Un vendeur marketplace peut vendre beaucoup et gagner peu. Le chiffre d’affaires donne une impression de dynamique, mais il ne dit pas si la commande protège réellement la marge une fois les commissions, coûts produits, transport, retours potentiels et opérations intégrés.
Le chantier des premiers calculs de marge par commande a été lancé dans Ciama pour donner une lecture plus robuste de la rentabilité. L’objectif était de rapprocher les ventes, les coûts et les canaux afin de mieux comprendre ce que chaque commande apporte vraiment. C’est le cœur du sujet calcul de marge marketplace.
Cette fiche raconte comment Dawap a posé une première base de marge opérationnelle, suffisamment claire pour aider les équipes à décider : défendre une offre, corriger un prix, surveiller un canal, limiter une vente destructrice ou préparer le pilotage dans Ciama Marketplace.
1. Présentation du client
Un vendeur qui devait regarder au-delà du volume
Le contexte était celui d’un vendeur dont l’activité marketplace générait des commandes sur plusieurs canaux, avec des règles économiques différentes. Une même référence pouvait sembler performante en volume, tout en portant une marge très différente selon la marketplace.
Les équipes avaient besoin de dépasser la lecture chiffre d’affaires. Une commande doit être comprise dans son contexte : prix de vente, coût d’achat, commission, transport, éventuels frais spécifiques et contribution réelle au résultat.
Le projet a donc été cadré comme une brique d’aide à la décision dans Ciama. Il ne s’agissait pas de construire une comptabilité complète, mais une lecture métier assez fiable pour orienter les arbitrages vendeur.
2. Méthode projet Dawap
Construire une marge utile avant de chercher la précision parfaite
La phase d’analyse a commencé par identifier les coûts disponibles, les coûts manquants et les coûts à approximer prudemment. Dawap a travaillé avec une logique de marge exploitable : mieux vaut une lecture robuste, expliquée et améliorable qu’un calcul théorique impossible à maintenir.
Le backlog a été suivi dans Jira par sprints. Les premiers lots ont rapproché commandes, lignes, produits et canaux. Les lots suivants ont ajouté les premières règles de coûts, les seuils d’alerte et les lectures par période.
Les validations ont été menées sur des commandes réelles afin de vérifier les écarts, les cas limites et les situations où la marge devait rester interprétée avec prudence. Cette transparence évite de transformer un indicateur utile en fausse certitude.
3. Avant le projet
Un pilotage trop centré sur le chiffre d’affaires
Avant ce chantier, les équipes lisaient surtout les volumes de ventes et le chiffre d’affaires par canal. Ces indicateurs restent utiles, mais ils ne permettent pas de savoir si la croissance est réellement saine.
Certaines commandes pouvaient sembler positives parce qu’elles augmentaient le volume, alors qu’elles absorbaient trop de marge une fois les coûts intégrés. À l’inverse, des canaux plus discrets pouvaient contribuer mieux au résultat.
Sans lecture de marge par commande, les décisions de prix, de promotion, de canal ou de stock reposaient trop souvent sur une vision partielle de la performance.
4. Objectifs du chantier
Rapprocher vente, coût et canal
Le premier objectif était de relier chaque commande à ses lignes, ses produits et son canal de vente. Sans ce rapprochement, la marge reste trop agrégée pour aider les équipes au quotidien.
Le deuxième objectif était d’intégrer les coûts disponibles : coût produit, frais canal, commissions, transport ou règles spécifiques connues. L’idée était de construire une première contribution par commande.
Le troisième objectif était de faire ressortir les cas à surveiller : marges faibles, commandes potentiellement destructrices, écarts de prix ou canaux qui demandent un arbitrage commercial.
5. Solution mise en place
Une première lecture de marge opérationnelle
Dawap a structuré dans Ciama une première couche de calcul de marge par commande en rapprochant les données de vente, les produits, les canaux et les coûts disponibles. La solution privilégie une lecture compréhensible par les équipes métier.
La marge est présentée comme un indicateur d’aide à la décision, avec suffisamment de contexte pour éviter les conclusions trop rapides. Une commande peut être rentable, fragile ou à analyser selon la qualité des données et les coûts connus.
Cette brique prolonge l’historique des ventes par canal : on ne regarde plus seulement ce qui vend, mais ce qui contribue réellement.
6. Coûts et règles de calcul
Expliquer les composantes plutôt que masquer la formule
Le chantier a distingué les coûts certains des coûts estimés. Cette transparence est essentielle : une marge calculée avec des données partielles doit rester lisible et améliorable, pas être présentée comme une vérité définitive.
Les règles ont intégré les coûts produits, les frais connus, les commissions marketplace et les éléments logistiques disponibles. Quand une donnée manquait, le calcul devait le signaler plutôt que l’enfouir.
