la capacit d'analyse de
votre logiciel CRM...
5. L'analyse des donnes client fournie par le logiciel vous
donne des informations "client"
1. trs bien dtailles
2. bien dtailles
3. moyennement dtailles
4. pas dtailles
5. pas du tout dtailles
6. je ne sais pas
6. Les sources d'information client sont principalement
disponibles sous la forme suivante
1. fiches manuelles
2. fichiers informatiques isols
3. fichiers de donnes agrges
4. donnes+ formes graphiques
5. fichiers+profils graphiques en ligne
6. je ne sais pas
Une seule rponse possible

7. Les outils d'analyse que vous utilisez sont ils


1. entirement manuels
2. manuels et automatiss
3. neutre
4. majoritairement automatiss
5. entirement automatiss
6. ne se prononce pas
8. Pouvez-vous dcrire les amliorations constates
attribuables aux modules du logiciel CRM analytique?

9. Quelle est la frquence d'utilisation des outils qualifis


d'analytique?
1. Jamais
2. Rarement
3. Occasionnellement
4. Assez souvent
5. Trs souvent
6. je ne sais pas

10. En quelle anne estimez vous avoir


eu recours au CRM analytique
pour la pemire fois?
Cette date peut tre diffrente de celle de l'acquisition du logiciel CRM.

17. En quelle anne estimez vous eu


avoir recours au CRM
oprationnel pour la premire
fois?
Cette date peut tre diffrente de celle de l'acquisition du logiciel CRM.

CRM oprationnelle:l'ensemble des technologies


qui favorisent la gestion des ventes, automatisation CRM collaboratif: Outils fonds sur une
du marketing, automatisation de la force de vente et collaboration et une interaction troite entre
l'entreprise et ses clients, en avant vente comme en
le support services client
aprs vente
Nous cherchons mesurer la capacit oprationnelle
Nous cherchons mesurer la capacit collaborative
de votre logiciel CRM
de votre logiciel CRM
11. Les outils principaux de force de vente votre disposititon
sont
1. entirement manuels
2. manuels et automatiss
3. neutre
4. majoritairement automatiss
5. entirement automatiss
6. je ne sais pas

18. Par quels canaux les


votre entreprise
1. commerciaux
3. tlphone
5. e-mails
7. sms
9. autres

clients entrent-ils en contact avec


2. bureaux et points de vente, site web
4. automates
6. courrier
8. wap,fax,

Vous pouvez choisir plusieurs canaux

12. Votre centre de contact client est compos de processus


1. entirement manuels
2. manuels et automatiss
3. neutre
4. majoritairement automatiss
5. entirement automatiss
6. je ne sais pas
13. Votre support client et service est compos de processus
1. entirement manuels
2. manuels et automatiss
3. neutre
4. majoritairement automatiss
5. entirement automatiss
6. je ne sais pas
14. Tous vos systmes par exemple (finances, ventes et
oprations) sont lis et communiquent entre eux
1. franchement oui
2. plutt oui
3. neutre
4. franchement non
5. plutt non
6. je ne sais pas
15. Pouvez-vous dcrire en peu de mots, les amliorations
constates attribuables aux modules du logiciel CRM
Oprationnel?

16. Quelle est la frquence d'utilisation des outils qualifis


d'oprationnels?
1. Jamais
2. Rarement
3. Occasionnellement
4. Assez souvent
5. Trs souvent
6. je ne sais pas

19. Votre systme intgre toutes les interactions avec vos


clients quelques soient les canaux de communication
utiliss
1. franchement oui
2. plutt oui
3. neutre
4. franchement non
5. plutt non
6. je ne sais pas
20. Votre systme vous permet d'identifier vos clients lors
d'un appel entrant.
1. franchement oui
2. plutt oui
3. plutt non
4. franchement non
5. neutre
6. je ne sais pas
21. Quelle est la frquence d'utilisation des outils qualifis de
collaboratifs?
1. Jamais
2. Rarement
3. Occasionnellement
4. Assez souvent
5. Trs souvent
6. je ne sais pas
22. Pouvez-vous dcrire en peu de mots, les amliorations
constates attribuables aux modules du logiciel CRM
collaboratif?

23. En quelle anne estimez vous eu


avoir recours au CRM collaboratif
pour la premire fois
Cette date peut tre diffrente de celle de l'acquisition du logiciel CRM.

Stratgie relationnelle
Nous cherchons comprendre l'orientation client de
votre entreprise
24. Vous donnez la priorit vos clients plutt qu' vos
produits ou vos processus internes
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
25. Vous savez clairement quels traitements vous devez
rserver chaque type de clients
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
26. La satisfaction du client est l'un des principaux objectifs de
votre entreprise
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
27. Pour Votre entreprise, il est trs important de savoir vous
mettre la place du client
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
28. Votre entreprise laisse son personnel une grande libert
d'action pour rpondre aux attentes du client
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas
29. Votre direction consacre une part importante de son temps
des activits lies aux clients
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas
30. Vous valuez les performances de votre socit partir
d'indicateurs lis aux clients.
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas

Gestion des canaux: concerne la gestion de tous les


canaux de communication utiliss par l'entreprise
pour entrer en contact avec son client.
Nous cherchons savoir comment votre entreprise
gre les interactions avec son client
31. Vous savez par quels canaux de communication chaque
type de clients prfre tre contact
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas

32. Votre plan de communication attribue des objectifs


spcifiques chaque contact avec le client
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas
33. Votre choix de canaux de communication n'est pas limit
par des contraintes d'ordre technique
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas
34. Lors de chaque contact avec un client, vous tes capables de
l'identifier et disposez de toute l'information utile son
sujet.
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
35. Vos services et ceux de vos partenaires sont suffisamment
souples pour rpondre parfaitement aux besoins de vos
clients.
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas

Connaissance client
Nous cherchons mesurer l'aptitude de votre
entreprise mieux connaitre ses clients.
36. La collecte de donnes client constitue une partie de vos
activits
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
37. Vous disposez de toutes les donnes client ncesssaires
la concrtisation de votre stratgie relationnelle
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
38. Le personnel de votre entreprise sait exploiter les donnes
client et s'y emploie activement
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas
39. Vos donnes client sont protges (en matire de respect
de vie priv et de scurit),y compris pour les tierces
parties avec lesquelles vous travaillez.
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
40. Vos donnes client sont pertinentes et jour
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas

41. Les membres de votre service informatique manifestent un


intert pour le marketing et vice versa
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas

52. Quel est selon vous, l'indicateur de performance de la mise


en oeuvre du CRM?

Performance:

Laissez ce champs libre si vous n'avez pas de rponse

Nous cherchons savoir comment le CRM amliore


vos performances en matire de relation client

53. Comment le calculez-vous?

42. L'utilisation des logiciels CRM a permis votre entreprise


d'acquerir plus de nouveaux clients.
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas

Laissez ce champs libre si vous n'avez pas de rponse

54. Quel est votre dernier rsultat obtenu?

Un chiffre approch suffira

43. Si d'accord, de combien en


pourcentage?

Laissez ce champs libre si vous n'avez pas de rponse

Un chiffre approch suffira

44. L'utilisation des logiciels CRM a permis votre entreprise


d'augmenter les revenus par client.
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
un chiffre approch suffira

45. Si oui, combien en pourcentage du


chiffre d'affaire?

Donnes gnrales
55. Quel est votre secteur d'activit?
1. industriel
2. grossiste
3. dtaillant
4. service
5. autre
56. Quels sont vos 3 derniers chiffres d'affaires?

Un chiffre approch suffira

Des chiffres approxim atifs pour chaque anne suffiront

46. L'utilisation des logiciels CRM a permis votre entreprise


de rduire les cots d'acquisition de nouveaux clients.
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas

57. Depuis combien d'annes votre entreprise existe-elle?


1. moins de 10 ans
2. entre 10 et 19 ans
3. entre 20 et 29 ans
4. entre 30 et 39 ans
5. plus de 40 ans

47. Si oui, combien en pourcentage?

58. Quelle fonction occupez vous actuellement dans


l'entreprise?

Un chiffr approch suffira

48. L'utilisation des logiciels CRM a permis votre entreprise


de mieux fidliser vos clients
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
49. L'utilisation des logiciels CRM a permis votre entreprise
de baisser le taux de dfection de vos clients
1. franchement oui
2. plutt oui
3. neutre
4. plutt non
5. franchement non
6. je ne sais pas
50. Si oui, pouvez vous nous prcisez
un taux?
51. Le logiciel CRM vous a permis de mieux connaitre vos
clients
1. entirement d'accord
2. d'accord
3. neutre
4. pas d'accord
5. pas du tout d'accord
6. je ne sais pas

Si vous avez plusieurs titres ou fonctions, indiquez les spars par une
virgule... Merci de se limiter aux trois principaux

59. Quel est le nombre de vos employs permanents?


1. moins de 20
2. entre 20 et 49
3. entre 50 et 99
4. 100 et plus
60. Depuis combien d'annes
utilisez-vous les logiciels CRM?
Merci d'avoir consacr votre temps si prcieux rpondre ce
questionnaire

ANNEXE 4

DEPOUILLEMENT : AUTRES RESULTATS DU QUESTIONNAIRE

DEPOUILLEMENT AUTRES RESULTATS DU QUESTIONNAIRE


Tableau d'effectifs

---

Nb. cit.

