Cours marketing : Intelligence et veille marketingg
Intelligence et veille marketing
Les grands objets d’études
Analyse du potentiel et de l’évolution des marchés
Évolution de la demande
Evolution des technologies
Evolution social et juridiques
Analyse concurrentielle
Analyse stratégique de la concurrence
Etude du positionnement des marques Segmentation des consommateurs
Analyse des structures de distribution
Structure des circuits de distribution
Analyse du comportement d’achat et de consommation
Analyse des processus de décision d’achat
Analyse de l’expérience de consommation
Analyse de la la réponse aux stimulation marketing
Caractéristiques du produit et de la marque
Prix et fiancement
Communication
Audit/Contrôle des activités marketing
Les finalités
Quelles sont les caractéristiques du phénomène de marché que l’on étudie ?
Quels sont les principaux segments du marché du surfwear?
Quelles sont principales variables, les causes et les processus qui expliquent un phénomène de marché
Pourquoi certains préfèrent une marque à une autre?
Comment en fonction d’une certaines connaissance prédire certains paramètres de marché
Prévoir les ventes
Choisir la décision qui donne le plus d’avantage au coût
Le processus d’étude
Définir la problématique
Revue de littérature et hypothèses
Choix méthodologiques
choix des variables (Y=f(X)) choix de l ’échantillon choix de la méthode de recueil définition d ’un plan de traitement
Recueil des données
Traitement et analyse des données
Rédaction du rapport de résultats
Le rapport de l’étude: présentation des
Sommaire détaillé
Rappel problème et objectifs
Synthèse, conclusions Méthodologie utilisée
• Description de la population et de l’échantillon
• Base de sondage, méthodes
• Plan du questionnaire
• Plan de dépouillement (analyse)
Résultats détaillés (anonymat)
Annexes (questionnaires, entretiens retranscrits)
Bibliographie
| Types de recherches | Sert à: | Se fait par : |
| Exploratoire | • Clarifier un problème • Se familiariser avec un sujet, un produit, une problématique • Tester un nouveau produit • Pré-tester des concepts de produits ou de publicité | Recherche documentaire Revue de littératureo Analyse de banques de o données Entrevues avec des o personnes-clés • Analyse de cas • Entrevues en profondeur • Entrevues de groupe • Techniques projectives |
| • Décrire une situation • Décrire les clients, ses attitudes et l'usage qu'il a de notre produit • Connaître les fournisseurs • Connaître un marché et sa structure • Suivre l’évolution d’une variable marketing (notoriété, essai, etc.) | • Données secondaires • Sondages • Observation | |
| Causale 22/03/2008 | Identifier un lien de cause à effet entre une variable dépendante (Y) et une ou plusieurs variables indépendantesIntelligence et veille marketing  (x) | • Données secondaires • Sondages 17 • Expérimentation |
Observation
Les méthodes d’études
Le système d’information marketing
L’étude des données secondaires études de cas
Séries chronologiques et modélisation
Etudes sectorielles
Les études qualitatives
Ethnographie
L’entretien
Réunions de groupes
Les études d’opinions (questionnaires)
Les méthodes expérimentales
L’analyse des données comportementales ( panel et bases clients)
22/03/2008 Intelligence et veille marketing
Les système d’information
L ’environnement contemporain:
Intégration et interopérabilité des systèmes d ’information
Acquisition des données en flots continus Du sondage au monitoring:
Sondage : mesure ponctuelle sur un échantillon
Monitoring : suivi continu et exhaustif d’une population
? vers un modèle cognitif du marketing
Le problème de l’interprétation
Le SIM ne produit pas de connaissance
La connaissance résulte de la confrontation de modèles, de données et de problèmes
L ’organisation
Les capteurs
Attitudes et opinions
Entretiens (interview, réunion de groupe)
Tests projectifs (Vignettes, scénarios)
Questionnaire (postal, face à face, tel, int) Observation ( participante, directe…)
Comportements
Panels
Bases clientèles / CRM
Compteurs (facture tel, mvts bancaires)
Expérimentation ( en laboratoire)
Marchés test ( behaviorscan, …)
Données secondaires
Séries statistiques
Etudes sectorielles
Etudes ad hoc
Acquisition des données
Connexions
Scanner (caisses) LAN.
Carnets de commande Intranet.
Fichiers de facturation Internet.
Questionnaires de satisfaction E.D.I.
