Académique Documents
Professionnel Documents
Culture Documents
Kenan WASSOUF
JURY
Kenan WASSOUF
JURY
SOMMAIRE .......................................................................................................................................................... 1
INTRODUCTION GENERALE ......................................................................................................................... 4
PARTIE I : CADRE CONCEPTUEL DE LA RECHERCHE ........................................................................22
CHAPITRE I : STRATEGIE DE DISTRIBUTION ET COMPORTEMENT DU CONSOMMATEUR DANS
UN CONTEXTE CROSS-CANAL : DRIVE ...................................................................................................23
Introduction au chapitre I .............................................................................................................................23
1 Stratégies de distribution et études des comportements des consommateurs dans un environnement
à plusieurs canaux de distribution ............................................................................................................23
2 Les théorisations de l’innovation dans le commerce de détail : Drive .............................................39
Conclusion du chapitre I ...............................................................................................................................61
CHAPITRE II : FIDELITE DU CONSOMMATEUR : CONCEPT, MESURES ET DETERMINANTS .......64
Introduction au chapitre II ............................................................................................................................64
1 La fidélité : un concept central du comportement du consommateur ...............................................65
2 La relation client dans un contexte de distribution cross-canal ........................................................76
Conclusion du chapitre II .............................................................................................................................99
CHAPITRE III : ETUDE QUALITATIVE EXPLORATOIRE ......................................................................102
Introduction au chapitre III .........................................................................................................................102
1 Méthodologie de l’étude qualitative exploratoire ...........................................................................103
2 L’analyse des données : analyse de contenu thématique ................................................................108
3 Les résultats de la phase qualitative exploratoire ...........................................................................110
Conclusion du chapitre III ..........................................................................................................................120
PARTIE II : DU MODÈLE CONCEPTUEL A L’ÉTUDE EMPIRIQUE ET RÉSULTATS DE LA
RECHERCHE ....................................................................................................................................................125
CHAPITRE IV : MODELE CONCEPTUEL, HYPOTHESES DE LA RECHERCHE ET MESURE DES
VARIABLES ..................................................................................................................................................126
Introduction au chapitre IV .........................................................................................................................126
1 Hypothèses de la recherche et modèle conceptuel .........................................................................127
2 Procédure d’opérationnalisation des variables ...............................................................................141
Conclusion du chapitre IV ..........................................................................................................................159
Chapitre V : Méthodologie et conception de l’étude quantitative ...................................................................161
Introduction au chapitre V ..........................................................................................................................161
1 Choix méthodologiques pour le recueil des données .....................................................................161
2 La méthodologie de validation des instruments de mesure ............................................................167
3 La méthodologie de test du modèle structurel et des hypothèses de recherche ..............................190
Conclusion du chapitre V ...........................................................................................................................197
CHAPITRES VI : VALIDATION DES INSTRUMENTS DE MESURE DES CONSTRUITS ...................200
Introduction au chapitre VI .........................................................................................................................200
1 Description de l’échantillon obtenu et analyses préliminaires .......................................................200
INTRODUCTION GENERALE
Introduction générale
Pour introduire cette thèse, le contexte dans lequel se situe cette recherche sera précisé dans
un premier temps, suivi par la problématique théorique et les objectifs poursuivis. Dans un
troisième temps, la démarche de recherche suivie sera présentée de façon à déboucher, dans
un quatrième temps sur les contributions attendues de ce travail, tant sur le plan académique
que sur celui, plus concret, des implications pour les managers. L’architecture générale de la
thèse clôturera cette introduction générale.
I. Contexte de la recherche
Ces dernières années, les usages de consommation ont évolué du fait du développement de la
digitalisation (Belvaux et Notebaert, 2015, Vanheems, 2015). Il suffit de se reporter trente ans
en arrière pour bien prendre la mesure du changement dans ce domaine.
Au début des années 1990, il fallait consacrer au moins une journée entière pour planifier un
voyage : les informations utiles pour décider sont dispersées, il faut se rendre dans une gare
ou une agence de voyage pour obtenir les horaires et les tarifs des différents modes de
transport. Pour la route, les calculs se limitent, le plus souvent à la consommation d’essence et
aux péages que l’on a du mal à connaître par avance. Les systèmes d’information ne sont
qu’en partie centralisés et ne sont accessibles que par l’intermédiaire des agences spécialisées.
S’y ajoute le coût des communications téléphoniques qui peut vite devenir onéreux.
En 2018, une heure suffit pour préparer le même voyage : depuis son ordinateur ou son
Smartphone, on peut évaluer rapidement les trajets, les horaires, et les coûts en comparant le
train, la voiture et l’avion. Les itinéraires routiers sont disponibles en ligne, planifiables et
modulables en temps réel. De nouveaux services sont devenus accessibles, comme le
covoiturage avec BlaBlaCar, et on peut choisir et réserver d’un même mouvement, un hôtel
ou une chambre chez l’habitant en se fiant aux photos et aux commentaires d’utilisateurs mis
en ligne. Enfin, on peut décider de terminer mon voyage en train à prix réduit. Les réseaux
sociaux (Vibre, Whatsup, Skype, Facebook, etc.) permettent aussi de communiquer avec des
amis distants et de discuter avec eux de ses choix.
Cette mutation n’a pas concerné que le domaine des transports, mais c’est l’ensemble de la
société qui a vu ainsi son rythme s’accélérer, modifiant en profondeur les attentes des
consommateurs qui restent confrontés, dans les grandes villes, aux encombrements et aux
pollutions liées au trafic. Le consommateur utilise de plus en plus Internet dans son parcours
d’achat. D’après l’édition 2016 du Google Consumer Barometer, 84% des consommateurs
français cherchent des informations en ligne avant de faire un achat. De leur côté, les
professionnels et les hommes du marketing intègrent ou tentent d’intégrer la dimension
digitale dans leur stratégies commerciales (Vanheems, 2015). Cela se manifeste à deux
niveaux : d’un côté, de nouveaux outils digitaux apparaissent qui facilitent la vie du
consommateur en lui apportant davantage de service ou en lui faisant gagner du temps. Mais
d’un autre côté, ce sont de nouveaux canaux de communication et de vente qui se mettent en
place. Ainsi, les possibilités offertes par ces canaux amènent les entreprises à combiner
Il est donc important pour les managers de situer leurs choix stratégiques dans une perspective
cross-canal. La stratégie cross-canal fait désormais partie de l’arsenal dont dispose
l’entreprise pour conquérir, communiquer et fidéliser des consommateurs (Martinez, 2015).
Par ailleurs, cette stratégie cross-canal contribue aussi à offrir aux consommateurs une
expérience d’achat cohérente et holistique, tout en créant des synergies pour les enseignes de
distribution. Cette stratégie de distribution ne consiste pas seulement en la multiplication des
canaux : il s’agit aussi, et peut être surtout, de les intégrer les uns avec les autres (Picot
Coupey et al., 2016 ; Vyt et al., 2017). En veillant à leur coordination et à leur
complémentation (Belvaux et Notebaert, 2015), la distribution cross-canal répond au besoin
de fluidité ressenti par le consommateur. Tous les canaux de distribution et de communication
(magasins, points de retrait, sites web, catalogues, applications Smartphone, réseaux sociaux,
e-mailing, call centres, etc.) doivent être pensés de manière à créer un univers de
consommation unique. Cette analyse est confortée par les travaux de Grewala et al. (2017) qui
montrent que l’adoption des nouvelles technologies par les distributeurs vise à obtenir des
consommateurs un degré plus élevé d’engagement ou de confiance vis-à-vis de l’enseigne.
L’introduction du Drive illustre bien la logique combinatoire à l’œuvre dans les innovations
du secteur du commerce de détail (Djellal & Gallouj, 2005 ; Gallouj, 2007), car le
consommateur bénéficie de la combinaison des atouts du magasin principal avec ceux d’un
magasin en ligne (Rouquet, 2014 ; Beck et Rygl, 2015). Pour Rouquet (2014), le Drive
consiste en « tout format de distribution qui permet un transfert direct des produits achetés
par le client de leur lieu de stockage jusqu’à son véhicule ». De simple consommateur, il
devient alors un « consommateur transporteur ».
Le système Drive permet aussi aux consommateurs de mieux maîtriser leurs achats : grâce à
la commande passée via Internet, l’achat s’effectue en dehors de la pression de
l’environnement commercial. Le prix des produits peut être confronté à d’autres offres et le
budget dépensé peut être mieux contrôlé. Le jour et l’heure les plus commodes peuvent être
choisis pour l’enlèvement des marchandises (Léo et al., 2017). Au total, le client bénéficie
aussi de gains substantiels de temps et d’efforts. Pour le distributeur, ce système constitue
aussi un moyen de contact avec sa clientèle car cela lui permet de tisser des liens plus étroits
avec eux, de mieux la connaître et la satisfaire. Au bout du compte, cela doit lui permettre de
mieux s’attacher des consommateurs qui sont, par ailleurs, de plus en plus mobiles grâce à
leur automobile et grâce à leur connexion internet.
Le système Drive capte donc de plus en plus de consommateur et continue d’accroître sa part
de marché. Deux questions se posent dès lors : sur quels éléments s’appuie la qualité de
service du Drive et quels sont leurs effets sur le comportement du consommateur en
termes de ré-achat et de recommandation d’un système cross-canal comme le Drive ?
Cette innovation a indéniablement un impact sur le comportement du consommateur, mais
personne ne semble avoir anticipé les facteurs explicatifs de la fidélité du consommateur à ce
type de mode de vente, ce qui constitue précisément l’objectif de notre recherche.
1
Source : https://www.lesechos.fr/19/05/2017/LesEchos/22449-075-ECH_distribution---le-nombre-de-drive-franchit-la-barre-des-4-000-en-
france.htm.
2
https://www.olivierdauvers.fr/2018/02/26/chiffres-daffaires-drive-ce-qui-devait-arriver-arriva-sous-titre-chronodrive-chasse-du-podium/
Ainsi, ils choisissent d’acheter en ligne plutôt qu’en magasin pour la praticité (gain de temps
et accès continu), les meilleurs prix, la grande variété, la possibilité de comparer les produits
et les prix, voire pour trouver des produits non présents en magasin (Colla et Lapoule, 2012).
Des travaux abondants ont été consacrés aux choix du consommateur en matière de canaux de
distribution qu’il utilise pour son shopping alimentaire (Michaud-Trévinal et Hérault-
Fournier, 2017). Ces recherches ont porté tantôt sur le processus d’adoption d’un nouveau
canal de distribution, tantôt sur les facteurs de choix entre les différents canaux de
distribution, tantôt, enfin, sur les rapports entre canaux de distribution et trajets parcourus
pour faire ses courses. Cependant, tous ces travaux ont été conçus autour d’un choix alternatif
entre le magasin et le shopping en ligne. Ils se sont ainsi privés de la possibilité d’observer les
comportements concrets du consommateur qui intègre les différents canaux dans sa pratique,
faisant appel tantôt à l’un, tantôt à l’autre selon ses besoins et son planning quotidien.
Le consommateur, de mieux en mieux informé, est devenu beaucoup plus volatil et exigeant
(Léo et al., 2017). Les tendances de consommation changent. Selon Collin-Lachaud et
Vanheems (2016), face à cette multiplication des canaux dans le contexte de distribution
cross-canal, les consommateurs cherchent à les utiliser de façon intégrée, à passer de l’un à
l’autre selon les avantages perçus. Lemon et Verhoef (2016) soulignent que les managers ont
besoin de mieux connaître la façon dont le consommateur navigue entre les différents canaux
de distribution et de mieux comprendre les raisons profondes des parcours qu’il a choisis.
L’investissement dans le nouveau canal qu’est le Drive tend donc à replacer le consommateur
au cœur de la démarche des réseaux de distribution car il vise créer pour lui une expérience à
la fois originale, plaisante et intéressante. Cette expérience doit produire de la satisfaction
pour le consommateur, ce qui favorisera un comportement plus fidèle du consommateur vis-à-
vis du système Drive qu’il aura expérimenté, mais aussi, peut-être, vis-à-vis de l’enseigne qui
le gère.
La fidélité du client constitue un objectif important pour une entreprise car cela vient réduire
l’incertitude dans laquelle elle est immergée du fait de la concurrence. Certains auteurs
(McMullan, 2005 ; Sudhahar et al., 2006) discutent de la meilleure façon de mesurer la
fidélité et proposent l’échelle de mesure qu’ils ont validée. Pour la plupart, les autres
s’intéressent aux facteurs explicatifs de la fidélité (Lewis et Soureli, 2006 ; Nguyen et al.,
2011). Identifier les déterminants de la fidélité du consommateur constitue un apport très utile
pour les entreprises et présente un grand intérêt managérial (Lichtlé et Plichon, 2008). Toutes
ces raison nous motivent à engager notre recherche pour étudier les déterminants de la
fidélité du consommateur.
que « la fidélité commerciale est une valeur en baisse »3. Ceci correspond bien au
phénomène que nous observons : le consommateur dispose aujourd’hui de plus
d’informations, peut comparer instantanément les prix, accède aisément à différents canaux et
à de nombreuses enseignes et devient ainsi beaucoup plus libre de migrer vers d’autres canaux
ou vers d’autres enseignes. En effet, Gensler et al. (2007) vérifient que les consommateurs
monocanal seraient plus fidèles que les consommateurs multi canal. Dans un environnement
multi canal, Allagui et Temessek (2003) soulignent que la fidélité du consommateur devient
la préoccupation essentielle des enseignes de distribution. Pour un distributeur, s’assurer que
les différents canaux qu’il met en œuvre sont bien intégrés, cohérents et coordonnés constitue
une réponse efficace au risque de migration des consommateurs multi canal. La possibilité
ainsi offerte aux clients de pouvoir à volonté utiliser les différents canaux de distribution
d’une enseigne accroît la valeur pour le consommateur qui peut bénéficier des avantages que
chaque canal présente pour lui. Cela peut attirer de nouveaux clients ou retenir les clients
existants.
3
LSA n° 2088 du 30/04/09
En outre, plusieurs auteurs (Toufaily et al., 2013) ont analysé comment s’élabore la fidélité
sur Internet, jetant ainsi les bases théoriques de l’étude de la fidélité Online qui en identifie les
principaux déterminants. Des travaux récents (Frasquet et al., 2017) ont étudié la fidélité du
consommateur dans contexte de distribution cross-canal. Il ressort de ces travaux que la
fidélité Online est largement déterminée par la fidélité Offline, elle-même influencée
positivement par la confiance et l’attachement à la marque. De leurs côté, Heitz et al. (2015)
étudient la fidélité du consommateur à l’enseigne en considérant le Drive comme un service
annexe de l’hypermarché. Plus récemment, Vyt et al. (2017) ont montré que ce nouveau canal
de distribution exerçait un impact positif sur la fidélité du consommateur à l’enseigne. Ils
mettent l’accent sur la meilleure proximité permise par le Drive tant en ce qui concerne
l’accessibilité, que sur les plans fonctionnels et relationnels.
L’ensemble de ces réflexions et recherches nous amène à nous intéresser aux déterminants de
la fidélité du consommateur à un Drive. Cette recherche a donc pour objectif principal
d’identifier et de comprendre les facteurs clés qui contribuent à fidéliser le
consommateur à un Drive dans un contexte de distribution cross-canal. En particulier,
nous nous intéressons au comportement cross-canal du consommateur, face à des canaux mis
à sa disposition lorsqu’il effectue ses courses en Drive : le point de retrait des achats où se
situe une brève interaction avec le personnel du Drive et le site web du Drive où le
consommateur interagit avec la boutique en ligne dédiée au système Drive. Cet objectif
général se décline en trois objectifs plus précis :
à l’enseigne (par exemple, Lewis et Soureli, 2006 ; Nguyen et al., 2011). Cependant, rares
sont les recherches qui ont analysé la fidélité du consommateur dans un contexte de
distribution cross-canal, comme le Drive.
Enfin, notre troisième et dernier objectif est de mettre en évidence l’influence des
variables sociodémographiques sur le comportement d’achat du consommateur, sa
fidélité et les déterminants qui l’expliquent. Les recherches existantes sur les variables
sociodémographiques soulignent la nécessité de prendre en compte l’impact de ces variables
qui peut être extrêmement variable d’un contexte à un autre.
La problématique centrale posée ici montre combien les nouvelles technologies et les
innovations commerciales qu’elles permettent remettent en cause des positions établies, pour
les entreprises comme pour les chercheurs en gestion. Connecté, le consommateur dispose de
plus de choix, il devient beaucoup plus libre, informé et mobile. La question se pose pour les
entreprises de savoir comment reconstruire des relations qui puissent l’amener à se montrer
plus fidèle. Pour les chercheurs en gestion, l’irruption de formules cross-canal, comme le
Drive, remet à plat un certain nombre de points considérés comme acquis, concernant
notamment les facteurs explicatifs de la fidélité du client. Notre thèse porte sur un contexte
précis, celui des courses effectuées en Drive, et apporte des éléments de réponse à trois
questions de recherche qui ont guidé notre démarche :
Pour répondre aux différentes questions de recherche mentionnées ci-dessus, nous suivons
une démarche méthodologique mixte couplant des méthodes qualitatives et des
méthodes quantitatives pour exploiter leurs intérêts respectifs et leur complémentarité. Plus
précisément, nous avons d’abord mené une revue de la littérature tournant autour de trois
champs de recherche (l’innovation commerciale, le comportement cross-canal et la fidélité du
consommateur). Elle a été combinée à une étude qualitative exploratoire (entretiens
approfondis réalisés auprès de consommateurs). Ces deux étapes nous ont permis de proposer
un modèle conceptuel de la qualité de service perçue du Drive et de ses effets sur les
représentations mentales du consommateur (valeur globale perçue et satisfaction) ainsi que
sur sa fidélité au Drive évalué. Ce modèle de recherche et ses hypothèses ont été testés par
une approche quantitative, avec les données obtenues par enquête auprès de 500 utilisateurs
de Drive. Les répondants ont été subdivisés en deux sous-échantillons (N1 = 150 et N2 = 350)
pour réaliser les analyses factorielles exploratoires et confirmatoires. Le test du modèle
général ainsi que des hypothèses de recherche a été conduit en recourant à la méthode des
équations structurelles, plus précisément à la modélisation PLS-PM (Partial least squares,
path modelling) au moyen du logiciel XLSTAT 2017.
des canaux ne doit pas diluer la perception de la qualité de service par le client : la qualité
globale impose de veiller à la qualité de chaque maillon de la chaîne. Il est essentiel que
les différents canaux soient bien intégrés et coordonnés de façon à faire de l’achat en
Drive une expérience à la fois originale, plaisante et intéressante. Cela doit créer de la
valeur pour le consommateur, l’aider à être plus efficient dans ses choix et ses décisions
d’achat. Cette analyse peut rappeler aux responsables que la voie du succès consiste à
mieux couvrir et saturer dès que possible les attentes et les besoins des consommateurs.
La compréhension des facteurs explicatifs de la fidélité du consommateur à un Drive dans
un contexte de distribution cross-canal. Plus précisément, les déterminants de la fidélité
du consommateur dans l’approche relationnelle nous permettent de préciser quels sont
éléments qui favorisent la fidélité du consommateur à un Drive. Cela permet aux
managers et aux professionnels de cibler en priorité les facteurs qui font naître la
confiance et les sentiments favorables des consommateurs, favorisant ainsi un
comportement plus fidèle.
Les variables individuelles sociodémographiques peuvent fournir directement des critères
de segmentation simples pour les managers opérant dans un contexte de distribution cross
canal. La recherche qui est conduite ici permet de voir s’ils délimitent effectivement des
groupes de consommateurs adoptant des comportements différenciés envers ce nouveau
mode de distribution et de préciser où se situent les seuils pertinents. A partir de là, les
managers des enseignes de distribution peuvent envisager de segmenter certains aspects
de leur offre afin de suivre au plus près les différents besoins des catégories de
consommateurs identifiées.
La première étude, exploratoire, a été effectuée via des entretiens semi-directifs menés auprès
d’utilisateurs de Drive afin d’identifier leurs motivations et de faire émerger les raisons qui
les conduiraient à être fidèles à un Drive. La confrontation des observations tirées de ces
entretiens avec celles issues de la revue de littérature permet de déterminer de façon fiable
quels facteurs explicatifs de la fidélité doivent être incorporés dans notre modèle conceptuel.
modèle conceptuel. Cette phase de l’analyse utilise des méthodes statistiques élaborées qui
sont désormais conseillées pour l’estimation des modèles d’équations structurelles :
V. Architecture de la recherche
Dans le but principal de déterminer les facteurs explicatifs de la fidélité du consommateur
dans contexte de distribution cross-canal, notre thèse se structure en deux parties et sept
chapitres: la première se compose de trois, alors que la deuxième partie consiste en quatre
chapitres. L’architecture de ce travail de recherche est résumée à la figure 1 ci-après.
La première partie présente une revue des recherches antérieures combinée à une étude
qualitative exploratoire auprès de consommateurs du Drive.
Le premier chapitre est consacré à l’étude de différentes stratégies de distribution, et à
l’étude du comportement du consommateur dans un contexte multi et cross-canal, et le Drive
comme un nouveau mode de distribution..
Le deuxième chapitre aborde la fidélité du consommateur : Conceptualisation et les Facteurs
Explicatifs de la Fidélité, ainsi que les évolutions de l’offre et de la relation client dans un
contexte de distribution cross-canal. Ces évolutions se manifestent les facteurs qui contribuent
à la création de la fidélité du consommateur au system commercial le Drive.
Le troisième chapitre clôt la première partie de cette recherche. Une étude qualitative
exploratoire est menée auprès de consommateurs dans le but de proposer un modèle
conceptuel et de développer des hypothèses de recherche. Le champ d’application de notre
étude qualitative est le secteur de la distribution. Cette étude permet d’avoir une meilleure
Dans le quatrième chapitre, nous développons en premier temps les hypothèses et le modèle
conceptuel sur la base de la revue de la littérature et de notre étude qualitative exploratoire,
dans un second temps, l’opérationnalisation des différents construits du modèle de recherche
proposé a été présentée.
Le cinquième chapitre, se compose de trois sections, et a pour objectif de présenter la
méthodologie retenue afin de collecter et traiter les données dans cette recherche doctorale.
Le sixième chapitre est consacré aux analyses statistiques menant aux premiers résultats de
notre étude quantitative. Après avoir décrit les caractéristiques de notre échantillon, ainsi que
les analyses préliminaires de l’adéquation des données à l’analyse multi-varié, nous
présentons l’épuration de nos échelles de mesure, plus particulièrement l’analyse factorielle
exploratoire en utilisant le logiciel SPSS 23 afin d’identifier la structure factorielle de chaque
échelle de mesure de notre modèle de recherche. Ensuite, nous réalisons une analyse
factorielle confirmatoire en utilisant le logiciel AMOS 23.
Le septième chapitre est consacré à la présentation des résultats du modèle et de test des
hypothèses de recherche. Une discussion de l’ensemble des résultats et leur mise en perspective
clôture ce dernier chapitre.
Enfin, la conclusion générale synthèse les apports théorique, les implications managériales et
les contributions méthodologiques de la recherche. Elle présents également les limites
soulevés et les perspectives de recherches futures.
Introduction générale
Chapitre IV
Modèle conceptuel, hypothèses de la recherche et mesure des
variables
Chapitre V Chapitre VI
Partie 2 :
Chapitre VII
Test des hypothèses et discussion des résultats
Conclusion générale
Introduction générale
Chapitre IV
Modèle conceptuel, hypothèses de la recherche et mesure des
variables
Chapitre V Chapitre VI
Partie 2 :
Chapitre VII
Test des hypothèses et discussion des résultats
Conclusion générale
PARTIE I :
Chapitre I :
Chapitre II :
Chapitre III :
RECHERCHE
La première partie de cette recherche consiste à présenter le cadre conceptuel qui sous-tend
notre recherche. Elle nous permet de répondre à deux premières questions de recherche
portant sur les déterminants identifiés sur la qualité de service perçue du Drive et sur les
représentations mentales du consommateur (valeur globale perçue et satisfaction) qui doivent,
ensemble, enclencher un comportement de fidélité du consommateur.
L’objectif de cette partie est d’aboutir à un modèle conceptuel qui permet une meilleure
compréhension des facteurs clés qui contribuent à fidéliser le consommateur dans un contexte
de distribution cross-canal, comme le Drive.
Le chapitre III présente l’étude qualitative exploratoire. L’objectif de cette recherche est
de proposer un modèle conceptuel intégrateur qui permet de comprendre les déterminants
de la fidélité du consommateur à un Drive dans un contexte de distribution cross-canal.
Introduction au chapitre I
Ces dernières années avec l’importance croissante d’Internet comme outil de communication,
de distribution et de transaction, le comportement de consommateur a connu un
développement fulgurant. D’après l’édition 2016 du Google Consumer Barometer, 84% des
consommateurs français cherchent des informations en ligne avant de faire un achat.
Dans ce chapitre, nous nous intéresserons dans une première section à la revue de littérature
sur la stratégie de distribution. Tout d’abord, nous mettons en évidence les différentes
stratégies de distribution du monocanal au cross-canal. Ensuite, nous mettons l’accent sur le
comportement du consommateur en fonction des canaux fréquentés lorsqu’il effectue ses
courses.
Dans la deuxième section, nous nous concentrerons tout d’abord sur les différentes typologies
de l’innovation commerciale recensées par la littérature (Choukroun 2012 ; Gallouj 2007 ;
Den Hertog et al., 2000 ; Dupuis 2002; Dawson, 2000). Ensuite, nous nous intéresserons à la
littérature relative à l’analyse de la dynamique des formes de distribution dans le commerce
de détail. Enfin, nous nous focaliserons sur la nouvelle forme de distribution (le Drive).
consommateurs, les modalités du processus d’achat. Cela peut être expliqué par le fait que ces
technologies permettent d’accéder à l’information plus facilement et rapidement, sans
contraintes géographique, et de fournir plus d’information.
Belvaux et Notebaert (2015) indiquent que cette transformation conduit à faire évoluer et
changer les pratiques de consommation et les activités des entreprises. Les nouvelles pratiques
de consommation donc obligent les enseignes à s’adapter, voire à modeler différentes
stratégies de distribution pour répondre aux besoins et attentes des consommateurs
(Vanheems, 2016).
En France, les chiffres d’affaires du e-commerce confirment la priorité d’Internet au sein des
canaux de distribution (tableau 1)4. La France est au 3e rang du marché du e-commerce en
Europe, après l’Allemagne, le Royaume-Uni.
4
FEVAD, ibid.
Ainsi, les entreprises souhaitant développer une stratégie de distribution ont deux options
(Chanut et Bonet, 2009 ; Belvaux et Notebaert, 2015). Elles peuvent adopter :
une stratégie de distribution monocanal dont l’objectif est d’utilisation d’un canal de
vente et d’un canal de communication : le point de vente. Selon cette stratégie, le
consommateur utilise un seul canal au cours d‘un même processus de décision d‘achat,
uniquement par Internet ou uniquement en magasin. Nous pouvons distinguer deux
stratégies de distribution monocanal :
1. Par magasin physique : cette stratégie représente la structure traditionnelle de la
distribution, on parle alors de stratégie Brick and Mortar, All Brick, ou Full store.
Selon cette stratégie le consommateur cherche l’information et achète en magasin
physique.
2. Par magasin virtuel dont l’objectif est de proposer les produits ou les services par
l’intermédiaire d’un site marchand. Les entreprises ne disposent pas de la structure
nécessaire pour proposer leurs services ou leurs produits dans des points de vente
physiques et vendent uniquement par Internet comme la Rue du commerce,
Cdiscount er Vente privée (Boyer, 2001). On parle alors de stratégie de Pure
player, All click, Full web.
les stratégies de distribution à plusieurs canaux : lorsque les distributeurs utilisent
différents canaux de vente dans le cadre de leur politique de distribution, le choix de base
consiste soit à combiner, soit à séparer les canaux alternatifs.
Deux stratégies peuvent donc être adoptées concernant les portefeuilles de canaux
(Chatterjee, 2010 ; Rittinger et Zentes, 2012 ; Belvaux et Notebaert, 2015). Premièrement,
la stratégie qui consiste à garder les canaux comme autant d’activités indépendantes, on
parle de la stratégie multi-canal. Deuxièmement, la stratégie qui consiste à créer des liens
entre les canaux et à adopter une démarche globale, la stratégie cross-canal. Nous
pouvons les considérer comme différentes étapes dans le développement d’une stratégie à
plusieurs canaux.
consiste à développer une présence dans des points de vente physique ainsi que une présence
commerciale sur l’Internet. La littérature définit la stratégie de distribution multi-canal
comme « l’utilisation par un distributeur de plus d’un canal pour échanger avec ses clients
ou ses prospects » (Stone et al., 2002 ; Belvaux, 2004 ; Neslin et al., 2006, Seck, 2009, Paché
et al., 2014 ; Belvaux et Notebaert, 2015 ; Ailawadi et Farris, 2017 ). Cette stratégie permet
aux consommateurs d’adopter des comportements multi-canal, en utilisant plusieurs canaux
de distribution au cours d’un même processus d’achat, qui peuvent prendre différentes
formes :
A. Préparation de l’achat par Internet et achat en magasin. On parle alors de stratégie Click
and Mortar ; Research Online/purchase Offline ; Web-to-Store; Digital-to-store.
B. Préparation de l’achat en magasin et achat par Internet. On parle alors de stratégie Mortar
and click; Store-to-web; showrooming.
1. Eviter les cannibalisations : des travaux abondants ont été consacrés à la problématique
de la gestion de canaux multiples. Ces recherches soulèvent la question du conflit entre les
canaux de distribution, notamment, le risque de cannibalisation. Ce dernier se manifeste
en abandonnant un canal pour un autre (Rosenbloom, 2007). De plus, cette cannibalisation
engendre plusieurs problèmes. Tout d’abord, l’enseigne doit investir des ressources dans
la mise en place des nouveaux canaux, alors que ceux-ci risquent de ne pas développer de
nouvelle vente et de se retrouver avec des surcoûts en lieu place d’une économie de coût.
La rentabilité est donc amoindrie. Cela peut ensuite créer des problèmes de management
entre les canaux. En plus, les canaux traditionnels se trouvent lésés par ce nouveau
concurrent interne. Enfin, ces changements de comportement d’achat entraînent parfois
les consommateurs à basculer d’une enseigne à l’autre (Belvaux et Notebaert, 2015).
Afin d’éviter ces cannibalisations, il est important pour les enseignes de déterminer le
fonctionnement de chacun des canaux, et la manière dont ils doivent gérer les transferts de
clientèle à travers ces canaux. D’où la nécessité d’une gestion coordonnée des différents
canaux.
2. La substitution des canaux : au lieu de subir certaines cannibalisations, l’enseigne peut
justement chercher à substituer des canaux traditionnels par de nouveaux, que ce soit pour
communiquer ou vendre les produits. Les raisons sont économiques, pratiques et liées aux
modes managériales. En effet, la relation client peut être transférée sur des canaux moins
coûteux ou plus facile à gérer. Par exemple dans le secteur bancaire, la banque incite les
clients à réaliser certaines actions par Internet comme consultation de compte, virement,
etc. afin de dégager des ressources humaines. Ainsi, les conseillers se concentrent sur les
clients de grande valeur et la vente de produits plus complexes.
La recherche de substitution entre les canaux a donc pour but principal non de jouer sur le
volume d’activité mais plutôt sur la rentabilité, en réduisant les coûts de fonctionnement et
le rapport gains/investissement sur les différents canaux.
3. Les complémentarités entre canaux : pour développer la vente, les complémentarités
entre les canaux est considérée la première étape pour l’enseigne. Ceci afin d’éviter des
superpositions au niveau des ventes, en assignant à chacun des canaux une partie du
marché. Cette complémentarité vise à fournir aux consommateurs une expérience
uniforme, unique sans heurt, à travers l’ensemble des canaux utilisés pendant les
différentes phases de son processus d’achat.
Ces complémentarités s’obtiennent suivant (Belvaux et Notebaert, 2015) :
Différentes régions : la stratégie multi-canal permet de toucher des consommateurs
pour lesquels le distributeur n’est pas présent physiquement sur le territoire national
(villes, régions) ou dans d’autres pays.
Différents profils de consommateur
Différents produits : un point de vente est physiquement limité en ce qui concerne son
assortiment. La stratégie multi-canal peut prendre le relais sur les produits à faibles
ventes ou difficiles à vendre.
Différentes situations : cette stratégie facilite les ventes qui ne peuvent être réalisées
dans les canaux classiques pour des raisons pratiques (horaires, lieux, etc.).
Par ces complémentarités, les canaux remplissent des fonctions différentes au niveau de la
transaction en conduisant à des ventes additionnelles. Mais, l’enjeu pour les managers va
d’une gestion mono canal de la qualité de service à une gestion multi canal de la qualité de
service (Seck, 2009).
Cette stratégie multi-canal constitue la première étape dans la logique de la gestion marketing
à plusieurs canaux. Steinfield et al. (2002) montrent que cette stratégie peut permettre à
l’enseigne d’être plus efficace que dans le cas d’une gestion mono canal. Chaque canal est
considéré de manière indépendante et sans interférence avec les autres. Cependant, Stuart-
Menteth et al. (2006) soulignent que l’expérience du consommateur avec la stratégie de
distribution multi-canal est inefficace. L’ensemble de ces réflexions amène les chercheurs et
les praticiens à s’accorder sur la gestion combiné des canaux de distribution. La gestion cross-
canal ; représente une bonne solution permettant de créer de la valeur pour le client et de
répondre à l’augmentation des coûts pouvant survenir par l’ajout de canaux.
Le client utilise éventuellement de multiples canaux différents pour faire ses achats. Mais à la
différence du multi-canal, où généralement chaque canal est considéré de manière
indépendante et sans interférence avec les autres, le cross canal aborde l’ensemble des canaux
de distribution et d’information de manière simultanée, afin de tirer profit des interactions et
des synergies qui peuvent exister entre eux. Le terme de « cross-canal » est apparu dans la
littérature probablement parce que celui de «multi-canal» n’était pas suffisant pour décrire les
relations étroites que certains chercheurs et praticiens préconisent désormais d’instaurer entre
les canaux. Le cross canal est donc une stratégie de distribution qui met à profit plusieurs
canaux. Elle est l’évolution logique de la stratégie multi-canal car elle prend en compte le fait
que le client utilise plusieurs canaux pour réaliser ses achats.
Vanheems (2016) définit la stratégie cross-canal comme « stratégie qui permet au client de
changer de canal dans les meilleurs conditions possible tout au long de son processus de
décision. C’est donc une stratégie qui consiste à éliminer les ruptures, quelle que soit leur
nature (économique, cognitive, physique, émotionnelle…) lors des changement de canaux par
un client tout au long d’une même expérience avec une entreprise ». Selon Belvaux et
Notebaert (2015), cette stratégie est définie comme une connexion de plusieurs canaux de
vente et de communication qui favorise un parcours d’achat empruntant différentes
trajectoires. Collin-Lachaud et Vanheems (2011) indiquent que avec la multiplication des
canaux dans le contexte de distribution cross-canal, les consommateurs cherchent à les utiliser
de façon intégrée, à passer de l’un à l’autre selon les avantages perçus. Lemon et Verhoef
(2016) soulignent que les managers ont besoin de mieux connaître la façon dont le
consommateur navigue entre les différents canaux de distribution et de mieux comprendre les
raisons profondes des parcours qu’il a choisis.
Ainsi, l’objectif est de faire tomber les barrières élevées entre les différents circuits de vente
et de communication5. La stratégie cross-canal répond à un besoin de fluidité du
consommateur. Tous les canaux de distribution et de communications (magasins, points de
retrait, Drive, catalogues, applications smartphone, réseaux sociaux, e-mailing, call centre,
etc.) sont destinés à créer un univers de consommation unique. Le cross-canal implique une
intégration complète de l’ensemble des points de contact afin d’offrir une expérience d’achat
cohérente aux clients. Une articulation entre les canaux de distribution et de communication
permet de créer des synergies (Belvaux et Notebaert, 2015). Le client, lui, est déjà cross-
canal. Il passe d’un canal à l’autre naturellement, sans se poser de question. Sous une même
enseigne, il entend avoir les même prix, être reconnu, quel que soit le chemin emprunté,
digital ou physique.
5
Journal du net, 2015, la stratégie omni canal-Vers révolution de la relation clientèle, http://www.Isa-conso.fr
consommateur navigue à travers les canaux (Rittinger et Zentes , 2012). Cette stratégie
cross-canal permet au consommateur d’examiner le produit ou le service sur un canal, de
l’acheter via un autre canal et finalement de le récupérer ou de le retourner dans un
troisième canal. En effet, ces changements de canaux peuvent être délibérés, le client
choisit de fréquenter plusieurs canaux selon leurs avantages respectifs. Face à ces
changements, l’entreprise peut s’adapter à plusieurs niveaux : en adaptant l’offre de
canaux et en favorisant les liens entre ces canaux de distribution (Belvaux et Notebaert,
2015 ; Ailawadi et Farris, 2017).
2. La distribution des rôles à travers les canaux : les entreprises peuvent adapter les
fonctions des canaux de distribution à travers les besoins et les attentes des
consommateurs. Par exemple, les distributeurs font migrer plusieurs activités comme la
relation client et les conseils sur des canaux virtuels ou séparent certaines fonctions de
leurs canaux comme le system du Drive (le choix et le paiement en ligne puis le
récupération en point de retrait). De leur côté, Belvaux et Notebaert (2015), indiquent que
cette combinaison entraîne parfois des changements importants dans l’organisation de
l’entreprise, tant en terme de la rentabilité et d’utilisation des ressources distribution. En
combinant leurs canaux, les distributeurs visent à satisfaire aux attentes et besoins de
consommateurs (Zhang et al., 2010).
3. Faciliter la transition entre canaux : dans la stratégie de distribution à plusieurs canaux,
il est important de permettre aux consommateurs des transitions homogènes entre les
canaux de distribution (Ailawadi et Farris, 2017). Rittinger et Zentes (2012) montrent que
la stratégie de distribution cross-canal implique une mobilité totale entre les canaux
d’informations, ainsi qu’une flexibilité complète concernant les canaux d’achat, de
récupération et de retour. Dans ce cadre, Belvaux et Notebaert (2015) soulignent qu’il
peut être utile de mettre en place des solutions afin de favoriser les transitions entre les
canaux d’une même enseigne, et d’éviter des pertes de trafic qui peuvent avoir lieu lors
des changements de canaux par le consommateur. Par exemple, le consommateur
fréquente un ou plusieurs canaux de distribution sans aller jusqu’à la transaction. Il peut
également changer d’enseigne lors le processus d’achat entre deux canaux.
4. Améliorer la performance des autres canaux : dans le cadre de la stratégie de
distribution cross-canal, il est important que ce qui réalisé sur un canal influence
positivement la performance des autres canaux de distribution. L’utilisation d’un canal de
distribution doit apporter quelques chose au client, le conseiller, lui donner l’information
demandée, lui permettre d’échanger avec d’autre, etc. En effet, la stratégie cross canal est
utile afin d’améliorer la campagne de communication par l’apport de nouvelles
fonctionnalités d’information favorisant l’impact des autres canaux. Par exemple, un site
Internet communique sur l’offre disponible en magasin ainsi que sur les conditions
d’accès. Ce site peut aussi proposer des évaluations de consommateur, des guides d’achat,
etc., qui permettent de réduire certains freins à l’achat.
5. Eviter les incohérences entre canaux : afin de tirer profit des interactions et des
synergies entre les canaux dans la stratégie cross-canal, les distributeurs abordent
l’ensemble de ces canaux de manière simultanée. Cette stratégie permet d’assurer la
cohérence de la promesse faite par l’enseigne pour que le consommateur ne risque pas
d’avoir une image confuse de l’enseigne, de son offre, de son niveau de prestation etc.
(Bèzes, 2010). En effet, ces cohérences entre les différents canaux de distribution sont
traduites aux niveaux (Belvaux et Notebaert, 2015):
De l’offre : produits (assortiment, qualité, marque), prix, service ;
Des services périphériques : conseil, SAV, livraison, montage, etc. ;
Du cadre d’interaction : interface, organisation du point de vente, éléments
d’atmosphère, interactions sociales.
Il est donc nécessaire de rendre cohérents du point de vue du consommateur les différents
canaux. La difficulté vient non seulement de nombreux nouveaux canaux, mais aussi des
différentes besoins et attentes que les consommateurs ont à leur égard.
Dans un même ordre d’idée, Neslin et al (2006) soulignent que la stratégie de distribution
cross-canal doit répondre à cinq défis majeurs, à savoir : l’intégration des données permet
d’obtenir une vision globale des clients à travers les contacts qu’ils établissent avec les
différents canaux de l’entreprise : la compréhension du comportement du consommateur,
l’analyse des performances de chaque canal, l’allocation de ressources entre canaux et la
coordination entre canaux. La stratégie de distribution cross-canal repose sur la volonté de
créer des « passerelles » entre les canaux (Vanheems, 2009). Le tableau 2 ci-dessous résume
les différences entre une stratégie multi-canal et cross-canal.
Il convient donc de présenter dans la suite une synthèse des principaux travaux qui portent sur
le comportement du consommateur dans le contexte multi et cross-canal.
Une grande majorité des recherches s’intéressant aux consommateurs multi-canal montrent
que ces derniers ont une valeur supérieure à leurs homologues mono-canal (Dholokia et al.,
2005 ; Belvaux, 2004 ; Vanheems, 2007 ; 2009 ; Verhoef et al., 2007 ; Poncin, 2008,
Seck,2009). Cependant, ces auteurs ne s’appuient pas sur la définition du client multi-canal.
Dholokia et al. (2005) et Vanheems (2007, 2009) définissent comme multicanal un
consommateur réalisant ses différentes transactions avec l’enseigne via les différents canaux
qu’elle propose, alors que Belvaux (2004) ; Verhoef et al. (2007) et Poncin (2008)
considèrent le client multi-canal comme un client qui utilisent différents canaux de l’enseigne
au cours du processus de décision d’achat d’un produit ou d’un service.
Le comportement Mortar and Click consiste à rechercher de l’information et/ou évaluer les
possibilités en magasin puis à acheter le produit sur Internet. Le consommateur adopte ce
comportement pour bénéficier des avantages du canal offline (magasin) pendant la recherche
d’information. Heitz-spahn (2011) souligne que le magasin permet aux consommateurs de
vivre une expérience directe tactile avec le produit ce qui leur permet d’évaluer sa qualité et
de bénéficier des conseils du personnel de vente qui ne sont pas disponibles sur Internet.
D’ailleurs, l’avantage d’utiliser Internet comme canal de transaction réside dans sa
commodité, parce que le consommateur n’est pas obligé de se déplacer en magasin pour
récupère le produit, mais cela doit subir des contrainte logistique au stade de la livraison final
du produit qui peut être plus ou moins forte selon le type de produits.
Selon ce comportement Click and Mortar, la recherche d’information s’effectue via Internat
et la transaction ayant lieu en magasin. De son côté, Heitz-spahn (2011) montre deux
motivations à l’adoption de ce comportement du consommateur, à savoir : tout d’abord, les
consommateurs adoptent ce comportement car ils n’ont pas trouvé toutes les informations qui
leur étaient nécessaires pour réaliser l’achat sut Internet, et deuxièmement les consommateurs
ont besoin de toucher et de voir réellement le produit. Dans le même esprit, Belvaux (2006)
affirme, d’une part, que le comportement Click and Mortar permet de comparer plus de
produits dans une catégorie donnée puisque le choix est plus important par Internet qu’en
magasin, et d’autre part, les consommateurs profitent d’une source d’information
incomparable par rapport à ce que peut leur donner le magasin. Nicholson et al. (2002)
indiquent qu’Internet est plus adapté à une recherche d’information préachat alors que le
magasin reste plus approprié pour évaluer les produits et réaliser la transaction.
des changements de canaux par un client tout au long d’une même expérience avec une
enseigne ». Par ailleurs, certains auteurs (Zhang et al, 2010) soulignent que la mobilité totale
aux consommateurs entre les canaux de distribution online et offline est généralement appelée
de stratégie de vente de détail multi-canal intégré ou de vente de détail cross-canal. Montaguit
et Neslin (2011) soulignent que la stratégie de distribution cross-canal a changé et continue de
transformer le comportement des consommateurs face aux enseignes commerciales.
Vanheems et Bouzid (2014) montrent que depuis plus de quinze ans, la littérature marketing
s’intéresse à la compréhension la transformation des comportements des consommateurs face
aux multiplications, intégration et combinaisons des différents canaux de distribution et de
communication. Zhang et al. (2010) montrent que les distributeurs, en combinant leurs canaux
de distribution et de communication, visent à satisfaire les besoins et les attentes des
consommateurs en exploitant les avantages uniques et en comblant les inconvénients de
chaque canal. Heitz- Spahn (2014) définit le comportement cross-canal comme « des allers-
retours entre canaux au cours d’un même processus de décision et peuvent consulter
plusieurs sources de manière simultanée à l’aide d’un Smartphone ». Pour Piercy (2012), ce
comportement est defini comme « the way in which customers behave when faced with
multiple purchase channels ». Le consommateur adopte un comportement cross-canal lorsque
le canal de préparation de l’achat est différent du canal d’achat, ou lorsque le consommateur
consulte plusieurs canaux de distribution et de communication durant la phase de préparation
de l’achat, un canal pour l’achat et un autre canal pour récupérer l’achat. Comme nous l’avons
mentionné auparavant, lorsque le consommateur fréquente un seul type de canal pour faire
l’achat, son comportement est mono-canal (Heitz-Spahn et Filser, 2014).
En effet, ces définitions font référence à l’adoption de nouveau comportement du
consommateur qui engendre une division de leur processus de décision d’achat et une
fragmentation de leur vécu auprès de l’enseigne. Par ailleurs, les différents canaux de
distribution et de communication mis à la disposition des consommateurs dans les différentes
phases de processus d’achat peuvent conduire à des changements de comportement des
consommateurs (Heitz-spahn ,2011). Rittinger et al. (2012) démontrent que le comportement
cross canal uniforme du consommateur européen n’existe pas. Leur recherche se base sur une
enquête en ligne à grande échelle auprès de consommateurs qui a été réalisée dans les quatre
plus grands marchés de détail européens. Ces auteurs se concentrent sur deux principaux
comportement cross canal : le préachat cross canal (le comportement ROPO) et le
comportement Click & Collect.
Vyt et al. (2017) soulignent que le Click & Collect a été proposé pour les consommateur
français afin de faire leurs achats depuis 2001. Rittinger et al. (2012) montrent que le Drive
présente le meilleur exemple pour clarifier le service de click& collect. Selon ce dernier, le
consommateur se connecte à un site Web spécifique, il constitue sa commande et choisit un
horaire pour aller la récupérer. Ensuite, il se rend en voiture à une station de chargement
prédéfinie et attend que ses courses soient déposées directement dans son coffre en quelques
minutes (Vyt et al., 2017). Dans ce contexte, le consommateur bénéficit de la combinaison
des avantages du magasin physique aves ceux d’une boutique en ligne (Beck et Rygl, 2015).
