Une marketplace peut afficher 12 000 fiches dans une catégorie et ne proposer aucun choix crédible à l’acheteur. Des variantes dupliquées gonflent le catalogue, des offres indisponibles restent visibles, plusieurs vendeurs partagent le même stock et les produits réellement compatibles avec le besoin se comptent sur les doigts d’une main. Le volume rassure le comité de pilotage, tandis que la recherche, la conversion et la rétention signalent un marché vide.
La profondeur d’offre utile mesure la capacité d’une marketplace à résoudre une demande dans un périmètre précis. Elle combine couverture du besoin, diversité indépendante, disponibilité, compétitivité et promesse de service. Elle ne répond pas à la question « combien de fiches avons-nous ? », mais à « combien d’options réellement achetables et substituables l’utilisateur peut-il comparer maintenant ? ».
La douleur opérationnelle est concrète : l’acquisition attire une demande que le catalogue ne peut pas servir, le support explique des ruptures déjà connues et les équipes recrutent de nouveaux vendeurs sans comprendre le trou de couverture. Le vrai enjeu n’est pas d’augmenter un compteur, mais de décider quelle capacité manque, quelle donnée corriger et quelle cellule refuser de promouvoir. À l’issue du cadre, le lecteur sait calculer une profondeur décomposable, identifier son goulot et choisir une intervention réfutable.
Cette mesure intervient après la définition des cellules de marché et avant une décision d’expansion. Elle renforce le pilotage d’un projet de création marketplace sans remplacer les analyses de demande, de liquidité ou d’économie unitaire. Son rôle est d’identifier où l’offre permet une rencontre et où elle reste nominale.
Pourquoi le volume brut donne-t-il une fausse sécurité ?
Le nombre de fiches additionne des objets qui ne rendent pas le même service. Une fiche sans stock, une variante inaccessible dans le territoire, un doublon de vendeur et une offre livrée dans trois semaines comptent autant qu’un produit disponible demain. L’agrégat récompense l’import plutôt que la servabilité.
Reconnaître les catalogues gonflés
Les symptômes sont un ratio élevé de résultats sans clic, des filtres qui éliminent presque tout, plusieurs pages de produits identiques, des ruptures après ajout au panier et une concentration des ventes sur quelques références. Le catalogue paraît profond en haut de funnel et s’effondre à mesure que les contraintes réelles s’appliquent.
Contre-intuitivement, retirer les offres indisponibles ou redondantes peut améliorer la profondeur utile perçue. L’acheteur voit moins de bruit, compare des choix distincts et reçoit une promesse fiable. L’opérateur gagne une mesure plus sévère, mais aussi une base de décision plus honnête.
Mesurer à l’échelle de la cellule de marché
Une moyenne globale mélange des situations incompatibles. Une forte offre de mobilier à Paris ne compense pas l’absence de pièces détachées à Grenoble ; une abondance le week-end ne répare pas une rupture en semaine. La cellule associe besoin, territoire, temps, transaction et niveau de service.
Conserver des frontières utiles à la décision
La cellule est assez fine pour révéler un manque et assez large pour contenir plusieurs rencontres. Elle possède un identifiant stable et une version. Les événements de recherche, disponibilité, devis, commande et service utilisent cet identifiant afin que les équipes comparent le même marché.
La méthode de cartographie des cellules de marché définit ces frontières. Le présent cadre ne les redessine pas : il mesure la profondeur à l’intérieur de chaque unité et signale les cellules dont la définition produit trop d’inconnus ou de recouvrements.
Partir des besoins et contraintes observés
La profondeur n’existe que relativement à une demande. Les recherches, filtres, devis, abandons, tickets et échanges commerciaux révèlent les attributs réellement discriminants : compatibilité, taille, délai, quantité minimale, certification, rayon de service ou modalité de paiement.
