Lifetime value des clients qui disparaissent pendant des années

Un couple réserve un hôtel de charme sur la côte amalfitaine pour sa lune de miel en 2022. Puis plus rien pendant trois ans et demi : aucun email ouvert, aucune connexion à l'app, aucune session sur le site. Fin 2025, nouvelle réservation, un autre établissement de la même petite collection, séjour plus long, cette fois avec un jeune enfant. N'importe quel modèle de type abonnement les aurait classés en churn dès le troisième mois. Ils valaient deux réservations à quatre chiffres, plus une recommandation vers deux autres couples.

Le point gênant : le modèle n'avait pas tort sur le silence. Il avait tort sur ce que le silence signifie. Les formules de lifetime valuelifetime valueLifetime Value : le revenu total (ou le profit) qu'un client génère sur toute la durée de sa relation avec votre entreprise.Voir la définition complète → (LTV, parfois CLV) ont été conçues pour des activités à cycle d'achat hebdomadaire ou mensuel, pas pour des activités où les clients les plus rentables s'évanouissent 18 à 48 mois avant de revenir au tarif plein.

Pourquoi la formule à la SaaS casse

La version manuel scolaire :

LTV = Panier moyen × Fréquence d'achat × Durée de vie client

En facturation mensuelle, la fréquence est stable et la durée de vie observable. Pour un groupe hôtelier loisir, la fréquence peut être « un séjour tous les 2,3 ans » et la durée de vie relève de l'estimation. Un client sans réservation depuis 14 mois n'est pas perdu ; un client sans réservation depuis 14 mois et dont le plus jeune enfant vient d'avoir 14 ans l'est probablement.

Appliquée sans précaution, la formule échoue dans deux directions :

• Surestimation : calculez la fréquence sur votre cohorte la plus récente et vous extrapolez un rythme que la plupart des clients ne tiennent jamais.
• Sous-estimation : appliquez une fenêtre d'activité de 12 mois empruntée aux conventions de churn du retail et vous déclarez morts des clients en milieu de cycle, avant de couper les budgets sur eux l'année précédant leur retour.

Il existe un troisième échec, plus discret : la censure à droite. Si votre historique de réservations ne remonte qu'à trois ans, vous ne pouvez pas observer les clients qui reviennent au bout de quatre ans, et votre probabilité de retour mesurée est biaisée à la baisse par construction. Les méthodes de survie traitent explicitement les observations censurées ; une simple requête « % de clients revenus » ne le fait pas.

Un modèle adapté au voyage rare et à fort panier

Étape 1 : segmenter par type de voyage, pas par récence. Voyages de noces (fréquence très faible, dépense élevée, forte valeur de recommandation), loisir familial répété (fréquence moyenne, forte saisonnalité), bleisure corporate (fréquence plus élevée, dépense par séjour plus faible). Les moyenner détruit le signal dans toutes les directions à la fois.

Étape 2 : étendre la fenêtre d'observation à l'échelle de la catégorie. Au lieu d'une horloge de churn à 12 mois, utilisez l'analyse de survie, une méthode statistique issue de la recherche médicale qui estime la probabilité qu'un client revienne *un jour* sur une fenêtre pluriannuelle, plutôt que de postuler une durée de vie fixe. Trois à cinq ans avant de classer un client en dormance : une plage de travail défendable en hôtellerie loisir, car la réactivation au-delà de la première année y est courante plutôt qu'exceptionnelle (éléments sur les courbes de rétention client via le Cornell's Center for Hospitality Research).

Étape 3 : utiliser une estimation probabiliste du réachat, pas une fréquence plate. Demandez quelle part de ce segment revient un jour, et ce que vaut un client qui revient, actualisé dans le temps.

**Étape 4 : modéliser le *quand*, pas seulement le *si*.** Le hasard de retour en voyage est irrirrLe taux de rendement interne est le taux d'actualisation qui annule la valeur actuelle nette d'un projet. Il exprime le rendement annualisé attendu d'un investissement.Voir la définition complète →égulier, pas lisse. La demande de Center Parcs suit le calendrier scolaire : vacances de février, Pâques, fin d'été, octobre. Une famille qui a sauté une période de vacances ne vous a presque rien appris. Une famille qui a sauté deux semaines équivalentes consécutives vous a beaucoup appris. Pour ce type de client, la dormance se compte mieux en saisons manquées qu'en mois écoulés.

