Bornes de commande : ce que la recherche dit de l'attente et du panier

Les arguments commerciaux sur les bornes sont nombreux et rarement sourcés. Voici ce que la recherche académique permet réellement d'affirmer, en séparant les résultats solides des extrapolations. Pour le fonctionnement de la borne, voir la page bornes de commande.

Ce qui est établi : l'attente pèse sur la demande

Gao et Su (2018) ont modélisé l'effet des technologies de commande en libre-service sur les restaurants, en ligne (site, application) comme sur place (bornes). Leur modèle conclut que les clients qui les utilisent subissent un coût d'attente plus faible et que la demande augmente. Autre résultat : ces bénéfices peuvent se répandre jusqu'aux clients qui ne les utilisent pas, parce que la file raccourcit pour tous. Les auteurs montrent aussi, à contre-courant de l'opinion courante, que certains restaurants devraient augmenter leur effectif et non le réduire, y compris ceux dont les coûts de main-d'œuvre sont élevés. Enfin, la technologie en ligne se justifie quand les clients sont très sensibles à l'attente, la borne sur place quand ils le sont peu. Attention : il s'agit d'un modèle théorique, pas d'une mesure sur un parc de restaurants.

Ce qui est établi : une borne lente ou fragile perd son avantage

Kokkinou et Cranage (2013) ont simulé l'enregistrement dans un hôtel avec des bornes. Leur résultat, transposable à tout libre-service : le temps d'attente dépend du nombre de personnes, du rythme des arrivées, de la vitesse de traitement de la borne et de son taux de panne. Une borne lente ou qui plante allonge la file, surtout quand la demande est forte. L'étude porte sur un hôtel, non sur un restaurant ; elle apprend surtout que la qualité technique est la condition de l'avantage.

Ce qui est établi : la qualité perçue se joue sur les pannes et la conception

Meuter, Ostrom, Roundtree et Bitner (2000) ont analysé des centaines de témoignages de clients sur des services en libre-service. Les satisfactions viennent de ce que la technologie résout un besoin pressant, fait mieux que l'alternative et fonctionne. Les insatisfactions viennent de la panne, d'un processus mal conçu, d'une mauvaise conception ou d'une erreur du client que rien n'a rattrapée. Pour une borne, cela donne un cahier des charges : une interface qui ne laisse pas le client en échec, et un recours humain.

Ce qui reste incertain : l'effet sur le ticket moyen

Le discours courant veut que les bornes fassent monter le panier, car l'écran propose systématiquement des suppléments et ne se fatigue pas de le faire. C'est plausible, mais les études citées ci-dessus ne le mesurent pas. Deux éléments d'ordre général vont dans ce sens sans le démontrer. D'une part, le paiement par carte tend à faire dépenser davantage que les espèces : Prelec et Simester (2001) ont organisé une enchère pour des places de match, avec règlement par carte ou en espèces. Les offres des participants tenus de payer par carte étaient presque deux fois plus élevées, dans une expérience qui n'a pas séparé l'effet de la carte de celui du paiement différé. D'autre part, une borne ne fatigue pas de proposer l'accompagnement. Aucun de ces deux résultats ne chiffre l'effet d'une borne de restaurant sur votre ticket moyen.

Mesurer chez vous, en trois étapes

1. Choisir la comparaison. Comparez des plages équivalentes : même jour de la semaine, même service, avant et après l'arrivée de la borne, ou borne contre comptoir pendant le même service.
2. Retenir quatre mesures. Le nombre d'articles par commande, le ticket moyen hors taxes, le délai entre la commande et sa remise, et la part de commandes abandonnées ou corrigées. Les statistiques de vente du logiciel donnent les deux premières.
3. Calculer l'équilibre. Le gain mensuel est l'écart de marge par commande multiplié par le nombre de commandes à la borne. Il doit dépasser le coût mensuel de la borne. À titre d'exemple seulement : un gain de 0,60 € de marge par commande sur 40 commandes par jour, 26 jours par mois, rapporte 624 € par mois ; à 0,20 €, il en rapporte 208 €. L'écart entre ces deux hypothèses est celui de votre prudence.

Références

1. Gao, F., & Su, X. (2018). Omnichannel service operations with online and offline self-order technologies. Management Science, 64, 3595-3608. https://doi.org/10.1287/mnsc.2017.2787
2. Kokkinou, A., & Cranage, D. A. (2013). Using self-service technology to reduce customer waiting times. International Journal of Hospitality Management, 33, 435-445. https://doi.org/10.1016/j.ijhm.2012.11.003
3. Meuter, M. L., Ostrom, A. L., Roundtree, R. I., & Bitner, M. J. (2000). Self-service technologies: Understanding customer satisfaction with technology-based service encounters. Journal of Marketing, 64(3), 50-64. https://doi.org/10.1509/jmkg.64.3.50.18024
4. Prelec, D., & Simester, D. (2001). Always leave home without it: A further investigation of the credit-card effect on willingness to pay. Marketing Letters, 12(1), 5-12. https://doi.org/10.1023/A:1008196717017