Réexamen des déterminants et du calcul du Net Promoter Score (NPS) : une

investigation empirique dans le secteur de la distribution

Laurent Maubisson1, Rémi Mencarelli2 et Arnaud Rivière1

Résumé
Alors que bon nombre de professionnels en marketing utilisent couramment le Net Promoter
Score (NPS), le monde académique porte un regard critique sur cet indicateur. Les chercheurs
questionnent à la fois son mode de calcul et les mécanismes qui peuvent permettre d’améliorer
le NPS. Dans ce contexte, l’objectif de cette recherche est double : i. comparer la capacité de
trois facteurs –la satisfaction, l’engagement et la valeur perçue– à prédire le NPS, ces facteurs
ayant toujours été testés indépendamment les uns des autres, ii. comparer différents modes de
calcul de cet indicateur. L’étude empirique, menée auprès de 462 clients d’un magasin
spécialisé dans la distribution de produits culturels et électroniques à destination du grand
public, montre que la satisfaction et la valeur perçue de la visite du point de vente sont
d’excellents prédicteurs du NPS tandis que l’engagement a une capacité prédictive faible. Les
résultats invitent chercheurs et praticiens à systématiquement associer un construit analytique
(comme la valeur perçue) à l’emploi d’une mesure NPS afin de comprendre la formation de ce
score. Par ailleurs, cette recherche permet d’alimenter le débat scientifique sur la méthode de
calcul du NPS.
Mots-clés : distribution, engagement, Net Promoter Score, satisfaction, valeur perçue

Re-examining the determinants and calculation of the Net Promoter Score

(NPS): an empirical investigation in the retail sector
Abstract
While the Net Promoter Score (NPS) is widely used by marketing professionals, the academic
world is taking a critical look at this indicator. Researchers are questioning both the way this
indicator is calculated and the mechanisms that can be used to improve NPS. In this context,
the research objective is twofold: (i) to compare the ability of three factors –satisfaction,
commitment and perceived value– to predict NPS, these factors having always been tested
independently of each other, (ii) to compare different ways of calculating this indicator. The
empirical study of 462 customers of a store (specializing in the distribution of cultural and
electronic products for the general public) shows that satisfaction and perceived value of the
store visit are excellent predictors of NPS, while engagement has a low predictive capacity. The
results invite researchers and practitioners to systematically associate an analytical construct
(such as perceived value) with the use of an NPS measure in order to understand the formation
of this score. This research also contributes to the scientific debate on the method for calculating
NPS.
Key-words: commitment, distribution, Net Promoter Score, perceived value, satisfaction

1VALLOREM, IAE Tours Loire Valley, University of Tours, France.

2IREGE, IAE Savoie Mont Blanc, University of Savoie Mont Blanc, France.
Contact: [Link]@[Link] ; [Link]@[Link] ; [Link]@[Link]

----------------
Maubisson L, Mencarelli R and Rivière A (2024) Réexamen des déterminants et du calcul du Net Promoter Score (NPS) : une investigation
empirique dans le secteur de la distribution. International Marketing Trends Conference, Venice.
Introduction
Le Net Promoter Score (NPS) est utilisé par beaucoup de praticiens dans le domaine de la
distribution (Starbucks, Boursorama Banque, Picard). Un grand nombre de cabinets d’études1
propose cet outil comme principal (et souvent unique) indicateur de performance permettant
d’évaluer, a posteriori, l’expérience client au sein d’un magasin. Le NPS –indicateur développé
initialement par Reichheld (2003)– repose sur la réponse à une seule question (nommée LTR :
the Likelihood-to-Recommend) : « Quelle est la probabilité que vous recommandiez le magasin
X à un ami ou un collègue ? », associée à un degré d’accord en 10 points. Son usage est ainsi
dédié à l’évaluation de l’expérience de shopping, succinctement réduite à un indicateur. La
proposition de Reichheld (2003) consiste à identifier, à partir du score LTR, trois profils de
clients : les promoteurs (clients ayant un score de 9 ou 10 sur l’échelle du LTR), les passifs
(scores 7 et 8) et les détracteurs (scores de 0 à 6). Le NPS se calcule alors en soustrayant le
pourcentage de clients promoteurs au pourcentage de clients détracteurs ; calcul qui ne tient pas
compte du nombre de clients passifs.
Si son usage est désormais courant parmi les professionnels de la distribution, plusieurs études
scientifiques posent un regard critique à propos des propriétés de cet indicateur :
(1) Les études qui examinent la capacité du NPS à prédire la performance des entreprises
(augmentation du volume de vente) aboutissent à des résultats contrastés (Morgan et
Rego, 2006 ; Grisaffe, 2007 ; Keiningham et al., 2007 ; Schmitt et al., 2012 ; Lewis et
Mehmet, 2020 ; Baehre et al., 2022a, 2022b).
(2) Très peu d’études s’intéressent aux mécanismes qui permettent d’améliorer le NPS
(Leisen Pollack et Aliosha, 2013 ; Lewis et Mehmet, 2020 ; Baehre et al., 2022a), alors
qu’identifier les facteurs qui contribuent à transformer des clients "détracteurs" en
"promoteurs" pourrait être utile aux managers de points de vente.
(3) Enfin, comme Baehre et al. (2022b), plusieurs chercheurs s’interrogent sur les différences
de profils "détracteurs", "passifs", "promoteurs" associés au NPS. Ils questionnent
notamment la pertinence des seuils retenus par Reichheld (2003) pour élaborer cette
classification et s’interrogent sur la pertinence du choix d’exclure le profil de clients
"passifs" dans le calcul de cet indicateur (Grisaffe, 2007 ; Lewis et Mehmet, 2020 ;
Baehre et al., 2022b).
Nécessaire pour consolider les connaissances en sciences humaines et sociales (Tsang et Kwan,
1999 ; Open Science Collaboration, 2015), cette recherche s’inscrit dans une logique de
réplication (vérification/falsification) et vise à apporter des éclairages sur les deux dernières
critiques exposées ci-dessus [(2) et (3)]. Ainsi, l’objectif de ce travail consiste à (i) consolider
et enrichir l’examen du réseau nomologique qui conduit à expliquer la formation du NPS suite
à la visite d’un point de vente ; (ii) comparer les six façons retenues par Baehre et al. (2022b)
pour définir les profils "détracteurs" et "promoteurs" afin de vérifier la pertinence du choix
initial proposé par Reichheld (2003) en concevant le NPS.
Dans cet article, la revue de littérature se concentre sur la définition d’un cadre théorique
parcimonieux. La première partie montre l’intérêt de comparer l’influence de trois facteurs sur
le NPS : la satisfaction de la visite du point de vente, l’engagement affectif envers l’enseigne et
la valeur perçue de l’expérience de visite du magasin. La seconde partie explique pourquoi la
réplication du travail de Baehre et al. (2022b) permet de mieux comprendre la définition des
profils de "détracteurs", "passifs", "promoteurs". Les données collectées auprès de clients
venant de visiter un magasin spécialisé dans la distribution de produits culturels et électroniques
(N=462) permettent ensuite d’estimer les relations causales entre les trois principaux facteurs

