Adéquation de l’extension de marque basée sur l’usage (BEFU)

1. Résumé / Abstract

L’échelle d’Adéquation de l’extension de marque basée sur l’usage (en anglais, Brand Extension Fit [Usage-Based] ou BEFU), développée initialement par Ingrid M. Martin et David W. Stewart (2001), constitue un instrument psychométrique concis et robuste conçu pour mesurer la similarité perçue entre une marque mère et une proposition d’extension de marque sous l’angle spécifique des contextes, des finalités et de la simultanéité d’utilisation. Composée de trois items présentés sous la forme d’un différentiel sémantique en 7 points, cette échelle opérationnalise la dimension fonctionnelle et contextuelle de l’adéquation perçue, en se démarquant des approches taxonomiques traditionnelles centrées exclusivement sur les attributs physiques ou les compétences de fabrication.

Sur le plan psychométrique, le BEFU présente une cohérence interne élevée, attestée par des coefficients alpha de Cronbach excédant fréquemment le seuil de 0,85 dans la littérature empirique en marketing et en psychologie cognitive du consommateur. Les analyses factorielles confirmatoires établissent de manière univoque l’unidimensionnalité de la structure, avec des saturations factorielles robustes (> 0,80) pour l’ensemble des items. L’échelle démontre une validité discriminante rigoureuse face aux construits d’adéquation basée sur la fabrication (manufacturing fit) ou d’image de marque globale, ainsi qu’une excellente validité prédictive à l’égard de l’attitude envers l’extension, des intentions d’achat et du transfert de capital de marque (brand equity transfer). Cet instrument s’impose ainsi comme une référence méthodologique incontournable tant pour la recherche fondamentale en sciences de gestion que pour les études appliquées de pré-lancement de produit.

2. Mots-clés / Keywords

Adéquation de marque, extension de marque, adéquation basée sur l’usage, transfert de capital marque, catégorisation cognitive, comportement du consommateur, psychométrie, différentiel sémantique, similarité perçue, congruence des buts, psychologie du marketing, perception du produit.

3. Auteurs / Authors

L’instrument a été conceptualisé et validé par :

• Ingrid M. Martin, Ph.D. — Professeure émérite de marketing au College of Business, California State University, Long Beach (CSULB), États-Unis. Spécialiste du traitement de l’information par le consommateur, de la perception des risques et des processus cognitifs de catégorisation de marque. (E-mail : [email protected]).
• David W. Stewart, Ph.D. — Professeur émérite de marketing et de droit de la consommation à la Loyola Marymount University (LMU) et ancien président du département de marketing à la Marshall School of Business de l’University of Southern California (USC), États-Unis. Auteur prolifique dans le domaine de la communication persuasive, de la méthodologie de recherche et de l’efficacité publicitaire. (E-mail : [email protected]).

4. Objectif / Purpose

L’objectif fondamental de l’échelle BEFU est de quantifier la perception cognitive qu’ont les consommateurs de la proximité fonctionnelle et contextuelle entre une marque d’origine et un nouveau produit lancé sous le même nom. Lorsqu’une entreprise cherche à capitaliser sur la notoriété et la réputation d’une marque établie pour pénétrer une nouvelle catégorie de produits, le succès de cette stratégie repose de manière déterminante sur l' »adéquation perçue » (perceived fit). Historiquement, la littérature inspirée des travaux séminaux d’Aaker et Keller (1990) s’est focalisée sur l’expertise perçue de l’entreprise (par exemple, la capacité technique perçue à fabriquer le nouveau bien). Cependant, Martin et Stewart (2001) ont démontré que les consommateurs n’évaluent pas uniquement les extensions sur la base de critères technologiques ou de fabrication, mais mobilisent activement des représentations fondées sur l’usage concret et les buts de consommation.

Dans le domaine de la recherche académique, l’échelle BEFU permet d’isoler l’effet spécifique de la cohérence des situations de consommation par rapport à la cohérence des attributs de fabrication. Elle sert à tester des modèles d’équations structurelles prédisant le transfert d’affect, la dilution de la marque mère en cas d’échec de l’extension, ou encore la flexibilité cognitive des consommateurs selon leur niveau d’expertise. En contexte appliqué et managérial, le BEFU constitue un outil diagnostique précieux lors des phases de prototypage conceptuel et de tests de concept. Il permet aux directeurs de marque d’évaluer si un nouveau produit sera perçu comme un prolongement naturel du répertoire d’utilisation de la marque ou s’il suscitera une dissonance cognitive susceptible d’engendrer le rejet du produit et une dégradation du capital de marque d’origine.

