La fidélité des consommateurs dans le secteur de la distribution spécialisée : Validation

d’une typologie fondée sur les bénéfices relationnels

Chaker NAJAR
Maître Assistant
Université de Tunis El Manar – FSEG de Tunis
Laboratoire de recherche ERMA
chaker.najar@fsegt.utm.tn

Hechmi NAJJAR
Maître Assistant
Université de Tunis – ISG de Tunis
Laboratoire de recherche ERMA
najjarhechmi@gmail.com

1
La fidélité des consommateurs dans le secteur de la distribution spécialisée : Validation
d’une typologie fondée sur les bénéfices relationnels

Résumé
Les bénéfices relationnels constituent un impératif majeur à tous les distributeurs soucieux de
fidéliser leurs clients. Le comportement imprévisible de ces derniers incite les responsables
marketing à étudier en profondeur leurs profils en vue de mener à terme des stratégies
relationnelles efficaces et personnalisées. Ainsi, la présente recherche tente de valider une
typologie explicative et prédictive des consommateurs. Une revue de la littérature sur les
bénéfices relationnels et la fidélité a été conçue avant de présenter le cadre opérationnel de la
recherche. Les résultats de l’enquête réalisée dans le secteur de la distribution spécialisée en
Tunisie parviennent à dresser une typologie des consommateurs en fonction de leur fidélité et
révèlent que les bénéfices relationnels constituent des leviers incontournables à la
détermination de la fidélité des consommateurs envers l’enseigne.

Mots clés : Fidélité, Bénéfices relationnels, Typologie, Distribution spécialisée.

Consumer loyalty in the specialized distribution sector: Validation of a typology based

on relational benefits

Abstract:
Relational benefits are a major requirement for all retailers who want to retain their
customers. The unpredictable behavior of customers incites the marketing managers to study
in depth their profiles in order to carry out efficient and personalized relational strategies. So,
this research tries to validate an explanatory and predictive typology of consumers. A
literature review on relational benefits and loyalty was designed before presenting the
operational framework for research. The results of the survey carried out in the specialized
distribution sector in Tunisia enable to draw up a typology of consumers according to their
loyalty and reveal that relational benefits are essential drivers for determining consumer
loyalty to the store.

Keywords: Loyalty, Relational benefits, Typology, Specialized distribution.

2
Introduction
Ces dernières années, le secteur de la distribution spécialisée à connu une évolution
remarquable suite au développement des solutions offertes sur le marché ainsi qu’à la
diversité des canaux de distribution et des réseaux de ventes. En particulier, les opérateurs du
secteur informatique se trouvent face à des consommateurs souvent connaisseurs dans le
domaine mais surtout à la recherche d’une offre de qualité et d’une relation de confiance avec
leurs fournisseurs. Grâce au développement des pratiques du marketing relationnel dans le
domaine de la distribution, il est devenu possible de procurer des bénéfices relationnels en vue
de mieux répondre aux besoins du marché et d’accroître le capital client ainsi que la
rentabilité des enseignes de distribution.
Sur le plan théorique, les travaux pionniers de Gwinner et al. (1998), ont contribué à
l’émergence de l’approche par les bénéfices recherchés selon laquelle il sera possible de
procurer des avantages relationnels susceptibles de personnaliser la relation avec les clients.
En ce sens, ces bénéfices forment des critères de segmentation pertinents au regard des
travaux antérieurs de Gil-Saura et Ruiz-Molina (2009) et de Lien et al. (2018). Egalement, ces
bénéfices relationnels sont incontestables dans la mesure où ils constituent un pré-requis au
développement de la fidélité des clients (Marzo-Navarro et al., 2004), comme ils participent à
la consolidation de la relation entre les partenaires de l’échange (Hennig-Thurau et al., 2002).
Bien que la valeur des bénéfices relationnels a été appréhendée dans la gestion de la relation
client (Yang et al., 2018), son impact sur la segmentation de la fidélité des clients demeure un
champ d’investigation important dans le domaine de la distribution spécialisée. En effet, la
détermination de la fidélité en fonction des bénéfices relationnels a fait l’objet de
modélisations sans être incorporée dans un cadre d’une analyse typologique. Par conséquent,
il s’avère opportun d’approfondir cet axe de recherche en marketing relationnel en accordant
une attention particulière à une typologie selon laquelle la validation d’une classification des
consommateurs sera requise afin de mieux spécifier leur profil en termes de fidélité et de
perception des bénéfices relationnels accordés par les distributeurs.
A cet effet, la présente recherche s’inscrit dans une perspective relationnelle et s’attache à
élaborer une analyse typologique dans le but de classifier les consommateurs en fonction de
leurs niveaux de fidélité et leur perception des bénéfices relationnels. Certes, la génération
d’une fonction explicative et prédictive issue de la typologie permettra de déterminer les
niveaux de fidélité des clients et rendra possible aux opérateurs de la distribution spécialisée
de mieux anticiper le profil relationnel des individus et d’envisager des stratégies de
fidélisation appropriées à chacun des segments étudiés.

3
1. Cadre théorique de la recherche
Le cadre théorique de cette recherche permet d’introduire la notion de la fidélité ainsi que les
bénéfices relationnels dans le domaine de distribution spécialisée, avant d’aborder la question
de la typologie des consommateurs en fonction de la fidélité et des bénéfices relationnels.

