Basket Size (Taille du panier moyen)

Définition complète

Le basket size — littéralement « taille du panier » — désigne la valeur ou la quantité d'articles inclus dans une seule commande complétée. Le terme est hérité du commerce de détail physique où l'on mesurait la valeur du panier d'achat de chaque client en caisse. Dans le e-commerce, il a survécu sans que son ambiguïté fondamentale ne soit résolue : selon l'interlocuteur, « basket size » peut signifier le montant moyen dépensé par commande (synonyme de l'AOV) ou le nombre moyen d'unités par commande (synonyme de l'UPT).

Cette ambiguïté n'est pas un détail sémantique. Lorsqu'une équipe marketing rapporte que « le basket size a augmenté de 12 % », et qu'une équipe produit interprète cela comme une augmentation du nombre d'articles alors qu'il s'agit d'une hausse du prix moyen unitaire, les décisions qui en découlent — merchandising, prix, promotions — sont fondées sur des données mal comprises. La pratique recommandée est de rapporter systématiquement les trois composantes : AOV (valeur en euros), UPT (nombre d'unités) et AUR (prix moyen unitaire), en utilisant l'identité AOV = UPT × AUR.

En tant qu'indicateur, le basket size occupe une position centrale dans les économies unitaires du e-commerce et du retail. Avec le coût d'acquisition client, le taux de réachat et la marge brute par commande, il détermine la valeur vie client et la rentabilité du modèle. Une variation de 10 % du basket size a généralement plus d'impact sur la marge que la même variation du trafic — parce qu'elle ne génère pas de coût d'acquisition supplémentaire.

Comment le calculer

Le calcul dépend de la définition retenue. Pour la valeur monétaire (basket size = AOV) :

Pour la quantité (basket size = UPT) :

L'identité complète — AOV = UPT × AUR — permet de diagnostiquer la source d'une variation. Si l'AOV progresse de 8 % mais que l'UPT reste stable, la hausse provient d'une augmentation du prix moyen unitaire (mix produit vers le haut de gamme, hausse de prix). Si l'UPT progresse mais que l'AUR baisse, les clients achètent plus d'articles mais à prix plus bas — typiquement une promotion sur le volume. Cette décomposition est essentielle pour évaluer si une progression du basket size est pérenne ou conjoncturelle.

Un point méthodologique important : le basket size doit être calculé sur les commandes nettes (après retours et annulations) pour être représentatif de la valeur réelle générée. Dans les catégories à fort taux de retour — mode (20–35 %), chaussures (25–40 %) — le basket size brut surévalue significativement la valeur réelle par commande.

Exemple concret

Une marque de beauté D2C française réalise 180 000 € de chiffre d'affaires en octobre sur 2 800 commandes, avec 5 100 unités vendues. Son AOV est de 64,29 € et son UPT de 1,82 unité par commande. En novembre, à la suite d'une campagne de bundling (trio de produits à 55 € au lieu de 68 € à l'unité), le CA atteint 210 000 € sur 2 600 commandes, avec 6 500 unités. L'AOV est de 80,77 € (+25,6 %), l'UPT de 2,50 (+37,4 %) et l'AUR de 32,31 € (contre 35,33 € en octobre, soit -8,5 %).

Sans la décomposition AOV / UPT / AUR, la hausse de l'AOV de 25 % semble être une excellente nouvelle. Avec la décomposition, l'analyse montre que la hausse provient d'un volume d'unités supérieur, obtenu au prix d'une remise de 8,5 % sur le prix unitaire. La question pertinente devient : la marge de contribution par commande a-t-elle progressé malgré la remise ? Si le produit bundlé a une marge brute de 65 % et que le CAC n'a pas augmenté, la réponse est oui. Si la remise a ramené la marge sous 50 %, l'opération a augmenté le CA mais détruit de la marge — ce que le seul chiffre d'AOV ne permettait pas de voir.

Analyse approfondie

Le basket size est l'un des leviers d'économie unitaire les plus accessibles parce qu'il agit sur le revenu par commande sans générer de coût d'acquisition supplémentaire. Un client qui ajoute un article en cross-sell produit un revenu incrémental avec un CAC marginal nul — ce qui améliore mécaniquement le ratio LTV:CAC. C'est pourquoi les équipes e-commerce expérimentées consacrent autant d'attention à l'optimisation du basket size qu'à l'optimisation du taux de conversion.