RESPONSABLE MARKETING

31

RESPONSABLE CLIENT

21

DIRECTEUR MARKETING

10

associ grant

RESPONSABLE COMMERCIAL

DIRECTEUR COMMERCIAL

RESPONSABLE COMMERCIALE

CHEF D'AGENCE BANCAIRE

RESPONSABLE ADMISNISTRATIF ET FINANCIERE 1


RESPONSABLE DEVELOPPEMENT

TOTAL

82

RESPONSABLE MARKETING

31

RESPONSABLE CLIENT

21
10

DIRECTEUR MARKETING
associ grant

RESPONSABLE COMMERCIAL

DIRECTEUR COMMERCIAL

RESPONSABLE COMMERCIALE

CHEF D'AGENCE BANCAIRE

RESPONSABLE ADMISNISTRATIF ET FINANCIERE 1

RESPONSABLE DEVELOPPEMENT

crm_fonct
Quelles sont les fonctionnalits connues de votre logiciel CRM? Choisissez parmi les
rponses suivantes.
crm_fonct

Nb. cit. Frq.

prospection

35

42,7%

qualification des prospects

42

51,2%

gestion des comptes et des ressources

54

65,9%

proposition commerciale

13

15,9%

conclusion d'une vente

20

24,4%

analyse du march

6,1%

segmentation des clients

67

81,7%

planification et pilotage de campagnes marketing

34

41,5%

gestion des campagnes marketing

46

56,1%

mailings

53

64,6%

analyse des rsultats

28

34,1%

calcul de la rentabilit d'un client

11,0%

facturation

58

70,7%

relance

56

68,3%

tlmarketing

11,0%

identification des points de contact client

30

36,6%

affichage des informations disponibles sur le client 71

86,6%

historisation des contacts et des actions associes

75

91,5%

partage d'agenda et prise de rendez-vous

31

37,8%

suivi et analyse des appels et actions associes

45

54,9%

remonte de la satisfaction client

11,0%

TOTAL OBS.

82

Le nombre de citations est suprieur au nombre d'observations du fait de rponses multiples


(21 au maximum).

crm_fonct

prospection

35

qualification des prospects

42

gestion des comptes et des ressources

54

proposition commerciale

13

conclusion d'une vente

20

analyse du march

segmentation des clients

67

planification et pilotage de campagnes marketing

34
46

gestion des campagnes marketing


mailings

53

analyse des rsultats

28

calcul de la rentabilit d'un client

facturation

58

relance

56

tlmarketing

identification des points de contact client

30
71

affichage des informations disponibles sur le client


historisation des contacts et des actions associes

75
31

partage d'agenda et prise de rendez-vous


suivi et analyse des appels et actions associes

45

remonte de la satisfation client

crm_inst
Selon vous, l'utilisation du Logiciel CRM est-elle une bonne chose pour votre
entreprise?
crm_inst

Nb. cit. Frq.

vraiment pas une bonne chose 0

0,0%

pas une bonne chose

0,0%

neutre

3,7%

une bonne chose

16

19,5%

une trs bonne chose

63

76,8%

TOTAL OBS.

82

100%

Moyenne = 4,73 Ecart-type = 0,52


La question est rponse unique sur une chelle.
Les paramtres sont tablis sur une notation de 1 (vraiment pas une bonne chose) 5 (une trs
bonne chose).

crm_inst

vraiment pas une bonne chose

pas une bonne chose

neutre

une bonne chose

16

une trs bonne chose

63

Tableau d'effectifs

---

Nb. cit.

01/01/2008 6
01/01/2007 8
01/01/2006 11
01/01/2005 20
01/01/2004 14
01/01/2003 4
01/01/2002 8
01/01/2001 1
01/01/2000 6
01/01/1999 1
01/01/1998 1
01/01/1994 1
TOTAL

81

01/01/2008

6
8

01/01/2007
01/01/2006

11

01/01/2005

20

01/01/2004

14

01/01/2003

01/01/2002
01/01/2001

8
1

01/01/2000

01/01/1999

01/01/1998

01/01/1994

Tableau d'effectifs

---

Nb. cit.

01/01/2008 4
01/01/2007 8
01/01/2006 11
01/01/2005 20
01/01/2004 15
01/01/2003 4
01/01/2002 8
01/01/2001 2
01/01/2000 6
01/01/1999 1
01/01/1995 1
TOTAL

80

01/01/2008

4
8

01/01/2007
01/01/2006

11
20

01/01/2005
01/01/2004

15
4

01/01/2003
01/01/2002

01/01/2001

01/01/2000

01/01/1999

01/01/1995

Tableau d'effectifs

---

Nb. cit.

01/01/2008 5
01/01/2007 6
01/01/2006 8
01/01/2005 23
01/01/2004 8
01/01/2002 2
01/01/2000 1
TOTAL

53

01/01/2008

01/01/2007

6
8

01/01/2006
01/01/2005

23

01/01/2004

01/01/2002
01/01/2000

2
1

ge
Depuis combien d'annes votre entreprise existe-elle?
age

Nb. cit. Frq.

moins de 10 ans 36

43,9%

entre 10 et 19 ans 21

25,6%

entre 20 et 29 ans 12

14,6%

entre 30 et 39 ans 4

4,9%

plus de 40 ans

11,0%

TOTAL OBS.

82

100%

Moyenne = 2,13 Ecart-type = 1,33


La question est rponse unique sur une chelle.
Les paramtres sont tablis sur une notation de 1 (moins de 10 ans) 5 (plus de 40 ans).
age

moins de 10 ans

36

entre 10 et 19 ans

21

entre 20 et 29 ans
entre 30 et 39 ans
plus de 40 ans

12
4
9

ANNEXE 5

RESULTATS ANALYSES EXPLORATOIRES

RESULTATS ANALYSES EXPLORATOIRES


CRM ANALYTIQUE
/VARIABLES CANA_DONNEE CANA_FICHIER CANA_OUTILS CANA_FRE_UTIL
/MISSING LISTWISE
/ANALYSIS CANA_DONNEE CANA_FICHIER CANA_OUTILS CANA_FRE_UTIL
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,725

Approx. Chi-Square

85,071

df

Sig.

,000

Communalities
Initial

Extraction

L'analyse des donnes client


fournie par le logiciel vous

1,000 ,676

donne des informations "client"


Les sources d'information client
sont principalement disponibles

1,000 ,476

sous la forme suivante


Les outils d'analyse que vous
utilisez sont ils

1,000 ,517

Quelle est la frquence


d'utilisation des outils qualifis

1,000 ,682

d'analytique?
Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

% of Variance

2,352

Extraction Sums of Squared Loadings


Cumulative %

58,793

58,793

,791

19,764

78,557

,462

11,553

90,110

,396

9,890

100,000

Total
2,352

% of Variance
58,793

Cumulative %
58,793

Extraction Method: Principal Component Analysis.

Component Matrix

Component
1
L'analyse des donnes client
fournie par le logiciel vous

,822

donne des informations "client"


Les sources d'information client
sont principalement disponibles ,690

sous la forme suivante


Les outils d'analyse que vous
utilisez sont ils

,719

Quelle est la frquence


d'utilisation des outils qualifis ,826
d'analytique?
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

CRM OPERATIONNEL
FACTOR
/VARIABLES COPE_FV COPE_CENTRE COPE_SUPPORT COPE_SYSTEM COPE_FRE
/MISSING LISTWISE
/ANALYSIS COPE_FV COPE_CENTRE COPE_SUPPORT COPE_SYSTEM COPE_FRE
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

Factor Analysis
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,725

Approx. Chi-Square

231,842

df

10

Sig.

,000

Communalities
Initial

Extraction

Les outils principaux de force


de vente votre disposititon

1,000 ,821

sont
Votre centre de contact client
est compos de processus
Votre support client et service
est compos de processus

1,000 ,895

1,000 ,904

Tous vos systmes par


exemple (finances, ventes et
oprations) sont lis et

1,000 ,776

communiquent entre eux


Quelle est la frquence
d'utilisation des outils qualifis

1,000 ,519

d'oprationnels?
Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

Total

% of Variance

Rotation Sums of Squared Loadings

Cumulative %

Total

% of Variance

Cumulative %

2,783

55,670

55,670

2,783

55,670

55,670

2,660

53,193

53,193

1,132

22,640

78,309

1,132

22,640

78,309

1,256

25,117

78,309

,733

14,664

92,973

,267

5,333

98,307

,085

1,693

100,000

Extraction Method: Principal Component Analysis.