1.1 La notion de la fidélité à l’enseigne de distribution et sa contribution au

développement du profil des consommateurs
La recherche sur la fidélité des clients a fait l’objet de nombreuses investigations en
marketing et surtout dans les domaines de produit, de service et de distribution. Ainsi, la
fidélité joue le rôle d’une « barrière défensive » pour les entreprises qui cherchent à se
protéger contre les actions offensives de la concurrence (Lombart et Labbé-Pinlon, 2006).
Cette variable assure la création de la valeur commerciale et financière, comme elle procure
aux entreprises des sources d’opportunités en rapport avec l’innovation, l’efficacité et
l’efficience de la gestion des ressources de l’entreprise (Trinquecoste, 1996).
Par ailleurs, ce concept se traduit par une certaine continuité de la relation établie entre un
consommateur et une enseigne (Halloul et Zorgati, 2016). En partant de l’approche composite
de la fidélité, les dimensions attitudinales et comportementales sont majoritairement
importantes dans la mesure où elles favorisent une meilleure compréhension de la relation
entre le client et l’enseigne dans le temps (Yavas et Babacus, 2009).
Sur le plan opérationnel, l’évaluation du niveau de la fidélité des clients forme un pré-requis
au succès de la stratégie relationnelle des enseignes (Flavian, Martinez et Polo, 2001). De
surcroît, les entreprises cherchent à collecter des informations plus précises sur le
comportement probable de réachat des clients afin de déterminer leur degré de fidélité. A ce
niveau, il importe de concevoir des typologies en mesure de distinguer entre les clients les
plus fidèles et les clients les moins fidèles. Les travaux antérieurs en marketing ont permis
d’avoir une variété de typologies. Par exemple, Bozzo et al. (2002) se sont basés sur des
critères à vocation relationnelle afin d’identifier trois segments à savoir les fidèles, les inertes
et les détachés. De plus, Parguel et al. (2010), ont pu distinguer entre les clients fidèles et les
clients occasionnels. Finalement, la classification de Floh et al. (2014) a généré trois segments
à savoir les rationalistes, les fonctionnalistes ainsi que les « value maximizers ».

1.2 Les fondements conceptuels et les mesures des bénéfices relationnels

Les bénéfices relationnels constituent des leviers importants dans le cadre du marketing
relationnel. Selon Gwinner, et al. (1998) les bénéfices relationnels représentent des avantages

4
accordés par les entreprises aux clients dans le but de maintenir leur relation. Ces avantages
permettent de mieux répondre aux attentes des clients dans le but d’accroître leur relation
avec les entreprises. En particulier, la plupart des travaux en marketing ont permis de
présenter trois types de bénéfices relationnels à savoir les bénéfices de confiance, les
bénéfices sociaux ainsi que les bénéfices de traitement spécifique (Chen et Hu, 2013 ; Yen et
al., 2015 ; Ruiz-Molina et al., 2015). En effet, les bénéfices de confiance permettent de
rassurer les consommateurs, d’accroître leur sentiment de sécurité et de réduire leur
incertitude envers l’entreprise. Les bénéfices sociaux sont de nature affective et consistent à
créer une certaine familiarité avec l’entreprise en favorisant l’interaction avec les clients et les
personnels de l’entreprise. Les bénéfices de traitement spécifique consistent à procurer aux
clients qui disposent d’une relation durable avec l’entreprise un ensemble d’avantages
personnalisés (Hennig-Thurau, et al., 2002 ; Rebecca Yen et Gwinner, 2003 ; Molina, Martin-
Consuegra et Esteban, 2007 ; Gil-Saura et Ruiz-Molina, 2009).
Sur le plan opérationnel, plusieurs échelles de mesures ont été élaborées en vue d’évaluer les
bénéfices relationnels. Le tableau 1 qui suit présente les échelles les plus récentes dans la
littérature en marketing relationnel.

Tableau 1: Les échelles de mesure des bénéfices relationnels

Nombre Domaine
Auteurs Dimensions Validation
d’items d’activité
Bénéfices de
6 a = 0,89
confiance
Gwinner,
Bénéfices sociaux 5 a = 0,88
Gremler et Services
Bénéfices de
Bitner (1998)
traitement 5 a = 0,89
spécifique
Bénéfices de
4 a = 0,8
Martin- confiance
consuegra, Bénéfices sociaux 4 a = 0,9 Services
Molina et Bénéfices de bancaires
Esteban (2006) traitement 6 a = 0,9
spécifique
Bénéfices de a = 0,92
traitement 6 Fiabilité composite = 0,91
spécifique AVE = 0,66
Molina, Martin- a = 0,92
Services
Consuegra et Bénéfices sociaux 4 Fiabilité composite = 0,91
bancaires
Esteban (2007) AVE = 0,73
a = 0,83
Bénéfices de
3 Fiabilité composite = 0,84
confiance
AVE = 0,64
5
 Bénéfices de
traitement 6 a = 0,771
Gil-Saura et spécifique
Ruiz-Molina Distribution
Bénéfices sociaux 4 a = 0,934
(2009)
Bénéfices de
5 a = 0,925
confiance
a = 0,895
Bénéfices de Fiabilité composite =
3
confiance 0,935
AVE = 0,827
Blazquez-
a = 0,874
Resino et
Fiabilité composite = Services
Gołąb- Bénéfices sociaux 3
0,921 touristiques
Andrzejak
AVE = 0,796
(2017)
a = 0,738
Bénéfices de
Fiabilité composite =
traitement 3
0,848
spécifique
AVE = 0,651
Bénéfices de a = 0,88
5
confiance
Yang, Song,
Bénéfices sociaux 5 a = 0,91
Chen et Xia Services
(2017) Bénéfices de
traitement 5 a = 0,91
spécifique
Bénéfices de a = 0,854
6
confiance AVE = 0,582
Chou et Chen Bénéfices sociaux a = 0,888 Divers
4
AVE = 0,751
(2018) services
Bénéfices de
a = 0,895
traitement 5
AVE = 0,703
spécifique
Bénéfices de a = 0,909
4
confiance AVE = 0,721
a = 0,833
Wong, Chang et Bénéfices sociaux 4
AVE = 0,654 Services
Yeh (2019)
Bénéfices de
a = 0,909
traitement 4
AVE = 0,781
spécifique

A la lecture du tableau 1, il est évident que la plupart des échelles de mesures sont
multidimensionnelles et qu’elles présentent une bonne qualité psychométrique. Ces
instruments permettent d’évaluer en priorité les bénéfices de confiance, les bénéfices sociaux
ainsi que les bénéfices de traitement spécifique.