Enquêtes ad hoc CRM
Agents commerciaux Datawarehouse
ATM et e-services. BDM
Données de panel
Enquêtes sectorielles
Types d’échantillon
| Indépendance | Dépendance | |||||
| homogéneité | hétérogéneité | homogéneité | hétérogéneité | |||
| 1 à 10 cas | Transversal | Etude comparative | ||||
| Longitudinal | Analyse de réseau dynamique | |||||
| Une vingtaine | Transversal | Analyse Réseau | de | |||
| de cas | Longitudinal | |||||
| Quelques dizaines | Transversal  | |||||
| Longitudinal | ||||||
| Quelques centaines | Transversal | enquêtes d'opinions | enquêtes d'opinions | |||
| Longitudinal | Pseudo-panels | |||||
| plusieurs milliers | Transversal | Sondage à grande Echelles | Sondage complexe | ??? | ||
| Longitudinal | panels | Modèles de | ||||
panels
Analyse des données secondaires
Etudes de cas
La constitution du cas données internes données secondaires interviews
Le choix de l ’échantillon approche comparative approche exhaustive
La grille d’analyse
La rédaction du cas
Séries chronologiques
Nature des séries
Un domaine spécifique à l ’économie
Économétrie des séries temporelles
Observatoires publics ( INSEE, INED, INRA) et privés ( Nielsen, GfK, IRI-Secodip, IMS, ..)
L’économétrie du marketing
La modélisation des choix
Les modèles de réponses Les modèles de diffusion et d ’adoption
Prévision et planification
La modélisation
Analyse théorique+ contrainte techniques
Spécification
Opérationalisation
Calibration- estimation
Tests de validité interne
Tests de validité externe
Simulation et prévision
Etudes sectorielles et documentaires
Les séries sectorielles
(Kompass, Nielsen, IMS, Ministère de l ’industrie,…)
Rapports d’activités et documents
Les sites institutionnels
Problèmes d ’analyse
Information à trianguler
Biais de structuration (framing)
Sur-optimisme des sources
Bibliographie
L’art de la littérature
La constitution du champs
Classer et catégoriser
Académiques : Proquest, Ebsco, JSTOR, emerauld Professionnelles
Processus cumulatif : faire le tour des écrits
Processus comparatif : identifier les écrits saillants
Structuration du champs
Méta-analyse
Analyse statistiques d ’ensemble d ’études
Quelques exemple
Efficacité de la pub (JM)
Groupes stratégiques
Analyse des données qualitatives
Approches ethnographiques
Observation participante
principe d ’immersion notes, Audiovidéo, journal de bord..
Approche phénoménologiques :
aborder l ’analyse avec les catégories immédiates de la perception
Approche narrative (un script, des rôles, des situations)
Observer in situ l’expérience touristique - « Revue Autrement » Etudes des jeux d ’enfants dans les cours de récréation.
La méthode des entretiens
La grille d’entretien
Le mode d ’enregistrement les phases de l ’entretien
(démarrage, engagement, digression, relance)
Confiance et confidentialité
(retrait de parole, écoute, règles de jeu précises, honnêteté, retour d ’information, préservation des sources)
Une question d ’expérience
Plus on a fait d ’entretien plus riche est leur contenu.
