master marketing / pierre desmet 1 analyse conjointe pierre desmet
TRANSCRIPT
Master MARKETING / Pierre Desmet
1
Analyse conjointe
Pierre DESMET
SommaireSommaire© Pierre DESMET
2
Plan
Exemple introductif
Objectifs
Cadre théorique et Hypothèses
Variantes et terminologie
Méthodologie
Applications
SommaireSommaire© Pierre DESMET
3
Exemple introductif
Illustration Brand-price trade-off (BPTO)
http://www.mastermarketingdauphine.com/charge/Prix/BPTO.xls
Eaux minérales 1,5 Litres plastiqueEvian Contrex St Amand Orée
Indiquez le rang de vos préférences ? (1 puis 2, 3 etc…)
Prix 1 Prix 2 Prix 3 Prix 4Evian 1 2 3 4
Contrex 10 13 15 16St Amand 5 6 9 12
Orée (Auchan) 7 8 11 14
SommaireSommaire© Pierre DESMET
4
BPTO par Régression linéaire
Modèle linéaire sur les rangs (régression)
Utiliser le solveur pour estimer les coefficients et MINIMISER la case en rouge
30,1 -11 -10 -12 -24,37 9,95A B C D px Classt Régression
1 0 0 0 0,52 1 16 17,4 2,03 -0,41 0 0 0 0,60 2 15 15,5 0,23 1,51 0 0 0 0,68 3 14 13,5 0,23 3,51 0 0 0 0,76 4 13 11,6 2,03 5,41 1 0 0 0,54 10 7 6,4 0,33 10,61 1 0 0 0,62 13 4 4,5 0,23 12,51 1 0 0 0,70 15 2 2,5 0,28 14,51 1 0 0 0,78 16 1 0,6 0,18 16,41 0 1 0 0,32 5 12 11,9 0,01 5,11 0 1 0 0,40 6 11 10,0 1,05 7,01 0 1 0 0,48 9 8 8,0 0,00 9,01 0 1 0 0,56 12 5 6,1 1,16 10,91 0 0 1 0,34 7 10 9,9 0,01 7,11 0 0 1 0,42 8 9 8,0 1,05 9,01 0 0 1 0,50 11 6 6,0 0,00 11,01 0 0 1 0,58 14 3 4,1 1,16 12,9
Evian ContrexSt AmandOrée (Auchan)100 65,1 65,5 60,5
1
2
3
4
10
13
15
16
5
6
9
12
7
8
11
14
1
23
45
6
78
9
1011
1213
14
1516
17
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17Classement
No
te d
e ré
gre
ssio
n
Indice de valeur des marques
100
65 6661
0
20
40
60
80
100
120
140
Evian Contrex St Amand Orée (Auchan)
SommaireSommaire© Pierre DESMET
5
BPTO par Programmation linéaire
Modèle par programmation linéaire (Min sous contraintes)
initialisation
Evian Contrex St Amand Orée (Auchan)
Prix Que faire ?
0,19 0,31 0,25 -2,00 Restitution de vos choix(minimiser) BON : uniquement ascendant ; MAUVAIS : ligne brisée
0,00 -0,71 -0,74 -0,80 -1,50 100,00 Astuce !
Produit Rang RangPrix préférence Utilité préférence Utilité Marque Prix
décroissante estimée décroissante estimée
1 1 1,00 1 1,00 Evian 0,52
2 2 0,89 2 0,89 Evian 0,60
3 3 0,78 3 0,78 Evian 0,68
4 4 0,67 4 0,67 Evian 0,76
5 10 0,33 5 0,60 St Amand 0,32
6 13 0,22 6 0,49 St Amand 0,40
7 15 0,11 7 0,52 Orée (Auchan) 0,34 *8 16 0,00 8 0,41 Orée (Auchan) 0,42
9 5 0,60 9 0,38 St Amand 0,48
10 6 0,49 10 0,33 Contrex 0,54
11 9 0,38 11 0,30 Orée (Auchan) 0,50
12 12 0,27 12 0,27 St Amand 0,56
13 7 0,52 13 0,22 Contrex 0,62
14 8 0,41 14 0,19 Orée (Auchan) 0,58
15 11 0,30 15 0,11 Contrex 0,70
16 14 0,19 16 0,00 Contrex 0,78
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
160,000 0,100 0,200 0,300 0,400 0,500 0,600 0,700 0,800 0,900 1,000
Utilité
Pré
fére
nce
s (r
an
g)
SommaireSommaire© Pierre DESMET
6
Définition et Problématiques
Définition L’analyse conjointe est une famille de méthodes d’études de marché visant à
obtenir, reconstituer et simuler des choix individuels
Elle correspond à l’étude des variations des attributs autour d’un point d’équilibre
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 l’attrait d’une variante produit/service
Identifier l’importance 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 d’attributs Analyse conjointe
SommaireSommaire© Pierre DESMET
7
La base théorique
La valeur d’un produit Est déterminable « dans l’absolu » (en dehors du lieu d’achat
Résulte d’une 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 = l’attitude vis-à-vis de l’objet présenté
a i = l’évaluation de l’objet sur l’attribut i (i ={1, ...K})
i = le poids accordé à l’attribut i.
