Abandon du panier d’achat (recherche d’un meilleur prix) (CASP)

1. Résumé / Abstract

L’échelle d’abandon du panier d’achat motivé par la recherche d’un meilleur prix (couramment désignée sous l’acronyme anglophone Cart Abandonment – Search for Better Price ou CASP) a été conceptualisée et validée par Monika Kukar-Kinney et Angeline G. Close en 2010 au sein de leur étude séminale publiée dans le Journal of the Academy of Marketing Science. Cet instrument psychométrique unidimensionnel composé de trois items évalue la propension délibérée et stratégique des cyberconsommateurs à placer des produits dans un panier virtuel en ligne, puis à interrompre ou suspendre le processus de commande dans le but explicite d’obtenir un avantage tarifaire supérieur. Contrairement aux abandons transactionnels fortuits résultant de frictions ergonomiques imprévues ou de chocs tarifaires finaux (comme l’apparition de frais d’expédition exorbitants), cette échelle appréhende un comportement proactif d’optimisation financière. Ce dernier se traduit soit par une mise en attente temporelle (temporisation jusqu’au déclenchement de promotions, de soldes ou de remises ciblées), soit par une comparaison inter-canaux (mise en concurrence avec d’autres plateformes de commerce électronique ou avec des points de vente physiques traditionnels).

Sur le plan métrologique, l’échelle s’appuie sur un format d’auto-évaluation gradué sur une échelle de Likert en 7 points allant de 1 (« fortement en désaccord ») à 7 (« fortement en accord »). Les propriétés psychométriques établies dans la littérature scientifique témoignent d’une consistance interne robuste, caractérisée par un coefficient alpha de Cronbach (α) supérieur à 0,80 (spécifiquement 0,82 dans l’échantillon initial de Kukar-Kinney & Close) ainsi qu’une fiabilité composite satisfaisante. La validité convergente et la validité discriminante ont été rigoureusement démontrées par le biais de modélisations en équations structurelles (SEM), confirmant que l’abandon motivé par la recherche de prix constitue une facette distincte de l’abandon lié à l’hésitation décisionnelle ou à la gestion organisationnelle des achats en ligne. L’instrument s’impose aujourd’hui comme une référence incontournable en psychologie du consommateur, en marketing digital et en recherche sur l’expérience utilisateur (UX).

2. Mots-clés / Keywords

abandon de panier en ligne, recherche de prix, sensibilité au prix, comportement du cyberconsommateur, commerce électronique, prise de décision d’achat, magasinage comparatif, stratégie d’optimisation, psychométrie marketing, modèle d’équations structurelles

3. Auteurs / Authors

L’échelle a été développée et formalisée par deux chercheuses éminentes en marketing et en comportement du consommateur :

• Monika Kukar-Kinney, Ph.D. : Professeure de marketing à la Robins School of Business de l’Université de Richmond (Richmond, Virginie, États-Unis). Ses axes de recherche portent principalement sur le comportement de magasinage en ligne, la psychologie des prix, les comportements d’achat compulsifs et dysfonctionnels, ainsi que la dynamique transactionnelle du commerce numérique. Courriel institutionnel : [email protected].
• Angeline G. Close (désormais Angeline Close Scheinbaum), Ph.D. : Professeure associée et chercheuse en marketing, affiliée au Dan Duncan Comprehensive Cancer Center et au Department of Marketing de la Clemson University (anciennement à l’Université du Texas à Austin et à l’Université du Nevada à Las Vegas). Ses travaux examinent le commerce électronique, l’engagement envers les marques, le parrainage événementiel et les aspects sociopsychologiques des interactions médiées par la technologie. Courriel institutionnel : [email protected].

4. Objectif / Purpose

Dans l’écosystème contemporain de la distribution numérique, l’abandon du panier d’achat virtuel représente une énigme économique majeure, les taux de non-finalisation oscillant régulièrement entre 65 % et 80 % des transactions initiées. Historiquement, les praticiens du cybercommerce ont imputé ce phénomène à des défaillances techniques, à des processus de paiement (checkout) laborieux ou à une réticence subite face aux coûts de livraison. L’objectif fondamental de la création de l’échelle d’abandon du panier d’achat (recherche d’un meilleur prix) par Kukar-Kinney et Close (2010) était de déconstruire l’hypothèse réductrice selon laquelle tout abandon constitue un échec transactionnel involontaire ou passif. Les auteures ont cherché à isoler une dimension psychologique et comportementale stratégique : l’utilisation intentionnelle du panier virtuel comme un instrument de repérage cognitif et de levier comparatif tarifaire.