6
1.3 Les bénéfices relationnels en tant que facteurs explicatifs de la typologie de fidélité
des consommateurs
Au regard de la littérature, l’impact des bénéfices relationnels sur la fidélité a été
fréquemment étudié dans le domaine des services. Néanmoins, la transposition de cet axe
dans le domaine de la distribution constitue une nécessité et mérite plus d’approfondissement
en vue de mieux l’appréhender. En effet, Yen et Gwinner (2003), Ruiz-Molina et al. (2009),
Chen et al. (2013), Liu et al. (2014) ainsi que Yang et al. (2018) ont montré que les bénéfices
relationnels procurent un ensemble d’avantages susceptibles de consolider la relation entre les
prestataires des services et leurs clients. De surcroît, les travaux de Marzo-Navarro et al.
(2004) dans le domaine de distribution ont révélé que les bénéfices relationnels constituent
des leviers incontournables à la fidélisation des clients.
Par ailleurs, les travaux de Burton et Easingwood (2006), de Gil-Saura et Ruiz-Molina (2009)
et de Lien et al. (2018) ont souligné que les bénéfices relationnels représentent des critères de
segmentation pertinents dans la mesure où ils génèrent des profils différents permettant de
caractériser les consommateurs et de dresser des stratégies convenables à chaque segment.
Toutefois, la spécification de la fidélité en fonction des bénéfices relationnels dans un cadre
d’une analyse typologique demeure un champ inexploité dans la littérature en marketing
relationnel et nécessite alors une attention particulière. D’où la mise en place d’une
classification à la fois explicative et prédictive, permettra de spécifier les consommateurs en
fonction de leur niveau de fidélité à l’enseigne de distribution et d’étudier la contribution des
bénéfices relationnels à la détermination de la fidélité des consommateurs pour chacun des
segments. La figure 1 qui suit donne un aperçu sur cette typologie.
Figure 1 - Typologie de la fidélité des consommateurs en fonction des bénéfices
relationnels

Bénéfices de traitement
spécifique

Bénéfices de Bénéfices
confiance Niveau de fidélité des sociaux
consommateurs

Profil des consommateurs

7
2. Méthodologie de recherche
La pratique d’une typologie explicative et prédictive des consommateurs en quête d’avantages
relationnels favorise la détermination de leur niveau de fidélité à l’égard des enseignes de
distribution spécialisées. Afin d’atteindre cet objectif académique, une enquête en face à face
a été élaborée auprès d’un échantillon de convenance composé de 309 consommateurs
tunisiens. Ces derniers ont éprouvé leur propension de fréquenter régulièrement les magasins
spécialisés dans la commercialisation des produits informatiques. Les caractéristiques
sociodémographiques de ces répondants figurent dans l’annexe 2.
Le questionnaire a permis une appréciation des bénéfices relationnels perçus par les enquêtés
ainsi que leur niveau de fidélité en se basant sur les échelles de mesure multi-items de Gil-
Saura et Ruiz-Molina (2009) et de Marzo-Navarro et al, (2004). Ces instruments de mesures
ont été sélectionnés car ils disposent d’une bonne qualité psychométrique dans les recherches
antérieures. De plus, les items de ces échelles ont été soumis à une notation allant de à 5.
L’annexe 1 présente ces instruments de mesure après leur adaptation à notre contexte d’étude.
Sur le plan opérationnel, les logiciels de traitement des données SPSS 18 et Visual PLS 1.04
ont été utilisés en vue de générer les résultats des analyses exploratoires et confirmatoires
avant de présenter les résultats de l’analyse typologique basée sur la fidélité et les bénéfices
relationnels. Dans cette perspective, la procédure de la typologie est inspirée des travaux de
Bergeron (2001).
Tout d’abord, nous avons purifié les échelles de mesures suite à la pratique d’une analyse en
composantes principales (ACP) suivie d’un test de fiabilité mesuré par des alphas de
Cronbach. Par la suite, une analyse confirmatoire fondée sur la démarche de Fornell et
Larcker (1981) a été conduite en vue de s’assurer de la fiabilité et de la validité des variables
latentes. Finalement, les items purifiés des dimensions de la variable bénéfices relationnels
ainsi que les groupes issus de la classification des nuées dynamiques seront utilisés par
l’analyse discriminante. Certes, l’analyse discriminante à deux groupes permet de valider, au
sens de Malhotra et al (2004) et de Jolibert et Jourdan (2006), les résultats de la classification
des nuées dynamiques, avant de déterminer la contribution des bénéfices relationnels à la
spécification des groupes de consommateurs et d’anticiper leur niveau de fidélité.

3. Présentation et interprétation des résultats de la recherche

Cette partie est consacrée à la vérification de la qualité psychométrique des échelles de
mesures ainsi qu’à la validation de l’analyse typologique.