Formule simplifiée pour la LTV en voyage rare à fort panier :

LTV = (P_return × Avg_Revenue_per_Return_Visit × Expected_Visits_over_Horizon)
      + Referral_Value
      - Acquisition_and_Servicing_Cost

Où P_return est la probabilité observée qu'un primo-client réserve à nouveau sur l'horizon retenu (disons cinq ans), et non sur 12 mois.

Exemple chiffré

Une chaîne de boutique-hôtels avec ces données d'entrée (illustratives, calquées sur de petits groupes de luxe, pas sur les chiffres publiés d'une société précise) :

• Valeur moyenne de la première réservation : $1,800 (3 nuits)
• Probabilité d'un second séjour sous 5 ans, d'après les données de cohorte : 35 %
• Valeur moyenne du second séjour (voyage plus long ou catégorie de chambre supérieure) : $2,400
• Probabilité d'un troisième séjour sachant qu'un second a eu lieu : 45 %, valeur moyenne $2,600
• Valeur de recommandation : un client qui revient apporte historiquement ~0,4 nouvelle réservation par bouche-à-oreille, chacune valant ~$1,800, soit $720

Contribution du second séjour :   0,35 × $2,400 = $840
Contribution du troisième séjour : 0,35 × 0,45 × $2,600 ≈ $409
Contribution des recommandations : $720

LTV à 5 ans au-delà de la première réservation ≈ $1,969. Total ≈ $3,769.

Comparez ce chiffre au coût d'acquisition entièrement chargé construit dans la leçon sur le vrai CACCACLe Customer Acquisition Cost (CAC) correspond au total des dépenses commerciales et marketing divisé par le nombre de nouveaux clients gagnés sur une période. Il mesure l'efficacité de votre croissance.Voir la définition complète →, commissions et annulations comprises. À $300 à $600 par nouveau client, plausible pour du performance marketing en hôtellerie de charme aux États-Unis et en Europe sur 2025-2026, le ratio se situe entre 6:1 et 12:1, largement au-dessus de la règle empirique de 3:1 utilisée en marketing.

Un modèle naïf à 12 mois n'en compte quasiment rien, puisque quasiment rien n'arrive dans la première année. Il affiche un retour maigre ou négatif et pousse l'équipe à couper les dépenses sur les clients les plus rentables de la base.

Ce que cela change au marketing de rétention

Ne jugez pas un win-back sur une horloge de 90 jours. Un email « vous nous manquez » envoyé huit mois après le départ peut échouer alors que le même client réserve en direct, sans sollicitation, au mois 30. Les fenêtres d'attributionattributionUn framework qui attribue le crédit d'une conversion aux différents touchpoints y ayant contribué, afin de mesurer quels canaux et quelles interactions génèrent réellement des résultats.Voir la définition complète → de Google Ads et Meta sont réglées par défaut sur 30 ou 90 jours : elles sous-comptent structurellement le ROIROIReturn on Investment : le rapport entre le profit net et le coût d'un investissement. Un ROI de 300 % signifie que chaque dollar investi en rapporte 3.Voir la définition complète → de la rétention en voyage. À traiter comme un écart de mesure à contourner, pas comme une raison d'arrarrL'Annual Recurring Revenue (ARR) est le revenu normalisé et prévisible qu'une entreprise par abonnement attend de ses contrats actifs sur une année.Voir la définition complète →êter le programme.

Calez le contact sur la saison de retour, pas sur le silence. Les réservations été de TUI au Royaume-Uni se concentrent fortement sur la période de fin d'année, quand les familles s'engagent pour le mois d'août suivant. Un win-back envoyé en avril s'adresse à quelqu'un qui a déjà réservé ou déjà décidé de ne pas partir. Même budget, même crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →éation, moitié du rendement, uniquement à cause du mois d'envoi.