Autres modèles de choix non compensatoires Conjonctif : niveau d’exigence minimale sur des critères
Disjonctif : recherche d’une valeur maximale sur un critère
Lexicographique : choix séquentiel par ordre d’importance décroissante des critères
A i.ai
i1
K
SommaireSommaire© Pierre DESMET
8
Cadre théorique
Perceptions Xij
Performance- Achats- Ventes
Ensemble deConsidération I
Contributions Wj
ValorisationPréférences Yi
Choix CjIntention d’achat IA
i
Attributs / Modalités J Stimuli
Règle AgrégationSegmentation
Conception
Mesure
Analyse
Simulation
SommaireSommaire© 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
SommaireSommaire© Pierre DESMET
10
SommaireSommaire© Pierre DESMET
11
SommaireSommaire© Pierre DESMET
12
SommaireSommaire© Pierre DESMET
13
SommaireSommaire© Pierre DESMET
14
SommaireSommaire© 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 l’est pas toujours)
Pas trop nombreux et suffisamment distincts
Attention pas d’extrapolation (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)
SommaireSommaire© Pierre DESMET
Quelles réponses sont demandées ?
Format de la réponse : non métrique Acceptabilité / considération
Classement des combinaisons d’attributs 2x2 (trade-off)
Choix d’une 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 d’un plan a priori
Si 4 variables à 2 modalités et 2 variables à 3 modalités alors il y a 144 combinaisons (24.32 ) : Impossible de les faire évaluer toutes
Plan adaptatif en fonction des réponses antérieures
16
SommaireSommaire© Pierre DESMET
17
Hypothèses de valorisation
Hypothèses classiques Rationalité, transitivité, stabilité des préférences
Modèle d’évaluation compensatoire 2 modalités (+;-) se compensent : + cher mais qualité supérieure
Les alternatives doivent donc être assez comparables
Modèle d’évaluation monotone « Plus » est toujours « mieux »
Classer les modalités, inverser les attributs
Modèle d’évaluation 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 d’acceptabilité/rejet des stimuli
SommaireSommaire© 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) + . 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
SommaireSommaire© Pierre DESMET
19
Méthodes d’estimation
(A) Réponse quantitative Intervalle : Note d’appréciation (7, 10), échelle d’intention d’achat,
Ratio : partage de 100 points,…
Analyse de variance et régression avec variables auxiliaires binaires
Faible nombre de degrés de liberté si l’estimation 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 d’une échelle d’IA)
Logit
SommaireSommaire© Pierre DESMET
20
Qualité de l’ajustement
(A) validité interne, à faire au niveau individuel
Etudier un échantillon séparé d’alternatives d’évaluation pour valider la qualité individuelle
Éviter le « sur-apprentissage » des données
Etudier un échantillon séparé d’individus (hold out sample) si l’estimation est faite au niveau d’un groupe de répondants
(B) Validité externe
Comparer les résultats avec des résultats agrégés Si l’échantillon est représentatif
SommaireSommaire© Pierre DESMET
Interprétation
(A) Interprétation des résultats / aux attentes Présentation graphique des utilités partielles
Détermination de l’ « importance » conditionnelle relative de l’attribut CRI
Amplitude de l’utilité partielle des modalités de l’attribut divisée par la somme des amplitudes de tous les attributs
(B) Valorisation financière des attributs Intégration d’une variable prix et obtention de l’utilité associée à
différents prix
Calcul de l’équivalent financier d’une unité d’utilité Prix 15€ = 0.5; Prix 25€ = 0.2 Une unité d’utilité (0.1) vaut = (25-15)/(0.5-0.2) = 3.33 €
Calcul de l’équivalent financier de l’utilité apportée par une caractéristique
Si WC dans chambre = 0.6 Equivalent monétaire du WC dans la chambre = 20 €
(C) Simulation des choix
21
SommaireSommaire© Pierre DESMET
22
Evolution des méthodes d’analyse
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 http://www.sawtoothsoftware.com/downloads.shtml
SommaireSommaire© Pierre DESMET
23
Le modèle de choix : Modèle de valorisation
Différentes règles de choix pour passer de l’utilité à la probabilité de choix
Utilité maximale : premier choix = 1
Utilité pondérée (ad-hoc) (0.6;0.3;0.1)
Part d’utilité (BTL Bradley-Terry-Luce) : Ui / (Uj)
Règle Logit : Exp(Ui)/ Exp(Uj)
Autre règle ad-hoc : Ui / (Uj ) (= 2)
U max Part d'UPart d'U pondérée Logit
Produit Utilité Règle 1 Règle 2 Règle 3 Règle 4A 0,8 1 32% 41% 23%B 0,75 0 30% 36% 22%C 0,5 0 20% 16% 17%D 0,3 0 12% 6% 14%E 0,1 0 4% 1% 12%F 0,05 0 2% 0% 11%
2Somme 2,5 1,555 9,50
SommaireSommaire© 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 d’un 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 : l’utilité partielle est la somme d’une utilité
moyenne et d’une variation individuelle déterministe (caractéristiques de l’individu) et aléatoire
SommaireSommaire© 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