8
3.1 Etude de la qualité psychométrique des échelles de mesures de la recherche
Les résultats des analyses exploratoires sur la fidélité et les bénéfices relationnels se
présentent dans le tableau 2 ci-après :
Tableau 2: Les résultats des analyses exploratoires
Résultats de l’ACP
Alpha de
Valeur
Dimension Items retenus Extraction Cronbach
propre
Fidélité à l’enseigne Fid_1 0,754
de distribution Fid_2 0,811 2,325 0,854
spécialisée Fid_3 0,760
KMO = 0,726 Signification de Bartlett = 0,000
Pourcentage de la variance expliquée = 77,510%
Résultats de l’ACP
Alphas de
Valeurs
Dimensions Items retenus Extraction Cronbach
propres
BC_1 0,383
BC_2 0,594
Bénéfices de BC_3 0,628
6,913 0,858
confiance BC_4 0,589
BC_5 0,637
BC_6 0,649
BS_1 0,767
BS_2 0,801
Bénéfices sociaux 1,543 0,873
BS_3 0,764
BS_4 0,442
BTS_1 0,654
Bénéfices de BTS_2 0,689
traitement BTS_3 0,725 1,157 0,876
spécifique BTS_4 0,650
BTS_5 0,641
KMO = 0,920 Signification de Bartlett = 0,000
Pourcentage de la variance expliquée = 64,087%

A la lecture du tableau 2, nous pouvons constater que les résultats des ACP sont valides vu
que les valeurs des indices KMO sont supérieures à 0,5 et indiquent l’existence d’une solution
factorielle adéquate, et que le test de sphéricité de Bartlett est significatif au risque de 5% et
justifie l’interdépendance des variables directement observables. Concernant la qualité de
représentation des items, les valeurs obtenues sont supérieures à 0,5 à l’exception des
indicateurs BC_1 et BS_4 qui ont été purifiés. Chacune des dimensions obtenues dispose
d’une valeur propre supérieure à 1. En particulier, la fidélité est un construit unidimensionnel
composé de trois items, alors que les bénéfices relationnels sont composés de trois dimensions
à savoir les bénéfices de confiance (de BC_2 à BC_6), les bénéfices sociaux (de BS_1 à

9
BS_3) et les bénéfices de traitement spécifiques (de BTS_1 à BTS_5). La répartition des
dimensions du construit bénéfices relationnels sur les axes après une rotation Varimax figure
dans l’annexe 3. Par ailleurs, les résultats de la fiabilité des construits ont permis d’avoir des
alphas de Cronbach (a) supérieurs à 0,7 pour l’ensemble des dimensions. A cet effet, il est
évident que la fiabilité est satisfaisante au niveau exploratoire et donc il sera intéressant de
valider la qualité psychométrique des dimensions obtenues en s’appuyant sur les résultats des
analyses confirmatoires.

Tableau 3 : Résultats des analyses confirmatoires

Dimensions Fiabilité (Rhô de Jöreskog) Validité convergente (rvc)
Fidélité 0,912 0,775
Bénéfices de confiance 0,898 0,639
Bénéfices sociaux 0,922 0,798
Bénéfices de traitement
0,911 0,671
spécifique
Validité discriminante
BC BS BTS
BC 0,639 - -
BS 0,305 0,798 -
BTS 0,331 0,345 0,671

Le tableau 3 permet de vérifier la fiabilité et la validité des variables latentes fidélité et

bénéfices relationnels en s’appuyant sur la démarche de Fornell et Larcker (1981). Les
résultats indiquent que la fiabilité composite de chaque dimension est supérieure à 0,7 alors
que sa validité convergente est supérieure à 0,5. De plus, la validité discriminante des
dimensions de la variable bénéfices relationnels est vérifiée vu que les valeurs des AVE
(variances partagées extraites) sont supérieures aux carrés des relations entre les dimensions
des bénéfices relationnels. Ainsi, les dimensions obtenues sont fiables et valides et permettent
de procéder ultérieurement à une analyse typologique.

3.2 La classification des consommateurs en fonction de leur fidélité à l’enseigne de

distribution spécialisée
La classification des nuées dynamiques est une méthode descriptive multivariée qui permet de
générer des profils de consommateurs différents en fonction de leurs niveaux de fidélité. Le
tableau 4 ci-dessous permet de synthétiser les résultats de cette classification.

10
 Tableau 4 : Classification des répondants en fonction de leurs niveaux de fidélité
Groupe 1 : Forte Groupe 2 : Faible
Items F. Anova P
Fidélité Fidélité
Fid_1 4,19 2,32 437,375 0,000
Fid_2 4,16 2,43 424,459 0,000
Fid_3 4,19 2,58 285,091 0,000
Nombre d’observations 202 107
Pourcentages 65,37% 34,63%
La convergence a été atteinte au niveau de la 4ème itération.

Le tableau 4 révèle que la classification des nuées dynamiques a permis d’avoir deux groupes
de clients qui se distinguent par leurs niveaux de fidélité envers l’enseigne de distribution
spécialisée. Cette classification a convergé dès la quatrième itération. En effet, le premier
segment se compose de 65,37% des consommateurs les plus fidèles, alors que le deuxième
groupe désigne les consommateurs les moins fidèles et représente 34,63% de l’échantillon.
Par ailleurs, les résultats montrent que les tests Anova sont significatifs au seuil de 5% et que
l’importance des valeurs de Fisher (F) reflète la pertinence de l’ensemble des items de la
fidélité dans la génération des groupes. A cet effet, la classification des nuées dynamiques a
donné naissance à une variable dichotomique permettant de différencier entre les
consommateurs en fonction de leurs niveaux de fidélité. Cette variable sera adoptée en tant
qu’une variable subséquente dans le cadre de l’analyse discriminante.

