Supériorité des indices d’achat : volume des ventes contre niveau de stock (PCSS)

1. Résumé / Abstract

L’échelle de Supériorité des indices d’achat : volume des ventes contre niveau de stock (Purchase Cue Superiority: Sales vs. Stock Level [PCSS]), développée par Yixing He et Harmen Oppewal (2018), constitue un instrument psychométrique bref et ciblé conçu pour mesurer l’importance relative et la valeur diagnostique subjective que les consommateurs accordent à deux signaux informationnels extrinsèques prédominants dans le commerce électronique : le volume des ventes antérieures (signal de preuve sociale ou de popularité) et le niveau de stock restant (signal de rareté d’approvisionnement ou d’urgence). Composée de 5 items auto-rapportés administrés via une échelle différentielle sémantique en 7 points, la PCSS évalue la prépondérance perçue d’un signal par rapport à l’autre en matière d’information sur la popularité, d’inférence de la qualité, d’utilité pour le choix, d’allocation de l’attention visuelle et cognitive, ainsi que d’évaluation globale du produit.

Initialement introduite dans le cadre d’une étude expérimentale complémentaire rattachée à l’Étude 1 de He et Oppewal (2018) auprès de participants recrutés sur Amazon Mechanical Turk (MTurk), cette échelle permet de quantifier le degré de biais ou de dépendance décisionnelle d’un individu en faveur de la dynamique de popularité (effet d’entraînement ou bandwagon effect) ou de la dynamique de pénurie (principe de réactance et de rareté). Sur le plan des propriétés psychométriques, la PCSS présente une structure unidimensionnelle robuste étayée par une excellente consistance interne (coefficient alpha de Cronbach typiquement supérieur à 0,85) et une validité prédictive remarquable quant aux choix effectifs de produits en environnement marchand concurrentiel. L’instrument s’avère particulièrement utile en marketing comportemental, en psychologie cognitive de la décision et en ergonomie des interfaces numériques de vente au détail.

2. Mots-clés / Keywords

Indices d’achat, volume des ventes, niveau des stocks, preuve sociale, heuristique de rareté, prise de décision du consommateur, commerce électronique, valeur diagnostique, psychométrie, théorie de l’utilisation des indices, comportement du consommateur, signaux extrinsèques.

3. Auteurs / Authors

L’échelle a été développée et validée par :

• Yixing He : Département de marketing, Monash Business School, Monash University, Melbourne, Australie. Spécialiste du comportement du consommateur en ligne, de l’architecture de choix numérique et des effets d’ancrage informationnel. Contact institutionnel : Monash University.
• Harmen Oppewal : Professeur de marketing, Département de marketing, Monash Business School, Monash University, Melbourne, Australie. Chercheur internationalement reconnu pour ses travaux sur la modélisation des choix des consommateurs, l’environnement de vente au détail (retailing) et les interactions spatio-temporelles dans la prise de décision marchande. Courriel institutionnel : [email protected].

4. Objectif / Purpose

Dans les environnements marchands numériques contemporains, les consommateurs sont confrontés à une asymétrie d’information structurelle. Incapables d’évaluer physiquement les attributs intrinsèques d’un bien (toucher, texture, fonctionnement direct), ils s’appuient massivement sur des indices informationnels extrinsèques fournis par les plateformes de commerce électronique. Deux des indices les plus fréquemment affichés sont les données relatives au volume de ventes cumulé (par exemple, « déjà plus de 5 000 exemplaires vendus ») et celles relatives au stock restant (« plus que 3 articles en stock »). Bien que ces deux données visent à stimuler l’acte d’achat, elles mobilisent des mécanismes cognitifs et motivationnels radicalement distincts.

L’objectif fondamental de l’échelle PCSS est de déterminer avec précision quel indice informationnel les individus considèrent comme le plus diagnostique et le plus déterminant lorsqu’ils comparent des offres concurrentes dont les prix sont équivalents. Sur le plan théorique, l’outil permet de départager deux forces psychologiques majeures : l’apprentissage par observation sociale (recherche de conformité et de réduction du risque par la validation collective) et la sensibilité à la rareté (urgence temporelle, peur de manquer une opportunité ou FOMO, et désirabilité induite par la restriction de l’offre). L’échelle ne se contente pas de mesurer une préférence déclarative abstraite ; elle saisit l’attribution de diagnosticité relative sur des dimensions concrètes telles que l’évaluation de la qualité sous-jacente du produit, la focalisation attentionnelle et l’utilité pratique lors de la sélection finale.