La segmentation du basket size par canal d'acquisition est une analyse souvent négligée mais particulièrement révélatrice. Les clients acquis via des campagnes de prospection payante tendent à avoir des basket sizes inférieurs aux clients acquis via l'organique ou la recommandation — parce que les campagnes payantes attirent souvent des clients sensibles au prix ou répondant à une promotion spécifique. Cette différence peut être considérable : un basket size de 45 € sur le canal Meta Ads et de 75 € sur le canal SEO organique implique une LTV très différente par canal, et donc une stratégie d'allocation budgétaire différente de celle que suggérerait le seul ROAS de surface.

Le basket size des primo-acheteurs est un indicateur particulièrement stratégique. Les clients qui effectuent leur première commande avec un basket size élevé — parce qu'ils ont répondu à une offre de bundle ou fait confiance à la marque d'emblée — ont statistiquement un taux de réachat supérieur et une LTV plus élevée que les primo-acheteurs à faible basket size. Dans les données de plusieurs marques D2C françaises, les clients dont le premier basket dépasse 60 € ont un taux de réachat à 90 jours de 28–35 %, contre 12–18 % pour les primo-acheteurs sous 30 €. Ce signal est exploitable : optimiser le premier basket size (via bundling, seuil de livraison gratuite, recommandation personnalisée) a un impact sur la LTV qui dépasse largement la transaction initiale.

La saisonnalité du basket size est prononcée dans la plupart des catégories e-commerce. En France, les périodes de forte consommation — Noël (novembre-décembre), fêtes des mères et des pères, soldes — génèrent des basket sizes 20–45 % supérieurs à la moyenne annuelle, souvent parce que les clients achètent pour offrir et combinent plusieurs articles. La lecture du basket size doit donc intégrer une comparaison en glissement annuel plutôt qu'en séquentiel pour éviter des conclusions erronées : un basket size de 55 € en janvier après un basket size de 90 € en décembre n'est pas une dégradation — c'est la saisonnalité normale.

La relation entre basket size et taux de retour est une variable souvent ignorée dans les analyses d'AOV. Dans la mode et l'habillement, les clients qui commandent plusieurs tailles ou coloris pour choisir — pratique du « bracket buying » — génèrent des basket sizes bruts élevés mais des basket sizes nets faibles après retours. Une hausse du basket size brut dans cette catégorie peut indiquer une aggravation du bracket buying plutôt qu'une amélioration de l'engagement produit. L'AOV net (après retours) est le seul indicateur pertinent pour évaluer la performance réelle.

Erreurs fréquentes

• ✗

  Confondre basket size et AOV sans préciser l'unité. Rapporter un « basket size de 68 € » sans indiquer qu'il s'agit de la valeur monétaire — et non du nombre d'unités — crée des malentendus entre équipes. Les tableaux de bord internes doivent libeller explicitement « AOV (€) » ou « UPT (unités) » plutôt qu'utiliser le terme générique basket size.

• ✗

  Optimiser l'AOV brut sans mesurer l'impact sur la marge. Les bundles, les seuils de livraison gratuite et les cross-sells augmentent l'AOV, mais pas nécessairement la marge de contribution par commande. Augmenter l'AOV de 15 % en ajoutant un article à marge négative ou en accordant une remise de 20 % dégrade la rentabilité. L'indicateur pertinent est la marge de contribution par commande, pas l'AOV en isolation.

• ✗

  Ne pas mesurer le basket size net après retours. Dans les catégories à fort taux de retour (mode, chaussures, électronique), l'AOV brut surévalue la valeur réelle par commande de 15 à 35 %. Les décisions de prix, de seuil de livraison gratuite et de budget marketing basées sur l'AOV brut conduisent à des économies unitaires surestimées et à des surprises sur la rentabilité réelle.

Comment Fairview suit cet indicateur

Fairview connecte votre plateforme e-commerce (Shopify, WooCommerce, PrestaShop) pour calculer l'AOV, l'UPT et l'AUR quotidiennement — en brut et en net après retours — segmentés par canal d'acquisition, par cohorte client (primo-acheteur vs fidèle), par catégorie de produits et par période. Il compare ces métriques aux objectifs définis et génère une Next Best Action si le basket size se dégrade sur un canal ou une catégorie donnée. Le tableau de bord Fairview affiche également la marge de contribution par commande associée à chaque variation du basket size — de sorte que l'équipe voit simultanément si l'AOV progresse et si cette progression est rentable. Si le basket size net recule de plus de 5 % sur deux semaines consécutives sur un canal spécifique, Fairview génère une alerte avec le détail des catégories en cause.

Questions fréquentes