Le travail produit le sens :
mieux on connaît le sujet d ’entretien plus riche est le résultat
Les réunions de groupe
Techniques d’animation:
• le modérateur
• jeux de rôle
• dynamique de groupe • le conducteur
L ’enregistrement vidéo
Le recrutement et les gratifications
Les techniques spécifiques
• Focus group : centré sur un sujet
• Groupes nominaux : évaluations
• Groupes de « conflit »
Tests projectifs
À la manière de Rorcharsh
La médiatisation Technique des vignettes
La dimension narrative
Manipuler les facteurs
L’analyse de contenu
Analyse contextuelle :
• La notion de corpus
• Mise en relation stratégie, situation, objets
Analyse thématique
• découpage des unités de sens
• construction du répertoire de thèmes et sousthèmes
Analyse lexicale
• Filtrage du lexique et regroupement
• Analyse des profils
Traitement quantitatif
• par analyse de donnée - text mining
Une double approche
Méthodes de recueil des données
Types d ’analyse de données
| Echelle | Caractéristiques essentielles | Exemples courants | Exemples marketing | Traitements statistiques possibles | |
| Descriptif | Explicatif | ||||
| Nominale | Les objets sont identifiés et classés par des nombres | N° : SS, donnés aux joueurs de foot | Description d’un gpe de consommateurs par rapport aux variables de sexe, région, d’habitation, PCS.. | Mode, fréquence | Chi-deux, test binomial |
| Ordinale | Les nombres indiquent la position relative des objets mais pas l’importance des différences entre eux | Classement des équipes dans le championnat de France de foot, classement du top 50 musical | Classement de préférences de marques ou de poids, positions des marques sur le marché | Médiane, fractile | Correlation des rangs, ANOVA |
| D’intervalle | Les différences entre les objets peuvent être comparées ; le zéro est arbitraire | Echelle de température | Attitudes, opinions | Moyenne, écarttype | Correlations, t-tests, ANOVA, regression, analyse factorielle |
| De proportion | Le point 0 est fixé ; les proportions de l’échelle peuvent être calculées | Longueur, poids | Age, revenus, parts de marché, volumes de vente | Moyenne géométrique, moyenne harmonique | Coefficient de variation |
Echelles primaires de mesures
3.2.Techniques d’échelles non
| « Plus l’Union Européenne aura de pays membres, plus la paix et la sécurité en Europe seront garanties. » | |||||
| Pas d’accord du tout « | Plutôt pas d’accord | Ni en accord ni en désaccord | Plutôt d’accord | Tout à fait d’accord | |
Les échelles (1)
Traduire des données qualitatives en quantitatif.
Echelle de Lickert
Les échelles (2)
Le sémantique différentiel (Osgood)
« Pour moi personnellement, la publicité à la TV est :
Intéressante _ _ _ _ _ _ _ Ennuyeuse
Gaie _ _ _ _ _ _ _ Triste
Dangereuse _ _ _ _ _ _ _ Inoffensive
Monotone _ _ _ _ _ _ _ Pleine de vie
Trop fréquente _ _ _ _ _ _ _ Trop rare
| « Si LECLERC ouvre un magasin dans mon quartier, il y a __% de chances pour que j’y effectue mes achats alimentaires » Aucune chance Tout à fait certain | ||||||||||
| 10 | 20 | 30 | 40 | 50 | 60 | 70 | 80 | 90 | 100 | |
Echelle (4)
Echelle d’intention valeur du déclaratif ?
Récapitulatif des échelles non
| Echelle | Caractéristiques essentielles | Exemples | Avantages | Descriptif |
| Likert | Degré d’agrément sur une échelle de 1 (désapprouve fortement) à 5 (approuve fortement) | Evaluations des attitudes | Facile à concevoir, à gérer et à comprendre | Prends du temps |
| Sémantique différent iel | Echelle à 7 points avec 2 pôles | Images de marques, des produits ou des entreprises | souplesse | Controverse sur la continuité des données |
| Stapel | Echelle de 10 points à 1 pôle (-5 à +5), sans point neutre | Evaluations d’attitudes et images | Facile à concevoir ; gestion facile par téléphone | Engendre parfois de la confusion ; difficile à appliquer |
| D’intention | Donne une position sur ligne continue | Réactions à des spots publicitaires | Facile à concevoir | L’informatique est indispensable pour la praticité |
50
Les échelles : quelques règles
Présenter clairement les échelles
• Choisir l’échelle en fonction du traitement statistique envisagé (nominale, ordinale, métrique)
Choisir le nombre de positions sur l’échelle
Alterner les items positifs et négatifs
Conseil : pour classer des priorités
– Les échelles d’importance
– Le classement direct
– La méthode des points
Relation entre fiabilité et validité
La validité : lorsque les différences dans les SO reflètent des différences réelles entre les objets mesurés
SO = SR donc Ea + Es = 0,