1
Par exemple :
[Link]
word=%2Bnet%20%2Bpromoter&utm_term=%2Bnet%20%2Bpromoter&matchtype=b&device=c&placement=&network=g&creative=328183118613&gclid=Cj0KCQjwhZr1BRCLARIs
ALjRVQPvJ49_R5uh4lP8EE9hcwepmleEuJKtmIS3BUrj1EjbfFTjCsU3Jx8aApNHEALw_wcB

1
d’influence retenus et les six combinaisons de calcul envisageables pour (re)définir le NPS. Les
résultats de cette recherche montrent que l’engagement affectif envers l’enseigne ne prédit pas
bien le NPS quelle que soit le mode de calcul de ce dernier tandis que la satisfaction et la valeur
perçue de la visite du point de vente apparaissent comme des prédicteurs plus appropriés. Cette
recherche montre aussi que le cadre analytique de la valeur perçue permet de formuler des
recommandations managériales plus précises (que lorsque seule la satisfaction est prise en
compte). Enfin, la comparaison des six modes d’identification des profils de clients
"détracteurs" et "promoteurs" montre que la solution initialement définie par Reichheld (2003)
est la plus satisfaisante.

1. Cadre théorique
1.1. Les trois principaux déterminants du NPS
Les recherches antérieures qui ont étudié les antécédents du NPS se sont principalement
focalisées sur la satisfaction, le sentiment du consommateur envers la marque et l’expérience
client/utilisateur (Leisen Pollack et Aliosha, 2013 ; Feng et Wei, 2020 ; Lewis et Mehmet,
2020).
L’influence positive de la satisfaction retirée d’un service sur le NPS a notamment été testée et
vérifiée par Leisen Pollack et Aliosha (2013). Ces auteurs concluent que plus un consommateur
est satisfait par une prestation de service, plus le score LTR (Likelihood-to-Recommend) est
élevé. Dans leurs travaux, cette relation causale est observée comme étant forte et positive dans
trois domaines : un service bancaire (ß=.70, p<.001, R2=48%), un service de téléphonie (ß=.78,
p<.001, R2=60%) et un coiffeur/barbier (ß=.69, p<.001, R2=48%). Toutefois, cette relation
causale n’a pas été testée directement sur le NPS (qui ne prend en compte que les "détracteurs"
et les "promoteurs"), puisque c’est le score LTR qui représentait la variable dépendante
(graduation de 1 à 10). Ce calcul ne correspond pas précisément à l’application préconisée par
Reichheld (2003). Bien que la méthode de calcul du NPS n’ait pas été rigoureusement
appliquée, les travaux de Leisen Pollack et Aliosha (2013) nous permettent de postuler que la
satisfaction est un facteur explicatif du NPS.
L’influence du sentiment du consommateur envers la marque sur le NPS a également été
examinée par Lewis et Mehmet (2020). Là encore, le NPS a été appréhendé par le score LTR
(cf. Lewis et Mehmet, 2020, tableau 5, p.14). Toutefois, les auteurs concluent que le sentiment
du consommateur envers la marque diffère selon le score NPS (lien examiné par une analyse
de variance). Puisque le sentiment du consommateur envers la marque est principalement
d’ordre affectif dans l’étude de Lewis et Mehmet (2020), nous postulons que plus le
consommateur est engagé affectivement envers l’enseigne d’un magasin, plus il est probable
que son profil NPS soit "promoteurs" (plutôt que "détracteurs").
Enfin, l’influence de l’expérience client/utilisateur sur le profil NPS a été explorée à partir de
deux études empiriques différentes. La première réalisée par Feng et Wei (2020) s’intéresse aux
interactions homme-machine puisque ces auteurs étudient l’expérience d’usage d’une
application numérique à partir de paramètres contingents à cet objet d’étude (fluidité de la
lecture, diversité du contenu, stabilité de l’application, fréquence de mise à jour du contenu,
etc.). Feng et Wei (2020) montrent que l’évaluation de ces paramètres d’usage de l’application
influencent l’appartenance à différents statuts NPS. La seconde étude appréhende l’expérience
client via la valeur perçue retirée de l’expérience de visite d’un magasin. Maubisson et al.
(2023) montrent alors que la majorité des dimensions utilitaires et hédoniques du construit
Experiential Value Scale (EVS ; Mathwick et al., 2001) permet de prédire si un consommateur
adopte un profil "détracteur" ou "promoteur". Puisque ce cadre d’analyse est fréquemment
retenu pour étudier les expériences en points de vente (Mencarelli et Lombart, 2017), nous

