La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Master MARKETING / Pierre Desmet 1 Analyse conjointe Pierre DESMET.

Présentations similaires


Présentation au sujet: "Master MARKETING / Pierre Desmet 1 Analyse conjointe Pierre DESMET."— Transcription de la présentation:

1 Master MARKETING / Pierre Desmet 1 Analyse conjointe Pierre DESMET

2 Sommaire © Pierre DESMET 2 Plan Exemple introductif Objectifs Cadre théorique et Hypothèses Variantes et terminologie Méthodologie Applications

3 Sommaire © Pierre DESMET 3 Exemple introductif Illustration Brand-price trade-off (BPTO)

4 Sommaire © Pierre DESMET 4 BPTO par Régression linéaire

5 Sommaire © Pierre DESMET 5 BPTO par Programmation linéaire

6 Sommaire © Pierre DESMET 6 Définition et Problématiques Définition Lanalyse conjointe est une famille de méthodes détudes de marché visant à obtenir, reconstituer et simuler des choix individuels Elle correspond à létude des variations des attributs autour dun point déquilibre le gain sur une dimension nécessite une perte sur une autre Elle appartient à la classe des modèles de composition (approche formative) Intérêt Marketing Evaluer lattrait dune variante produit/service Identifier limportance des caractéristiques objectives Identifier les niveaux préférés des modalités Problématique Etude Reconstituer au mieux les préférences et les choix Déterminer les utilités partielles attribuées aux caractéristiques Pour chaque segment de clientèle Démarche Désagrégation : partir des préférences globales et identifier les attributs importants Agrégation : demander les préférences pour des paniers dattributs Analyse conjointe

7 Sommaire © Pierre DESMET 7 La base théorique La valeur dun produit Est déterminable « dans labsolu » (en dehors du lieu dachat Résulte dune somme de la valeur de ses caractéristiques Caractéristiques objectives Modèle de choix du consommateur Pas de modèle de perception Un modèle d'attitude linéaire et compensatoire sur les attributs séparables Basé sur des préférences déclarées Un modèle de choix Modèle multi-attributs (Fishbein) A = lattitude vis-à-vis de lobjet présenté a i = lévaluation de lobjet sur lattribut i (i ={1,...K}) i = le poids accordé à lattribut i. Autres modèles de choix non compensatoires Conjonctif : niveau dexigence minimale sur des critères Disjonctif : recherche dune valeur maximale sur un critère Lexicographique : choix séquentiel par ordre dimportance décroissante des critères

8 Sommaire © Pierre DESMET 8 Cadre théorique Perceptions Xij Performance - Achats - Ventes Ensemble de Considération I Contributions Wj Valorisation Préférences Yi Choix Cj Intention dachat IA i Attributs / Modalités J Stimuli Règle Agrégation Segmentation Conception Mesure Analyse Simulation

9 Sommaire © Pierre DESMET Méthodologie générale 9 Choix des attributs et des modalités Elaboration des stimulis et Plan expérimental Collecte des données individuelles Estimation des coefficients Segmentation Interprétation Simulation des choix Choix du type de réponse

10 Sommaire © Pierre DESMET 10

11 Sommaire © Pierre DESMET 11

12 Sommaire © Pierre DESMET 12

13 Sommaire © Pierre DESMET 13

14 Sommaire © Pierre DESMET 14

15 Sommaire © Pierre DESMET 15 Les stimulis à évaluer Quels attributs et modalités ? Déterminants pour le choix (et pas seulement « important » : exemple « sécurité » ) Positifs et Négatifs Objectifs et manipulables, communicables Décrivant complètement le produit Pas trop nombreux (<7) Quelles modalités ? Amplitude réaliste Modalités réalistes (même si la combinaison finale ne lest pas toujours) Pas trop nombreux et suffisamment distincts Attention pas dextrapolation (interpolation seulement) Quels mode de présentation ? Papier ou ordinateur, web (auto-administré ou avec interviewer) Description verbale, dessin-image, objet réel Quel profil des objets ? Profil Complet (full profile) Comparaison par paires ou triades (choix, CBC) Classement des combinaisons de 2 attributs (Trade-off)

16 Sommaire © Pierre DESMET Quelles réponses sont demandées ? Format de la réponse : non métrique Acceptabilité / considération Classement des combinaisons dattributs 2x2 (trade-off) Choix dune alternative parmi 2 ou 3 (CBC) Format de la réponse : métrique Préférence (intensité de la préférence relative) Note (intervalle) Allocation de 100 points (ratio) Combien de réponses sont demandées ? Plan complet Plan incomplet (avec des alternatives communes) Au minimum Nb total de stimuli = Nb total de modalités – nb attributs + 1 Limiter la charge pour le répondant : 20 (30 grand max) Quel plan expérimental des stimuli (scénarii proposés) Elaboration dun plan a priori Si 4 variables à 2 modalités et 2 variables à 3 modalités alors il y a 144 combinaisons ( ) : Impossible de les faire évaluer toutes Plan adaptatif en fonction des réponses antérieures 16

17 Sommaire © Pierre DESMET 17 Hypothèses de valorisation Hypothèses classiques Rationalité, transitivité, stabilité des préférences Modèle dévaluation compensatoire 2 modalités (+;-) se compensent : + cher mais qualité supérieure Les alternatives doivent donc être assez comparables Modèle dévaluation monotone « Plus » est toujours « mieux » Classer les modalités, inverser les attributs Modèle dévaluation linéaire Pour les attributs continus (prix,…) Toutes les alternatives évaluées sont supposées connues Si le choix utilise séquentiellement des attributs différents (lexicographique ou conjonctif ) Faire une première étape dacceptabilité/rejet des stimuli