Échantillonner les sessions sans résultat utile
Chaque semaine, l’équipe relit un échantillon de demandes sans clic, sans contact ou sans commande. Elle distingue absence d’offre, offre non visible, prix non acceptable, promesse incompatible et information insuffisante. Ces causes conduisent à des actions différentes.
La demande anonyme reste visible dans les agrégats. Une cellule avec peu de commandes peut pourtant recevoir de nombreuses recherches non servies. À l’inverse, dix achats récurrents d’un même client ne prouvent pas une profondeur pour la diversité des besoins du marché.
Définir une offre réellement éligible
Une offre est éligible si elle satisfait les contraintes obligatoires de la cellule au moment de la mesure. Le produit correspond au besoin, le vendeur dessert le territoire, le stock ou la capacité existe, la transaction est autorisée et les données nécessaires à la décision sont présentes.
Séparer publication et éligibilité
La publication indique qu’une fiche peut être montrée. L’éligibilité indique qu’elle peut tenir la promesse de la cellule. Une offre peut rester publiée pour une autre zone ou un autre délai sans entrer dans le dénominateur local. Cette distinction évite de supprimer une capacité utile ailleurs.
Les règles sont exécutables et datées. Elles nomment les attributs, sources, tolérances et comportements en cas d’inconnu. Une donnée absente ne devient pas automatiquement une offre valide ; elle rejoint une file de remise en qualité ou une classe de confiance réduite.
Compter les choix indépendants plutôt que les doublons
Cent offres du même produit peuvent améliorer le prix ou la disponibilité, mais elles ne représentent pas cent solutions distinctes. La profondeur sépare références substituables, vendeurs indépendants, capacités partagées et variantes qui changent réellement l’usage.
Construire des familles de substituabilité
Deux offres appartiennent à la même famille si un acheteur peut passer de l’une à l’autre sans modifier son besoin essentiel. La règle s’appuie sur compatibilité, fonction, gamme, quantité et promesse. Elle peut être asymétrique : un produit premium remplace parfois une entrée de gamme, pas l’inverse.
La mesure compte au moins le nombre de familles, le nombre de vendeurs réellement indépendants et la concentration. Si trois vendeurs dépendent du même grossiste ou du même stock, ils apportent une diversité commerciale mais pas une résilience complète. La dépendance est donc explicitement étiquetée.
Intégrer disponibilité et capacité de service
La disponibilité d’un produit se lit dans le stock vendable, pas dans un statut catalogue. Pour un service, elle se lit dans les créneaux, compétences et limites géographiques. Les deux doivent être synchronisés avec une fraîcheur compatible avec la promesse affichée.
Mesurer la probabilité d’être encore achetable
Une offre dont le stock date de vingt-quatre heures n’a pas la même confiance qu’un stock confirmé il y a cinq minutes. L’indice applique une classe de fraîcheur et contrôle le taux d’échec au panier. Il ne transforme pas une donnée obsolète en certitude par défaut.
La capacité utile retire réservations, buffers, quotas et contraintes de service. Elle observe également la continuité : une offre disponible une heure par semaine ne doit pas faire paraître profonde une cellule qui reçoit une demande quotidienne.
Tester la compétitivité sans imposer le prix le plus bas
Une offre utile appartient à une zone de valeur acceptable pour la demande. Cette zone intègre prix, frais, délai, garantie, conditions de paiement et qualité. Le moins cher n’est pas toujours substituable ; le plus cher peut rester utile s’il tient une promesse différente.
Comparer des paniers équivalents
L’opérateur calcule un coût rendu pour une quantité, un territoire et un service comparables. Il conserve une distribution plutôt qu’un prix moyen. Une seule offre compétitive entourée de vingt offres hors marché ne crée pas un choix robuste.
Les seuils sont documentés avec leur source et leur date. Ils n’autorisent ni alignement automatique entre vendeurs ni recommandation anticoncurrentielle. Ils servent à détecter une cellule dont l’offre ne rencontre probablement pas la valeur attendue.