3.3 Présentation des résultats de l’analyse discriminante et validation de la typologie des

consommateurs fidèles
Le recours à l’analyse discriminante favorise la validation des résultats de la classification des
consommateurs en fonction de leurs niveaux de fidélité à l’enseigne et la spécification de
l’effet des bénéfices relationnels sur chaque segment. Les résultats de cette analyse se
présentent dans le tableau qui suit :

Tableau 5 : Les résultats de l’analyse discriminante

Résultats des fonctions discriminantes canoniques
Lambda Chi-deux
Valeur propre Coefficient canonique Significativité
de Wilks (ddl)
0,588 0,609 0,630 139,048 0,000
M de Box = 205,847 p = 0,000
Items Matrice de Coefficients des Test d’égalité des moyennes des groupes

11
 structure fonctions
discriminantes Moyenne Moyenne
Lambda
canoniques forte faible
de Wilks
F Sig
fidélité fidélité
standardisées
BC_2 0,633 0,179 3,6584 2,6355 0,809 72,430 0,000
BC_3 0,600 0,219 3,6139 2,6636 0,825 65,128 0,000
Bénéfices de
confiance

BC_4 0,564 0,110 3,7030 2,7757 0,842 57,557 0,000

BC_5 0,708 0,275 3,6931 2,5327 0,772 90,466 0,000
BC_6 0,646 0,176 3,6139 2,5047 0,803 75,349 0,000
BS_1 0,649 0,355 3,6139 2,4299 0,802 75,993 0,000
Bénéfic

sociaux

BS_2 0,531 -0,060 3,4950 2,5140 0,858 51,002 0,000

es

BS_3 0,533 0,141 3,5743 2,6075 0,857 51,346 0,000

BTS_1 0,406 -0,139 3,3861 2,5607 0,912 29,721 0,000
BTS_2 0,456 -0,201 3,4851 2,6262 0,891 37,591 0,000
Bénéfices de
traitement
spécifique

BTS_3 0,591 0,521 3,5990 2,4953 0,830 62,991 0,000

BTS_4 0,423 -0,082 3,3119 2,4673 0,905 32,318 0,000
BTS_5 0,430 -0,032 3,3168 2,4019 0,902 33,450 0,000
Profil type des observations dans les classes et résultats de la matrice de confusion
Forte fidélité Faible fidélité
Fonction aux centroïdes
0,556 -1,051
des groupes
Classes d’affectations prévues (effectifs et pourcentages)
Forte fidélité Faible fidélité
Forte fidélité 164 (81,2%) 38 (18,8%)
Orignal
Faible fidélité 23 (21,5%) 84 (78,5%)
Hit score = 80,3%

En partant des résultats du tableau 5, il est évident que les résultats de l’analyse discriminante
sont valides. En ce sens, le Lambda de Wilks présente une valeur satisfaisante de 0,63 et le
test de Chi-deux est significatif au risque de 5%. A cet effet, la fonction discriminante
permettra de distinguer entre les consommateurs compte tenu de leur fidélité (faible ou forte).
Egalement, le coefficient de corrélation canonique indique une valeur satisfaisante (0,609) et
justifie l’existence d’un lien considérable entre les scores générés de la fonction discriminante
canonique et les groupes issus de la classification. De surcroît, le hit score atteint 80,3% et
indique clairement que la majorité des observations sont classées correctement.
Cependant, la signification du test de Box au risque de 5% soulève la question de la
divergence des matrices de variances-covariances entre les deux groupes obtenus. C’est la
raison pour laquelle nous avons jugé intéressant de s’assurer de la normalité des items relatifs
aux dimensions des bénéfices relationnels (Voir annexe 4). Compte tenu des seuils précisés
par Carricano et Poujol (2009), nous avons trouvé que les valeurs d’asymétrie sont inférieures
à 1 et que les valeurs d’aplatissement n’ont pas dépassé le seuil de 1,5. A cet effet, la
normalité des données observée sur l’ensemble des items à été vérifiée.

12
Par ailleurs, l’examen des scores moyens des items et pour chaque groupe indique que les
valeurs des items sont relativement faibles pour les individus les moins fidèles et qu’elles sont
importantes pour les individus les plus fidèles. Ces résultats sont significatifs au risque de 5%
et présentent des valeurs acceptables de Lambda de Wilks. Ainsi, la fidélité dépend
positivement des bénéfices relationnels dans la mesure où l’accroissement des bénéfices
relationnels entraîne une évolution remarquable de la fidélité des consommateurs. La fonction
discriminante permet d’anticiper les niveaux de fidélité des consommateurs potentiels envers
l’enseigne de distribution spécialisée. Cette fonction se présente comme suit :
Fidélité = (0,179 * BC2) + (0,219 * BC3) + (0,110 * BC4) + (0,275 * BC5) + (0,176 *
BC6) + (0,355 * BS1) - (0,060 * BS2) + (0,141 * BS3) - (0,139 * BTS1) - (0,201 * BTS2) +
(0,521 * BTS3) - (0,082 * BTS4) - (0,032 * BTS5)
Par conséquent, les bénéfices de confiance, les bénéfices sociaux ainsi que les bénéfices de
traitement spécifiques permettent de déterminer le profil des consommateurs en fonction de
leurs niveaux de fidélité. De même, les barycentres indiquent le profil type des
consommateurs en précisant le score discriminant de chaque groupe.
Finalement, la matrice de structure indique que les bénéfices relationnels contribuent
différemment à la spécification des groupes. En ce sens, les bénéfices de confiance ainsi que
les bénéfices sociaux sont les dimensions les plus susceptibles à la détermination de la fidélité
des consommateurs.