La validité parfaite Ea=ES=0
La fiabilité: « Le degré selon lequel une mesure répétée dans les mêmes conditions donne le même résultat ». Autrement, les mesures de subissent pas d’erreur aléatoire:
La non validité
Validité et fiabilité
Validité de contenu
(l ’échelle doit bien correspondre sémantiquement au concept étudié)
Validité convergente
(Les éléments de l’échelle doivent aller dans le même
Validité discriminante
(l ’échelle doit être distinctes d ’autres concepts)
Validité externe
(elle reste consistante à travers les terrains étudiés)
Validité nomologique
(Elle permet de prédire la valeurs de variables liés au concept)
Outils et problèmes
G énéral
| Variable dépendante Variable dépendante | Variable dépendante Nominal Ordinal Métrique | Plusieurs Variables dépendantes Nominal Ordinal Métrique | |
| Analyse de distribution | Corrélations Corr de rang Test non param Test Param ANOVA Tests associations | ||
| ACP MDS Classifications AFC | AFD Modèles Régression Modèles logit Modèle LogLin | GLIMMIX Equations Structurelles Classes latentes MANOVA 58 |
Les techniques d’analyses
| H0 (Pas de relation; pas de différence) | En réalité vraie (Il n'existe pas de relation) | En réalité fausse (Il existe une différence) |
| Décision : H0 fausse (Rejet de l'hypothèse nulle) | Erreur de type I : risque ? de dire qu'il y a quelque chose alors qu'il n'y a rien (risque d'illusion) | 1-? |
| Décision : H0 vraie (Acceptation de l'hypothèse nulle) | 1- ? : puissance du test | Erreur de type II :(risque ?) de dire qu'il n'y a rien alors qu'il y a quelque chose. (risque de négligence) |
| 1) | A partir d'une théorie on déduit des faits. |
| 2) | ces faits sont les hypothèses de recherche. |
| 3) | on transforme ces hypothèses de recherche en hypothèses testables (nulle et alternative). |
| 4) | on choisit le test approprié. |
| 5) | on choisit des critères de décisions (zone de rejet). |
| 6) | on calcule la statistique à partir d'un échantillon aléatoire. |
| 7) | on prend la décision. |
| 8) | on infère la véracité de la théorie. |
Le test statistique
Etudes d’opinions
Opinions versus Attitude
Le caractère ad hoc des mesures
Le caractère situé des enquêtes
La sélection verbale
L ’élaboration des questionnaires
Le mode de recueil
Le questionnaire
La notion d ’échelle de mesure
Variables indépendantes et dépendantes
Attitudes, comportement, personnalité, socio-demo, etc… Les modes d ’applications
Panels de consommateurs
Panels homescan
Panels zones fermée
Analyse de BD marketing /
Une structure fixe :
stimuli/individu/comportement
La myopie concurrentielle
Les effets de sélection
La technique des panels
L ’intégration des données
Codage des données
dates et autres
L ’amélioration des l ’outil
Modèles de base de données
Fusion de données
Traitement des données multi-niveaux
Modélisations des événements
Modèles dynamique de réponse
Modèles de flux
Principe de l’expérimentation
Contrôle des facteurs
Facteurs contrôlés
Facteurs Blocs
Co-variables
Unités expérimentales / Expérience
La Randomisation
Un exemple
L’analyse de variance
• Format
• Lisibilite
Les marchés test
Le cas de BehaviorScan
Panel zone fermée
Anger : 10 000 panelistes 7 points de vente accord TV magazine - médiamétrie - pige MDprospectus tests marketing, lancement nouveaux produits,
1.2. Donnée «SECONDAIRE» vs
2.1. Les types d’études
• Les études exploratoires
– Les recherches documentaire
– L’observation de cas
• Les études descriptives
– Les études qualitatives
– Les sondages / enquêtes
– Les panels
• Les études causales (ou explicatives)
– Les tests (expérimentations)
– Les modèles marketing (économétrie)
76
2.2. Deux méthodologies possibles
77
| Échantillonnage par quotas | Échantillonnage probabiliste | |||||
| Avantages | ||||||
| - Simple - Rapide | - Méthode scientifique - Marges d'erreur sur résultats ( calcul des probabilités) - Contrôle des enquêteurs / liste | |||||
| Inconvénient | s - Existence de statistiques - Échantillon supposé homogène / variable de contrôle ET d’étude - Pas d’estimation mathématique | - Base de sondage incomplète - Non adapté aux petits échantillons (loi des grands nombres) | ||||
| 78 | ||||||
Échantillonnage
Quel traitement statistiques des données quantitatives
Traitement des données avant analyses
Traitement des données manquantes
Traitement statistiques possibles :
Univariée ou tri à plat (mode, médiane, moyenne : comptage
Bi-varié : descriptive ou explicative (tris croisé)
Multi-varié
(exp. ACP, typologies, analyse discriminante, régression multiple)
79