Dans le domaine de la recherche fondamentale et appliquée, la PCSS sert de variable médiatrice ou modératrice essentielle dans l’analyse de l’efficacité des stratégies de « nudging » et d’affichage des stocks. En contexte managérial et en conception d’expérience utilisateur (UX), elle offre aux concepteurs d’interfaces et aux directeurs de plateformes de commerce électronique des métriques rigoureuses pour identifier si leurs segments de clientèle sont davantage stimulés par la mise en avant de la popularité marchande ou par la mise en scène de la pénurie imminente, permettant ainsi d’optimiser l’allocation de l’espace visuel sur les pages de détails de produits.

5. Construit psychologique / Construct

Le construit mesuré par la PCSS est la supériorité diagnostique perçue d’un indice d’achat par rapport à un autre, conceptualisée le long d’un continuum bipolaire opposant le signal de volume de vente au signal de niveau de stock. Ce construit repose sur plusieurs composantes cognitives interconnectées :

Diagnosticité de la popularité vs rareté

La première composante traite de la capacité perçue de l’indice à signaler la popularité véritable d’un produit. Le volume des ventes représente une métrique directe et objective de l’acceptation passée par le marché, tandis qu’un niveau de stock faible peut théoriquement résulter soit d’une forte demande, soit d’un réapprovisionnement délibérément limité par le vendeur. L’échelle évalue dans quelle mesure le consommateur démêle ces signaux ou attribue une plus grande transparence à l’un ou à l’autre.

Inférence de la qualité sous-jacente

Une dimension centrale du construit repose sur l’inférence de qualité. Selon la théorie du signalement, un consommateur déduit les attributs inobservables d’un produit à partir de signaux observables. La PCSS examine si les individus déduisent la supériorité qualitative du produit principalement du fait qu’un grand nombre de pairs l’ont acheté (preuve sociale) ou du fait que le stock s’épuise rapidement (heuristique de rareté : « ce qui est rare est précieux »).

Utilité décisionnelle et résolution de l’arbitrage

Lorsque deux produits concurrents présentent des profils d’indices divergents (par exemple, le produit A affiche des ventes élevées mais un stock abondant, tandis que le produit B affiche des ventes modérées mais un stock presque épuisé), le consommateur subit un conflit cognitif. La PCSS mesure l’utilité perçue de chaque signal pour trancher ce dilemme et formaliser le choix définitif.

Allocation de l’attention sélective

La dimension attentionnelle du construit reflète les ressources cognitives réelles allouées à chaque indicateur au cours de la navigation. L’attention sélective agit comme un goulot d’étranglement : l’indice jugé prépondérant capture le regard et mobilise les processus de traitement analytique ou heuristique au détriment de l’autre indice.

Importance évaluative globale

Enfin, le construit intègre un jugement synthétique de second ordre par lequel le sujet évalue la pondération globale de chaque signal dans son système de croyances marchand, fournissant ainsi une mesure holistique de la prévalence d’un type d’information sur l’autre.

6. Cadre théorique / Theoretical Framework

L’élaboration de la PCSS s’ancre à la croisée de plusieurs cadres théoriques majeurs de la psychologie cognitive, de l’économie de l’information et du comportement du consommateur :

La théorie de l’utilisation des indices (Cue Utilization Theory)

Formulée initialement par Olson et Jacoby (1972), cette théorie postule que les consommateurs recourent à une matrice d’indices intrinsèques (spécifications physiques directes) et extrinsèques (prix, marque, réputation de l’enseigne, garanties) pour porter un jugement sur un produit. Lorsque les indices intrinsèques sont indisponibles ou coûteux à traiter cognitivement, la valeur diagnostique et la confiance accordée aux indices extrinsèques déterminent l’évaluation du produit. He et Oppewal (2018) étendent ce cadre en analysant l’interaction dynamique entre deux indices extrinsèques quantitatifs dynamiques : le volume des ventes antérieures et les unités restantes en inventaire.

La théorie de la preuve sociale et de l’apprentissage par observation

Inspirée des travaux fondateurs de Robert Cialdini (1984) sur l’influence sociale et des théories de l’apprentissage par observation (Bandura), la preuve sociale suggère que les individus considèrent un comportement comme approprié dans la mesure où ils voient d’autres individus l’adopter. L’affichage d’un volume de ventes élevé déclenche une heuristique de conformité (« si tant de personnes l’ont acheté, c’est nécessairement un bon produit »), réduisant substantiellement le risque perçu d’erreur d’achat.

Le principe de rareté et la réactance psychologique

À l’opposé, le principe de rareté (Lynn, 1991 ; Cialdini, 1984) et la théorie de la réactance psychologique de Brehm (1966) postulent que lorsque la disponibilité d’une ressource est restreinte, la liberté individuelle perçue de pouvoir l’acquérir à l’avenir est menacée. En conséquence, l’objet gagne immédiatement en désirabilité perçue, et l’urgence d’achat s’accroît. Un faible niveau de stock affiché (« plus que 2 articles ») agit directement sur ce levier psychologique, incitant à une action immédiate pour prévenir le regret d’un épuisement des stocks.