Mesurer la promesse tenue de bout en bout
Une profondeur réelle survit à la transaction. Taux d’acceptation, expédition, livraison, annulation, retour, litige et satisfaction confirment que l’offre annoncée fonctionne. Une fiche qui convertit mais échoue au service déplace le vide de marché après le paiement.
Attribuer la qualité à la cellule et à l’offre
Les événements conservent cellule, offre, vendeur, promesse et contexte. L’équipe peut distinguer un problème de transport régional, une famille fragile et un vendeur en dérive. La moyenne vendeur seule masque les combinaisons où le service échoue.
Une offre nouvelle n’est pas exclue faute d’historique. Elle reçoit une classe de confiance, un volume borné et des contrôles renforcés. La profondeur augmente progressivement lorsque la promesse est prouvée, plutôt que de créditer immédiatement tout le catalogue importé.
Observer la distribution, pas seulement la moyenne
Une cellule peut afficher cinq choix en moyenne et rester vide pour la moitié des sessions. L’équipe suit les percentiles, la part de demandes avec zéro, un, deux ou trois choix, ainsi que la durée des périodes sans offre. Le minimum observable complète la moyenne.
Segmenter les moments et les contraintes
La profondeur est calculée par jour, heure, territoire, appareil ou type de transaction lorsque ces dimensions modifient la promesse. L’objectif n’est pas de multiplier les tableaux, mais de trouver le segment qui explique un échec reproductible.
La concentration est également mesurée. Si 80 % des demandes éligibles reposent sur une seule famille ou un seul vendeur, la cellule peut convertir aujourd’hui tout en restant vulnérable. Une alerte ne signifie pas fermer ; elle déclenche une décision de résilience.
Construire un indice décomposable
Un indice synthétique facilite la comparaison, à condition de conserver ses composants. Une structure possible combine couverture des contraintes, nombre de choix indépendants, disponibilité fiable, zone de valeur et promesse tenue. Un zéro sur une condition obligatoire peut plafonner le résultat.
Éviter la compensation trompeuse
Vingt doublons ne compensent pas une indisponibilité. Un bon prix ne compense pas une incompatibilité. Les règles non compensatoires sont écrites avant le calcul. Le score final affiche toujours le goulot dominant et la confiance des données.
Les pondérations découlent d’une décision, pas d’une préférence analytique. Pour le recrutement vendeur, l’indépendance et la couverture pèsent davantage. Pour la fiabilité du parcours, fraîcheur et promesse dominent. Les versions empêchent de comparer deux périodes calculées différemment.
Définir des seuils par décision
Un seuil n’est utile que s’il déclenche une action. Zéro choix exige une solution de substitution ou un recrutement. Un seul choix répété signale une dépendance. Plusieurs choix indisponibles demandent une correction de flux. Une profondeur robuste peut autoriser une campagne de demande.
Créer une zone grise explicite
Entre insuffisant et robuste, la cellule reste en observation. L’équipe borne le trafic, collecte des preuves et interdit les promesses d’expansion. Cette zone évite de transformer une fluctuation de court terme en décision structurelle.
Les seuils portent une période minimale et un volume de demandes. Une cellule rare peut être jugée qualitativement avec des cas documentés ; elle ne reçoit pas une fausse précision statistique. La règle indique ce qui manque pour décider.
Un contrat de décision peut retenir, par exemple, quatre états. « Vide » signifie moins d’un choix éligible sur plus de 20 % des demandes observées ; « dépendante » signifie qu’un acteur ou une source porte plus de 70 % de la capacité ; « testable » exige au moins deux choix indépendants avec une confiance suffisante ; « robuste » exige trois choix ou davantage, une promesse tenue au-dessus du seuil de service et aucune dépendance critique. Ces valeurs sont illustratives : l’équipe les calibre sur sa promesse, puis les fige pendant la cohorte.