Applications en recherche fondamentale et comportementale

Au sein de la littérature académique, l’échelle CASP permet de modéliser avec précision les antécédents et les conséquences du comportement de navigation du cyberconsommateur. Elle répond à plusieurs interrogations théoriques majeures :

• Différenciation des motivations d’abandon : L’outil dissocie rigoureusement l’abandon dicté par des contraintes extrinsèques (frais de port imprévus, dysfonctionnements de passerelle de paiement) de l’abandon motivé par des visées intrinsèques d’arbitrage financier et de maximisation de l’utilité.
• Modélisation du magasinage omnicanal : L’échelle capture l’interaction fluide entre les environnements de vente en ligne et les points de vente physiques (« webrooming » et « showrooming »), en mesurant comment le panier virtuel sert de point d’ancrage tarifaire avant comparaison en magasin traditionnel.
• Intégration dans les modèles décisionnels : L’échelle fournit une mesure quantitative standardisée pour examiner les relations structurelles unissant la sensibilité au prix, l’orientation vers la recherche d’offres (deal proneness), le scepticisme envers les détaillants et la fidélité à la marque.

Applications managériales et industrielles

Pour les gestionnaires de plateformes de commerce électronique, la compréhension de la proportion de clients abandonnant leur panier pour des raisons de comparaison de prix conditionne le design de stratégies marketing ciblées :

• Politiques d’automatisation des relances marketing (Retargeting) : Lorsqu’un abandon est identifié comme relevant d’une démarche d’optimisation de prix, l’émission précipitée de bons de réduction génériques peut cannibaliser les marges bénéficiaires ou conditionner le consommateur à une attente opportuniste permanente. L’échelle aide à segmenter les profils pour lesquels une communication axée sur la rareté du stock ou sur la garantie du meilleur prix est plus pertinente qu’un rabais immédiat.
• Stratégies de tarification dynamique : Les détaillants peuvent évaluer la propension de leur audience cible à reporter l’acte d’achat en anticipant des promotions saisonnières (ex. Black Friday, soldes d’été), permettant ainsi d’ajuster l’élasticité-prix de leur catalogue.
• Optimisation de l’architecture d’information : La mesure du CASP justifie l’intégration de fonctionnalités de sauvegarde de listes d’envies (wishlists) distinctes du panier transactionnel, afin de préserver l’intégrité de la mesure du taux de conversion pur tout en répondant aux besoins de surveillance tarifaire des usagers.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par cette échelle est l’abandon de panier virtuel orienté vers la recherche de prix. Ce construit repose sur une conceptualisation cognitive et comportementale du magasinage en ligne, où le panier n’est plus envisagé exclusivement comme l’ultime étape précédant le paiement, mais comme un espace cognitif temporaire, un classeur de présélection et un outil tactique de surveillance.

Sur le plan théorique, ce construit se structure autour de deux dynamiques opérationnelles complémentaires :

1. La recherche comparative inter-canaux et inter-détaillants (Comparaison spatiale)

Cette composante renvoie à l’acte par lequel le consommateur utilise le panier comme une mémoire externe de travail. En sélectionnant un ensemble d’articles et en visualisant le récapitulatif financier global, l’individu fige une configuration de prix de référence. Il quitte ensuite délibérément le site pour explorer simultanément ou successivement d’autres alternatives. Cette exploration prend deux directions :

• Comparaison inter-sites (Online-to-Online) : Le client inspecte les catalogues de détaillants concurrents ou utilise des agrégateurs de prix pour vérifier si l’article identique ou un substitut étroit est disponible à un coût marginal inférieur.
• Comparaison omnicanale (Online-to-Offline) : Le cyberacheteur conserve les produits dans son panier en ligne pour servir de point de comparaison direct lorsqu’il se rend dans des magasins traditionnels de brique et de mortier, confrontant les prix affichés en rayon avec les montants numériques consolidés.

2. La temporisation stratégique et l’attente promotionnelle (Comparaison temporelle)

Cette seconde dynamique relève d’une régulation temporelle de l’acte d’achat. Le consommateur charge son panier en sachant pertinemment qu’il n’effectuera pas la transaction immédiatement. L’abandon temporaire ou prolongé est ici calculé : il s’agit d’attendre que le détaillant applique une réduction programmée (soldes, déstockage), émette un coupon promotionnel automatisé de relance, ou applique une baisse de prix conjoncturelle. Le panier fait alors office de sentinelle tarifaire.