Component Matrix

Component
1

Les outils principaux de force


de vente votre disposititon

,868

-,261

,940

-,104

,947

-,080

sont
Votre centre de contact client
est compos de processus
Votre support client et service
est compos de processus
Tous vos systmes par
exemple (finances, ventes et

,165

,865

d'utilisation des outils qualifis ,470

,546

oprations) sont lis et


communiquent entre eux
Quelle est la frquence

d'oprationnels?
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

Rotated Component Matrix

Component
1

Les outils principaux de force


de vente votre disposititon

,906

-,013

sont
Votre centre de contact client
est compos de processus
Votre support client et service
est compos de processus

,933

,158

,933

,183

Tous vos systmes par


exemple (finances, ventes et

-,079 ,877

oprations) sont lis et


communiquent entre eux
Quelle est la frquence
d'utilisation des outils qualifis ,303

,654

d'oprationnels?
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

Component Transformation
Matrix
Compon
ent
1
2

,962

,274
-,274 ,962

Extraction Method: Principal


Component Analysis.
Rotation Method: Varimax with
Kaiser Normalization.

FACTOR
/VARIABLES COPE_FV COPE_CENTRE COPE_SUPPORT COPE_FRE
/MISSING LISTWISE
/ANALYSIS COPE_FV COPE_CENTRE COPE_SUPPORT COPE_FRE
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,744

Approx. Chi-Square

223,706

df

Sig.

,000

Communalities
Initial

Extraction

Les outils principaux de force


de vente votre disposititon

1,000 ,773

sont
Votre centre de contact client

1,000 ,886

est compos de processus


Votre support client et service

1,000 ,899

est compos de processus


Quelle est la frquence
d'utilisation des outils qualifis

1,000 ,208

d'oprationnels?
Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

2,766

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

69,155

69,155

,858

21,441

90,596

,291

7,287

97,883

,085

2,117

100,000

Total
2,766

% of Variance
69,155

Cumulative %
69,155

Extraction Method: Principal Component Analysis.

Component Matrix

Component
1
Les outils principaux de force
de vente votre disposititon

,879

sont
Votre centre de contact client
est compos de processus
Votre support client et service
est compos de processus

,942

,948

Quelle est la frquence


d'utilisation des outils qualifis ,456
d'oprationnels?
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

CRM COLLABORATIF

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,733

Approx. Chi-Square

104,136

df
Sig.

3
,000

Communalities
Initial

Extraction

Votre systme intgre toutes


les interactions avec vos
clients quelques soient les

1,000 ,783

canaux de communication
utiliss
Votre systme vous permet
1,000 ,768

d'identifier vos clients lors d'un


appel entrant.
Quelle est la frquence

1,000 ,768

d'utilisation des outils qualifis


de collaboratifs?

Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

2,319

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

77,306

77,306

,353

11,776

89,082

,328

10,918

100,000

Total
2,319

% of Variance
77,306

Cumulative %
77,306

Extraction Method: Principal Component Analysis.

Component Matrix

Component
1
Votre systme intgre toutes
les interactions avec vos
clients quelques soient les

,885

canaux de communication
utiliss
Votre systme vous permet
d'identifier vos clients lors d'un ,876
appel entrant.
Quelle est la frquence
d'utilisation des outils qualifis ,876
de collaboratifs?
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

STRATEGIE RELATIONNELLE
FACTOR
/VARIABLES STRA_REL_CENTRE_CLIENT STRA_REL_TRAIT STRA_REL_SATI STRA_REL STRA_REL_
ATTEN STRA_REL_DIRE STRA_REL_EVALU
/MISSING LISTWISE
/ANALYSIS STRA_REL_CENTRE_CLIENT STRA_REL_TRAIT STRA_REL_SATI STRA_REL STRA_REL_A
TTEN STRA_REL_DIRE STRA_REL_EVALU
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,655

Approx. Chi-Square

190,682

df
Sig.

21
,000

10

Communalities
Initial

Extraction

Vous donnez la priorit vos


clients plutt qu' vos produits

1,000 ,606

ou vos processus internes


Vous savez clairement quels
traitements vous devez
rserver chaque type de

1,000 ,818

clients
La satisfaction du client est l'un

des principaux objectifs de

1,000 ,686

votre entreprise
Pour Votre entreprise, il est
trs important de savoir vous

1,000 ,664

mettre la place du client


Votre entreprise laisse son
personnel une grande libert
d'action pour rpondre aux

1,000 ,256

attentes du client
Votre direction consacre une
part importante de son temps

1,000 ,837

des activits lies aux clients


Vous valuez les performances

de votre socit partir

1,000 ,239

d'indicateurs lis aux clients.


Extraction Method: Principal Component Analysis.

11

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

Total

% of Variance

Rotation Sums of Squared Loadings

Cumulative %

Total

% of Variance

Cumulative %

3,094

44,204

44,204

3,094

44,204

44,204

2,263

32,329

32,329

1,012

14,461

58,664

1,012

14,461

58,664

1,843

26,335

58,664

,969

13,840

72,505

,906

12,941

85,445

,465

6,642

92,087

,373

5,325

97,412

,181

2,588

100,000

Extraction Method: Principal Component Analysis.

12

Component Matrix

Component
1

Vous donnez la priorit vos


clients plutt qu' vos produits ,739

-,245

ou vos processus internes


Vous savez clairement quels
traitements vous devez
rserver chaque type de

,509

,748

,795

,232

,790

,198

clients
La satisfaction du client est l'un

des principaux objectifs de


votre entreprise
Pour Votre entreprise, il est
trs important de savoir vous
mettre la place du client
Votre entreprise laisse son
personnel une grande libert

,467

-,196

part importante de son temps ,820

-,405

d'action pour rpondre aux


attentes du client
Votre direction consacre une

des activits lies aux clients


Vous valuez les performances

de votre socit partir

,377

-,312

d'indicateurs lis aux clients.


Extraction Method: Principal Component Analysis.
a. 2 components extracted.

13

Rotated Component Matrix

Component
1

Vous donnez la priorit vos


clients plutt qu' vos produits ,727

,277

ou vos processus internes


Vous savez clairement quels
traitements vous devez

-,078 ,901

rserver chaque type de


clients
La satisfaction du client est l'un

des principaux objectifs de

,469

,682

,487

,653

,485

,143

part importante de son temps ,892

,204

votre entreprise
Pour Votre entreprise, il est
trs important de savoir vous
mettre la place du client
Votre entreprise laisse son
personnel une grande libert
d'action pour rpondre aux
attentes du client
Votre direction consacre une

des activits lies aux clients


Vous valuez les performances

de votre socit partir

,489

-,004

d'indicateurs lis aux clients.


Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

14

Component Transformation
Matrix
Compon
ent
1
2

,775

,632
-,632 ,775

Extraction Method: Principal


Component Analysis.
Rotation Method: Varimax with
Kaiser Normalization.

FACTOR
/VARIABLES STRA_REL_CENTRE_CLIENT STRA_REL_SATI STRA_REL STRA_REL_DIRE STRA_REL_E
VALU
/MISSING LISTWISE
/ANALYSIS STRA_REL_CENTRE_CLIENT STRA_REL_SATI STRA_REL STRA_REL_DIRE STRA_REL_EV
ALU
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,649

Approx. Chi-Square

145,547

df
Sig.

10
,000

15

Communalities
Initial

Extraction

Vous donnez la priorit vos


clients plutt qu' vos produits

1,000 ,649

ou vos processus internes


La satisfaction du client est l'un

des principaux objectifs de

1,000 ,598

votre entreprise
Pour Votre entreprise, il est
trs important de savoir vous

1,000 ,600

mettre la place du client


Votre direction consacre une
1,000 ,729

part importante de son temps

des activits lies aux clients


Vous valuez les performances

de votre socit partir

1,000 ,162

d'indicateurs lis aux clients.


Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

2,738

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

54,756

54,756

,966

19,322

74,079

,680

13,601

87,680

,396

7,927

95,608

,220

4,392

100,000

Total
2,738

% of Variance
54,756

Cumulative %
54,756

Extraction Method: Principal Component Analysis.

16

Component Matrix

Component
1
Vous donnez la priorit vos
clients plutt qu' vos produits ,806
ou vos processus internes
La satisfaction du client est l'un

des principaux objectifs de

,773

votre entreprise
Pour Votre entreprise, il est
trs important de savoir vous

,774

mettre la place du client


Votre direction consacre une
part importante de son temps ,854

des activits lies aux clients


Vous valuez les performances

de votre socit partir

,403

d'indicateurs lis aux clients.


Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

FACTOR
/VARIABLES STRA_REL_CENTRE_CLIENT STRA_REL_SATI STRA_REL STRA_REL_DIRE
/MISSING LISTWISE
/ANALYSIS STRA_REL_CENTRE_CLIENT STRA_REL_SATI STRA_REL STRA_REL_DIRE
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

17

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,726

Approx. Chi-Square

126,824

df

Sig.