Identifier le goulot qui limite la profondeur
Le tableau classe chaque cellule selon son goulot : besoin mal défini, assortiment absent, doublons, stock incertain, prix hors zone, service non tenu ou visibilité défaillante. La priorité va au mécanisme qui empêche le plus de demandes d’atteindre un choix utile.
Choisir une intervention réversible
Recruter un vendeur ne corrige pas une recherche incapable d’exposer l’offre existante. Importer plus de fiches ne corrige pas un stock obsolète. La première intervention vise le goulot avec une cohorte, une durée et un verdict.
Le diagnostic prépare ensuite les décisions de liquidité. Le cadre GMV et liquidité marketplace relie la profondeur disponible à la demande, au délai de rencontre et à la concentration ; il ne doit pas être remplacé par le score d’offre seul.
Cas concret : 12 000 fiches et presque aucun choix
Une cellule de pièces techniques contient 12 000 fiches et 28 vendeurs. Après application de la compatibilité, du territoire et du délai attendu, 1 400 offres restent éligibles. Le regroupement révèle seulement 90 familles, dont 63 dépendent du même distributeur. Le stock fiable réduit encore la profondeur à 34 familles.
Décider à partir du goulot réel
La demande montre que quinze compatibilités concentrent la majorité des sessions sans choix. L’opérateur ne lance pas un recrutement généraliste. Il cible trois fabricants indépendants, corrige la fraîcheur des stocks existants et crée une alerte sur les compatibilités prioritaires.
Huit semaines plus tard, le catalogue brut n’a augmenté que de 4 %, mais la part de demandes avec au moins trois choix fiables passe de 18 à 46 %. Les annulations baissent parce que l’offre créditée par l’indice est réellement disponible. Le résultat mesure une profondeur, pas une opération d’import.
Éviter les erreurs de mesure fréquentes
Les erreurs classiques consistent à compter les variantes comme des solutions, ignorer la dépendance de stock, agréger des territoires, utiliser la moyenne seule ou modifier les pondérations pour embellir une tendance. Une autre erreur transforme le score en objectif vendeur sans exposer les règles.
Tester le score contre des sessions réelles
L’équipe choisit des demandes connues et vérifie que les cellules jugées profondes offrent effectivement plusieurs options crédibles. Les faux positifs révèlent un attribut manquant, une promesse mal modélisée ou une famille trop large. Les faux négatifs signalent une règle trop stricte.
La mesure ne doit pas favoriser artificiellement la marketplace elle-même. Les offres opérées, sponsorisées et tierces suivent les mêmes règles d’éligibilité. La visibilité commerciale reste une décision distincte de la profondeur du marché.
Installer le pilotage en six semaines
La première semaine sélectionne dix cellules représentant abondance, rareté et forte demande. La deuxième définit contraintes obligatoires, familles et dépendances. La troisième relie disponibilité, prix rendu et promesse. La quatrième rejoue le modèle sur quatre semaines d’événements.
Valider avant de généraliser
La cinquième semaine fait relire les faux positifs par produit, opérations et commerce. La sixième publie l’indice, ses composants, ses seuils et trois décisions pilotes. Chaque décision possède un owner, un coût, une cohorte et une date de verdict.
À trente jours, l’équipe contrôle couverture des données, stabilité des familles et réduction du goulot. À quatre-vingt-dix jours, elle compare les demandes avec zéro, un ou trois choix, les échecs de promesse et la concentration. Une amélioration du score sans amélioration de ces sorties bloque l’extension.
Le déploiement commence en lecture seule. Pendant deux semaines, l’ancien reporting et le nouvel indice tournent côte à côte. Chaque écart supérieur à dix points est relu sur les événements sources : mauvaise affectation de cellule, stock trop ancien, famille de substituabilité excessive ou promesse non captée. L’équipe corrige la règle et rejoue l’historique ; elle ne réécrit pas manuellement le résultat d’une cellule.