5. Construit psychologique / Construct

Le construit psychologique mesuré par l’échelle BEFU relève de la similarité d’usage perçue (perceived usage-based similarity). Ce construit s’articule autour de trois composantes interdépendantes :

• La similarité situationnelle (Situational Similarity) : Cette dimension évalue le degré de convergence entre les contextes spatiotemporels ou environnementaux dans lesquels la marque mère et l’extension sont typiquement employées. Par exemple, si une marque de vêtements de sport technique propose des gourdes isothermes, le consommateur identifie une situation d’usage commune (la pratique sportive en plein air). À l’inverse, l’association d’une marque de haute gastronomie à un produit de restauration rapide nomade génère une forte disparité situationnelle.
• La convergence téléologique ou de finalité (Purpose Similarity) : Cette dimension concerne l’équivalence des objectifs poursuivis par l’utilisateur lors de l’interaction avec le produit. Les buts de consommation peuvent être utilitaires, hédoniques ou symboliques. Deux produits peuvent appartenir à des catégories industrielles très éloignées tout en poursuivant une finalité identique (par exemple, un savon antibactérien et un gel hydroalcoolique partagent le but d’éradiquer les agents pathogènes).
• La complémentarité d’usage ou co-occurrence (Usage Complementarity / Co-occurrence) : Cette facette examine la probabilité subjective que les deux biens soient consommés ou manipulés simultanément ou de manière séquentielle immédiate au cours d’un même épisode de consommation (par exemple, une brosse à dents et un dentifrice, ou un lecteur multimédia et des écouteurs). Une complémentarité élevée facilite l’activation conjointe des schémas mentaux en mémoire à long terme.

Prises ensemble, ces trois facettes forment un construit réflexif unidimensionnel d’adéquation d’usage qui capture la logique écologique du consommateur, distincte des taxonomies formelles des ingénieurs ou des spécialistes du marketing.

6. Cadre théorique / Theoretical Framework

L’élaboration de l’échelle d’adéquation basée sur l’usage s’enracine dans la convergence de trois grands courants de la psychologie cognitive et de la psychologie du consommateur :

La théorie des catégories dérivées de buts (Goal-Derived Categories)

Traditionnellement, la psychologie cognitive, sous l’impulsion des travaux d’Eleanor Rosch (1975) sur les prototypes, postulait que les individus regroupent les objets sur la base de taxonomies naturelles fondées sur la corrélation d’attributs physiques (par exemple, regrouper les pommes et les oranges sous la catégorie des fruits). Cependant, Lawrence W. Barsalou (1983, 1985) a mis en lumière l’existence de catégories fondées sur les buts (goal-derived categories), telles que « les choses à emporter en cas d’incendie » ou « les aliments à consommer lors d’un régime ». Ces catégories ne partagent que peu ou pas d’attributs physiques perceptibles, mais sont unifiées par la fonction qu’elles remplissent par rapport à un objectif individuel. Martin et Stewart (2001) appliquent cette distinction au branding : une extension de marque peut sembler totalement illégitime dans une taxonomie d’attributs de fabrication, tout en devenant parfaitement cohérente lorsqu’elle est envisagée à travers le prisme d’une catégorie orientée vers un but de consommation précis.

La théorie de la congruence des schémas (Schema Congruity Theory)

Formulée par Mandler (1982) et introduite dans le comportement du consommateur par Meyers-Levy et Tybout (1989), la théorie de la congruence des schémas postule que les individus évaluent les stimuli nouveaux en tentant de les assimiler à leurs structures cognitives préexistantes (schémas). Une adéquation d’usage élevée correspond à une congruence forte ou modérée, déclenchant un processus d’assimilation cognitive fluide qui minimise l’effort mental et engendre des réponses affectives positives. Lorsque l’usage de l’extension contredit radicalement les schémas d’utilisation de la marque mère (incongruence sévère), le consommateur fait face à une frustration cognitive et rejette l’association.

Le modèle des réseaux associatifs de mémoire

Conformément au modèle ACT* de John R. Anderson (1983) et aux applications de Kevin Lane Keller (1993) sur le capital marque, la marque est modélisée comme un nœud central en mémoire relié à une myriade d’associations secondaires (bénéfices, situations d’usage, émotions). L’activation de la marque mère active par diffusion (spreading activation) les nœuds contextuels d’usage. L’échelle BEFU quantifie précisément l’intensité du chevauchement entre le réseau associatif d’usage de la marque mère et celui du nouveau produit proposé.

