Rentabilité à la première commande : définition et calcul

Définition complète

La rentabilité à la première commande (first-order profitability en anglais) est le bénéfice ou la perte générés par l'achat initial d'un client. Elle est calculée en soustrayant trois catégories de coûts du montant de la première commande : le coût des marchandises vendues (COGS), les frais de traitement et d'expédition, et le coût d'acquisition client (CAC). Le résultat peut être positif — la commande dégage un bénéfice immédiat — ou négatif — l'entreprise perd de l'argent sur ce premier achat et doit compter sur des achats répétés pour rentabiliser son investissement d'acquisition.

Cette métrique est particulièrement stratégique pour les marques de commerce direct (D2C), les plateformes e-commerce et les entreprises dont le modèle repose sur la valeur vie client plutôt que sur la rentabilité immédiate. Elle répond à une question que beaucoup d'entreprises évitent de poser explicitement : si ce client ne commande jamais une deuxième fois, combien avons-nous gagné ou perdu sur cet achat ?

À ne pas confondre avec la marge brute, qui mesure le rapport entre chiffre d'affaires et COGS sur l'ensemble de l'activité sans distinguer les nouveaux clients des clients existants, ni avec la contribution margin, qui inclut les coûts variables marketing mais s'applique souvent à l'ensemble du portefeuille. La rentabilité à la première commande est une métrique de granularité fine, calculée au niveau de la cohorte d'acquisition ou de la campagne.

Comment calculer la rentabilité à la première commande

La formule de base est la suivante : rentabilité à la première commande = panier moyen de la première commande − COGS − frais de traitement et d'expédition − CAC. Chaque composante doit être mesurée avec précision pour que le résultat soit exploitable.

Le point critique est l'allocation du CAC. Deux approches coexistent : le CAC blended divise le budget marketing total par le nombre de nouveaux clients sur la période — simple mais peu précis. Le CAC par canal alloue les dépenses publicitaires spécifiques à chaque campagne aux clients générés par cette campagne — plus précis, mais nécessite une infrastructure d'attribution fiable. Pour une analyse de rentabilité à la première commande par canal d'acquisition, le CAC par canal est indispensable.

Exemple concret

Prenons l'exemple d'une marque D2C française de cosmétiques naturels. Son panier moyen à la première commande est de 62 €. Le COGS de ces produits représente 22 € (35 % du prix de vente). Les frais de préparation et d'expédition s'élèvent à 8 € par commande. La marque dépense 45 000 € par mois en publicité Meta et Google pour acquérir 1 500 nouveaux clients, soit un CAC blended de 30 €.

Le calcul de rentabilité à la première commande donne : 62 € − 22 € − 8 € − 30 € = 2 € de bénéfice par première commande. La marge est mince — mais positive. À ce niveau, la moindre hausse des CPM Meta ou une augmentation des tarifs de transporteur peut faire basculer la rentabilité dans le négatif. La direction décide alors de tester un seuil de livraison gratuite à 70 € pour augmenter le panier moyen de la première commande. En deux mois, l'AOV des nouveaux clients passe à 74 €, ce qui améliore la rentabilité à la première commande à 14 € — une marge sept fois plus élevée, obtenue sans modifier une seule campagne publicitaire.

Analyse approfondie

La rentabilité à la première commande est l'un des indicateurs les plus révélateurs de la solidité structurelle d'un modèle D2C ou e-commerce. Une entreprise qui affiche une croissance rapide du chiffre d'affaires mais une rentabilité à la première commande fortement négative construit en réalité un déficit structurel — chaque nouveau client acquis creuse un trou dans la trésorerie que seuls les achats répétés peuvent combler. La question n'est pas de savoir si ce modèle est viable en théorie, mais si le taux de réachat observé est suffisant pour rembourser ce déficit dans un délai raisonnable.

La relation entre la rentabilité à la première commande et la valeur vie client (LTV) est fondamentale. Une entreprise avec une LTV élevée peut se permettre une première commande déficitaire à condition de connaître précisément son délai de récupération. Mais cette décision doit être consciente et documentée, pas subie. Trop d'entreprises D2C découvrent tardivement que leur taux de réachat réel est deux fois inférieur à leurs projections initiales, rendant le modèle économique non viable malgré des indicateurs de croissance flatteurs.