4. Discussion des résultats et recommandations

La présente recherche à permis de souligner l’importance des bénéfices relationnels dans la
détermination de la fidélité des clients à l’enseigne de distribution spécialisées, dans un cadre
spécifique qui se rapporte à la commercialisation des produits informatiques. Egalement, ce
travail académique a montré que les bénéfices relationnels constituent des critères de
segmentation pertinents qui permettent de spécifier les groupes de consommateurs tunisiens
en fonction de leurs niveaux de fidélité. Tout d’abord, les résultats de la classification des
nuées dynamiques a permis d’avoir deux profils différents à savoir les consommateurs
« fortement fidèles » et les consommateurs « moyennement voire faiblement fidèles ». Cette
classification coïncide à celle de Parguel et al. (2010), qui ont généré deux segments à savoir
les clients fidèles et les clients occasionnels. En effet, les consommateurs qui éprouvent un
niveau de fidélité important sont ceux qui développent une attitude favorable envers le
magasin et sont ceux qui le fréquentant régulièrement et encouragent leur entourage à le
visiter. Au contraire, les clients les moins fidèles sont moins motivés envers l’enseigne dans la

13
mesure où ils éprouvent une faible attitude envers le magasin avec un comportement d’achat
et de fréquentation volatile. Il en ressort que la fidélité constitue une variable indispensable à
la segmentation des consommateurs et qui mérite une attention particulière de la part des
responsables marketing en vue de mieux gérer la relation avec leurs clients.
Par ailleurs, les résultats de l’analyse discriminante ont permis de valider les résultats de la
classification des nuées dynamiques et de montrer que la fidélité dépend positivement des
bénéfices de confiance, des bénéfices sociaux et des bénéfices de traitement spécifique. Ces
résultats s’accordent avec certains travaux antérieurs notamment ceux de Chen et al. (2013),
Liu et al. (2014) et Yang et al. (2018). Plus spécifiquement, nous avons trouvé que les
bénéfices de confiance puis les bénéfices sociaux sont généralement les critères les plus
importants dans la spécification des segments de clients de forts et de faibles niveaux de
fidélité. En ce sens, les visiteurs de magasins spécialisés dans la commercialisation des
produits informatiques sont surtout en quête de confiance et de transparence, comme ils
préfèrent des relations amicales et une meilleure reconnaissance de la part des personnels et
des vendeurs. A cet effet, les bénéfices de traitement spécifique seraient d’autant plus
attractifs lorsqu’il s’agit de personnaliser des services spécifiques accordés par les
distributeurs.
Compte tenu des résultats issus de cette recherche, il sera opportun de proposer un ensemble
de recommandations aux distributeurs opérant dans le secteur informatique. En effet, ces
acteurs sont appelés à mieux gérer les différents bénéfices relationnels accordés aux clients,
en accordant plus de priorité aux bénéfices de confiance et aux bénéfices sociaux, en vue
d’accroitre la fidélité de leurs clients.
Par ailleurs, les distributeurs sont appelés à tenir compte des résultats de l’analyse typologique
afin de perfectionner la gestion de chaque segment de consommateurs. Concernant les
segments ayant un niveau de fidélité élevé, il faudrait tenir à conserver cette relation en
proposant par exemple un programme de fidélité avantageux à ces clients et en tenant compte
à valoriser les bénéfices relationnels accordés à ces derniers.
Par ailleurs, une préoccupation particulière devrait être établie aux clients ayant un faible
niveau de fidélité en vue de les conserver, en misant sur l’amélioration des bénéfices
relationnels accordés à ce segment. A cet égard, il faudrait évaluer la pertinence des bénéfices
relationnels en élaborant des études qualitatives et/ou quantitatives auprès du segment des
clients les moins fidèles en vue de mieux comprendre leurs perceptions et motivations envers
les avantages relationnels procurés par les distributeurs. De plus, il faudrait investir davantage
dans le développement de la confiance et dans l’intégrité afin de rassurer les clients en

14
procurant plus de garanties aux membres de ce segment. Egalement, il sera sans doute
pertinent de recourir à une stratégie omnicanal dans le but d’optimiser la proximité et le
contact avec les consommateurs. Certes, le discours des personnels en contact devra être plus
souple et bien orienté vers l’instauration d’un climat de confiance et d’une relation amicale
avec les individus appartenant à ce segment, ce qui permettra d’améliorer leur fidélité et de
minimiser le risque de leur attrition.

5. Apports limites et perspectives de la recherche

Ce travail a permis d’approfondir le champ de la recherche sur le profil des consommateurs
fidèles en se basant sur l’approche par les bénéfices recherchés. En particulier, la pratique
d’une analyse typologique explicative et prédictive dans le domaine de la distribution
spécialisée représente une opportunité majeure lorsqu’elle s’appuie sur les bénéfices
relationnels qui constituent des critères de segmentation mais qui sont faiblement abordés
dans la littérature en marketing relationnel. Ainsi, les résultats issus de cette analyse ont
permis de consolider la classification élaborée dans un cadre descriptif avant de suggérer une
fonction anticipative susceptible de prévoir la fidélité des clients potentiels compte tenu des
bénéfices de confiance, des bénéfices sociaux et des bénéfices de traitement spécifique.
Certes, la prise en compte de ces bénéfices par les responsables marketing permettra de mieux
bâtir une stratégie relationnelle efficace et en mesure de s’adapter aux besoins et aux attentes
de chaque segment issu de la typologie afin d’accroître le niveau de la fidélité des clients dans
le temps. Sur le plan opérationnel, le recours à un processus de validation rigoureux appliqué
sur les variables étudiées (à savoir les bénéfices relationnels et la fidélité) permet de purifier
les instruments de mesures afin de les adopter dans l’analyse typologique.
Au delà des limites opérationnelles classiques qu’il faudrait les prendre en considération et
qui se manifestent surtout par la taille restreinte de l’échantillon et sa concentration
géographique, ainsi que le recours à la méthode de convenance, d’autres contraintes méritent
une certaine préoccupation afin d’étendre la recherche sur des pistes prometteuses. Dans cette
perspective, ce travail s’est limité à étudier les bénéfices relationnels de manière exclusive et
donc il sera plus pertinent d’accroitre le pouvoir explicatif et prédictif de la fidélité en
incorporant d’autres critères de segmentation qui pourraient enrichir l’analyse typologique
dans le contexte tunisien (notamment, l’expérience de consommation, l’implication, le risque
perçu, la confiance, etc.). Egalement, la nature de la fidélité des consommateurs mérite plus
d’approfondissement. En ce sens, il serait intéressant de se connaître la proportion des
individus monofidèles et multifidèles et de se renseigner sur certains indices pertinents