2
postulons que plus la valeur perçue de l’expérience de visite du point de vente est forte, plus il
est probable que le profil NPS du répondant soit "promoteurs" (plutôt que "détracteurs").
Si ces trois principaux déterminants –satisfaction, engagement et valeur perçue– ont jusqu’à
présent été appréhendés indépendamment les uns des autres dans les études consacrées à l’étude
du NPS, la phase empirique de cette recherche vise à évaluer et à comparer la validité prédictive
de ces trois antécédents.
1.2. Les six principales alternatives pour définir le profil client NPS
Comme indiqué par Baehre et al. (2022b), quelques chercheurs en marketing questionnent la
méthode d’identification des profils "détracteurs", "passifs" et "promoteurs" associés au NPS.
Baehre et al. (2002b) rappellent ainsi que Grisaffe (2007), Kristensen et Eskildsen (2014) ou
encore Lewis et Mehmet (2020) critiquent le NPS pour l’utilisation de seuils arbitraires, notant
que la catégorie "détracteurs" inclut les clients qui répondent favorablement à la question LTR.
En reprochant aussi que les "passifs" soient exclus du calcul du NPS, Baehre et al. (2022b)
proposent de tester des seuils alternatifs qu’ils nomment et caractérisent de cette façon :
- NPS Top 1 : Détracteurs [1 à 7] => Passifs [8-9] => Promoteurs [10] ;
- NPS Top 2 : Détracteurs [1 à 6] => Passifs [7-8] => Promoteurs [9-10] ;
- NPS Top 3 : Détracteurs [1 à 5] => Passifs [6-7] => Promoteurs [8 à 10] ;
- LTR Top 1 : Détracteurs & Passifs [1 à 9] => Promoteurs [10] ;
- LTR Top 2 : Détracteurs & Passifs [1 à 8] => Promoteurs [9-10] ;
- LTR Top 3 : Détracteurs & Passifs [1 à 7] => Promoteurs [8 à 10].
Ainsi, le paramètre Top 1, 2 et 3 permet de tester trois solutions, selon que ne soient retenues
qu’une, deux ou trois modalités pour identifier les clients "promoteurs". Le paramètre NPS/LTR
permet d’intégrer les clients "passifs" dans la catégorie des clients "détracteurs" dans la solution
LTR, alors que les clients "passifs" sont exclus du calcul dans la solution NPS.
En réplicant ce système de codage dans notre étude empirique, nous serons alors en mesure,
comme Baehre et al. (2002b), d’apprécier la limite potentielle liée à "l’utilisation de seuils
arbitraires" (comparaison des alternatives Top 1, 2, 3) et celle relative à l’exclusion des profils
de clients passifs (comparaison des alternatives NPS vs LTR).

2. Méthodologie
Puisque le NPS est souvent utilisé par les professionnels de la distribution, le terrain retenu pour
réaliser cette étude empirique est un magasin spécialisé dans la distribution de produits culturels
et électroniques à destination du grand public, situé dans une ville française de taille moyenne.
Cette enseigne commercialise des produits culturels, techniques et électroménagers. Les
questionnaires ont été administrés sur une courte période afin que l'évaluation de l'expérience
d'achat ne soit pas altérée par des opérations commerciales particulières ou d'autres facteurs
externes (épidémie, congés estivaux, etc.). Les répondants correspondent à des personnes qui
ont obligatoirement fréquenté le magasin étudié (ayant réalisé un achat ou non). L’échantillon
(N=462) et les statistiques descriptives sont présentés en annexe 1.
Au regard du cadre d’analyse retenu, les variables (items présentés dans l’annexe 2) mobilisées
dans cette étude correspondent :
- au NPS "Quelle est la probabilité que vous recommandiez ce magasin XXX à un ami
ou un collègue ?" (Reichheld, 2003) ;
- à la satisfaction de la visite du point de vente (échelle adaptée d’Oliver, 1980) ;
- à l’engagement affectif envers l’enseigne (échelle utilisée par Fullerton, 2003) ;
- à la valeur perçue de la visite du point de vente (échelle EVS de Mathwick et al., 2001).
La structure factorielle de ces mesures et les tests de fiabilité (Rhô de Joreskög) sont
satisfaisants. Les indices d'ajustement des modèles de mesure aux données sont également tout
à fait acceptables. La validité convergente et discriminante de chaque dimension/construit a été

3
vérifiée en utilisant la procédure de Fornell et Larcker (1981) : AVE > Φ². Toutes les propriétés
des mesures sont communiquées dans l’annexe 2.
Enfin, notons que les qualités psychométriques des mesures ont été vérifiées par des analyses
factorielles exploratoires et confirmatoires. Les modèles de relations causales ont été estimés à
partir de régressions logistiques sur les profils "détracteurs" et "promoteurs" du NPS/LTR (avec
Bootstrap - 1000 itérations).

3. Résultats
Les indices d’ajustement (tableau 1) des trois modèles (x 6 variables dépendantes : NPS Top
1,2,3 puis LTR Top 1,2,3) exposés dans la figure 1 permettent d’identifier la meilleure
configuration de calcul du NPS. Les analyses montrent que c’est la proposition initiale de
Reichheld (2003) qui permet (i) d’augmenter le plus significativement la capacité du modèle2
à classifier correctement les répondants sur le profil NPS (cf. colonne « Progression
M0=>M1 », tableau 1) pour chaque déterminant testé ; et (ii) de maximiser le coefficient de
détermination (cf. colonne « R2 de Nagelkerke ») associé à la variable dépendante « NPS Top
2 » (qui correspond donc à la configuration proposée par Reichheld, 2003).
Par ailleurs, l’estimation des relations causales (figure 1) montre que la satisfaction de la visite
de ce magasin est un excellent prédicteur du profil client établi par le NPS Top 2
(R2Nagelkerke=64.5% ; Exp(ß)=13.090 ; p<0.001). Les résultats montrent aussi que l’engagement
affectif envers l’enseigne explique de manière marginale (R 2Nagelkerke=6.3%) la classification
des clients sur les profils NPS "détracteurs" vs. "promoteurs" (Exp(ß)=1.586 ; p=0.001). Enfin,
la valeur perçue de l’expérience de visite du point de vente (EVS) pourrait parfaitement se
substituer à la satisfaction pour trois raisons principalement :
(1) Le coefficient de détermination (R2Nagelkerke) associé à la variable dépendante « NPS Top
2 » du modèle 3 (variable indépendante = valeur perçue) est très proche de celui observé
dans le modèle 1 (variable indépendante = satisfaction). Le pouvoir prédictif de chacune
de ces variables indépendantes est donc comparable (cf. figure 1).
(2) Le cadre d’analyse de la valeur perçue permet d’apprécier la contribution des sources
de valeur à dominante utilitaire (R2Nagelkerke=40.9%) et à dominante hédonique
(R2Nagelkerke=61.2%, soit +20.3%), dans la formation des profils NPS Top 2. Les
chercheurs et les praticiens peuvent alors structurer la lecture des résultats de manière
analytique et dichotomique (comme suggéré par Babin et al., 1994 pour étudier la
shopping value), et non de manière globale (comme lorsque seul le lien
satisfaction→NPS est commenté).
(3) Le caractère multidimensionnel de la valeur perçue offre la possibilité de formuler des
recommandations managériales plus précises que la "satisfaction de la visite". Pour le
magasin étudié dans cette recherche, les managers de ce point de vente doivent d’abord
se concentrer sur l’excellence des services proposés (Exp(ß)=3.042 ; p<0.001), puis sur
la valeur économique perçue de l’assortiment (Exp(ß)=2.933 ; p<0.001), sur le caractère
divertissant de la visite de cet espace de vente (Exp(ß)=2.619 ; p<0.001), sur l’attraction
visuelle (Exp(ß)=2.460 ; p<0.001) et sur l’efficience de la visite (Exp(ß)=2.442 ;
p<0.001), puis sur le plaisir ressenti au cours de la visite (Exp(ß)=1.643 ; p=0.018).
Seule la dimension expérientielle "évasion" n’influence pas significativement le NPS.