Cette approche permet aux équipes de comprendre pourquoi une commande remonte comme fragile et quelle donnée manque pour améliorer la précision du pilotage.
7. Arbitrages métier
Utiliser la marge pour décider, pas seulement constater
La marge par commande devient utile lorsqu’elle déclenche une action : revoir un prix, limiter une promotion, surveiller un canal, ajuster un stock ou corriger une règle de diffusion.
Le projet a donc relié la marge aux décisions commerciales. Une vente à faible marge n’est pas toujours mauvaise si elle sert une stratégie de volume, mais elle doit être assumée et visible.
Cette logique rejoint directement l’optimisation des offres et du repricing marketplace, car un prix compétitif ne doit pas détruire la contribution réelle.
8. Qualité et limites assumées
Garder un indicateur fiable dans sa lecture
La qualité a été sécurisée par des contrôles sur les commandes, les lignes, les coûts et les canaux. Les cas incomplets ont été identifiés afin de ne pas mélanger marge calculée, marge estimée et marge non disponible.
Cette prudence est importante pour l’adoption. Les équipes doivent faire confiance à l’indicateur, mais aussi comprendre ses limites. Un bon outil de marge explique ce qu’il sait et ce qu’il ne sait pas encore.
La mise en production a donc privilégié une lecture progressive : d’abord les cas les plus fiables, puis l’enrichissement des coûts et des règles au fil des retours terrain.
9. Résultats obtenus
Une lecture plus saine de la performance
Après mise en production, les équipes disposent dans Ciama d’une lecture plus concrète de la rentabilité par commande. Elles peuvent distinguer les ventes qui soutiennent la croissance de celles qui méritent un arbitrage.
Le pilotage gagne en maturité : les discussions ne portent plus uniquement sur le chiffre d’affaires, mais sur la contribution, les seuils de prudence et la qualité économique des canaux.
Cette base prépare aussi les futures analyses par produit, marque, catégorie ou marketplace. La marge par commande devient le premier niveau d’une lecture plus large.
Preuve opérationnelle : repérer les ventes qui abîment la rentabilité
Le calcul par commande permet d’identifier les ventes qui semblent positives en volume mais fragiles en contribution. C’est une brique essentielle du calcul de marge marketplace, surtout quand le vendeur doit arbitrer entre volume, stock et rentabilité.
10. Scénario terrain
Une commande rentable en apparence, fragile dans le détail
Le chiffre d’affaires peut donner une impression trompeuse. Une commande marketplace peut sembler intéressante tant que l’on ne rapproche pas le coût d’achat, la commission canal, les frais logistiques, les remises et les contraintes de traitement.
Dans Ciama, le calcul par commande donne une première lecture de contribution. L’équipe peut repérer une vente qui grossit le volume mais détruit la marge, ou un canal qui mérite une règle différente parce que ses coûts changent l’équation.
Ce scénario transforme la marge en signal de pilotage. Le vendeur ne se contente plus de vendre davantage ; il commence à protéger ce qui rapporte vraiment, canal par canal et produit par produit.
11. Ce que cela prépare dans Ciama
La base des futurs modules marge et profit leaks
Cette brique prépare les modules Ciama orientés marge : détail de marge par offre, détection de profit leaks, seuils de rentabilité, prix planchers et analyses par canal.
Elle permet de relier les commandes, les offres, les coûts et les décisions de prix. La marge n’est plus un calcul isolé en fin de mois : elle devient un signal de run.
Dans Ciama Marketplace, cette logique aide les équipes à surveiller les ventes fragiles, documenter les arbitrages et protéger la rentabilité dans la durée.
12. Projets proches
Relier ventes, stock et rentabilité
La fiche historique des ventes par canal montre la base qui permet ensuite d’analyser la contribution.
La fiche synchronisation des stocks ERP et marketplaces explique pourquoi la marge doit aussi être reliée à la disponibilité.
Le projet module Marketplace de Ciama prolonge cette trajectoire vers un cockpit de marge, offres et performance.
13. Conclusion
La marge donne une boussole aux décisions marketplace
Ce projet montre pourquoi le pilotage marketplace ne peut pas s’arrêter au volume de commandes. Une vente peut être bonne, fragile ou destructrice selon son canal, son coût, son prix et les règles économiques qui l’entourent.
En posant les premiers calculs de marge par commande, Dawap donne aux équipes une boussole plus fiable : elles peuvent repérer les ventes à surveiller, défendre les prix planchers et mieux comprendre les arbitrages entre croissance et rentabilité.
Cette logique s’inscrit naturellement dans l’accompagnement Agence marketplace vendeurs, puis dans Ciama Marketplace lorsque la marge doit devenir un indicateur suivi chaque semaine.
