CLTV (Customer Lifetime Value)

Estimation de la valeur totale qu’un client est censé générer pour l’entreprise sur l’ensemble de sa relation commerciale, en tenant compte de la fréquence d’achat, du panier moyen, de la durée de rétention et de la marge. Dans une logique de CRO, le CLV permet d’évaluer non seulement l’impact immédiat d’une action, mais aussi sa rentabilité sur le long terme.

Pertinence en A/B testing :

Le CLV est un KPI avancé, à utiliser lorsque l’hypothèse testée est susceptible d’influencer le comportement futur du client, comme par exemple :

• un test d’upsell ou de cross-sell (ex. : proposer un service premium),
• une modification du parcours de fidélisation (ex. : onboarding, relance post-achat),
• une nouvelle logique tarifaire (ex. : offres packagées, abonnement),
• un ajustement de l’expérience post-achat susceptible d’encourager le réachat.

💡 Si l’expérience testée n’impacte que la conversion initiale sans effet attendu sur la rétention, il n’est pas pertinent de s’appuyer sur le CLV comme critère d’évaluation principal.

Exemple : GA4 et la CLV probabiliste

Google Analytics 4 propose un modèle natif de CLV probabiliste, basé sur les comportements des utilisateurs dans une fenêtre temporelle définie (ex. : 90 jours). Ce modèle permet :

• de comparer la valeur générée et attendue selon la source, le canal, ou l’exposition à une variation de test,
• d’initier une analyse CLV même sans données CRM, pour identifier les segments à forte valeur potentielle.

C’est une première approche accessible à intégrer dans une analyse post-test, notamment via BigQuery pour croiser les données de test et les conversions futures.

Limites :

• La fiabilité du CLV est restreinte dans les environnements sans login, à cause de la disparition progressive des cookies, rendant plus difficile le suivi long terme.
• La fenêtre d’observation doit être cohérente avec le cycle de vie du client (ex. : 90, 180 ou 365 jours selon le business model).
• Une lecture isolée du CLV peut masquer une dégradation de conversion ou d’expérience utilisateur si elle n’est pas couplée à d’autres KPIs.

‍