,000

Communalities
Initial

Extraction

Vous donnez la priorit vos


clients plutt qu' vos produits

1,000 ,682

ou vos processus internes


La satisfaction du client est l'un

1,000 ,574

des principaux objectifs de


votre entreprise
Pour Votre entreprise, il est

1,000 ,649

trs important de savoir vous


mettre la place du client
Votre direction consacre une

1,000 ,724

part importante de son temps

des activits lies aux clients


Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

2,630

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

65,742

65,742

,682

17,059

82,801

,426

10,659

93,460

,262

6,540

100,000

Total
2,630

% of Variance
65,742

Cumulative %
65,742

Extraction Method: Principal Component Analysis.

18

Component Matrix

Component
1
Vous donnez la priorit vos
clients plutt qu' vos produits ,826
ou vos processus internes
La satisfaction du client est l'un

des principaux objectifs de

,758

votre entreprise
Pour Votre entreprise, il est
trs important de savoir vous

,806

mettre la place du client


Votre direction consacre une
part importante de son temps ,851

des activits lies aux clients


Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

GESTION DES CANAUX DE COMMUNICATION


FACTOR
/VARIABLES GCAN_PREF GCAN_OBJE GCAN_CONT GCAN_IDEN GCAN_SOUP
/MISSING LISTWISE
/ANALYSIS GCAN_PREF GCAN_OBJE GCAN_CONT GCAN_IDEN GCAN_SOUP
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,684

Approx. Chi-Square

181,788

df
Sig.

10
,000

19

Communalities
Initial

Extraction

Vous savez par quels canaux


1,000 ,604

de communication chaque type

de clients prfre tre contact


Votre plan de communication
attribue des objectifs

1,000 ,549

spcifiques chaque contact


avec le client
Votre choix de canaux de
communication n'est pas limit

1,000 ,656

par des contraintes d'ordre


technique
Lors de chaque contact avec
un client, vous tes capables
de l'identifier et disposez de

1,000 ,410

toute l'information utile son


sujet.
Vos services et ceux de vos
partenaires sont suffisamment
1,000 ,760

souples pour rpondre


parfaitement aux besoins de
vos clients.

Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

2,979

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

59,575

59,575

,893

17,860

77,436

,632

12,633

90,069

,302

6,044

96,113

,194

3,887

100,000

Total
2,979

% of Variance
59,575

Cumulative %
59,575

Extraction Method: Principal Component Analysis.

20

Component Matrix

Component
1
Vous savez par quels canaux
de communication chaque type ,777

de clients prfre tre contact


Votre plan de communication
attribue des objectifs
spcifiques chaque contact

,741

avec le client
Votre choix de canaux de
communication n'est pas limit
par des contraintes d'ordre

,810

technique
Lors de chaque contact avec
un client, vous tes capables
de l'identifier et disposez de

,640

toute l'information utile son


sujet.
Vos services et ceux de vos
partenaires sont suffisamment
souples pour rpondre

,872

parfaitement aux besoins de


vos clients.
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

CONNAISSANCE CLIENT
FACTOR
/VARIABLES CCLIENT_COLL CCLIENT_DON CCLIENT_PERS CCLIENT_PROT CCLIENT_QUAL CCLIEN
T_INF
/MISSING LISTWISE
/ANALYSIS CCLIENT_COLL CCLIENT_DON CCLIENT_PERS CCLIENT_PROT CCLIENT_QUAL CCLIENT
_INF
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

21

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,748

Approx. Chi-Square

119,571

df

15

Sig.

,000

Communalities
Initial

Extraction

La collecte de donnes client


constitue une partie de vos

1,000 ,551

activits
Vous disposez de toutes les
donnes client ncesssaires
la concrtisation de votre

1,000 ,659

stratgie relationnelle
Le personnel de votre
entreprise sait exploiter les
donnes client et s'y emploie

1,000 ,714

activement
Vos donnes client sont
protges (en matire de
respect de vie priv et de
scurit),y compris pour les

1,000 ,760

tierces parties avec lesquelles


vous travaillez.
Vos donnes client sont
pertinentes et jour

1,000 ,485

Les membres de votre service


informatique manifestent un
intert pour le marketing et vice

1,000 ,691

versa
Extraction Method: Principal Component Analysis.

22

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

Total

% of Variance

Rotation Sums of Squared Loadings

Cumulative %

Total

% of Variance

Cumulative %

2,751

45,857

45,857

2,751

45,857

45,857

2,185

36,422

36,422

1,109

18,490

64,347

1,109

18,490

64,347

1,676

27,925

64,347

,682

11,362

75,710

,624

10,403

86,113

,499

8,319

94,432

,334

5,568

100,000

Extraction Method: Principal Component Analysis.

23

Component Matrix

Component
1

La collecte de donnes client


constitue une partie de vos

,730

,135

,518

,625

activits
Vous disposez de toutes les
donnes client ncesssaires
la concrtisation de votre
stratgie relationnelle
Le personnel de votre
entreprise sait exploiter les
donnes client et s'y emploie

,783

-,317

,729

-,478

,645

-,262

activement
Vos donnes client sont
protges (en matire de
respect de vie priv et de
scurit),y compris pour les
tierces parties avec lesquelles
vous travaillez.
Vos donnes client sont
pertinentes et jour
Les membres de votre service
informatique manifestent un
intert pour le marketing et vice

,624

,550

versa
Extraction Method: Principal Component Analysis.
a. 2 components extracted.

24

Rotated Component Matrix

Component
1

La collecte de donnes client


constitue une partie de vos

,511

,538

,053

,810

,820

,203

,871

,041

,676

,167

,182

,811

activits
Vous disposez de toutes les
donnes client ncesssaires
la concrtisation de votre
stratgie relationnelle
Le personnel de votre
entreprise sait exploiter les
donnes client et s'y emploie
activement
Vos donnes client sont
protges (en matire de
respect de vie priv et de
scurit),y compris pour les
tierces parties avec lesquelles
vous travaillez.
Vos donnes client sont
pertinentes et jour
Les membres de votre service
informatique manifestent un
intert pour le marketing et vice
versa
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 3 iterations.

25

Component Transformation
Matrix
Compon
ent
1
2

,809

,587
-,587 ,809

Extraction Method: Principal


Component Analysis.
Rotation Method: Varimax with
Kaiser Normalization.

FACTOR
/VARIABLES CCLIENT_COLL CCLIENT_PERS CCLIENT_PROT CCLIENT_QUAL CCLIENT_INF
/MISSING LISTWISE
/ANALYSIS CCLIENT_COLL CCLIENT_PERS CCLIENT_PROT CCLIENT_QUAL CCLIENT_INF
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,728

Approx. Chi-Square

102,698

df
Sig.

10
,000

26

Communalities
Initial

Extraction

La collecte de donnes client


constitue une partie de vos

1,000 ,525

activits
Le personnel de votre
entreprise sait exploiter les

1,000 ,666

donnes client et s'y emploie


activement
Vos donnes client sont
protges (en matire de
respect de vie priv et de

1,000 ,593

scurit),y compris pour les


tierces parties avec lesquelles
vous travaillez.
Vos donnes client sont

1,000 ,450

pertinentes et jour
Les membres de votre service
informatique manifestent un

1,000 ,330

intert pour le marketing et vice

versa
Extraction Method: Principal Component Analysis.

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

2,565

% of Variance

Extraction Sums of Squared Loadings


Cumulative %

51,305

51,305

,916

18,319

69,625

,680

13,599

83,223

,501

10,029

93,252

,337

6,748

100,000

Total
2,565

% of Variance
51,305

Cumulative %
51,305

Extraction Method: Principal Component Analysis.

27

Component Matrix

Component
1
La collecte de donnes client
constitue une partie de vos

,725

activits
Le personnel de votre
entreprise sait exploiter les
donnes client et s'y emploie

,816

activement
Vos donnes client sont
protges (en matire de
respect de vie priv et de
scurit),y compris pour les

,770

tierces parties avec lesquelles


vous travaillez.
Vos donnes client sont
pertinentes et jour

,671

Les membres de votre service


informatique manifestent un
intert pour le marketing et vice

,575

versa
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.

PERFORMANCE
FACTOR
/VARIABLES PERF_TC PERF_CS PERF_CA PERF_FID PERF_RE CRM_CC
/MISSING LISTWISE
/ANALYSIS PERF_TC PERF_CS PERF_CA PERF_FID PERF_RE CRM_CC
/PRINT INITIAL KMO EXTRACTION ROTATION
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA ITERATE(25)
/ROTATION VARIMAX
/METHOD=CORRELATION.

28

KMO and Bartlett's Test


Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
Bartlett's Test of Sphericity

,759

Approx. Chi-Square

322,305

df

15

Sig.

,000

Communalities
Initial

Extraction

L'utilisation des logiciels CRM


a permis votre entreprise
d'acquerir plus de nouveaux

1,000 ,612

clients.
L'utilisation des logiciels CRM
a permis votre entreprise
d'augmenter les revenus par

1,000 ,538

client.
L'utilisation des logiciels CRM
a permis votre entreprise de
rduire les cots d'acquisition

1,000 ,475

de nouveaux clients.
L'utilisation des logiciels CRM
a permis votre entreprise de

1,000 ,813

mieux fidliser vos clients


L'utilisation des logiciels CRM
a permis votre entreprise de
baisser le taux de dfection de

1,000 ,763

vos clients
Le logiciel CRM vous a permis
de mieux connaitre vos clients

1,000 ,644

Extraction Method: Principal Component Analysis.