Une fois les écarts compris, le tableau expose pour chaque cellule l’état, la confiance, le goulot, la décision, l’owner et la date de verdict. Le monitoring alerte lorsqu’une cellule robuste devient dépendante, lorsque la part de demandes sans choix dépasse le seuil pendant trois jours ou lorsque la fraîcheur du stock invalide plus de 15 % des offres créditées. Le retour arrière désactive le score comme outil de décision sans supprimer les événements ni leurs versions.
Gouverner le score et ses responsabilités
Le sponsor arbitre la capacité, pas la formule. Produit possède les règles d’éligibilité et de substituabilité ; opérations possèdent disponibilité et service ; commerce possède le recrutement ciblé ; data possède la traçabilité et le recalcul. Une modification de pondération exige une hypothèse, une simulation sur la cohorte précédente et une date d’entrée en vigueur. Cette gouvernance empêche le KPI de devenir une négociation mensuelle.
Le journal conserve auteur, motif, données affectées, résultat avant et après, approbation et procédure de repli. Une correction rétroactive produit une nouvelle série au lieu d’effacer l’ancienne. Le comité peut ainsi expliquer une rupture de tendance et vérifier qu’un gain ne vient pas d’une règle assouplie.
Décider ce qui passe en premier
La revue ordonne les actions selon le nombre de demandes bloquées, la criticité de la promesse, la capacité nécessaire et la réversibilité. Elle ne lance qu’une intervention majeure par cellule afin de pouvoir attribuer le résultat au mécanisme testé.
- À faire d’abord : recruter ou activer une capacité sur les contraintes non couvertes.
- À corriger ensuite : fiabiliser données, visibilité ou service avant d’ajouter des offres.
- À valider : maintenir une cohorte bornée lorsque le volume ne permet pas encore de conclure.
- À refuser : promouvoir une cellule dont la capacité servable ne peut pas être financée.
Relier la profondeur aux décisions suivantes sans confondre les métriques
La profondeur décrit la capacité disponible dans une cellule ; elle ne prouve pas encore que la demande est suffisante ni que l’économie est soutenable. Une cellule robuste mais rarement sollicitée ne doit pas recevoir automatiquement un budget d’acquisition. Une cellule peu profonde avec une forte demande appelle d’abord une décision d’offre.
Passer de la mesure à l’allocation
Le premier QBR marketplace met en regard profondeur, demande, coût et risque pour choisir où investir. Il utilise le présent indice comme une preuve parmi d’autres, sans le transformer en verdict universel. Cette séparation protège la cohérence : la cellule définit l’unité, la profondeur mesure l’offre et le QBR arbitre le portefeuille.
Le diagnostic de contrainte d’offre marketplace approfondit ensuite le mécanisme dominant lorsque disponibilité, capacité ou couverture bloque la rencontre. Les équipes conservent ainsi trois questions distinctes : existe-t-il plusieurs options réellement achetables, la demande rencontre-t-elle ces options dans un délai acceptable et la rencontre crée-t-elle une valeur durable ? Répondre séparément évite qu’un bon catalogue masque une faible demande ou qu’un GMV concentré masque un marché sans alternative.
Conclusion : approfondir avant d’élargir
La profondeur d’offre utile ne récompense ni le catalogue le plus long ni le plus grand nombre de vendeurs inscrits. Elle mesure combien de choix distincts, disponibles, compétitifs et fiables répondent à une demande située dans une cellule de marché.
Cette lecture révèle les goulots que le volume brut masque : compatibilité absente, dépendance commune, stock périmé, promesse fragile ou visibilité défaillante. Elle permet de recruter avec précision, de corriger avant d’acquérir et de refuser une expansion encore impossible à servir.
Une marketplace solide approfondit donc les cellules où elle sait créer plusieurs rencontres de qualité, puis ouvre la suivante avec les mêmes preuves. Dawap peut vous aider à construire cette mesure et à l’intégrer au pilotage de votre marketplace opérateur.