18 Sommaire © Pierre DESMET 18 Modèle de valorisation pour le modèle multi-attributs Règle de composition : Linéaire U = +. X Linéarisable U = +. Log(X) Point à point U =. (si X=1) +. (si X=2) +. (si X=3) Lnéaire par partie (part-worth) U = +. X (si X 1) Avec seuil U = +. X.(si X => 1) Avec interaction U = +. X1 +. X2. +. X1*X2 Tous les attributs suivent-ils le même profil ? Effet selon la position relative / à la référence Effet si négativement perçu Effet si positivement perçu Exemple : satisfaction

19 Sommaire © Pierre DESMET 19 Méthodes destimation (A) Réponse quantitative Intervalle : Note dappréciation (7, 10), échelle dintention dachat, Ratio : partage de 100 points,… Analyse de variance et régression avec variables auxiliaires binaires Faible nombre de degrés de liberté si lestimation est faite au niveau individuel Nécessité de poser une contrainte sur les coefficients : soit wj1= 1 soit wjk=0 Hypothèses sur les résidus à valider (B) Classement MONANOVA (Anova avec monotonicité) Programmation linéaire (LINMAP) et analyse de sensibilité Logit ordonné (C) Choix parmi n options Logit multinomial (D) Choix exclusif (Réponse binaire ou agrégation des deux niveaux les plus élevés dune échelle dIA) Logit

20 Sommaire © Pierre DESMET 20 Qualité de lajustement (A) validité interne, à faire au niveau individuel Etudier un échantillon séparé dalternatives dévaluation pour valider la qualité individuelle Éviter le « sur-apprentissage » des données Etudier un échantillon séparé dindividus (hold out sample) si lestimation est faite au niveau dun groupe de répondants (B) Validité externe Comparer les résultats avec des résultats agrégés Si léchantillon est représentatif

21 Sommaire © Pierre DESMET Interprétation (A) Interprétation des résultats / aux attentes Présentation graphique des utilités partielles Détermination de l « importance » conditionnelle relative de lattribut CRI Amplitude de lutilité partielle des modalités de lattribut divisée par la somme des amplitudes de tous les attributs (B) Valorisation financière des attributs Intégration dune variable prix et obtention de lutilité associée à différents prix Calcul de léquivalent financier dune unité dutilité Prix 15 = 0.5; Prix 25 = 0.2 Une unité dutilité (0.1) vaut = (25-15)/( ) = 3.33 Calcul de léquivalent financier de lutilité apportée par une caractéristique Si WC dans chambre = 0.6 Equivalent monétaire du WC dans la chambre = 20 (C) Simulation des choix 21

22 Sommaire © Pierre DESMET 22 Evolution des méthodes danalyse Auto-expliqué (self explicated) 100 points entre les attributs 0 à 10 sur les modalités Analyse conjointe traditionnelle et simplifiée « trade off » et Marque contre prix (BPTO) Modèle mixte (CCA) : auto-expliqué+trade-off Évaluation des modalités Réponses sur les alternatives Modèle adaptatif (ACA) Pilotage de la collecte en fonction des réponses précédentes Et des poids indiqués pour les modalités et attributs Modèle basé sur les choix (CBC) Pilotage de la collecte en fonction des réponses précédentes Et des poids indiqués pour les modalités et attributs Modèle hybride Prendre en compte des variables individuelles segmentantes En savoir plus : voir la site de Sawtooth

23 Sommaire © Pierre DESMET 23 Le modèle de choix : Modèle de valorisation Différentes règles de choix pour passer de lutilité à la probabilité de choix Utilité maximale : premier choix = 1 Utilité pondérée (ad-hoc) (0.6;0.3;0.1) Part dutilité (BTL Bradley-Terry-Luce) : Ui / (Uj) Règle Logit : Exp(Ui)/ Exp(Uj) Autre règle ad-hoc : Ui / (Uj ) ( = 2)

24 Sommaire © Pierre DESMET 24 Agrégation et Segmentation Les données de différents répondants sont-elles utilisées pour estimer des coefficients « communs » ? Segmentation Non : une analyse par répondant Oui : Préalable (sur des caractéristiques individuelles) Exemple clientèle affaire, tourisme; motivation de fréquentation,… Puis estimation dun modèle unique considérant les individus comme homogènes Oui : Concomitante (classes latentes) Oui : Postérieure Estimation pour chaque individu Typologie sur le profil des utilités individuelles Hétérogénéité individuelle Modèle hiérarchique : lutilité partielle est la somme dune utilité moyenne et dune variation individuelle déterministe (caractéristiques de lindividu) et aléatoire

25 Sommaire © Pierre DESMET Cas Lessives (JMP) Importer, vérifier, définir les types Manipuler (empiler R1-R100) pour obtenir une matrice ind x obj Faire une régression globale (modèle linéaire) sur la note En prenant une constante par individu (IND comme une var explicative) Sortir les résidus, vérifier normalité Sortir les valeurs prévues, Faire un tableau & graphique prévu réel Faire une régression par segment (segmentation sur les préférences) Option 1 : régression par individu, puis agrégation Option 2 : ACP sur les préférences, puis typologie Suggestions Régression par groupe ou individu Dans la sortie, sur le tableau des estimateurs, clic droit et utiliser « construire une table de données combinées » Reprendre ensuite le data et faire un tableau de synthèse des poids des attributs (en utilisant Moyenne) Faire une description des moyennes des préférences par groupe 25


Télécharger ppt "Master MARKETING / Pierre Desmet 1 Analyse conjointe Pierre DESMET."

Présentations similaires


Annonces Google