7. Validité / Validity

Les propriétés de validité de l’échelle d’adéquation basée sur l’usage ont été documentées de façon rigoureuse à travers plusieurs études expérimentales :

• Validité de construit et validité convergente : La validité convergente est étayée par les corrélations hautement significatives observées entre le score composite BEFU et d’autres mesures globales d’adéquation perçue (généralement r compris entre 0,65 et 0,78, p < 0,001). La variance moyenne extraite (AVE) calculée dans des études ultérieures appliquant l’échelle dépasse systématiquement le seuil critique de 0,50 recommandé par Fornell et Larcker (1981), oscillant régulièrement entre 0,68 et 0,75.
• Validité discriminante : Martin et Stewart (2001) ont démontré que l’adéquation d’usage forme un construit nettement différencié de l’adéquation basée sur la fabrication (manufacturing fit, mesurée par la similarité des technologies et compétences industrielles). L’analyse factorielle confirmatoire démontre qu’un modèle à facteurs distincts présente un ajustement supérieur à un modèle unidimensionnel regroupant indifféremment usage et fabrication (la différence de Chi-deux est statistiquement significative, $\Delta\chi^2$, p < 0,001). La corrélation entre les deux construits se situe généralement autour de r = 0,40 à 0,55, confirmant qu’ils représentent deux voies d’évaluation cognitives distinctes.
• Validité prédictive et nomologique : L’échelle prédit de manière statistiquement robuste le transfert d’affects positifs de la marque mère vers l’extension. Dans les régressions linéaires et les modélisations en pistes causales, le score BEFU explique une part significative de la variance de l’attitude envers l’extension ($R^2$ additionnel de 15 % à 28 %) et des intentions d’achat du nouveau produit, en particulier dans les conditions expérimentales où les buts de consommation sont explicitement activés (goal primes).

8. Fidélité / Reliability

La fidélité de l’instrument BEFU repose sur une cohérence interne exceptionnellement robuste malgré le nombre restreint d’items (trois items) :

• Cohérence interne : Dans l’article princeps de Martin et Stewart (2001), les coefficients alpha de Cronbach rapportés pour l’échelle d’adéquation basée sur l’usage atteignent $\alpha = 0,89$, témoignant d’une excellente homogénéité psychométrique. Les réplications empiriques dans des contextes d’extensions de produits de grande consommation (FMCG), de biens durables et de services confirment des valeurs de l’alpha s’échelonnant invariablement entre 0,82 et 0,91.
• Fiabilité composite (Rhô de Jöreskog) : Dans les analyses d’équations structurelles, le coefficient de fiabilité composite dépasse systématiquement la valeur minimale de 0,70, atteignant des scores compris entre 0,86 et 0,90.
• Stabilité temporelle : Bien que les protocoles d’évaluation d’extensions de marque s’appuient principalement sur des designs expérimentaux transversaux, les analyses de fidélité test-retest menées à un intervalle de deux semaines dans des études pilotes montrent un coefficient de corrélation intra-classe (ICC) supérieur à 0,80, indiquant une stabilité remarquable des représentations cognitives d’usage en l’absence de nouvelle communication publicitaire.

9. Analyse factorielle / Factor Analysis

La dimensionnalité de l’échelle d’adéquation d’usage a fait l’objet d’examens psychométriques approfondis :

Analyse factorielle exploratoire (AFE)

Lors des phases exploratoires sur matrices de corrélations de Pearson, l’extraction par factorisation en axes principaux ou par maximum de vraisemblance couplée à un critère de Kaiser-Guttman (valeur propre > 1) dégage systématiquement un seul et unique facteur dominant. Ce premier facteur restitue à lui seul entre 68 % et 78 % de la variance totale des items. Les saturations factorielles individuelles (factor loadings) pour chacun des trois items sont remarquablement élevées :

• Item 1 (Situations d’utilisation) : $\lambda \approx 0,83 – 0,89$
• Item 2 (Finalités / Buts d’utilisation) : $\lambda \approx 0,86 – 0,91$
• Item 3 (Probabilité d’utilisation conjointe) : $\lambda \approx 0,78 – 0,85$

Analyse factorielle confirmatoire (AFC)

Les modélisations confirmatoires confirment l’adéquation parfaite de la structure unidimensionnelle aux données empiriques. En raison du statut saturé d’un modèle à un facteur et trois indicateurs (degrés de liberté $df = 0$), la structure a été testée conjointement avec d’autres dimensions de l’adéquation (notamment l’adéquation technologique et l’adéquation de positionnement). Dans ces modèles multi-factoriels, les indices d’ajustement globaux satisfont rigoureusement aux normes méthodologiques les plus strictes (Hu & Bentler, 1999) :

• Comparative Fit Index (CFI) > 0,97
• Tucker-Lewis Index (TLI) > 0,95
• Root Mean Square Error of Approximation (RMSEA) < 0,06 (intervalle de confiance à 90 % compris entre 0,02 et 0,07)
• Standardized Root Mean Square Residual (SRMR) < 0,04

Les résidus standardisés demeurent faibles, et aucun indice de modification n’indique de covariance d’erreur substantielle entre les items, confirmant l’indépendance locale des mesures sous-jacentes au trait latent.