Cette vision vise à faciliter les interactions entre les canaux, afin qu’ils développent une
relation forte et durable avec les clients et la performance commerciale globale pour les
entreprises. Le click & collect consiste alors à faciliter le processus d’achat du consommateur
à travers les différents canaux de distribution et de communication. Chatterjee (2010) et
Rittinger et al. (2012) confirment l’importance et la popularité croissante de ce comportement
click & collect en Europe ainsi qu’aux États-Unis et ses effets positifs sue la fidélité des
consommateurs et la rentabilité des entreprises. Vyt et Cliquet (2016) soulignent que le
consommateur délègue aux distributeurs le soin de préparer sa commande en passant du libre-
service au service libre. Par ailleurs, le click & collect participe d’un renouveau des aspects
transactionnels et économiques de la relation de service développée par les grandes et
moyennes surfaces avec les consommateurs, en plus il contribue à créer une nouvelle
expérience avec le consommateur, cette expérience devient aujourd’hui la composante
fondamentale de la relation client (Mevel et Morvan, 2015).
En effet, l’intérêt de ce comportement pour les consommateurs est de gagner du temps tout en
évitant de se déplacer dans les rayons, et d’attendre aux caisses. Par ailleurs, ce
comportement permet aux consommateurs d’aller à l’essentiel car ils achètent uniquement ce
dont ils ont besoin sur le moment.
Conclusion de la section
Cette section était l’occasion de présenter brièvement les différentes stratégies de distribution
mono, multi et cross-canal. Nous avons souligné que la stratégie de distribution cross-canal
consiste alors à faciliter le processus d’achat du consommateur à travers les différents canaux
utilisés. Face à cette multiplication des canaux dans le contexte de distribution cross-canal, les
consommateurs cherchent à les utiliser de façon intégrée, à passer de l’un à l’autre selon les
avantages perçus (Collin-Lachaud et Vanheems, 2016). Lemon et Verhoef (2016) soulignent
que les managers ont besoin de mieux connaître la façon dont le consommateur navigue entre
les différents canaux de distribution et de mieux comprendre les raisons profondes des
parcours qu’il a choisis.
Dans cette section, nous nous concentrerons dans un premier temps sur les différentes
typologies de l’innovation commerciale recensées par la littérature (Choukroun 2012 ; Gallouj
2007 ; Den Hertog et al., 2000 ; Dupuis 2002 ; Dawson, 2000). Ensuite, nous nous
intéresserons à la littérature relative à l’analyse de la dynamique des formes de distribution
dans le commerce de détail. Enfin, nous nous focaliserons sur la nouvelle forme de
distribution (le Drive).
Dans son étude, Dawson souligne que la recherche de compétitivité s’est accrue. Ainsi, son
analyse premièrement se concentre sur les moyens qui peuvent améliorer la compétitivité
commerciale. D’après son analyse, l’innovation dans le commerce de détail apparaît comme
un très important moyen parmi d’autres qui contribue à accroitre la compétitivité
commerciale. Cet auteur souligne que l’innovation se compose de quatre catégories comme
suit : l’innovation de format, l’innovation technologique, l’innovation de process et enfin
l’innovation de produit.
De son côté, Gallouj (2007) souligne que la typologie proposée par Dawson est intéressante,
mais cette typologie néglige les combinaisons qui peuvent être réalisées entre ces différents
types d’innovation commerciale.
D’ailleurs, l’auteur montre que la combinaison des quatre types d’innovation précédents,
notamment au niveau des groupes de distribution, peut être définie comme une innovation
architecturale. Pour Galouj (2007), la grande distribution est de plus en plus confrontées à ce
type d’innovation de nature combinatoire. Ce type d’innovation a le potentiel d’offrir aux
entreprises la possibilité d’obtenir un avantage important sur leurs marchés. Il est à noter que
cette typologie a été reprise par l’INSEE (L'Institut National de la Statistique et des Etudes
Economique) dans le cadre d’une enquête nationale sur le commerce menée en France.
Ce modèle se distingue des précédents par le fait qu’il est global et ne s’intéresse pas
uniquement au commerce. D’ailleurs, ce modèle se compose de quatre formes d’innovation
commerciale : un nouveau concept de service, une nouvelle interface client, un nouveau
système de distribution et enfin ce que les auteurs appellent une option technologique.
Dans cette optique, l’innovation architecturale, selon Dupuis, se rapproche du modèle de Den
Hertog et de Brouwer . Gallouj (2007) montre que la plupart des innovations commerciales
sont une combinaison de concept, de technologie, d’organisation, etc. qui sont mises au point
en relation et interaction avec le consommateur final.
Dans tous les cas, ces différentes dimensions de l’innovation commerciale, la typologie de
Den Hertog et Brouwer, interagissent les uns avec les autres. Ainsi, il semble très difficile de
préciser laquelle de ces quatre dimensions est la plus importante dans l’innovation
commerciale.
L’auteur précise qu’il existe d’importantes interactions entre ces différents types d’innovation.
D’après Gallouj, les nouvelles formes de distribution (nouveaux concepts ou encore nouveaux
formats de magasins) constituent une dimension intégratrice ou combinatoire de la plupart des
autres formes. Ainsi, il va dans le sens du modèle de Den Hertog et al. (2000) et de
l’innovation architecturale de Dupuis (2002).
Plusieurs méthodes de vente ou nouvelles formes de distribution ont été présentées par
Gallouj (2007), telles que la distribution ou vente automatique et les magasins-robots, la
télévente ou le télé-achat ou le supermarché à domicile.
Il souligne que les nouveaux concepts ou formats de magasins ont un impact sur l’ensemble
des compositions totales de la filière, car ils se basent sur les évolutions de mode de vie et de
consommation de ménages. Concernant la dimension technologie, Gallouj indique qu’elle
occupe un rôle transversal, tandis que les méthodes de vente peuvent incorporer ou non des
nouvelles technologies, tout comme les nouveaux concepts, les nouveaux produits et services
ainsi les nouveaux process.
6
Costes et Missègue, 2002, auteurs cités par Gallouj, 2007.
Selon Choukourn (2012), en plus du prix qui considère l’un des facteurs-clés de succès pour
les distributeurs, toutes les entreprises doivent toujours innover en jouant sur sept domaines-
clés : le produit, le concept, l’animation, le lien client, le modèle d’organisation, la roue de la
productivité et la relation.
En effet, cette typologie d’innovation permet une meilleure prise en compte des
problématiques actuelles rencontrées par le secteur de distribution, notamment en ce qui
concerne l’intégration des nouvelles technologies telles la conception des produits et la
relation avec les consommateurs.
En bref, les typologies d’innovation elles-mêmes ont ainsi évolués au cours de la dernière
décennie, accompagnant la volonté et la nécessité pour les distributeurs de mieux développer
leur stratégie d’innovation. Ce développement se reflète par les différents travaux d’experts de
l’analyse marketing qui traduisent la montée du rôle stratégique de l’innovation. Par ailleurs, à
travers les développements précédents, nous constatons qu’il s’agit plus d’expliquer la
diffusion des innovations que de connaître les mécanismes et les raisons qui conduisent les
consommateurs à adopter cette innovation. C’est pourquoi, nous allons mettre en évidence,
par la suite, les recherches s’intéressant à l’analyse de la dynamique de formes de distribution.
Afin de comprendre ces évaluations, nous nous basons sur deux courants d’analyse
principaux. Le premier courant, que nous qualifions de mécaniste, s’efforce de dégager un
principe général d’évolution de toutes les formes de distribution. Alors que le second courant
se focalise sur les modèles d’analyse stratégique d’évolution des formes de vente.
2.2.1 Les modèles de l’innovation dans le commerce de détail selon l’analyse mécaniste
Les approches mécanistes ont connu un plus grand niveau de diffusion du fait de leur tentative
de construire des modèles généraux de l’innovation dans le commerce de détail. Elles se
caractérisent des autres approches par un caractère cyclique et répétitif.
Binninger (2013) montre que ces approches se basent sur des concepts temporels comme celui
du cycle de vie (Davidson et al., 1976), de la roue de distribution (Mc Nair, 1985)7, et de
l’accordéon (Hollander, 1966) qui permettent une représentation simplifiée de la dynamique
des formes de vente. Des Garets (2007) souligne aussi que ces trois modèles ont un réel
succès et sont encore intéressants et valables malgré leur grand âge.
En plus, les services qui sont proposés génèrent des coûts d’exploitation supplémentaires. Ces
derniers conduisent les distributeurs à augmenter leur prix de vente pour maintenir leur
profitabilité. Enfin, cette formule va devenir vulnérable, parce qu’elle peut être menacée par
les nouvelles formes de distribution qui pratiquent des marges plus basses en maîtrisant
mieux leur coût, et ainsi de suit un mouvement de type circulaire d’où le terme de roue. La
figure 2 présent les trois phases par lesquelles passerait une formule de vente : une phase
7
Les auteurs cités par Schultz (2013)
Pour Evans (2011), le modèle de la roue de la distribution se base sur quatre principes, à
savoir : Premièrement, les consommateurs qui sont sensibles aux prix. Deuxièmement, ce qui
concerne la fidélité, ces consommateurs différent de ceux qui sont sensibles aux services mis
à leur disposition et aux marque. Cette différence se présente par deux points la fidélité et la
qualité de service. Troisièmement, les formes de distribution maturées ont des coûts
d’exploitation supérieurs aux nouvelles formes de distribution. Le quatrième principe se
manifeste par le fait que les distributeurs se déplacent le long de la roue, parce qu’ils ont
intention d’élargir leur marché et d’améliorer leur image. De nombreux auteurs ont adopté ce
modèle en montrant l’évolution de différentes formes de distribution aux Etats-Unis (Appel,
1972 ; Goldman, 1975 ; Hirschman, 1978, 1979)8 ou en France (Filser, 1984 ; Dupuis, 1991)9.
Par ailleurs, ces recherches soulignent donc que le modèle de la roue de la distribution a une
capacité explicative en ce qui concerne de nombreuses innovations développées au sein du
commerce de détail. Mais en dépit de ces recherches qui ont adoptés le modèle de la roue de
la distribution, ce dernier a été l’objet de nombreuses critiques. Dans leur étude, Mc Nair et
May (1978) démontrent que ce modèle néglige toutes les dynamiques de l’évolution du
8
Les auteurs cités par Schultz (2013)
9
Les auteurs cités par Schultz (2013)
Après avoir exposé que le modèle de la roue de la distribution, nous nous attachons, dans ce
qui suit, à présenter l’évolution des formes de vente dans le commerce de détail à travers le
temps passé par la manipulation d’autres variables d’action. L’évolution des assortiments sert
de base à un second modèle mécaniste de l’évolution des formes de vente : le modèle de
l’accordéon.
Cet auteur considère que les formes de vente se succèdent en alternance périodique entre
forme de commerce dont l’offre est large (généralisation) et forme de commerce offrant des
assortiment étroits et profonds (spécialisation), dans un processus d’aller et retour continus, ce
qui renvoie à l’image de l’accordéon. La figure 3 ci-dessous présente ce modèle
10
L’auteur cité par Schultz (2013)
A cet égard, nous constatons que, d’une part, le principe cyclique sert de base à ce modèle
mécaniste. D’autre part, chaque forme de vente dépend de la faiblesse de l’autre forme. En
plus, en se basant sur le développement du commerce de détail, il est vrai qu’après
l’apparition des hypermarchés, on a vu se développer les grands spécialistes et les
hyperspécialises.
Compte tenu du fait que ce modèle suppose une alternance entre des formes de vente
généralisation et spécialisation, Hollander (1966)11 souligne, d’une part, que la stratégie de la
diversification est attractif à la fois aux distributeurs qui peuvent ajouter des assortiments
rentables, et aux consommateurs qui pourront faire la majorité de leurs courses sous un même
toit. D’autre part, l’auteur précise que la stratégie de spécialisation se développe aussi. A ce
propos, certains auteurs indiquent qu’il y a plusieurs phénomènes qui peuvent favoriser la
stratégie de spécialisation au détriment de la stratégie de généralisation, à savoir : 1) les
tentatives de mise en place d’assortiment large ont été infructueuses ; 2) la plupart de
consommateurs préfèrent les formes de distribution plus petites comprenant un assortiment
plus ciblé (Hollander, 1966 ; Evan ,2011).
11
L’auteur cité par Schultz (2013)
Mais, malgré les recherches qui confirment cette théorie, il existe aussi des situations où ce
modèle semble insuffisant. Tout d’abord, Hart (1999) affirme que ce modèle requiert le
développement d’indicateurs fiables de la structure des assortiments. Cet auteur se base sur le
fait selon lequel il y a des réelles difficultés de validations empiriques du modèle (il y a que
les recherches qualitatives qui soutiennent ce modèle). Autrement dit, le modèle de
l’accordéon se concentre sur l’assortiment de produit qui considère l’un des aspects du
développement du commerce de détail.
Pour ce que nous avons précédemment cité, nous nous intéressons, dans ce qui suit, à mettre
en évidence le modèle du cycle de vie des formats de distribution qui peut être utilisé pour
décrire l’évolutin des formes de vente dans le commerce de détail.
Filser et al (2012) mentionnent que la métaphore du cycle de vie peut être utilisée pour décrire
l’évolution d’une forme de vente dans le commerce de détail. Le modèle du cycle de vie des
formes de distribution a été introduit par Levitt (1965).Il a été appliqué pour déterminer les
stratégies d’adaptation et changement que suivent les distributeurs afin de réaliser un niveau
de profit adéquat (Davidson et al,. 1976).
Par ailleurs, ce modèle est dérivé de la notion de cycle de vie des produits en marketing
(Dupuis et Dioux, 2009 ; McGoldrick, 2002). L’idée que les formes de distribution ont,
comme les produits de consommation ou de service, une durée de vie, avec une phase de
naissance, de croissance, de maturité et de déclin (Davidson et al, 1976 ; Vandercammen et
Jospin-Pernet, 2010). La figure 4 ci-dessous présente ce modèle :
Malgré le fait que le modèle du cycle de vie apparaisse être un bon outil explicatif de
l’évolution des formes de vente dans le commerce de détail, et un processus d’évolution
naturel qui ne peut pas être arrêté, ce modèle n’échappe pas à certaines critiques. Ceci peut
être attribué au fait que ce modèle ne réussit pas à expliquer la tendance à la réduction de la
durée du cycle de vie des innovations.
En outre, selon ce modèle, la notion de cycle de vie n’a pas été pas précisée s’il agit du cycle
de vie d’une forme de vente, d’une enseigne ou de l’entreprise ayant développé cette forme de
distribution.
Ce dernier suppose que la forme de vente a une durée de vie. Autrement dit, ces trois modèles
ont principalement une finalité descriptive : ils proposent une représentation simplifiée de la
dynamique du marché, sans propose l’explication de cette dynamique (Lavy et al, 2005). Pour
contourner ces limites, certains auteurs ont développé des modèles plus généraux adoptant
comme bases théoriques les modèles d’analyse stratégique de la firme. Nous exposerons ces
modèles dans la suite.
2.2.2 Les analyses stratégiques de l’évolution des formes de vente dans le commerce de
détail
Les modèles stratégiques se caractérisent par leur caractère plus opérationnel que celui qui a
été montré dans les modèles présentés précédemment. Filser et al (2012) soulignent que le
développement des recherches consacrées au commerce de détail adoptant les théories du
marketing a conduit à un défi pour les modèles mécanistes au profit d’une réflexion
stratégique dont l’entreprise devient l’unité d’analyse. Selon les auteurs, « en effet, une forme
de vente peut être analysée comme une combinaison d’un ensemble d’attributs (prix,
assortiment, service) destinée à répondre aux attentes d’une segment du marché. Mais, il est
encore nécessaire que la forme de distribution parviennent à mettre en œuvre un ensemble de
ressources techniques, financière et humaines pour traduire ce positionnement en des termes
perceptibles par le consommateur, de sorte qu'elle dispose d'un avantage concurrentiel sur le
marché » p 49-50.
De ce fait, nous nous attachons à aborder les deux analyses qui nous apparaissent les plus
significatives : le modèle de Filser (1985) et le modèle du Big Middle développé par Levy et
al (2005).
12
Filser (1985.1989) cité par Schultz (2013)
Selon le modèle de Filser, la comparaison entre les caractéristiques de l’offre d’un distributeur
avec celles des autres distributeurs et avec les attentes des consommateurs est considéré un
facteur très important pour identifier des axes de différenciation par rapport à la concurrence.
En plus, ce modèle est complémentaire aux modèles traditionnels parce que nous sommes
capables d’expliquer l’adoption d’une autre forme de distribution en se basant sur les attentes
des consommateurs.
Par conséquence, l’innovation dans le commerce de détail selon ce modèle peut être perçue
comme une offre innovante des distributeurs correspondant aux nouvelles attentes des
consommateurs. De son côté, Gallouj (2007) affirme que ce modèle permet simplement de
prendre en compte les déterminants de l’innovation. Autrement dit, ce qui pousse les firmes à
innover.
Après avoir exposé que le modèle de Filser se base sur les attentes des consommateurs, nous
nous attachons, dans ce qui suit, à présenter le modèle du Big Middle (Levy et al, 2005) qui
explique comment les formes de vente apparaissent et se développent en se focalisant sur le
positionnement des enseignes et les réactions des distributeurs.
Le concept de Big Middle a été introduit par Levy et al. (2005) pour proposer une analyse
dynamique de l’évolution du commerce de détail. Selon les auteurs de cette théorie, la
majorité des enseignes de la grande distribution développent des stratégies qui les font
converger vers une position au centre du marché, combinant une offre large et des prix assez
attractifs en moyenne. Autrement dit, la position occupée par une forme de vente ou une
enseigne sur un marché dépend de deux décisions de positionnement : la première concerne le
prix relatif pratiqué par rapport aux concurrents, l’autre traduit la différenciation qualitative de
l’offre par rapport à celle des concurrents (Filser et al, 2012). D’ailleurs, cette théorie
s’attache à observer les pratiques des distributeurs.
Selon le modèle du Big Middle le marché de la distribution a été découpé en quatre segments
en se basant sur les caractéristiques des stratégies choisies par les distributeurs : l’innovation,
Big Middle, le discount et les difficultés (Figure 5).
Les distributeurs du Big Middle prospèrent grâce à leur rapport qualité/prix et le segment des
distributeurs en difficultés peine à créer de la valeur pour les consommateurs et à être
compétitif par rapport à leurs concurrents.
Autrement dit, les distributeurs opérant le Big Middle doivent ainsi affronter des concurrents
développant un avantage prix et d’autres qui se différencient par la sophistication de leur offre
de produits et de service en magasin. En conséquence, le Big Middle est essentiellement un
lieu hautement compétitif.
Depuis la fin des années 2000, le Drive est devenu comme une offre innovante de bon rapport
qualité/prix en atteste un grand nombre d’enseigne fraîchement développées : Auchan Drive,
Carrefour Drive, Casino Drive, Chrono Drive, Cora Drive, Courses U, le Drive Intermarché et
Leclerc Drive.
En effet, cette théorie nous permet d’adopter une vision explicative de l’évolution de forme de
vente dans le commerce de détail. Il semble que cette théorie soit la plus pertinente dans
l’explication de l’essor du Drive. De plus, les évolutions des attentes des consommateurs,
ainsi que les effets combinés de la concurrence dans le marché aident les distributeurs à
adopter une nouvelle forme de vente (le Drive.
Après avoir exposé différents travaux s’intéressant à l’analyse de la dynamique des formes de
distribution dans le commerce de détail, il convient d’analyser, dans la suite, les principaux
concepts de cette nouvelle forme de distribution (le drive) qui peuvent jouer un rôle très important
dans le comportement du consommateur. Qu’est-ce qu’un drive ? Quels en sont les différents
modèles ?
13
Source : Kantar World Panel.
Selon la magasine LSA, l’expansion du parc du Drive est très rapide, ainsi que leur part du
marché est en constante augmentation, comme le montre le tableau 4 ci-dessous.
D’ailleurs, Colla et Lapoule (2011) et Picot-Coupey et al. (2009) soulignent que ce nouveau
système de distribution permet aux distributeurs de résoudre le problème du dernier kilomètre.
En effet, ce modèle logistique du Drive exprime la volonté des distributeurs, qui souhaitent
être proches du consommateur, afin de développer et maintenir la qualité de sa relation avec
sa clientèle. Selon Vargo et Lusch (2008), ce type d’innovation, qui se définie non pas comme
un produit de l’entreprise, mais comme une meilleure façon de servir les consommateurs, a un
impact sur le comportement du consommateur.
Nombreux sont les consommateurs qui considèrent les courses comme une contrainte et
cherchent à s’en libérer le plus rapidement possible afin de pratiquer d’autres activités (Mevel
et Morvan, 2015 ; Ghesquière, 2011). Dans le contexte actuel, Colla et Lapoule (2011)
montrent que les consommateurs ont le choix entre deux modes de livraison. La première, la
plus traditionnelle, est la livraison à domicile (LAD), et le second est la livraison hors
domicile (LHD). Selon la première mode (LAD), le livreur dépose le colis au domicile du
consommateur. Alors que la deuxième mode de livraison (LHD) consiste à laisser le
consommateur aller récupérer ses courses à un endroit donnée, hors de son domicile. Mais, si
la livraison à domicile constitue le facteur principal à l’origine de la praticité et du gain de
temps recherchés par les consommateurs, elle est tenue à des contraintes de logistique ( tel le
respect de la chaîne froide), et elle est très coûteuse pour les distributeurs et en temps pour les
consommateurs. Par ailleurs, il est à noter que le coût de LAD peut représenter jusqu’à 15%
de la valeur du panier (Durand, 2010) et 30% des livraisons à domicile échouent à cause de
l’absence du consommateur lors du passage du livreur (Botella, 2008)14.
Face à ces conditions, toutes les grandes enseignes en France parient sur le nouveau canal de
distribution le Drive qui leur permet de contourner le problème de livraison à domicile. Grâce
à ce nouveau mode de distribution des produits à dominante alimentaire, la problématique de
coût de livraison à domicile est résolue puisque le consommateur fait ses achats en ligne avant
d’aller récupérer ses courses sur place. Par ailleurs, Badot et Paché (2007) montrent que les
enseignes cherchent à repenser les formes de distribution afin d’éviter l’ennui du client et
transformer les courses corvée en plaisir.
A cet égard, il existe plusieurs facteurs qui peuvent favoriser le développement du Drive
comme l’innovation commerciale. Le consommateur passe sa commande de chez lui
directement sur le site du magasin en quelques clics de souris. En plus, le service du Drive est
14
Botella, 2008, auteur cité par Kaabach et Bridi-Barthe (2010).
gratuit pour les consommateurs, parce que les employés de l’enseigne ce sont qui assurent la
livraison directement dans le coffre de la voiture dans un délai de cinq minutes. En outre, le
consommateur recours à ce service parce que les prix pratiqués en magasin sont identiques
aux prix proposés par le drive. Cela n’impose aucun coût supplémentaire aux consommateurs.
Dans un même ordre d’idée, l’intérêt d’utiliser le drive réside dans le gain de temps et la
facilité d’achat (commodité) (Colla et Lapoule, 2011, Marouseau, 2013). D’ailleurs, le Drive
permet aux consommateurs d’aller à l’essentiel parce qu’ils achètent seulement ce dont ils ont
besoin. Ce concept se caractérise par un mode de stockage et de préparation des commandes
dans le cadre du système spécifique d’entreposage (Paché et al., 2014 ; Durand et al., 2010 ;
Paché, 2010) que nous allons expliquer dans ce qui suit.
D’après Marouseau (2013), le Drive accolé vise à renforcer l’enseigne dans une perspective
cross-canal. Le consommateur fait ses courses corvées via le Drive (produits lourds,
volumineux, régulièrement achetés sur une liste prédéfinie) et bénéficie de la proximité de
l’hypermarché pour faire des courses complémentaires (impulsion d’achat pour profiter d’une
offre spécifique ou produits plaisirs). Par ailleurs, le Drive accolé permet de proposer au
consommateur tous les produits qui sont stockés dans le magasin traditionnel.
En bref, le Drive accolé est un format de distribution destiné à conquérir des parts de marché,
voire défensif, pour récupérer des consommateurs qui ont abandonné les hypermarchés.
Dans ce contexte, l’emplacement est très important pour le Drive solo, parce que ce dernier se
concentre sur deux stratégies. D’une part, la stratégie de compétition qui se base sur la proximité
avec les consommateurs, et vise de nouvelles zones de chalandise, et d’autre part, la stratégie de
prédation qui vise à s’installer le drive solo en face ou à côté de la concurrence pour conquérir
des part de marché supplémentaires (Liarte, 2006).
Hübner et al., 2016). Dans ce contexte, toutes les références de l’enseigne sont disponibles sur
le site web du magasin, et ce système permet de limiter certains investissements logistiques,
mais le Drive piéton peut être source de pertes de temps et perturbe l’activité du magasin.
Le tableau 5 ci-dessous présente les différentes formes du Drive en fonction de
caractéristiques, stratégie envisagée et spécificité logistique.
Conclusion de la section
Notre deuxième section a été consacrée dans un premier temps à comprendre les déférentes
typologies de l’innovation commerciale mentionnées dans la littérature (Choukroun 2012 ;
Gallouj 2007 ; Den Hertog et al., 2000 ; Dupuis 2002 ; Dawson, 2000).
Dans un dernier temps, nous avons présente la nouvelle forme de distribution en exposant la
définition du Drive, les facteurs qui favorisent l’essor du Drive et les différentes formes de ce
system de distribution.
Conclusion du chapitre I
Aujourd’hui, l’élaboration d’une stratégie de distribution efficace repose de plus en plus sur la
création d’un lien durable avec les consommateurs. Afin de maintenir une relation privilégiée
avec ces derniers, de nombreux canaux ont été mis à leur disposition pour effectuer diverse
tâches (rechercher de l’information sur des produits, évaluer des produits ou encore acheter
des produits, etc.).
D’ailleurs, les nouvelles pratiques de consommation obligent les enseignes à s’adapter, voire
à modeler et à innover de nouvelles stratégies de distribution. Il s’agit de comprendre
comment ces stratégies de distribution peuvent être une réponse aux besoins et attentes des
consommateurs. En plus, depuis clinquante ans, nombreuses sont les innovations commerciale
qui ont vu le jour comme l’hypermarché, le hard discount, les scannettes, les caisses
automatiques, les applications Smartphones et plus récemment le Drive. De ce fait,
l’innovation dans le commerce de détail apparaît comme un moyen efficace pour répondre à
cette exigence et elle a un rôle essential dans le domaine du comportement du consommateur.
Dans ce chapitre, nous avons présenté, dans un premier temps, les différentes formes de
distribution souhaitant mises en place par les distributeurs, ainsi que nous avons mis en avant
l’état d’avancement des recherches consacrées à l’étude du comportement des consommateurs
dans un environnement à plusieurs canaux (multi-canal et cross-canal). Concernant le
comportement multi-canal, les recherches ont porté essentiellement sur l’étude de deux
comportements particuliers : les comportements multi canal Click and Mortar et Mortar and
Click. Quant au comportement cross-canal, les recherches se concentrent sur deux principaux
comportement cross canal : le préachat cross canal (le comportement ROPO) et le
comportement Click & Collect.
Dans deuxième temps, nous avons distingué les différentes typologies de l’innovation
commerciale recensées par la littérature (Choukroun 2012 ; Gallouj 2007 ; Den Hertog et al.,
2000 ; Dupuis 2002 ; Dawson, 2000). Ensuite, nous nous sommes focalisé sur la littérature
relative à l’analyse de la dynamique des formes de distribution dans le commerce de détail en
se basant sur deux courants d’analyse principaux. Le premier courant, que nous qualifions de
mécaniste, s’efforce de dégager un principe général d’évolution de toutes les formes de
distribution.
Enfin, après avoir présenté les typologies d’innovations commerciales et l’analyse dynamique
des formes de vente dans le commerce de détail, nous nous interrogeons sur ce qu’est le
Drive. Nous nous somme attaché à expliquer le concept du Drive comme une innovation
Kenan WASSOUF 61 Thèse en Sciences de Gestion
Chapitre I : Strategie de distribution et comportement cross-canal : Drive
PARTIE I :
Chapitre I :
Chapitre II :
Chapitre III :
CHAPITRE II : FIDELITE DU
CONSOMMATEUR : CONCEPT, MESURES ET
DETERMINANTS
Introduction au chapitre II
La fidélité du consommateur est considéré un sujet primordial en marketing. Ce terme de la
fidélité est devenu l’un des objectifs clés pour toute entreprise, notamment pour les
distributeurs afin de maintenir une relation durable avec les consommateurs. Malai et Speec
(2005) et Tsao et Chen (2005) soulignent qu’elle est le sujet qui a attiré la plus grande
attention des chercheurs pendant des décennies.
En général, la fidélité du consommateur inclut un sentiment positif et la volonté durable de
rester auprès d’une enseigne, d’un produit, d’une marque ou du lieu de vente malgré un
changement de situation de la consommation.
Bien que la fidélité ait été beaucoup étudiée dans la littérature, la réponse définitive à la
question suivante « Comment fidéliser le consommateur ?» n’est pas encore trouvée. Par
ailleurs, Lichtlé et Plichon (2008) montrent que la fidélité est restée longtemps un concept
polysémique, qu’il était difficile de clarifier. Cette difficulté se manifeste par la multiplicité de
sa définition et ses facteurs explicatifs et les nouvelles tendances d’étude qui continuent de nourrir
le champ.
Pour cela, dans ce chapitre, nous exposons dans une première section les différentes
approches de la fidélité qui sont adoptées dans les recherches antérieures. Par la suite, nous
mettons l’accent sur les manifestations de la fidélité en fonction de la relation dans la durée, la
relation approfondie et la relation entendue, ainsi que sur les avantages de la fidélité pour
l’entreprise et pour le consommateur. Enfin, nous nous intéressons à la clarification du terme
de la fidélité du consommateur au point de vente.
Dans la deuxième section, nous nous attachons à présenter les évolutions de l’offre et de la
relation client dans un contexte de distribution cross-canal. Il s’agit de clarifier ces différentes
Enfin, ce chapitre finira par une conclusion qui synthétise ces deux sections.
Dans cette section, nous allons exposer les approches qui sont traditionnellement les plus
retenues dans la littérature afin de définir et conceptualiser la fidélité du consommateur.
Cependant, cette approche a été très vite critiquée par le fait qu’elle ne permet pas de
comprendre les facteurs qui motivent le comportement de fidélité (Yoon et Uysal, 2005 ;
Prayag et Ryan, 2011), et une autre critique liée à l’utilisation de mesures comportementales
qui se manifestent par la difficulté de distinguer entre un client fidèle et un autre important
(Lichtlé et Plichon, 2008). De son côté, N’Goala (2005) indique que cette approche, peut nous
orienter par sa mesure à des conclusions erronées en occultant la volonté individuelle derrière
ce comportement.
En raison de ces critiques, certains auteurs en marketing (Day, 1969 ; Jacoby, 1971 ; Jacoby et
Kyner, 1973) ont souligné que la fidélité du client à une marque ne doit pas être liée
seulement à une dimension comportementale (répétition d’achat). Pour cela ils ont recouru à
une approche qui prend en compte la dimension cognitive, c’est l’approche attitudinale que
nous exposons ci-après.
De leur côté, Dick et Basu (1994) définissent la fidélité comme un comportement de réachat
relatif à une forte préférence envers la marque. Pour les auteurs, la fidélité peut être reflétée
par l’engagement durable envers les fournisseurs et l’attitude positive à l’égard d’un bien ou
d’un service. Ainsi, le comportement de réachat est garanti par une attitude positive envers un
fournisseur (Dick et Basu, 1994).
Dans une perspective de la fidélité à la marque, Lichtlé et Plichon (2008) définissent un client
fidèle comme un client ayant une intention de réachat de la même marque. Ainsi, l’indicateur
principal de la fidélité est l’intention de réachat qui ne concerne que les consommateurs ayant
déjà acheté la même marque.
Selon l’approche attitudinale, Crié et Benavent (2001) ont mis l’accent sur les intentions et les
préférences du comportement répétitif d’achat. Cette attitude envers la marque se considère
comme un élément essentiel à la création de la fidélité du consommateur. D’ailleurs,
Bennour-Dahech (2007) affirme que l’attitude envers la marque se développe avec des
expériences positives de consommateur et détermine le comportement du consommateur dans
l’avenir.
En adoptant une vision affective, Bozzo et al. (2008) montrent qu’un client ayant une forte
relation affective avec la marque est un client fidèle. Ce dernier rachète régulièrement la
marque qu’il apprécie et avec laquelle il développe un lien affectif. Dans la même vision,
Picón et al. (2014) soulignent qu’un état psychologique (affectif et/ou cognitif) adopté par le
client reflète la fidélité attitudinale qui comprend une dimension affective.
Certains chercheurs soulignent que deux groupes de facteurs déterminent la fidélité : les
antécédents comme l’engagement (Beatty et al., 1988) et l’attachement (Cristau, 2001) ; les
conséquences comme la recommandation (Cronin et al., 2000) et le prosélytisme considéré
comme la tentative du client de convaincre son entourage d’acheter le même produit ou la
même marque (Cristau, 2001).
Concernant les inconvénients, Wansink et al. (2001) se basent sur l’hypothèse selon laquelle
la fidélité à la marque comme un concept spécifique et non pas global, et montrent ainsi que
cette dernière est relative au niveau de changement de marque concernant la même catégorie
de produits et non pas la même marque. Du point de vue empirique, Sharp et al. (1997)
constatent l’existence d’un écart significatif entre l’attitude de fidélité mesurée par le biais
attitudinal et le comportement de fidélité appréhendé par la mesure comportementale.
attitudinale, qui résident dans les problèmes de la fiabilité de la mesure attitudinale, ainsi que
dans les limites de l’approche comportementale, qui se manifestent par l’impossibilité de
distinguer entre la fidélité réelle et achats répétés.
(2011) affirme que les préférences, les affections et le comportement régissent la relation et
l’échange entre le client et son fournisseur.
Pour Darpy et Volle (2012), les différents aspects de la fidélité comportementale ont été
illustrés comme suivant :
Le consommateur achète en grande quantité le bien de manière régulièrement (l’intensité).
Depuis longtemps le consommateur achète à l’enseigne même si la la quantité est faible
(l’ancienneté).
Le consommateur fréquente l’enseigne afin d’acheter plusieurs bien/service.
Le consommateur ne fréquente pas les enseignes concurrentes même si les produits ou les
services temporairement ne sont pas disponibles dans l’enseigne.
La fidélité de consommateur ne dépend pas seulement du comportement passé, mais se
manifeste par le comportement à venir. L’engagement est considéré une dimension
importante de la fidélité de consommateur sur le long terme, dans la mesure où il conduit
aux effets comportementaux et attitudinaux.
Le consommateur recommande positivement l’enseigne à ses amis et ses proches, et dit du
bien de cette enseigne.
En effet, les aspects comportementaux de la fidélité ont été peu étudiés dans la littérature.
Pour cela, dans notre recherche, qui vise à déterminer et comprendre la fidélité du
consommateur à un Drive dans le contexte de distribution cross-canal, la véritable fidélité
s’exprime à travers la conceptualisation comportementale qui nous permet de mesurer la
fidélité du consommateur à travers l’intention de faire les courses dans ce drive, l’intention de
recommander ce Drive et de produire un bouche-à-oreille positif à ce drive. Cela nous aide à
identifier la source de valeur tout au long de la vie des consommateurs (Reinartz et al., 2005 ;
Wübben et Wangenheim, 2008).
Toufaily (2011) souligne que ces aspects comportementaux permettent de segmenter les
consommateurs en fonction du degré de la fidélité. D’ailleurs, certains auteurs constatent que
le comportement de fidélité se manifeste par trois types de relations : dans la durée,
approfondie et entendue (Verhoef et al., 2001 ; Bolton et al., 2004 ; Söderlund, 2006 ;
Wübben et Wangenheim, 2008).
Nous présentons tout d’abord ces avantages au niveau de l’entreprise. Nombreuses sont les
recherches qui ont évalué et étudié les avantages de la fidélité des consommateurs pour les
firmes en fonction du chiffre d’affaires global, du taux d’achat répété, du taux de marge et de
la fréquence d’achat (Drèze et al, 1994 ; Sharp et Sharp, 1997; Benavent et al., 1998 ;
Benavent et al., 2000). Coelho et Henseler (2012) soulignent qu’acquérir un nouveau client
coûte cinq ou six fois chères que garder un ancien client. D’ailleurs, si le consommateur est
fidèle, il effectue plus des réachat. Cela permet d’augmenter les revenus et les profits pour la
firme. De son côté, Reichheld (1996) indique que l’augmentation du taux de fidélité de 5%, il
peut pousser à une augmentation, selon les secteurs d’activités, du profit allant de 25 à 85%.
A cet égard, les distributeurs ont développé de nombreuses innovations commerciales, comme
l’hypermarché, le hard discount, les scannettes, les caisses automatiques, les applications
smartphones et plus récemment le Drive, ainsi que de nombreux programmes de fidélisation
pour leurs clients afin de créer une expérience d’achat holistiques pour les consommateurs.
que la fidélité au magasin réside dans le nombre de visites ou courses faites au même magasin
ou à la même chaine de magasins. De leur côté, Bove et Mitzifiris (2007) montrent que le
consommateur peut acheter dans le même magasin plusieurs fois en raison de sa confiance et
son engagement envers ce magasin. De la même façon, la fidélité au point de vente est définie
selon Kang et al. (2015) comme l’intention des consommateurs d’adopter différents
comportements en montrant les facteurs qui contribuent à conserver une relation durable avec
le point de vente.
En outre, plusieurs auteurs (Toufaily et al., 2013) ont analysé comment s’élabore la fidélité
sur Internet, jetant ainsi les bases théoriques de l’étude de la fidélité Online qui en identifie les
principaux déterminants. Des travaux récents (Frasquet et al., 2017) ont étudié la fidélité du
consommateur dans un contexte de distribution cross-canal. Il ressort de ces travaux que la
fidélité Online est largement déterminée par la fidélité Offline, elle-même influencée
positivement par la confiance et l’attachement à la marque. De leurs côté, Heitz, Douard et
Cliquet (2015) étudient la fidélité du consommateur à l’enseigne en considérant le Drive
comme un service annexe de l’hypermarché. Plus récemment, Vyt et al. (2017) ont montré
que ce nouveau canal de distribution exerçait un impact positif sur la fidélité du
consommateur à l’enseigne. Ils mettent l’accent sur la meilleure proximité permise par le
Drive tant en ce qui concerne l’accessibilité, que sur les plans fonctionnels et relationnels.
Afin de définir les déterminants de la fidélité du consommateur, nous nous basons sur les
recherches de Diawa (2017), Cottet at al. (2012) et Lichtlé et Plichon (2008) afin de préciser
la liste de déterminants du choix d’un processus de fidélité. Ces déterminants sont la stratégie
de fidélisation (stratégie marketing) choisie par l’enseigne, le type de consommateur, le
contexte et las situations.
Concernant la stratégie marketing, Cottet at al. (2012) soulignent que les enseignes sont
classées selon une série allant d’une orientation « pure » transactionnelle à une autre
transactionnelle et relationnelle « hybride » pour arriver à une orientation « pure »
relationnelle qui vise à générer et renforcer la confiance du consommateur à l’enseigne. En
effet, en marge de la stratégie transactionnelle, qui se focalise sur l’accroissement de la vente
et la satisfaction des attentes et besoins du consommateur au détriment de la fidélisation du
consommateur, les enseignes mettent en œuvre une stratégie relationnelle qui vise à
développer la confiance et à établir des relations durables et efficaces entre les
consommateurs et les enseignes (Gutièrez et al., 2004). Le type de consommateur, nous
pouvons distinguer entre le client transactionnel qui ne s’inscrit pas dans l’histoire de relation,
et le client relationnel qui cherche une relation durable et efficace avec l’enseigne.
Le contexte, qui influence et est influencé par la relation entre le consommateur et l’enseigne,
réside dans l’importance, l’implication et la qualité de service. Prim-Allaz et Darpy (2007)
indiquent que ce contexte peut expliquer la propension relationnelle du consommateur et le
processus de la création de la fidélité. Enfin, la fidélité du consommateur peut varier en
fonction des situations. Cottet et al. (2012) montrent que certains facteurs, comme l’horizon
temporel, l’environnement social de la consommation et les contraintes imposées par
l’enseigne, ont une influence sur l’intention relationnelle que le consommateur souhaite
établir avec l’enseigne. Cette intention relationnelle peut être déterminée par les conséquences
de la valeur perçue que le client attribue à l’enseigne ou à la marque.
Conclusion de la section
approfondie et entendue. Dans cette section, les avantages de la fidélité du consommateur ont
été présentés pour les entreprises et les consommateurs eux-mêmes. Par ailleurs, la fidélité du
consommateur au point de vente a été définie dans notre première section.
Quant aux facteurs explicatifs de la fidélité du consommateur, dans la deuxième section, nous
allons présenter les facteurs pertinents et comprendre leur rôle dans la fidélisation des
consommateurs dans un contexte de distribution cross-canal.
Dans cette section, nous allons exposer les évolutions de l’offre et de la relation client dans un
contexte de distribution cross-canal. Il s’agit de clarifier ces différentes évaluations en
fonction de la perception de la qualité de service, de la capacité des enseignes à créer de la
valeur et à faire vivre une expérience de consommation à la fois originale, plaisante et
intéressante (satisfaction) pour le consommateur à travers une stratégie cross-canal, et de la
confiance vis-à-vis de l’enseigne.
3. l’approche américaine avec les travaux de Parasuraman et al. (1985 ; 1988 ; 1991).
Parasuraman et al. (1985) proposent un modèle qui présente la qualité de service comme
« L’écart entre les attentes et les perceptions en matière de service » (Nefzi, 2008). Les
auteurs montrent cinq écarts entre différents éléments :
Le premier écart : c’est la différence entre ce que le client veut et ce que l’entreprise croit
qu’il veut.
Le deuxième écart : il résulte d’une mauvaise traduction des attentes des clients en termes
de spécialisations et de standard de service de sorte que ces standards-là correspondent
aux attentes du client.
Le troisième écart : c’est la différence notée entre le service déjà fourni et les critères
prédéfinis.
Le quatrième écart : c’est le résultat de la différence entre la prestation réalisée et ce qui
avait être promis au client. Il s’appelle écart de communication.
Le cinquième écart : cela découle de la différence entre la perception du client et ses
attentes. En effet, cet écart représente le fondement du modèle de la qualité de service.
Kenan WASSOUF 79 Thèse en Sciences de Gestion
Chapitre II : Fidelité du consommateur : concept, mesures et determinants
Parallèlement à leurs recherches sur les écarts, Parasuraman et al. (1988) ont développé une
échelle de mesure de la qualité de service composé de 10 critères correspondant aux
déterminants sur lesquels les clients se basent afin d’évaluer leurs perception vis-à-vis du
service et leurs attentes. Ces dimensions proviennent d’entretiens de groupe avec des
consommateurs de différents services : éléments tangibles, fiabilité, réactivité, compétence,
accessibilité, courtoisie, communication, crédibilité, sécurité et connaissance du
consommateur. Mais, en raison du degré élevé de corrélation entre certaines dimensions, les
auteurs proposent une échelle de mesure à 22 items nommée « SERVQUAL ». Cette échelle
réduit les dix dimensions d’origine en cinq dimensions, à savoir :
La fiabilité : (c’est la capacité à réaliser le service promis de manière exacte et précise).
La serviabilité : (volonté d’aider le client en lui offrant un service adapté et rapide).
L’assurance : (courtoisie et compétence des employés ainsi que leur capacité à inspirer
confiance).
L’empathie : (attention individualisée accordée par l’entreprise à chaque client).
Pour Bartikowski (1999), « la dimensionnalité de la qualité d’un service reste encore l’un des
thèmes vivement discutés dans la littérature des services ». Bressolles (2004) souligne que
malgré l’engouement observé pour ce thème de recherche, des questions restent encore en
suspens au niveau de la mesure de la qualité de service traditionnelle.
Les praticiens ont développé des approches différentes pour mesurer la qualité de service des
sites web, en ayant recours à des experts professionnels pour évaluer les sites et en
interrogeant les clients après leur achat. Certaines échelles sont résumées dans le tableau 8 ci-
dessous.
Tableau 8 : Dimensions de la qualité de service des sites marchands proposées par les
praticiens
Instrument Les dimensions
Bizrate.com facilité de commande, sélection des produits, information
(10 dimensions) sur le produit, prix, performance du site web, respect des
délais de livraison, présentation des produits, service
consommateur, respect de la vie privée et logistique
CIO.com problèmes rencontrés pendant et après la passation d’une
(3 dimensions) commande, capacité à contacter le service consommateur
en ligne lors de la passation d’une commande et après,
facilité de navigation
Webby Awards Contenu du site, structure et navigation, design visuel,
(6 dimensions) fonctionnalités, interactivité, l’expérience globale
Gomez.com facilité d’utilisation, accès efficace à l’information,
(8 dimensions) confiance du consommateur, fiabilité, durée d’existence
du site, les ressources en ligne, services relationnels, coût
total (incluant les coûts de livraison…).
WEBCERT® le respect de la réglementation, l’identité de l’entreprise,
la description de l’achat, la transaction, les conditions de
retours, de garantie et des réclamations
Source : Seck (2009)
Comme nous l’avons mentionné auparavant, différentes approches ont été proposées par les
praticiens afin de mesurer la qualité de service électronique. Mais leurs études n’apportent pas
de réponses relative aux problèmes de conceptualisation des construits ou de validité et de
fiabilité des mesures utilisées (Bressolles, 2004). Afin de combler ce manque, les chercheurs
en marketing ont proposés des échelles de mesure pour mieux comprendre ce que le
consommateur désire lors de son expérience d’achat en ligne.
Tableau 9 : Dimensions de la qualité de service des sites marchands proposées par les
chercheurs
Bien qu’il n’y a pas de consensus sur les composants des dimensions de la qualité de service
électronique, des dimensions clés se retrouvent relèvent dans la littérature académique : la
facilité d’utilisation, le design, la fiabilité, la sécurité ; dimensions que nous retrouvons dans
l’échelle Netqu@l de Bressolles (2006). Parmi ces échelles de mesure, nous avons retenu
l’échelle de Bressolles (2006), l’échelle de Rolland (2003), et nous nous sommes aussi
appuyés sur les résultats de notre étude qualitative exploratoire afin de déterminer quelle
échelle parait la plus pertinente pour mesurer les perceptions de qualité de service
électronique. Il nous semble intéressant de retenir ces échelles comme base pour construire
notre échelle de mesure de la qualité de service électronique. Ce qui peut être expliqué par le
fait que ces échelles ont été adaptées au contexte français, de plus, elles répondent aux critères
de la fiabilité et de la validité communément admis.
Il semble que certaines dimensions comme les deux dimensions fiabilité et la réactivité
émergent dans les deux environnements virtuel et traditionnel. Mais, dans l’environnement
virtuel, de nouvelles dimensions liées principalement à la technologie émergent (Zeithaml et
al., 2002 ; Wolfinbarger et Gilly, 2003; Loonam et O’Loughlin, 2008). Les dimensions de
Sécurité / Confidentialité, de design de facilité d’utilisation et de navigation, sont des
dimensions essentielles de la qualité de service électronique, alors que ces dimensions
n’apparaissent pas dans un environnement physique (Janda et al., 2002 ; Wolfinbarger et
Gilly, 2003). La dimension informationnelle prend une importance plus grande dans les
canaux virtuels, tandis que dans les canaux physiques, c’est la dimension relationnelle qui
devient une des dimensions clés. En effet, les caractéristiques de qualité de service
traditionnel propres au personnel en contact disparaissent totalement dans la qualité de service
électronique. Pour Dabholkar (1996), les consommateurs privilégient davantage une
évaluation à dominante cognitive plutôt qu’affective dans les technologies de libre-service.