29

Total Variance Explained


Initial Eigenvalues

Compon
ent

Total

% of Variance

3,844

Extraction Sums of Squared Loadings


Cumulative %

64,068

64,068

,682

11,363

75,431

,560

9,337

84,767

,544

9,064

93,831

,303

5,054

98,886

,067

1,114

100,000

Total
3,844

% of Variance
64,068

Cumulative %
64,068

Extraction Method: Principal Component Analysis.

Component Matrix

Component
1
L'utilisation des logiciels CRM
a permis votre entreprise
d'acqurir plus de nouveaux

,782

clients.
L'utilisation des logiciels CRM
a permis votre entreprise
d'augmenter les revenus par

,733

client.
L'utilisation des logiciels CRM
a permis votre entreprise de
rduire les cots d'acquisition

,689

de nouveaux clients.
L'utilisation des logiciels CRM
a permis votre entreprise de

,902

mieux fidliser vos clients


L'utilisation des logiciels CRM
a permis votre entreprise de
baisser le taux de dfection de

,874

vos clients
Le logiciel CRM vous a permis
de mieux connaitre vos clients

,802

Extraction Method: Principal Component


Analysis.
a. 1 components extracted.

30

ANNEXE 6

RESULTATS ANALYSES CONFIRMATOIRES

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

stra-rel_centr_client
e1
1
1
stra-rel_sati
e2
SR
1
stra-rel e3
1
stra-rel_dire
e4
1
gcan_prf
e5
1
1
gcan_objee6
GC
1
gcan_conte7
1
gcan_idene8
1
cclient_coll
e9
1
1
cclient_pers
e10
CC
1
cclient_prot
e11
1
cclient_qual
e12
1
cana_donne
e13
1
1
cana_outils
e14
ANA
1
cana_fr_util
e15
1

1cop_fve16
1
cop_centre
e17
OPE
1
cop_support
e18
1

collab_inter
e19
1
1
collab_fre20
COLL

PERF

1
1 perf_tc1
perf_cs1
perf_ca1
perf_fid1

e21
e22
e23
e24
crm_cc e25

Title
Global: samedi 8 mai 2010 01:50

Amos 4 by James L. Arbuckle

Title 1/1

Copyright 1994-1999 SmallWaters Corporation

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

Regression Weights
stra-rel_centr_client
stra-rel_sati
stra-rel
stra-rel_dire
gcan_prf
gcan_obje
gcan_cont
gcan_iden
cclient_coll
cclient_pers
cclient_prot
cclient_qual
cana_donne
cana_outils
cana_fr_util
cop_fv
cop_centre
cop_support
collab_inter
collab_fr
perf_tc
perf_cs
perf_ca
perf_fid
crm_cc

<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<--

SR
SR
SR
SR
GC
GC
GC
GC
CC
CC
CC
CC
ANA
ANA
ANA
OPE
OPE
OPE
COLL
COLL
PERF
PERF
PERF
PERF
PERF

Estimate
1,000
0,377
0,660
1,247
1,000
1,422
1,778
0,550
1,000
1,248
1,918
1,420
1,000
1,041
0,565
1,000
1,294
1,157
1,000
0,766
1,000
0,347
0,552
0,707
0,535

S.E.

C.R.

0,086
0,122
0,146

4,362 0,000
5,391 0,000
8,524 0,000

0,277
0,324
0,181

5,127 0,000
5,487 0,000
3,049 0,002

0,315
0,477
0,368

3,958 0,000
4,024 0,000
3,855 0,000

0,171
0,103

6,093 0,000
5,503 0,000

0,123 10,525 0,000


0,113 10,249 0,000
0,102

7,513 0,000

0,059
0,107
0,074
0,065

5,932
5,173
9,573
8,172

Regression Weights 1/1

0,000
0,000
0,000
0,000

Label

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18
Your model contains the following variables
stra-rel_centr_client
stra-rel_sati
stra-rel
stra-rel_dire
gcan_prf
gcan_obje
gcan_cont
gcan_iden
cclient_coll
cclient_pers
cclient_prot
cclient_qual
cana_donne
cana_outils
cana_fr_util
cop_fv
cop_centre
cop_support
collab_inter
collab_fr
perf_tc
perf_cs
perf_ca
perf_fid
crm_cc

observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed
observed

endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous
endogenous

SR
e1
e2
e3
e4
GC
e5
e6

unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved

exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous

Variable Summary 1/2

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

e7
e8
CC
e9
e10
e11
e12
ANA
e13
e14
e15
OPE
e16
e17
e18
COLL
e19
e20
PERF
e21
e22
e23
e24
e25

unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved
unobserved

Number of variables in your model:


Number of observed variables:
Number of unobserved variables:
Number of exogenous variables:
Number of endogenous variables:

Variable Summary 2/2

57
25
32
32
25

exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous
exogenous

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

Standardized Regression Weights


stra-rel_centr_client
stra-rel_sati
stra-rel
stra-rel_dire
gcan_prf
gcan_obje
gcan_cont
gcan_iden
cclient_coll
cclient_pers
cclient_prot
cclient_qual
cana_donne
cana_outils
cana_fr_util
cop_fv
cop_centre
cop_support
collab_inter
collab_fr
perf_tc
perf_cs
perf_ca
perf_fid
crm_cc

<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<--

SR
SR
SR
SR
GC
GC
GC
GC
CC
CC
CC
CC
ANA
ANA
ANA
OPE
OPE
OPE
COLL
COLL
PERF
PERF
PERF
PERF
PERF

Estimate
0,722
0,490
0,603
0,974
0,585
0,760
0,905
0,385
0,485
0,725
0,757
0,682
0,877
0,653
0,599
0,790
0,971
0,942
0,938
0,710
0,896
0,583
0,525
0,794
0,726

Standardized Regression Weights 1/1

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

Covariances
SR
GC
CC
ANA
OPE
COLL
SR
GC
CC
ANA
OPE
SR
GC
CC
ANA
SR
GC
CC
SR
GC
SR

<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->

PERF
PERF
PERF
PERF
PERF
PERF
COLL
COLL
COLL
COLL
COLL
OPE
OPE
OPE
OPE
ANA
ANA
ANA
CC
CC
GC

Estimate
0,679
0,311
0,213
0,606
0,437
1,226
0,806
0,436
0,352
0,757
0,476
0,158
0,033
0,056
0,364
0,363
0,205
0,196
0,157
0,089
0,288

S.E.
0,143
0,090
0,069
0,127
0,120
0,225
0,180
0,125
0,106
0,169
0,156
0,081
0,054
0,040
0,100
0,096
0,068
0,061
0,054
0,035
0,081

Covariances 1/1

C.R.
4,745
3,458
3,071
4,766
3,646
5,446
4,476
3,498
3,317
4,490
3,048
1,964
0,622
1,375
3,648
3,771
3,022
3,204
2,917
2,518
3,555

P
0,000
0,001
0,002
0,000
0,000
0,000
0,000
0,000
0,001
0,000
0,002
0,049
0,534
0,169
0,000
0,000
0,003
0,001
0,004
0,012
0,000

Label

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

Correlations
SR
GC
CC
ANA
OPE
COLL
SR
GC
CC
ANA
OPE
SR
GC
CC
ANA
SR
GC
CC
SR
GC
SR

<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->

PERF
PERF
PERF
PERF
PERF
PERF
COLL
COLL
COLL
COLL
COLL
OPE
OPE
OPE
OPE
ANA
ANA
ANA
CC
CC
GC

Estimate
0,893
0,608
0,615
0,768
0,518
0,893
0,760
0,610
0,730
0,688
0,405
0,243
0,076
0,188
0,538
0,596
0,499
0,706
0,588
0,496
0,727

Correlations 1/1

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

Variances
SR
GC
CC
ANA
OPE
COLL
PERF
e1
e2
e3
e4
e5
e6
e7
e8
e9
e10
e11
e12
e13
e14
e15
e16
e17
e18
e19
e20
e21
e22
e23
e24
e25

Estimate
0,587
0,266
0,122
0,633
0,723
1,916
0,984
0,538
0,264
0,449
0,050
0,511
0,395
0,187
0,463
0,396
0,171
0,333
0,282
0,190
0,921
0,359
0,436
0,074
0,123
0,261
1,107
0,241
0,230
0,787
0,288
0,254

S.E.
0,158
0,098
0,057
0,139
0,171
0,368
0,192
0,090
0,042
0,072
0,041
0,087
0,079
0,076
0,074
0,066
0,035
0,072
0,054
0,066
0,164
0,062
0,074
0,041
0,037
0,148
0,193
0,052
0,037
0,126
0,050
0,042