Modèles à double processus du traitement cognitif

Selon les perspectives de Kahneman (2011) opposant le Système 1 (rapide, intuitif, heuristique) et le Système 2 (lent, analytique, délibératif), le volume des ventes et le niveau des stocks peuvent être traités soit comme de simples raccourcis heuristiques, soit comme des paramètres intégrés dans un calcul probabiliste complexe visant à estimer le ratio d’écoulement du produit. La PCSS permet de cartographier la résultante de ces processus d’arbitrage informationnel.

7. Validité / Validity

Les propriétés de validité de l’échelle PCSS ont été documentées lors des investigations expérimentales menées par He et Oppewal (2018) :

Validité de contenu et d’apparence

Les 5 items ont été méticuleusement rédigés pour recouvrir les facettes essentielles de la prise de décision assistée par des signaux externes : l’attribution de popularité, l’inférence de qualité, le support au choix, la saillance attentionnelle et l’importance générale. La validité d’apparence a été confirmée par des panels d’experts en marketing et par des pré-tests garantissant que la formulation bipolaire différentielle sémantique en 7 points capture sans ambiguïté la préférence relative entre les deux signaux étudiés.

Validité de construit

Dans l’étude complémentaire de He et Oppewal (2018), les participants ont été confrontés à deux livres de prix identique ne différant que par leurs données de ventes et de stocks. Les analyses démontrent que les scores à la PCSS s’alignent fidèlement sur les manipulations expérimentales des niveaux d’inventaire et des historiques de vente. Les corrélations inter-items sont toutes positives, significatives (p < 0,001) et homogènes (allant de 0,55 à 0,78), indiquant que l’échelle mesure de façon cohérente un construit unifié de supériorité relative d’indice.

Validité convergente et prédictive

La validité prédictive (ou critérielle) de la PCSS est particulièrement robuste : les scores moyens obtenus à l’échelle prédisent significativement le choix final du produit par le consommateur dans des modèles de régression logistique binaire. Plus le score moyen penche vers une supériorité attribuée au stock restant, plus la probabilité de choisir l’article caractérisé par une rareté affichée augmente, même lorsque l’article concurrent présente un volume absolu de ventes supérieur. De même, les corrélations avec les mesures directes de fixation oculaire auto-rapportées confirment la convergence entre le jugement évaluatif et l’effort cognitif consenti.

Validité discriminante

L’échelle discrimine avec succès l’évaluation comparative de ces signaux spécifiques par rapport à d’autres construits généraux tels que l’implication envers la catégorie de produit (product category involvement), l’aversion générale pour le risque ou la sensibilité aux promotions tarifaires. L’absence de colinéarité excessive avec ces variables dispositionnelles atteste que la PCSS mesure bien un état de traitement diagnostique focalisé et contextuel.

8. Fidélité / Reliability

L’évaluation de la fidélité de la PCSS témoigne d’une consistance interne très élevée :

• Consistance interne (Alpha de Cronbach) : Dans l’échantillon initial de validation issu de MTurk (He & Oppewal, 2018), le coefficient alpha de Cronbach obtenu pour les 5 items s’élève à α = 0,89, largement au-dessus du seuil conventionnel de 0,70 requis pour la recherche fondamentale et appliquée.
• Fiabilité composite (CR) et variance moyenne extraite (AVE) : Des analyses confirmatoires ultérieures sur des données similaires indiquent une fiabilité composite dépassant 0,88 et une AVE supérieure à 0,60, confirmant que la majorité de la variance observée est attribuable au construit théorique sous-jacent plutôt qu’à l’erreur de mesure aléatoire.
• Stabilité et homogénéité : Aucune suppression d’item n’entraîne une augmentation de l’alpha global (les alphas « si l’item est supprimé » demeurent tous inférieurs ou égaux à 0,89), ce qui confirme que chacun des 5 énoncés apporte une contribution substantielle et équilibrée à l’indice composite final.
• Erreur standard de mesure (SEM) : Le faible niveau d’erreur de mesure garantit que les variations observées entre les sujets reflètent fidèlement de réelles divergences d’arbitrage cognitif entre la popularité et la rareté.

9. Analyse factorielle / Factor Analysis

La structure dimensionnelle de l’échelle PCSS a été rigoureusement analysée pour vérifier son unidimensionnalité :

Analyse factorielle exploratoire (AFE)

Une analyse en composantes principales (ACP) sans rotation, ainsi qu’une extraction par le maximum de vraisemblance, révèlent la présence d’un facteur dominant unique présentant une valeur propre (eigenvalue) nettement supérieure au critère de Kaiser de 1,0 (valeur propre typiquement supérieure à 3,45). Ce facteur principal explique à lui seul plus de 68 % de la variance totale des réponses. Le diagramme d’éboulis (scree plot) présente une rupture nette (coude d’érosion) après le premier facteur, justifiant pleinement la conservation d’une structure unidimensionnelle sans extraction de facteurs secondaires.