Concernant la dimension tangibilité, elle est importante dans la mesure où la qualité de
service virtuel peut être liée aux éléments visuel ou esthétique intervenant dans l’évaluation
du site par les consommateurs.
Collier et Bienstock (2006) soulignent que les canaux virtuels possèdent des spécificités que
les canaux traditionnels n’ont pas et vice-versa. Ainsi, dans le contexte cross-canal les
consommateurs peuvent utiliser et combiner les deux types de canaux de distribution.
A cet effet, ce concept représente une source de motivation pour le client, étant donné que son
comportement peut être orienté en fonction de cette valeur. Les chercheurs distinguent trois
approches concernant le concept de la valeur globale perçue : la première issue de la théorie
économique de la valeur-utilité, la deuxième relie ce concept à la structure cognitive de
Dans notre recherche nous allons analyser de quelles façons la stratégie de distribution cross-
canal permet de diminuer les sacrifices consentis pour avoir un service ou un produit dans le
cadre d’une création de valeur associée au concept avantages/coûts, de favoriser l’expérience
de navigation entre les canaux de distribution, et de créer une valeur pendant le processus
d’achat et de consommation pour le consommateur.
s’appuyer sur tous les avis des consommateurs afin d’effectuer son choix efficacement et
rapidement.
plusieurs dimensions : utilitaire, hédoniste et sociale (Tauber, 1972). Dans le contexte cross-
canal, Vanheems et Collin-Lachaud (2011) indiquent que l’expérience acquise de l’adoption
de comportement cross-canal offre des valeurs variés. Pour Poirel et Fernandez (2008), cette
intégration entre les canaux contribue à favoriser une expérience harmonieuse et créer de la
valeur pour les consommateurs. Oueslati (2011) souligne que la stratégie d’intégration visé,
d’un côté, à offrir des services homogènes selon les attentes des consommateurs via une
expérience de visite et d’achat optimale, et de l’autre côté, à améliorer cette expérience avec
l’enseigne à travers tous les canaux de distribution disponibles.
Belvaux et Notebaert (2015) indiquent que les canaux digitaux procurent aux consommateurs
plus de récompenses cognitives et affectives pendant la recherche d’information. Cela va
générer une expérience positive de navigation en fonction de l’obtention de l’information
recherchée et de la rapidité avec laquelle le consommateur l’atteint.
Plusieurs définitions de la satisfaction ont été proposées dans la littérature selon différentes
approches (Westbrook et Oliver, 1991; Audrain et Evrard, 2001) :
Certains chercheurs définissent la satisfaction comme un état psychologique qui se
compose des aspects affectif, cognitif, affectif et cognitif. Selon cette approche, plusieurs
chercheurs (Westbrook, 1980 ; 1983 ; Woodruff et al., 1983 ; Arnould et Price, 1993)
soulignent qu’elle est une émotion comme contentent et plaisir. Pour Westbrook (1983),
la satisfaction est une réponse émotionnelle. Alors que d’autres chercheurs représentent la
satisfaction comme une cognition résultats d’un processus d’évaluation. Oliver (1981)
décrit la satisfaction comme « résulte d’une comparaison subjective du produit attendu et
reçu ». en effet, Oliver (1981) montre que les attentes des consommateurs peuvent être
déterminées en fonction de quatre éléments essentiels : le bouche à oreille sur l’offre, les
besoins, l’expérience et la communication de l’enseigne vers les consommateurs. De son
côté, Llosa (1996) mentionne que la satisfaction est un état psychologique qui se compose
des aspects affectif et cognitif. A cet égard, Vanheems (2002) indique que la satisfaction
n’est donc ni une évaluation cognitive pure, ni une émotion pure.
Yi (1990) propose une classification en deux catégories principales afin de clarifier ce
concept : la satisfaction définie comme un état final ou comme un processus. Pour
Oliver (1981), Westbrook et Oliver (1981) et Bolton et Drew (1991), la satisfaction est
considérée, selon la première catégorie, comme un état final séparé du processus qui
conduit à sa formation. Selon ces chercheurs, la satisfaction du consommateur dépend de
l’évaluation du résultat perçu. Cependant, selon la deuxième catégorie, la satisfaction est
envisagée comme un processus en fonction de son caractère comparatif (Llosa, 1996 ;
Rolland, 2003). La satisfaction du consommateur résulte du processus de comparaison
entre l’expérience vécue par le consommateur et un point de référence (Churchill et
Surprenant, 1982 ; Tse et Wilton, 1988). De ces deux concepts de satisfaction, il n’y a pas
de définition réelle ou fausse. Les définition selon l’état final ou le processus partent
d’angles différents, mais conservent toujours l’évaluation du consommateur affective et
cognitive.
Vanheems (2002) classifie la satisfaction en se basant sur une perspective temporelle
transactionnelle (dépend de l’expérience du consommateur particulière), ou soit sur une
perspective relationnelle (cumulée couvrant de nombreuses expériences de
Dans notre recherche, nous nous basons sur la conceptualisation de la satisfaction qui est vue
comme un état psychologique comprenant des aspects affectifs et cognitifs en résultant
d’évaluation cumulée de la relation avec l’enseigne. En effet, la satisfaction du
consommateur, dans cette recherche, est évaluée après plusieurs fréquentations du Drive par
les consommateurs qui utilisent le Drive pour faire leurs courses. Notre choix est expliqué par
le fait que certains chercheurs ont adopté cette perspective dans les deux contextes
traditionnel et virtuel (Kim et al., 2009 ; Sahin et al., 2011 ; Audrain et al., 2013).
Cependant, certains auteurs (Oliver, 1997 ; Vanhamme, 2002 ; Dano et al., 2003) ont cherché
à différencier la qualité de service et la satisfaction du consommateur en fonction de plusieurs
niveaux :
Au niveau des attributs et dimensions : la qualité se réfère aux caractéristiques
intrinsèques du produit/ service (rapidité, facilité, accueil), tandis que la satisfaction peut
être ou pas liée parfois à la qualité.
Au niveau de la dépendance à l’expérience : la qualité de service ne nécessite pas une
expérience de service ou de produit, alors que la satisfaction est expérimentale qui résulte
de l’expérience unique ou cumulée de consommateur (Dabholkar, 1995; Llosa, 1997 ;
Ngobo, 1997 ; Dano et al., 2003 ; Vanhamme, 2002).
Au niveau de la nature affective/cognitive : Dabholkar (1993 ; 1995) souligne que la
qualité de service est essentiellement cognitive, alors que la satisfaction est à la fois
affective et cognitive (Oliver, 1989; Westbrook, 1987).
Concernant le lien avec l’individu : la satisfaction est un état psychologique de l’individu,
alors que la qualité de service est un état perçu de service ou de produit.
La littérature montre qu’il existe des similitudes entre ces deux concepts, cependant un grand
nombre de recherches conceptuelles et empiriques constatent que ces deux concepts sont
différents (Anderson et al., 1994 ; Bitner et Hubbert, 1994). Pour cela, les recherches
proposent la nécessité de montrer la relation causale entre ces deux concepts pour améliorer la
compréhension des évaluations de service utilisés par le consommateur (Dabholkar, 1995).
Mais les chercheurs suggèrent deux directions différentes de la causalité entre eux
(Chumpitaz et Swaen, 2004). D’une part, certains auteurs (Oliver 1981 ; Parasuraman et al.,
1988 ; Bitner et Hubert, 1994) montrent que la satisfaction est un antécédent à la qualité de
service, en voyant la qualité de service comme une attitude au niveau globale et la satisfaction
comme une évaluation relative à une transaction particulière. En revanche, d’autres
chercheurs soulignent la qualité de service comme un antécédent à la satisfaction, en
définissant la qualité comme une évaluation à un niveau transactionnel et la satisfaction
comme intervenant au niveau global.
(1994) indiquent que la confiance est considéré comme un 1er pas de la théorie du marketing
relationnel. Après quelques années, ce concept a été émergé dans le service et du point de vue
de consommateur, certains auteur identifient la confiance comme un déterminant important
afin de développer la relation entre le consommateur et l’enseigne, il s’agit de la confiance à
l’enseigne (Frisou, 2000 ; Aurier et al., 2001 ; Gurviez et Korchia, 2002 ; Bergeron et al.,
2003 ; Prim-Allaz et Sabadie, 2005), alors que d’autres auteurs identifient la confiance
comme un facteur majeur de la relation établie entre la marque et le client, il s’agit de la
confiance à la marque (Sirieix et Dubois, 1999). Selon Kaabachi (2007) et Ducroux (2009), la
confiance à l’enseigne dépende de la capacité de cette dernière à respecter ses engagements et
à défendre les intérêts propres des consommateurs.
Dans le contexte virtuel, la confiance a été étudiée comme un variable clé qui mène à des
relations de long terme (Cheikho, 2015). De leur côté, Van der Heijden et al. (2003) et Li et
Yeh (2010) affirment que la confiance est un déterminant majeur qui conduit à fidéliser les
consommateurs.
MacNeil (1980) Le sentiment de sécurité qui anime chacun des partenaires envers
l’autre et qui permet aussi d’entretenir une relation à long terme.
Schurr et Ozanne (1985) La croyance que la parole ou la promesse qu’une partie remplira ses
obligations dans une relation d’échange.
Jarvenppa et al. (2000) et Urban et al. (2000) montrent que la confiance dans le contexte
online ne se diffère pas de la confiance dans contexte offline, mais la confiance online semble
plus importante. Cela explique par le fait que la confiance est associée à l’incertitude des
clients dans un environnement virtuel caractérisé par l’absence d’interaction traditionnelle en
face-à-face client/personnel en contact (une interaction virtuel client/machine). Le tableau 11
ci-dessous présente les différentes définitions da la confiance dans un environnement
électronique.
Tableau 11 : La confiance dans le contexte online
Auteurs Définition
Gefen (2000) La volonté de faire des transactions avec le partenaire en se basant sur le
sentiment de sécurité et la confidentialité.
Suh et Han (2003) La croyance que l’on peut compter sur les promesses faites par l’e-
fournisseur.
En se basant sur la définition de la confiance dans les deux contextes offlines et onlines, ce
concept est perçu comme une attente, une volonté, une croyance, ou comme une présomption.
Afin de déterminer la notion de la confiance, nous allons présenter les dimensions de ce
concept par la suite. Dans notre recherche, la confiance du consommateur à l’enseigne obéit à
une logique un peu différente de la qualité de service propre au Drive, mais elle a été prise en
compte parce qu’elle contribue aussi à la création de la fidélité du consommateur.
Multidimensionnelle : les trois dimensions suivantes ont été représentées des dimensions
de la confiance envers l’enseigne : la compétence, l’honnêteté et les motivations à long
terme qui prend en compte l’intérêt des clients (Rousseau et al., 1998 ; Gurviez et
Korchia, 2002).
Par ailleurs, la littérature dans le marketing a distinguée deux notions différentes de la
confiance : affective et cognitive :
La confiance affective : Swan et al. (1999) montrent que cette notion dépend du sentiment
de sécurité concernant l’idée de pouvoir compter sur le personnel en contact. De leur côté,
Shapiro et al. (1992) soulignent que la confiance affective se repose sur l’identification
qui s’établit entre le consommateur et la marque : identification de la marque à ses clients
et identification du consommateur à la marque. En effet, cette confiance à un partenaire se
base sur certains facteurs comme les émotions qui constituent une relation plus
transparente (Johnson et Grayson, 2005), et l’attention et les émotions personnels parmi
les individus qui forment la base de la confiance (Lewis et Weigert, 1985)
La confiance cognitive : Shapiro et al. (1992) montrent qu’elle se fonde sur les
connaissances. Ces dernières se manifestent au travers des attentes relatives à la
compétence nécessaire, la fiabilité et la motivation sur lesquelles les consommateurs
peuvent s’appuyer (Swan et al., 1999).
En confortant ces deux concepts de la confiance, nous pouvons constater que la confiance
affective est plus liée à des expériences individuelles avec l’enseigne ainsi que à la
bienveillance, alors que la confiance cognitive dépend de la crédibilité concernant la
compétence et l’intégrité.
Conclusion de la section
Dans la deuxième section de ce chapitre, notre objectif a été de mettre en lumière les facteurs
explicatifs qui contribuent à la fidélité du consommateur dans le contexte de distribution
cross-canal. A ce titre, nous nous sommes basé sur la littérature existante afin de clarifier ces
variables. En effet, nous avons retenu quelques variables les plus pertinentes à notre recherche
dans le contexte de distribution cross-canal.
Nous avons présenté les évolutions de l’offre et de la relation client dans un contexte de
distribution cross-canal en fonction de 1) la perception de la qualité de service, de la capacité
des enseignes à créer de 2) la valeur et à faire vivre 3) une expérience de consommation à la
fois originale, plaisante et intéressante pour le consommateur et 4) de la confiance vis-à-vis de
l’enseigne.
Conclusion du chapitre II
Le deuxième chapitre a été organisé en deux sections. Dans la première section, nous nous
sommes intéressé à comprendre les fondements de l’une de variable principale de notre
étude : la fidélité du consommateur. Nous avons synthétisé l’évaluation de la
conceptualisation de la fidélité du consommateur à travers les approches principales :
comportementale, attitudinale, composite, relationnelle et processuelle. Selon la première
approche, la fidélité du consommateur est définie et mesuré en fonction des comportements
d’achat répétés (McConnell, 1968 ; Jacoby et Kyner, 1973). La deuxième approche
attitudinale se focalise sur la préférence, les émotions des clients à l’égard de la marque…).
Afin de mieux appréhender le concept de fidélité, une troisième approche appelée
« composite » a été développer en réponse aux limites des deux approches comportementale
et attitudinale. Concernant la quatrième approche relationnelle, elle été adoptée en réponse
aux limites de l’approche composite en prenant en compte la relation établie entre le
consommateur et la marque (N’Goala, 2003). L’approche processuelle se base sur un
processus qui se compose de quatre étapes : cognitif, affectif, intention et action (Toufaily,
2011).
Nous avons également fait le point sur le comportement de fidélité qui se manifeste par trois
type de relations : la relation dans la durée, approfondie et entendue (Verhoef et al., 2001 ;
Bolton et al., 2004 ; Söderlund, 2006 ; Wübben et Wangenheim, 2008). Cette section a été
l’occasion de présenter les avantages de la fidélité du consommateur pour les entreprises et
pour les clients eux-mêmes. L’analyse de la littérature relative au concept de fidélité du
consommateur au point de vente, nous a permis de mettre en évidence la définition de ce concept
et la liste de déterminants du choix d’un processus de fidélité.
Au sein de ce chapitre, nous voulions mettre en lumière les facteurs explicatifs qui contribuent
à la fidélité du consommateur dans le contexte de distribution cross-canal. A ce titre, nous
nous sommes basé sur la littérature existante afin de clarifier ces variables. En effet, nous
avons retenu quelques variables les plus pertinents à notre recherche dans le contexte de
distribution cross-canal : la qualité de service traditionnelle et électronique, la valeur perçue,
la satisfaction du consommateur et la confiance envers l’enseigne.
Nous nous attacherons donc, dans le chapitre suivant, à montrer les différentes stratégies de
distribution afin de dégager leurs influences sur le comportement du consommateur.
PARTIE I :
Chapitre I :
Chapitre II :
Chapitre III :
L’analyse qualitative exploratoire nous permet d’avoir une vision plus complète des
motivations et freins d’achat des consommateurs de Drive, et de clarifier les déterminants qui
contribuent à la création de fidélité des consommateurs du Drive. Par ailleurs, cette analyse
permet de faciliter la sélection et l’intégration des variables dans le modèle conceptuel
intégrateur.
Dans le cadre de notre recherche, nous avons mené une étude exploratoire auprès des
consommateurs qui utilisent le Drive dans leurs courses. Cette étude représente les sources
des informations qui permettent une meilleure compréhension des déterminants de la fidélité
des consommateurs du Drive. La figure 7 ci-dessous illustre la démarche générale de notre
étude qualitative.
Notre principal objectif dans cette phase qualitative de notre recherche est de montrer, d’une
part, les caractéristiques des répondants qui utilisent le Drive dans leurs courses. D’autre part,
l’évaluation des consommateurs du Drive et la contribution du Drive à la satisfaction et à
fidélité du consommateur. De plus, l’étude qualitative est souvent utilisée dans une optique
séquentielle (Thiétart et al., 2014, 2007) : un grand nombre de travaux procèdent à la phase
qualitative exploratoire comme un antécédent de l’étude quantitative.
Dans le cadre de cette recherche, notre étude qualitative sera suivie d’une autre quantitative.
En effet, l’opérationnalisation des variables du modèle nécessite la réalisation d’une étude
qualitative exploratoire pour augmenter la probabilité de développer des mesures valides
(Churchill, 1979). Ainsi, l’étude qualitative peut nous aider à préciser les items des échelles
de mesure, de construire et/ ou d’adapter les instruments de mesure de nos variables. A travers
notre étude qualitative nous souhaitons vérifier la validité de nos conclusions inspirées de la
littérature dans le but de proposer un modèle conceptuel pertinent.
Nous avons choisi de mener notre étude à Carrefour Drive qui nous semble intéressant en
termes de nouveauté dans le paysage de la distribution. Plus précisément, nous souhaitons
appliquer notre étude qualitative sur le nouveau moteur de croissance de la distribution
alimentaire qui s’avère très avantageux pour les consommateurs ainsi que pour les grands
distributeurs.
D’ailleurs, Le Drive connaît une activité très dynamique et contribue de plus en plus au
développement du mode de commande Internet en France.
Les consommateurs de Carrefour ont pour la plupart un comportement cross canal parce
qu’ils utilisent et combinent plusieurs canaux de distribution lors d’achat.
Dans notre étude qualitative, nous avons mené une série d’entretiens individuels semi-
directifs. Les données qualitatives ont été collectées auprès de 16 consommateurs du Drive
dans une enseigne : Carrefour à Aix En Provence.
Chaque entretien a eu une durée entre 30 et 45 minutes15. Pour permettre une meilleure
analyse des données, chaque entretien a été enregistré et intégralement retranscrit.
15
Evrard, et al.,(2003) suggèrent 30 minutes minimum (1 heure maximum).
Le guide d’entretien réalisé auprès des consommateurs du Drive se compose de quatre parties
(Annexe 1) :
Phase 1 : présentation de l’enquête : après nous être présenté, nous avons exposé
brièvement au répondant l’objectif de l’entretien. Nous avons tenu à vaincre les
appréhensions de la personne interviewée, valoriser l’importance de son opinion et
solliciter la permission d’enregistrer l’entretien comme le conseillent Jolibert et Jourdan
(2011, 2006).
Phase 2 : consigne de départ ou début de l’entretien : nous avons commencé l’entretien
par une question générale : « spontanément « faire les courses » ça vous fait penser à
quoi ? ». Cette question a permis d’identifier les attitudes générales par rapport aux
courses et les comportements généralement adoptés, et de rentrer ainsi au cœur de notre
sujet.
Phase 3 : présentation le profil des consommateurs du Drive : cette phase a permis de
préciser le profil des répondants. Une première série de questions vise à identifier les
caractéristiques des répondants (âge, sexe, catégories socio-professionnelles, situation
familiale et composition des foyers), et à déterminer l’adoption du Drive (quand, comment
et combien de fois en moyenne, ils font les courses par Drive).
Phase 4 : corps de l’entretien ou grille des thèmes centraux à aborder : cette phase
traitant des questions importantes de l’étude, nous avons donc été plus précis dans
l’énoncé des thèmes à aborder. Un second groupe de questions vise à comprendre :
1) L’évaluation des consommateurs du Drive : le but est de voir la perception des
consommateurs de Drive.
2) La contribution du drive à la satisfaction et à fidélité du consommateur : il s’agit de
voir sur quoi se fonde l’évaluation globale du consommateur.
3. Construction de la grille
4. Remplissage de la grille
6. Quantification
7. Rapport de synthèse
Les données issues de nos entretiens semi-directifs ont été analysées en utilisant l’analyse de
contenu. L’analyse de contenu permet en effet de dégager les thèmes du sujet étudié
(l’évaluation des consommateurs du Drive et la contribution du Drive à la satisfaction et à
fidélité du consommateur) (Wanlin, 2007). L’analyse de contenu se définie initialement
comme étant une technique de recherche pour une description objective et systématique et
16 Source : GIANNELLONI J.-L. et VERNETTE E. (2012), Etudes de marché, Vuibert, 3e édition, p. 111.
Ainsi, il existe différentes méthodes d’analyse de contenu parmi lesquelles nous pouvons citer
l’analyse thématique, syntaxique et enfin lexicale (tableau 13).
En effet, il semble que l’analyse de contenu thématique soit la technique le plus souvent
utilisée en marketing (Evrard et al., 2009). Ainsi, dans le cadre de notre étude qualitative
exploratoire, nous avons retenu l’analyse de contenu thématique pour analyser les données
issues de nos entretiens semi-directifs.
- Nous souhaitons faire émerger du sens, et il serait utile d’utiliser une méthode
manuelle comme l’étude « papier-crayon » pour analyser un phénomène (Fenneteau,
2002)
- Pour éviter la marginalisation de certains phénomènes, nous n’avons pas procédé à un
comptage via un logiciel.
De leurs côtes, Giannelloni et Vernette (2015) soulignent deux façons d’effectuer l’analyse de
contenu :
17
L’auteur cité par ABBAS (2014)
Pour effectuer une analyse horizontale sur le verbatim obtenu, nous avons découpé le texte en
unités d’analyse de base, c’est-à-dire le thème pour notre recherche. L’unité d’analyse se
compose de phrases ou de groupes de phrases qui se réfèrent à un même thème. Nous avons
ainsi regroupé les thèmes en catégories homogènes selon leur degré de similarité, ces
catégories devant être exhaustives (catégories classant toutes les réponses) et exclusives
(catégories classant une réponse dans une seule catégorie).
Nous présenterons dans ce qui suit trois principaux résultats ressortant de l’étude qualitative
menée auprès des consommateurs du Drive :
D’ailleurs, nous avons remarqué que les répondants les plus présents sont des couples avec
des enfants. L’âge moyen des répondants est de 37 ans, cela correspondant à des actifs avec
des enfants. Globalement, d’une part, il semble que certaines tranches âge adoptent le Drive
lors de leurs achats. D’autre part, nous nous rapprochons ici de l’idée de l’effet d’âge sur la
fidélité des consommateurs telle que l’aborde la littérature et selon laquelle les personnes de
moins de 45 ans sont plus fidèles que les autres segments d’âge.
De manière générale, nous avons remarqué que plus de la moitié des répondants qui adoptent
le Drive vivent ou travaillent à proximité du Drive.
Ensuite, nous avons noté que la plupart des répondants considèrent les courses comme une
contrainte et cherchent à s’en libérer le plus rapidement possible afin de pratiquer d’autres
activités sportives ou culturelles avec la famille :
« C’est bien de passer du temps dans le supermarché quand on n’a rien à faire, mais si on a
d’autre chose à faire, on préfère le Drive, c’est plus pratique » (Répondant 3, F, 34).
« C’est du temps qui est mieux utilisé, parce qu’on peut faire autre chose, on peut rester à la
maison et prendre un café et regarder les devoirs des enfants, ainsi on participe à la vie
familiale » (Répondant 7, H, 38).
« Les courses c’est la perte de temps pour moi. Le Drive me permet de faire d’autres choses »
(Répondant 1, F, 33).
« Carrefour Drive est très pratique, ça me permet de gagner beaucoup de temps et d’avancer
dans notre emploi du temps sans perte de temps » (Répondant 8, F, 34).
« Quand on passe beaucoup de temps au bureau, on n'a pas envie d'en passer autant pour
faire les courses ! Voilà pourquoi je passe régulièrement chez Carrefour Drive ! Les courses
sont faites en quelques minutes sur le site et en quelques minutes c'est dans le coffre »
(Répondant 15, H, 40).
Enfin, nous avons remarqué que la plupart des répondants perçoivent les courses en
supermarché comme des visites corvée plus que comme des visites plaisir :
« Chercher à manger et après un petit peu une corvée, mais c’est vrai que depuis que je fais
mes courses en Drive, c’est vraiment agréable » (Répondant 2, F, 41).
« Il y a deux ans, je vous aurais dit une corvée et avec le Drive maintenant ça va je peux faire
quelques choses d’autre » (Répondant 12, H, 31).
« Passer une heure et demi ou deux heures pour remplir le caddie, c’est perte de temps »
(répondant 9, H, 36).
« Les courses, c’est une perte de temps. Dans les magasins, on est toujours tenté, alors que la,
au moins, je rationalise. C’est un mode adapté à mes horaires, je travaille de nuit, de jour… »
(Répondant 13, F, 28).
« C’est pénible, quand je fais mes courses en supermarché ça me fait penser caddie, balader
mon caddie et ça va être pénible » (Répondant 10, F, 40).
En effet, cette attitude négative de la plupart des répondants fait partie des motifs d’adoption
de Drive par les consommateurs que nous allons présenter par la suite.
En posant la question sur les aspects ou les choses que les consommateurs apprécient
lorsqu’ils font leurs courses en Drive, la réponse tournait autour du gain de temps, l’accès
continu, la rapidité, la modération du prix, la dimension économique, la réduction de l’effort
physique, la proximité, l’accessibilité routière et la satisfaction.
La praticité
Tout d’abord, la plupart des répondants choisissent d’acheter en Drive plutôt qu’en
supermarché pour la praticité : le gain de temps et l’accès continu.
En effet, les courses dans les grandes surfaces sont plutôt associées à une perte de temps.
Cependant, en analysant le discours des répondants interrogés, nous constatons que le gain de
temps devient une des attentes prioritaires influençant largement le choix de Drive :
« Oui oui bien sûr, le principe c’est pour gagner du temps, pour m’éviter de passer une heure
à la grande surface » (Répondant 11, F, 31).
« C’est très pratique, voilà dans une demie –heure, trois quart heure, je peux chercher mes
courses, je les range » (Répondant 5, H, 36).
« Voilà c’est super rapide, et quand on achète en Drive ça va super vite, c’est super de
pouvoir commander de chez soi car on peut prendre son temps ne pas courir partout. »
(Répondant 14, H, 40).
« Quel bonheur de pouvoir faire mes courses devant mon canapé et sans attendre à la caisse !
Un gain de temps considérable » (Répondant 7, H, 38).
« Le Drive de Carrefour est vraiment très pratique et me fait gagner un temps énorme »
(Répondant 2, F, 41)
« Un gain de temps pour les pressés. Plus besoin de courir dans les supermarchés. Il vous
suffit de passer commande en ligne, d'indiquer l'heure à laquelle vous voulez récupérer votre
commande et ensuite aller chercher tout ça. On vous mettra directement vos courses dans
votre coffre » (Répondant 15, H, 40).
En plus, les consommateurs qui font leurs courses en Drive peuvent gérer et maîtriser leur
temps :
« En fait, si je me fais livrer à domicile, je suis obligée d’être présente chez moi, en plus y a
toujours des retards par le livreur, euh donc pour moi, je n’ai pas le temps quoi, mais avec le
Drive je peux gérer et maîtriser mon temps » (Répondant 1, F, 33).
« C’est moi qui maîtrise le temps, parce que là en faisant le retrait comme je fais actuellement
en Drive, ça me laisse une amplitude horaire bien plus large » (Répondant 13, F, 41).
« Les courses, c’est corvée pour moi, le drive me permet de faire d’autres choses, c’est
extrêmement pratique » (Répondant 4, H, 50).
« Avec ma poussette dans les rayons, c’est trop compliqué de pousser le chariot en même
temps. J’achète tout, les couches, le lait, les lingettes, l’eau... C’est très pratique, je ne
retournerai plus en magasin » (Répondant 3, F, 34).
D’ailleurs, le concept de Drive permet aux consommateurs d’acheter à tout moment grâce à
leur connexion internet. Les consommateurs passent leurs commandes de chez eux
directement sur le site du Drive en quelques clics de sourie :
« J’aime bien, j’aime bien Carrefour Drive, on trouve facilement l’adresse du site de Drive,
on peut passer la commande à tout moment » (Répondant 6, F, 38).
« Service vraiment très pratique, quand on est comme moi une maman très active avec deux
enfants. Le site est facile d’accès la navigation aussi et on retrouve les promotions du
magasin » (Répondant 11, F, 35).
« C’est tout le temps possible de se connecter à ce site de Drive, ainsi que c’est facile de
passer la commande, c’est clair et simple d’utilisation » (Répondant 9, H, 36).
Kenan WASSOUF 113 Thèse en Sciences de Gestion
Chapitre III : Etude qualitative exploratoire
« Oui c’est simple de rechercher de l’information, c’est simple d’accéder aux résultats que
l’on souhaite » (Répondant 12, H).
« Je suis toujours ravie de faire mes achats sur ce site. Il est très facile de naviguer entre les
différentes pages, d'ajouter ou de retirer des articles du panier. Et en cas de soucis nous
avons toujours la possibilité de les joindre par téléphone » (Répondant 10, F, 40).
« Les courses au Drive nous simplifient la vie. Plus rapide et moins stressant. Le site est très
bien ergonomique. Je n'ai jamais eu de problème lors de mes commandes et j'en suis très
content » (Répondant 14, H, 33).
« Carrefour Drive, c’est mon endroit préféré pour faire les courses, le site est très clair et très
facile d’utilisation » (Répondant 5, H, 36).
La rapidité
Comme nous l’avons souligné, le Drive permet aux consommateurs de commander leurs
courses sur Internet depuis leur domicile ou leur travail, après de se déplacer pour les
récupérer en voiture dans un délai de deux heures. L’intérêt de Drive pour les consommateurs
est donc de faire leurs courses rapidement en évitant de se déplacer dans les rayons et attendre
aux caisses :
« Site très simple d’utilisation que j'utilise avec plaisir depuis plus de 4 mois. Que de temps
gagné ! Je fais ma liste papier et en quelques clics je choisis les articles correspondants sur le
site. Possibilité d’enregistrer ses produits préférés et même une liste type, histoire de gagner
encore plus de temps. Bref, je fais mes courses en 30mn tout compris (liste et retrait) au lieu
de 1h30 minimum » (Répondant 12, H, 31).
« Oui le principal c’est la facilité et la rapidité, en fait la commande sur le site de Drive qui
est simple à effectuer et on peut accéder rapidement à l’information » (Répondant 3, F, 34).
« Ça prend 5 min de mon temps pour faire ma liste de courses et je choisi le jour et l’heure de
mise à disposition, c’est génial » (Répondant 13, F, 28)
« Faire les courses depuis le travail, c’est l’idéal, lorsque l’on passe la commande, le délai de
prépartion est rapide dans deux heures on peut la récupérer » (Répondant 7, H, 38).
« Le temps d’attente au drive est très court, le chargement rapide, vraiment très pratique, pas
besoin de passer 3 h dans le magasin pour faire les courses » (Répondant 6, F, 38).
D’ailleurs, après avoir convenu d’une date et d’une heure de retrait, allant de deux heures à
six jours, le consommateur se rend dans l’espace Drive muni de son numéro client. Et quand
le consommateur arrive au Drive pour le retrait de sa commande, il se présente à la borne
d’identification où il scanne le code-barres de sa commande ou entre son numéro. En même
temps, un message vocal retentit dans la zone de préparation des commandes afin de leur dire
que le consommateur est arrivé. Ensuite, un employé vient ranger toutes les courses dans le
coffre de la voiture du consommateur, dans un délai de cinq minutes :
« Parfait... je commande, je donne mon créneau pour prendre mes courses... j’arrive, je
donne mon numéro de commande, on arrive avec mes paquets, on charge le tout dans mon
coffre, temps écoulé : Maxi 10 minutes » (Répondant 10, F, 40).
« Pas de perte de temps en caisse, un service direct et rapide jusque dans le coffre de la
voiture, Super ! En quelques minutes la commande est faite sur internet et on peut aller la
chercher le jour même au magasin » (Répondant 5, H, 36).
« Le site est clair, rapide, permet de bénéficier des promotions comme en magasin, le service
à l'arrivée est rapide, les courses bien préparées, je recommande… » (Répondant 11, F, 35).
« Vraiment c’est un service efficace, la commande est très rapide ainsi que le retrait est super
rapide » (Répondant 1, F, 33).
« Service rapide, correct, le personnel est très accueillant soucieux de bien faire leur travail »
(Répondant 15, H, 40).
La modération du prix
Le service de Drive est totalement gratuit pour les consommateurs parce que ce sont les
employés qui assurent la livraison. D’ailleurs, le consommateur a recours à ce service parce
que les prix proposés par le Drive sont égaux ou identiques aux prix pratiqués en magasin.
Cela n’impose aucun coût supplémentaire aux consommateurs.
De ce fait, le service de drive offre des prix compétitifs puisqu’il consiste à éviter le surcoût
de facturation de la livraison lié à une commande à distance :
« Service de grande qualité avec des prix idem à ceux affichés en magasin, grand gain de
temps, très utile » (Répondant 8, F, 34).
« Le Drive de Carrefour présente plusieurs avantages : un site bien fait, une appli également
dispo sur Smartphone, rapide, beaucoup de produits disponibles, des prix corrects, et surtout
les mêmes promos qu’en magasin » (Répondant 2, F, 4).
« Je suis devenu une adepte de cette façon de faire ses courses, les prix sont comme en
magasin » (Répondant 4, H, 50).
« J’utilise le drive les semaines où je n’ai pas le temps de faire les courses en magasins.
J’apprécie le fait d’avoir les mêmes prix sur le drive qu'en magasin et la rapidité de retrait de
mes produits » (Répondant 14, H, 33).
« Les articles sont au même prix que dans le magasin c’est pratique pour les personnes qui
n’aime pas aller dans les magasins ou qui non pas le temps » (Répondant 9, H, 36).
La dimension économique
« Je fais des économies car je sélectionne ce dont j'ai besoin, et je ne m'égare pas dans les
rayons » (Répondant 11, F, 35).
« Oui oui c’est une bonne manière de maîtriser les dépenses du quotidien sans être tenté par
des achats inutiles » (Répondant 6, F, 38).
« Je ne commande plus que par drive maintenant, c’est rapide. Je ne suis plus tentée de
prendre tout et n’importe quoi comme je le faisais avant en passant dans chaque rayon, les
promotions sont visibles dans une catégorie sans besoin de chercher » (Répondant 3, F, 34).
En effet, les consommateurs de drive apprécient le fait de pouvoir maîtriser ses achats plus
que le gain d’argent. Autrement dit, il ne s'agit pas de faire des économies même si cette
dimension est appréciée, mais plutôt d’acheter ce qui réellement nécessaire.
« Je ne vais plus au magasin depuis que j'ai découvert le drive !! On ne dépasse plus son
budget car on achète vraiment ce dont on a besoin » (Répondant 5, H, 36).
La manutention des produits figure parmi les principales causes qui conduisent les
consommateurs à une mauvaise appréciation du magasin. Ces derniers perçoivent très mal la
manutention des produits et s’étonnent de tant d’efforts à faire malgré les progrès
technologiques existants.
La moitié des répondants trouvent que le service de drive contribue au gain d’effort et
d’énergie. Cela peut être expliqué par le fait que les courses volumineuses sont chargées
directement dans la voiture, ainsi que le drive contribue à diminuer des tensions
psychologiques ressenties par les consommateurs lorsqu’ils effectuent leurs courses en ligne
parce que ce système vise à simplifier les processus d’achat en donnant aux consommateurs
plus de souplesse :
« Les courses, c’est corvée pour moi. Le drive me permet de faire d’autres choses. A chaque
fois, je fais un vrai plein : les produits lourds, les fruits et les légumes. C’est trop pratique, je
ne retournerais plus en magasin » (Répondant 7, H, 38).
« J’en profite pour faire tout ce qui est lourd encombrant : de lait, d'eau… » (Répondant 2, F,
41).
« J’attends que quand je fais ma commande par drive, je prends douze litres de lait, dix huit
litres d’eau, et enfin je remplis le coffre » (Répondant 15, H, 40).
« Ce que je fais toujours, c’est que je fais mes grosses courses sur ou par drive et après je
vais les récupérer, il manque toujours quelques choses parce que il y a pas tout sur le site de
drive, donc je fais un petit détour par le magasin pour acheter des suppléments, c’est très
rapide et pratique » (Répondant 8, F, 34).
Comme nous l’avons mentionné plus haut, le drive est privilégié pour les courses lourdes et
encombrantes. C’est un réel soulagement pour les consommateurs.
par rapport au domicile, mais surtout sur la proximité de flux. Idéalement, le point de retrait
doit se situer sur le trajet domicile-travail.
De manière générale, nous avons remarqué que plus de la moitié des répondants qui adoptent
le drive vivent ou travaillent à proximité de drive :
« La plupart du temps on prend le drive à côté, c’est le plus proche de chez moi, on prend la
proximité » (Répondant 9, H, 36).
« Une enseigne qui est sur mon chemin du retour de mon travail, c’est le Carrefour Drive »
« C’est génial lorsqu’on travaille et finit tard, on clique et on passe au drive. En 5 mn c’est
dans le coffre bref je recommande à toutes mes collègues » (Répondant 1, F, 33)
« Quand le Carrefour Drive est arrivé près de chez moi, je me suis vu délaisser Leclerc Drive
au profit de Carrefour Drive » (Répondant 14, H, 33).
La satisfaction
Etant confirmé par la plupart des répondants et comme nous l’avons mentionné, le service de
drive offre plusieurs avantages aux consommateurs qui sont très satisfaits :
« Très satisfaite des services Carrefour Drive : livraison à l heure convenue, produits choisis
et prix respectés, livreur ou livreuse accueillant(e)s et poli(e)s. je continuerai à faire mes
courses avec Carrefour Drive » (Répondant 6, F, 38).
« Ce système est vraiment adapté à nos besoins aujourd’hui, c’est très très bien. Globalement
je suis très satisfait de ce service » (Répondant 12, H, 31).
« Le drive, quelle belle invention ! Pas d'attente aux caisses, pas de problèmes de place sur le
parking, en 5 min je récupère mes courses et je bénéficie de réductions avec mon programme
fidélité Carrefour, on est très satisfait » (Répondant 3, F, 34).
Ainsi, en nous basant sur la littérature, nous retrouvons ici l’idée selon laquelle le
comportement du personnel peut avoir une influence directe sur le service, la qualité perçue
par le consommateur et sa satisfaction :
« J’adore le drive, l’équipe est en général accueillante, on peut trouver tous les produits qui
nous intéresse en ligne et surtout toute les promotions ! Et en 5 minutes c’est dans le coffre »
(Répondant 5, H, 36).
« Très satisfaite de mon Carrefour Drive. La personne qui fait mes courses à bien respecté
mes choix, les produits ont bien été rangés dans les sacs, et déposés dans le coffre de ma
voiture » (Répondant 8, F, 34).
« J’adore faire mes courses alimentaires chez Carrefour Drive. Les produits sont bien rangés,
les dates de consommation sont éloignées, les employés sont sympas ! » (Répondant 15, H,
40).
Nous constatons en analysant le discours des répondants interrogés que les principaux freins
d’achat en drive tournaient autour de la difficulté de juger les produits, l’étroitesse de
l’assortiment (la variété) ainsi que le montant de la commande qui doit être supérieur à 40
euros.
Dans le magasin physique, les consommateurs peuvent voir, sentir et toucher les produits.
De ce fait, le magasin physique est considéré comme une source d’information sur les
produits. Dans leur discours, certains répondants font ressortir, sur le drive, le manque de
contact avec le produit comme un frein à l’achat, parce que la photo ne fournit pas toutes les
informations nécessaires. Taille, couleur, modèle et composition seront des éléments
indispensables afin de contourner cet inconvénient en ajoutant 3 ou 4 photos avec différents
points de vue :
« Dans le magasin, je peux voir les ingrédients, je peux toucher le produit, je fais attention
aux dates, et le produit est en face, mais en drive on peut pas » (Répondant 13, F, 28).
« Sur drive, ça reste une photo une image, le problème il a y pas du 3D. Les photos des
produits sont du 2D, donc je trouve que ça peut être un inconvénient ou un frein »
(Répondant, 1, F, 33).
« En effet, le drive, quant à lui, souffre de la comparaison avec les magasins lorsqu’il s’agit
de l’assortiment. C’est clair, il y a moins de choix que le magasin » (Répondant 14, H, 33).
La dimension économique qui évoque notamment la maîtrise des achats. Cela peut
expliquer par le fait que le Drive permet aux consommateurs d’aller à l’essentiel et de
contrôler leurs achats.
La commodité physique : le Drive permet de soulager des efforts physiques. Cela peut
être expliqué par le fait que les courses sont chargées directement dans la voiture, ainsi que
le Drive contribue à diminuer des tensions psychologiques ressenties par les consommateurs
lorsqu’ils effectuent leurs courses en Drive.
Les éléments issus de la revue de littérature combinés à ceux de notre étude qualitative vont
nous servir à proposer une modélisation de la qualité de service du Drive et de la satisfaction
et de la fidélité des consommateurs du Drive.
Nous nous intéresserons dans le chapitre suivant à présenter les hypothèses et le modèle de
recherche ainsi que l’opérationnalisation des différents construits du modèle proposé.
PARTIE II :
DU MODEL CONCEPTUEL A L’ETUDE EMPIRIQUE
ET RESULTATS DE LA RECHERCHE
Introduction générale
Chapitre IV
Modèle conceptuel, hypothèses de la recherche et mesure des
variables
Chapitre V Chapitre VI
Partie 2 :
Chapitre VII
Test des hypothèses et discussion des résultats
Conclusion générale
PARTIE II :
Chapitre 1V :
Chapitre V :
Chapitre VI:
Chapitre VII:
LA RECHERCHE
Introduction au chapitre IV
En nous basant conjointement sur la revue de la littérature et sur l’étude qualitative
exploratoire, nous exposons dans ce chapitre les hypothèses de recherche, le modèle
conceptuel et la mesure des différentes variables du modèle. Le modèle proposé permet une
meilleure compréhension de l’évaluation du consommateur qui utilise le Carrefour Drive
lorsqu’il fait ses courses dans un contexte de distribution cross canal.
La figure 9 ci-dessous présente la démarche utilisée pour élaborer le modèle conceptuel de ce
travail de recherche.
Ce chapitre se compose de deux sections :
- La première permet d’exposer les hypothèses de recherche et le modèle conceptuel sur la
base de la revue de la littérature et de notre étude qualitative.
- La seconde présente l’opérationnalisation des différents construits du modèle de recherche
proposé.
Modèle conceptuel
et
Hypothèse de la recherche
Certaines recherches ont été réalisées sur l’impact de quelques composantes du marketing
relationnel sur la fidélité du consommateur (Bergeron et al, 2003 ; Boyer et Nefzi, 2009 ;
Moulins et Roux, 2008). Par exemple, Bergeron et al. (2008) dans leur étude ont identifié la
confiance et la satisfaction comme ayant un impact significatif sur la fidélité. Boyer et Nefzi
(2009) ont étudié la relation entre la perception de la qualité et la fidélité. Aussi, Moulins et
Roux (2008) ont mis en place un modèle qui lie des variables du marketing relationnel à des
dimensions de la fidélité. Ils concluent qu’il y a une relation significative entre le marketing
relationnel, mesuré à travers ses principales dimensions qui sont la qualité de service, la
valeur perçue, la confiance, la satisfaction, et la fidélité des consommateurs.
Anderson et al., 1993 ; Oliver, 1993 ; Rust et Oliver, 1994) considèrent la qualité de service
comme un antécédent à la satisfaction du consommateur.
Certains chercheurs (Seck, 2009 ; Parasuraman et al., 1994 ; Rolland, 2003 ; Zeithaml et al.,
2006) montrent que l’évaluation de la qualité perçue par le consommateur est considérée
comme un antécédent à la satisfaction du consommateur. Dans notre étude qualitative
exploratoire, nous avons remarqué que les consommateurs qui utilisent le Drive dans leurs
courses fondent leurs évaluations globales sur la qualité de service perçue dans l’ensemble des
canaux utilisé (site Web et point du retrait), non pas sur la qualité de service perçue dans
chaque canal de distribution.
Notre recherche s’inscrit dans une perspective relationnelle et s’intéresse à l’évaluation du
consommateur. Dans un contexte de distribution cross canal, nous considérons que la qualité
de service dans chaque canal utilisé (virtuel et physique) par le consommateur a une influence
sur la satisfaction du consommateur. De leurs côté, Diallo et Seck (2012) démontrent qu’une
bonne qualité de service est une source de satisfaction du consommateur. Dans ce cadre, les
recherches de Cronin et Taylor (1992) ont souligné que la qualité perçue représente un
meilleur déterminant de la satisfaction du consommateur. De nombreuses recherches
(Moulins et al., 2010 ; J. Vanhamme, 2002) montrent que la qualité perçue et la satisfaction
ont été considérées comme deux concepts voisins qui partagent une relation considérablement
étroite. Cette relation entre la qualité du service perçue et la satisfaction du consommateur a
reçu beaucoup d’attention (M. Wetzels et al, 1998).
En effet, plusieurs travaux de recherche en marketing comme par exemple ceux d’Anderson
et al. (1994) et Parasuraman et al (1994) ont affirmé que « la satisfaction est le résultat direct
de la qualité perçue » (Boyer et Nefzi, 2008, p.42). Dans le même cadre de recherche, Otto et
Ritchie (1995) et Cronin et Taylor (1992) ont souligné que la qualité perçue est l’antécédent
logique de la satisfaction.
En effet, la relation entre la qualité de service cross canal et la satisfaction ayant été très peu
étudié, nous postulons que : dans un contexte de distribution cross canal (Drive), la qualité de
service dans chaque canal de distribution utilisé a un effet positif sur la satisfaction du
consommateur. Selon notre étude qualitative, deux principaux canaux de distribution sont
utilisés : le site web de Drive et le point de retrait de Drive.
Suivant l’étude empirique de Kashyap et Bojanic (2000) sur la relation entre la qualité perçue
et la valeur perçue, la qualité perçue et le prix du produit influencent la valeur perçue. Grewal
et al. (1998) ont également constaté l’effet significatif de qualité perçue sur la valeur perçue.
Diallo et Seck (2012) soulignent qu’une bonne qualité de service donne le signal d’une
meilleure valeur perçue des produits vendus dans le point de vente.
D’ailleurs, de nombreuses recherches ont reconnu les relations entre la qualité de service et la
valeur perçue du produit, la majorité des études empirique ont montré que la qualité de
service a un effet positif sur la valeur perçue (Bauer et al., 2006 ; Brady et al.,2001 ; Cronin et
al.,2000). Paché et Babei (2015) montrent que la création de valeur pour le consommateur se
base sur la satisfaction des attentes exprimées par ce dernier. Parmi ces attentes, nous pouvons
citer principalement la qualité de produit livrés, la livraison des quantités demandées, au
moment et à l’endroit indiqué, et plus largement la qualité de service (Eiglier et Langeard,
1987). De leur côté, Vanheems et Collin-Lachaud (2011) déclarent que la stratégie de
distribution cross canal permet aux consommateurs d’avoir une expérience cross canal riche
et d’accroitre la valeur globale perçue.
Dans un contexte de distribution cross canal, la qualité de service dans chaque canal utilisé
par le consommateur influence positivement la valeur globale perçue. Comme nous l’avons
souligné, notre étude qualitative montre que le consommateur qui fait ses courses en utilisant
le Drive utilise deux canaux de distribution : le site web du Drive et le point de retrait du
Drive. En nous intéressant principalement à cette typologie des consommateurs cross canal,
nous émettons comme hypothèses que :
Au-delà de cet éclairage sur les distinctions entre valeur et satisfaction, un examen attentif de
la littérature permet d’identifier la satisfaction comme une conséquence de la valeur perçue.