15
notamment, le panier moyen, la mixité, etc. Par ailleurs, il serait intéressant de mener des
études comparatives afin de spécifier la typologie des consommateurs fidèles en fonction de
plusieurs secteurs d’activité outre le secteur informatique notamment l’industrie, les services,
le tourisme, etc. Finalement, le champ de la recherche sur la typologie des clients fidèles et
des bénéfices relationnels pourrait s’étendre vers le domaine du digital où il serait opportun
d’étudier la contribution des bénéfices relationnels accordés par les start up à la détermination
de la fidélité des internautes.

Bibliographie
Bergeron J., (2001), Les facteurs qui influencent la fidélité des clients qui achètent sur
Internet, Recherche et Applications en Marketing, 16, 3, 39-53.
Blazquez-Resino J.J., Gołąb-Andrzejak E., (2017), The Relational Benefits and the Quality of
Services in Tourism, HANDEL WEWNĘTRZNY, 6, 371, 18-30.
Bozzo C., Merunka D., Moulins J-L., (2002), Une typologie des consommateurs "fidèles": le
Bon, la Brute et le Truand, Actes du 18ème Congrès International de l'AFM, Lille, 375-397.
Burton J., Easingwood C.J., (2006), A positioning typology of consumers' perceptions of the
benefits offered by successful service brands, Journal of Retailing and Consumer Services,
13, 5, 301-316.
Carricano M., Poujol F., (2009), Analyse de données avec SPSS, France, Pearson Education.
Chen P-T., Hu H-H.S., (2013), The mediating role of relational benefit between service
quality and customer loyalty in airline industry, Total Quality Management, 24, 9-10, 1084-
1095.
Chou S., Chen C-W, (2018), The influences of relational benefits on repurchase intention in
service contexts: the roles of gratitude, trust and commitment, Journal of Business &
Industrial Marketing, 33 5, 680-692.
Flavian C., Martinez E., Polo Y., (2001), Loyalty to grocery stores in the Spanish market of
the 1990s, Journal of Retailing and consumer Services, 8, 2, 85-93.
Floh A., Zauner A., Koller M., Rusch T., (2014), Customer segmentation using unobserved
heterogeneity in the perceived-value–loyalty–intentions link, Journal of Business Research,
67, 5, 974-982.
Fornell C., Larcker D., (1981), Evaluating structural equation models with unobservable
variable and measurement error, Journal of Marketing Research, 18, 1, 39-50.
Gil-Saura I., Ruiz-Molina M.E., (2009), Retail customer segmentation based on relational
benefits, Journal of Relationship Marketing, 8, 3, 253-266.

16
Gwinner K.P., Gremler D.D., Bitner M.J., (1998), Relational benefits in services industries:
The customer’s perspective, Academy of Marketing Science Journal, 26, 2, 101-114.
Halloul H., Zorgati H., (2016), Les déterminants de la fidélité à la marque des membres d’une
Communauté virtuelle de marque en ligne : Cas NOKIA Tunisie sur Facebook, Proceedings
of the Marketing Spring Colloquy (URAM), 6 May.
Hennig-Thurau T., Gwinner K.P., Gremler D.D., (2002), Understanding relationship
marketing outcomes. An integration of relational benefits and relationship quality, Journal of
Service Research, 4, 3, 230-247.
Jolibert A., Jourdan P., (2006), Marketing Research : Méthodes de recherche et études en
marketing, Dunod, Paris.
Lien C-H., Wu J-J., Hsu M.K., Wang S.W., (2018), Positive moods and word-of-mouth in the
banking industry: A moderated mediation model of perceived value and relational benefits,
International Journal of Bank Marketing, 36, 4, 764-783.
Liu C-M., Huang C-J., Chen M-L., (2014), Relational Benefits, customer satisfaction, and
customer loyalty in chain store restaurants, International Journal of Organizational
Innovation, 7, 1, 46-56.
Lombart C., Labbé-Pinlon B., (2006), Etude de l’impact de l’environnement du magasin sur
la satisfaction du consommateur et la fidélité au magasin, Actes des 11èmeJournée de
Recherche en Marketing de Bourgognes, Dijon, 1-20.
Malhotra N., Décaudin J-M., Bouguerra A., Marty S., Urien E., (2004), Etudes marketing
avec SPSS, Pearson Education, 4ème Ed, Paris.
Martin-Consuegra D., Molina A., Esteban A., (2006), The customers' perspective on
relational benefits in banking activities, Journal of Financial Services Marketing, 10, 4; 98-
108.
Marzo-Navarro M., Pedraja-Iglesias M., Rivera-Torres M.P., (2004), The benefits of
relationship marketing for the consumer and for the fashion retailers, Journal of Fashion
Marketing and Management, 8, 4, 425-436.
Molina A., Martin-Consuegra D., Esteban A., (2007), Relational benefits and customer
satisfaction in retail banking, International Journal of Bank Marketing, 25, 4, 253-271.
Parguel B., Sabri O., Mimouni A., (2010), Faut-il concevoir le prospectus en fonction de la
fidélité du client à l'enseigne ?, Décisions Marketing, Décisions Marketing, 59, Jul-Sep, 49-
59.
Rebecca Yen H.J., Gwinner K.P., (2003), Internet retail customer loyalty: the mediating role
of relational benefits, International Journal of Service Industry Management, 14, 5, 483-500.