2
La capacité du modèle étant entendue comme la capacité de la variable (i) "satisfaction", (ii) "engagement affectif" et (iii) "valeur perçue" à
prédire la catégorisation des répondants sur les profils "détracteurs" vs. "promoteurs".

4
Tableau 1. Principaux indices d’ajustement des modèles de régression logistique.
Capacité du modèle à classifier
Modèle Log de vraisemblance-2 R2
correctement les individus
Progression Baisse du Cox et
Chi-2 ddl p M0 M1 Bloc 0 Bloc 1 Nagelkerke
M0 => M1 LogV-2 Snell
Satisfaction
NPS Top 1 116,281 1 0,000 77,2% 85,1% +10% 258,888 142,607 -45% 0,383 0,581
NPS Top 2 147,915 1 0,000 58,6% 89,0% +52% 307,955 160,040 -48% 0,479 0,645
NPS Top 3 122,673 1 0,000 83,1% 90,4% +9% 301,309 178,636 -41% 0,309 0,518
LTR Top 1 80,987 1 0,000 88,1% 88,1% +0% 337,281 256,295 -24% 0,161 0,310
LTR Top 2 108,229 1 0,000 71,2% 74,7% +5% 554,623 446,394 -20% 0,209 0,299
LTR Top 3 137,499 1 0,000 59,7% 76,0% +27% 622,823 485,324 -22% 0,257 0,348
Engagement
NPS Top 1 4,267 1 0,039 77,2% 77,2% +0% 258,888 254,621 -2% 0,018 0,027
NPS Top 2 10,899 1 0,001 58,6% 64,3% +10% 307,955 297,056 -4% 0,047 0,063
NPS Top 3 19,634 1 0,000 83,1% 83,1% +0% 301,309 281,675 -7% 0,057 0,096
LTR Top 1 1,384 1 0,239 88,1% 88,1% +0% 337,281 335,897 -0% 0,003 0,006
LTR Top 2 6,579 1 0,010 71,2% 71,2% +0% 554,623 548,044 -1% 0,014 0,020
LTR Top 3 9,819 1 0,002 59,7% 59,7% +0% 622,823 613,004 -2% 0,021 0,028
Valeur perçue
NPS Top 1 M(a) 57,616 3 0,000 77,2% 79,3% +3% 258,888 201,272 -22% 0,213 0,323
M(b) 77,804 7 0,000 83,0% +8% 181,084 -30% 0,276 0,419
NPS Top 2 M(a) 82,210 3 0,000 58,6% 77,1% +32% 307,955 225,745 -27% 0,304 0,409
M(b) 137,662 7 0,000 83,3% +42% 170,293 -45% 0,455 0,612
NPS Top 3 M(a) 77,983 3 0,000 83,1% 85,8% +3% 301,309 223,326 -26% 0,209 0,351
M(b) 149,203 7 0,000 89,2% +7% 152,106 -50% 0,362 0,607
LTR Top 1 M(a) 37,584 3 0,000 88,1% 88,5% +0% 337,281 299,697 -11% 0,078 0,151
M(b) 43,638 7 0,000 88,5% +0% 293,643 -13% 0,090 0,174
LTR Top 2 M(a) 51,647 3 0,000 71,2% 71,6% +1% 554,623 502,976 -9% 0,106 0,151
M(b) 87,173 7 0,000 73,8% +4% 467,450 -16% 0,172 0,246
LTR Top 3 M(a) 74,172 3 0,000 59,7% 68,8% +15% 622,823 548,651 -12% 0,148 0,200
M(b) 130,751 7 0,000 74,7% +25% 492,071 -21% 0,246 0,333
Légende : M(a) = Modèle (a) qui examine l’influence des "sources de valeur fonctionnelle" (excellence, efficience, valeur économique) sur Y (la variable dépendante) ; M(b) = Modèle (b) qui examine l’influence des
"sources de valeur fonctionnelle" et les "sources de valeur hédonique" (attrait visuel, divertissement, évasion, plaisir) sur Y ; les variables dépendantes barrées = indiquent que le modèle ne peut pas être retenu, soit parce
qu’il n’est globalement pas significatif, soit parce que sa capacité à classifier correctement les clients interrogés est nulle (cf. Field, 2009, p.286) ; les valeurs de R2 entourées correspondent à celles qui sont les plus élevées.