En effet, une majorité de travaux postulent et valident empiriquement une relation linéaire et
positive entre valeur et satisfaction.
Cependant, certains auteurs ont montré que que l’impact de la valeur perçue sur la satisfaction
est non significatif (Fandos Roig et al., 2013 ; Gallarza et al., 2016) .
A la lumière de cette discussion, nous proposons l’hypothèse suivante :
Libellé d’hypothèses
H7 La valeur perçue globale a une influence positive directe sur la satisfaction du
consommateur
Libellé d’hypothèses
H10 La satisfaction du consommateur a une influence positive directe sur la fidélité à un
Drive
Après avoir présenté les hypothèses de recherche relatives aux construits centraux (les effets
directs et indirects), nous passons à présent à l’exposé des hypothèses de recherche liées aux
variables individuelles.
Libellé d’hypothèses
H11 La confiance à l’enseigne a une influence positive directe sur la fidélité à un Drive
Dans le cadre de notre recherche, deux caractéristiques individuelles (l’âge et le sexe), la taille
de famille et la catégorie socioprofessionnelle ont été retenues comme variables modératrices
dans notre modèle de recherche, parce qu’elles sont plus pratiques à utiliser ainsi qu’assez
simples à mesurer.
Diallo (2011) montre que l’âge influence le comportement d’achat envers les MDD : les plus
âgés (≥35 ans) ont un comportement d’achat moyen envers la MDD plus élevé que les moins
âgés (<35 ans).
A notre connaissance, peu de travaux se sont intéressés à l’influence de l’âge sur la fidélité du
consommateur au point de vente. On peut donc s’attendre à que la décision du choix du Drive
pour faire les courses varient en fonction de l’âge des répondants. Ainsi, nous formulons
l’hypothèse suivante :
Libellé d’hypothèse
H12 L’âge modère les liens entre les variables du modèle conceptuel
Dans le cadre de cette recherche, nous retenons donc le sexe comme variable
sociodémographique modératrice des liens entre les variables du modèle conceptuel. Nous
formulons ainsi comme hypothèse :
Libellé d’hypothèse
H13 Le genre modère les liens entre les variables du modèle conceptuel
Libellé d’hypothèse
H14 Il existe des différences dans la fidélité au Drive en fonction de la taille de la famille
du répondant
La figure 10 ci-dessous donne une présentation graphique du modèle conceptuel global avec
les hypothèses de recherche. Le tableau 14 plus bas récapitule celles-ci.
Variables sociodémographiques
Satisfaction
du Drive
Valeur globale
Fidélité à un Drive
perçue d’un Drive
Qualité du point de
retrait du Drive
Confiance à
l’enseigne
H5a La valeur globale perçue a un effet médiateur dans la relation entre la qualité
de service perçue du site Internet du Drive et la fidélité de consommateur à un
Drive
H6a La valeur globale perçue a un effet médiateur dans la relation entre la qualité
de service perçue du point de retrait du Drive et la fidélité de consommateur à
un Drive
H13 Le genre modère les liens entre les variables du modèle conceptuel.
H14 La taille de famille modère les liens entre les variables du modèle conceptuel.
Conclusion de la section
Dans notre travail de recherche, nous nous appuyons sur la revue de la littérature et sur notre
étude qualitative exploratoire pour proposer un modèle conceptuel intégrateur qui permet de
comprendre les déterminants de la fidélité du consommateur de Drive dans un contexte de
distribution cross-canal. Autrement dit, évaluer la fidélité du consommateur cross canal à son
enseigne dans le contexte particulier du Drive alimentaire.
À cet effet, cinq principaux construits sont retenus :la qualité de site Web de Drive, la qualité
de point du retrait du Drive, la valeur globale perçue, la satisfaction et la fidélité.
Certaines caractéristiques individuelles, qui peuvent, jouer le rôle de modérateur, sont
également prises en considération : le nombre d’enfant et le lieu de résidence ainsi que l’âge
et le genre du répondant. Après avoir identifié ces variables principales et modératrices,
différentes hypothèses, structurant le modèle conceptuel de cette recherche, ont été formulées
dans cette section en vue d’être validées ou non.
Ce paradigme est une démarche méthodologique qui comporte les différentes étapes
permettant de construire les échelles de mesure (Evrard et al, 2009). Le tableau 15 présente
l’application de paradigme de Churchill (1979) dans notre recherche.
Il convient de souligner que d’une part, nous pouvons faire la collecte de données en une
seule fois pour diviser après l’échantillon obtenu en deux18.
Nous allons expliquer, dans les points suivants, les étapes respectées pour adopter et valider
les instruments de mesure dans notre recherche.
18
Nous avons obtenu un échantillon final de 500 répondants scindé en deux sous-échantillons (N1=150 et
N2=350) pour effectuer l’analyse factorielle exploratoire, l’analyse factorielle confirmatoire et le test des
hypothèses de la recherche.
Les différents construits de notre recherche ont été mesurés par des instruments constitués
d’un ensemble d’items qui traduisent le phénomène concerné. En effet, s’appuyant sur des
échelles existantes dans la littérature, liée à notre recherche, pour mesurer les cinq variables
de notre modèle (la qualité de site Web de Drive, la qualité du point de retrait de Drive, la
valeur globale perçue, la satisfaction et la fidélité). Ici, il convient de souligner que pour une
meilleure adaptation des échelles de mesure au contexte de recherche, nous en avons
complété deux (l’échelle de la qualité de site Web et l’échelle de la qualité du point de retrait)
par des items ayant fait l’objet de beaucoup de citations par les répondants lors de nos
entretiens semi-directifs.
Comme nous l’avons mentionné auparavant, nous avons cinq construits non observables
directement : la qualité de site Web, la qualité du point de retrait, la valeur globale perçue, la
satisfaction et la fidélité. Afin de mesurer ces différents construits, nous nous somme basés
sur la littérature et sur notre étude qualitative exploratoire. Notre modèle étant formé de cinq
variables centrales, nous présenterons les échelles finales retenues pour chacune de ces
variables après avoir justifié le choix de l’instrument de mesure au regard des travaux
antérieurs.
Dans le but d’avoir une cohérence et une cohésion totale dans les formes des questions et
réponses proposées, plusieurs choix ont été fait dans le cadre de l’opérationnalisation des
construits :
Choix de présentation des items : afin d’éviter toute confusion, nous avons mélangé
l’ordre de présentation des items au sein d’une même échelle, mais aussi entre les
échelles utilisées.
Choix du type d’échelle à employer : en effet, nous avons choisi des échelles
ordinales de type Likert. Ce choix a été justifié par deux raisons : pour sa facilité de
compréhension par le répondant (Valette-Florence, 1988 ; Evrard et al., 2009), et pour
sa forte utilisation dans la plupart des recherches qui se rapportent à des construits
d’attitude ou d’opinion (Evrard et al., 2003). D’ailleurs, nous avons choisi le
différentiel sémantique qui nous a semblé le plus pertinent pour certains items de
l’échelle de mesure de l’environnement physique perçu développée par nos soins. Ce
type d’échelle est également très utilisé en marketing (Giannelloni et Vernette, 2012).
Choix des modalités d’enregistrement des réponses à proposer au répondant : nous
avons choisi de rester fidèle aux échelles initiales retenues qui, dans leur majorité,
proposent la modalité allant de pas du tout d’accord à tout à fait d’accord.
Choix du nombre de barreaux ou d’échelons des échelles : le fait d’avoir recours à
un nombre de point impair implique l’existence d’un point neutre. Selon Jean Perrien
et al. (1986), c’est un sujet controversé auquel il n’y a pas de solution miracle. Dans
cette recherche, nous avons choisi la modalité paire à 6 barreaux, allant de « pas du
tout d’accord » à « tout à fait d’accord ». Cela se justifie par le fait que :
L’absence d’échelon neutre dans l’échelle favorise artificiellement des résultats
positifs (Oliver, 1999).
La nécessité de la présence d’un point neutre dans l’échelle n’est pas prouvée
(Churchill et Peter, 1984).
L’utilisation d’une échelle paire ou impaire n’influence pas les résultats retenus
(Lehmann ,1989 ; Jean Perrien et al., 1986).
Après avoir présenté les ajustements méthodologiques effectués dans le cadre de notre
recherche, nous exposonsles échelles des construits centraux, à savoir : la qualité de site Web
facteurs présidant l’adoption par les consommateurs d’achat sur Internet. De notre étude
qualitative exploratoire, il ressort que les consommateurs qui utilisent le Drive apprécient : «
que le site soit facile à utiliser », « de pouvoir naviguer facilement sur le site », « de trouver
facilement ce qu’on cherche », « d’avoir des onglets qui aident à s’orienter sur le site ».
Pour mesurer la facilité d’utilisation, nous avons retenu les items suivants (tableau 16) de
l’échelle Netqu@l (Bressolles, 2006) et du verbatim de notre étude qualitative exploratoire.
2.2.1.2 L’information
La qualité de l’information est définit comme « le degré avec lequel le site Web permet de
s’informer sur les caractéristiques et le prix des produis/service, de manière précise et
exhaustive, en offrant la possibilité d’effectuer des comparaisons » (Rolland, 2003).
D’ailleurs, la qualité de l’information renvoie au contenu et à la disponibilité des informations
sur le site (Bressolles, 2006), et à la richesse et à la pertinence de l’information disponible
sur le site (Hamadi, 2008).
Ainsi, de l’échelle Netqu@l (Bressolles, 2006) et du discours des interviewés, nous avons
retenu les items suivants (tableau 17).
2.2.1.3 La Personnalisation
Weigran et Koth(1999) définissent la personnalisation d’un service comme la capacité de
répondre, de manière efficace, aux besoins individuels de chaque client. De leur côté, Rolland
(2003) définit la personnalisation d’un site Web comme la facilité avec laquelle le site permet
de reconnaître chaque client avec ses préférences, son historique et ses chemins de navigation.
Pour Srinivasan et Anderson et Ponnavolu (2002), le consommateur est plus efficace dans son
magasinage en ligne, grâce à la personnalisation de l’offre de produits ou service, parce que le
site Web leur propose des options en fonction de ses préférences et de ses achats antérieurs.
Par ailleurs, dans les verbatim des entretiens individuels, il semble que « le gain le temps » et
« la dimension économique » soient les aspects les plus cités qui sont liés à la
personnalisation.
Dans cette optique, nous nous sommes inspirés des travaux de Rolland (2003), Bressolles
(2006)ainsi que deux items qui ont été générés par l’analyse de contenu du discours des
interviewés pour développer les cinq items destinés à mesurer la personnalisation du site Web
de Drive.
Le tableau 18 ci-dessous présente les items finaux retenus.
2.2.1.4 Le Design
Selon Galan et Sabadie (2001), le design du site se réfère à l’apparence visuelle et/ ou sonore
du site. Certains auteurs montrent que le design du site inclut des aspects esthétiques du site
tels que les couleurs, le style graphique, le nombre d’animation et la mise en page (Zeithaml
et al., 2002, Parasuraman et al., 2005). Ces aspects esthétiquescontribuent à la création de
l’environnement virtuel du site (Bressolles, 2006) et jouent un rôle essentiel au niveau
d’utilisation du site et son évaluation par les consommateurs (Montoya-Weiss et al., 2003).
A partir de l’échelle Netqu@l (Bressolles, 2006), nous avons retenu les items suivant (tableau
19) pour mesurer la dimension « design du site ».
Pour Chouk(2005), ce concept est un enjeu fondamental qui touche la confiance dans les
transactions, élément essentiel du commerce électronique particulièrement, en ce qui concerne
les transactions et les paiements en ligne.
En nous basant sur l’échelle de Bressolles (2006) et sur l’échelle de Parasuraman et al.
(2005), les items suivants ont été retenus concernant la dimension sécurité/Confidentialité
(tableau 20).
2.2.1.7 La fiabilité
Selon Parasuraman et al. (1988,1985) la fiabilité correspondant à la capacité de l’entreprise à
réaliser le service promis de manière exacte, précise et digne de confiance. Dans le contexte
de e-commerce, Bressolles (2006) et Rolland (2003) définissent la fiabilité comme la capacité
du vendeur en ligne à tenir ses promesses, à remplir les termes de l’échange qui correspond
au degré de respect du service promis en termes de qualité, quantité, prix et délais de
livraison. Autrement dit, le site Web marchand doit respecter les éléments sur lesquels il s’est
engagé, corriger rapidement les erreurs et s’assurer de l’exactitude des opérations.
Dans les verbatim des entretiens individuels, il semble que « le respect des engagements » et «
la bonne obtention de produits voulus » soient les aspects les plus cités qui sont liés à la
fiabilité.
A partir l’échelle de Bressolles (2006) et de l’étude qualitative, nous avons retenu les items
suivants (tableau 22) pour mesurer la dimension de fiabilité.
2.2.2.2 L’accessibilité
Selon Rolland (2003), la dimension d’accessibilité est définie comme la facilité et la
permanence avec laquelle les consommateurs peuvent accéder au magasin, aux produits
qu’l’on souhaite acheter et au service qu’ils recherchent.
De l’échelle de Dabholkar et al. (1996), les aspects liés à l’accessibilité influant sur la qualité
de service perçue au magasin ou point de retrait ont trait à :
Accès facile, parking gratuit et réservé aux consommateurs.
Parking surveillé (Securité).
Horaire d’ouverture.
Fléchage.
infrastructure adaptée.
En nous inspirant des verbatim de l’étude qualitative et sur l’échelle de Dabholkar et al.
(1996), nous proposons les items suivants (tableau 24).
Ce rôle se reflète, d’une part, en termes de l’apparence de personnel en contact. D’autre part,
le comportement du personnel peut avoir une influence directe sur la qualité perçue par le
consommateur et sa satisfaction.
Par ailleurs, l’amabilité du personnel en contacte est considérée comme l’un des facteurs qui
joue un rôle important dans l’interaction entre le personnel el le consommateur (Abbas, 2014).
L’analyse de contenu des entretiens a permis de générer certains items relatifs aux éléments
clés de la dimension relationnelle, comme « l’accueil », « « la serviabilité », « la disponibilité
du conseiller », « la compétence du personnel » ; items que nous retrouvons dans l’échelle
SERVQUAL.
Pour mesurer la dimension relationnelle, nous avons retenu les items suivants (tableau 25)
issus de l’échelle SERVQUAL et du verbatim de notre étude qualitative exploratoire.
Dans les recherches antérieures, d’une part, la valeur globale perçue a été mesurée comme un
construit unidimensionnel (Jin et Suh, 2005 ; Diallo, 2011). D’autre part, certain chercheurs
opérationnalisent la valeur globale perçue comme un construit multidimensionnel (Sweeney
et Soutar ,2001 ; Aurier, et al., 2004).
Dans notre recherche, les items de l’échelle de mesure utilisée sont empruntés à Aurier et al.
(2004) et à Ruiz et al. (2008), et adapté à la suite de notre étude qualitative. En nous basant
sur ces deux échelles, les items suivant ont été retenus concernant la valeur globale perçue
(tableau 26).
antérieures formées par les consommateurs avant la visite du point de vente et sa performance
réelle perçue (Najjar et al., 2016).
Dans le cadre de cette recherche, nous avons retenu quatre items développés par Oliver
(1981) et Llosa (1996) (tableau 27).
Dans le cadre de notre recherche, nous visons à estimer la fidélité des consommateurs à un
drive. Ainsi, nous souhaitons mesurer la fidélité du consommateur en prenant en compte
plusieurs facteurs comme l’intention de recommander et l’intention d’y revenir
prochainement pour faire les courses dans le futur (Grewal et al, 1998).
Diallo (2011) montre qu’il y a différentes méthodes dans la littérature en marketing pour
mesurer la fidélité des consommateurs. De manière générale, nous pouvons distinguer les
mesures du courant statistique de celles en comportement du consommateur.
Dans cette recherche, nous avons recours au courant comportemental qui tente de mesurer la
fidélité en termes de la force de l’intention et de la recommandation en utilisant des échelles à
indicateurs multiples qui sont conseillées dans le cadre des modèles d’équations structurelles
(Diallo, 2011). La littérature a proposé des échelles de mesure très complètes des intentions
comportementales (Zeithaml et al.,1996 ; Baker et al., 2002 ;Filser et al., 2003 ; Mathwick et
al., 2001).
Dans notre recherche, les items de l’échelle de mesure utilisée sont empruntés à l’échelle de
Zeithaml et al (1996) qui a été adoptée par plusieurs recherches dans le contexte français.
D’ailleurs, cette échelle nous permet de mesurer la fidélité du consommateur à travers l’intention
de faire les courses dans ce Drive, l’intention de recommander ce Drive et de produire un bouche
à oreille positif de ce Drive. Ces items sont détaillés dans le tableau 29 suivant.
Conclusion de la section
L’objectif de cette section est de mettre en lumières les choix effectués en ce qui concerne
l’opérationnalisation des construits. A ce titre, nous nous sommes appuyés sur la littérature
existante et sur notre étude qualitative exploratoire pour mesurer les six variables latentes
retenues dans cette étude. Il s’agit de proposer et de justifier le choix des échelles de mesure
pour les six variables centrales, à savoir la qualité de site Web, la qualité du point de retrait, la
valeur globale perçue, la satisfaction, la confiance à l’enseigne et la fidélité à un Drive.
Conclusion du chapitre IV
Dans ce chapitre, nous nous somme basés sur la revue de la littérature et de l’étude qualitative
pour présenter le modèle conceptuel et les hypothèses de la recherche.
Ce chapitre a été organisé en deux sections, la première a été consacrée pour étudier et
justifier deux catégories d’hypothèses de recherche : (1) les hypothèses relatives aux variables
centrales du modèle (la qualité de site Web, la qualité du point de retrait, la valeur perçue, la
satisfaction et la fidélité) ; (2) ensuite celles relative aux rôles modérateurs des variables
individuelle (âge, genre et la taille de famille).
La deuxième section a eu pour objectif de présenter l’opérationnalisation des construits du
modèle de recherche.
Ainsi, après avoir exposé les échelles les plus mobilisées dans la littérature, nous avons
justifié notre décision concernant les échelles retenues en nous basant sur la littérature et sur
notre étude qualitative exploratoire pour mesurer les variables latentes de notre modèle
conceptuel.
Le chapitre V suivant présente la méthodologie pour valider nos échelles de mesure et tester
nos hypothèses de recherche.
PARTIE II :
Chapitre 1V :
Chapitre V :
Chapitre VI:
Chapitre VII:
Introduction au chapitre V
L’objectif de ce cinquième chapitre est d’ordre méthodologique. Nous l’avons consacré à la
présentation de la méthodologie retenue afin de tester les propositions et les hypothèses de la
recherche. Il se compose de trois sections.
La troisième section présente les outils statistiques exploités afin de juger de notre modèle
théorique et de tester les hypothèses de recherche.
Dans le cadre de cette recherche, nous avons fait le choix de nous intéresser aux
consommateurs qui utilisent le Drive dans leurs courses au Carrefour Drive à Aix en
Provence.
Pour toutes ces raisons, nous avons décidé de nous intéresser au Carrefour Drive comme une
nouvelle forme de distribution.
Notre questionnaire a fait l’objet d’une validation par un panel de 4 experts et d’un pré-test
avec 30 consommateurs, avant d’être lancé auprès de l’échantillon final.
Objectifs du questionnaire : dans cette partie empirique après avoir collecté les données,
notre objectif final est de tester la validité des échelles de mesure de nos différents
construits, de notre modèle de recherche et de tester ensuite nos hypothèses. Le
questionnaire vise à recueillir des informations primaires sur :
- Les déterminants de la fidélité à l’enseigne
- La fidélité
- Les variables individuelles perceptuelles, fonctionnelles et sociodémographiques.
Formulation du questionnaire : il est nécessaire, Lors de l’élaboration d’un
questionnaire, de poser des questions simples et précises afin de motiver les répondants et
de limiter les compréhensions incorrectes. Autrement dit, il faut éviter tout vocabulaire
technique ou ambigu (Giannelloni et Vernette, 2015). Dans cette recherche, nous avons
respecté les recommandations de Jolibert et Jourdan (2006) .
La deuxième partie constitue le cœur du questionnaire. Cette partie comporte une série de
questions relatives à la mesure des variables du modèle de recherche (55 items sur la qualité
de site Web, la qualité du point de retrait, la valeur globale perçue, la satisfaction et la
fidélité). Ces questions sont regroupées en quatre parties. Pour chacune d’elles, il a été inséré
une phrase d’introduction fournissant les explications nécessaires. Tous les construits sont
mesurés avec des échelles de Likert à 6 échelons allant de « pas du tout d’accord » à « tout à
fait d’accord ».
La troisième partie du questionnaire regroupe des questions liées aux variables socio-
démographiques (âge, genre, catégorie professionnelle, lieu de résidence……) mesurées à
l’aide d’échelles dichotomiques ou à choix multiples. Le questionnaire comporte également
une introduction présentant brièvement le cadre de l’enquête et une conclusion consistant à
remercier le participant de son aide précieuse pour notre recherche.
Une fois le questionnaire pré-testé et validé, nous pouvons passer à la phase de son
administration.
Le recueil par un enquêteur qui se fait soit par téléphone, soit en face-à-face.
Le recueil auto-administré, où la communication se réalise par voie postale ou par
Internet.
L’enquête téléphonique ou par voie postale ne convient pas à notre étude. Elles sont très
coûteuses, ne peuvent être utilisées que dans le cas d’une petite taille d’échantillon et avec des
individus difficilement joignables. L’enquête téléphonique ou par voie postale ne convient pas
à notre étude. Elles sont très coûteuses, ne peuvent être utilisées que dans le cas d’une petite
taille d’échantillon et avec des individus difficilement joignables. Dans le cadre de notre
recherche, nous avons choisi l’administration du questionnaire en face-à-face par enquêteur
avec le guide d’un questionnaire pour plusieurs raisons.
Premièrement, la présence de l’enquêteur permet de motiver le répondant en lui présentant
directement l’intérêt qu’il a par exemple de faire avancer la recherche. Deuxièmement,
l’administration en face-à-face permet d’élucider les réponses confuses en apportant toutes les
précisions nécessaires au répondant.
population, le budget et les délais dont on dispose. Dans notre recherche, nous avons choisi la
méthode d’échantillonnage sur place (le point du retrait) qui est une technique
d’échantillonnage empirique.
Quatre critères ont été pris en compte : le lieu de l’enquête, la sélection des personnes
interrogées, la période d’enquête et la taille d’échantillon.
Concernant le lieu de l’enquête, nous avons interrogé les répondants dans le point de retrait
de Carrefour Drive après récupération de leurs courses. Ce choix nous a permis de mesurer les
évaluations et les attitudes du consommateur du Drive après avoir vécu l’expérience de
service. Ensuite, nous avons sélectionné les répondants de manière aléatoire. Cette
procédure nous a permis d’éviter le caractère systématique en choisissant les répondants, et
d’introduire l’aléa dans la sélection des personnes interrogées.
L’enquête a été lancée en mai 2016, la collecte des données s’est déroulée pendant cinq
mois, malgré cette longue durée, nous n’avons obtenu que 517 réponses, dont 500
exploitables.
Conclusion de la section
Nous avons décrit les conditions de la mise en œuvre du terrain de recherche : l’enquête s’est
déroulée dans la ville d’Aix-en- Provence et plus précisément dans le parking du point de
retrait de Carrefour Drive.
C’est une étape cruciale pour tester les hypothèses formulées. Pour ce faire, cette section est
dédiée à la présentation des différentes analyses statistiques effectuées pour valider nos
instruments de mesure. Tout d’abord, nous mettons en évidence le choix des méthodes
d’équations structurelles mobilisées dans cette recherche. Nous exposons les deux approches
(LISREL et PLS) qui expriment les modèles d’équations structurelles en justifiant notre choix
de l’approche PLS afin de tester les hypothèses de notre recherche.
Pour Tenenhaus et al. (2005), le modèle « MSE » se décompose en deux sous modèles :
Le modèle externe (modèle de mesure) qui expose les relations entre les variables
manifestes et les variables latentes.
Le modèle interne (modèle structurel) qui concerne les relations potentielles entre les
variables latentes.
La figure 11 ci-dessous représente un modèle d’équations structurelles (MES).
Figure 11: Exemple d’un graphique associé à un modèle d’équations structurelles (MES)20
20
Source : JAKOBOWICZ E. (2007), Contributions aux modèles d'équations structurelles à variables latentes.
Thèse de doctorat en informatique, Conservatoire national des arts et métiers, Paris, p. 18.
L’estimation des paramètres des modèles d’équations structurelles se fait selon deux
approches différentes complémentaires: l’approche LISREL (LInear Structural
RELationships) et l’approche PLS (Partial Least Squares) que nous présentons dans le point
suivant.
En effet, pour examiner les modèles d’équations structurelles, nous pouvons distinguer deux
approches différentes mais complémentaires appliquées aux études marketing :
- L’approche LISREL (LInear Structural RELationships): cette approche,
développée par Jöreskog (1970), s’est initialement basée sur le maximum de
vraisemblance qui correspond à l’analyse des structures de covariances, et peut être
réalisée via les logiciels (LISREL, EQS, AMOS, Mplus, etc.) (Diallo, 2011).
Globalement, les logiciels sont assez proches. Ayant fait l’objet de nombreuses
publications et validations en marketing (Roussel et al., 2002), cette méthode reste
exigeante en termes d’indépendance des observations, de la normalité multivariée des
données ; deux conditions qui doivent être vérifiées préalablement à son application
(Jakobowicz, 2007). Cependant, la méthode LISREL est largement utilisée dans les
recherches en gestion.
- L’approche PLS (Partial Least Squares) : cette méthode, développée par Wold
(1975, 1985), s’est initialement fondée sur la minimisation de la variance des résidus
(l’analyse de la variance). Les chercheurs ont commencé à utiliser l’approche PLS
suite à l’apparition de nouveaux logiciels d’analyse de données comme SmartPLS et
XLSTAT. Cette méthode est issue de l’ancienne théorie de l’estimation des moindres
carrées. Elle se base sur des régressions simples et multiples (Jakobowicz, 2007).
L’utilisation de PLS dans les modèles d’équations structurelles est nommée PLSPM
(Partial Least Squares Path Modeling).
Les deux approches LISREL et PLS sont utilisées dans différents domaines de recherche
comme le marketing, la sociologie et la psychologie et sont jugées comme complémentaires
plutôt que concurrentes. Bien que l’approche LISREL soit la plus répandue (Valette-Florence,
1988 ; Lacroux, 2009), l’approche PLS, moins connue, possède ses propres avantages par
rapport à la première (Fernandes, 2012).
En se basant sur les travaux de Jöreskog et Wold (1982), Chin (2000), Esposito Vinzi (2003)
et Jakobowicz (2010), nous présentons une comparaison des deux approches PLS et LISREL
dans le tableau 30 suivant.
Les chercheurs peuvent estimer les paramètres de MES en choisissant l’une de deux
alternatives :
- La méthode LISREL par analyse de la structure de covariance qui utilise un système
d’équations structurelles fondé sur l’estimation de la matrice de covariance
(Jakobowicz, 2007). Nous choisissons l’approche LISREL pour deux raisons
principales : cette approche offre plus de puissance (hypothèses sur les distributions)
et elle est meilleure en termes d’explication que l’approche PLS plutôt tournée vers la
prédiction. Dans le cadre de notre recherche, nous utilisons le logiciel AMOS 23 qui
Comme nous l’avons souligné, le modèle « MSE » se décompose en deux sous modèles : le
modèle externe (modèle de mesure) et le modèle interne (modèle structurel). Les variables
manifestes21 peuvent être associées aux variables latentes selon trois types de schémas
(Tenenhaus et al., 2005) :
le schéma réflexif.
Le schéma formatif.
Le schéma MIMIC.
21
Nous utiliserons les termes de variable manifeste, indicateur, item sans distinction.
Figure 12: Types de relations dans les modèles de mesure (modèles externes)22
ξ1 ξ1 ξ1
Dans le cadre de notre recherche, les variables latentes seront présentées par le modèle
réflexif qui est le plus communément utilisé (Jarvis et al., 2003 ; Crié, 2005 ; Tensaout, 2006).
Notre choix du modèle se justifie par :
Par conséquent, dans notre recherche, nous utilisons le logiciel SPSS.23 pour procéder à une
analyse factorielle exploratoire. Ensuite, une approche LISREL est mise en place à travers le
logiciel AMOS 23 afin de réaliser l’analyse factorielle confirmatoire. Enfin, dans la dernière
phase qui consiste à évaluer le modèle global structurel et tester les hypothèses liées aux
relations causales, nous utilisons l’outil statistique XLSTAT.2017. Nous détaillons dans ce
qui suit la démarche de chacune de ces analyses.
22
Source : JAKOBOWICZ E. (2007), Contributions aux modèles d'équations structurelles à variables latentes.
Thèse de doctorat en informatique, Conservatoire national des arts et métiers, Paris, p. 20.
Nous avons reçu 517 questionnaires remplis dont certains présentent des valeurs manquantes.
À ce stade, nous avons constaté l’existence de deux cas différents :
manquantes, suppression de l’observation (la méthode list wise deletion), , estimation des
valeurs manquantes par la méthode Expectation Maximisation, disponible dans AMOS
(Expectation mesure ou EM), ou remplacement des valeurs manquantes par la moyenne des
valeurs des individus qui lui ressemblent le plus ( la méthode Hot Deck), etc. (Chandon,
2012).
Les méthodes « expectation maximisation » et celle du « hot deck » sont les plus
recommandées. Dans le cadre de notre recherche, nous avons décidé d’appliquer la méthode
Hot Deck pour remplacer nos données manquantes comme nous verrons dans le chapitre
suivant.
En effet, on parle de donnée aberrante si elle se situe entre 1,5 et 3 fois l’intervalle
interquartile23, et d’une valeur extrême si elle est supérieure à trois fois l’intervalle
interquartile (Rivier, 2009).
23
L’intervalle interquartile correspond à l’écart entre le 25ème et le 77ème percentile.
Il appartient au chercheur de conserver ou non ces valeurs. Après vérification, s’il n’existe pas
d’incohérence majeure dans les réponses des individus, les valeurs aberrantes ou extrêmes
peuvent être conservées (Hair et al., 2006).
Concernant la présence de la multi colinéarité dans les données, les valeurs des VIF (Variance
Inflation Factor) sont tous inférieurs à la valeur maximale acceptée de 10 (Kline, 2010). A ce
stade, nous pouvons conclure que les données dont nous disposons ne souffrent pas de multi
colinéarité.
d’un petit nombre de questionnaires n’aurait pas d’incidence majeure sur l’échantillon analysé
(Diallo, 2011). Notre échantillon final est donc désormais basé sur le traitement de 500
questionnaires.
Afin d’aboutir des résultats plus fiables, il n’est pas recommandé de travailler sur le même
échantillon pour faire les analyses exploratoire et confirmatoire. Mais il recommandé
d’utiliser deux jeux de données (deux échantillons) (Henson et Roberts, 2006). Les chercheurs
peuvent former deux jeux de données soit en réalisant une seule collecte de données ensuite
en divisant cette échantillon total en deux sous-échantillons, soit en effectuant deux phase de
collectes de données.
Dans notre recherche, nous avons réalisé une seule collecte de données, puis nous avons
scindé cette échantillon en deux afin d’effectuer correctement les analyses. Choi et al (2009)
indiquent que le partage de l’échantillon (deux échantillons) pour faire l’analyse exploratoire
et confirmatoire sur le même jeu de donnée permet d’éviter de perte d’information.
Ainsi, pour effectuer correctement notre analyse, il recommandé de respecter certains critères
afin de déterminer la taille de l’échantillon nécessaire pour chaque phase : exploratoire et
confirmatoire. Concernant la première phase exploratoire, Carricano (2010) souligne que la
taille de l’échantillon doit se composer au moins 50 répondants, mais il est préférable d’avoir
au moins 100 répondants afin de pouvoir réaliser une analyse factorielle. Certains chercheurs
indiquent qu’il est nécessaire de définir un échantillon pouvant aller de 5 à 10 fois plus
d’individus qu’il n’a y d’items introduits dans une même analyse factorielle (Igalens et
Roussel, 1998 ; Roussel et al., 2002 ; Kline, 2015). Dans notre recherche, l’échelle de mesure
de la qualité de site web comportait le plus grand nombre d’items : 26 items au total (avant
épuration).
Concernant la phase confirmatoire, Roussel et al. (2002) et Byrne (2013) suggèrent au moins
10 répondants par item. De leur côté, Malhotra et al. (2014) proposent entre deux cents et
quatre cents répondants pour appliquer les équations structurelles. Dans notre étude, nous
somme basé sur la règle qu’on ait entre deux cent et quatre cent répondants.
Dans la présente recherche, la taille de l’échantillon est choisie selon les règles empiriques
recommandées par Igalens et Roussel (1998) ; Roussel et al. (2002) ; Kline (2015) et
Malhotra et al. (2014)
Par conséquence, nous avons retiré aléatoirement (150) répondants pour la phase exploratoire
et le reste a été consacré à l’analyse confirmatoire et teste les hypothèses (350 répondants).
La factorisation des données nécessite d’examiner d’abord les corrélations entre les variables
qui doivent être significatives (non nulles) et comprises entre 0.3 et 0.7 de préférence.
Ensuite, il convient de s’intéresser aux deux tests formels suivants : le test de sphéricité de
Bartlett et le test de Kaiser-Meyer-Olkin (K.M.O). Une analyse factorielle exploratoire ne sera
effectuée que si les résultats de ces tests sont satisfaisants.
Dans le cadre de notre recherche, malgré le fait que les facteurs soient de nature réflective, la
méthode de l’analyse en composantes principales (ACP) a été retenue pour réaliser l’analyse
factorielle exploratoire à travers le logiciel SPSS 23
. L’ACP est une technique exploratoire ayant pour objectif de résumer le maximum
d’informations possibles en perdant le moins possible pour faciliter l’interprétation d’un grand
nombre de données initiales, d’un côté, et donner plus de sens aux données réduites, d’un
autre côté (Ghewy, 2010).
éliminer, parce que leur élimination conduit à une perte minimum d’information
(Seck, 2009).
Le critère de Kaiser (règle des valeurs propres > 1) : Carricano et al. (2010) montrent
que la valeur propre représente la qualité d’information capturée par une dimension.
Ce critère postule que seuls les facteurs ayant des valeurs propres supérieurs à 1
doivent être retenus si nous travaillons sur la matrice de corrélation.
La décision relative aux nombre d’axes à retenir sera prise sur la base de la
combinaison de ces différents critères. Une fois le nombre d’axes déterminé, nous
devons les interpréter.
Si la corrélation entre les axes est faible, c'est-à-dire inférieure à 0,3 (Nunnally et Bernstein,
1994), il faut choisir la rotation orthogonale. Dans le cas contraire, la rotation oblique sera
préférée. Dans le cadre de notre recherche, nous vérifions la corrélation entre les facteurs, si
elle est > 0,3, nous choisissons d’opter pour une solution oblique (Promax) dans le choix de la
rotation, sinon, nous appliquons une rotation orthogonale (Varimax).
Certains auteurs s’accordent sur une valeur minimale de l’alpha de 0,6, voire 0,7 lors d’une
recherche exploratoire ; tandis que dans le cadre d’une étude confirmatoire, le coefficient doit
dépasser 0,8 (Evrard et al., 2003 ; Hair et al., 2006 ; Malhotra et al., 2014).
Après avoir présenté la méthodologie développée pour l’analyse factorielle exploratoire, nous
présentons la phase d’analyse confirmatoire.
Les deux analyses AFE et AFC partagent des ressemblances telles que : les deux techniques
s’intéressent à la structure latente d’un ensemble de données complexes et elles permettent
d’expliquer les corrélations observées entre des variables à l’aide d’un nombre réduit de
variables latentes (facteurs).
L’AFC est effectué avec le logiciel AMOS 23. L’AFC commence par poser les relations entre
les construits (variables). Ensuit, on cherche à confirmer la structure latente existante. On
utilise des indices d’ajustement (indices de fit) pour décider la vraisemblance du modèle
(Bollen, 1989). On peut alors conclure que le modèle s’ajuste effectivement aux données, si
les indices sont acceptables. Par ailleurs, l’AFC permet de tester la fiabilité et validité des
échelles de mesure de façon explicite (Gerbing et Anderson, 1988).
Selon Roussel et al (2002), l’AFC est une des applications des méthodes d’équations
structurelle. Cette analyse se base sur plusieurs points. Evrard et al (2009) identifient quatre
étapes : spécification, identification, estimation et test du modèle. Ces quatre étapes
correspondent aux sept étapes de Hair et al. (2017) qui sont montrées dans le tableau 31
suivant :
Tableau 31: Synthèse des étapes du développement d’un modèle d’équations structurelles
Etape Contenu et commentaires
Cadre théorique + hypothèses de recherche
1. Développer un modèle fondé sur des bases
théoriques
2. Construire un schéma des relations linéaires Relations entres les variables + sens des flèches
(modèle réflexif ici)
Le modèle de mesure relie les items d’une
3. Transposer le schéma des relations linéaires variable latente, alors que le modèle structurel
en modèle structurel et de mesure relie les relations entre variables latentes ou
construits
Il s’agit de faire le choix du type de matrice à
utiliser (covariance ou corrélation), de la
4. Estimer le modèle théorique méthode d’estimation (maximum de
vraisemblance - ML ou autre) et de la taille de
l’échantillon
Un modèle non récursif est identifié s’il y a
5. Evaluer l’identification du modèle autant de paramètres que d’observations et s’il
n’y a pas de problème de multi-colinéarité
En effet, l’AFC part d’un modèle de mesure défini à priori par l’analyse de la littérature et /ou
par l’analyse exploratoire des données. Il convient d’apporter des précisions sur les points
suivants qui ont une importance capitale dans la phase confirmatoire : l’estimation du modèle,
l’identification du modèle, l’interprétation des résultats et estimation de la fiabilité et de la
validité de mesure.
b. La taille de l’échantillon : une taille trop petite entraîne l’instabilité des résultats, alors
qu’une taille trop grande détériore les indices de fit, notamment le Chi-deux. Une taille de
200-300 répondants serait idéale (Roussel et alii, 2002).
c. La méthode d’estimation : L’évaluation du modèle suppose au préalable de choisir la
méthode d’estimation qui va être utilisée pour le tester. La méthode du maximum de
vraisemblance (maximum likelihood ou ML) est la méthode la plus utilisée (Jolibert et
Jourdan, 2006) et considérée la meilleure pour les résultats.
recommandé d’évaluer d’abord les modèles de mesure et ensuite le modèle structurel pour
mieux cerner les problèmes en cas de mauvais ajustement (Anderson et Gerbing, 1988). Dans
tous les cas, l’ajustement du modèle est évalué à travers trois familles d’indices : les indices
absolus, les indices incrémentaux et les indices de parcimonie (Roussel et alii, 2002).
1. Les indices absolus : selon Jolibert et Jourdan (2006), ces indices évaluent le modèle à
priori que reproduit les données. Le chi-deux est le plus courant et le plus important
indice absolu. Cet indice teste l’hypothèse nulle selon laquelle le modèle s’ajuste aux
données (Roussel et al., 2002). D’autres indices ont été proposés comme le GFI
(Goodness of Fit) et l’AGFI (Adjusted Goodness of Fit) (Jöreskog et Sorbom, 1984), le
RMSEA (Root Mean Square Error of Approximation) (Steiger et Lind, 1980).
2. Les indices incrémentaux qui mesurent l’amélioration de l’ajustement en comparant le
modèle testé à un modèle plus restrictif, dit « modèle de base » (Roussel et al., 2002,
p.65). Parmi les indices incrémentaux, nous pouvons citer : le NFI (Normed Fit Index), le
TLI (Tucker Lewis nonnormed Fit Index) le CFI (Comparative Fit Index).
3. Les indices de mesure de parcimonie : ce sont des indices d’ajustements absolus ou «
incrémentaux », modifiés pour rendre compte de la parcimonie du modèle en faisant
intervenir le degré de liberté (Roussel et al., 2002). Parmi les indices de parcimonie, nous
pouvons citer le chi-deux normé (Jöreskog, 1969) qui corrige le chi-deux par le nombre de
degré de liberté du modèle testé, l’AIC et le CAIC. Notons que ces indices de parcimonie
peuvent aider à comparer plusieurs modèles. Le tableau 32 qui suit présente pour chacun
des indices, un descriptif et le critère empirique de bon ajustement.
Les valeurs t : une valeur de |t| inférieure à 1,96 suggère l’élimination du paramètre
correspondant à moins qu’il soit théoriquement important pour l’étude (Russel et al.,
2002).
Les résidus standardisés : cette valeur doit être supérieure ou égale à 2,58, sinon cette
valeur indique un problème d’ajustement. L’indicateur est donc susceptible d’être éliminé
(McCallum, 1986).
Les indices de modification (M1) : nous éliminons les items concernant les valeurs M1
élevées afin de baisser la valeur de Chi-deux. Nous ne corrélons pas des termes d’erreur
car cette opération est permise uniquement dans les études répétées ou en cas de présence
de facteur de méthode (Anderson et Gerbing, 1988).
2.4.4.1 La fiabilité
Dans la phase exploratoire, nous considérons 0,7 comme un seuil acceptable pour l’alpha de
Cronbach. Cependant, dans la phase confirmatoire, nous utilisons conjointement les deux
coefficients de fiabilité suivants : l’alpha de Cronbach et le Rhô de Joreskög : le coefficient
d’alpha doit dépasser 0,8 ; alors que la fiabilité du modèle est considérée bonne si la valeur du
rhô de Joreskög est supérieure à 0,7 ou 0,8 (Roussel et al., 2002). Sa formule est la suivante :
2.4.4.2 La validité
La validité d’une échelle correspond au « degré où les différences dans les scores observés
reflètent des différences réelles entre les objets mesurés et non une erreur systématique ou
aléatoire. » (Malhotra et al., 2014).
On distingue différentes formes de validité qu’on peut classer en trois types : l’analyse de la
validité faciale, la validité convergente et la validité discriminante.
Elle consiste à vérifier si les indicateurs choisis mesurent le construit théorique. Autrement
dit, l’opérationnalisation d’un construit représente bien toutes les facettes du concept. Dans le
cadre de notre recherche, cette validité est évaluée en se fondant sur les entretiens avec les
consommateurs qui utilisent le Carrefour Drive, la revue de la littérature et par la validation
des items par quatre experts du domaine de recherche.
C’est le degré auquel les indicateurs d’un construit donnent une bonne représentation du
phénomène étudié. Il existe deux méthodes pour tester les construits : la validité convergente
et la validité discriminante.
la validité convergente :
1. la valeur t.
Pour tester cette validité, nous recourons au critère de Fornelle et Larcker (1981) selon
lequel la variance partagée entre deux variables latentes doit être inférieure à la variance
partagée entre chacune des variables latentes et ses indicateurs (Rhô de validité
convergente).
C’est un type de validité externe qui concerne les relations entre les concepts
Dans le cadre de notre recherche, nous estimons qu’il n'est pas nécessaire de la vérifier parce
que nous n’avons pas créé de nouveau concept (nouvelle échelle de mesure).
Les liens entre les facteurs de premier ordre et le facteur de second-ordre nécessitent une
corrélation d’un seuil de 0,60 ou plus.
Les variances que le facteur de second-ordre partage avec ses indicateurs de premier ordre
(contributions factorielles) doivent être supérieures aux variances que ce facteur partage
avec les autres facteurs de second ordre.
Les contributions factorielles, montrant le poids et l’importance de chaque dimension dans
la mesure du construit de second ordre, doivent être supérieures à 0,50.
Conclusion de la section
Dans le cadre de notre recherche, nous présentons les méthodes d’équations structurelles qui
permettent de tester les relations causales multiples en distinguant les variables observées et
les variables latentes (Jolibert et Jourdan 2011).
Nous nous sommes intéressés à présenter les catégories de méthodes d’équation structurelles
(méthodes LISREL et méthodes PLS) et à justifier notre décision quant à la mise en place de
chacune de ces deux méthodes. Nous utilisons la méthode LISREL dans la phase
confirmatoire pour valider les modèles de mesure et la méthode PLS pour valider le modèle
global et tester les hypothèses causales.
La méthode PLS adoptée dans notre recherche s’attache donc à examiner ces propositions,
mais dans une optique prédictive. Cependant, Bénet (2014) indique que l’évaluation des
Le Gof (Goodness of Fit) se définie comme la moyenne géométrique entre la moyenne des
communalités (modèle externe) et la moyenne des R² (modèle interne) (Tenenhaus et al.,
2005). Esposito Vinzi et Trinchera (2010) mentionnent qu’il est construit de telle façon qu’il
prend en compte à la fois la performance du modèle interne (modèle structurel) et celle du
modèle externe (modèle de mesure). Cet indice s’exprime par la formule suivante :
Le Gof est varié de 0 à 1 (1 ≥ GoF ≥ 0). Dans la littérature, il n’existe pas de seuil formel
permettant d’accepter ou rejeter le modèle. Si le Gof = 0,1, il est considéré comme faible, et il
est moyen si sa valeur = 0,25, alors qu’il est considéré comme fort s’il a une valeur 0,36
(Wetzels et al., 2009). En résumé, plus le Gof est proche de 1, plus le modèle peut être
considéré comme performant.
Ainsi, plus les deux indices sont proches, plus l’ajustement global est considéré comme de
bonne qualité.
D’ailleurs, la qualité de l’ajustement du modèle global s’évalue selon les ratios critiques qui
représentent la valeur absolue du test de Student. Le test t associé à chacune des contributions
factorielles (le ratio critique) doit être significatif, soit supérieur à 1,96. Cela implique que le
pouvoir prédictif du modèle est statistiquement significatif.
Dans le tableau 33 ci-dessous, nous proposons une synthèse des critères d’évaluation de
modèle interne et de modèle global.
Il faut également vérifier les coefficients de détermination R² que fournit PLS et qui
permettent de rendre compte de la variance expliquée des variables endogènes (Lacroux,
2009 ; Hair et al., 2017). Autrement dit, la variance (R²) permet de comprendre la
contribution de chaque variable explicative à la prévision de la variable à expliquer
(endogène). A cet égard, le modèle est significatif si R² > 0,1 ; alors qu’il est tangent si 0,05<
R² < 0,1, et le modèle n’est pas significatif si R² < 0,05 (Croutsche, 2002).
Baron et Kenny (1986) définie une variable médiatrice comme étant « De manière générale,
une variable donnée peut être considérée comme un modérateur en fonction du degré auquel
elle compte dans la relation entre une variable indépendante et une variable dépendante ».
c c1
X Y X Y
M1
c’ a1 b1
X Y
c1’
a X Y
b
c2
M
a2 b2
M2
Baron et Kenny (1986) ont proposé quatre étapes pour tester la médiation d’une variable entre
deux autres variables :
Etape 1 : qui consiste à montrer que le lien entre la variable indépendante (X) et la
variable dépendante (Y) est significatif dans une équation de régression.
Etape 2 : il s’agit de montrer que la variable indépendante (X) a un impact significatif
sur la variable médiatrice (M) dans une équation de régression.
Etape 3 : qui correspond à montrer que le lien entre la variable médiatrice (M) et la
variable dépendante (Y) est significatif. Ici, il faut faire une régression de la variable
dépendante (Y) à la fois sur la variable indépendante (X) et la variable médiatrice
(M).
Etape 4 : afin d’établir que (M) médiatise complètement la relation X-Y, l’effet de
(X) sur (Y) en contrôlant (M) doit être nul sinon la médiation est partielle.