C.R.
3,709
2,732
2,133
4,551
4,231
5,202
5,126
5,983
6,273
6,189
1,216
5,908
5,017
2,468
6,218
5,980
4,938
4,628
5,255
2,872
5,623
5,814
5,920
1,795
3,301
1,760
5,735
4,665
6,200
6,244
5,771
5,995

Variances 1/1

P
0,000
0,006
0,033
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,224
0,000
0,000
0,014
0,000
0,000
0,000
0,000
0,000
0,004
0,000
0,000
0,000
0,073
0,001
0,078
0,000
0,000
0,000
0,000
0,000
0,000

Label

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

Regression Weights
stra-rel_centr_client
stra-rel_sati
stra-rel
stra-rel_dire
gcan_prf
gcan_obje
gcan_cont
gcan_iden
cclient_coll
cclient_pers
cclient_prot
cclient_qual
cana_donne
cana_outils
cana_fr_util
cop_fv
cop_centre
cop_support
collab_inter
collab_fr
perf_tc
perf_cs
perf_ca
perf_fid
crm_cc

<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<--

SR
SR
SR
SR
GC
GC
GC
GC
CC
CC
CC
CC
ANA
ANA
ANA
OPE
OPE
OPE
COLL
COLL
PERF
PERF
PERF
PERF
PERF

Estimate
1,000
0,377
0,660
1,247
1,000
1,422
1,778
0,550
1,000
1,248
1,918
1,420
1,000
1,041
0,565
1,000
1,294
1,157
1,000
0,766
1,000
0,347
0,552
0,707
0,535

Standardized Regression Weights


stra-rel_centr_client
stra-rel_sati
stra-rel
stra-rel_dire
gcan_prf

<-<-<-<-<--

SR
SR
SR
SR
GC

Estimate
0,722
0,490
0,603
0,974
0,585

Estimates 1/4

S.E.

C.R.

0,086
0,122
0,146

4,362 0,000
5,391 0,000
8,524 0,000

0,277
0,324
0,181

5,127 0,000
5,487 0,000
3,049 0,002

0,315
0,477
0,368

3,958 0,000
4,024 0,000
3,855 0,000

0,171
0,103

6,093 0,000
5,503 0,000

0,123 10,525 0,000


0,113 10,249 0,000
0,102

7,513 0,000

0,059
0,107
0,074
0,065

5,932
5,173
9,573
8,172

0,000
0,000
0,000
0,000

Label

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18
gcan_obje
gcan_cont
gcan_iden
cclient_coll
cclient_pers
cclient_prot
cclient_qual
cana_donne
cana_outils
cana_fr_util
cop_fv
cop_centre
cop_support
collab_inter
collab_fr
perf_tc
perf_cs
perf_ca
perf_fid
crm_cc

<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<-<--

GC
GC
GC
CC
CC
CC
CC
ANA
ANA
ANA
OPE
OPE
OPE
COLL
COLL
PERF
PERF
PERF
PERF
PERF

0,760
0,905
0,385
0,485
0,725
0,757
0,682
0,877
0,653
0,599
0,790
0,971
0,942
0,938
0,710
0,896
0,583
0,525
0,794
0,726

<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->

PERF
PERF
PERF
PERF
PERF
PERF
COLL
COLL
COLL
COLL
COLL
OPE
OPE

Estimate
0,679
0,311
0,213
0,606
0,437
1,226
0,806
0,436
0,352
0,757
0,476
0,158
0,033

Covariances
SR
GC
CC
ANA
OPE
COLL
SR
GC
CC
ANA
OPE
SR
GC

Estimates 2/4

S.E.
0,143
0,090
0,069
0,127
0,120
0,225
0,180
0,125
0,106
0,169
0,156
0,081
0,054

C.R.
4,745
3,458
3,071
4,766
3,646
5,446
4,476
3,498
3,317
4,490
3,048
1,964
0,622

P
0,000
0,001
0,002
0,000
0,000
0,000
0,000
0,000
0,001
0,000
0,002
0,049
0,534

Label

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18
CC
ANA
SR
GC
CC
SR
GC
SR

<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->

OPE
OPE
ANA
ANA
ANA
CC
CC
GC

0,056
0,364
0,363
0,205
0,196
0,157
0,089
0,288

0,040
0,100
0,096
0,068
0,061
0,054
0,035
0,081

SR
GC
CC
ANA
OPE
COLL
SR
GC
CC
ANA
OPE
SR
GC
CC
ANA
SR
GC
CC
SR
GC
SR

<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->
<-->

PERF
PERF
PERF
PERF
PERF
PERF
COLL
COLL
COLL
COLL
COLL
OPE
OPE
OPE
OPE
ANA
ANA
ANA
CC
CC
GC

Estimate
0,893
0,608
0,615
0,768
0,518
0,893
0,760
0,610
0,730
0,688
0,405
0,243
0,076
0,188
0,538
0,596
0,499
0,706
0,588
0,496
0,727

SR

Estimate S.E.
0,587 0,158

1,375
3,648
3,771
3,022
3,204
2,917
2,518
3,555

0,169
0,000
0,000
0,003
0,001
0,004
0,012
0,000

Correlations

Variances

Estimates 3/4

C.R.
P
3,709 0,000

Label

Global: samedi 8 mai 2010 01:50


GLOBAL: 08/05/2010 13:50:18

GC
CC
ANA
OPE
COLL
PERF
e1
e2
e3
e4
e5
e6
e7
e8
e9
e10
e11
e12
e13
e14
e15
e16
e17
e18
e19
e20
e21
e22
e23
e24
e25

0,266
0,122
0,633
0,723
1,916
0,984
0,538
0,264
0,449
0,050
0,511
0,395
0,187
0,463
0,396
0,171
0,333
0,282
0,190
0,921
0,359
0,436
0,074
0,123
0,261
1,107
0,241
0,230
0,787
0,288
0,254

Estimates 4/4

0,098
0,057
0,139
0,171
0,368
0,192
0,090
0,042
0,072
0,041
0,087
0,079
0,076
0,074
0,066
0,035
0,072
0,054
0,066
0,164
0,062
0,074
0,041
0,037
0,148
0,193
0,052
0,037
0,126
0,050
0,042

2,732
2,133
4,551
4,231
5,202
5,126
5,983
6,273
6,189
1,216
5,908
5,017
2,468
6,218
5,980
4,938
4,628
5,255
2,872
5,623
5,814
5,920
1,795
3,301
1,760
5,735
4,665
6,200
6,244
5,771
5,995

0,006
0,033
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,224
0,000
0,000
0,014
0,000
0,000
0,000
0,000
0,000
0,004
0,000
0,000
0,000
0,073
0,001
0,078
0,000
0,000
0,000
0,000
0,000
0,000

ANNEXE 7

ANNEXE DE LA FIABILITE

ANNEXE DE LA FIABILITE

FIABILITE CRM ANALYTIQUE


RELIABILITY
/VARIABLES=CANA_DONNEE CANA_OUTILS CANA_FRE_UTIL
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability
Scale: ALL VARIABLES
Case Processing Summary
N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,725

N of Items
3

FIABILITE CRM OPERATIONNEL


RELIABILITY
/VARIABLES=COPE_FV COPE_CENTRE COPE_SUPPORT
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability

Scale: ALL VARIABLES

Case Processing Summary


N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,927

N of Items
3

FIABILITE CRM COLLABORATIF


RELIABILITY
/VARIABLES=COLLAB_INTER COLLAB_FRE
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability
Scale: ALL VARIABLES
Case Processing Summary
N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,799

N of Items
2

FIABILITE STRATEGIE RELATIONNELLE


RELIABILITY
/VARIABLES=STRA_REL_CENTRE_CLIENT STRA_REL_SATI STRA_REL STRA_REL_DIRE
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability
Scale: ALL VARIABLES
Case Processing Summary
N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,816

N of Items
4

FIABILITE GESTION DES CANAUX


RELIABILITY
/VARIABLES=GCAN_PREF GCAN_OBJE GCAN_CONT GCAN_IDEN
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability

Scale: ALL VARIABLES


Case Processing Summary
N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,756

N of Items
4

FIABILITE CONNAISSANCE CLIENT


RELIABILITY
/VARIABLES=CCLIENT_COLL CCLIENT_PERS CCLIENT_PROT CCLIENT_QUAL
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability
Scale: ALL VARIABLES
Case Processing Summary
N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,751

N of Items
4

FIABILITE PERFORMANCE
RELIABILITY
/VARIABLES=PERF_TC PERF_CS PERF_CA PERF_FID CRM_CC
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA.

Reliability

Scale: ALL VARIABLES


Case Processing Summary
N
Cases

Valid

%
82

Excluded

100,0

0 ,0

Total

82

100,0

a. Listwise deletion based on all variables in the


procedure.