5
Figure 1. Principaux résultats sur l’estimation des relations causales (détail en annexe 3).

R2Nagelkerke = 0,645
Modèle 1 Satisfaction de la visite Exp(ß) = 13,090** NPS
du point de vente Top 2

R2Nagelkerke = 0,063
Modèle 2 Engagement affectif Exp(ß)=1,586** NPS
envers l’enseigne Top 2

Sources de valeur Excellence

utilitaire
Efficience

Valeur économique
R2Nagelkerke = 0,612

Modèle 3 Exp(ß) = 2,460** NPS

Attrait visuel
Top 2

Divertissement

Evasion
Sources de valeur
hédonique
Plaisir intrinsèque

Légende : **p<1% ; *p<5%

4. Discussion
Les premières contributions théoriques de ce travail permettent d’enrichir le réseau
nomologique associé au NPS.
Alors que la relation de cause à effet satisfaction→NPS avait seulement été montrée en
admettant l’analogie entre le NPS et le LTR dans les travaux de Leisen Pollack et Aliosha
(2013), cette recherche permet de vérifier cet enchainement causal en respectant
rigoureusement la méthode de calcul du NPS proposée par Reichheld (2003).
En revanche, les résultats de cette étude ne permettent pas de corroborer les conclusions de
Lewis et Mehmet (2020). En effet, le sentiment du consommateur envers la marque (examiné
dans notre recherche via l’engagement affectif envers l’enseigne) n’explique pas la
classification clients "détracteurs"/"promoteurs" dans cinq cas sur six (tableau 1). Cette relation
causale est, par ailleurs, très faible lorsque le NPS est calculé en suivant les recommandations
de Reichheld (2003). Ce résultat suggère que l’usage du NPS est plus spécialement dédié à
l’évaluation d’une expérience spécifique de shopping plutôt qu’à celle d’une expérience de
marque (Brakus et al., 2009).
Enfin, cette recherche permet de vérifier que la valeur perçue de l’expérience de visite d’un
point de vente influence positivement le LTR (annexes 3 et 4) et le NPS (annexe 3). Si ces
résultats corroborent les conclusions de Maubisson et al. (2023), l’apport théorique plus original
de cette recherche consiste à montrer que la capacité de la valeur perçue à prédire le NPS est
presque aussi élevée que la satisfaction, ces deux facteurs n’ayant jamais été comparés dans les
études antérieures. Ainsi, le concept de valeur perçue peut utilement enrichir le réseau
nomologique associé au NPS. Les résultats permettent aussi d’apprécier les contributions des
sources de valeur utilitaires et hédoniques dans la formation des profils NPS.
Le deuxième régime de contributions théoriques de ce travail concerne les différentes
alternatives pour construire les typologies de clients "promoteurs" et "détracteurs" (LTR Top 1,
2, 3 et NPS Top 1, 2, 3) proposées par Baehre et al. (2022b). Au sein du débat scientifique

6
(Grisaffe, 2007 ; Kristensen et Eskildsen, 2014 ; Lewis et Mehmet, 2020 ; Baehre et al., 2022b)
qui discute du caractère arbitraire de la détermination des seuils à retenir pour construire le
score NPS, les résultats de notre recherche montrent que la meilleure configuration est celle
proposée à l’origine par Reichheld (2003) : associer les modalités 9 et 10 au statut de
"promoteurs" et celles compris dans l’intervalle [0-6] aux "détracteurs". En effet, s’il est
théoriquement attendu que la satisfaction, l’engagement affectif et la valeur perçue de
l’expérience de visite d’un magasin, permettent de prédire le NPS, il semble tout à fait légitime
de retenir le modèle qui maximise la valeur du R2 de Nagelkerke (1991).
D’un point de vue managérial, les résultats de cette recherche suggèrent aux professionnels en
charge de la gestion d’espaces de vente d’utiliser, conjointement à l’échelle NPS, d’autres
construits analytiques tels que la valeur perçue (EVS) afin de pouvoir dégager des
recommandations managériales claires et hiérarchisées. Ainsi, nos résultats permettent
d’identifier quels facteurs doivent faire l’objet d’une attention particulière : l’excellence de
service, le rapport qualité-prix de l’assortiment proposé, le caractère divertissant de
l’expérience en magasin, etc….
Enfin, cette recherche n’est pas dépourvue de limites, notamment car le choix du (ou des)
meilleur(s) modèle(s) repose sur l’estimation qui maximise le coefficient R2. La logique de
réplication adoptée dans cette recherche nous a encouragés à suivre la procédure employée par
Morgan et Rego (2006) et par Baehre et al. (2022b) qui s’appuient également sur ce paramètre
(d’autres indices d’ajustement auraient pu être considérés). Par ailleurs, la phase empirique
réalisée repose sur un seul terrain d’étude (un point de vente d’une enseigne particulière) alors
qu’il serait intéressant de comparer divers magasins de cette enseigne d’une part, et des points
de vente associés à d’autres enseignes d’autre part. Enfin, pour approfondir les implications
managériales de notre étude, il serait aussi opportun d’estimer les modèles testés en fonction de
différents segments de clientèle. Cela permettrait, par exemple, de savoir si les principaux
facteurs qui influencent le NPS sont les mêmes pour les personnes qui ont réalisé un achat ou
non, ou encore pour ceux qui fréquentent occasionnellement ou régulièrement le point de vente.

Références bibliographiques

Babin BJ, Darden WR et Griffin M (1994) Work and/or Fun: Measuring Hedonic and
Utilitarian Shopping Value. Journal of Consumer Research 20(4): 644-656.
Baehre S, O’Dwyer M, O’Malley L et Lee N (2022a) The use of Net Promoter Score (NPS) to
predict sales growth: insights from an empirical investigation. Journal of the Academy of
Marketing Science 50: 67-84.
Baehre S, O’Dwyer M, O’Malley L et Story VM (2022b) Customer mindset metrics: a
systematic evaluation of the net promoter score (NPS) vs. alternative calculation methods.
Journal of Business Rersearch 149: 353-362.
Brakus JJ, Schmitt BH et Zarantonello L (2009) Brand Experience: What is It? How is it
Measured? Does it Affect Loyalty? Journal of Marketing 73(3): 52-68.
Feng L et Wei W (2020) A combined method of r-NPS and t-NPS evaluations for identification
of negative triggers of detractors’ experience. Sustainability 12(4): 1-23.
Fornell C et Larcker DF (1981) Evaluating structural equation models with unobservable
variables and measurement error. Journal of Marketing Research 18(1): 39-50.
Fullerton G (2003) When Does Commitment Lead to Loyalty? Journal of Service Research
5(4):333-344.