Cependant cette méthode ne consiste pas à savoir si l’effet indirect est significativement
différent de zéro et s’il est dans la direction postulée ou non. Le test de Sobel est donc proposé
fin d’évaluer la significativité de l’effet indirect.
Cependant, cette méthode a fait l’objet de plusieurs critiques notamment en ce qui concerne
l’hypothèse de normalité de données ; hypothèse étant rarement, voire jamais satisfaite en
sciences de gestion ou encore lorsque l’échantillon est petit. Ceci nous a conduits à utiliser,
dans le cadre de notre recherche, une autre méthode pour tester les effets médiateurs simples :
les scripts du test de Sobel Bootstrap proposés par Preacher et Hayes (2004, 2008), à travers
la macro SPSS. Il convient ici de souligner que le bootstrap consiste à ré-échantillonner de
façon aléatoire des observations avec remise à partir d’un ensemble de données et ensuite à
calculer une statistique donnée.
Afin de tester les effets médiateurs multiples, nous suivons la démarche proposée par
Preacher et Hayes (2008) à travers la macro SPSS en utilisant des scripts.
Selon Jolibert et Jourdan (2011), une variable M est considérée modératrice de la relation
entre deux variables X et Y si l’on peut montrer que X influence Y, M n’influence pas Y et
que l’interaction entre X et M influence également Y (cf. figure 14).
c
X Y
Afin de tester les effets modérateurs, il faut distinguer plusieurs cas en fonction de la nature
de variable modératrice si elle est dichotomique ou continue.
Nous effectuons des analyses multi-groupes sous XLSTAT2017 pour tester les effets
modérateurs sur les relations entre les construits centraux. De ce fait, il faut a priori définir
une variable nominale dont les modalités représentent chaque groupe. La méthode PLS nous
permettra de réaliser l’analyse multi-groupes qui se base sur la technique de test de
permutation. Dans les modèles d’équations structurelles adoptant l’approche PLS, les
comparaisons entre les modèles s’effectuent uniquement sur la base de la comparaison des
coefficients structurels (Path coefficients), contrairement aux modèles d’équations
structurelles de type LISREL qui se basent sur les liens structurels, les indices d’ajustement et
le test de Khi deux pour réaliser les comparaisons entre les modèles (Chin, 2003).
Dans ce cas, il faut créer une variable d’interaction (Kenny et Judd, 1984). Cette variable est
le produit de la variable modératrice (M) et de la variable indépendante (X).
Conclusion du chapitre V
Cette étude se propose de mettre en évidence les liens entre la fidélité des consommateurs à
un Drive et les variables antécédentes. Pour répondre à notre problématique de recherche, des
hypothèses de recherche sont formulées en établissant un modèle conceptuel, à partir d’une
revue de littérature et d’une étude qualitative exploratoire. Puis, nous avons opté pour l’étude
empirique sur la base d’une enquête par questionnaire. L’étude quantitative, tout comme celle
qualitative, est réalisée auprès des consommateurs qui utilisent le Drive. Ainsi, au cours de ce
chapitre, nous avons pu présenter les choix méthodologiques adoptés pour le recueil et
l’analyse de nos données concernant l’étude empirique de cette recherche.
PARTIE II :
Chapitre 1V :
Chapitre V :
Chapitre VI:
Chapitre VII:
Introduction au chapitre VI
Dans le chapitre précédent, nous avons présenté les choix méthodologiques que nous avons
effectués pour la phase empirique de notre recherche.
Ce chapitre est consacré aux analyses statistiques menant aux premiers résultats de notre
étude quantitative. Il s’agit de présenter la validation des instruments de mesure des variables
utilisées dans notre modèle de recherche. En effet, cette phase est très importante parce que
sans des instruments de mesure fiables et valides, il est impossible de tester le modèle global
de recherche et les hypothèses (Evrard, Pras et Roux, 2009).
Comme nous l’avons souligné précédemment, nous avons ciblé des consommateurs qui
utilisent le system Drive pour faire leurs courses. Nous avons choisi une technique
d’échantillonnage empirique en optant la méthode d’échantillonnage sur place (sur le lieu de
récupération les achats). En effet, cette méthode empirique permet de baisser le coût de
l’enquête et de pallier l’absence d’une base de sondage accessible (Diallo, 2011).
En terme du genre, les répondants sont en majorité des femmes (52,6% et 52,8%
respectivement dans les jeux de données N1 et N2). Cette distribution s’explique par le fait
que les femmes, qui traditionnellement sont plus impliquées dans la gestion du foyer, recours
à ce mode d’achat pour les économies qu’il permet de réaliser via la maîtrise des dépenses en
Drive (tableau 34).
En ce qui concerne les tranches d’âge, nous remarquons une surreprésentation des répondants
âgés de 40 à 50 ans (34,4%), puis des répondants ayant entre 50 et 60 ans (31,6%). Cependant
les répondants ayant mois de 30 et les retraités ont très peu recours au Drive.
La moyenne d’âge de notre échantillon global est comprise entre 40 et 50 ans. Cela nous
semble normal dans la mesure où les personnes appartenant à ces tranches d’âge travaillent et
ne disposent pas de temps pour faire les courses dans les supermarchés. Ce qui explique
l’adoption du Drive par ces gens pour réaliser leurs achats. L’âge des répondants se distribue
comme le montre le tableau 35 suivant.
En termes de situation familiale, la majorité des répondants sont mariés (80,2%). Cependant,
les autres situations sont toutes représentées comme le montre le tableau 36 ci-dessous. Nous
pouvons considérer cette distribution des situations familiales comme normale et
représentative des consommateurs qui utilisent le Drive lors de leurs achats. Ce qui peut être
expliqué par le fait que les consommateurs considèrent les courses comme une contrainte et
cherchent à s’en libérer le plus rapidement possible afin de pratiquer d’autres activités
sportives ou culturelles avec la famille (Ghesquière, 2011).
d’ingénieurs, cadre supérieurs, Chef d’entreprise, Profession libérale. Ce qui explique par le
fait que les acheteurs en ligne de produits alimentaires , d’une part, sont décrits comme ayant
un niveau d’éducation élevé, pratiquant des activités professionnelles non manuelles et
appartenant aux CSP+ (Ranvier et Sury, 2009). D’autre part, ils sont plus innovants, ainsi
qu’ils recherchent plus de gain de temps et de praticité.
La taille de la famille des répondants tourne en majorité autour de 3 à 4 membres (tableau 38).
1 31 6,2 6,2
2 109 21,8 28,0
3 195 39,0 67,0
4 141 28,2 95,2
5 24 4,8 100,0
Total 500 100,0
En ce qui concerne le nombre d’enfant dans la famille des répondants. Nous remarquons que
la majorité des répondants ont des enfants (85,8%). Cela nous semble normal dans la mesure
où les consommateurs avec des enfants préfèrent adopter le Drive pour réaliser leurs achats.
Cela peut expliquer par les faits suivants : le manque de temps pour faire ses courses, la
présence d'un bébé et la volonté d'éviter de faire ses courses avec les enfants. Le nombre
d’enfants se distribue comme le montre le tableau 39 suivant.
0 71 14,2 14,2
1 142 28,4 42,6
2 214 42,8 85,4
3 70 14,0 99,4
4 3 0,6 100,0
Total 500 100,0
Globalement, nous avons remarqué que les répondants les plus présents dans notre échantillon
sont des couples avec des enfants. L’âge moyen des répondants est de 40 à 50 ans, cela
correspondant à des actifs avec des enfants. Nous avons également noté que les
consommateurs du Drive appartiennent à une catégorie socioprofessionnelle assez élevée.
1.1.2 La comparaison entre les répondants sur la base de leur fréquentation du Drive
Les segments des répondants ont été basés sur la fréquentation du Drive par les répondants,
qui a permis de ressortir deux catégories de consommateur :
Les consommateurs occasionnels (consommateurs non-adoptés) : les répondants qui
fréquentent le Drive mais moins d’une fois par mois.
Les consommateurs réguliers (consommateurs adoptés) : les répondants qui fréquentent le
Drive plus d’une fois par mois (minimum une fois par mois).
Cette classification nous permet de décrire les différences entre les segments de
consommateurs sur leur fréquentation du drive. Les résultats de l’analyse de fréquentation
sont présentés dans le tableau 40 qui présente les segments des répondants selon leur
fréquentation.
Ce tableau montre que 75,2% des consommateurs interrogés dans notre échantillon
fréquentent le Carrefour Drive une fois et plus par mois, 24,8% des répondants fréquentent ce
Drive moins 1 fois par mois.
Pour caractériser ces deux groupes des consommateurs, plusieurs comparaisons ont été
réalisées, elles sont illustrées dans le paragraphe suivant.
En regardant le tableau ci-dessus, sur les 500 questionnaires recueillis, 390 sont absolument
complets, soit 78%. Parmi 110 réponses incomplètes, 84 questionnaires (16,8%) ne présentent
qu’une seule valeur manquante, 10 questionnaires (2%) en présentent deux seulement, 12
questionnaires (2,4%) présentent trois valeurs manquantes et 4 questionnaires ont 4 valeurs
manquantes. En conséquent, l’analyse des valeurs manquantes par répondant présente un
niveau acceptable, nous retenons donc 500 répondants dans notre échantillon.
L’analyse des valeurs manquantes par item nous montre que 37 items (soit 64,91%) n’ont pas
de valeurs manquantes. Les deux items qui affichent le plus de valeurs manquantes sont
Fiabilité 3 (soit 3.6%) et Fiabilité 4 (soit 8.4%). Nous avons donc procédé à la suppression des
items qui dépassent 5% des réponses.
En tout, 1 item de l’échelle de qualité de site Web du Drive a été éliminé. L’annexe 3
représente les valeurs manquantes par item.
D’ailleurs, compte tenu du faible taux de valeurs manquantes et de leur caractère aléatoire,
nous avons choisi de les conserver et de les remplacer en se basant sur la méthode du Hot-
Deck. D’ailleurs, nous avons classé les répondants en 25 groupes homogènes 24. Par la suite,
les valeurs manquantes ont été remplacées par leur valeur moyenne chez les individus du
même groupe. Notre base de données ne contient plus de valeurs manquantes.
Compte tenu de l’influence de ces valeurs sur les résultats de l’étude, il convient de vérifier
leur existence et leur nature. Cependant, détecter la présence éventuelle de ces valeurs
extrêmes ou aberrantes ne peut être réalisé que sur des variables quantitatives. Leur recherche
sur des variables qualitatives de type ordinal ou nominal n’a pas de sens. Le traitement de ces
valeurs reste donc nécessaire.
Nous avons effectué une recherche des valeurs extrêmes ou aberrantes sur les variables
quantitatives en nous basant sur la boîte à moustaches (Box plot) (Annexe 4). Selon cette
méthode, il existe de valeurs extrêmes ou aberrantes au niveau de certains items.
24
Nombre de groupes = nombre de répondants/20
L’évaluation de ces deux indicateurs montre que les valeurs sont inférieures à 1.5 en valeur
absolue et atteste aussi que la quasi-normalité des données, pour toutes les variables, est
satisfaite. Le tableau des valeurs de Kolmogorov-Smirnov et Shapiro-Wilk ainsi que de
Skewness et de Kurtosis pour chaque variable figure en Annexe 5.
Après avoir vérifié les conditions préalables à l’analyse multi variée, nous passons à la phase
d’épuration et de validation de nos instruments de mesure.
Avant de commencer cette première étape de la validation de notre modèle de mesure, il est
utile de se rappeler que toutes les échelles utilisées dans le cadre de notre recherche ont déjà
été testées et validées dans la littérature.
Il est utile de se rappeler que nous avons effectué l’analyse factorielle exploratoire en se
basant sur la matrice de covariance plutôt que sur celle de corrélation. Cela se justifie par le
fait que tous les items de nos variables sont mesurés en utilisant des échelles avec le même
nombre de modalité (six point).
Le KMO = 0,944 et l’hypothèse d’absence de corrélation entre les items est rejetée par le test
de sphéricité de Bartlett (p < 0,001). Ainsi, la diagonale de la matrice anti image (MSA)
présente de fortes corrélations entre les énoncés : chaque énoncé est expliqué à plus de 84,3 %
par les autres énoncés. Quant à la dimensionnalité de l’échelle, nous l’avons évaluée selon
différents critères (Annexe 6). Le test de Kaiser25 permet de retenir cinq axes (dimensions)26
qui restituent près de 64.01% de la variance totale. Ainsi, le test du coude celui de Scree
indique cinq facteurs.
Avant de nous prononcer, nous examinons la structure factorielle des cinq facteurs qui
émergent du test de Kaiser.
Selon Evrard, Pras et Roux (2009), la rotation orthogonale (Varimax le plus souvent) est
effectuée lorsque les variables ne sont pas corrélées (inférieure de 0,3), alors qu’en cas de
corrélation entre les variables la rotation oblique (Promax le plus souvent) est indiquée. Nous
optons donc pour une solution oblique dans le choix de la rotation, et effectuons une rotation
Promax. L’examen de la matrice de corrélation entre les axes (Tableau 42) montre qu’il existe
une corrélation forte (supérieure à 0,3) entre les facteurs. Pour mieux interpréter les axes
obtenus, il est parfois souhaitable de faire une rotation dans l’espace factoriel.
25
Nous retenons les axes qui expliquent plus de 5.932% (c'est-à-dire : 1/nombre d’items) de la variance totale.
26
Nous utilisons les termes de facteurs, axes, dimensions sans distinction.
Composant 1 2 3 4 5
1 1,000 ,741 ,553 ,770 ,461
2 ,741 1,000 ,690 ,781 ,628
3 ,553 ,690 1,000 ,570 ,540
4 ,770 ,781 ,570 1,000 ,490
5 ,461 ,628 ,540 ,490 1,000
L’examen de la nouvelle matrice de forme des items avec les axes montre que les item
«PERSWEB2 », «PERSWEB1 » et « FIAB1 » sont à la fois fortement et positive à deux axes,
ainsi que l’item « PERSWEB5 » n’est corrélé à aucun axe, cela nous conduit à enlever un à
un ces items. Ensuite l’examen de la matrice des communalité après rotation Promax montre
que chacun des items « ASSORT4 », « SECONF3 », « FIAB2 », « FIAB3 » ont des qualités
de représentation faible (inférieure de 0,5)
Les résultats de cette analyse montrent que l’item « PERSWEB3 » a une faible contribution
factorielle (0,356) et la qualité de représentation (0,479) < 0,5, cela nous mène à éliminer cet
item afin d’améliorer la qualité de mesure des construits.
Finalement, la solution retenue est celle avec rotation Promax qui nous permet d’avoir cinq
facteurs sans les items « INFO4 », « ASSORT3 », « PERSWEB4 », « PERSWEB2 »,
« PERSWEB1 », « FIAB1 », « PERSWEB5 », « ASSORT4 », « SECONF3 », « FIAB2 »,
Tableau 43 : Les poids factoriels et les communalités des items de l’échelle de mesure de la
qualité de site Internet avec rotation Promax
Items Poids factoriels Communalité
Facteur1 Facteur2 Facteur3 Facteur4 Facteur5 (R2)
Facilité Information Assortiment Sécurité Design
FAUTIL 1 0,519 0,609
FAUTIL 2 1,040 0,933
FAUTIL 3 0,661 0,657
INFO 1 0,903 0,767
INFO 2 0,854 0,782
INFO 3 0,837 0,691
ASSORT1 1,035 0,999
ASSORT 2 0,846 0,790
SECONF11 0,846 0,653
SECONF12 0,845 0,746
DESIG 1 0,502 0,769
DESIG 2 1,008 0,922
DESIG 3 0,394 0,648
Variance expliquée 38,146% 26,846% 4,846% 3,627% 3,191%
Unidimensionnalit
Oui Oui Oui Oui Oui
é
α de Cronbach 0,857 0,902 0,931 0,750 0,915
Factorisation KMO = 0,914; Test de Bartlett: p < 0,001; MSA > 74,7
La première dimension(Facilité) regroupe les items FAUTIL1 (Ce site de Drive est facile
à utiliser), FAUTIL2 (L’organisation et la mise en page de ce site facilitent la recherche
27
Nous utilisons les termes de facteurs, axes, dimensions sans distinction.
d’informations), FAUTIL3 (C’est très facile d’ajouter ou de retirer des articles de mon
panier)
La deuxième dimension (Information) regroupe les items INFO1 (Ce site fournit sur les
produits ou services des informations utiles), INFO2 (Ce site fournit sur les produits ou
services des informations toujours très exactes) et INFO3 (Ce site fournit sur les produits
ou services des informations suffisamment précises et détaillées).
La troisième dimension (Assortiment) regroupe les items ASSORT1 (Ce site de Drive
offre un rapport qualité-prix) et ASSORT2 (Ce Drive offre des produits de bonne
qualité).
La quatrième dimension regroupe les items SECONF1 (Ce site de Drive offre un excellent
niveau de sécurité), SECONF2 (Ma vie privée est bien protégée sur ce site de Drive).
La cinquième dimension regroupe les items DESIG1 (Ce site de Drive est visuellement
plaisant), DESIG2 (Ce site de Drive est visuellement orignal), DESIG3 (La mise en page
de ce site de Drive est claire et simple).
Le tableau 43 ci-dessus récapitule les résultats croisés des tests de dimensionnalité et des tests
de fiabilité des dimensions.
Nous passons donc à l’analyse factorielle confirmatoire sous AMOS sur la structure
factorielle obtenue ci-dessus.
28
Selon Steiger et Lind (1980)
Kenan WASSOUF 217 Thèse en Sciences de Gestion
Chapitre VI : Validation des instruments de mesure des consrtuits
Afin d’évaluer la fiabilité de l’échelle de mesure de la qualité de site Web du Drive, nous
utilisons le Rhô de Joreskög qui est recommandé car il est moins sensible au nombre d’items
que l’alpha de Cronbach (Chin, 1998,2010). La valeur du Rhô de Joreskög supérieur à 0,7
paraît garantir une bonne fiabilité du construit (bonne cohérence interne de chaque dimension
(Forner et Larker, 1981 ; Roussel et al., 2002). Les indices récapitulés dans le tableau 45
soulignent que la condition de fiabilité de cette échelle est remplie.
En ce qui concerne la validité convergente, elle est évaluée selon le critère de Forner et Larker
(1981) qui implique que le pourcentage de la variance extrait par les indicateurs d’un construit
soit supérieur à 0,5. Ce critère est satisfait pour les cinq dimensions de l’échelle étudiée.
D’ailleurs, chaque test t (CR) du modèle est supérieur à 1,96 et les contributions factorielles
sont toutes significatives et supérieures à 0,5. Pour donner une preuve supplémentaire de la
validité convergente, nous avons recouru aux corrélations multiples au carré qui sont
supérieurs à 0,5 (Annexe 6). Ces résultats confirment une bonne validité convergente.
Quant à la validité discriminante, nous recourons au critère de Fornelle et Larcker (1981) afin
de tester cette validité.
Les résultats indiquent que la validité discriminante entre les cinq dimensions de l’échelle est
satisfaite (tableau 45), cela confirme que les cinq dimensions de l’échelle de la qualité de site
Web du Drive sont des construit distincts.
Comme tous nos items sont mesurés avec le même type d’échelle et le même nombre de
modalités, nous avons décidé de choisir la matrice des covariances au lieu de celle des
corrélations.
Les premiers résultats obtenus montrent que les données sont factorisables (Annexe 7).
Le KMO est de 0,867 et l’hypothèse d’absence de corrélation entre les 15 items est rejetée par
le test de sphéricité de Bartlett. D’ailleurs, l’examen de la diagonale de la matrice anti-image
(MSA) indique que chaque énoncé est expliqué à plus de 79,1%.
La dimensionnalité de l’échelle de la qualité du point de retrait est évaluée selon différentes
méthodes (Annexe 7).
D’abord, le critère de Kiaiser identifie trois axes qui expliquent 57,509 %. Le test de Scree et
celui du coude indique graphiquement trois axes. Les corrélations entre les trois axes sont
supérieures à 0,3 comme montre le tableau (46) ci-dessous, nous avons décidé d’effectuer une
rotation Promax.
Composante 1 2 3
1 1,000 ,547 ,561
2 ,547 1,000 ,681
3 ,561 ,681 1,000
vraisemblance (MV), les résultats de cette analyse montrent que l’item « ACCESS2 » n’est
corrélé à aucun axe. Cela nous conduit à supprimer cet item.
Une nouvelle matrice des communalités indique que l’item « PERSO1 » a une communalité
inférieure à 0,5, cela nous conduit à supprimer cet item « PERSO1 ».
Finalement, la solution retenue est celle avec une rotation Promax qui nous conduit à avoir
trois axes sans les items suivants : « TANG5 », « TANG3 », « ACCESS1 », « ACCESS2 »,
« PERSO1 » et « PERSO2 ».
Tableau 47 : Les poids factoriels et les communalités des items de l’échelle de la qualité du
point de retrait
Item Poids factoriels Communalité
Facteur1 Facteur2 Facteur3 (R2)
Personnel Agencement Accessibilité
Nous examinons les spécifications des trois modèles : d’abord un modèle M1 une dimension
avec 9 items, et deux modèles tridimensionnels : un modèle M2 d’ordre un et ensuite un
modèle M3 d’ordre deux. Ces derniers deux modèles s’ajustent bien avec les données et ont
exactement les mêmes indices d’ajustement (tableau 48 ci-dessous). Les deux modèles M2 et
M3 ne peuvent pas nous aider, dans ce cas, à choisir l’un parmi ces deux modèles. Par contre,
29
Nous utilisons les termes de facteurs, axes, dimensions sans distinction.
la corrélation entre ces trois dimensions n’est pas très forte dans le modèle M2. Ce qui nous
suggère de garder le modèle M3 d’ordre deux.
30
Selon Steiger et Lind (1980)
Kenan WASSOUF 223 Thèse en Sciences de Gestion
Chapitre VI : Validation des instruments de mesure des consrtuits
Quant à l’échelle de mesure de la qualité du point du retrait du Drive, les indices figurant dans
le tableau 49 montrent les bonnes qualités psychométriques de cette échelle. La fiabilité de
l’échelle de mesure est évaluée via le Rhô de Joreskög (ρ>0,70) qui indique une bonne
cohérence de chaque dimension. Concernant la validité convergente, elle est satisfaite car le
pourcentage de variance extraite par les indicateurs de chaque dimension est supérieur à 0,5.
D’ailleurs, (λi>0,70 ; p<0,001, CR > 1,96) ; les corrélations multiples au carré associées à
chaque item sont toutes supérieures à 0,5 (Annexe 7). Enfin, pour la validité discriminante, le
tableau suivant présente les résultats la concernant. Il montre que tous les Rhô vc sont
supérieurs aux corrélations au carré.
Les premiers résultats obtenus montrent une bonne prédisposition à la factorisation des
énoncés (KMO=0,849; le test de Bartlett est significatif: sig=0,00) (Annexe 8).
D’ailleurs, l’examen de la matrice de communalités montre que tous les items ont des qualités
de représentations supérieures à 0,5. La matrice des facteurs indique également un seul axe et
les contributions factorielles sont fortes (>0,8). L’examen de la valeur de l’alpha de Cronbach
(α=0,949) indique une cohérence interne satisfaisante. Le tableau 50 ci-dessous présente une
synthèse des résultats.
Tableau 50 : Les poids factoriels et les communalités des items de l’échelle de la valeur
globale perçue d’un Drive
Poids factoriels
Item Communalité
Valeur globale perçue (R2)
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la valeur globale perçue est
une échelle unidimensionnelle qui se compose de quatre items : VALG1 (Ça vaut la peine
d’utiliser ce Drive même si les prix n’y sont pas toujours les plus bas), VALG2 (Avec ce
Drive, j’en ai pour mon argent), VALG3 (C’est vraiment mon intérêt d’utiliser ce Drive) et
VALG4 (Tout bien considéré, ça vaut vraiment le coup d’utilisation ce Drive).
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement (tableau
51 ci-dessous). Tous les indices d’ajustement sont excellents.
2.3.3 Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive
La fiabilité et la validité convergente de la solution retenue sont soutenues par des valeurs
satisfaites du Rhô de Joreskög et du Rhôvc montrées dans le tableau 52 avec les contributions
factorielles.
31
Selon Steiger et Lind (1980)
Kenan WASSOUF 227 Thèse en Sciences de Gestion
Chapitre VI : Validation des instruments de mesure des consrtuits
Tableau 52 : Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive
Fiabilité et validité convergente Poids fact.
stand.
P= 0,924, Rhô vc = 0,758
VALG1 : Ça vaut la peine d’utiliser ce Drive même si les prix n’y sont pas toujours
0,961
les plus bas
VALG2 : Avec ce Drive, j’en ai pour mon argent 0,951
VALG3 : C’est vraiment mon intérêt d’utiliser ce Drive 0,65
VALG4 : Tout bien considéré, ça vaut vraiment le coup d’utilisation ce Drive 0,883
Ensuite, la dimensionnalité a été analysée selon différentes méthodes (Annexe 9). Le test du
Scree et celui du coude indiquent un axe unique. Le critère de Kaiser fait ressortir également
un axe unique qui explique 76,013% de la variance totale. L’examen de la cohérence interne
de l’échelle unidimensionnelle de la satisfaction en calculant l’Alpha de Cronbach donne un
résultat très satisfaisant avec un coefficient de 0,926.
Tous les items de cette échelle, selon la matrice des communalités, ont des qualités des
représentations supérieures à 0,5. Par ailleurs, l’examen de la matrice des facteurs montre
aussi un seul axe et les contributions factorielles sont fortes (>0,85). Le tableau 53 ci-dessous
présente une synthèse des résultats.
Tableau 53 : Les poids factoriels et les communalités des items de l’échelle de la satisfaction
de l’expérience avec un Drive
Poids factoriels
Item Communalité
Satisfaction (R2)
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la satisfaction est une échelle
unidimensionnelle qui se compose de quatre items : SAT1 (Cela a été une bonne décision de
choisir ce Drive), SAT2 (Ce Drive n’a pas déçu mes attentes), SAT3 (Je suis content(e) de ce
Drive) et SAT4 (Globalement, l’utilisation de ce Drive vous laisse très satisfait).
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement (tableau
54 ci-dessous). Tous les indices d’ajustement sont excellents.
32
Selon Steiger et Lind (1980)
Kenan WASSOUF 229 Thèse en Sciences de Gestion
Chapitre VI : Validation des instruments de mesure des consrtuits
Les premiers résultats obtenus montrent que les données sont factorisables (Annexe 10). Le
KMO est de 0,837 et l’hypothèse d’absence de corrélation entre les 4 items est rejetée par le
test de sphéricité de Barlett (p<0,001). La diagonale de la matrice anti-image indique que
chaque énoncé est expliqué plus à 80,4% par les autres énoncés.
Tableau 56 : Les poids factoriels et les communalités des items de l’échelle de la confiance à
l’enseigne
Poids factoriels
Item Communalité
Confiance (R2)
digne de confiance), CONFI2 (Cette enseigne tient ses promesses et ses engagements),
CONFI3 (J’ai confiance en la qualité des produits vendus par cette enseigne) et CONFI4 (Je
crois en la sincérité de cette enseigne).
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement
(tableau 57 ci-dessous). Tous les indices d’ajustement sont excellents.
33
Selon Steiger et Lind (1980)
Kenan WASSOUF 232 Thèse en Sciences de Gestion
Chapitre VI : Validation des instruments de mesure des consrtuits
axe. L’alpha de Cronbach (α=0,935) indique que l’échelle de mesure a une très satisfaisante
fiabilité de cohérence interne. Le tableau 59 ci-dessous présente une synthèse des résultats.
Tableau 59 : Les poids factoriels et les communalités des items de l’échelle de la Fidélité à un
Drive
Poids factoriels
Item Communalité
Fidélité (R2)
Suite à l’analyse factorielle exploratoire, l’échelle de mesure de la fidélité est une échelle
unidimensionnelle qui se compose de quatre items : FIDEL1 (Je recommanderai certainement
ce Drive à mes amis), FIDEL2 (A l’occasion d’une discussion, je n’hésiterai pas à dire du
bien de ce Drive), FIDEL3 (Quand j’ai besoin de faire des courses, je pense d’abord à ce
Drive) et FIDEL4 (Je vais continuer à faire mes courses avec ce Drive).
Ce modèle unidimensionnel s’ajuste bien aux données selon les indices d’ajustement
(tableau 60 ci-dessous). Tous les indices d’ajustement sont excellents.
34
Selon Steiger et Lind (1980)
Kenan WASSOUF 235 Thèse en Sciences de Gestion
Chapitre VI : Validation des instruments de mesure des consrtuits
Conclusion de la section
Dans cette section, nous avons mis en évidence les analyses factorielles avec un échantillon
final de 500 répondants, scindé aléatoirement en deux sous échantillons. Un échantillon de
150 répondants pour l’analyse factorielle exploratoire, ainsi qu’un échantillon de 350
répondants. Ainsi, nous avons mené une analyse factorielle exploratoire (AFE) sous SPSS23
et une analyse factorielle confirmatoire (AFC) sous AMOS23. Les différents résultats obtenus
lors de la réalisation de ces analyses nous permettent d’affirmer la qualité de l’ensemble de
nos échelles de mesure. Dans le tableau 62 ci-dessous, nous présentons les résultats des
qualités psychométriques des échelles de mesure des construits centraux de notre modèle de
recherche : l’alpha de Cronbach et le Rhô de Joreskög pour tester la fiabilité et le Rhô vc pour
tester la validité convergente.
Conclusion du chapitre VI
Dans ce chapitre, nous avons procédé à la validation de notre modèle de mesure utilisé dans
notre étude.
Nous avons consacré la première section à la description de l’échantillon de données obtenu
lors de la phase de collecte de données en face-à-face (N=500). Ensuite, nous avons mené les
analyses préliminaires de vérification de l’adéquation des données à l’analyse multi-variée.
Ainsi, les résultats révèlent que les données dont nous disposons suivent une distribution
quasi-normale. Les valeurs manquantes ont été remplacées en utilisant la méthode Hot-Deck.
Nous avons mené les analyses avec un échantillon (N=500 répondants) scindé en deux
échantillons. Le premier échantillon (N1= 150 répondants) a été consacré à l’analyse
factorielle exploratoire, alors que le deuxième (N2=350 répondants) a été utilisé pour les
besoins de l’analyse factorielle confirmatoire de ce chapitre et pour tester les hypothèses et le
modèle de recherche effectués dans le chapitre suivant.
La deuxième section de ce chapitre a été consacrée, dans premier temps, à la purification et la
validation de nos échelles de mesure. Pour chaque variable latente étudiée, nous avons
effectué une analyse factorielle exploratoire (AFE) avec le maximum de vraisemblance (MV)
sur la matrice des covariances sous SPSS23. Concernant l’AFE, nous avons amélioré l’échelle
de la variable concernée en éliminant les items susceptibles d’imposer des sanctions sur leur
qualité psychométrique, ainsi que nous avons étudié la dimensionnalité et la cohérence interne
de l’échelle de mesure. Dans un deuxième temps, nous avons réalisé les analyses factorielles
confirmatoires (AFC) en utilisant les méthodes d’équations structurelles sous AMOS23. Cela
nous a permis de trouver des résultats satisfaisants pour ces analyses et de bons indices
d’ajustement pour chacun de nos modèles de mesure.
L’ensemble de ces résultats nous permet de passer au chapitre VII suivant consacré à valider
le modèle global, à tester les hypothèses et à interpréter des résultats de notre étude.
PARTIE II :
Chapitre 1V :
Chapitre V :
Chapitre VI:
Chapitre VII:
Ce chapitre se compose de deux sections. Dans la première section, nous exposons le test du
modèle structurel global en montrant la qualité de son ajustement en prenant en considération
des règles d’identification du modèle global. Ensuite, nous testons les hypothèses relatives
aux relations entre les variables de ce modèle. Il convient de noter que le test des hypothèses
se fait en trois étapes : le test des hypothèses sur des effets directs entre les variables de
recherche, le test des hypothèses sur des effets médiateurs (indirects) et le test des hypothèses
sur des effets modérateurs sur les liens entre les variables de notre modèle. Pour tester notre
modèle global ainsi que les relations entre les variables de ce modèle, nous utilisons la
modélisation des équations structurelles avec la méthode PLS à travers le logiciel XLSTAT
2017.
La deuxième section sera l’occasion de synthétiser les principaux résultats de tous les tests
réalisés en les discutant et les mettant en perspective. Premièrement, nous discuterons les
résultats concernant les analyses des modèles de mesure. Ensuite, nous allons discuter les
résultats du modèle structurel ainsi que les hypothèses de recherche pour mettre en évidence
les résultats les saillants de notre recherche.
validité des hypothèses qui se fait en trois temps : le test des hypothèses concernant les effets
directs, le test des hypothèses autour les effets indirects (médiateurs) et le test des hypothèses
sur le rôle des variables modératrices.
Le modèle structurel que nous désirons valider est rappelé ci-après (Figure 21).
35
Cet indice est bien détaille dans le chapitre 5.
(1)
H12-H13-H14
Variables sociodémographiques
Age, Genre et Taille de famille
Satisfaction
H1
H10
Qualité du site web
Qualité de service du Drive
du Drive
H3 H7
Valeur globale H8
Fidélité à un Drive
H2 perçue d’un Drive
H4
Qualité du point de
retrait du Drive H11
Confiance à
l’enseigne
(1)
Notes : H12 concerne l’âge, H13 concerne le gene et H14 concerne la taille de famille
Le tableau 63 ci-dessous présente les indices du GoF (Goodness-of-Fit) absolu et relatif, avant
et après bootstrap, ainsi que la qualité du modèle interne et externe.
Les résultats contenus dans le tableau 63 ci-dessus indiquent une bonne qualité d’ajustement
du modèle interne aux données. La valeur du GOF absolu est très satisfaisant et supérieur à la
valeur référence (0,36) selon les recherches antérieures (EspositoVinzi et al., 2010 ; Wetzels
et al., 2009). Le GOF du modèle global et celui du modèle bootstrap sont très proches. Cela
signifie la stabilité du modèle. Le GOF relatif indique une forte variance globale restituée par
le modèle. Concernant la valeur du GOF du modèle externe, elle est élevée (0,998), cela nous
montre que les liens entre les variables de mesure et leurs variables latentes sont de bonne
qualité. Quant au modèle interne, le GOF= 0,972 souligne que les relations structurelles sont
de bonne qualité. D’ailleurs, le pouvoir prédictif est statistiquement significatif36 étant donné
que les ratios critiques qui représentent la valeur absolue du test de student sont supérieurs à
seuil de 1,96.
Ainsi, ces résultats satisfaisants nous permettent d’effectuer l’étape suivante concernant le test
des hypothèses de notre recherche.
36
La validité discriminante a été vérifiée pour tous les modèles de mesure dans la phase confirmatoire. De façon
complémentaire, la validité discrimination des construits du modèle externe a été examinée sur XLSTAS2017.
Les résultats de ce test sont détaillés dans l’annexe 12.
Les ratios critiques des coefficients structurels correspondent au test t de Student qui doit
avoir une valeur absolue minimale supérieure à 1,96 (p-value < 0,05).
1.2.1.1 Test des influences directes sur la satisfaction de consommateur (H1, H2, H3)
Les hypothèses H1, H2 et H7 portent sur les liens entre la qualité de service du site Internet du
Drive et la satisfaction de l’expérience avec un Drive, la qualité de service du point de retrait
espace du Drive et la satisfaction de l’expérience avec un Drive et entre la valeur globale
perçue d’un Drive et la satisfaction de l’expérience avec un Drive. Le tableau 64 ci-dessous
présente les résultats du test de ces trois hypothèses.
Tableau 64 : Effets directs qualité de site, qualité du pont de retrait du Drive et valeur globale
perçue sur la satisfaction de l’expérience avec un Drive
Relations structurelles Valeur Valeur Erreur Pr > |t| Ratio critique
(Bootstrap) standard
(Bootstrap)
Qualité de site Web du
DriveSatisfaction 0,161 0,042 0,040 0,000 3,988
Qualité du point de retrait du
DriveSatisfaction 0,125 0,039 0,037 0,002 3,336
Valeur globale
perçueSatisfaction 0,663 0,038 0,030 0,000 21,889
R² = 0,768
R² (Bootstrap) = 0,769
Il semble que les influences de la qualité de site Web du Drive et de la valeur globale perçue
sur la satisfaction de l’expérience d’un Drive sont positives et significatives au seuil 1% avec
des coefficients structurels de 0,663 et de 0,161 respectivement ; leurs ratios critiques sont
supérieurs au seuil de 1,96. Alors que la qualité du point de retrait du Drive a une influence
positive et significative au seuil 5% avec du coefficient structurel de 0,125 et son ratio
critique représentant la valeur absolue du test t de Student est supérieure au seuil de 1,96 avec
le │t│= 0,002.
La qualité de service perçue sur site Internet du Drive a une influence positive et
significative directe sur la satisfaction de l’expérience avec un Drive. Ce résultat
permet de corroborer l’hypothèse H1.
La qualité de service perçue du point de retrait du Drive a une influence positive et
significative directe sur la satisfaction de l’expérience avec un Drive. Ce résultat
permet de corroborer l’hypothèse H2.
La valeur perçue globale a une influence positive directe sur la satisfaction de
l’expérience avec un Drive. Ce résultat permet de corroborer l’hypothèse H7.
1.2.1.2 Test des influences directes sur la valeur globale perçue d’un Drive (H3, H4)
Les hypothèses H3 et H4 concernent les effets de la qualité de site Web et de la qualité du
point de retrait du Drive sur la valeur globale perçue d’un Drive. Le test de ces deux
hypothèses est présenté au tableau 65 ci-dessous.
Tableau 65 : Effets directs de la qualité de site, la qualité du pont de retrait du Drive sur la
valeur globale perçue d’un Drive
Relations structurelles Valeur Valeur Erreur Pr > |t| Ratio critique
(Bootstrap) standard
(Bootstrap)
Qualité de site Web du
DriveValeur globale perçue 0,503 0,491 0,052 0,000 9,591
Qualité du point de retrait du
DriveValeur globale perçue 0,282 0,290 0,051 0,000 5,522
R² = 0,539
R² (Bootstrap) = 0,537
Les résultats obtenus nous permettent de vérifier la relation directe entre nos variables
explicatives : qualité du site Web et qualité du point de retrait sur la valeur globale perçue
d’un Drive.
53,9% de la variabilité de la valeur globale perçue a été expliquée par la qualité du site Web et
la qualité du point de retrait du Drive.
L’examen de la significativité confirme, d’une part, que la relation entre la qualité de site Web
du Drive et la valeur globale perçue est significative et forte, parce que le coefficient
structurel est de 0,503 et le ratio critique est de 9,591 avec│t│=0,000. D’autre part, le lien
entre la qualité du point de retrait du Drive et la valeur globale perçue est également positif
avec un coefficient structurel moyen 0,282 et significatif (le ratio critique= 5,522 ;
│t│=0,000). À partir de ces résultats nous pouvons conclure que :
1.2.1.3 Test des influences directes sur la fidélité à un Drive (H8, H10, H11)
Les hypothèses H8 et H10 et H11 concernent l’effet exercé sur la fidélité à un Drive par la
valeur globale perçue, la satisfaction et la confiance à l’enseigne. Le test de ces trois
hypothèses est présenté au tableau 66 ci-dessous.
Les résultats montrent que les trois variable (la valeur globale perçue, la satisfaction et la
confiance ç l’enseigne) expliquent fortement la fidélité du consommateur à un Drive à plus
de 84% (R²=0,843).
0,768
Satisfaction
1,0 0,161**
0,125* 0,421**
Qualité du site web
0,663**
du Drive
0,503**
0,843
0,539
Valeur globale 0,266**
Fidélité à un Drive
1,0 perçue d’un Drive
00
Qualité du point de
0,282**
retrait du Drive
0,284**
Confiance à
l’enseigne
Légende :
- Sur les flèches sont placés les path coefficients
- La présence d’une seule étoile auprès des path coefficients indique qu’ils sont significatifs au seuil de
5%
- La présence de deux étoiles auprès des path coefficients indique qu’ils sont significatifs au seuil de
1%
- Le chiffre en caractère gras est le R² de chaque variable endogène
1.2.2 Le test des hypothèses relatives aux relations indirectes (effets médiateurs)
Dans notre modèle, nous avons deux types d’effets médiateurs : simples et multiples. Les
effets médiateurs multiples se déclinent en médiation multiple en étape et en chaine.
Afin de tester les effets médiateurs, nous avons utilisé les macros développés par Preacher et
Hayes (2004, 2008) et Hayes et al. (2011).
1.2.2.1 Test des effets indirects simples (H5a, H5b, H6a, H6b, H9)
Il y a quatre relations avec une médiation simple dans notre modèle de recherche :
H5b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de
service perçue du site Internet du Drive et la fidélité du consommateur à un Drive (Qualité de
site Valeur globale perçue Fidélité).
H6b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de
service perçue du point de retrait du Drive la fidélité du consommateur à un Drive (Qualité
du point Satisfaction Fidélité).
Yvar est la variable dépendante (à expliquer), Xvar est la variable indépendante (explicative,
Mvar est la variable médiatrice et Z souligne le nombre de nouveaux échantillons de
bootstrap souhaités. La valeur de Z varie entre 1000 et 1000 000. Dans notre recherche nous
avons fixé la valeur de Z par défaut de la macro au niveau de 5000.
Nous avons conservé la valeur par défaut de la macro au niveau du nombre de ré-
échantillonnage (5000). Nous considérons l’effet médiateur significatif si le zéro n’existe pas
dans l’intervalle de confiance à 95%. Mais, Hair et al. (2017) recommandent, avant de
déclarer s’il y a une relation indirecte de médiation, de calculer l’indice VAF (Variance
Accounted For) pour savoir si cette médiation est partielle ou totale. Selon Hair et al. (2017),
la médiation est considérée totale, si la valeur de VAF>0,8, alors que la médiation est partielle
quand la valeur de VAF varie entre 0,2 et 0,8. Cependant, si la valeur de VAF inférieure à 0,2,
la médiation n’existe pas. Le calcul de VAF se fait avec la formule suivante :
VAF = (a x b) / (a x b) + c’
A travers le tableau ci-dessus, nous constatons que l’intervalle de confiance à 95% ne contient
pas le zéro pour les cinq relations indirectes dans notre recherche. Cela signifie que les effets
indirects sont significatifs avec des valeurs estimées respectivement à 0,5315 ; 0,4734 ;
0,4968 ; 0,5620 ; 0,4932.
Par ailleurs, nous avons calculé le VAF (Variance Accounted For) afin de savoir si cette
médiations est partielle ou totale (Hair et al., 2014, 2017). Le tableau 68 ci-dessous qui
présente le VAF calculé pour chacune des cinq relations confirme qu’il y a un effet médiateur
significatif avec une médiation totale sur la relation qualité de service du point de retrait et la
fidélité du consommateur à un Drive via la satisfaction du consommateur (VAF>0,80), alors
qu’il y a un effet médiateur significatif avec une médiation partielle sur les autres relations
qualité de service de site web du Drive fidélité via la valeur globale perçue/satisfaction ;
qualité de service du point de retrait du Drive fidélité via la valeur globale perçue et valeur
globale perçue fidélité via la satisfaction ( 20 < VAF < 80).
H6b : La valeur globale perçue a un effet médiateur dans la relation entre la qualité de service
perçue du point de retrait du Drive la fidélité du consommateur à un Drive. Il s’agit d’un cas
de médiation totale.
H9 : La satisfaction du consommateur a un effet médiateur dans la relation entre la valeur
perçue globale et la fidélité du consommateur à un Drive. Il s’agit d’un cas de médiation
partielle.
A ce stade, nous pouvons procéder au test de la médiation multiple supposée entre la qualité
de service du site Web du Dive et la fidélité du consommateur à un Drive, ainsi qu’entre la
qualité de service du point de retrait du Drive et la fidélité du consommateur à un Drive.
Il est nécessaire de distinguer deux types de médiation multiple : la médiation multiple en une
étape et la médiation multiple en chaîne. La médiation multiple en chaîne correspond au fait
que les deux variables médiatrices jouent conjointement sans considération la relation causale
supposée entre eux : 1) qualité de service du site web du Drive valeur globale perçue,
satisfaction du consommateur fidélité du consommateur à un Drive ; 2) qualité de
service du point de retrait du Drive valeur globale perçue, satisfaction du consommateur
fidélité du consommateur à un Drive.
Alors que la médiation multiple en chaîne correspond au fait que les deux variables
médiatrices jouent conjointement en prenant en compte la relation causale supposée entre eux.
Autrement dit, la médiation multiple en chaîne dans notre recherche fait référence au
cheminement causal « qualité de service du site web du Drive valeur perçue
globalesatisfaction du consommateur fidélité du consommateur à un Drive ; qualité
de service du point de retrait du Drive valeur perçue globalesatisfaction du
consommateur fidélité du consommateur à un Drive ».
Pour tester la médiation multiple en une étape, nous avons recouru à la démarche adoptée
auparavant dans le test de médiation simple en utilisant la macro INDIRECTE proposée par
Preacher et Hayes (2008). Tout d’abord, nous avons testé l’effet indirect total des deux
médiateurs, puis les effets indirects spécifiques pour chaque médiateur. Pour ce faire, nous
avons tourné la macro INDIRECT avec les scripts suivants :
Nous avons fixé la valeur par défaut de la macro au niveau du nombre de re-échantillonnage
(5000). L’output de la macro est présenté dans l’annexe 14. Cependant, nous avons synthétisé
les résultats des effets indirects totaux par les deux médiations (valeur et satisfaction) dans le
tableau 69 ci-dessous.
Tableau 69 : Les résultats du test des effets indirects totaux par les deux médiateurs
Relations structurelles Coefficient Borne Borne
inférieure supérieure
(conf. 95%) (conf. 95%)
A travers les résultats montrés ci-dessus, nous pouvons confirmer que l’effet indirect total par
les deux médiateurs (valeur globale perçue et satisfaction du consommateur) est significatif
pour les deux relations. Cela explique par le fait que son intervalle de confiance à 95% ne
contient pas zéro. Aves des valeurs estimées respectivement à 0,5907 et 0,6091.
Concernant les effets indirects spécifiques en une étape, le tableau 70 ci-dessous expose ces
résultats intéressants.
Tableau 70 : Les résultats du test des effets indirects spécifiques en une étapeTableau
Relations structurelles Valeur globale perçue
Borne inférieure Borne supérieure
(conf. 95%) (conf. 95%)
Les deux médiateurs ont chacun un effet indirect spécifique significatif car l’intervalle de
confiance à 95% des deux effets spécifiques ne contient pas le zéro. De ce fait, la médiation
multiple en étape des deux relations : Qualité de service du site web du Drive Valeur
globale perçue, Satisfaction du consommateur Fidélité du consommateur à un Drive ;
Qualité de service du point de retrait du Drive Valeur globale perçue, Satisfaction du
consommateur Fidélité du consommateur à un Drive a été mise en évidence.
Pour ce faire, nous avons tourné la macro MERDTHREE avec les scripts suivants :
37
Cette macro fournie des estimations des effets indirects et leurs intervalles de confiances Bootstrappés pour les
modèles à multiples étapes (X →M1 →M2 →Y).