Reliability Statistics
Cronbach's Alpha
,832

N of Items
5

ANNEXE 8

REGRESSION MULTIPLE : EFFET DIRECT DES TROIS


CAPACITES SUR LE CYCLE DE VIE DU CLIENT

EFFET DIRECT DES TROIS CAPACITES SUR LE CYCLE DE VIE DU CLIENT

Variables Entered/Removed

Variables
Model

Variables Entered

COLL, OPE,

Removed

Method
. Enter

ANA

a. All requested variables entered.


b. Dependent Variable: PCVC

Model Summary

Model
1

R
,799

Adjusted R

Std. Error of the

Square

Estimate

R Square
,638

,624

Durbin-Watson

,61339209

1,661

a. Predictors: (Constant), COLL, OPE, ANA


b. Dependent Variable: PCVC

ANOVA
Model
1

Sum of Squares

df

Mean Square

Regression

51,653

Residual

29,347

78 ,376

Total

81,000

81

17,218

Sig.

45,761 ,000

a. Predictors: (Constant), COLL, OPE, ANA


b. Dependent Variable: PCVC

Coefficients

Standardized
Unstandardized Coefficients
Model
1

B
(Constant)

Coefficients

Std. Error

Collinearity Statistics
t

Beta

-1,245E-16 ,068

Sig.

,000

ANA

,275

,090

,275

OPE

,057

,082

,057

COLL

,585

,082

,585

Tolerance

VIF

1,000
3,055 ,003

,575

1,740

,487

,698

1,433

7,147 ,000

,694

1,442

,698

a. Dependent Variable: PCVC

Collinearity Diagnostics

Variance Proportions

Dimensi
Model

on

Eigenvalue

Condition Index

1,980

1,000 ,00

1,000

1,407

(Constant)

ANA

OPE

COLL

,11

,11

,11

1,00 ,00

,00

,00

,619

1,788 ,00

,00

,57

,55

,401

2,223 ,00

,89

,32

,34

a. Dependent Variable: PCVC

Residuals Statistics
Minimum
Predicted Value

Maximum
-

1,9115824E
0
Residual

1,88960266
E0

Mean

1,2239445E
0

1,31180465
E0

Std. Deviation

1,3539305E ,79855202

82

-17
5,55111512 ,60192581

Std. Predicted Value

-2,394

1,533 ,000

Std. Residual

-3,081

2,139 ,000

82

E-17
1,000
,981

82
82

a. Dependent Variable: PCVC

Charts

ANNEXE 9

REGRESSION MULTIPLE : EFFET DES CAPACITES AVEC


VARIABLES MODERATRICES SUR LE CYCLE DE VIE DU CLIENT

EFFET DES CAPACITES AVEC VARIABLES MODERATRICES SUR LE CYCLE


DE VIE DU CLIENT
Rgression

Variables Entered/Removedb
Model
1

Variables
Entered

Variables
Removed

Method

Zscore: COLL,
Zscore: TAIL,
Zscore:
SECTACT,
Zscore: OPE,
Zscore: EXPE,
Zscore: ANAa

. Enter

ZOPEZGC,
ZCOLLZGC,
ZOPEZCC,
Zscore: CC,
Zscore: SR,
Zscore: GC,
ZANAZSR,
ZOPEZSR,
ZANAZCCa

. Enter

a. All requested variables entered.


b. Dependent Variable: PCVC

Model Summaryc
Model

R Square

Adjusted R
Square

Std. Error of the


Estimate
Durbin-Watson

,861a

,742

,721

,51949106

,906b

,821

,780

,46088912

1,707

a. Predictors: (Constant), Zscore: COLL, Zscore: TAIL, Zscore: SECTACT,


Zscore: OPE, Zscore: EXPE, Zscore: ANA
b. Predictors: (Constant), Zscore: COLL, Zscore: TAIL, Zscore: SECTACT,
Zscore: OPE, Zscore: EXPE, Zscore: ANA, ZOPEZGC, ZCOLLZGC,
ZOPEZCC, Zscore: CC, Zscore: SR, Zscore: GC, ZANAZSR, ZOPEZSR,
ZANAZCC
c. Dependent Variable: PCVC

ANOVAc
Model
1

Sum of Squares

df

Mean Square

Regression

57,316

Residual

19,970

74 ,270

Total

77,287

80

Regression

63,479

15

Residual

13,807

65 ,212

Total

77,287

80

Sig.

9,553

35,397 ,000a

4,232

19,923 ,000b

a. Predictors: (Constant), Zscore: COLL, Zscore: TAIL, Zscore: SECTACT, Zscore:


OPE, Zscore: EXPE, Zscore: ANA
b. Predictors: (Constant), Zscore: COLL, Zscore: TAIL, Zscore: SECTACT, Zscore:
OPE, Zscore: EXPE, Zscore: ANA, ZOPEZGC, ZCOLLZGC, ZOPEZCC, Zscore: CC,
Zscore: SR, Zscore: GC, ZANAZSR, ZOPEZSR, ZANAZCC
c. Dependent Variable: PCVC

Coefficientsa
Unstandardized Coefficients
Model
1

B
(Constant)

Std. Error
,058

Zscore: SECTACT ,118

,062

,120

Zscore: TAIL

,062

,018

,018

,286
-,231

Zscore: ANA

,253

,077

,257

Zscore: OPE

,063

,071

,064

Zscore: COLL

,632

,075

,646

(Constant)

,005

,062

Zscore: SECTACT ,072

,061

,074

Zscore: TAIL

,069

,004

Zscore: EXPE

t
,484

-,228 ,065

,004

Collinearity Statistics

Beta

,028

Zscore: EXPE

Standardized
Coefficients

,898

,082

-,238 ,072

,051
-,241

Sig.

Tolerance

VIF

,630
1,897 ,062

,868

1,152

,775

,873

1,145

-3,497 ,001

,801

1,248

3,293 ,002

,573

1,746

,372

,684

1,461

8,380 ,000

,588

1,700

1,186 ,240

,707

1,415

,959

,554

1,805

-3,308 ,002

,517

1,935

3,471 ,001

,301

3,319

,977

,475

2,105

,935

Zscore: ANA

,326

,094

,332

Zscore: OPE

,002

,075

,002

Zscore: COLL

,418

,089

,427

4,677 ,000

,330

3,033

Zscore: SR

,315

,085

,322

3,694 ,000

,361

2,769

-1,377 ,173

,343

2,914

Zscore: GC

-,120 ,087

,029

-,123

Zscore: CC

,204

,083

,208

2,469 ,016

,387

2,586

ZANAZCC

,148

,088

,218

1,680 ,098

,163

6,139

-1,868 ,066

,294

3,396

,611

,209

4,788

ZOPEZCC
ZANAZSR

-,205 ,110
,033

,065

-,181
,059

,510

ZOPEZSR

-,008 ,101

ZOPEZGC

,249

-,008

,109

ZCOLLZGC

,237

-,121 ,077

-,151

-,075 ,940

,253

3,948

2,281 ,026

,254

3,933

-1,585 ,118

,301

3,321

a. Dependent Variable: PCVC

Excluded Variablesb
Collinearity Statistics
Model
1

Beta In

Zscore: SR

,274

Zscore: GC

,063a

Zscore: CC

,209a

ZANAZCC
ZOPEZCC

,860

Sig.

Partial
Correlation

Tolerance

VIF

Minimum
Tolerance

3,669 ,000

,395

,535

1,868 ,508

,392

,100

,663

1,507 ,514

2,861 ,006

,318

,594

1,684 ,509

-,024a

-,308 ,759

-,036 ,570

1,753 ,425

-,293 ,770

-,034 ,798

1,253 ,524

-,020

ZANAZSR

,006a

,078

,938

,009

,705

1,418 ,496

ZOPEZSR

,025a

,365

,716

,043

,731

1,368 ,533

ZOPEZGC

,034a

,529

,598

,062

,832

1,202 ,512

-,075 ,758

1,320 ,480

ZCOLLZGC

-,044

-,640 ,524

a. Predictors in the Model: (Constant), Zscore: COLL, Zscore: TAIL, Zscore: SECTACT, Zscore: OPE, Zscore:
EXPE, Zscore: ANA
b. Dependent Variable: PCVC

Residuals Statisticsa
Minimum
Predicted Value

Residual

Maximum

Mean

1,2909173E
1,9782965
,0236450
0
E0

Std. Deviation

,89078156

81

1,10391009
1,11585093
1,1993150 ,41543984
E0
E0
0E-16

81

Std. Predicted Value

-2,247

1,423 ,000

Std. Residual

-2,421

2,395 ,000

1,000
,901

81
81

a. Dependent Variable: PCVC

Charts

ANNEXE 10

QUELQUES LOGICIELS CRM

Nous avons interrog plusieurs milliers dutilisateurs et de chefs de projets


CRM dans de nombreuses entreprises, tous secteurs dactivit et toutes tailles
confondues. 386 rponses prcises ont t analyses. Lensemble de ces
chiffres sera disponible dans le courant de lt sous la forme dun baromtre
complet. Mais quelques heures des premiers dparts en vacances des
juillettistes , nous avons souhait dvoiler le classement des diteurs de
solutions de CRM plbiscits par les utilisateurs.
Quelques mots sur la mthode pour commencer. Nous avons soumis aux
personnes interroges une liste classe par ordre alatoire, de 35 diteurs de
solutions de CRM. Certaines trs connues, gnralistes du CRM, dautres
moins connues ou spcialistes dune des facettes de la gestion de la relation
client. Les rsultats en termes de notorit taient prvisibles : Microsoft,
Oracle (dont Siebel, Peoplesoft), SAP, Salesforce.com sont les solutions de
CRM les plus connues.
Mais nous souhaitions apprhender la perception des utilisateurs sur lavenir
des principales solutions du march. Pour chacun des fournisseurs proposs
nous avons demand aux utilisateurs comment ils considraient lavenir de la
solution (en forte croissance, en croissance, stable, ou en perte de vitesse).
Les rponses extrmes positives ou ngatives ont t affectes dun
coefficient deux ; coefficient un pour les rponses centrales.
Ce calcul nous a permis dtablir un indice faisant la diffrence entre les
perceptions positives et les perceptions ngatives. Cet indice traduit la
perception par les utilisateurs de lavenir de chacune des solutions proposes.