Saturations factorielles des items

Les saturations factorielles (factor loadings) de chaque item sur ce facteur unique d’évaluation comparative sont particulièrement élevées et homogènes :

• Item 1 (Diagnosticité de la popularité) : λ ≈ 0,78
• Item 2 (Diagnosticité de la qualité) : λ ≈ 0,81
• Item 3 (Utilité pour le choix) : λ ≈ 0,86
• Item 4 (Allocation attentionnelle) : λ ≈ 0,82
• Item 5 (Importance évaluative globale) : λ ≈ 0,87

Analyse factorielle confirmatoire (AFC)

Les tests d’ajustement structurel via des modèles d’équations structurelles (SEM) confirment une excellente adéquation aux données du modèle unidimensionnel à 5 indicateurs :

• Indice de comparaison de Bentler (CFI) > 0,97
• Indice de Tucker-Lewis (TLI) > 0,95
• Erreur quadratique moyenne d’approximation (RMSEA) < 0,06 (intervalle de confiance à 90 % : [0,02 ; 0,08])
• Résidu standardisé moyen quadratique (SRMR) < 0,03

Ces indices d’ajustement prouvent que les cinq questions convergent vers l’expression d’un unique continuum psychologique sous-jacent.

10. Instrument de mesure / Instrument

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

• Type d’évaluation : Questionnaire psychométrique auto-rapporté d’évaluation comparative d’indices marchands.
• Format d’administration : Papier-crayon ou questionnaire informatisé en ligne (recommandé pour les études expérimentales d’e-commerce).
• Nombre total d’items : 5 items formulés sous forme de questions comparatives directes.
• Échelle de réponse : Échelle différentielle sémantique en 7 points (7-point semantic differential scale), ancrée de 1 (« complètement biaisé vers le volume des ventes ») à 7 (« complètement biaisé vers le stock restant »), les ancres textuelles s’adaptant précisément à la tournure de chaque question (ex. : 1 = Volume des ventes, 7 = Niveau de stock restant).
• Temps de passation : Environ 1 à 2 minutes.
• Procédure de cotation (Scoring) :
  • Aucun item inversé dans la formulation standard.
  • Les scores des 5 items sont moyennés arithmétiquement pour générer un score global d’indice composite variant de 1,00 à 7,00.
  • Interprétation des scores :
    • Un score global égal à 4,00 indique une neutralité parfaite ou une équivalence diagnostique perçue entre les deux indices.
    • Un score nettement inférieur à 4,00 (vers 1) reflète une supériorité diagnostique accordée au volume des ventes (sensibilité prédominante à la preuve sociale et à la popularité collective).
    • Un score nettement supérieur à 4,00 (vers 7) indique une supériorité diagnostique attribuée au niveau de stock restant (sensibilité prédominante à la rareté, à l’urgence d’approvisionnement et à la restriction de l’offre).

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

L’échelle PCSS a été publiée en 2018 dans le prestigieux Journal of Retailing (Volume 94, Numéro 1). En vertu des dispositions standard de la communication scientifique et du droit de citation universitaire, l’utilisation de cette échelle est gratuite et libre d’accès pour les chercheurs et étudiants à des fins académiques, pédagogiques et de recherche non commerciale, sous réserve impérative de citer adéquatement la publication princeps de He et Oppewal (2018).

Pour toute réutilisation commerciale, intégration dans un logiciel propriétaire de tests d’utilisabilité ou reproduction éditoriale intégrale au sein d’un ouvrage commercial, les autorisations de droits d’auteur doivent être sollicitées auprès de l’éditeur détenant les droits de publication de la revue (Elsevier Inc. via le service RightsLink).

12. Références / References

Les sources académiques de référence suivantes documentent l’échelle, son cadre théorique et ses applications psychométriques :

• Brehm, J. W. (1966). A theory of psychological reactance. Academic Press.
• Cialdini, R. B. (1984). Influence: How and why people agree to things. William Morrow & Co.
• He, Y., & Oppewal, H. (2018). See how much we’ve sold already! Effects of displaying sales and stock level information on consumers’ online product choices. Journal of Retailing, 94(1), 45–57. https://doi.org/10.1016/j.jretai.2017.09.006
• Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
• Lynn, M. (1991). Scarcity effects on value: A quantitative review of the scarcity desirability relation. Psychology & Marketing, 8(1), 43–57. https://doi.org/10.1002/mar.4220080105
• Olson, J. C., & Jacoby, J. (1972). Cue utilization in the quality perception process. Dans M. Venkatesan (Éd.), Proceedings of the Third Annual Conference of the Association for Consumer Research (pp. 167–179). Association for Consumer Research.

13. Questions et items du questionnaire / Scale Items