En tournant la macro MERDTHREE, nous pouvons identifier trois effets indirects spécifiques
concernant la relation 1 : Qualité de service du site web du Drive Valeur globale perçue
Satisfaction du consommateur Fidélité du consommateur à un Drive (voir la figure 23,
relation 1). Le premier effet progresse par la valeur et se termine à la fidélité comme le
produit d’a1 et b1. Quant au deuxième effet indirect spécifique, il progresse à travers la
satisfaction du consommateur et se définit à la fidélité comme le produit d’a2 et b2. Le
troisième effet indirect spécifique passe par la valeur globale perçue, puis par la satisfaction
du consommateur pour se terminer à la fidélité du consommateur à un Drive comme le
produit d’a1, a3, b2. Lorsque les trois effets indirects spécifiques sont ajoutés ensemble,
l’effet indirect total de la qualité du site sur la fidélité de consommateur à un Drive se produit
(a1b1+a2b2+a1a3b2) (Figure 23, relation 1).
Tableau 71: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service
du site Web du Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité du
consommateur à un Drive
Relations structurelles Valeur Borne Borne Résultat du
inférieure supérieure test
(95%) (95%)
D’après les résultats obtenus, nous pouvons constater que le zéro n’est pas dans l’intervalle de
confiance à 95% pour l’effet indirect total ainsi que pour tous les trois effets indirects
spécifiques. Ce qui nous conduit à confirmer que les quatre effets indirects sont significatifs.
Cela nous permet de mettre en évidence l’effet indirect entre la qualité de service du site web
du Drive et la fidélité du consommateur à un Drive par la valeur globale perçue et la
satisfaction du consommateur en passant de façon séquentielle.
Tableau 72: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service
du point de retrait du Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité
du consommateur à un Drive
Relations structurelles Valeur Borne Borne Résultat du
inférieure supérieure test
(95%) (95%)
A travers les résultats montrés dans le tableau ci-dessus, nous pouvons voir que l’intervalle de
confiance à 95% ne contient pas le zéro pour l’effet indirect total ainsi que pour tous les trois
effets indirects spécifiques ainsi que pour l’effet indirect total. Ce qui nous conduit à
confirmer que les quatre effets indirects sont significatifs. Cela nous permet de mettre en
évidence l’effet indirect entre la qualité de service du point de retrait du Drive et la fidélité du
consommateur à un Drive par la valeur globale perçue et la satisfaction du consommateur en
passant de façon séquentielle.
Figure 23: Un modèle de médiation multiple en deux étapes de l’effet indirect de la qualité du
site/ point sur la fidélité
Satisfaction
Relation 1 b2
a2
c’
Qualité du Fidélité
site
a3
a1
b1
Valeur
globale
Satisfaction
Relation 2 a2 b2
c’
Qualité du Fidélté
point
a3
a1
b1
Valeur
globale
avec une médiation multiple en une étape significative et une médiation multiple en
chaîne significative également => la qualité de service du site web du Drive a un effet
indirect significatif sur la fidélité du consommateur à un Drive par la médiation de la
valeur globale perçue et la satisfaction du consommateur. Ce résultat permet de corroborer
l’hypothèse H5c.
avec une médiation multiple en une étape significative et une médiation multiple en
chaîne significative également => la qualité de service du point de retrait du Drive a un
effet indirect significatif sur la fidélité du consommateur à un Drive par la médiation de la
valeur globale perçue et la satisfaction du consommateur. Ce résultat permet de corroborer
l’hypothèse H6c.
H12 : L’âge modère les liens entre les variables du modèle conceptuel.
Selon l’âge, notre échantillon final se répartie en cinq groupes comme le tableau suivant 73 ;
Afin d’effectuer une analyse multi-groupe, nous avons constitué deux groupes de taille
acceptable. Le premier groupe est constitué des individus ayant moins de 50 ans (223
individus), alors que le deuxième groupe comprend les individus ayant plus de 50 ans (127
individus). Étant donné que nous avons deux groupes de répondants, nous avons recouru au
test de permutation pour réaliser l’analyse multi-groupe. Ce test combine les avantages des
autres approches38 qui ont été développées pour l’approche PLS, et permet d’obtenir des
informations fiables sur la significativité de la différence entre les coefficients structurels. Le
tableau 74 ci-dessous présente les résultats obtenus :
Les résultats du test de permutation montrent que la différence entre les deux groupes n’est
pas significative pour toutes les relations étudiées. Nous avons donc accepté l’hypothèse
d’égalité des paramètres dans les deux groupes. Les résultats du test t exposés dans l’annexe
17 confirment également ce constat ; qu’aucun path coefficient n’est associé au lien entre les
38
L’approche paramétrique classique ; l’approche par effet de modération ; l’approche par test non paramétrique
et approche basée sur les permutations.
variables de notre modèle. L’âge ne modère donc aucune relation structurelle. Ceci nous
conduit à rejeter l’hypothèse H12.
H13 : Le genre a une influence modératrice sur l’ensemble des relations entre les
variables de notre modèle.
Un test de permutation a été utilisé pour réaliser l’analyse multi-groupe. Le tableau 75 ci-
dessous présente les résultats du test de permutation ;
Le test de permutation indique que la différence entre les deux groupes n’est pas significative
pour tous les liens étudiés. Les résultats du test t montrés dans l’annexe 18 confirment que le
genre ne modère donc aucune relation structurelle. Ce résultat nous conduit donc à rejeter
l’hypothèse H13.
H14 : La taille de famille modère les liens entre les variables du modèle conceptuel.
Selon la taille de famille, notre échantillon se répartie en cinq groupes comme le tableau
suivant 76.
1 20 5,7 5,7
2 79 22,6 28,3
3 138 39,4 67,7
4 97 27,7 95,4
5 16 4,6 100,0
Total 350 100,0
Afin d’effectuer une analyse multi-groupe, nous avons constitué deux groupes de taille
acceptable. Le premier groupe est constitué des familles ayant moins de quatre personnes
(237), alors que le deuxième groupe comprend les familles ayant 4 personnes ou plus (113).
Un test de permutation a été utilisé pour réaliser l’analyse multi-groupe. Le tableau 77 ci-
dessous présente les résultats du test de permutation.
Le test de permutation montre que la différence entre les deux groupes est significative pour
les relations suivantes : Qualité du site Valeur globale perçue, Qualité du point Valeur
globale perçue, Qualité du site Satisfaction, Qualité du point Satisfaction. Le t test
présenté en annexe 19 confirme ce résultat.
Selon le tableau 78, lorsque le modèle intègre la taille de la famille comme une variable
modératrice, la valeur globale perçue est mieux prédite par la qualité de service du site web du
Drive chez les familles ayant 4 personnes ou plus que chez les familles ayant moins de 4
personnes (le coefficient structurel est de 0,659 vs 0,481, contribution au R² est de 52,2% vs
16,7%).
Tableau 78: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur
la valeur globale perçue selon la taille de la famille
Relations Les familles ayant moins de 4 Les familles ayant 4 personnes ou
structurelles personnes plus
Le tableau 79 ci-dessous montre que la valeur globale perçue est mieux prédite par la qualité
de service du point de retrait du Drive chez les familles ayant moins de 4 personnes que chez
les familles ayant 4 personnes ou plus (le coefficient structurel est de 0,372 vs 0,116,
contribution au R² est de 13,2%% vs 1,6%).
Tableau 80: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur
la satisfaction selon la taille de la famille
Relations Les familles ayant moins de 4 Les familles ayant 4 personnes ou
structurelles personnes plus
Le tableau 81 ci-dessous montre que satisfaction du consommateur est mieux prédite par la
qualité de service du point de retrait du Drive chez les familles ayant moins de 4 personnes
que chez les familles ayant 4 personnes ou plus (le coefficient structurel est de 0,187 vs 0,045,
contribution au R² est de 5,8%% vs 0,5%).
En résumé, Il convient d’indiquer que l’influence de la qualité de service du site web du Drive
sur la valeur globale perçue et sur la satisfaction du consommateur est positive et significative
au seuil de 1% uniquement pour les familles ayant 4 personnes ou plus. Mais, l’influence de
la qualité du point de retrait du Drive sur la valeur globale perçue ainsi que sur la satisfaction
du consommateur est positive et significative au seuil de 1% uniquement pour les familles
ayant moins de 4 personnes. Ces résultats nous conduisent à corroborer partiellement
l’hypothèse H14.
Conclusion de la section
Cette section nous a permis de valider notre modèle et de tester les hypothèses de notre
recherche. Tout d’abord, la qualité d’ajustement du modèle global a été estimée par le GoF
(Goodness-of-Fit).
Plusieurs analyses ont ensuite été effectuées pour tester les relations directes entre les
variables latentes de notre recherche. Puis, en utilisant les méthodes de Preacher et Hayes
(2004, 2008) et de Hayes et al. (2011), nous avons pu confirmer les relations indirectes entre
la qualité de service site/ point de retrait et la fidélité par la médiation de la valeur globale
perçue/ satisfaction, et entre la valeur globale perçue et la fidélité par la médiation de la
satisfaction. Concernant les effets modérateurs, nous avons mobilisé des variables
sociodémographiques dont la taille de la famille est retenue comme une variable partialement
modératrice de notre modèle de recherche.
Le tableau 82 récapitulatif présente la synthèse des résultats relatifs aux hypothèses de notre
recherche.
D’abord, nous discuterons les résultats du test du modèle de mesure des construits ; les
échelles de mesure des construits de notre modèle. Ensuite, nous mettrons en évidence les
résultats du modèle structurelle. Enfin, nous conclurons la discussion des résultats relatifs au
rôle des variables modératrices.
Cependant, la phase d’analyse exploratoire n’a pas permis de retenir ces sept dimensions. Les
deux dimensions : la personnalisation et la fiabilité, supposées conceptuellement distinctes,
ont été éliminé en phase d’épuration du fait de leurs faibles qualités psychométriques et de
leur factorisation sur différents dimensions. La justification théorique de ces éliminations s’est
appuyée sur les travaux de Bressolle (2006). En effet, cette suppression se base sur le fait que
notre recherche s’intéresse à une expérience précise d’achat sur Drive et non à une série
d’expériences. Or, les items relatifs à la personnalisation nécessitent des expériences répétées
afin que les consommateurs puissent facilement identifier la personnalisation.
Ensuite, les cinq dimensions mises à jour par les analyses factorielles exploratoires avec le
maximum de vraisemblance (MV) ont été validées par une analyse factorielle confirmatoire
sous AMOS23. De plus, un test de la fiabilité et de la validité de l’échelle a été réalisé comme
montré dans le tableau 83 ci-dessous.
Tableau 83: Fiabilité et validité de l’échelle de mesure de la qualité du site Web du Drive
Fiabilité et Validité convergente Poids fact.
ρ > 0,7 ; rhô vc > 0,5 stand.
Ces 15 items sont ensuite examinés par la méthode d’analyse exploratoire avec le maximum
de vraisemblance (MV) sous SPSS23. Les résultats du test nous ont permis de retenir les trois
dimensions avec 9 items sur un ensemble de 15 items initiaux. Les 6 items ont été éliminés en
phase d’épuration du fait de leurs faibles qualités psychométriques et de leur factorisation sur
différentes dimensions. Nous retrouvons ces trois dimensions dans l’échelle de SERVQUAL de
Parasuraman et al. (1988) et dans l’échelle de Dabholkar et al. (1996) qui comptent en plus la
dimension fiabilité. En effet la fiabilité du point de retrait n’est présente qu’indirectement dans
notre échelle.
Ensuite, les trois dimensions mises à jour par les analyses factorielles exploratoires avec le
maximum de vraisemblance (MV) ont été validées par une analyse factorielle confirmatoire
sous AMOS23. Dimension 1 : Tangibilité (Alpha de Cronbach = 0,840), Dimension 2 :
Accessibilité (Alpha de Cronbach = 0,789), Dimension 3 : Personnel (Alpha de Cronbach =
0,917). De plus, un test de la fiabilité et de la validité de l’échelle a été réalisé (tableau 84).
Dans notre recherche, les items de l’échelle de mesure de la valeur globale perçue utilisée
sont empruntés à Aurier, Evrard et N’Goala, (2004) et à Ruiz et al. (2008), et adaptés à la
suite de notre étude exploratoire qualitative. Après les analyse factorielles, exploratoire et
confirmatoire, nous avons conservé tous les quatre items de notre échelle. Les indicateurs de la
qualité psychométriques sont très satisfaisants. De plus, un test de la fiabilité et de la validité de
l’échelle a été réalisé (Alpha de Cronbach = 0,949 ; P= 0,924, Rhô vc = 0,758).
Une analyse factorielle exploratoire avec le maximum de vraisemblance (MV) a été effectuée
afin d’éliminer les items présentant des qualités psychrométriques insatisfaisantes sous
SPSS23. Le coefficient α de Cronbach a été retenu comme mesure de la cohérence interne.
Après cette analyse, nous avons conservé tous les quatre items de notre échelle. Les
indicateurs de la qualité psychométriques sont très satisfaisants. De plus, un test de la fiabilité et
de la validité de l’échelle a été réalisé (Alpha de Cronbach = 0,926 ; P= 0,930, Rhô vc =
0,768).
Une analyse factorielle exploratoire avec le maximum de vraisemblance (MV) a été effectuée
afin d’éliminer les items présentant des qualités psychrométriques insatisfaisantes sous
SPSS23. Le coefficient α de Cronbach a été retenu comme mesure de la cohérence interne.
Après cette analyse, nous avons conservé tous les quatre items de notre échelle. Les
indicateurs de la qualité psychométriques sont très satisfaisants. De plus, un test de la fiabilité
et de la validité de l’échelle a été réalisé (Alpha de Cronbach = 0,935 ; P= 0,935, Rhô vc =
0,782).
Sur le plan conceptuel, cette échelle nous a permis de mesurer la fidélité du consommateur à
travers l’intention de faire les courses dans ce Drive, l’intention de recommander ce Drive et
de produire un bouche à oreille positif de ce Drive.
Dans un premier temps, nous avons discuté la fiabilité et la validité des échelles de mesure
des construits dont il est nécessaire de s’assurer avant toute évaluation des relations entre les
construits. Pour ce faire, nous avons utilisé le logiciel AMOS23. Ensuite, en recourant à des
modélisations sous XLSTAT2017, nous avons pu tester nos 18 hypothèses de recherche. La
confrontation aux données recueillies conduit à rejeter 2 hypothèses et les 16 autres s’en
trouvent corroborées. Toutes les relations du modèle structurel sont acceptées par les données
et seules deux hypothèses portant sur les effets modérateurs de l’âge et du genre sont rejetées.
Nous présentons et discutons ces résultats pour chaque hypothèse en commençant par les
déterminants les plus en amont, qui définissent la qualité de service perçue du Drive et leurs
effets sur les représentations mentales du consommateur (satisfaction ou valeur perçue) ainsi
que sur ses décisions futures se traduisant par sa plus ou moins grande fidélité. Enfin, la
confiance du consommateur envers l’enseigne obéit à une logique un peu différente de la
qualité de service propre au Drive, mais elle a été prise en compte car elle contribue aussi à la
construction des intentions de fidélité du consommateur.
Ce résultat va dans le même sens que celui des travaux précédents en confirmant que la
qualité de service virtuelle et physique influe positivement sur la satisfaction du
consommateur.
l’accès au site web est continu. On peut passer commande de chez soi, directement sur le
site web du Drive, en quelques clics de souris et à tout moment, grâce à une connexion
Internet. Il semble évident que le comportement du consommateur s’en trouve
transformé : aujourd’hui, le consommateur a recours au matériel qui lui convient, au
moment où il en a besoin, et accessible presque partout où il se trouve. Trois dimensions
de la qualité de service jouent un rôle clé pour les sites web de Drive : leur design, les
informations qu’ils fournissent et leur facilité d’utilisation. Ces trois aspects contribuent à
la qualité de service du site web avec des coefficients de 0,301 , 0,283 et 0,259
respectivement, loin devant les deux autres dimensions que sont la sécurité (0,180) et
l’assortiment (0,175). Ces résultats sont en cohérence avec ceux relevés par les travaux de
Seck (2009), Bressolles (2004) et Montoya-Weiss et al. (2003) qui identifient les mêmes
aspects (design du site, la facilité d’utilisation et la qualité de l’information) comme des
dimensions-clé de la qualité de service d’un site web telle qu’elle est évaluée par
l’utilisateur et conditionnant, à terme, sa satisfaction. L’effet plus faible de la qualité de
l’assortiment peut être expliqué par la difficulté de juger les produits et par l’étroitesse
relative de l’offre dans le système Drive, ce que notre analyse exploratoire a identifié
comme étant les principaux freins à l’achat en Drive.
En ce qui concerne la qualité du point de retrait, la relation avec le personnel est la
dimension la plus influente pour les consommateurs du Drive. Elle est suivie d’assez loin
par les aspects tangibles et la facilité d’accès qui sont pourtant à la base du concept. Ce
résultat est cohérent avec la recherche de Rolland (2003) qui indique que la relation avec
le personnel et l’accessibilité sont les dimensions qui comptent le plus pour les
consommateurs. En effet, dès qu’il arrive au point de retrait, le consommateur voit arriver
en moins de cinq minutes un employé qui lui amène ses achats et les range dans le coffre
de sa voiture. Cette fluidité et cette économie d’efforts sont une source de satisfaction
pour le consommateur.
Ces résultats corroborent donc l’idée qu’une bonne qualité de service du Drive est une source
de satisfaction du consommateur.
canaux utilisé peut apporter de la valeur pour le consommateur et contribuer à une valeur
globale perçue comme plus élevée pour lui.
Dans notre recherche, nous observons un effet positif direct de la qualité de service du site
web du Drive sur la valeur globale perçue (H3: Valeureffet-direct = 0,503, p = 0,000), ainsi qu’un
effet positif direct de la qualité de service du point de retrait du Drive sur la valeur globale
perçue (H4: Valeureffet-direct = 0,282, p = 0,000).
Les effets positifs directs de la qualité de service du Drive sur la valeur globale perçue sont
cohérents avec les résultats obtenus par plusieurs travaux antérieurs (Van Birgelen, De Jong et
De Ruyter, 2006 ; Vanheems et collin-Lachaud, 2011 ; Diallo et Seck, 2012 ; Paché et Babei,
2015). En effet, une bonne perception par le consommateur de la qualité de service du site
web du Drive, combinée à celle du point de retrait est une source de la valeur globale du
système Drive perçue par les consommateurs.
Nos résultats signalent que la valeur globale perçue serait nettement plus sensible à la qualité
du site web qu’à celle du point de retrait du Drive. Cela peut provenir de ce que l’essentiel de
l’interaction entre le consommateur et le commerçant se situe au niveau du site web : c’est là
que le consommateur prend connaissance des offres, compare les produits et leurs prix, choisit
son créneau de récupération et passe commande. Sa présence sur le point de retrait est brève
et reste une simple formalité pour lui. Sauf dans le cas où le retrait des courses se passerait
mal, l’essentiel des avantages offerts par le système Drive est perçu au niveau du site web où
le consommateur peut prendre son temps et s’informer avant de commander ce qui lui
convient. Passer commande de chez soi permet aussi de mieux maîtriser son budget et ses
dépenses. En bref, une bonne qualité globale des services du système Drive crée de la valeur
pour le client.
H5b (Qualité de site Valeur perçue Fidélité) : Estimation effet-indirect = 0,4734, IC (95%) :
de 0,4007 à 0,5420. Avec une médiation partielle.
H6a (Qualité du point de retrait Valeur perçue Fidélité) : Estimation effet-indirect = 0,4968,
IC (95%) : de 0,4203 à 0,5736. Avec une médiation partielle.
Ces effets indirects ont déjà été observés dans des recherches antérieures (Ladhari, 2008 ; Lai
et al., 2009 ; Haghighi et al., 2012) qui montrent que la qualité de service n’influence la
fidélité du consommateur que via la valeur globale perçue ou la satisfaction. De plus, les
travaux de Huang (2012) suggèrent que la satisfaction du consommateur serait responsable de
l’influence de la qualité de service sur la fidélisation du consommateur. Face à une situation
cross-canal, le consommateur a tendance à élaborer une évaluation globale, tant en termes de
satisfaction qu’en termes de valeur perçue, évaluations qui vont déterminer ses décisions
futures. En d’autres termes, ce ressenti et ce jugement globaux jouent un rôle médiateur
entre la qualité perçue du site web ou du point de retrait et la fidélité du consommateur à un
Drive.
En effet, la valeur globale perçue d’un Drive par le consommateur ne se résume pas
seulement à son évaluation des coûts et des avantages. La valeur globale perçue d’un Drive
Ces résultats corroborent donc clairement l’hypothèse que le Drive est capable de créer de la
valeur pour le consommateur au moyen d’une stratégie cross canal. Cette valeur globale
perçue d’un Drive contribue à la satisfaction qu’un consommateur retire de son expérience
d’achat.
Nos résultats obtenus concernant les liens direct et indirect confirment les résultats des
recherches antérieurs ayant montré un impact direct et indirect de la valeur globale perçue sur
la fidélité du consommateur à un Drive par la médiation de la satisfaction du consommateur
(Najjar et al., 2016 ; Fandos Roig et al., 2013 ; Filser, 2008).
Nos données empiriques ne contredisent donc pas l’hypothèse selon laquelle la valeur globale
perçue d’un Drive est un déterminant essentiel de la fidélité du consommateur à un Drive.
canaux utilisés (site web et point retrait du Drive), et d’autre part, contribue à la création
de la fidélité du consommateur au Drive.
Afin d’offrir une expérience d’achat cohérente au consommateur et de développer une
nouvelle relation avec le consommateur, le Drive apporte de nombreux avantages au
consommateur comme une meilleure couverture de leur besoin, la réduction des sacrifices.
Ainsi, l’expérience agréable de faire les courses en Drive permet la création de la
satisfaction du consommateur qui favorise la fidélité du consommateur au Drive.
Un des résultats de cette recherche vient donc corroborer l’hypothèse que la confiance
accordée à une enseigne est, à côté de la valeur perçue et de la satisfaction, un déterminant
partiel de la fidélité du consommateur à un Drive de cette enseigne.
les relations entre nos construits du modèle changent en fonction de l’âge, du sexe et de la
taille de famille. Nous avons choisi ces trois variables qui sont traditionnellement utilisées en
marketing, en raison de leur potentiel pouvoir explicatif. Il en ressort les constats suivants.
Ces résultats ne corroborent pas nos hypothèses H12 : l’âge modère les relations entre les
variables de notre modèle, H14 : le genre du répondant modère les relations entre les
variables de notre modèle.
Dans notre échantillon, la majorité des répondants sont plus de 30 ans dans la vie active et
vivent en couple. D’ailleurs, lors de notre étude qualitative, nous avons aussi souligné que le
Drive est fréquenté par les gens qui travaillent et qui sont en couple. En effet, l’accroissement
du taux de travail des femmes dévoile une égalité entre les hommes et les femmes. De ce fait,
la réduction du temps disponible de faire les courses dans les supermarchés nous conduit
d’annoncer qu’il n’y a aucune différence entre les femmes et les hommes en termes
d’évaluation globale de notre modèle de recherche (Binninger, 2013). Les recherches
antérieures, aboutissent à des conclusions similaires, montrent que les caractéristiques
sociodémographiques de l’individu (âge et genre) ne jouent aucun rôle modérateur (Li et al.,
1999 ; Teo, 2001).
la qualité de service du Drive. Nous avions postulé que la taille de famille du répondant
modérait les relations entre les variables de notre modèle de recherche. Cette hypothèse n’a
été validée que pour quatre relations : Qualité du site Valeur globale perçue, Qualité du
point Valeur globale perçue, Qualité du site Satisfaction, Qualité du point Satisfaction
(tableau 85).
La qualité de service du site web du Drive a un effet positif et significatif sur la valeur globale
perçue (au seuil de 1%) pour les foyers ayant moins de 4 personnes ainsi qu’un effet positif et
significatif plus fort pour les foyers ayant 4 personnes et plus. Par ailleurs, la qualité de
service du site web du Drive a une influence positive et significative sur la satisfaction du
consommateur (au seuil de 1%) pour les foyers ayant 4 personnes et plus, alors que cette
influence est non-significative pour les foyers ayant mois de 4 personnes. Concernant la
qualité du point de retrait du Drive, cette variable a une influence positive et significative sur
la valeur perçue ainsi que sue la satisfaction du consommateur (au seuil de 1%) pour les
foyers ayant moins de 4 personnes, alors que cette influence est non-significative pour les
foyers ayant 4 personnes et plus.
Il semble que les familles nombreuses 4 personnes et plus soient sensibles aux dimensions
temporelles, économique et commodité physique : il en est ainsi lorsqu’elles perçoivent
positivement la facilité d’utilisation du site web du Drive, le design, la qualité de
l’information sur le site du Drive. Alors que les familles ayant moins de 4 personnes
s’intéressent plus à la qualité de service du point de retrait qui influence leur évaluation
globale sur la qualité de service perçue du Drive.
Ces résultats concernant les effets modérateurs demeurent cependant difficiles à interpréter,
mais ils ne remettent pas en cause la validité globale du modèle.
Dans l’ensemble, les résultats ont permis de corroborer la grande majorité des hypothèses
proposées. Ils montrent que la qualité de service du site web du Drive, la qualité de service du
point de retrait du Drive, la valeur globale d’un Drive, la satisfaction du consommateur et la
confiance à l’enseigne influencent la fidélité du consommateur à un Drive de façon directe ou
indirecte. Enfin, concernant les variables sociodémographiques, les deux variables « âge » et
« sexe » ne modèrent aucune relation entre les variables du modèle, alors que la variable « la
taille de famille» modère les relations : Qualité du site Valeur globale perçue, Qualité du
point Valeur globale perçue, Qualité du site Satisfaction, Qualité du point
Satisfaction.
Dans la deuxième section, nous avons discuté, interprété et mis en perspective l’ensemble des
résultats issus de la phase empirique avec les recherches précédentes. Tout d’abord, nous
avons montré que les échelles de mesure utilisées dans notre recherche ont des qualités
psychométriques satisfaisantes en général. Ensuite, nous avons montré que les résultats du
modèle structurel confirment ou complètent les recherches existantes sur l’évaluation globale
sur la qualité de service et les représentations mentales du consommateur (valeur perçue et
satisfaction).
Avec l’intégration de ces deux canaux, le consommateur du Drive vit une expérience à la fois
originale, plaisante et intéressante. Cette dernière contribue à la création de la fidélité du
consommateur à un Drive.
Les implications des résultats seront développées dans la conclusion générale de ce travail.
CONCLUSION GENERALE
Conclusion générale
Afin de répondre à ces trois questions de recherche, nous avons d’abord effectué une revue de
la littérature portant sur trois champs de recherche (le comportement du consommateur dans
un contexte de distribution à plusieurs canaux, l’innovation commerciale et la fidélité du
consommateur), combiné à une étude qualitative exploratoire auprès des consommateurs.
L’objectif de cette étude qualitative était d’avoir une meilleure compréhension du
comportement du consommateur en termes de perception, d’attitude et d’évaluation globale
(la satisfaction et la fidélité). Des entretiens semi-directifs ont été menés auprès de seize
consommateurs qui utilisent le Drive dans leurs courses. En effet, ces entretiens nous
permettent d’explorer le terrain de recherche, ainsi que de comprendre mieux le
comportement des clients dans un nouveau environnement de consommation. D’ailleurs, nous
avons obtenu trois principaux résultats ressortant de notre étude qualitative grâce à une
analyse thématique :
les caractéristiques des répondants : selon le premier résultat, nous pouvons montrer
que la majorité des consommateurs du Drive appartiennent une catégorie socioprofessionnelle
assez élevée, ainsi qu’ils ont un niveau d’étude supérieur. Par ailleurs, nous avons remarqué
que les répondants les plus présents sont des couples avec des enfants.
Les motifs d’adoption du Drive par les consommateurs : nous avons facilement
remarqué que le system Drive propose plusieurs avantages aux consommateurs comme le
gain de temps, l’accès continu, la rapidité, la modération du prix, la dimension économique, la
réduction de l’effort physique, la proximité, l’accessibilité routière et la satisfaction.
Les freins d’achat des consommateurs qui ont adopté le Drive : comme nous l’avons
souligné auparavant, le service Dive offre plusieurs avantages aux consommateurs, mais il a
aussi certains inconvénients qui sont considérés comme freins d’achats des consommateurs
qui ont adopté du Drive. nous avons constaté en analysant le discours des répondants
interrogés que les principaux freins d’achat en drive tournaient autour de la difficulté de juger
les produits, l’étroitesse de l’assortiment (la variété) ainsi que le montant de la commande qui
doit être supérieur à 40 euros.
Ces deux étapes (la revue de littérature et notre étude qualitative exploratoire) nous ont permis
de proposer un modèle conceptuel de la qualité de service perçue du Drive et de ses effets sur
les représentations mentales du consommateur (valeur globale perçue et satisfaction) ainsi que
sur sa fidélité au Drive évalué. Ce modèle de recherche et ses hypothèses ont été testés par
une approche quantitative, avec les données obtenues par enquête auprès de 500 utilisateurs
du Drive. Les répondants ont été subdivisés en deux sous-échantillons (N1 = 150 et N2 = 350)
pour réaliser les analyses factorielles exploratoires et confirmatoires. Le test du modèle
général ainsi que des hypothèses de recherche a été conduit en recourant à la méthode des
équations structurelles, plus précisément à la modélisation PLS-PM (Partial least squares,
pathmodelling) au moyen du logiciel XLSTAT 2017.
Ces tests nous permettent, d’une part, de valider les facteurs explicatifs de la fidélité du
consommateur dans un contexte de distribution cross-canal à un Drive. D’autre part, ces tests
nous permettent également de retenir des effets significatifs indirects entre les quatre
déterminants de la fidélité et la fidélité du consommateur.
La valeur globale perçue : la valeur globale pour le consommateur constitue un attribut d’un
service que les enseignes de distribution doivent cultiver pour établir ou renforcer les relations
avec leurs clients. Cette dimension globale est particulièrement cruciale dans un contexte
cross-canal comme le Drive, car chaque élément doit y être de qualité et leur combinaison
doit aussi donner satisfaction pour pouvoir déboucher sur la fidélisation du client :
de la valeur pour le consommateur au moyen d’une stratégie cross canal. Cette valeur globale
perçue d’un Drive contribue à la satisfaction qu’un consommateur retire de son expérience
d’achat.
La valeur globale perçue a un effet direct significatif sur la fidélité du consommateur à un
Drive, ainsi qu’elle a un effet indirect positif sur la fidélité par la médiation de la satisfaction du
consommateur. En effet, note étude empirique ne contredisent pas l’hypothèse selon laquelle la
valeur globale perçue d’un Drive est un déterminant essentiel de la fidélité du consommateur
à un Drive.
Confiance vis-à-vis à l’enseigne : outre les éléments tenant à la qualité de service du système
Drive et à leur appréciation par le consommateur, la fidélité d’un client dépend aussi de la
confiance qu’il accorde à une enseigne de distribution. En effet, la fidélité du consommateur
augmente au fur et à mesure que son niveau de confiance envers l’enseigne s’accroît :
En synthèse, nous avons présenté et discuté les résultats pour chaque hypothèse en
commençant par les déterminants les plus en amont, qui définissent la qualité de service
perçue du Drive et leurs effets sur les représentations mentales du consommateur (satisfaction
ou valeur perçue) ainsi que sur ses décisions futures se traduisant par sa plus ou moins grande
fidélité. Enfin, la confiance du consommateur envers l’enseigne obéit à une logique un peu
différente de la qualité de service propre au Drive, mais elle a été prise en compte car elle
contribue aussi à la construction des intentions de fidélité du consommateur.
Afin de répondre à cette question de recherche, nous nous sommes intéressés, dans notre
recherche, à l’influence des variables individuelles sociodémographiques sur l’ensemble des
relations structurelles. En effet, nous avons vérifié si les relations entre nos construits du
modèle changent en fonction de l’âge, du sexe et de la taille de famille en utilisant l’analyse
multi-groupes. Nous avons choisi ces trois variables qui sont traditionnellement utilisées en
marketing, en raison de leur potentiel pouvoir explicatif. Nous avons obtenu les résultats
suivants :
Aucun effet modérateur de l’âge du consommateur du Drive n’a été détecté sur
l’ensemble des relations entre les variables de notre modèle de recherche.
Le genre du consommateur du Drive ne modère pas les liens entre les variables de
notre modèle de recherche.
La taille de famille n’exerce un effet modérateur que sur quatre relations : Qualité du
site Valeur globale perçue, Qualité du point Valeur globale perçue, Qualité du site
Satisfaction, Qualité du point Satisfaction.
La qualité de service du site web du Drive a un effet positif et significatif sur la valeur globale
et sur la satisfaction plus forte pour les foyers ayant 4 personnes et plus. Concernant la qualité
du point de retrait du Drive, cette variable a une influence positive et significative sur la
valeur perçue ainsi que sur la satisfaction du consommateur pour les foyers ayant moins de 4
personnes, alors que cette influence est non-significative pour les foyers ayant 4 personnes et
plus.Il semble que les familles nombreuses de 4 personnes et plus soient sensibles aux
dimensions temporelles, économique et commodité physique, elles perçoivent ainsi
positivement la facilité d’utilisation du site web du Drive, le design, la qualité de
l’information sur le site du Drive. Alors que les familles ayant moins de 4 personnes
s’intéressent plus à la qualité de service du point de retrait qui influence leur évaluation
globale sur la qualité de service perçue du Drive.
Après avoir synthétisé le résumé des réponses aux trois questions de recherche, nous pouvons
nous concentre sur les apports principaux de ce travail de recherche.
2 Apports de la recherche
Notre travail doctoral vise à développer les recherches en Marketing et en Management de la
distribution en réalisant une meilleure compréhension du comportement du consommateur
dans un contexte de distribution cross-canal qui marque notre époque.
Au terme de notre recherche, nous présentons successivement les apports théoriques, les
implications managériales et contribution méthodologiques.
Les nouvelles pratiques de consommation obligent les enseignes à s’adapter, voire à modeler
et à innover par de nouvelles stratégies de distribution. Il s’agit de comprendre comment ces
stratégies de distribution peuvent être une réponse aux besoins et attentes des consommateurs
qui sont à la fois exigeants et connectés. En plus, depuis cinquante ans, nombreuses sont les
innovations commerciales qui ont vu le jour comme l’hypermarché, le hard discount, les
scannettes, les caisses automatiques, les applications Smartphones et plus récemment le
Drive. De ce fait, l’innovation dans le commerce de détail apparaît comme un moyen efficace
pour répondre à cette exigence et elle a un rôle essential dans le domaine du comportement du
consommateur.
En effet, il est nécessaire d’évaluer le changement du comportement du consommateur induit
par ces innovations notamment le Drive qui est le dernier développement du supermarché : le
consommateur change, connecté et mieux informé en permanence, et devient plus exigeant.
De plus, la position du distributeur, son attitude et ses argumentaires doivent s’adapter avec le
changement du comportement du consommateur afin de maintenir sa crédibilité.
Ainsi, notre apport à ce niveau se trouve dans la revue de la littérature que nous avons
abordée sur la stratégie de distribution cross-canal qui consiste à faciliter le processus d’achat
du consommateur à travers les différents canaux utilisés (physique et virtuel), ainsi que sur
l’état d’avancement des recherches consacrées à l’étude du comportement des consommateurs
dans un environnement à plusieurs canaux (multi-canal et cross-canal).Par ailleurs, cette
recherche vient également appuyer sur les récentes recherches sur la distribution cross-canal
en mettant l’accent sur le Drive. Nous avons expliqué le concept du Drive comme une
innovation commerciale ou un nouveau canal de distribution qui permet aux consommateurs
de rationaliser leurs achats effectués en hypermarché et en supermarché, ainsi que nous avons
exposé les raisons de l’essor et du développement du Drive pour les consommateurs et pour
les distributeurs. Nous avons montré les différentes formes du Drive en expliquant les
caractéristiques, stratégie envisagée et spécificité logistique.
A partir de notre étude exploratoire qualitative, nous avons pu identifier dans premier temps le
profil des consommateurs qui utilisent le Drive et mieux comprendre son comportement.
Cette étude qualitative menée auprès des consommateurs du Carrefour Drive nous permet de
ressortir et comprendre les motifs et les freins d’adoption du Drive par les consommateurs.
Le deuxième apport théorique que nous souhaitons souligner concerne la tentative de synthèse
du concept de fidélité du consommateur et de sa mesure dans un nouveau contexte, celui du
Drive, ainsi que l’identification des déterminants du comportement du consommateur dans un
contexte de distribution cross-canal ayant une influence sur la fidélité du consommateur. Cela
contribue à l’avancement des recherches sur la fidélité du consommateur alors qu’il devient
de plus en plus mobile et volatil.
Il nécessaire de mettre en évidence le fait que notre recherche ne crée pas un nouvelle variable
relatif à la fidélité du consommateur. Mais, notre recherche se déroule dans le contexte de
distribution cross-canal, le Drive, où la fidélité est moins exploitée par rapport au secteur du
service ou du produit. Pour cela, nous avons fait le point sur les recherches qui contribuent
une meilleure compréhension de la fidélité des consommateurs dans le contexte de
distribuions cross-canal.
Dans un premier temps, nous avons présenté les différentes approches de la fidélité qui sont
adoptées dans les recherches antérieures. Par la suite, nous avons mis l’accent sur les
manifestations de la fidélité, ainsi que sur l’avantage de la fidélité pour l’entreprise et pour le
consommateur. Enfin, nous nous sommes intéressés à la clarification du terme de la fidélité
du consommateur au point de vente commerciale.
Dans un deuxième temps, nous nous sommes attachés à présenter les évolutions de l’offre et
de la relation client dans un contexte de distribution cross-canal. Il s’agit de clarifier ces
différentes évaluations en fonction de la perception de la qualité de service, de la capacité des
enseignes à créer de la valeur et à faire vivre une expérience de consommation à la fois
originale, plaisante et intéressante pour le consommateur à travers une stratégie cross-canal.
En effet, ces variables, les plus citées dans l’approche relationnelle, sont considérées comme
des facteurs ou des déterminants de la fidélité du consommateur.
Le troisième apport théorique de notre travail doctoral est d’avoir intégré au sein d’un seul
modèle des déterminants de la fidélité du consommateur à un Drive et le test empirique de ce
modèle. Pour cela, en nous basant conjointement sur la revue de la littérature et sur notre
étude qualitative exploratoire, nous avons proposé et testé un modèle conceptuel de la qualité
de service perçue du Drive et de ses effets sur les représentations mentales du consommateur
(valeur globale perçue et satisfaction) ainsi que sur sa fidélité au Drive évalué.
A notre connaissance, ce modèle conceptuel proposé et testé dans ce travail est la première
appliquée au system Drive dans le commerce de détail cross-canal. D’ailleurs, il permet une
meilleure compréhension de l’évaluation du consommateur qui utilise le Drive lorsqu’il fait
ses courses dans un contexte de distribution cross canal.
Les résultats obtenus indiquent une bonne qualité d’ajustement du modèle aux données. La
valeur du GOF absolu est très satisfaitant et supérieur à la valeur référence (0,36) selon les
recherches antérieures (EspositoVinzi et al., 2010 ; Wetzels et al., 2009). Le GOF du modèle
globale et celui du modèle bootstrap sont très proches. Cela signifie la stabilité du modèle. Le
GOF relatif indique une forte variance globale restituée par le modèle. Concernant la valeur
du GOF du modèle externe, elle est élevée (0,998), cela nous montre que les liens entre les
variables de mesure et leurs variables latentes sont de bonne qualité. Quant au modèle interne,
le GOF= 0,972 souligne que les relations structurelles sont de bonne qualité. D’ailleurs, le
pouvoir prédictif statistiquement est significatif39 étant donné que les ratios critiques qui
représentent la valeur absolu du test de student sont supérieurs à seuil de 1,96.
39
La validité discriminante a été vérifiée pour tous les modèles de mesure dans la phase confirmatoire. De façon
complémentaire, la validité discrimination des construits du modèle externe a été examinée sur XLSTAS2017.
Les résultats de ce test sont détaillés dans l’annexe 7-1
Nos résultats ont fait apparaître une influence directe de la qualité de service du Drive sur la
satisfaction du consommateur et sur la valeur globale perçue d’un Drive. Ainsi, la qualité de
service du Drive exerce un effet indirect, mais significatif, sur la fidélité du consommateur,
par la médiation de ces deux variables, valeur et satisfaction.
De manière plus précise, nous avons remarqué que les consommateurs qui utilisent le Drive
pour leurs courses fondent leur évaluation globale sur la qualité de service perçue au niveau
de l’ensemble des canaux utilisés, qu’il s’agisse du site Web ou du point du retrait. Nos
données suggèrent aussi que la qualité du site web du Drive aurait un impact plus fort que
celle du point de retrait, tant pour la satisfaction du client que pour la valeur globale qu’il
accorde au système Drive concerné. Cela peut tenir au fait que le consommateur choisit
d’acheter en Drive pour la praticité de cette formule : le gain de temps lors du retrait, mais
aussi lors de la commande, le site web étant accessible en permanence. En outre, le
comportement du consommateur s’en trouve transformé : il utilise le terminal qui lui
convient, au moment où cela l’arrange et quasiment de n’importe quel endroit où il se trouve.
Trois dimensions de la qualité de service jouent un rôle clé pour les sites web du Drive : leur
design, les informations qu’ils fournissent et leur facilité d’utilisation. Ces trois aspects
contribuent à la qualité de service du site web avec des coefficients de 0,301, 0,283 et 0,259
respectivement, loin devant les deux autres dimensions que sont la sécurité (0,180) et
l’assortiment (0,175). L’effet plus faible de la qualité de l’assortiment peut être expliqué par
l’étroitesse relative de l’offre dans le système Drive qui conviendrait mieux qu’une offre très
large, nécessitant plus de temps pour faire ses choix. Ceci ne remet pas en cause les
conclusions de Mevel et Morvan (2015) qui considèrent que qualité de l’offre est aujourd’hui
le facteur principal permettant de développer le système Drive. Il s’agirait plutôt pour les
managers de proposer en Drive un assortiment de produits offrant des niveaux de qualité
différents plutôt qu’un très large éventail.
En ce qui concerne la qualité du point de retrait, la relation avec le personnel, pourtant très
brève, est la dimension la plus influente pour les consommateurs du Drive. Elle est suivie
assez loin par les aspects tangibles et la facilité d’accès qui sont pourtant à la base du concept.
Notre travail vérifie que la multiplication des canaux de distribution est prise en compte par le
consommateur qui est devenu beaucoup plus volatil et exigeant. Dans ce contexte cross-canal,
les consommateurs cherchent à utiliser les différents canaux de distribution de façon intégrée,
à passer de l’un à l’autre selon les avantages perçues. De plus, notre recherche montre que la
multiplication des canaux ne doit pas diluer la perception de la qualité de service par le
consommateur : la qualité globale impose de veiller à la qualité de chaque maillon de la
chaîne.
Il est, par ailleurs, essentiel que les différents canaux soient bien intégrés et coordonnés de
façon à faire de l’achat en Drive une expérience à la fois originale, plaisante et intéressante.
Ceci indique que les managers ont besoin de mieux connaître la façon dont le consommateur
navigue entre les différents canaux de distribution et de mieux comprendre les raison
profondes des parcours qu’il choisit. Sans doute, les managers devraient-ils insister sur la
qualité de service du Drive afin d’accroître la fidélité du consommateur.
Partant de nos résultats, la valeur globale perçue d’un Drive est un des déterminants de la
fidélité du consommateur au système Drive. Le coefficient structurel direct de ce construit
avec la fidélité est égal à 0.266 (Valeureffet-direct = 0,266, p =0,000), ce qui est moins que l’effet
direct de la satisfaction ou de la confiance envers l’enseigne. Cependant, à la différence de ces
deux variables, la valeur globale perçue agit aussi de façon indirecte, via la satisfaction du
consommateur qu’elle contribue à expliquer. De ce fait, cette évaluation globale du
consommateur ne doit pas être négligée.
L’introduction du Drive illustre bien la logique combinatoire à l’œuvre dans les innovations
du secteur du commerce de détail (Djellal et Gallouj, 2005 ; Gallouj, 2007), car le
consommateur bénéficie de la combinaison des atouts d’un magasin « en dur » avec ceux d’un
magasin en ligne (Rouquet, 2014 ; Beck et Rygl, 2015). Le Drive permet au consommateur
Il devient important pour les managers engagés dans cette stratégie cross-canal, de chercher
de nouvelles sources de création de valeur qui puissent être clairement perçues par le
consommateur. Cependant, afin de mieux le satisfaire et le fidéliser, il faut, sans doute, aller
au-delà de la compréhension de l’expérience du consommateur saisie dans un canal
spécifique, pour essayer de la situer dans son expérience globale de consommation. Cette
compréhension approfondie du comportement global, des besoins et des attentes des
consommateurs est nécessaire pour toute stratégie cross-canal qui puisse faire face à un
environnement fortement concurrentiel, où le consommateur est devenu de plus en plus volatil
(Seck, 2008).
Nos résultats montrent que la satisfaction du consommateur a un effet positif et direct sur la
fidélité du consommateur à un Drive (Valeureffet-direct = 0,421, p =0,000). La valeur
relativement élevée de ce coefficient montre que, dans le contexte du Drive, sont confirmés
les résultats de travaux antérieurs selon lesquels la satisfaction du consommateur est un
déterminant important de la fidélité du consommateur (Gallarza et al., 2016 ; Najjar et al.,
2016 ; Fandos Roig et al., 2013 ; Leila, 2006 ; Carpenter et Fairhurst, 2005 ; Peterson, 2004 ;
Audrain et Evrard, 2001 ; Cronin, Brady et Hult, 2000 ; Rust et al, 1995 ; Anderson et al.,
1994 ; Bolton et Drew, 1994 ; Fornell, 1992 ; Oliver, 1980).
L’intégration des canaux de distribution est un facteur qui est perceptible par le
consommateur et qui influence la satisfaction du consommateur du Drive. Comme nous
l’avons mentionné auparavant, le Drive permet au consommateur d’acheter en ligne et de
récupérer ses courses dans un point de retrait. Avec l’intégration de ces deux canaux, le
consommateur du Drive vit une expérience à la fois originale, plaisante et intéressante. Ainsi,
cette expérience contribue à accroître son niveau de satisfaction, favorisant une relation à long
terme. Cela s’exprime dans son intention de faire, à l’avenir, ses courses dans ce Drive et dans
son intention de recommander ce Drive et de produire un bouche à oreille positif de ce Drive.
Ainsi, la question qui intéresserait les gestionnaires du Drive serait évidemment de veiller à
une bonne perception du consommateur de l’intégration des canaux dans son expérience
cross-canal.
Notons que l’intégration des canaux devient un défi majeur, dans la mesure où elle ne
contribue pas seulement à la satisfaction du consommateur, mais également à fidéliser les
consommateurs à un Drive. Cela permet aux managers et aux professionnels de cibler en
priorité les facteurs qui font naître la confiance et les sentiments favorables des
consommateurs, favorisant ainsi un comportement plus fidèle.
Un des résultats de notre recherche vient confirmer que la confiance accordée à une enseigne
est, à côté de la valeur perçue et de la satisfaction, un déterminant partiel de la fidélité du
consommateur à un Drive de cette enseigne (Valeureffet-direct = 0,284, p = 0,000). En effet, la
fidélité du consommateur augmente au fur et à mesure que son niveau de confiance envers
l’enseigne s’accroît. Ce résultat converge avec ceux de travaux antérieurs, selon lesquels la
confiance à l’enseigne est un élément important dans les rapports « entreprise-client » et dans
le développement de la fidélité (Diawara, 2017 ; Moulins et Roux, 2008 ; Allagui et
Temessek, 2005 ; Reichheld et Schefter, 2000 ; Garbarino et Johnson, 1999 ; Berry, 1995 ;
Berry et Parasuraman, 1991).