Le coût d'acquisition client est la variable la plus volatile dans ce calcul. En période d'inflation publicitaire — comme celle observée sur Meta Ads depuis 2021 — le CAC peut augmenter de 30 à 50 % en quelques trimestres sans que l'entreprise modifie sa stratégie. Une rentabilité à la première commande calculée avec un CAC de 25 € peut devenir fortement négative si ce CAC grimpe à 40 €. C'est pourquoi la surveillance hebdomadaire de cet indicateur est non négociable pour toute entreprise dont le modèle d'acquisition repose sur la publicité payante.

L'AOV (panier moyen) est le levier le plus immédiatement accessible pour améliorer la rentabilité à la première commande. Une hausse de 15 % de l'AOV sans modification du CAC améliore mécaniquement la rentabilité à la première commande du même montant en valeur absolue. Les tactiques d'augmentation de l'AOV sur la première commande — seuils de livraison gratuite, offres groupées, upsells post-achat — sont donc des investissements directs dans la solidité du modèle économique, pas de simples optimisations de conversion.

Dans le contexte français et européen, deux facteurs structurels pèsent sur la rentabilité à la première commande des marques D2C : les coûts logistiques élevés liés à la fragmentation géographique et aux standards de livraison rapide imposés par les grandes plateformes, et les taux de retour particulièrement importants dans le secteur de la mode et des cosmétiques (parfois 30 à 40 %). Ces retours réduisent le COGS net de la commande mais génèrent des frais logistiques additionnels qui doivent être intégrés dans le calcul pour obtenir une vision réaliste de la rentabilité réelle.

Erreurs fréquentes dans le suivi de la rentabilité à la première commande

• ✗

  Ne pas inclure les frais de retour dans le calcul : les retours produits génèrent des coûts logistiques réels — collecte, traitement, remise en stock ou destruction — qui réduisent la rentabilité effective de la commande. Les ignorer conduit à surestimer systématiquement la rentabilité à la première commande, particulièrement dans les secteurs à fort taux de retour comme la mode ou l'électronique. Un taux de retour de 20 % avec des frais de 12 € par retour représente 2,40 € de coût supplémentaire par commande à intégrer dans le calcul.

• ✗

  Utiliser un CAC blended quand le mix canal est hétérogène : un CAC blended de 30 € peut masquer un CAC de 15 € sur le référencement naturel et de 55 € sur Meta Ads. Si la rentabilité à la première commande est calculée avec le CAC blended, les décisions d'allocation budgétaire seront faussées — vous pourrez croire que Meta est rentable alors que seul le SEO génère une première commande réellement positive. La segmentation par canal est indispensable pour toute décision d'investissement média.

• ✗

  Confondre panier moyen global et panier moyen à la première commande : les clients existants commandent généralement des paniers plus élevés que les nouveaux clients, qui testent souvent avec une commande minimale. Utiliser l'AOV global dans le calcul de la rentabilité à la première commande conduit à des projections optimistes. Il est impératif de segmenter l'AOV par cohorte — premiers acheteurs d'un côté, clients récurrents de l'autre — pour obtenir une mesure précise.

Comment Fairview suit la rentabilité à la première commande

Fairview connecte vos sources de données e-commerce — Shopify, Stripe, votre plateforme logistique et vos comptes publicitaires — pour calculer automatiquement la rentabilité à la première commande par cohorte, par canal d'acquisition et par SKU. Contrairement aux outils analytiques génériques qui s'arrêtent au chiffre d'affaires, Fairview intègre les frais de traitement réels, les taux de retour observés et le CAC par campagne pour produire un indicateur de rentabilité précis et actualisé en continu.

Les alertes automatiques de Fairview signalent toute dégradation de la rentabilité à la première commande — qu'elle soit causée par une hausse du CAC, une augmentation des frais logistiques ou une compression du panier moyen — avant qu'elle n'affecte significativement la trésorerie. Chaque alerte est accompagnée du contexte causal pour que votre équipe puisse agir directement sur le levier concerné plutôt que de passer du temps à diagnostiquer l'origine du problème.

Questions fréquentes