Les gagnants

Grand gagnant de cette anne, SugarCRM ! Et oui, cest une solution open
source, qui recueille de la part des entreprises le meilleur indice. Un
vnement pour le march du CRM, qui se voit contraint de considrer lopen
source comme un concurrent srieux. Plusieurs explications cette position
de n1 : la visibilit importante que SugarCRM et s es distributeurs crent par
le canal du Web ; lintrt gnral des entreprises pour ce nouveau modle de
lopen source mme si rares sont encore les entreprises franchir le pas ; la
prise de conscience quun projet CRM ne dpend finalement que peu de loutil
choisi mais beaucoup des prestations annexes (analyse des besoins,

intgration, conduite du changement). SugarCRM est donc le grand gagnant


de notre baromtre RelationClient.net 2006.
Numro 2 : Neolane. Cet diteur franais de solutions de gestion marketing a
russi une excellente anne 2005-2006. La croissance du commerce en ligne,
du marketing interactif est une voie royale pour cet diteur qui privilgie le
succs de ses clients un marketing tapageur.
Numro 3 : Salesforce.com. LASP a conquis ses lettres de noblesse et est
mme considr par les utilisateurs comme le principal modle conomique
davenir. Salesforce.com voit ici rcompense son agressivit marketing, et sa
persvrance dfendre un modle dont il est le prcurseur grande chelle.
Numro 4 : Microsoft. Positionn lan dernier en numro 1 de notre
classement, Microsoft subit le contrecoup de la dception engendre par une
mise sur le march trop rapide et imparfaite de Microsoft CRM versions 1 puis
1.2. Larrive en 2005 de la version 3.0 a corrig ces erreurs initiales, mais la
confiance des utilisateurs doit tre regagne. La solution reste nanmoins une
solution davenir. La rorganisation tout juste annonce chez Microsoft qui
dplace les quipes Microsoft CRM dans la division Office traduit bien la
stratgie de lditeur : faire du CRM une application banalise et trs
largement diffuse.
Numro 5 : Eptica. Les utilisateurs rcompensent ici le leader incontest de la
gestion des emails entrants. Un secteur encore peu dvelopp mais promis
un bel avenir, au prorata de la croissance de lemail comme canal privilgi de
contact entre les clients et leurs fournisseurs. Eptica, diteur franais, convertit
ici le travail ralis depuis plusieurs annes sur sa base clients.
Viennent ensuite dans notre classement de la 6me la 10me position : EDeal, SAP, Selligent, Oracle et Saleslogix (Sage).

Les perdants
A lautre extrmit du classement, plusieurs diteurs sont points du doigt
pour leur manque de visibilit et de momentum avec les attentes actuelles
des utilisateurs de CRM. Les raisons de cette perception ngative sont trs
diffrentes en fonction des solutions concernes, mais de la 31me la
35me place on retrouve : Remedy, FrontRange, KDP Vente Partner, Applix
et Saratoga Systems. Remedy, FrontRange et Applix ne considrent plus le
CRM comme leur priorit. KDP ninvestit pas suffisamment en R&D pour
maintenir ergonomie et fonctionnalits de son produit un niveau correct
dinnovation, et Saratoga Systems tente de reprendre place sur le march
aprs plusieurs annes de dshrence.
http://www.progilibre.com/Les-utilisateurs-recompensent-les-editeurs-de-CRMen-croissance_a342.html

Quel logiciel de CRM choisir ?


Voici ci dessous la liste des principales solutions de CRM disponibles en France.
Pour les petites entreprises, solo et TPE :
ACT! (229 ) Simple et pratique utiliser.
- Easy Contacts (199 ) - Un peu ancien, mais une des rares solutions sur Mac.
Pour les PME :
- Sage CRM (2990 / 4 utilisateurs) : 100 % web, avec SFA + Service SAV + Marketing.
- Vente Partner (environ 800 / utilisateurs) : Trs facile personnaliser, sous Windows.
- Sugar CRM (Open Source) : un logiciel gratuit et puissant
Pour les Grandes Entreprises :
- Sage Saleslogix : Trs puissant et entirement personnalisable, fonctionne en Web, windows
et PDA.
- Microsoft CRM : puissant et intgr MS Office , mais avec une parfois ergonomie lourde.
- Salesforces : disponible uniquement en SaaS (location) avec de trs nombreux modules
optionnels, mais un peu complexe (paramtrage) pour une petite entreprise.
Il existe dautres solutions de CRM comme SAP (multinationales), Selligent, Eudoweb,
Neolane (pour les mgabases de donnes), EBP (limit), Pivotal, eDeal, Ines mais qui sont
souvent positionns sur des marchs de niche, avec des contraintes dintgrations au systme
dinformations de lentreprise

Rsum en franais
La gestion de la relation client a reprsent la proccupation majeure des entreprises et des chercheurs ces dernires
annes. Selon les auteurs marketing, la notion de CRM (customer relationship management) se retrouve tre la solution
efficace pour la gestion de la relation client. Nanmoins, plusieurs publications et tudes relatives la performance de
ces logiciels ont donn des rsultats contradictoires. Cest dans ce contexte de rsultats paradoxaux que nous avons
entrepris cette recherche afin dvaluer limpact de lutilisation de ces logiciels sur lentreprise. En essayant de dpasser
certaines lacunes et manquement constats dans la littrature aussi bien acadmique que managriale, un modle
conceptuel de type causal a t labor. Ce modle est bas sur diffrentes thories relatives dune part, lutilisation
des capacits des logiciels CRM et dautre part, lapproche marketing du CRM. Aprs avoir contrl les effets du
secteur dactivit, de la taille et de lexprience des entreprises en matire dutilisation des logiciels CRM, nous avons
test ce modle sur un chantillon 82 entreprises ayant dvelopps toutes les fonctionnalits des logiciels CRM. Les
rsultats ont montr la pertinence du modle propos avec 74 % de la variance totale de la performance du cycle de vie
du client. La recherche a montr que lutilisation des logiciels CRM sur cette population dentreprises est centre dune
part sur la valorisation des donnes analytiques et dautre part sur la collaboration entre services de lentreprise dans
lutilisation de ces donnes. La prise en compte de la notion du cycle de vie du client peut constituer une limite pour
cette recherche mais elle montre la voie pour de futures recherches.

Mots cls : CRM- Analytique - oprationnel collaboratif cycle de vie- performance- relation client management

Summary in english
The customer relationship management represented the major preoccupation of companies and researchers these last
years. According to the marketing authors, the notion of CRM (customer relationship management) meets to be the
effective solution for the customer relationship management. Nevertheless, several publications and studies relative to
the performance of this software gave contradictory results. It is in this context of paradoxical results that we undertook
this research to estimate the impact of the use of this software on the company. By trying to exceed certain gaps and
breach noticed in the literature so academic as manager, an abstract model of causal type was elaborated. This model is
based on various relative theories on one hand, in the use of the capacities of the software CRM and on the other hand,
in the marketing approach of the CRM. Having controlled the effects of the business sector, the size and the experience
of companies in use of the software CRM, we tested this model on a sample 82 companies having developed all the
features of the software CRM. The results showed the relevance of the model proposed with 74 % of the total variance
of the performance of the life cycle of the customer. The research showed that the use of the software CRM on this
population of companies is centred on one hand on the valuation of the analytical data and on the other hand on the
collaboration between services of the company in the use of these data. The consideration of the notion of the life cycle
of the customer can constitute a limit for this research but it shows the way for future researches.

Keywords: CRM - Analytics - operational - collaborative - life cycle - performance - customer relationship
management
Discipline: Sciences de Gestion
Laboratoire: Centre de Recherche Clermontois en Gestion et Management
36 bis rue cte Blatin, BP : 10448- 63000 Clermont Ferrand