En effet, l’interaction avec l’enseigne joue un rôle très important dans le développement la
confiance à son égard. Dans notre recherche, l’intégration des canaux de distribution montre
que les distributeurs sont à l’écoute des attentes et des besoins des consommateurs. Par
ailleurs, l’adoption de comportement cross-canal permet au consommateur de se former une
opinion assez claire d’une enseigne. Cette opinion se décline sur différentes dimensions,
comme la crédibilité qu’elle inspire, sa fiabilité et la garantie qu’elle représente pour ses
utilisateurs. La confiance envers l’enseigne du Drive résulte de la perception par le
consommateur de ce que cette enseigne va respecter ses engagements et tenir ses promesses,
en termes de délai, de prix et de qualité des produits. Ainsi, la question qui intéresserait les
gestionnaires du Drive serait de vérifier si les consommateurs du Drive sont conscients des
efforts d’intégration des canaux de distribution (site web du Drive et point du retrait) et s’ils
les valorisent. Plus, le consommateur apprécie les efforts d’intégration des canaux, plus il fait
confiance à l’enseigne du Drive ce qui, à son tour, influence sa décision de revenir dans le
Drive et de le recommander.
Dans notre travail, l’étude de l’effet des variables individuelles (comme l’âge, sexe ou la taille
de la famille) sur les relation entre les variables de notre modèle de recherche nous a permis
d’affiner nos analyses. Nos résultats montrent que l’âge et le sexe ne jouent aucun rôle
modérateur significatif. En revanche, il est apparaît que la taille de la famille joue un rôle
modérateur sur les liens entre Qualité du site Valeur globale perçue, Qualité du point de
retrait Valeur globale perçue, Qualité du site Satisfaction et Qualité du point de retrait
Satisfaction. Notre recherche permet de mieux comprendre les différences entre les familles
ayant 4 personnes et plus et les familles ayant moins de 4 personnes dans leur perception des
facteurs qui contribuent à fidéliser le consommateur à un Drive.
L’impact positif de la qualité du site web du Drive sur la valeur globale perçue est
significativement amplifié pour les foyers de 4 personnes ou plus. En outre, pour ces ménages
nombreux, la qualité du site web influence positivement la satisfaction du consommateur,
alors que cette influence n’est pas significativement perceptible pour les foyers de moins de 4
personnes. C’est l’inverse lorsque l’on considère la qualité du point de retrait du Drive : cette
variable exerce une influence positive et significative sur la valeur perçue ainsi que sur la
satisfaction du consommateur pour les ménages de moins de 4 personnes, alors qu’elle ne
joue plus significativement pour les foyers plus importants. A partir de là, les managers des
enseignes de distribution peuvent envisager de segmenter certains aspects de leur offre afin de
suivre au plus près les différents besoins des catégories de consommateurs identifiées.
La première contribution méthodologique est liée au choix du terrain de recherche (le systeme
Drive). La spécificité de notre terrain confère à notre travail une vraie originalité. En effet, les
réseaux de distribution ont développé un nouveau mode de distribution, le Drive, qui s’appuie
sur une stratégie de type cross-canal afin de mieux répondre aux attentes et aux besoins des
consommateurs. En dépit de sa nouveauté, le Drive attire chaque année de plus en plus de
consommateurs.
La troisième contribution méthodologique est relative au fait que nous avons utilisé plusieurs
méthodes afin de traiter nos donnés qualitative. Après avoir décrit les caractéristiques de notre
échantillon, ainsi que les analyse préliminaire de l’adéquation des données à l’analyse multi-
varié, nous présentons l’épuration de nos échelles de mesure, plus particulièrement l’analyse
factorielle exploratoire en utilisant le logiciel SPSS 23 afin d’identifier la structure factorielle
de chaque échelle de mesure de notre modèle de recherche. Ensuite, nous réalisons une
analyse factorielle confirmatoire en utilisant le logiciel AMOS 23 afin de préciser la façon
dont les construits sont mesurés à partir des items. Concernant le modèle structurel et les
relations entre les variables de ce modèle, nous utilisons la modélisation des équations
structurelles avec la méthode PLS à travers le logiciel XLSTAT 2017. Nous testons différents
types d’effets (directs et indirects) avec différentes méthodes (les path coefficients et le
pouvoir prédictif du modèle, les scripts du test de SobelBootstrap et les scripts des effets
indirects à travers la macro SPSS) et en distinguant, pour les relations indirectes, les effets
médiateurs simples et les effets médiateurs multiples (en une étape ou en chaîne). Par
ailleurs, la qualité d’ajustement du modèle global est estimée par l’indice GOF. Les effets
modérateurs des variables individuelles sociodémographiques sont estimés à travers l’analyse
multi-groupes.
3 Limites de la recherche
A côté des apports présentés ci-dessus, notre recherche comporte aussi des limites, qui
ouvrent la voie à des recherches futures. Ces limites sont de trois ordres selon qu’elles sont
relatives à la méthodologie, à la validité interne ou à la validité externe des résultats que nous
avons obtenus.
Une première limite est liée à notre étude qualitative exploratoire qui n’a eu recours qu’à des
entretiens semi-directifs menés auprès d’utilisateurs de Drive. Ce choix tient à un souci
d’économie de moyens et de temps, ainsi qu’à l’objectif limité assigné à cette phase de la
recherche qui cherchait à mettre en évidence des variables clé ainsi que des formulations
typiques employées pas les utilisateurs de Drive de façon à construire un questionnaire
pertinent et bien adapté au contexte. De ce fait, cependant, cette partie de notre analyse a
exclu l’approche qualitative multi-méthode qui aurait consisté à combiner plusieurs moyens
d’étude différents (études documentaires, entretiens avec les manager et expert, etc.). Cette
dernière aurait pu permettre d’approfondir plus avant la compréhension du comportement du
consommateur en termes d’évaluation dans un contexte de distribution cross-canal comme le
Drive.
factorielle exploratoire, alors que le deuxième (N2=350 répondants) a servi pour les besoins
de l’analyse factorielle confirmatoire permettant de tester les hypothèses et le modèle de
recherche. Bien que ce deuxième échantillon soit apparu suffisamment grand pour lui
appliquer la méthode LISREL, il ne l’était pas pour tester le modèle global compte tenu du
nombre total de paramètres à estimer (Byrne, 2013). Cela explique pourquoi nous avons
réalisé, d’une part, les analyses factorielles confirmatoires (AFC) en utilisant les méthodes
d’équations structurelles sous AMOS23 pour la phase confirmatoire. D’autre part, pour tester
notre modèle global ainsi que les relations entre les variables de ce modèle, nous avons eu
recours à la modélisation des équations structurelles par la méthode PLS (path modelling) au
moyen du logiciel XLSTAT 2017.
De ce fait, la qualité d’ajustement du modèle global n’a pu être estimée que par seul
indicateur : le GoF (Goodness-of-Fit). Un échantillon plus important que le nôtre (N=500)
aurait pu nous permettre d’appliquer d’autres méthodes pour valider notre modèle de
recherche et l’analyse multi-groupes aurait pu donner des informations plus précises.
L’effet de sélection se rapporte au fait que l’échantillon doit être représentatif de la population
étudiée. Notre étude qualitative (empirique) ayant été réalisée dans une seule ville Française
(Aix en Provence), la question de la représentativité de l’échantillon peut se poser. Cependant,
l’objectif de cette étape de la recherche n’imposait pas une stricte représentativité, la
variabilité des réponses devant permettre d’envisager l’éventail des possibles plus que les
proportions de chaque occurrence. Afin de limiter, malgré tout, ce biais, nous nous sommes
concentrés sur une sélection aléatoire des répondants lors de l’enquête face en face.
L’effet d’instrument peut se produire lorsque l’instrument de mesure de donnée est mauvais.
En effet, cet effet conduit à des résultats biaisés. Afin de limiter cet effet, nous avons appliqué
la démarche proposée par Churchill (1979) dans le développement et la validation des
échelles (instruments) de mesure. Notre analyse nous permet d’assurer de bonnes qualités
psychométriques de nos instruments de mesure. Cela indique que le biais instrumental est
bien contrôlé dans notre travail.
L’effet de halo se manifeste lorsqu’une série de questions posées sous la forme d’échelles
sont orientées dans la même direction. Les répondeurs peuvent alors avoir tendance à
répondre mécaniquement de la même façon. Pour limiter cet effet, nous avons changé l’ordre
de présentation des questions proposées et trois versions de celui-ci ont été distribuées aux
répondants. Il a ensuite été vérifié que le type de questionnaire n’influait pas significativement
sur les réponses données.
Le choix de l’enseigne Carrefour a été dicté par deux raisons principales : sa forte présence
sur le marché français et sa politique de distribution. Cette enseigne est actuellement leader
sur le marché en France et elle a très tôt développé son système Drive. En effet, ce nouveau
format de distribution (le Drive), en dépit de sa nouveauté, attire chaque année de plus en plus
de consommateurs, et la majorité des supermarchés sont désormais équipés d’un Drive. Cela
contribue à réduire les biais relatifs à l’enseigne de distribution choisie.
Un seul pays, la France, fait l’objet de cette étude. Nous pouvons donc nous demander si nos
résultats seraient les mêmes ailleurs en Europe. Il serait difficile de généraliser les résultats
obtenus dans notre étude à tous les pays européens. En effet, le système de Drive que nous
étudions s’est développé d’abord en France et le marché français est le lieu le plus mûr pour la
stratégie de distribution cross-canal. Les consommateurs français sont, sans doute, parmi les
européens, ceux qui ont le plus d’expérience avec cette nouvelle formule de distribution
qu’est le Drive. Il ne s’agissait donc pas de rechercher une représentativité au niveau du
continent, mais de comprendre les ressorts à l’œuvre dans un pays leader dans ce domaine.
4 Perspectives de la recherche
Les limites précédentes inhérentes à notre recherche constituent autant des voies de recherche.
Afin de compléter et enrichir notre travail, nous présentons les voies de recherche liées à la
méthodologie, celles relatives à intégrer d’autres variables
Étant donné un peu de recherches académiques se focalisant sur cette nouvelle forme de
distribution (Drive) et son influence sur le comportement du consommateur, il serait
nécessaire d’amener une étude documentaire à l’aide de sources internes et de sources
externes afin de, d’une part, compléter de la revue de littérature sur le comportement du
consommateur envers le Drive, et d’autre part, avoir le point de vue d’acteurs non
académiques sur les déterminants qui influencent le chois d’utiliser le Drive par les
consommateurs.
En matière du plan quantitatif, nous avons étudié les facteurs explicatifs de la fidélité du
consommateur à un Drive dans une seule enseigne de distribution (Carrefour) à Aix en
Provence. Il conviendrait de répliquer notre étude dans toutes les enseignes de distribution
équipés d’un Drive, et dans autres villes, voire d’autres pays. Par ailleurs, il serait intéressant
de créer une échelle de mesure en suivant la démarche de Churchill (1979) pour la qualité de
service du Drive, et de collecter plus des données quantitatives que les nôtres afin d’effectuer
sans contrainte les analyses appropriées.
L’adoption d’une stratégie cross-canal répond à une volonté des enseignes de distribution de
créer une relation dynamique, forte et interactive assurant la confiance et la fidélité du
consommateur. Les facteurs d’influence liés au choix du Drive comme un point de vente
méritent d’être exploiter. Afin de compléter notre modèle, Nous pouvons intégrer d’autres
variables qui ont une influence sur le choix du Drive. Nous proposons d’étudier deux
variables : la perception de l’image du Drive et la familiarité avec le Drive. Notre proposition
pourrait justifier par le fait que bonne image du point de vente est un déterminant de la fidélité
du consommateur, ainsi que la familiarité a un effet important sur la perception du
consommateur.
Parvenu au terme de ce travail doctoral, nombreuses sont les questions en suspens dans le
contexte de distribution cross-canal. Il y a des questions relatives à une meilleure
compréhension du comportement cross-canal du consommateur, d’autres liées à la manière de
combiner et intégrer les canaux de distribution et de gérer efficacement l’enseigne cross-
canal. Tout cela nécessite des recherches plus approfondies sur le comportement cross-canal
du consommateur et sur la stratégie de distribution cross-canal.
REFERENCES BIBLIOGRAPHIQUES
A
Abbas N. (2014), Le rôle de l’acculturation dans la perception de l'environnement physique
de service : Application au cas des restaurants du vieux Damas en Syrie. Thèse de
doctorat en sciences de gestion. Université Aix-en- Provence.
Abernathy W., Clark k. (1985), innovation: Mapping the winds of creative destruction,
Research Policy, vol.14, pp.3-22.
Ailawadi K L., Farris P W. (2017), Multi- and Omni-Channel Distribution: Metrics and
Research Directions, Journal of Retailing Managing, vo. l93, n°. 1, pp. 120–135.
Ailawadi K L., Neslin S A., and Gedenk K. (2001), Pursuing the value-conscious consumer:
store brands versus national brand promotions, Journal of Marketing, vol. 65, n°. 1,
pp.71-89.
Aksoy L., Buoye A., Aksoy P., Larivière B., and Keiningham T L. (2013), A Cross-national
Investigation of the Satisfaction and Loyalty Linkage for Mobile Telecommunications
Services across Eight Countries, Journal of Interactive Marketing, vol. 27, n°. 1, pp. 74–
82.
Al-Hawari M., Hartley N., et Ward T. (2005), Measuring Bank’s Automated Service Quality:
A Confirmatory Factor Analysis Approach, Marketing Bulletin, n°. 16, pp. 1-19.
Allagui A., et Temessek A. (2005), La fidélité des utilisateurs des services d’un portail
Internet : Proposition et test d’un modèle intégrateur, Recherche et Application en
Marketing, pp. 19-23, Paris.
Anderson E W., Fornell C., and Lehmann D R. (1994), Customer satisfaction, market share
and profitability: findings from Sweden, Journal of Marketing, vol. 58, n°. 2, pp. 112–
122.
Anderson E W., and Fornell C. (1994), A Customer Satisfaction Research Prospectus, Service
Quality, vol. 12, n°. 3, pp. 241-268.
Anderson E W., Eugene W., and Sullivan M W. (1993), The Antecedents and Consequences
of Customer Satisfaction for Firm, Marketing Science, vol. 12, n°. 2, pp. 125-143.
Ansari A., Mela, C F., et Neslin S A. (2008), Customer channel migration, Journal of
Marketing Research, vol.45, n°.1, pp.60-76.
Arnould E J., and Price L P. (1993), River magic: extraordinary experience and the extended
service encounter, Journal of Consumer Research, vol. 20, June, pp. 24-45.
Audrain A F., N’Goala G., and Ponci I. (2013), A good deal online: The Impacts of
acquisition and transaction value on E-satisfaction and E-loyalty, Journal of Retailing
and Consumer Services, vol. 20, pp. 445–452.
Aurier P., Evrard Y. et N’Goala G. (2004), Comprendre et mesurer la valeur du point de vue
du consommateur, Recherche et Applications en Marketing, vol. 19, n°. 3, pp. 1-20.
Aydin S., Özer G. (2005), The analysis of antecedents of customer loyalty in the Turkish
mobile telecommunication market, European Journal of Marketing, vol. 39, n°. 7/8, pp.
910-925.
B
Badot O., et Cova B. (1992), Des marketings en mouvement : vers un néo-marketing ? ,
Revue Française du Marketing, n°. 136, pp. 5-27.
Badot O., et Paché G. (2007), Une logistique expérientielle pour la firme de distribution : du
« zéro défaut » au « zéro ennui », Management & Avenir, vol.11, n°.1, pp. 11-28.
Baker J., Parasuraman A., Grewal D., and Voss G B. (2002), The influence of multiple store
environment cues on perceived merchandise value and patronage intentions, Journal of
Marketing, vol. 66, n°. 2, pp. 120-141.
Bandyopadhyay S K., and Martell M. (2007), Does attitudinal loyalty influence behavioral
loyalty? A theoretical and empirical study, Journal of Retailing and Consumer Services,
vol. 14, n°. 1, pp. 35-44.
Baron R M., and Kenny D A. (1986), The moderator-mediator variable distinction in social
psychological research: conceptual, strategic and statistical considerations, Journal of
Personality and Social Psychology, vol. 51, n°.6, pp. 1173-1182.
Bartikowski B. (1999), La satisfaction des clients dans les services: une vue situationnelle du
poids fluctuants des éléments, Working Paper, CEROG (IAE d’Aix en Provence), pp. 1-
48.
Bauer H H., Falk T., and Hammerschmidt M. (2006), e-Trans-Qual: A transaction process
based approach for capturing service quality in online shopping, Journal of Business
Research, vol. 59, n°. 7, pp. 866-875.
Beatty S E., Homer P., and Kahle L R. (1988), The involvement-commitment model: Theory
and implications. Journal of business research, vol. 16, n°. 2, pp. 149-167.
Beck N. and Rygl D. (2015), Categorization of multiple channel retailing in Multi-, Cross-,
and Omni-channel for retailers and retailing, Journal of retailing and consumer services,
vol. 27, pp. 170-178.
Benavent C., Crié D., and Meyer W L. (2000), Analysis of the Efficiency of Loyalty
Programs, The 3rd AFM French-German Conference About Retailing and Distribution in
Europe, St. Malo , June.
Benavent C., et Crié D. (1998), Mesurer l'efficacité des cartes de fidélité, Décisions
Marketing, vol. 15, Jan-April. pp. 10-20.
Bergeron Jasmin., Line R., et Jean P. (2003), les déterminants de la fidélité des clients
Commerciaux dans l’industrie bancaire canadienne, Canadian journal of administrative
sciences, Revue canadienne des sciences de l’administration, vol. 20, n°. 2 pp. 107-120.
Berry L L., and Parasuraman A. (1991), Marketing services: competing through quality, Free
Press, New York.
Bèzes C. (2010), La congruence perçue des magasins et du site Internet : effets sur le choix du
canal d’achat. Le cas de la Fnac, Thèses en science de gestion, université Panthéon-
Assas.
Biboum A D., and Bekolo C. (2008), Relation client- fournisseur dans le secteur bancaire
camerounais : une coexistence des approches transactionnelle et relationnelle, 9ème
Congrès de l’Association Internationale de Recherche en Entrepreneuriat et PME,
Louvain-la-Neuve, 29, 30 et 31 Octobre.
Bitner M J., and Hubbert A R. (1994), Encounter Satisfaction Versus Overall Satisfaction
Versus Quality, in Rust R. T. and Olivier R. L. (eds), Service Quality.
Bitner M J., Booms B H., and Mohr L A. (1994), Critical Service Encounters: The
Employee’s Viewpoint, Journal of marketing, vol. 58, October, pp. 95-106.
Blattberg R C., Thomas J S. and Getz G. (2001), Customer equity: building and managing
relationship as valuable assets, Cambridge: Harvard Business School Press.
Bloemer J., De Ruyter K., and Wetzels M. (1998), Customer Loyalty in a Service Setting,in E
- European Advances in Consumer Research, vol. 3, pp. 162-169.
Bolton R N., and Drew J H. (1994), Linking customer satisfaction to service operations and
outcomes, In R. Rust and R. Oliver (Eds.), Service quality: new directions in theory and
practice, Thousand Oaks: Sage Publications, pp173-201.
Bove L., Mitzifiris B. (2007), Personality traits and the process of store loyalty in a
transactional prone context, Journal of Services Marketing, vol. 21, n°. 7, pp. 507-519.
Bowen J T., and Chen S L. (2001). The Relationship Between Customer Loyalty and
Customer Satisfaction, International Journal of Contemporary Hospitality Management,
(May), pp. 213-17.
Boyer A., et Bnefzi A. (2009), La perception de la qualité dans le domaine des services : vers
une clarification des concepts, la revue des sciences de gestion, n°. 237-238, pp. 43-54.
Boyer A., et Nefzi A. (2008), Perception de la qualité et fidélité relationnelle : une application
aux sites web commerciaux, Actes de l’International Congress Marketing
Trends, janvier 2008.
Bozzo C., Merunka D., Moulins J L. and Valette-Florence P. (2008), Tous les Pratiquants ne
sont pas des Fidèles : Analyses Typologique et Causale des acheteurs réguliers d’une
Marque, 7th International Congrès Marketing Trends, Vénice, Italie.
Brady M K., Robertson C J., and Cronin J J. (2001), Managing behavioral intentions in
diverse cultural environments: An investigation of service quality, service value, and
satisfaction for American and Ecuadorian fast-food customers, Journal of International
Management, vol. 7, n°. 2, pp. 129-149.
Burke R R. (2002), Technology and the Customer Interface: what consumers want in the
physical and virtual store, Journal of Academy of Marketing Science, vol. 30, n°. 4, pp.
411- 432.
Byrne B M. (2013), Structural equation modeling with LISREL, PRELIS, and SIMPLIS: Basic
concepts, applications, and programming, Psychology Press.
C
Carpenter J M., Fairhurst A. (2005), Consumer shopping value, satisfaction, and loyalty for
retail apparel brands, Journal of Fashion Marketing and Management, vol. 9, n°. 3, pp.
256-269.
Chaudhuri A., and Holbrook M B. (2001), The chain of effects from brand trust and brand
affect to brand performance: The role of brand loyalty, Journal of Marketing, vol. 65, n°.
2, pp. 81-93.
Cheikho A. (2015), L’adoption des innovations technologiques par les clients et son impact
sur la relation client : Cas de la banque mobile, Thèse de doctorat en sciences de gestion,
Université Nice Sophia Antipolis.
Chin W W. (2010), How to write up and report PLS analyses, in ESPOSITO VINZI V.,
CHIN W.W., Henseler J. et Wang H. (Ed), Handbook of partial least squares, concepts,
methods and applications, Springer, Heidelberg, pp. 655-690.
Chin W W. (1998), Issues and opinion on structural equation modeling, MIS Quarterly,
vol. 22, n°. 1, pp. 7-16.
Chin W W. (1998), The partial least squares approach for structural equation modeling, in G.
A. MARCOULIDES (Ed), Modern Methods for Business Research, London, Lawrence
Erlbaum Associates, pp.295-236.
Choi N., Fuqua D R., and Newman J L. (2009), Exploratory and confirmatory studies of the
structure of the Bem Sex Role Inventory short form with two divergent samples.
Educational and Psychological Measurement, vol. 69, n°. 4, pp. 696-705.
Churchill G A., and Peter J P. (1984), Research design effects on the reliability of rating
scales: A meta-analysis, Journal of marketing research, pp. 360-375.
Churchill G A., and Surprenant C. (1982), An investigation into the determinants of customer
satisfaction, Journal of Marketing Research, vol. 19, pp. 491-504.
Coelho P S., Henseler J. (2012), Creating customer loyalty through service customization,
European, Journal of Marketing, vol. 46, n°. 3/4, pp. 331-356.
Colla E., et Lapoule P. (2012), E-commerce: exploring the critical success factors,
International Journal of Retail and Distribution Management, vol. 40, n°. 11, pp. 842-
864.
Colla E., et Laloupe G. (2011), L’essor du drive en France : des synergies à développer et des
avantages compétitifs à créer, Actes du 14ème Colloque Etienne Thill, Lille, France.
Collin-Lachaud I., et Vanheems R. (2016), Naviguer entre espaces virtuel et réel pour faire
ses achats : exploration de l’expérience de shopping hybride, Recherche et Applications
en Marketing, vol. 31, n°. 2, pp. 43-61.
Corbitt B J., Thanasankitet T., and Yi H. (2003), Trust and e-commerce: A study of consumer
perceptions, Electronic Commerce Research and Applications, vol. 2, n°. 3, pp. 203-215.
Cronin J J., Brady M K., and Hult G. (2000), Assessing the effects of quality, value, and
customer satisfaction on consumer behavioral intentions in service environments, Journal
of Retailing, vol. 76, n°. 2, pp. 193-218.
Cronin J J., and Taylor S A. (1992), Measuring Service Quality: A Re-examination and
Extension, Journal of Marketing, vol. 56, n°. 3, pp. 55-68.
Corstjens M., and Lal R. (2000), Building Store Loyalty through Store Brands, Journal of
Marketing Research, vol. 37, n°. 3, pp. 281-291.
Crié D. (2005), De l’usage des modèles de mesure réflectifs ou formatifs dans les modèles
’équations structurelles, Recherche et applications en Marketing, vol. 20, n°. 2, pp. 5-28.
Crié D. (2002), Du paradigme transactionnel au paradigme relationnel, une approche par les
produits fidélisants, IIème Congrès International sur les Tendances du Marketing en
Europe, Paris – Venise, 25-26 Janvier.
Crié D., et Benavent C. (2001), Les produits Fidélisant dans la relation client-Fournisseurs,
Congrès de l’AFM, Deauville, mai 2001.
Croizean J P., Fady A., et Vyt D. (2009), Fidélité des consommateurs au point devente:
Analyse des facteurs explicatifs par un modèle logit. Colloque Etienne Thil. La Rochelle.
Cronin J J., and Taylor SA. (1992), Measuring Service Quality: A Re-examination and
Extension, Journal of Marketing, vol. 56, n°. 3, pp. 55-68.
D
Dabholkar P A. (1996), Consumer evaluations of new technology-based self-service options:
An investigation of alternative models of service quality, International Journal of
Research in Marketing, vol. 13, n°. 1, pp. 29-51.
Dabholkar P A., Thorpe D I., and Rentz J O. (1996), A measure of service quality for retail
stores: scale development and validation, Academy of Marketing Science Journal, vol. 24,
n°. 1, pp. 3-16.
Dabholkar P A. (1993), Customer Satisfaction and Service Quality: Two Constructs or One?,
American Marketing Association Proceedings, Summer, pp. 10-18.
Dano F., Llosa S., et Orsingher C. (2003), Evaluer un service : les mots pour le dire, Actes du
Congrès International de l’AFM, Tunis, 9-10 Mai.
David F D., Bagozzi R P., and Warshaw P R. (1989), User acceptance of computer
technology: A comparison of two theoretical models, Management Science, vol. 35, n°. 8,
August, pp. 982-1003.
Davidson W., Bates A., Bass S. (1976), The retail life cycle , Harvard Business Review,
vol.54, n°. 6, pp. 89-96.
Davidson W. (1970), Changes in distributive institutions, Journal of Marketing, vol. 34, n°.1,
pp.7-10.
Den Hertog P., Erik B., et Sven M. (2000), Innovation in an Adolescent Cluster: the case of
the Dutch Multimedia Cluster, p 9 in Workshop, Do clusters matter in innovation policy.
Deng Z., Lu Y., and Wei K K., Zhang J. (2010), Understanding customer satisfaction and
loyalty: An empirical study of mobile instant messages in China, International Journal of
Information Management, vol. 30, pp. 289-300.
Des Garets V. (2007), Formats et formules, dix ans de recherche, Actes du Xème Colloque
Etienne Thil, La Rochelle, Octobre, 2007.
Diallo M F., et Seck A M. (2012), La qualité de service dans la distribution : effet sur
l’attitude, la valeur perçue et l’intention d’achat de la marque de distributeur, 15ème
Colloque Etienne THIL-Lille, 29-30 Novembre.
Diawara T. (2017), La fidélité à une enseigne de déstockage physique: une analyse de ses
antécédents et processus de formation, Revue française de gestion, vol. 5, n°. 266, pp
127-144.
Dick A S., and Basu K. (1994), Customer Loyalty: Toward an Integrated Conceptual
Framework, Journal of the Academy of Marketing Science, vol. 22, n°. 2, pp. 99-113.
Dholakia U M., Kahn B E., Reeves R., Rindfleisch A., Stewart D., et Taylor E. (2010),
Consumer Behavior in a Multichannel, Multimedia Retailing Environment, Journal of
Interactive Marketing, vol. 24, n°.2, pp. 86-95.
Dholakia R., Zhao M., et Dholakia N. (2005), Multichannel retailing: a case study of early
experiences, Journal of Interactive Marketing, vol.19, Printemps, pp.63-74.
Dodds W B., Monroe K B., and Grewal D. (1991), Effects of price, brand, and store
information on buyers’ product evaluations, Journal of Marketing Research, vol. 28, n°.
3, pp. 307-319.
Donthu N., Thomas B., Kashyap V., and Musante M. (2009), Profiling the Internet Shopper:
Six Country Study, The Journal of Marketing Theory and Practise, vol. 17 n°. 3, pp. 249-
263.
Drèze X., Hoch S J. and Purk M E. (1994), Shelf management and space elasticity, Journal of
Retailing, vol. 70, n°. 4, pp. 301–326.
Dupuis M., et Dioux J. (2009), Stratégies des réseaux et management des enseignes, 2ème
édition, Pearson.
Durand B., Gonzalez-Feliu J., et Henriot F. (2010), La logistique urbaine, facteur clé de
développement du B to C, Logistique et Management, vol. 18, n°.2, pp. 7-19.
East R., Harris P., Willson G., Lomax W. (1995), Loyalty to Supermarkets, International
Review of Retail, Distribution and Consumer Research, vol. 5, n°. 1, pp. 99-109.
Eiglier P., Langeard E., et Dageville C. (1989), La qualité des services. Revue Française du
Marketing, n°. 121, pp. 93-100.
Eiglier P., et Langeard E. (1987), Servuction : le marketing des services, Paris, Mcgraw-Hill.
Eroglu S A., Machleit K., and Barr T F. (2005), Perceived retail crowding and shopping
satisfaction: the role of shopping values, Journal of Business Research, vol. 58, pp. 1146-
1153.
Esposito Vinzi V., Trinchera L., and Amato S. (2010), PLS path modeling: from foundations
to recent developments and open issues for model assessment and improvement, In
Handbook of Partial Least Squares: Concepts, methods and applications, Springer, Berlin
Heidelberg, pp. 47–82.
Esposito Vinzi V. (2003), The PLS approach to path modeling, IASC – IFCS Summer
School, Lisbonne.
Evans J R. (2011), Retailing in perspective: the past in a prologue to the future, The
International Review of Retail, Distribution and Consumer Research, vol.21, n°. 1, pp. 1-
31.
Evrard Y., Pras B., et Roux E., et Desmet P. (2009), Market. Fondements et méthodes de
recherche en marketing, Paris, Dunod, 4ème édition.
Evrard Y., Pras B., et Roux E. (2003), Market. Etudes et recherches en marketing, Paris,
Dunod, 3ème édition.
Evrard Y. (1993), La satisfaction des consommateurs : état des recherches, Revue Française
du Marketing, n°. 144-145, pp. 53-65.
F
Kenan WASSOUF 316 Thèse en Sciences de Gestion
Références Bibliographiques
Fandos-Roig J C., Guillen M E., Coll SF., and Saumell R P. (2013), Social value in retail
banking, International, Journal of Bank Marketing, vol. 31, n°. 5, pp. 348-367.
Fandos-Roig J C., Sánchez-García J., and Moliner M A. (2013), Perceived Value and
Customer Loyalty in Financial Services, Service Industries Journal, vol. 29 n°. 6, pp.775-
789.
Fernandes V. (2012), En quoi l’approche PLS est-elle une méthode a (re)-découvrir pour les
chercheurs en management ? Management, vol. 15, n°. 1, pp. 101-123.
Ferraz De Souza R. (2009), L’impact de l’atmosphère du point de vente dans une situation
d’achat utilitaire : le rôle de l’ambiance, du design, du besoin de cognition et de la
centralité de l’esthétique du magasin, Thèse de Doctorat en Sciences de Gestion,
Université Pierre Mendès-France – Grenoble 2.
Filser M. (2012), Intermédiation et création de valeur dans les canaux : une revue de
littérature. Revue Management et Avenir, n° 51, pp.122-36.
Filser M., Des Garets V., Pache G. (2012), La distribution : organisation et stratégie », 2e
édition, édition EMS
Fischer E., and Arnold S J. (1994), Sex, gender identity, gender role attitudes and consumer
behavior, Psychology and Marketing, vol. 11, n°. 2, pp. 163-179.
Fishbein M A., and Ajzen I. (1975), Belief, attitude, intention and behavior: an introduction to
theory and research, Reading, MA, Addison Wesley.
Fornell C., Johnson M D., Anderson E W., Cha J., and Bryant B E. (1996), The American
customer satisfaction, index: nature, purpose and findings, Journal of Marketing, vol. 58,
pp. 7-18.
Fornell C., and Larcker D F. (1981), Evaluating structural equation models with unobservable
variables and measurement error, Journal of Marketing Research, 18, February, pp. 39-
50.
Fournier S., and Mick D G. (1999), Rediscovering Satisfaction, Journal of Marketing, vol.
63(October), pp. 5-23.
Frasquet M., Mollá D A., and Eugenia M. (2017), Understanding loyalty in multichannel
retailing: the role of brand trust and brand attachment, International Journal of Retail &
Distribution Management, vol. 45, n°. 6, pp. 608-625.
Frisou J. (2005), A Trend Approach of Loyalty Behavior: from the Concept to its Measure,
Recherche et Applications en Marketing, vol. 20, n°. 2, pp. 105-125.
G
Galan J P. et Sabadie W. (2001), Les déterminants de la satisfaction de l’internaute : une
étude exploratoire, 17ème Congrès International de l’association Française de
Marketing, Deauville.
Gale B T. (1994), Managing customer value, New York, The Free Press.
Gallarza M G., Ruiz-Molina M E., and Gil-Saura I. (2016), Stretching the value-satisfaction
loyalty chain by adding value dimensions and cognitive and affective satisfactions: a
causal model for retailing, Management Decision, vol. 54, n°. 4, pp. 981-1003.
Ganesan S., and Hess R. (1997), Dimensions and Levels of Trust: Implications for
Commitment to a Relationship, Marketing Letters, vol. 8, n°. 4, pp. 439-448.
Ganesh J., Arnold M J. and Reynolds K E. (2000), Understanding the Customer Base of
Service Providers: An Examination of the Difference Between Switchers and Stayers,
Journal of Marketing, vol. 64, pp. 65-87.
Garbarino E., and Johnson M S. (1999), The Different Roles of Satisfaction, Trust, and
Commitment in Customer Relationships, Journal of Marketing, vol. 63, n°. 2, pp. 70-87.
Gensler S., Marnik G. Dekimpe and Bernd S. (2007), Evaluating Channel Performance in
Multi-channel Environments, Journal of Retailing and Consumer Services, vol. 14, n°. 1,
pp. 17-23.
Gerbing D W., and Anderson J C. (1988), An updated paradigm for scale development
incorporating unidimensionality and its assessment, Journal of Marketing Research, vol.
25, n°. 2, pp. 186-192.
Gharbi M P. (1998), Les facteurs qui influencent les processus décisionnels des
consommateurs lors d’un achat par Internet, Thèse en Administration, IHEC, Montréal.
Gonzalez M., Comesaña L R. and Brea J. (2007), Assessing Tourist Behavioural Intentions
Though Perceived Service Quality and Customer Satisfaction, Journal of Business
Research, vol. 60,n°. 2, pp. 153-160.
González-Benito O., and Martos-Partal M. (2012), Role of Retailer Positioning and Product
Category on the Relationship Between Store Brand Consumption and Store Loyalty,
Journal of Retailing, vol. 88, n°. 2, pp. 236-249.
Grewal D, Roggeveena A L., and Nordfäl J. (2017), The Future of Retailing, Journal of
Retailing, vol. 93, n°. 1, pp. 1-6.
Grewal D., Monroe K B., and Krishnan R. (1998), The Effects of Price-comparison
Advertising on Buyers Perceptions of Acquisition Value, Transaction Value and
Behavioral Intentions, Journal of Marketing, vol. 62 (July), pp. 46-59.
Grewal D., Krishnan R., Baker J. and Borin N. (1998), The effect of store name, brand name
and price discount on consumers’ evaluations and purchase intentions, Journal of
Retailing, vol. 74, n°. 3, pp. 331-352.
Grönroos C. (1984), A Service Quality Model and its Marketing Implications, European
Journal of Marketing, vol. 18, n°. 4, pp. 37-44.
Gutierrez O., Luciano M C., Rodríguez M., and Fink B. (2004), Comparison between an
Acceptance-based and a Cognitive-Control-Based Protocol for coping with pain,
Behavior Therapy, vol. 35, pp.767-783.
H
Habib N. (2012), La valeur perçue de l'expérience de magasinage : une application aux
enseignes de grande distribution française, Thèse de doctorat en sciences de gestion,
Université Lyon 3.
Haghighi M., Dorosti A., Rahnama A., and Hoseinpour A. (2012), Evaluation of factors
affecting customer loyalty. African Journal of Business Management, vol. 6, n°. 14,
pp.5039-5046.
Hair J F., Hult G T M., Ringle C M., and Sarstedt M. (2017). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM). 2nd Edition. Thousand Oaks: Sage.
Hair J F., Black W C., Babin B J., Anderson R E., and Tatham R L. (2006), Multivariate data
analysis, New Jersey, Pearson Prentice Hall, 6e edition
Hart C. (1999), The retail accordion and assortment strategies: an exploratory study, The
International Review of Retail Distribution and Consumer Research, vol.9, n°. 2, pp. 111-
126.
Hartman J B., and Samra Y M. (2008), Impact of personal values and innovativeness on
hedonic and utilitarian aspects of Web-usage: An empirical study among United States
teenagers. International Journal of Management, vol. 25, n°. 1, pp. 77-94.
Hayes A F., Preacher K J., and Myers T A. (2011), Mediation and the estimation of indirect
effects in political communication research, Sourcebook for political communication
research: Methods, measures, and analytical techniques, vol. 23, pp. 434-465.
Heitz M., Douard J P. et Cliquet G. (2015), Analyse des flux d’achat : l’aide à la localisation
commerciale, Recherche et Applications en Marketing, vol. 30, n°. 1, pp. 118-137.
Heitz M., Douard J P., et Clique G. (2011), Grande distribution alimentaire et Drive: une
solution à la mobilité des consommateurs? », in Actes du 14ème Colloque Etienne Thill,
22-23 septembre 2011.
Heitz-spahn S., et Filser M. (2014), La place de l’enseigne dans les trajectoires d’achat des
clients en contexte multi-canal, Décisions Marketing, n°.74, pp. 21-36.
Henson R K., and Roberts J K. (2006), Use of exploratory factor analysis in published
research: Common errors and some comment on improved practice. Educational and
Psychological measurement, vol. 6, n°. 3, pp. 393-416.
Holbrook M.B. (1999), Consumer Value. A Framework for Analysis and Research,
Routledge, Londres.
Hollander S C. (1966), Note on the retail accordions, journal of retailing, vol. 42, n°.2, pp.29-
40.
Hollander S C. Omura G S. (1989), Chain store developments and their political, strategic and
social interdependencies, Journal of Retailing, vol. 65, n°.3, pp. 299-325.
Hübner A., Kühn H., and Wollenburg J. (2016), Last mile fulfilment and distribution in
Omni-channel grocery retailing: a strategic planning framework?, International Journal
of Retail & Distribution Management, vol. 44, n°. 3, pp. 228-247.
Igalens J., et Roussel P., et Godet M. (1998), Méthodes de recherches en gestion des
ressources humaines, Paris, Economica.
Igbaria M., and Parasuraman S. (1989), A Path Analytic Study of Individual Characteristics,
Computer Anxiety and Attitudes Toward Microcomputers, Journal of Management, vol.
15, pp. 373-388.
Ishaq M. (2012), Perceived value, service quality, corporate image and customer loyalty:
empirical assessment from Pakistan, Serbian Journal of Management, vol. 7, n°. 1, pp.
25-36.
Jacoby J., and Kyner D. (1973), Brand Loyalty vs Repeat Purchasing Behavior, Journal of
Marketing Research, vol. 10, pp. 1-9.
Jamal A., and Naser K. (2002), Customer Satisfaction and Retail Banking: An Assessment of
some of the Key Antecedents of Customer Satisfaction in Retail Banking, International
Journal of Bank Marketing, vol. 20, n°. 4, pp. 146-160.
Janda S., Trocchia J P., and Gwinner K P. (2002), Consumer perceptions of Internet retail
service quality, International Journal of Service Industry Management, vol. 13, n°. 5, pp.
412-43.
Jara M., Vyt D., Meval O., Morva T., and Morvan N. (2018), Measuring customers benefits
of click and collect, Journal of Services Marketing, vol. 32, n°. 4, pp. 430-442.
Jarvenppa S., Tractinsky N., and Vitale M. (2000), Consumer trust in an Internet store,
Information Technology and Management, vol. 1, n°. 1-2, pp. 45–71.
Jarvis C B., Mackenzie S B., and Podsakoff P M. (2003), A critical review of construct
indicators and measurement model misspecification in marketing and consumer research,
Journal of Consumer Research, vol. 30, n°. 2, pp. 199-218.
Jin B., and Suh Y G. (2005), Integrating effect of consumer perception factors in predicting
private brand purchase in a Korean discount store context, Journal of Consumer
Marketing, vol. 22, n°. 2, pp. 62-71.
Johnson D S., and Grayson K. (2005), Cognitive and affective trust in service relationships,
Journal of Business Research, vol. 58, pp. 500-507.
Jones M A., Mothersbaugh D L., and Beatty S E. (2007), The positive and negative effects of
switching costs on relational outcomes, Journal Service Research, vol. 9, n°. 4, pp. 335-
355.
Jones M A., Beatty SE., and Mothersbaugh D V. (2002), why customers stay: measuring the
underlining dimensions of services switching costs and managing their differential
strategic outcomes, Journal of Business Research, vol. 55, pp. 441-50.
Jöreskog K G., and Wold H O. (1982), The ML and PLS technique for modeling with latent
variables: historical and comparative aspects, in JÖRESKOG K. G. et WOLD H.O.
(Eds), Systems under indirect observation, Amsterdam, North-Holland, pp. 263-270.
Kaabachi S. (2007), La valeur perçue : une variable stratégique pour les enseignes de
distribution alimentaire, Acte 2ème Journée du Marketing IRIS, Lyon.
Kamakura W A., Ramaswami S N. and Srivastava R K. (1991), Applying atent trait analysis
in the evaluation of prospects for cross-selling of financial services, International Journal
of Research in Marketing, vol. 8, n°. 4, pp. 329-349.
Kandampully J., and Suhartanto D. (2000), Customer loyalty in the hotel industry: the role of
customer satisfaction and image. International journal of contemporary hospitality
management, vol. 12, n°. 6, pp. 346-351.
Kang J., Brashear Alejandro T., and Groza M. (2015), Customer-company identification and
the effectiveness of loyalty programs, Journal of Business Research, vol. 68, n°. 2, pp.
464-471.
Kashyap R., and Bojanic D C. (2000), A Structural Analysis of Value, Quality, and Price
Perceptions of Business and Leisure Travelers, Journal of Travel Research, vol.
39(Aug.), pp. 45-51.
Kervilier G D. (2013), La fidélité prototypique : une approche de la fidélité perçue par l’auto
catégorisation, Thèse de doctorat en sciences de gestion, centre de recherche UMR-
CNRS- 7088, Université de Paris-Dauphine.
Kim 1., Jin B., and Swinney L. (2009), The role of e-tail quality, e-satisfaction and e-trust in
online loyalty development process. Journal of Retailing and Consumer Services, vol. 16,
pp. 239-247.
Kim W G., and Cha V. (2002), Antecedents and consequences of relationship quality in hotel
industry, Hospitality Management, vol. 21, pp. 321-338.
Kline R B. (2010), Principles and practice of structural equation modeling, 3 Edition, The
Guilford Press, New York.
Knox S D., and Denison T J. (2000), Store loyalty: its impact on retail revenue. An empirical
study of purchasing behaviour in the U, Journal of Retailing and Consumer Services, vol.
7, pp. 33-45.
Konus U., Verhoef P C. et Neslin S A. (2008), Multichannel shopper segments and their
covariates, Journal of Retailing, vol. 84, pp. 398–413.
Kumar V., Ghosh A., and Tellis G. (1992), A decomposition of repeat buying, Marketing
Letters, vol. 3, n°. 4, pp. 407-17.
Kushwaha T., and Shankar V. (2013), Are Multichannel Customers Really More Valuable?
L
Lacroux A. (2009), L’Analyse des Modèles de Relations Structurelles par la Méthode PLS :
une Approche Emergente dans la Recherché Quantitative en GRH, 20ème Congrès
International de l’Association de la Gestion des Ressources Humaines, Toulouse.
Ladhari R., and Morales M. (2011), Bank service quality: comparing Canadian and Tunisian
customer perceptions, International Journal of Bank Marketing, vol. 29, n°. 3, pp. 224-
246.
Ladhari R., Brun I. and Morales M. (2008), Determinants of dining satisfaction and post-
dining behavioral intentions. International Journal of Hospitality Management, vol. 27,
n°. 4, pp. 563-573.
Lai F., Griffin M., and Babin B J. (2009), How quality, value, image, and satisfaction create
loyalty at a Chinese telecom , Journal of Business Research, vol. 62, pp. 980-986.
Lamberton C. and Stephen A T. (2016), A Thematic Exploration of Digital, Social Media, and
Mobile Marketing: Research Evolution from 2000 to 2015 and an Agenda for Future
Inquiry. Journal of Marketing, vol. 80, n°. 6, pp. 146-172.
Lavy M., Grewal D., Peterson R., and Connolly B. (2005, The concept of the “Big Middle”,
Journal of Retailing, vol81, n°.2, pp.83-88.
Laukkanen T., and Pasanen M. (2008), Mobile Banking Innovators and Early Adopters: How
They Differ from Other Online Users? , Journal of Financial Services Marketing, vol. 13,
n°. 2, pp. 86-94.
Lazarus R S. (1982), Thoughts on the relations between emotion and cognition, American
Psychologist, vol. 34, pp. 1019-1024.
Lemon K., and Verhoef P. (2016), Understanding Customer Experience Throughout the
Customer Journey, Journal of Marketing, vol. 80, n°. 6, pp. 69-96.
Lemoine J F. (2003), Vers une approche globale de l’atmosphère du point de vente, Revue
Française du Marketing, n°. 194, pp. 83-101.
Léo P Y., Philippe J., Wassouf K., and Zhang Z. (2017), Innovation in retail: impact on
consumer behavior. Determinants of use M-shopping and loyalty of drive shopper, 27ème
International RESER Conference, September 7th-9th 2017, Bilbao, Spain.
Leroi-Werelds S., Streukens S., Brady M K., and Swinnen G. (2014), Assessing the Value of
Commonly Used Methods for Measuring Customer Value: A Multi-Setting Empirical
Study, Journal of the Academy of Marketing Science, vol. 42, n°. 4, pp. 430-451
Levitt T. (1965), Exploit the product life cycle, Harvard Business Review, vol.43, n°.6, pp.
81-94.
Levy M., Grewal D., Peterson R A., Connolly B. (2005), The concept of the “Big Middle” ,
Journal of Retailing, vol.8, n°.2, pp.83-88.
Lewis B R., and Soureli M. (2006), The antecedents consumer loyalty in retail banking,
Journal of Consumer behavior, vol. 5, n°. 1, pp. 15-31.
Lewis J D., and Weigert A. (1985), Trust as a social reality, Social Forces, vol. 63, pp. 967-
985.
Li H., Kuo C., and Russem M G. (1999), The Impact of perceived Channel Utilities,
Shopping Orientations, and Demographics on the Consumer’s Online Buying Behavior,
Journal of Computer-mediated Communication, vol. 5, n°. 2, pp. 1-23.
Li Y M., et Yeh Y S. (2010), increasing trust in mobile commerce through design aesthetics,
Computers in Human Behavior, vol. 26, pp. 673-684.
