Analyse expert · Révisée le 22.08.2026

Marketing mix SaaS : concevoir le packaging avec la rétention.

DÉCISION SOUTENUEModifier une offre ou une frontière de plan seulement si la contribution attendue par client s’améliore sans déplacer artificiellement les coûts vers le support ou le churn.

Ce qu’il faut distinguer

Trois conditions avant tout calcul.

01

Frontières auto-sélectives

Les limites de sièges, d’usage, d’automatisation ou d’intégration doivent séparer des besoins coûteux à servir. Retirer une frontière peut accroître la conversion tout en déplaçant les comptes complexes vers un plan sous-tarifé.

02

Marge après service

Infrastructure, onboarding, succès client, support et remises annuelles sont attribués au plan. La marge brute comptable peut ignorer les coûts réellement déclenchés par une promesse de service.

03

Rétention par cohorte

Le churn moyen mélange maturité, segment et ancienneté. Le calcul doit utiliser des cohortes comparables et séparer résiliation, contraction, expansion et migration de plan.

Méthode

Évaluer un packaging SaaS de la conversion au renouvellement

  1. 01Cartographier la valeur

    Relier chaque fonctionnalité ou limite à un mécanisme de valeur client, un coût fournisseur et un segment. Les frontières sans justification économique sont candidates à simplification.

  2. 02Reconstituer le prix net

    Intégrer remise annuelle, crédits, gratuités, mois offerts et expansion moyenne. Rapporter le revenu récurrent à la capacité réellement consommée.

  3. 03Projeter la valeur

    Utiliser une approximation LTV = marge mensuelle ÷ churn mensuel uniquement pour des cohortes relativement stables. Publier aussi un scénario de survie observée.

  4. 04Tester les migrations

    Simuler acquisition, upgrade, downgrade et churn après changement. Une migration forcée est acceptable seulement si le gain de contribution dépasse la perte de rétention plausible.

ÉLÉMENT ORIGINAL

Trois plans comparés par économie de cycle de vie

Prix, marge après service, churn et CAC sont réunis pour éviter qu’un plan à revenu élevé soit automatiquement considéré comme le meilleur.

PLAN 01

Essentiel

39 €/mois
Marge après service
28 €
Churn mensuel
4,2 %
LTV simplifiée
667 €
CAC
240 €
2,78× LTV/CAC
PLAN 02

Team

89 €/mois
Marge après service
66,75 €
Churn mensuel
2,8 %
LTV simplifiée
2 384 €
CAC
900 €
2,65× LTV/CAC
PLAN 03

Pro

149 €/mois
Marge après service
104,30 €
Churn mensuel
1,8 %
LTV simplifiée
5 794 €
CAC
1 800 €
3,22× LTV/CAC
JSONTélécharger le modèle de packaging SaaS
EXEMPLE ILLUSTRATIF · DONNÉES SIMULÉES

Le plan à 149 € crée un meilleur ratio malgré un CAC doublé

01 · SITUATION

Le plan Team facture 89 €, conserve 75 % de marge après service, subit 2,8 % de churn mensuel et coûte 900 € à acquérir. Le plan Pro facture 149 €, conserve 70 % de marge, subit 1,8 % de churn et coûte 1 800 € à acquérir.

02 · CALCUL

LTV simplifiée Team : 89 × 75 % ÷ 2,8 % = 2 384 €, soit 2,65 fois le CAC. Pro : 149 × 70 % ÷ 1,8 % = 5 794 €, soit 3,22 fois le CAC. Le prix seul aurait masqué l’effet de rétention.

03 · DÉCISION

Le plan Pro peut recevoir davantage d’acquisition, sous réserve que le churn observé soit stable et que l’onboarding ne franchisse pas un palier de capacité.

Conditions d’acceptation

Ce qui doit être vrai pour agir.

  1. 01

    Chaque frontière de plan correspond à une valeur et à un coût documentés.

  2. 02

    La marge inclut infrastructure, onboarding, support et succès client variables.

  3. 03

    La rétention est mesurée par plan, cohorte, segment et ancienneté.

  4. 04

    Upgrade, downgrade et churn sont simulés avant toute migration forcée.

Limites

Ce que cette analyse ne prouve pas.

  • La formule marge divisée par churn suppose une stabilité rarement parfaite.
  • Les contrats annuels retardent l’observation du churn et peuvent masquer une insatisfaction.
  • Les effets de réseau et de recommandation ne sont pas capturés par une LTV individuelle simple.

Références

Travaux mobilisés.

  1. Gupta, S., Lehmann, D. R. & Stuart, J. A. (2004), « Valuing Customers », Journal of Marketing Research.
  2. Moorthy, K. S. (1984), « Market Segmentation, Self-Selection, and Product Line Design », Marketing Science.
  3. Fader, P. S. & Hardie, B. G. S. (2009), « Probability Models for Customer-Base Analysis », Journal of Interactive Marketing.