Contrairement aux modèles traditionnels qui appréhendent l’abandon comme un échec découlant d’une surcharge cognitive (information overload), d’une anxiété transactionnelle liée à la sécurité des données bancaires, ou d’une déception brutale face aux coûts logistiques (« cost shock »), le construit mesuré par le CASP s’enracine dans la proactivité, l’autonomie et l’optimisation rationnelle des ressources financières du sujet.

6. Cadre théorique / Theoretical Framework

L’échelle CASP s’articule à l’intersection de plusieurs cadres théoriques majeurs issus de la microéconomie cognitive et de la psychologie du consommateur.

La théorie de la recherche d’information (Stigler, 1961)

Le fondement économique primaire repose sur la théorie de la recherche d’information initiée par George Stigler. Selon cette approche, un consommateur poursuit sa quête d’informations tarifaires tant que le bénéfice marginal anticipé d’une baisse de prix excède le coût marginal de la recherche (temps, effort cognitif, friction logistique). Dans l’environnement physique traditionnel, les coûts de recherche (se déplacer d’un magasin à l’autre) sont élevés, ce qui limite mécaniquement la dispersion des recherches. En revanche, dans le cyberespace, la réduction drastique des coûts marginaux de recherche confère au consommateur un pouvoir d’arbitrage sans précédent. L’abandon du panier en vue de chercher un meilleur prix illustre parfaitement le calcul rationnel stipulant que le coût minime d’ouverture d’un nouvel onglet ou d’une temporisation de quelques jours est largement compensé par l’économie financière espérée.

La théorie de l’utilité transactionnelle (Thaler, 1985)

Richard Thaler, figure centrale de l’économie comportementale, a postulé que l’utilité globale d’un achat se décompose en utilité d’acquisition (la valeur perçue du bien relativement à son coût objectif) et en utilité de transaction (le plaisir psychologique ou la gratification retirés de l’obtention d’une « bonne affaire », mesurée par la différence entre le prix de référence interne et le prix payé). Le comportement capté par l’échelle CASP reflète une quête aiguë d’utilité transactionnelle. Pour les individus présentant un score élevé sur cette échelle, l’abandon du panier ne constitue pas un renoncement au produit, mais une étape calculée visant à maximiser le surplus psychologique lié à l’obtention d’une remise substantielle ou d’un tarif plus bas que le prix nominal initial.

Le modèle du traitement de l’information et la cognition distribuée

D’un point de vue cognitif, le panier d’achat virtuel fonctionne comme une extension de la mémoire de travail du sujet (cognition distribuée). L’acte d’ajouter des articles au panier permet d’alléger la charge mentale nécessaire au maintien des références en mémoire vive. Une fois cette externalisation cognitive accomplie dans le panier, l’individu libère des ressources cognitives pour exécuter des calculs comparatifs approfondis, explorer des réseaux sociaux d’acheteurs ou attendre passivement des notifications de baisse de prix.

7. Validité / Validity

La validité psychométrique de l’échelle d’abandon de panier pour recherche de meilleur prix a été rigoureusement attestée par Kukar-Kinney et Close (2010), ainsi que par des réplications ultérieures dans le champ du marketing numérique.

Validité de contenu et validité apparente

La validité de contenu a été établie dès l’amont du processus de construction de l’instrument. Les trois items ont été formulés à partir d’une analyse approfondie de la littérature sur le comportement de navigation et validés par des panels d’experts en distribution numérique. Ces experts ont confirmé que les formulations capturaient sans ambiguïté les deux aspects fondamentaux du construit : la comparaison géographique/multicanale (vers d’autres sites ou magasins physiques) et la temporisation stratégique (attente de soldes promotionnelles).

Validité convergente

La validité convergente a été démontrée par des analyses factorielles confirmatoires (CFA). Les saturations factorielles standardisées (λ) de tous les items de l’échelle sur leur construit latent respectif sont hautement significatives (p < 0,001) et substantielles, oscillant entre 0,72 et 0,84 dans l’étude originale. La variance moyenne extraite (AVE – Average Variance Extracted) dépasse le seuil conventionnel de 0,50 recommandé par Fornell et Larcker (1981), attestant que plus de la moitié de la variance des indicateurs est directement imputable au trait latent sous-jacent plutôt qu’à l’erreur de mesure.