Llosa S. (1996), Contribution à l’étude de la satisfaction dans les services, Thèse de Doctorat
en Sciences de Gestion, IAE, Aix-Marseille III.
Loonam M., and O’Loughlin D. (2008), Exploring e-service quality: a study of Irish online
banking, Marketing Intelligence and Planning, vol. 26, n°.7, pp. 759-780
M
Macintosh G., and Locksin L S. (1997), Retail relationship and store loyalty: a multi-level
perspective, International Journal of Research in Marketing, vol. 14, pp. 487-497.
Macinnis D., and Price L. (1987), The role of imagery in information of processing: Review
and extensions, Journal of Consumer Research, vol. 18, pp. 473-491.
Macintosh G. and Locksin L S. (1997), Retail relationship and store loyalty: a multi-level
perspective, International Journal of Research in Marketing, vol. 14, pp. 487-497.
Maille V. (2005), Des parfums ambiants dans les points de vente d’un service public : effets
directs et indirects et variables modératrices, Actes du 21ème Congrès International de
l’Association Française du Marketing, Nancy.
Malai V., and Speece M. (2005), Cultural impact on the relationship among perceived
servicequality, brand name value, and customer loyalty, Journal of International
Consumer Marketing, vol. 17, n°. 4, pp. 7-39.
Malhotra N., Décaudin J M., Bouguerra A., and Bories D. (2014), Etudes marketing, Paris:
Pearson Education 6ème édition.
Malhotra N., Décaudin J M., Shahidi N., and Macé S. (2004), Etudes marketing avec SPSS.
Pearson Education.
Marouseau G. (2013), Le Click and Collect: La logistique participative du client dans les
drive, Logistique & Management, vol. 21, n°. 3, pp. 31-39.
Mathwick C., Malhotra N., and Rigdon E. (2001), Experiential value: conceptualization,
measurement and application in the catalog and Internet shopping environment, Journal of
Retailing, vol. 77, n°. 1, pp. 39-56.
Mcmullan R., and Gilmore A. (2008), Customer loyalty: an empirical study, European
Journal of Marketing, vol. 42, n°. 9-10, pp. 1084-1094.
Mcnair M P., May E G. (1978), The next revolution of the retailing wheel, Harvard Business
Review, vol.56, n°.5, pp.81-91.
Mels G., Boshoff C., and Nel D. (1997), The dimensions of service quality: the original
European perspective revisited, The Service Industries Journal, vol. 17, n°. 1, pp. 173-
189.
Montaguti E., and Neslin S A. (2011), Decision Process Evolution in Customer Channel
Choice, Journal of Marketing, vol. 75, n°. 6, pp. 72-86.
Montoya-Weiss M M., Voss G B., and Grewal D. (2003), Determinants of Online Channel
Use and Overall Satisfaction with a relational, Multichannel Service Provider, Journal of
the Academy of Marketing Science, vol. 31, n°.4, September, pp.448-458.
Moorman C., Deshpande R. and Zaltman G. (1992), Relationship between providers and user
of marketing research: the dynamic of trust with and between organization, Journal of
Marketing Research, vol. 29, pp. 314-329.
Moulins J L, Phan K., et Philippe J. (2012), De la qualité de service à la fidélité des clients.
Une investigation sur le secteur bancaire au Vietnam, Economie et Gestion des Services,
n°. 13, pp. 815-836.
Moulins J L. (1998), Etat de Fidélité et Relation de Fidélité : Eléments de Réflexion pour une
Nouvelle Approche de l’Echange, Décisions Marketing, vol. 13, Janvier-Avril, pp. 67-73.
N
N’Goala G., et Cases A S. (2012), Piloter la relation client dans l’e-commerce : quels leviers
et quelles incidences sur les comportements d’achat, Recherche et Applications en
Marketing, vol. 27, n°. 4, pp. 95-119.
N’Goala G. (2005), Les effets des incidents critiques sur l’infidélité des consommateurs : une
étude exploratoire dans le secteur bancaire, Journée AFM sur les relations de service,
organisée par l’IRIS, Lyon, 4-5 Avril.
Najjar H., Mhay I., et Ben Jannet I. (2016), les conséquences relationnelles de la valeur
sociale perçue par les visiteurs en grandes surfaces, Revue française du marketing, vol.
258, n°. 4, pp. 43-56.
Neslin S A., Grewal D., Leghorn R., Venkatesh S S., Teerling M L, Thomas J S., et Verhoef P
C. (2006), Challenges and opportunities in multichannel customer management, Journal
of Service Research, vol.9, n°. 2, pp. 95-112.
Ngobo P V. (1997), Qualité perçue et satisfaction des consommateurs: un état des recherches,
Revue Française du Marketing, n°. 163, pp. 67-79.
Nguyen T D, Barrett Nigel J., and Miller Kenneth E. (2011), Brand loyalty in emerging
markets, Marketing Intelligence & Planning, vol. 29, n°. 3, pp. 222-232.
Nicholson M., Clarke I., and Blakemore M. (2002), One brand, three ways to shop: situational
variables and multichannel consumer behaviour, The International Journal Review of
Retail, Distribution and Consumer Research, vol.12, n°. 2, pp. 131-148.
Noble S M., Griffith D A. and Adjei MT. (2006), Drivers of local merchant loyalty:
understanding the influence of gender and shopping motives, Journal of Retailing, vol.
82, n°. 3, pp. 177-188.
O
O’Malley L . (1998), Can loyalty schemes really build loyalty?, Marketing Intelligence &
Planning, vol. 16, n°. 1, pp. 47–55.
Oliver R L. (1999), Whence consumer loyalty?, Journal of Marketing, vol. 63, pp. 33-34.
Oliver R L. (1997), Satisfaction: A Behavioral Perspective on the Consumer, New York, NY:
McGraw-Hill.
Oliver R L., and Linda G. (1980), Effect of satisfaction and its antecedents on consumer
preference and intention, Advances in Consumer Research, vol. 8, n°. 1, pp. 88-93.
Oliver R L. (1980), A cognitive model of the antecedents and consequences of the satisfaction
decisions, Journal of Marketing Research, vol. 17, n°. 11, pp. 460-469.
Orth U. and Green M T. (2009), Consumer loyalty to family versus non family business: the
roles of store image, trust and satisfaction, Journal of Retailing and Customer Services,
vol. 16, pp. 248-259.
Otto J E., and Ritchie-Brent J R. (1995), The service experience in tourism. Tourism
Management, vol. 17, n°. 3, p. 165-174.
P
Paché G., et Babei J. (2015), Création de valeur pour le client en contexte SCM Le cas de la
distribution des produits pharmaceutiques au Cameroun, La Revue des Sciences de
Gestion, vol. 5, n°. 275/276, pp. 173-182.
Paché G,. Seck A M,. et Fulconis F. (2014), Quels bénéfices peut retirer l’entreprise d’un
management multicanal intégratif ?, La Revue des Sciences de Gestion, vol.5 ; n°.269-
270, pp.55-63.
Paché G. (1999), La logistique comme technologie des flux : Une source de pouvoir aux
mains des distributeurs », Science et Technologie, regards croisés, L’Harmattan, Paris,
pp. 260-276.
Parasuraman A., Zeithaml V., and Malhotra A. (2005), E-S-QUAL: a multiple-item scale for
assessing electronic service quality, Journal of Service Research, vol. 7, n°.3, pp. 213-
233.
Parasuraman A., Grewal D., and Voss G B. (2002), The influence of multiple store
environment cues on perceived merchandise value and patronage intentions, Journal of
Marketing, vol. 66, n°. 2, pp. 120-141.
Parasuraman A. and Grewal D. (2000), The impact of Technology on the Quality- Value-
Loyalty Chain: A Research Agenda, Journal of Academy of Marketing Science, vol. 28,
n°. 1, pp. 168-174.
Parasuraman A., Berry L L, and Zeithaml V A. (1993), Research Note: More on Improving
Service Quality Measurement, Journal of Retailing, vol. 69, n°. 1, pp. 140-147.
Parasuraman A., Zeithaml V A., and Berry L L. (1991), Refinement and Reassessment of the
SERVQUAL Scale, Journal of Retailing, Winter, pp. 39-48.
Parasuraman A., Zeithaml V A., and Berry L L. (1988), SERVQUAL: A Multiple-item Scale
For Measuring Consumer Perceptions of Service Quality, Journal of Retailing, vol. 64,
n°. 1, pp. 12-40.
Parasuraman A., Zeithaml VA., and Berry L.L. (1985), A Conceptual Model of Service
Quality and Its Implications for Future Research, Journal of Marketing, vol. 49, n°. 4, pp.
41-50.
Park C H., and KimYG. (2003), Identifying key factors affecting consumer purchase behavior
in an on1ine shopping context, International Journal of Retail and Distribution
Management, vol. 30, n°. l, pp. 16-29.
Patterson P G., and Smith, T. (2003), A cross- cultural study of switching barriers and
propensity to stay with service providers, Journal Retailing, vol. 79, n°. 2, pp. 107-120.
Picón A., Castro I., et Roldán J. (2014), The relationship between satisfaction and loyalty: A
mediator analysis, Journal of Business Research, vol. 67, n°. 5, pp. 746-751.
Picot Coupey K., Huré E. and Piveteau L. (2016), Channel design to enrich customers’
shopping experiences, International Journal of Retail and Distribution Management, vol.
44, n°. 3, pp. 336-368.
Picot-Coupey K., Huré E., Cliquet G., and Petr C. (2009), Grocery shopping and Internet :
exploring French consumers ‘perceptions of the hypermarket and cybermark et formats,
International, Review of Retail, Distribution and Consumer Research, vol. l9, n°. 4, pp.
437-455.
Pitta D., Franzak F., and Fowler D. (2006), A strategie approach to building online customer
loyalty, Journal of Consumer Marketing, vol. 23, n°. 7, pp. 421-429.
Phan K N., Ghantous N. (2013), Managing brand associations to drive customers ‘trust and
loyalty in Vietnamese banking, International Journal of Bank Marketing, vol. 31, n°. 6,
pp. 456-480.
Prahalad C K., and Ramaswamy V. (2004), Co-creating unique value with customers,
Strategy & Leadership, vol. 32, n°. 3, pp. 4-9.
Prayag G., and Ryan C. (2011), The relationship between the push and pull factors of a tourist
destination: The role of nationality–an analytical qualitative research approach. Current
Issues in Tourism, vol. 14, n°. 2, pp. 121-143.
Preacher K J., and Hayes A F. (2008), Asymptotic and resampling strategies for assessing and
comparing indirect effects in multiple mediator models, Behavior Research Methods, vol.
40, n°. 3, pp. 879-891.
Preacher K J., and Hayes A F. (2004), SPSS and SAS procedures for estimating indirect
effects in simple mediation models, Behavior Research Methods, Instruments et
Computers, vol. 36, n°. 4, pp. 717-731.
Prim-Allaz I., et Sabadie W. (2003), L’orientation relationnelle des clients : un nouvel outil
de segmentions ?, 8ème Journées de Recherche en Marketing de Bourgogne, Dijon, 6/7
novembre.
Pritchard M P., Havitz M E., and Howard D R. (1999), Analyzing the Commitment-Loyalty
Link in Service Contexts?, Journal of the Academy of Marketing Science, vol. 27, n°. 3,
pp. 333-348.
R
Ranvier M., et Sury R. (2009), La vente de produits alimentaires sur Internet : un état des
lieux en 2009, Cahier de recherche, n°. 262 du CREDOC.
Reda S. (2002), Active multi-channel shoppers may be a liability less loyal than other on-line
shoppers, Stores, 84, Septembre, pp.78-82.
Reeves C A., and Bednar D A. (1994), Defining quality: alternatives and implications,
Academy of Management Review, vol. 19, n°. 3, pp. 25-42.
Reichheld F F., and Schefter P. (2000), E-Ioyalty: Your secret weapon on the Web. Harvard
Business Review, vol. 78, n°. 4, pp. 105-113.
Reichheld F F. (1996), the loyalty effect, the hidden force behind growth, profits and lasting
value, Harvard Business School Press.
Reichheld F F. (1996), The Loyalty Effect: The Force behind Growth, Profit, and
LastingValue, Boston, MA: Bain and Company.
Reinartz W J., Thomas J S. and Kumar V. (2005), Balancing acquisition and retention
resources to maximize customer profitability, Journal of Marketing, vol. 69, pp. 63-79.
Reinartz W J., and Kumar V. (2000), The impact of customer relationship characteristics on
profitable lifetime duration, Journal of Marketing, vol. 67, n°. 1, pp. 77-99.
Richardson P S., Dick A S., and Jain A K. (1994), Extrinsic and intrinsic cue effects on
perceptions of store brand quality, Journal of Marketing, vol. 58, n°. 4, pp. 28-36.
Rittinger S., et Zentes J. (2012), Le comportement cross canal des consommateurs : une
comparaison entre les consommateurs français, allemands, italiens et britanniques, Revue
Française du Marketing, n°. 237/238, pp. 43-55.
Rivière A., et Mencarelli R. (2012), Vers une clarification théorique de la notion de valeur
perçue en marketing, Recherche et Applications en Marketing, vol. 27, n°. 3, pp. 97-123.
Rogers E M. (1995), Diffusion of innovations, 4ème edition. New York, Free Press.
Rolland S. (2005), Internet et qualité : Impact de la fréquentation des sites Web sur la qualité
perçue par le consommateur », 2ème Congrès de l’Association française de Marketing,
Nancy.
Rousseau D M., Sitkin S B., Burt R S. and Camerer C. (1998), Not so different after all: a
cross-discipline view of trust, Academy of Management Review, vol. 23, n°. 3, pp. 393-
404.
Ruiz D M., Gremler D D., Washburn J H., and Carrión G C. (2008), Service value revisited:
specifying a higher-order, formative measure, Journal of Business Research, vol. 61, n°.
12, pp. 1278-1291.
Russel J A., and Pratt G. (1980), A description of the affective quality attributed to
environments, Journal of Personality and Social Psychology, vol. 38, n° 2, pp. 311-322.
Rust R T., Zahorik A J., and Keiningham T. (1995), Return on quality (ROQ): Making service
quality financially accountable, Journal of Marketing, vol. 59, n°. 4, pp. 58-70.
S
Sahin A., Zehir C., and Kitapçi H. (2011), The Effects of Brand Experiences, Trust and
Satisfaction on Building Brand Loyalty; An Empirical Research On Global Brands,
Procedia Social and Behavioral Sciences, vol. 24, pp. 1288-1301.
Saunier P L. (2012), Qualité et contrôle dans les services: le cas des services à la personne.
Thèse de doctorat en sciences de gestion. Université d’Orléans.
Savitt R. (1989), Looking back to see ahead: writing the history of American retailing,
Journal of Retailing, vol.65, n°. 3, pp. 326-355.
Schultz M. (2013), Les représentations de la proximité d’un magasin par les distributeurs et
les consommateurs. Une contribution à la stratégie de l’enseigne, Thèse en science de
gestion, Université de Bourgogne.
Seck A M., and Philippe J. (2013), Service Encounter in Multi-Channel Distribution Context:
Virtual and face-to-face interactions and consumer satisfaction, The Service Industries
Journal, vol. 33, n°. 6, pp. 565-579.
Sharp B., and Sharp A. (1997), Loyalty Programs and Their Impact on Repeat-Purchase
Loyalty Patterns, International Journal of Research in Marketing, vol. 14, n°. 5, pp. 473-
486.
Sheth J N., Gardner D M., and Garett D E. (1988), Marketing theory: evolution and
evaluation, John Wiley & Sons, New York.
Simon Sheng P Y., and Xie F T. (2012), Antecedents of customer loyalty: An empirical
synthesis and reexamination, Journal of Retailing and Consumer Services, vol. 19, n°. 1,
pp. 150-158.
Singh J., and Srideshmukh D. (2000), Agency and trust mechanisms in consumer satisfaction
and loyalty judgments, Journal of the Academy of Marketing Science, vol. 28, n°. l, pp.
150-167.
Sirdeshmukh D., Singh I., and Sabol B. (2002), Consumer trust, value, and loyalty in
relational exchanges, Journal of Marketing, vol. 66, n°. l, pp. 15-37.
Sirgy M J., and Samli A C. (1985), A path analytical model of store loyalty involving
selfconcept, store image, geographic loyalty and socioeconomic status, Journal of the
Academy of Marketing Science, vol. 13, n°. 3, pp. 265-291.
Sirieix L., et Dubois P L. (1999), Vers un modèle qualité satisfaction intégrant la confiance ?,
Recherche et Applications en Marketing, vol. 14, n°. 3, pp. 1-22.
Srinivasan, S S., Rolph A., and Kishore P. (2002), Customer loyalty in ecommerce: an
exploration of its antecedents and consequences, Journal of Retailing, vol. 78, n°. l, pp.
41-50.
Stan V. et Jacobowicz E. (2008), Utilisation du test des tétrades pour caractériser les relations
entre variables manifestes et variables latentes. La relation entre la satisfaction et ses
antécédents, 7th International Congress Marketing Trends, Venice.
Steinfield C., Adelaar T., et Lai Y I. (2002), Integrating brick and mortar locations with
ecommerce: understanding synergie opportunities, Proceedings of the 35th Hawaï
International Conference on System Sciences.
Stone M., Hobbs M., et Khaleeli M. (2002), Multichannel customer management: the benefits
and challenges, Journal of Database Marketing, vol.10, n°. 1, pp. 39-52.
Stuart-Menteth H., Wilson H., and Baker S. (2006), Escaping the channel silo, researcher the
new consumer, International Journal of Market Research, vol.48, n°.4, pp.415-437.
Sudhahar J C., Israel D., Britto A. and Selvam M. (2006), Service Loyalty Measurement
Scale: A Reliability Assessment, American Journal of Applied Sciences, vol. 3, n°. 4, pp.
1814-1818.
Suoranta M., and Mattila M. (2004), Mobile Banking and Consumer Behaviour: New Insights
into the Diffusion Pattern, Journal of Financial Services Marketing, vol. 8, n°. 4, pp. 354-
366.
Swan J., Bowers M., and Richardson D. (1999), Customer trust in the salesperson: an
integrative review and a meta-analysis of the empirical literature, Journal of Business
Research, vol. 44, pp. 93-107.
Sweeney J C., and Soutar G N. (2001), Consumer perceived value: the development of a
multiple item scale, Journal of Retailing, vol. 77, n°. 2, pp. 203-220.
Tan C W., Benbasat I., Cenfetelli R. (2013), IT-Mediated Customer Service Content and
Delivery in Electronic Governments: An Empirical Investigation of the Antecedents of
Service Quality, MIS Quarterly, vol. 37, n°. 1, pp. 77-109.
Tenenhaus M., Esposito Vinzi V., Chatelin Y.-M. and Lauro C. (2005), PLS path modeling,
Computational statistics and data analysis, vol. 48, n°. 1, pp. 159-205.
Teo S H T. (2001), Demographic and Motivation Variables associated with Internet Usage
Activities, Internet Research, vol. 11, n°. 2, pp. 125-137.
Thiétart R.A. et al., (2014), Méthodes de recherche en management, Dunod, Paris, 4 ème
édition.
Thiétart R.A. et al., (2007), Méthodes de recherche en management, Dunod, Paris, 3ème
édition.
Tsao H Y, and Li-wei C. (2005), Exploring Brand Loyalty from the Perspective of Brand
Switching Cost, International Journal of Management, vo1. 22, n°. 3, pp. 436-442.
Tse D K., and Wilton P C. (1988), Models of Consumer Satisfaction: An Extension, Journal
of Marketing, vol. 25, pp. 204-212.
Toufaily E., Ricard L., and Perrien J. (2013), Customer loyalty to a commercial website:
Descriptive meta-analysis of the empirical literature and proposal of an integrative model,
Journal of Business Research, vol. 66, n°. 9, pp. 1436–1447.
Tauber E M. (1972), why do people shop? Journal of Marketing, vol. 36, n°. 4, PP. 46-59.
V
Valette-Florence P. (1988), Spécificités et apports des méthodes d'analyse multi-variée de la
deuxième génération, Recherche et Applications en Marketing, vol. l3, n°. 4, pp. 23-55.
Van Birgelen M., Jong A., and Ruyter K. (2006), Multi-Channel Service Retailing: the effects
of channel performance satisfaction on behavioral intentions. Journal of Retail. vol. 82,
n°.4, pp. 367-377.
Van Birgelen M ., De Jong A., et De Ruyter K. (2006), Multi-channel service retailing: the
effects of channel performance satisfaction on behavioural intentions, Journal of
Retailing, vol. 82, n°. 4, pp. 367-377.
Van der H H., Verhagen T., et Creemers M. (2003), Understanding online purchase
intentions: Contributions from technology and trust perspectives, European Journal of
information Systems, vol. 12, pp. 41-48.
Vanheems R., et Bouzid Y. (2014), Comportement cross-canal : vers une nouvelle maîtrise de
soi au sein de l’espace réel?, Mangement & Avenir, n°.71, pp.189-200.
Vanheems R. (2009), Distribution multi-canal, pourquoi les clients mixtes doivent faire
l’objet d‘une attention particulière, Décisions et Marketing, n°.55, pp. 41-52.
Vanheems R. (2009), Distribution multi-canal : vers une évaluation du rôle du vendeur dans
l’intégration des canaux de distribution, Revue Française du Marketing, Issus.223, pp.
53-65.
Vanheems R. (2007), Stratégie multi-canal : valoriser son capital client grâce à une gestion
judicieuse des flux de clientèles, Revue Française du Marketing, n°.214, pp.61-74
Vargo S L., et Lusch R F. (2008), Service- dominant logic: continuing the evolution, Journal
of the academy of marketing science, vol.36, pp. 1-10.
Verhoef P., Kannan PK., and Inman J J. (2015), From multi-channel retailing to omni-channel
retailing: introduction to the special issue on multi-channel retailing, Journal of Retailing,
vol. 91, n°. 2, pp. 174-181.
Verhoef P C., Neslin S A., and Vroomen B. (2007), Multichannel customer management:
understanding research-shopper phenomenon, International Journal of Research in
Marketing, vol.24, pp.129-148.
Verhoef P., Franses P H. and Donkerd B. (2001), Changing Perceptions and changing beavoir
in customer relationships, Marketing Letters, vol. 13, n. 2, pp. 121-134.
Vesel P., and Zabkar V. (2010), Comprehension of relationship quality in the retail
environment, Managing Service Quality, vol. 20, n°. 3, pp. 213-235.
Vinzi V E., Trinchera L., and Amato S. (2010), PLS path modeling: from foundations to
recent developments and open issues for model assessment and improvement. In
Handbook of partial least squares (pp. 47-82). Springer Berlin Heidelberg.
Vyt D., JARA M., Mevel O., Morvan T. et Morvan N. (2017), Des distributeurs toujours plus
proches du consommateur ? Le cas du drive alimentaire, Management & Avenir, n°. 93,
pp.141-160.
Vyt D., et Cliquet G. (2016), Le drive et la couverture territoriale des réseaux de distribution,
Revue française du marketing, vol.12, n°.258, pp. 29-42.
Urban G L., Sultan F., and Qualls W J. (2000), Placing Trust at the Centre of Your Internet
Strategy, MIT Sloan Management Review, vol. 42, n°. 1, pp. 39-48.
W
Wanlin P. (2007), L’analyse de contenu comme méthode d’analyse qualitative d’entretiens :
une comparaison entre les traitements manuels et l’utilisation de logiciels, Recherches
qualitatives, Hors Série, n°. 3, pp. 243-272.
Wallace D W., Giese J L. and Johnson J L. (2004), Customer retailer loyalty in the context of
multiple channel strategies, Journal of Retailing, vol. 80, pp. 249-263.
Wang Y., Lo H P., and Yang Y. (2004), An integrated framework for service quality,
customer value, satisfaction: Evidence from China’s telecommunication industry,
Information Systems Frontiers, vol. 6, n°. 4, pp. 325–340.
Wansink B., Painter J., and Van Ittersum K. (2001), Descriptive menu labels’effect on sales.
The Cornell Hotel and Restaurant Administration Quarterly, vol. 42, n°. 6, pp. 68-72.
Weigran G., and Koth H. (1999), Customer Retention in On-Line Retail. Journal of Internet
Banking and Commerce, vol. 4, n°. 1.
Westbrook R. A., and Oliver R.L., (1981), Developing Better Measures of Consumer
Satisfaction: Some Preliminary Results, Advances in Consumer Research, vol. 8, n°.1,
pp. 94-99.
Westbrook R A., (1980), A Rating Scale For Measuring Product/Service Satisfaction, Journal
of Marketing, vol. 44, pp. 68-72.
Wetzels M., Odekerken-Schröder G., and Van Oppen C. (2009), Using PLS path modeling for
assessing hierarchical construct models: guidelines and empirical illustration, MIS
Quarterly, vol. 33, n°. 1, pp. 177-195.
Wetzels M., De Ruyter K., and Van Birgelen, M. (1998), Marketing service relationships: the
role of commitment, Journal of business et industrial marketing, vol. 13, n°. 4/5, pp. 406-
423.
Wold H. (1975), Soft modeling by latent variables: The Non-Linear Iterative Partial Least
Squares (NIPALS) approach, in GANI J. (Ed), Perspectives in probability and statistics,
London, pp. 117-142.
Williams R J., Absher K. and Hoffman J J. (1997), Gender positioning of discount stores: key
considerations in appealing to the baby busters generation, Journal of Product and Brand
Management, vol. 6, n° 5, pp. 325-335.
Wolfinbarger M., and Gilly M C. (2003), Etail-Q: dimensionalizing, measuring and predicting
etail quality, Journal of Retailing, vol. 79, n°.3, pp. 183-198.
Woodruff R B. (1996), Customer Value: The Next Source for Competitive Edge, Journal of
the Academy of Marketing Science, vol. 25, n°. 2, pp. 139-153.
Y
Yi Y. and Hoseong J. (2003), Effects of loyalty programs on value perception, program
loyalty and brand loyalty, Journal of the Academy of Marketing Science, vol. 31, n° 3, pp.
229-240.
Yoon Y., and Uysal M. (2005), An examination of the effects of motivation and satisfaction
on destination loyalty: a structural model. Tourism management, vol. 26, n°. 1, pp. 45-56.
Yoo B., and Donthu N. (2001), Developing a scale to measure the perceived quality of
internet shopping sites (SITEQUAL), Quarterly Journal of Electronic Commerce, vol. 2,
n°. 1, pp. 31-47.
Yousafzai S., Pallister J., and Foxall G. (2009), Multi-dimensional role of trust in Internet
banking adoption , The Service Industries Journal, vol. 29, n°. 5, pp. 591–605.
Z
Zeithaml V A., Bitner M J.and Gremler D D. (2006), Services Marketing: Integrating
Customer Focus across the Firm, New-York, McGraw-Hill (4 edition).
Zeithaml V A., Parasuraman A., and Malhotra A. (2002), Service Quality Delivery Though
Web Sites: A Critical Review of Extant Knowledge, Journal of academy of Marketing
Science, vol. 30, n°. 4, pp. 262-375.
Zeithaml V A., Berry L L., and Parasuraman A. (1996), The behavioral consequences of
service quality, Journal of Marketing, vol. 60, pp. 31-46.
Zeithaml V A. (1981), How consumer evaluation processes differ between goods and
services, in Donnelly J. and George W. (eds), Marketing of Services, American Marketing
Association, Chicago, pp. 186-90.
Zhang J., Fan-is P W., Irvin J.W., Kushwaha T, Steenburgh T.J. et Weitz B.A. (2010),
Crafting Integrated Multichannel Retailing Strategies, Journal of Interactive Marketing, vol.
24, n°.2, pp.168-180.
Zoltan E., and Chapanis A. (1981), What Do Professional Persons Think About Computers?,
Information Technology, vol. 1, pp. 55-68.
ANNEXES
Annexe 1
Guide d’entretien des consommateurs du Drive
Présentation de l’enquête :
Je voudrais tout d’abord savoir : votre âge, votre situation professionnelle, votre lieu
de vie par apport de Drive : Résidence- Travail ?
Depuis quand vous êtes client de Drive ? (Depuis quand utilisez-vous le Drive ?)
Comment avez-vous eu connaissance de Drive ?
Combien de fois par moyenne faites-vous les courses par Drive par mois ?
Motivation et freins d’achat des consommateurs adapté de Drive :
Quelle sont les aspects qui vous conduisent à juger cette expérience positivement ?
Quelles sont les choses que vous appréciez ou aimez particulièrement lorsque vous
faites vos courses en Drive ?
Pensez-vous aux choses qui vous déplaisent quand vous faites vos courses en Drive ?
Depuis que vous utilisez le Drive, vous trouvez que c’est mieux ou moins bien :
o Au niveau de la qualité de service.
o Au niveau de votre satisfaction globale.
Pourriez-vous me dire toutes vos perceptions de Drive :
o C’est qui les points forts ?
o C’est qui les points faibles ?
Voulez-vous rester avec Drive dans les années prochaines ?
Allez-vous recommandez le Drive aux vos proches ?
Merci
Annexe 2
Questionnaire
Non, c’est plutôt rare Non, c’est la première fois, c’est pour essayer
Pour les questions suivantes, merci d’indiquer votre degré d’accord (ou de désaccord) avec
toutes les phrases qui vous sont présentées ci-après. Concernant ce Carrefour Drive, cochez à
chaque ligne la case correspondant le mieux à votre opinion de 6 à 1, comme par exemple :
1 2 3 4 5 6
Phrase 1
Vous êtes tout à fait d’accord
Phrase 2
Vous n’êtes pas d’accord
Phrase 3
Vous êtes plutôt d’accord
Pas Tout
du à
tout fait
2. Ce Drive se trouve à proximité immédiate…
1 2 3 4 5 6
2-1) …. de votre domicile
1 2 3 4 5 6
1) Ce Drive est propre.
Pas Tout
4. Quand vous commandez sur le SITE INTERNET de ce du à
Drive: tout fait
1 2 3 4 5 6
1) Ce site internet de Drive est facile à utiliser.
10) Ma vie privée est bien protégée sur ce site internet de Drive.
11) Les paiements par carte sont très bien sécurisés sur ce site internet
21) Pour les produits que j’achète, j’ai le choix entre beaucoup de
marques.
22) Ce site internet de Drive offre un bon rapport qualité-prix.
5. GLOBALEMENT :
Votre degré d’accord
Pas Tout
du à
tout fait
1 2 3 4 5 6
1) Ce Drive se soucie de faire gagner du temps aux clients
6. EN CONCLUSION :
Votre degré d’accord
Pas Tout
du à
tout fait
1 2 3 4 5 6
1) Cela a été une bonne décision de choisir ce Drive.
8) Ça vaut la peine d’utiliser ce Drive, même si les prix n’y sont pas
toujours les plus bas.
1 2 3 4 5 6
1) Avant d’utiliser ce Drive, je faisais habituellement mes courses
chez cette même enseigne.
Non, jamais.
Oui, autres Carrefour Drive.
Oui, Drive d’autres enseignes.
Annexe 3
Observations
Inclus Exclu Total
N Pourcentage N Pourcentage N Pourcentage
Annexe 4
Valeurs extrêmes ou aberrantes (Boîte à Moustaches)
Annexe 5
Résultats des analyses préliminaires de l’adéquation des données à l’analyse
multi-variée
Tests de normalité
Kolmogorov-Smirnova Shapiro-Wilk
Statistiques Ddl Sig. Statistiques ddl Sig.
Statistiques descriptives
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Erreur Erreur
Statistiques Statistiques Statistiques Statistiques Statistiques Statistiques std. Statistiques std.
Facilité
500 2 6 4,65 1,013 -,303 ,109 -,437 ,218
d'utilisation 1
Facilité
500 2 6 4,36 1,040 -,385 ,109 -,269 ,218
d'utilisation 2
Facilité
500 1 6 4,28 1,031 -,341 ,109 -,149 ,218
d'utilisation 3
Information 1 500 2 6 4,41 ,940 -,314 ,109 -,166 ,218
Information 2 500 2 6 4,47 ,942 -,475 ,109 -,146 ,218
Information 3 500 1 6 4,44 1,077 -,506 ,109 ,026 ,218
Information 4 500 2 6 4,23 1,061 ,028 ,109 -,630 ,218
Personnalisation 1 500 1 6 3,76 ,891 -,475 ,109 ,111 ,218
Personnalisation 2 500 2 6 4,62 ,870 -,550 ,109 ,272 ,218
Personnalisation 3 500 1 6 3,95 ,955 -,113 ,109 -,199 ,218
Personnalisation 4 500 1 6 4,28 1,038 -,412 ,109 -,289 ,218
Personnalisation 5 500 2 6 4,62 1,093 -,508 ,109 -,302 ,218
Design 1 500 2 6 4,64 ,864 -,584 ,109 ,357 ,218
Design 2 500 2 6 4,68 ,950 -,566 ,109 ,177 ,218
Design 3 500 2 6 4,78 ,951 -,636 ,109 ,141 ,218
Assortiment 1 500 1 6 3,12 ,945 -,047 ,109 -,132 ,218
Assortiment 2 500 1 5 3,14 ,931 -,117 ,109 -,235 ,218
Assortiment 3 500 1 6 4,10 ,901 -,314 ,109 -,028 ,218
Assortiment 4 500 2 6 4,49 ,980 -,198 ,109 -,485 ,218
Sécurité / Conf 1 500 2 6 4,66 ,760 -,173 ,109 ,017 ,218
Sécurité / Conf 2 500 3 6 4,92 ,829 -,380 ,109 -,446 ,218
Sécurité / Conf 3 500 3 6 5,33 ,836 -,977 ,109 -,064 ,218
Fiabilité 1 500 1 6 4,67 ,922 -,666 ,109 ,780 ,218
Fiabilité 2 500 1 6 4,47 1,050 -,483 ,109 ,384 ,218
Fiabilité 3 500 2 6 4,34 ,836 ,068 ,109 ,195 ,218
N valide (liste) 500
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité (Kurtosis
et Skewness) des données est satisfaite.
Tests de normalité
Kolmogorov-Smirnova Shapiro-Wilk
Statistiques ddl Sig. Statistiques ddl Sig.
Statistiques descriptives
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
StatistiquesStatistiques Statistiques Statistiques Statistiques Statistiques Erreur std. Statistiques Erreur std.
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité (Kurtosis
et Skewness) des données est satisfaite
Tests de normalité
Kolmogorov-Smirnova Shapiro-Wilk
Statistiques descriptives
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Statistique Statistique Statistique Statistique Statistique Statistique Erreur Statistique Erreur
s s s s s s std. s std.
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité
(Kurtosis et Skewness) des données est satisfaite.
Tests de normalité
Kolmogorov-Smirnova Shapiro-Wilk
Statistiques descriptives
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité (Kurtosis
et Skewness) des données est satisfaite.
Tests de normalité
Kolmogorov-Smirnova Shapiro-Wilk
Statistiques descriptives
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité (Kurtosis
et Skewness) des données est satisfaite.
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Statistiques descriptives
N Minimum Maximum Moyenne Ecart type Skewness Kurtosis
Statistiqu Statistiq Statistique Statistique Statistique Erreur Statistique Erreur
es ues s s Statistiques s std. s std.
Fidélité 1 500 1 6 4,70 1,040 -,713 ,109 ,248 ,218
Fidélité 2 500 1 6 4,49 1,049 -,753 ,109 ,517 ,218
Fidélité 3 500 1 6 4,38 1,340 -,958 ,109 ,314 ,218
Fidélité 4 500 1 6 4,45 1,138 -,976 ,109 ,777 ,218
N valid (liste) 500
Les items ont dans l’ensemble une évaluation moyenne proche. La quasi-normalité (Kurtosis
et Skewness) des données est satisfaite.
Annexe 6
L’échelle de la qualité de site web du Drive
Tests préalables à la factorisation des données de l’échelle de l’échelle de la
qualité de site web du Drive
Teste de la fiabilité
Statistiques de fiabilité
Fiabilité Information
Statistiques de fiabilité
Fiabilité Design
Statistiques de fiabilité
Fiabilité Sécurité/Confidentiel
Statistiques de fiabilité
Fiabilité Assortiment
Statistiques de fiabilité
Estimate
FAUTI3 ,830
FAUTI2 ,888
FAUTI1 ,796
INFO3 ,827
INFO2 ,883
INFO1 ,872
DESI3 ,816
DESI2 ,874
DESI1 ,895
SECONF2 ,874
SECONF1 ,793
ASSORT2 ,965
ASSORT1 ,913
Annexe 7
L’échelle de mesure de la qualité du point de retrait du Drive
Tests préalables à la factorisation des données de l’échelle de l’échelle de la
qualité du point de retrait du Drive
Test de la fiabilité
Tangibilité
Statistiques de fiabilité
Accessibilité
Statistiques de fiabilité
Personnel
Statistiques de fiabilité
Estimate
Tangibilité ,673
Accessibilité ,726
Personnel ,722
TANG4 ,723
TANG2 ,878
TANG1 ,894
ACCESS5 ,818
ACCESS4 ,874
ACCESS3 ,888
PERS5 ,965
PERS4 ,940
PERS3 ,762
Annexe 8
L’échelle de la valeur globale perçue d’un Drive
% de la % de la
Facteur Total variance % cumulé Total variance % cumulé
Teste de la fiabilité
Statistiques de fiabilité
Annexe 9
Teste de la fiabilité
Statistiques de fiabilité
Annexe 10
Test de la fiabilité
Statistiques de fiabilité
Alpha de Cronbach Nombre d'éléments
,917 4
Annexe 11
Test de la fiabilité
Statistiques de fiabilité
Alpha de Cronbach Nombre d'éléments
,935 4
Annexe 12
Validité discriminate des construits du modèle externe
Facilité Information Design Assortiment Sécurité Tangibilité Accessibilité Personnel Valeur Satisfaction Confiance Fidélité
Annexe 13
http://www.comm.ohio-state.edu/ahayes/
For details, see Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS
SAMPLE SIZE
350
http://www.comm.ohio-state.edu/ahayes/
For details, see Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS
SAMPLE SIZE
350
http://www.comm.ohio-state.edu/ahayes/
For details, see Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS
SAMPLE SIZE
350
http://www.comm.ohio-state.edu/ahayes/
For details, see Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS
SAMPLE SIZE
350
http://www.comm.ohio-state.edu/ahayes/
For details, see Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS
SAMPLE SIZE
350
Annexe 14
Macro output
*****************************************************************
Sample size
350
IV to Mediators (a paths)
Coeff se t p
Valeur ,7089 ,0378 18,7548 ,0000
Satisfac ,7226 ,0371 19,4983 ,0000
******************************************************************
*****************************************************************
*****************************************************************
*****************************************************************
*****************************************************************
*****************************************************************
Sample size
350
IV to Mediators (a paths)
Coeff se t p
Valeur ,6487 ,0408 15,9023 ,0000
Satisfac ,6718 ,0397 16,9206 ,0000
******************************************************************
*****************************************************************
*****************************************************************
*****************************************************************
Annexe 15
L’output de la macro pour la relation Qualité du site Valeur Satisfaction
Fidélité (multiple médiation en chaîne)
Macro output
SAMPLE SIZE
350
Annexe 16
L’output de la macro pour la relation Qualité du point Valeur Satisfaction
Fidélité (multiple médiation en chaîne)
Macro output
SAMPLE SIZE
350
Annexe 17
Annexe 18
Annexe 19
Tableau 72: Les résultats du test des effets indirects spécifiques en chaîne Qualité de service du point de retrait
du Drive -Valeur globale perçue - Satisfaction du consommateur - Fidélité du consommateur à un Drive ....... 256
Tableau 73: Description de l’échantillon selon l’âge .......................................................................................... 259
Tableau 74: Test de permutation pour l’effet modérateur de l’âge de répondant................................................ 259
Tableau 75 : Test de permutation pour l’effet modérateur du sexe de répondant ............................................... 260
Tableau 76: Description de l’échantillon selon la taille de famille ..................................................................... 261
Tableau 77: Test de permutation pour l’effet modérateur de la taille de famille ................................................ 261
Tableau 78: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur la valeur globale
perçue selon la taille de la famille ....................................................................................................................... 262
Tableau 79: Coefficients structurels et R² concernant l’effet de la qualité de service du point de retrait sur la
valeur globale perçue selon la taille de la famille ............................................................................................... 262
Tableau 80: Coefficients structurels et R² concernant l’effet de la qualité de service du site sur la satisfaction
selon la taille de la famille .................................................................................................................................. 262
Tableau 81: Coefficients structurels et R² concernant l’effet de la qualité de service du point de retrait sur la
satisfaction selon la taille de la famille ............................................................................................................... 263
Tableau 82: Récapitulatif du test des hypothèses de recherche ........................................................................... 264
Tableau 83: Fiabilité et validité de l’échelle de mesure de la qualité du site Web du Drive ............................... 267
Tableau 84: Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du Drive ..................... 268
Tableau 85: Path coefficient de l’analyse multi-groupes de la variable taille de famille .................................... 279
SOMMAIRE .......................................................................................................................................................... 1
3.2.1 La méthodologie du test d’hypothèses relatives aux effets directs .............................. 192
3.2.2 La méthode de test des effets indirects (les médiations) .............................................. 193
3.2.3 La méthode de test des effets de modération ............................................................... 194
Conclusion du chapitre V .......................................................................................................................... 197
CHAPITRES VI : VALIDATION DES INSTRUMENTS DE MESURE DES CONSTRUITS .................. 200
Introduction au chapitre VI ........................................................................................................................ 200
1 Description de l’échantillon obtenu et analyses préliminaires .................................................. 200
1.1 Description de l’échantillon ............................................................................................. 201
1.1.1 Caractéristiques de l’échantillon obtenu ...................................................................... 201
1.1.2 La comparaison entre les répondants sur la base de leur fréquentation du Drive ........ 204
1.1.2.1 Le genre des répondants et leur fréquentation du Drive ...................................... 205
1.1.2.2 L’âge de répondants et leur fréquentation du Drive : ........................................... 206
1.1.2.3 La situation familiale des répondants et leur fréquentation du Drive : ................ 206
1.1.2.4 Le nombre d’enfants des répondants et leur fréquentation du Drive : ................. 207
1.1.2.5 La catégorie socioprofessionnelle des répondants et leur fréquentation du Drive :
…………………………………………………………………………………. 207
1.2 Résultats des analyses préliminaires de l’adéquation des données à l’analyse multi-variée
…………………………………………………………………………………………..208
1.2.1 Les valeurs manquantes ............................................................................................... 209
1.2.2 Les valeurs aberrantes ou extrêmes ............................................................................. 210
1.2.3 La normalité des données ............................................................................................ 210
2 La validation des échelles de mesure des variables latentes du modèle .................................... 212
2.1 Validation de l’échelle de mesure de la qualité perçue de site Web du Drive.................. 213
2.1.1 L’analyse factorielle exploratoire sous SPSS : ............................................................ 213
2.1.2 L’analyse factorielle confirmatoire sous AMOS ......................................................... 216
2.1.3 Fiabilité et validité de l’échelle de mesure de la qualité de site Web du Drive ........... 218
2.2 Validation de l’échelle de mesure de la qualité du point de retrait du Drive ................... 220
2.2.1 L’analyse factorielle exploratoire sous SPSS .............................................................. 220
2.2.2 L’analyse factorielle confirmatoire sous AMOS : ....................................................... 222
2.2.3 Fiabilité et validité de l’échelle de mesure de la qualité du point de retrait du Drive : 224
2.3 Validation de l’échelle de mesure de la valeur Globale perçue d’un Drive .................... 225
2.3.1 L’analyse factorielle exploratoire sous SPSS : ............................................................ 225
2.3.2 L’analyse factorielle confirmatoire sous AMOS ......................................................... 226
2.3.3 Fiabilité et validité de l’échelle de mesure de la valeur globale perçue d’un Drive .... 227
2.4 Validation de l’échelle de mesure de la satisfaction de consommateur ........................... 228
2.4.1 L’analyse factorielle exploratoire sous SPSS .............................................................. 228
2.4.2 L’analyse factorielle confirmatoire sous AMOS ......................................................... 229
2.4.3 Fiabilité et validité de l’échelle de mesure de la satisfaction de l’expérience avec un
Drive ………………………………………………………………………………………..230
2.5 Validation de l’échelle de mesure de la confiance à l’enseigne ....................................... 230
ANNEXES ..........................................................................................................................................................348
Cette thèse a pour l’objectif principal d’identifier et de comprendre les facteurs clés qui contribuent à
fidéliser le consommateur à un Drive dans un contexte de distribution cross-canal. Elle se compose de
deux parties.
Dans la première partie, nous avons d’abord mené une revue de littérature tournant autour de quatre
champs de recherche : l’innovation commerciale, la stratégie de distribution cross-canal, le
comportement cross-canal et la fidélité du consommateur. Elle a été combinée à une étude qualitative
exploratoire (entretiens approfondis réalisés auprès de consommateurs). Ces deux étapes nous ont
permis de proposer un modèle conceptuel de la qualité de service perçue du Drive et de ses effets sur
les représentations mentales du consommateur (valeur globale perçue et satisfaction) ainsi que sur sa
fidélité au Drive évalué.
La deuxième partie est consacrée au teste les hypothèses, le modèle de recherche et à l’analyse des
résultats. Pour cela, une enquête quantitative a été réalisée auprès de 500 utilisateurs du Drive. Les
répondants ont été subdivisés en deux sous-échantillons (N1 = 150 et N2 = 350) pour réaliser les
analyses factorielles exploratoires et confirmatoires. Le test du modèle général ainsi que des
hypothèses de recherche a été conduit en recourant à la méthode des équations structurelles, plus
précisément à la modélisation PLS-PM (Partial least squares, path modelling) au moyen du logiciel
XLSTAT 2017. Nos résultats confirment que dans un contexte de distribution cross-canal, l’évaluation
globale du consommateur ne dépend pas d’un canal mais de l’intégration des canaux utilisés qui
permet au consommateur de vivre une expérience à la fois originale, plaisants et intéressante. Avec
l’intégration des canaux, le consommateur du Drive vit une expérience à la fois originale, plaisante et
intéressante. Cette dernière contribue à la création de la fidélité du consommateur à un Drive.
Mots-clés : Drive, Cross-canal, Fidélité, Qualité de service, Valeur globale perçue, Satisfaction.
The main objective of this thesis is to identify and understand the key factors that contribute to
consumer loyalty to a Drive-in in a cross-channel distribution context. It consists of two parts.
In the first part, we present a literature review around four fields of research: commercial innovation,
cross-channel distribution strategy, cross-channel behavior and consumer loyalty. We complete this
part with an exploratory qualitative study (in-depth interviews with consumers). These two steps
allowed us to propose a conceptual model of the perceived quality of service of the Drive-in and its
effects on the mental representations of the consumer (perceived overall value and satisfaction) as well
as on its fidelity to the evaluated Drive-in.
The second part is devoted to testing the hypotheses, the research model, and the analysis of the
results. For this, a quantitative survey was conducted among 500 consumers of Drive-in. Respondents
were divided into two sub-samples (N1 = 150 and N2 = 350) to perform exploratory and confirmatory
factor analyzes. The general model test and research hypotheses were conducted using the structural
equations method. In detail, to run the PLS-PM (Partial least squares) modeling, we employed
XLSTAT 2017 software. Our results confirm that in a context of cross-channel distribution, the overall
evaluation of a consumer does not depend on a channel, but it is related to the integration of the used
channels which creates an original, pleasant and interesting experience for consumers. With the
integration of channels, Drive-in consumers have an original, pleasant and interesting experience
which contributes to the creation of consumer loyalty.
Keywords: Drive-in, Cross-channel, Loyalty, Quality of service, Overall perceived value,
Satisfaction.