17
Ruiz-Molina M-E, Gil-Saura I., MOLINER-Vel ´Azquez B., (2015), Relational Benefits,
Value, and Satisfaction in the Relationships Between Service Companies, Journal of
Relationship Marketing, 14:1-15.
Ruiz-Molina M-E., Gil-Saura I., Berenguer-Contri G., (2009), Relational benefits and loyalty
in retailing : an inter-sector comparison, International Journal of Retail & Distribution
Management, 37, 6, 493-509.
Trinquecoste J-F., (1996), Fidéliser le consommateur : un objectif Marketing prioritaire,
Décisions Marketing, 7, Janvier-Avril, 17-23.
Wong K.H., Chang H.H., Yeh C.H., (2019), The effects of consumption values and relational
benefits on smartphone brand switching behavior, Information Technology & People, 32, 1,
217-243.
Yang S., Song Y., Chen S., Xia X., (2017), Why are customers loyal in sharing-economy
services? A relational benefits perspective, Journal of Services Marketing, 31 1, 48-62.
Yang S., Yu S.L.K., Bruwer J., (2018), The effect of relational benefits in loyalty
programmes: Evidence from Chinese milk formula customer clubs, Journal of Consumer
Behaviour, 17, 2, 211-220.
Yavas U., Babakus E., (2009), Retail store loyalty: a comparison of two customer segments,
International Journal of Retail & Distribution Management, 37, 6, 477-492.
Yen C-H., Liu L-L., Chen C-Y., Lee T-Y., (2015), Customer Relational Benefits and
Relationship- Marketing Outcomes: Comparing Three Transaction Types of Travel Product,
Asia Pacific Journal of Tourism Research, 20, 2, 171-190.
Yen H.J.R., Gwinner K.P., (2003), Internet retail customer loyalty: the mediating role of
relational benefits, International Journal of Service Industry Management, 14 5, 483-500.

18
Annexe 1. Les échelles de mesure de la recherche
1) Les bénéfices relationnels (Gil-Saura et Ruiz-Molina, 2009)
Bénéfices de confiance
BC_1 : Je crois qu'il y a moins de risque que quelque chose va mal dans ce magasin.*
BC_2 : Je sens que je peux faire confiance à ce magasin.
BC_3 : Je suis sûr que le service sera effectué correctement par ce magasin.
BC_4 : J’ai moins d'inquiétude quand j’achète dans ce magasin.
BC_5 : Je connais mes attentes de ce magasin.
BC_6 : Je reçois le plus haut niveau de service.
Bénéfices sociaux
BS_1 : Je suis reconnu par les personnels de ce magasin.
BS_2 : Je suis familiarisé avec les personnels de service de ce magasin.
BS_3 : J’ai développé une amitié avec les personnels de ce magasin.
BS_4 : Les personnels du magasin connaissent mon nom.*
Bénéfices de traitement spécifique
BTS_1: Je bénéficie d'une réduction de ce magasin que la plupart des consommateurs ne
l’aient pas.
BTS_2: Le magasin me propose des prix considérés mieux que les autres clients.
BTS_3: Le magasin m’accorde des services qu’il ne les fait pas pour la plupart des clients.
BTS_4: Je suis classé plus haut sur la liste des priorités du magasin.
BTS_5: J’obtiens le service prioritaire par rapport aux autres clients.

2) La fidélité à l’enseigne de distribution spécialisée (Marzo-Navarro, Pedraja-Iglesias,

Rivera-Torres, 2004)
Fid_1 : J’encourage mes amis et proches à visiter ce magasin.
Fid_2 : J’essaie toujours d’effectuer des achats auprès de ce magasin.
Fid_3 : Je dis des choses positives aux autres personnes au sujet de ce magasin.
* : Items purifiés.

Annexe 2. Les caractéristiques sociodémographiques de l’échantillon

Caractéristiques de l’échantillon
Tranches d’âge Pourcentage Genre Pourcentage
Moins de 20 ans 3,6
Masculin 44
Entre 20 et 29 83,8
19
 Entre 30 et 39 9,1
Féminin 56
40 et plus 3,6
État civil Pourcentage
Célibataire 84,1
Marié (e) sans enfants 9,7
Marié (e) avec enfants 6,1

Annexe 3. Matrice des composantes après rotation Varimax de la variable bénéfices

relationnels

Composantes
1 2 3
BC_2 - 0,694 -
BC_3 - 0,749 -
BC_4 - 0,723 -
BC_5 - 0,688 -
BC_6 - 0,730 -
BS_1 - - 0,794
BS_2 - - 0,828
BS_3 - - 0,807
BTS_1 0,737 - -
BTS_2 0,748 - -
BTS_3 0,810 - -
BTS_4 0,743 - -
BTS_5 0,737 - -

Annexe 4. Vérification de la normalité des items de la variable bénéfices relationnels

Items Asymétrie Aplatissement

BC_2 -0,397 -0,633
BC_3 -0,524 -0,464
BC_4 -0,555 -0,383
BC_5 -0,384 -0,636
BC_6 -0,336 -0,787
BS_1 -0,312 -0,944
BS_2 -0,329 -0,916
BS_3 -0,359 -0,855
BTS_1 -0,186 -1,104
BTS_2 -0,207 -1,001
BTS_3 -0,394 -0,936
BTS_4 -0,080 -1,122
BTS_5 -0,036 -1,261

20