Sell-Through Rate (Taux d'écoulement)

Définition complète

Le sell-through rate — également appelé taux d'écoulement ou taux de liquidation — est le ratio entre les unités vendues et les unités reçues (ou disponibles) sur une période définie. Il répond à une question précise : quelle proportion d'un lot de marchandises a-t-on réussi à vendre avant une échéance donnée ?

Contrairement à la rotation des stocks (inventory turnover), qui mesure combien de fois le stock moyen est renouvelé sur une année en flux continu, le sell-through rate est conçu pour les catégories à lots discrets : une saison de mode, une collection capsule, un lancement de produit, un achat groupé pour les fêtes. Il suit l'avancement de la liquidation d'un lot spécifique, pas le flux général du stock.

Le sell-through rate est l'indicateur central de la planification des achats et des promotions dans le commerce de détail, la mode et le e-commerce D2C. Il permet de décider à quel moment déclencher une promotion, à quel niveau fixer la remise, et si un SKU doit être réapprovisionné ou liquidé. Mal suivi — ou suivi trop tardivement — il est la principale cause des destructions de marge en fin de saison.

Comment le calculer

Le calcul de base est simple : diviser les unités vendues par les unités reçues (ou disponibles au début de la période) et multiplier par 100 pour obtenir un pourcentage.

Plusieurs précisions méthodologiques sont nécessaires pour un calcul fiable. Premièrement, le dénominateur : doit-on utiliser les unités reçues (quantité initialement commandée et livrée) ou les unités disponibles à la vente (stock réel, déduction faite des unités endommagées, défectueuses ou retenues pour les retours) ? La pratique standard utilise les unités reçues, mais certains opérateurs préfèrent les unités disponibles pour mesurer la performance commerciale nette.

Deuxièmement, le traitement des retours : les retours clients doivent être déduits des ventes pour obtenir un sell-through net. Un taux de retour élevé (fréquent dans la mode en ligne) peut gonfler artificiellement le sell-through brut et masquer une performance nette insuffisante. Fairview calcule les deux — sell-through brut et sell-through net — pour donner une image fidèle de la vélocité réelle.

Troisièmement, les checkpoints temporels : le sell-through rate n'a de sens qu'en référence à une échéance précise. Les checkpoints standards dans le prêt-à-porter et le e-commerce D2C sont 4 semaines après la mise en vente, 8 semaines, et la fin de saison (typiquement 20 à 24 semaines). Chaque checkpoint a ses propres benchmarks cibles.

Exemple concret

Une marque de mode D2C française lance sa collection printemps-été avec 1 200 unités réparties sur 24 références (SKU). Quatre semaines après le lancement, le sell-through global est de 38 % (456 unités vendues). Ce chiffre est en dessous de la cible de 45 % à 4 semaines — ce qui est préoccupant mais pas encore critique.

À l'analyse SKU par SKU, 6 références affichent un sell-through de 65 à 80 % — elles sont en rupture de taille sur certains coloris et nécessitent un réapprovisionnement rapide. En revanche, 8 références stagnent entre 15 et 25 % — elles représentent 310 unités à risque à un prix de vente moyen de 89 €, soit 27 590 € de stock potentiellement bloqué.

À 8 semaines, le sell-through global atteint 54 % — toujours sous la cible de 65 %. Les 8 SKU sous-performants n'ont progressé qu'à 32 % en moyenne. La décision s'impose : une promotion à -20 % est déclenchée sur ces 8 références pour ramener le sell-through à 70 % avant la fin de saison, en sacrifiant environ 5 500 € de marge pour éviter une liquidation à -50 % ou -60 % en fin de saison qui aurait coûté 15 000 à 18 000 € de marge. Sans suivi systématique du sell-through par SKU, cette décision aurait été prise 4 à 6 semaines trop tard.

Analyse approfondie

Le sell-through rate est souvent présenté comme un indicateur simple, mais son interprétation correcte exige de comprendre plusieurs dynamiques simultanément. La première est la courbe d'adoption saisonnière : dans la mode et les catégories saisonnières, les ventes ne sont pas linéaires. Elles suivent une courbe en S — lente au départ (les premiers acheteurs), rapide au milieu de saison (la majorité), puis décroissante à l'approche de la fin de saison. Un sell-through de 38 % à 4 semaines peut être parfaitement normal si la courbe historique montre que 60 % des ventes se concentrent entre les semaines 6 et 12. L'interprétation du sell-through exige donc une comparaison avec les courbes historiques de la même catégorie, pas seulement avec un seuil absolu.

La deuxième dynamique est l'effet de la distribution des tailles et des coloris. Dans la mode, un sell-through global satisfaisant peut masquer une distribution déséquilibrée : les tailles S et M se vendent en 4 semaines pendant que les tailles XL et XXL restent en stock jusqu'en fin de saison. Ces invendus de fin de saison par taille génèrent des démarques même quand le sell-through global semble correct. La granularité du suivi — par SKU (combinaison produit × taille × coloris) plutôt que par référence agrégée — est décisive pour anticiper ce problème.