Validité discriminante

Pour confirmer que le CASP mesure un phénomène distinct d’autres motifs d’abandon ou de comportements d’achat, Kukar-Kinney et Close ont comparé la variance moyenne extraite avec le carré des corrélations inter-construits (critère de Fornell-Larcker). L’échelle a démontré une divergence statistique claire par rapport à :

• L’abandon pour motif d’hésitation ou d’incertitude quant au produit (Product Uncertainty) ;
• L’utilisation du panier comme simple organisateur ou aide-mémoire d’achat (Cart as an Organizing Tool) ;
• L’abandon dû aux coûts imprévus de transport ou de manutention (Shipping Surcharge Shock) ;
• L’intention globale d’achat final (Purchase Intent).

Les modèles nichés où les corrélations entre construits étaient fixées à 1 ont systématiquement produit une dégradation hautement significative du Chi-deux (Δχ², p < 0,001), corroborant sans équivoque la validité discriminante.

Validité prédictive et nomologique

La validité nomologique a été confirmée par l’insertion de l’échelle dans des modèles structurels globaux. Les scores sur l’échelle CASP corrèlent positivement et significativement avec la sensibilité générale au prix des individus, leur tendance à chasser les coupons de réduction, ainsi que la fréquence réelle d’abandons déclarés et observés dans l’historique de navigation des utilisateurs. De surcroît, elle prédit négativement la conversion immédiate lors de la première session de visite.

8. Fidélité / Reliability

La fidélité métrologique de l’échelle CASP s’avère particulièrement stable à travers les études empiriques, confirmant la précision de la mesure en dépit de sa concision (trois items).

Consistance interne

Dans l’étude princeps menée par Monika Kukar-Kinney et Angeline G. Close en 2010 auprès d’un échantillon représentatif de cyberconsommateurs adultes :

• Le coefficient alpha de Cronbach (α) s’est élevé à 0,82, ce qui excède largement le seuil standard d’acceptabilité de 0,70 requis pour la recherche en sciences sociales.
• La fiabilité composite (CR – Composite Reliability) calculée dans le cadre de la modélisation par équations structurelles s’établissait à 0,83, garantissant une cohérence interne élevée des indicateurs sans redondance excessive.

Dans des recherches subséquentes ayant réutilisé ou adapté l’échelle dans différents contextes culturels (notamment en Europe occidentale et en Asie de l’Est), l’alpha de Cronbach s’est invariablement maintenu dans une fourchette comprise entre 0,78 et 0,86, démontrant la robustesse transculturelle de la formulation des items.

Corrélations inter-items et corrélation item-total

L’analyse détaillée des métriques de consistance interne indique que :

• Les corrélations inter-items corrigées se situent toutes au-dessus de 0,55, confirmant qu’aucun item n’est périphérique par rapport au domaine de contenu ciblé.
• La suppression d’aucun des trois items n’entraîne d’augmentation du coefficient global de fiabilité, ce qui démontre la contribution psychométrique indispensable et équilibrée de chaque proposition.

9. Analyse factorielle / Factor Analysis

L’architecture factorielle de l’instrument a fait l’objet d’examens statistiques approfondis, combinant analyse factorielle exploratoire (AFE) lors de la phase préliminaire de développement et analyse factorielle confirmatoire (AFC) pour la validation définitive de la structure théorique.

Analyse factorielle exploratoire (AFE)

Lors des phases initiales de tri des items extraits de questionnaires exploratoires plus larges, une extraction en composantes principales assortie d’une rotation oblique (Promax ou Oblimin direct, en accord avec l’hypothèse de corrélations naturelles entre diverses motivations d’achat) a été conduite. Les critères d’arrêt de Kaiser (valeurs propres supérieures à 1) et le test du coude de Cattell ont clairement identifié un facteur unique dédié à la recherche de prix :

• Une valeur propre (eigenvalue) nettement supérieure au seuil unitaire pour le facteur considéré (généralement > 2,10) ;
• Le facteur unitaire restituait à lui seul plus de 68 % de la variance totale expliquée des trois items ;
• Les saturations factorielles croisées sur les autres facteurs d’abandon (par exemple l’abandon affectif ou logistique) sont demeurées négligeables (inférieures à 0,25).

Analyse factorielle confirmatoire (AFC)

Dans l’échantillon de validation principal de l’article de 2010, un modèle d’AFC multivarié a été ajusté via le logiciel LISREL / AMOS avec la méthode d’estimation du maximum de vraisemblance (ML). Les indices d’ajustement global du modèle structurel incluant la sous-échelle CASP ont attesté d’une excellente adéquation aux données empiriques :

• Chi-deux normalisé (χ²/df) : inférieur à 2,5, indiquant un écart minimal entre matrices de covariance observée et prédite ;
• CFI (Comparative Fit Index) : > 0,95 (souvent > 0,97) ;
• NNFI / TLI (Tucker-Lewis Index) : > 0,95 ;
• RMSEA (Root Mean Square Error of Approximation) : < 0,05 avec intervalle de confiance à 90 % compris entre [0,00 ; 0,07] ;
• SRMR (Standardized Root Mean Square Residual) : < 0,04.