Les mécaniques de fidélité doivent survivre au trou. Marriott Bonvoy maintient la relation vivante à travers des silences de plusieurs années parce que statut et points s'accumulent en dehors du séjour, via la dépense sur carte co-brandée et les partenaires, avec bien plus de 100 millions de membres inscrits. Les mécaniques de niveaux et de points relèvent de la leçon sur la fidélité ; ce qui compte ici, c'est qu'elles transforment un client dormant invisible en client observable et toujours actif. Un petit groupe sans cette machinerie peut s'en approcher avec un tarif garanti pour les clients qui reviennent, une fenêtre de réservation prioritaire avant l'ouverture publique, ou un avantage attaché spécifiquement au second séjour, la transition à plus fort effet de levier dans le modèle ci-dessus.

La fragmentation d'identité dégonfle P_return sans bruit. Si le même client arrive via une autre OTA, une autre adresse email et un nom d'épouse, votre base dit deux primo-clients et votre probabilité de retour mesurée baisse. Une part significative du réachat réel est invisible pour cette seule raison, ce qui fait du P_return de la plupart des opérateurs un plancher plutôt qu'une estimation.

Surveillez le vieillissement des cohortes. Center Parcs tient un taux d'occupation britannique proche des 100 % sur des familles avec de jeunes enfants. Dès que les enfants entrent dans l'adolescence, la probabilité de retour de ce foyer s'effondre, quel que soit son niveau de satisfaction. Une courbe de survie ajustée sur des clients dont les enfants avaient cinq ans surestimera la valeur de clients dont les enfants en ont onze. Le contre-exemple : l'acheteur de forfait annuel. Là où le cycle est déjà proche de l'année, un modèle de survie ajoute du coût et très peu d'information, et un simple taux de réachat d'une année sur l'autre suffit.

Actualisation et décalage de payback

La LTV pluriannuelle non actualisée, c'est le chiffre qui met les équipes marketing en conflit avec la finance. Dans l'exemple ci-dessus, le revenu du second séjour tombe vers l'année 2,5 et celui du troisième vers l'année 4,5. À un taux d'actualisation de 10 %, $2,600 encaissés en année quatre valent environ $1,776 aujourd'hui, et tout le bloc post-premier séjour de $1,969 se réduit à environ $1,470, une décote d'un quart. Le ratio passe encore la barre, et c'est bien l'objectif : faites l'actualisation avant que quelqu'un d'autre ne la fasse pour vous.

La contrainte la plus dure est la trésorerie, pas le ratio. L'acquisition se paie ce trimestre ; le second séjour la finance en année trois. Un groupe qui augmente vite son nombre de nouveaux clients sera cash-négatif avec un LTV:CAC sain, et le cycle budgétaire annuel n'a pas de place naturelle pour porter une promesse à trois ans. Deux décisions en découlent. D'abord, publier un délai de payback en mois à côté de la LTV, pour que la discussion avec la finance porte sur le calendrier plutôt que sur la crédibilité. Ensuite, trancher explicitement la question de savoir si les clients issus des OTA portent le même P_return attendu que les clients directs ; une commission de 15 % à 25 %, la fourchette typique du secteur, réduit déjà la marge du premier séjour, et s'ils reviennent aussi moins souvent, les financer sur la même ligne budgétaire est une erreur lente et invisible.

🎬 [VIDEO: "Customer Lifetime Value Explained" - youtube.com/results?search_query=customer+lifetime+value+explained+marketing - search for concise CLV walkthroughs from marketing analytics educators to see the standard formula before applying the travel-specific adjustments in this lesson]

Points clés

• Les formules de LTV standard supposent des cycles d'achat continus et cassent dans le voyage rare à fort panier, où l'écart entre deux séjours se compte en années.
• Estimez la probabilité de retour sur un horizon de trois à cinq ans multipliée par le revenu attendu par retour, et employez une méthode qui gère les données censurées, puisqu'un historique court biaise les taux de retour mesurés vers le bas.
• Modélisez le moment du retour, pas seulement son existence : le hasard de retour se concentre sur les vacances scolaires et les saisons de réservation annuelles, donc la dormance se compte souvent mieux en saisons manquées qu'en mois écoulés.
• Intégrez explicitement la valeur de recommandation, et voyez la fragmentation d'identité entre OTA et adresses email comme la raison pour laquelle votre taux de réachat mesuré est un plancher.
• Actualisez les séjours futurs avant que la finance ne le fasse, et affichez le payback en mois à côté du ratio : un cas à 6:1 non actualisé peut rester un problème de trésorerie sur une année de forte croissance.