La troisième dynamique concerne la relation entre sell-through et marge réalisée. Un sell-through de 85 % obtenu grâce à une promotion à -40 % n'a pas la même valeur qu'un sell-through de 75 % obtenu au prix plein. Pour cette raison, les opérateurs avancés suivent en parallèle le sell-through en unités et la marge réalisée par rapport à la marge cible. Fairview combine ces deux dimensions dans une vue unique : sell-through par SKU associé à la marge réalisée nette de promotions, ce qui permet de détecter les cas où la vélocité est achetée au détriment de la profitabilité.

La quatrième dynamique est l'optimisation des décisions de réapprovisionnement. Pour les marques qui réassortissent en cours de saison (réapprovisionnement partiel ou total de certaines références), le sell-through en cours de saison est le déclencheur principal de ces décisions. Un SKU à 80 % de sell-through à 6 semaines avec 4 semaines de stock restant est un candidat évident au réapprovisionnement — à condition que le fournisseur puisse livrer dans les délais. Un SKU à 30 % de sell-through à 6 semaines doit être exclu de tout réassort et faire l'objet d'une décision de liquidation planifiée. Ces décisions, prises sur la base de données en temps réel plutôt que d'un rapport mensuel, représentent plusieurs points de marge brute par saison.

Enfin, le sell-through rate est un indicateur avancé de la santé du portefeuille produit sur plusieurs saisons. Une marque dont le sell-through moyen progresse de 55 % à 72 % sur 4 saisons consécutives améliore son efficacité achats — elle achète moins de mauvaises références, ajuste mieux ses quantités aux tendances réelles, et réduit mécaniquement ses coûts de démarque et de liquidation. Cet historique multi-saison est la donnée la plus précieuse pour les décisions d'achat de la saison suivante, et c'est précisément ce que Fairview archive et rend exploitable sans extraction manuelle.

Erreurs fréquentes

• ✗

  Suivre le sell-through au niveau de la collection, pas du SKU. Un sell-through global de 65 % peut masquer 8 SKU à 90 % (en rupture) et 6 SKU à 20 % (en surstock). Les décisions de réapprovisionnement et de démarque se prennent au niveau SKU — un suivi agrégé conduit à des actions trop tardives et trop peu ciblées, ce qui détruit la marge sur les mauvaises références et rate du chiffre d'affaires sur les bonnes.

• ✗

  Ne pas déduire les retours du sell-through. Dans le e-commerce mode, les taux de retour peuvent atteindre 30 à 40 %. Un sell-through brut de 70 % avec un taux de retour de 35 % correspond à un sell-through net de 45 % — soit un niveau d'alerte. Ne pas corriger par les retours conduit à une vision trop optimiste du stock réellement liquidé et à des décisions de réapprovisionnement erronées.

• ✗

  Déclencher les promotions trop tard dans la saison. Une remise de -20 % à la semaine 8 sur un SKU à 35 % de sell-through permet généralement de récupérer la marge — la remise est faible et le temps de vente restant est suffisant. La même décision à la semaine 18 exige une remise de -50 % ou -60 % pour liquider le stock avant la fin de saison, ce qui détruit 2 à 3 fois plus de marge. Le sell-through rate est précieux précisément parce qu'il donne le signal assez tôt pour agir à moindre coût.

Comment Fairview suit cet indicateur

Fairview connecte votre plateforme e-commerce (Shopify, WooCommerce, Magento) et votre système de gestion des stocks (ERP, WMS) pour calculer le sell-through rate par SKU, par catégorie de produit et par canal de vente en temps réel. Il suit chaque checkpoint défini — 4 semaines, 8 semaines, fin de saison — et compare automatiquement chaque taux aux cibles historiques et sectorielles.

Pour chaque SKU passant sous le seuil d'alerte, Fairview génère une Next Best Action concrète : décision de promotion avec le niveau de remise recommandé pour atteindre la cible de sell-through fin de saison, décision de transfert entre canaux (par exemple, rapatrier du stock depuis un point de vente physique vers le canal e-commerce plus rapide), ou décision d'arrêt de réapprovisionnement pour les références en surstock structurel.

Le tableau de bord Fairview affiche également le sell-through rate net (après retours), la marge réalisée par rapport à la marge cible pour chaque référence, et l'historique multi-saison par SKU — sans extraction manuelle ni consolidation de fichiers. Si une collection dépasse 15 % de SKU sous le seuil d'alerte à 6 semaines, une alerte opérationnelle est générée avec le détail des références concernées et le coût estimé de l'inaction.

Questions fréquentes