Les saturations standardisées (λ) des trois indicateurs sur la variable latente se distribuent typiquement comme suit :

• Item 1 (vérification d’alternatives moins chères ailleurs) : λ ≈ 0,78 – 0,84
• Item 2 (comparaison avec magasins physiques) : λ ≈ 0,72 – 0,77
• Item 3 (mise en attente pour soldes/promotions) : λ ≈ 0,74 – 0,80

Ces résultats confirment sans ambiguïté l’unidimensionnalité stricte de l’échelle.

10. Instrument de mesure / Instrument

• Type d’évaluation : Échelle psychométrique d’auto-évaluation (self-report questionnaire).
• Format d’administration : Questionnaire auto-administré (sur support numérique en ligne ou sur questionnaire papier-crayon).
• Nombre d’items : 3 items formulés sous la forme d’affirmations comportementales directes.
• Format de réponse : Échelle de Likert en 7 points (7-point Likert scale) :
• 1 = Fortement en désaccord (Strongly disagree)
• 2 = En désaccord (Disagree)
• 3 = Plutôt en désaccord (Somewhat disagree)
• 4 = Ni en accord ni en désaccord / Neutre (Neither agree nor disagree)
• 5 = Plutôt d’accord (Somewhat agree)
• 6 = D’accord (Agree)
• 7 = Fortement d’accord (Strongly agree)
• Modalités de cotation et calcul du score :
  • Aucun item inversé (pas de recodage requis). Tous les items sont orientés positivement vers le construit.
  • Score moyen : Somme des scores des 3 items divisée par 3 (étendue théorique de 1,00 à 7,00). Cette méthode est préconisée pour conserver la métrique originale de l’échelle de Likert.
  • Score cumulé : Somme arithmétique directe des 3 items (étendue théorique de 3 à 21 points).
  • Interprétation : Un score élevé reflète une tendance marquée et habituelle à instrumentaliser le panier virtuel comme levier de négociation passive, de comparaison tarifaire et de temporisation promotionnelle. À l’inverse, un score faible traduit un comportement d’achat sans mise en concurrence préalable ou un abandon motivé par d’autres facteurs non liés aux arbitrages de prix.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année de publication princeps : 2010.
• Publication de référence : Journal of the Academy of Marketing Science, Volume 38, Numéro 2, pages 240–250.
• Droits d’auteur et permissions : Les droits d’auteur de l’article original sont détenus par l’Academy of Marketing Science (publié par Springer Science+Business Media). Conformément aux usages académiques internationaux (Fair Use), les items de l’échelle peuvent être consultés, reproduits et administrés gratuitement à des fins de recherche scientifique non commerciale, de thèses doctorales ou d’enseignement universitaire, sous réserve explicite de citer fidèlement la source originale (Kukar-Kinney & Close, 2010).
• Utilisation commerciale : Toute intégration de l’échelle au sein d’un logiciel commercial propriétaire, d’une plateforme d’audit payante ou d’études d’agences à visée commerciale nécessite l’autorisation préalable de l’éditeur (via le service RightsLink / Springer Nature) ou des auteures.
• Coût d’accès : Gratuit pour la communauté scientifique et les étudiants universitaires dans le respect des règles de citation.

12. Références / References

Les sources académiques ci-dessous fondent l’élaboration théorique, le développement méthodologique et la validation empirique de l’instrument :

• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Kukar-Kinney, M., & Close, A. G. (2010). The determinants of consumers’ online shopping cart abandonment. Journal of the Academy of Marketing Science, 38(2), 240–250. https://doi.org/10.1007/s11747-009-0141-5
• Oliver, R. L. (1997). Satisfaction: A behavioral perspective on the consumer. McGraw-Hill.
• Stigler, G. J. (1961). The economics of information. Journal of Political Economy, 69(3), 213–225. https://doi.org/10.1086/258464
• Thaler, R. (1985). Mental accounting and consumer choice. Marketing Science, 4(3), 199–214. https://doi.org/10.1287/mksc.4.3.199
• Zeithaml, V. A. (1988). Consumer perceptions of price, quality, and value: A means-end model and synthesis of evidence. Journal of Marketing, 52(3), 2–22. https://doi.org/10.1177/002224298805200302

13. Questions et items du questionnaire / Scale Items