7
Grisaffe DB (2007) Questions about the ultimate question: conceptual considerations in
evaluating Reichheld’s net promoter score (NPS). Journal of Consumer Satisfaction,
Dissatisfaction & Complaining Behavior 20: 36-53.
Keiningham TL, Cooil B, Andreassen TW et Aksoy L (2007) A longitudinal examination of
Net Promoter and firm revenue growth. Journal of Marketing 71(3): 39-51.
Kristensen K et Eskildsen J (2014) Is the NPS a trustworthy performance measure? The TQM
Journal 26(2): 202-214.
Leisen Pollack B et Aliosha A (2013) Nomological validity of the Net Promoter Index
Question. Journal of Services Marketing 27(2): 118-129.
Lewis C et Mehmet M (2020) Does the NPS reflect consumer sentiment? A qualitative
examination of the NPS using a sentiment analysis approach. International Journal of Market
Research 62(1): 9-17.
Mathwick C, Malhotra NK et Rigdon E (2001) Experiential value: conceptualization,
measurement and application in the catalog and internet shopping environment. Journal of
Retailing 77(1): 39-56.
Maubisson L, Rivière A et Mencarelli R (2023) Contribution de la valeur perçue au Net
Promoter Score : une application aux enseignes de distribution spécialisée. 39ème congrès
international de l’Association Française du Marketing, Vannes.
Mencarelli R et Lombart C (2017) Influences of the perceived value on actual repurchasing
behavior: Empirical exploration in a retailing context. Journal of Retailing and Consumer
Services 38: 12-21.
Morgan NA et Rego LL (2006) The value of different customer satisfaction and loyalty metrics
in predicting business performance. Marketing Science 25(5): 426-439.
Nagelkerke NJD (1991) A note on a general definition of the coefficient of determination.
Biometrika 78(3): 691-692.
Oliver RL (1980) A cognitive model of the antecedents and consequences of satisfaction
decisions. Journal of Marketing Research 17(4): 460-469.
Open Science Collaboration (2015) Estimating the reproducibility of psychological science.
Science 349(6251): 1-8.
Reichheld FF (2003) The one number you need to grow. Harvard Business Review 81(12): 46-
54.
Schmitt P, Meyer S et Skiera B (2012) Etude du lien entre l’intention de recommander une
entreprise et la valeur à vie de ses clients. Recherche et Applications en Marketing 27(4): 121-
143.
Tsang EWK et Kwan K-M (1999) Replication and theory development in organizational
science: a critical realist perspective. Academy of Management Review 24(4): 759-780.

8
Annexe 1. Echantillon de l’étude empirique et statistiques descriptives.

Tableau A1.1. Description de l’échantillon (N=462).

Variable - Modalité Fréquence
Genre - Masculin 41,1%
Genre - Féminin 58,9%
Age moyen (écart-type - min ; max) 28 ans (11,8 - 18 ; 75)
CSP - Artisans, commerçants et chefs d'entreprise 5,4%
CSP - Cadres et professions intellectuelles supérieures 18,1%
CSP - Professions intermédiaires 13,6%
CSP - Employés 23,3%
CSP - Ouvriers 10,3%
CSP - Retraités 1,2%
CSP - Autres personnes sans activité professionnelle 28,1%

Tableau A1.2. Statistiques descriptives sur les variables métriques.

Variable Moyenne Ecart type Minimum Maximum
LTR 7,57 1,75 1 10
Satisfaction 5,82 1,13 1 7
Engagement affectif 3,41 1,96 1 7
Attrait visuel 5,25 1,18 1 7
Divertissement 4,93 1,24 1 7
Évasion 3,55 1,58 1 7
Plaisir intrinsèque 4,44 1,47 1 7
Excellence 4,58 1,16 1 7
Efficience 4,27 1,38 1 7
Valeur économique 4,45 1,20 1 7

Tableau A1.3. Statistiques descriptives sur les variables ordinales.

Variable - Modalité Fréquence
NPS Top 1
Détracteurs [1-7] 40,3%
Passifs [8-9] 47,8%
Promoteurs [10] 11,9%
NPS Top 2
Détracteurs [1-6] 20,3%
Passifs [7-8] 50,9%
Promoteurs [9-10] 28,8%
NPS Top 3
Détracteurs [1-5] 12,1%
Passifs [6-7] 28,1%
Promoteurs [8-10] 59,7%
LTR Top 1
Détracteurs & Passifs [1-9] 88,1%
Promoteurs [10] 11,9%
LTR Top 2
Détracteurs & Passifs [1-8] 71,2%
Promoteurs [9-10] 28,8%
LTR Top 3
Détracteurs & Passifs [1-7] 40,3%
Promoteurs [8-10] 59,7%

9
 Annexe 2. Propriétés des mesures.

Tableau A2.1. Items et structure factorielle des mesures psychométriques.