10. Instrument de mesure / Instrument

Les spécifications techniques et opérationnelles de l’instrument sont résumées ci-dessous :

• Type de test : Instrument psychométrique d’auto-évaluation (self-report questionnaire) mesurant l’adéquation cognitive perçue.
• Format d’administration : Papier-crayon ou questionnaire informatisé en ligne (compatible avec les logiciels d’enquête de type Qualtrics, SurveyMonkey ou Limesurvey).
• Nombre d’items : 3 items bipolaires.
• Format de réponse : Échelle différentielle sémantique en 7 points (graduée de 1 à 7). Les ancres verbales opposent la similarité/complémentarité d’usage à la dissemblance/incompatibilité d’usage.
• Temps de passation : Moins de 2 minutes (extrêmement rapide, évitant la fatigue cognitive du répondant).
• Calcul du score : Le score global de l’adéquation basée sur l’usage est obtenu en calculant la moyenne arithmétique simple des 3 items (somme des items divisée par 3). Un score global de 1 indique une absence totale de cohérence d’usage, tandis qu’un score de 7 traduit une adéquation situationnelle et fonctionnelle parfaite. Si nécessaire, le codage doit assurer que les pôles de forte similarité correspondent aux valeurs numériques les plus élevées (7).
• Population cible : Consommateurs adultes, panels d’acheteurs potentiels, étudiants participant à des expérimentations de laboratoire en sciences de gestion.

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

L’échelle BEFU a été publiée pour la première fois en 2001 au sein du prestigieux Journal of Marketing Research édité par l’American Marketing Association (AMA). En vertu des règles régissant les publications académiques en sciences sociales, l’utilisation de cette échelle à des fins de recherche fondamentale, d’enseignement ou de thèses universitaires non commerciales est autorisée sans frais (free access for non-commercial academic research), sous réserve de citer explicitement la publication originale de Martin et Stewart (2001).

Pour tout usage commercial, audit d’entreprise, intégration dans une plateforme logicielle propriétaire de test de marque ou application dans le cadre de consultations marchandes lucratives, les utilisateurs sont tenus de vérifier les clauses de droits d’auteur détenus par l’American Marketing Association ou de solliciter l’autorisation expresse des auteurs.

12. Références / References

Les publications fondatrices et travaux connexes ci-dessous constituent le socle scientifique de l’instrument :

• Aaker, D. A., & Keller, K. L. (1990). Consumer evaluations of brand extensions. Journal of Marketing, 54(1), 27–41. https://doi.org/10.1177/002224299005400102
• Anderson, J. R. (1983). The architecture of cognition. Harvard University Press.
• Barsalou, L. W. (1983). Ad hoc categories. Memory & Cognition, 11(3), 211–227. https://doi.org/10.3758/BF03196968
• Barsalou, L. W. (1985). Ideals, central tendency, and frequency of instantiation as determinants of graded structure in categories. Journal of Experimental Psychology: Learning, Memory, and Cognition, 11(4), 629–654. https://doi.org/10.1037/0278-7393.11.4.629
• Boush, D. M., & Loken, B. (1991). A process-tracing study of brand extension evaluation. Journal of Marketing Research, 28(1), 16–28. https://doi.org/10.1177/002224379102800102
• 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
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Keller, K. L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of Marketing, 57(1), 1–22. https://doi.org/10.1177/002224299305700101
• Mandler, G. (1982). The structure of value: Accounting for taste. In M. S. Clark & S. T. Fiske (Eds.), Affect and cognition: The 17th Annual Carnegie Symposium on Cognition (pp. 3–36). Lawrence Erlbaum Associates.
• Martin, I. M., & Stewart, D. W. (2001). The differential impact of goal congruency on attitudes, intentions, and the transfer of brand equity. Journal of Marketing Research, 38(4), 471–484. https://doi.org/10.1509/jmkr.38.4.471.18903
• Meyers-Levy, J., & Tybout, A. M. (1989). Schema congruity as a basis for product evaluation. Journal of Consumer Research, 16(1), 39–54. https://doi.org/10.1086/209192
• Park, C. W., Milberg, S., & Lawson, R. (1991). Evaluation of brand extensions: The role of product feature similarity and brand concept consistency. Journal of Consumer Research, 18(2), 185–193. https://doi.org/10.1086/209251
• Rosch, E. (1975). Cognitive representations of semantic categories. Journal of Experimental Psychology: General, 104(3), 192–233. https://doi.org/10.1037/0096-3445.104.3.192

13. Questions et items du questionnaire / Scale Items