Variables, dimensions, items Coef. t p RhôJ
Satisfaction de la visite du point de vente
Si je pouvais refaire mon choix, j'aurais choisi un autre point de vente. [R] 0,874 25,242 <0,001 0,949
Avoir choisi de me rendre dans ce magasin fut un bon choix. 0,885 25,840 <0,001
Je regrette ma décision d'avoir fréquenté ce magasin. [R] 0,923 28,065 <0,001
Je ne suis pas content(e) d’avoir visité ce magasin. [R] 0,901 26,764 <0,001
J'étais satisfait(e) de ce point de vente. 0,855 * <0,001
Engagement affectif envers l'enseigne
Je me sens émotionnellement attaché(e) à la NOM DE L’ENSIGNE. 0,971 49,549 <0,001 0,979
La NOM DE L’ENSIGNE a beaucoup de sens pour moi. 0,958 46,239 <0,001
Je m'identifie fortement à la NOM DE L’ENSIGNE. 0,967 48,382 <0,001
J'ai l'impression de "faire partie d’une famille" en tant que client de la NOM DE L’ENSIGNE. 0,945 * <0,001
Valeur perçue de la visite du point de vente
Attrait visuel
J'aime beaucoup l'aspect de ce magasin. 0,961 32,551 <0,001 0,941
Cet espace de vente est agréable à regarder. 0,908 29,108 <0,001
La manière dont ce magasin présente ses produits est attractive. 0,880 * <0,001
Divertissement
Ce point de vente ne vend pas seulement des produits, c'est aussi un endroit divertissant. 0,860 24,456 <0,001 0,912
L'ambiance est agréable dans ce magasin. 0,908 26,737 <0,001
Je trouve ce magasin stimulant. 0,873 * <0,001
Evasion (Quand je suis dans ce magasin…)
... j'ai un peu l'impression d'être "dans un autre monde". 0,954 40,007 <0,001 0,959
... je suis absorbé(e) par ma visite et je ne pense à rien d'autre. 0,943 38,470 <0,001
... je me déconnecte de mes préoccupations quotidiennes. 0,928 * <0,001
Plaisir intrinsèque
Je viens dans ce point de vente par plaisir. 0,939 38,233 <0,001 0,947
Je me sens bien dans ce magasin. 0,897 33,276 <0,001
J'adore venir dans ce magasin, pas seulement pour y acheter ce dont j'ai besoin, mais aussi parce que
0,941 * <0,001
j'aime cet endroit.
Efficience
Faire mes achats dans ce magasin me simplifie la vie. 0,946 37,021 <0,001 0,945
Faire mes achats dans ce magasin est pratique avec mon emploi du temps / pour mon organisation. 0,890 31,532 <0,001
Faire mes achats dans ce point de vente me fait gagner du temps comparé à d'autres enseignes. 0,930 * <0,001
Valeur économique
Dans l'ensemble, je suis satisfait des prix des produits vendus dans ce point de vente. 0,923 30,121 <0,001 0,917
Les prix des produits que j'achète dans ce magasin sont trop élevés, compte tenu de leur qualité. [R] 0,816 24,041 <0,001
Le rapport qualité-prix des produits vendus dans ce magasin est excellent. 0,917 * <0,001
Excellence
Quand je pense à ce magasin, je pense à l'excellence de service. 0,903 25,674 <0,001 0,914
Je pense que ce magasin est excellent, comparé à ses concurrents. 0,887 25,03 <0,001
Je trouve que ce magasin est vraiment spécialisé dans la catégorie de produits qu'il vend. 0,860 * <0,001
Coef : Coefficient structurel standardisé ; RhôJ : Rhô de Joreskog

Principaux indices d’ajustement du modèle aux données : Chi2[795,969]/ddl[390]=2,041 ; CFI=0,974 ; GFI=0,899 ;

AGFI=0,871 ; NFI=0,950 ; NNFI=0,969 ; RMSEA[min ; max]=0,048[0,043 ; 0,052].

Tableau A.2.2. Validité convergente et discriminante.

Val.
NPS Satis. En. aff. Att. vis. Divert. Evas. Plaisir Effic. Excel.
éco.
LTR 1
Satisfaction 0,423 0,788
Engagement affectif 0,035 0,014 0,922
Attrait visuel 0,229 0,174 0,018 0,841
Divertissement 0,218 0,220 0,029 0,506 0,775
Évasion 0,078 0,027 0,071 0,168 0,235 0,887
Plaisir intrinsèque 0,130 0,147 0,061 0,301 0,381 0,348 0,857
Efficience 0,129 0,134 0,011 0,065 0,101 0,078 0,092 0,851
Valeur économique 0,195 0,156 0,019 0,065 0,110 0,087 0,075 0,213 0,786
Excellence 0,268 0,216 0,039 0,272 0,289 0,205 0,248 0,245 0,176 0,781
Rhô VC en diagonale et en gras, corrélations élevées au carré en dessous (Φ²).

10
Annexe 3. Régressions logistiques sur le NPS et le LTR pour chaque prédicteur.

Tableau A3.1. Régression logistique avec la variable indépendante : Satisfaction.

Var. dépendante ß min max Exp(ß) min max Wald ddl p pbootstrap
NPS Top 1 3,630 2,79 4,98 37,704 12,48 113,94 41,381 1 0,000 0,000
NPS Top 2 2,572 1,99 3,48 13,090 6,60 25,97 54,132 1 0,000 0,001
NPS Top 3 1,870 1,43 2,58 6,491 4,05 10,40 60,468 1 0,000 0,001
LTR Top 1 3,118 2,31 4,54 22,606 8,27 61,78 36,948 1 0,000 0,001
LTR Top 2 1,875 1,45 2,39 6,518 4,06 10,47 60,170 1 0,000 0,001
LTR Top 3 1,493 1,18 1,89 4,449 3,22 6,14 82,074 1 0,000 0,001

Tableau A3.2. Régression logistique avec la variable indépendante : Engagement affectif.

Var. dépendante ß min max Exp(ß) min max Wald ddl p pbootstrap
NPS Top 1 0,308 0,00 0,60 1,361 1,02 1,82 4,243 1 0,039 0,037
NPS Top 2 0,461 0,19 0,74 1,586 1,20 2,10 10,360 1 0,001 0,004
NPS Top 3 0,727 0,38 1,18 2,068 1,46 2,93 16,632 1 0,000 0,001
LTR Top 1 0,168 -0,14 0,47 1,183 0,89 1,57 1,387 1 0,239 0,256
LTR Top 2 0,264 0,07 0,46 1,302 1,06 1,59 6,533 1 0,011 0,010
LTR Top 3 0,302 0,11 0,49 1,352 1,12 1,64 9,591 1 0,002 0,004

Tableau A3.3. Régression logistique avec la variable indépendante : Valeur perçue.

Var. dép. Source de valeur ß min max Exp(ß) min max Wald ddl p pbootstrap
NPS Top 1 Excellence 1,123 0,69 1,91 3,073 1,96 4,82 23,836 1 0,000 0,001
Efficience 0,848 0,51 1,45 2,335 1,54 3,54 15,975 1 0,000 0,001
Valeur économique 0,674 0,28 1,29 1,962 1,35 2,86 12,368 1 0,000 0,001
Attrait visuel 0,323 -0,06 0,85 1,381 0,96 2,00 2,954 1 0,086 0,125
Divertissement 0,714 0,36 1,20 2,042 1,37 3,04 12,316 1 0,000 0,001
Évasion 0,236 -0,13 0,69 1,266 0,89 1,80 1,697 1 0,193 0,219
Plaisir intrinsèque 0,286 -0,16 0,75 1,331 0,91 1,96 2,117 1 0,146 0,205
NPS Top 2 Excellence 1,113 0,79 1,79 3,042 2,02 4,59 28,077 1 0,000 0,001
Efficience 0,893 0,58 1,44 2,442 1,62 3,68 18,244 1 0,000 0,001
Valeur économique 1,076 0,72 1,73 2,933 1,91 4,51 23,948 1 0,000 0,001
Attrait visuel 0,900 0,49 1,66 2,460 1,64 3,69 19,069 1 0,000 0,001
Divertissement 0,963 0,59 1,68 2,619 1,70 4,03 19,244 1 0,000 0,001
Évasion 0,255 -0,12 0,69 1,290 0,88 1,90 1,681 1 0,195 0,155
Plaisir intrinsèque 0,496 0,07 1,12 1,643 1,09 2,48 5,616 1 0,018 0,037
NPS Top 3 Excellence 1,236 0,88 1,84 3,443 2,16 5,49 26,934 1 0,000 0,001
Efficience 0,877 0,43 1,45 2,404 1,56 3,71 15,668 1 0,000 0,001
Valeur économique 1,451 1,05 2,17 4,266 2,57 7,07 31,634 1 0,000 0,001
Attrait visuel 1,360 1,00 2,07 3,897 2,47 6,16 33,996 1 0,000 0,001
Divertissement 0,804 0,44 1,47 2,234 1,48 3,37 14,612 1 0,000 0,001
Évasion 0,526 0,12 0,97 1,692 1,09 2,62 5,557 1 0,018 0,001
Plaisir intrinsèque 0,316 -0,09 0,78 1,371 0,94 2,00 2,687 1 0,101 0,116
LTR Top 1 Excellence 0,732 0,36 1,17 2,080 1,47 2,94 17,133 1 0,000 0,002
Efficience 0,644 0,34 1,01 1,905 1,36 2,67 14,122 1 0,000 0,001
Valeur économique 0,424 0,08 0,86 1,528 1,11 2,11 6,643 1 0,010 0,027
Attrait visuel 0,246 -0,11 0,71 1,278 0,91 1,79 2,027 1 0,154 0,226
Divertissement 0,305 -0,02 0,68 1,356 0,98 1,89 3,291 1 0,070 0,072
Évasion 0,068 -0,24 0,36 1,070 0,81 1,42 0,223 1 0,637 0,662
Plaisir intrinsèque 0,124 -0,21 0,48 1,132 0,83 1,54 0,624 1 0,429 0,464
LTR Top 2 Excellence 0,710 0,48 1,03 2,034 1,58 2,62 30,509 1 0,000 0,001
Efficience 0,489 0,26 0,78 1,630 1,28 2,07 15,891 1 0,000 0,001
Valeur économique 0,450 0,21 0,72 1,568 1,23 2,00 12,989 1 0,000 0,001
Attrait visuel 0,506 0,21 0,86 1,659 1,27 2,16 13,952 1 0,000 0,003
Divertissement 0,528 0,29 0,81 1,695 1,32 2,18 17,070 1 0,000 0,001
Évasion 0,096 -0,12 0,32 1,101 0,89 1,37 0,771 1 0,380 0,351
Plaisir intrinsèque 0,259 0,01 0,52 1,296 1,02 1,64 4,635 1 0,031 0,030
LTR Top 3 Excellence 0,668 0,47 0,92 1,950 1,55 2,45 32,896 1 0,000 0,001
Efficience 0,418 0,20 0,67 1,519 1,21 1,90 13,435 1 0,000 0,001
Valeur économique 0,746 0,52 1,06 2,109 1,66 2,68 36,834 1 0,000 0,001
Attrait visuel 0,489 0,25 0,77 1,631 1,29 2,06 16,604 1 0,000 0,001
Divertissement 0,599 0,38 0,87 1,820 1,45 2,29 26,088 1 0,000 0,001
Évasion 0,194 -0,01 0,44 1,214 0,98 1,51 3,102 1 0,078 0,065
Plaisir intrinsèque 0,384 0,17 0,65 1,468 1,18 1,83 11,517 1 0,001 0,003

11
Annexe 4. Régressions linaires avec le score LTR pour chaque prédicteur.

Tableau A4.1. Régression linéaire avec la variable indépendante : Satisfaction.

ß min max ßstand t ddl p pbootstrap
1,125 0,99 1,26 0,643 17,995 1 0,000 0,001

Tableau A4.2. Régression linéaire avec la variable indépendante : Engagement affectif.

ß min max ßstand t ddl p pbootstrap
0,320 0,17 0,48 0,183 3,985 1 0,000 0,001

Tableau A4.3. Régression linéaire avec la variable indépendante : Valeur perçue.

Source de valeur ß min max ßstand t ddl p pbootstrap
Excellence 0,536 0,38 0,68 0,306 8,258 1 0,000 0,001
Efficience 0,344 0,21 0,48 0,197 5,302 1 0,000 0,001
Valeur économique 0,509 0,38 0,64 0,290 7,834 1 0,000 0,001
Attrait visuel 0,511 0,33 0,67 0,292 7,872 1 0,000 0,001
Divertissement 0,389 0,25 0,54 0,222 5,993 1 0,000 0,001
Évasion 0,151 0,02 0,28 0,086 2,319 1 0,021 0,021
Plaisir intrinsèque 0,230 0,08 0,38 0,132 3,551 1 0,000 0,003

12