Mesure de la performance marketing - PowerPoint PPT Presentation

Loading...

PPT – Mesure de la performance marketing PowerPoint presentation | free to view - id: 29e061-ZDc1Z



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

Mesure de la performance marketing

Description:

Lecture d'un ouvrage de r f rence (chapitres associ s aux conf rences) Marketing Engineering. Mise disposition d'un logiciel avec une base d'exemples ... – PowerPoint PPT presentation

Number of Views:97
Avg rating:3.0/5.0
Slides: 38
Provided by: POS84
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: Mesure de la performance marketing


1
Mesure de la performance marketing
  • Pierre DESMET

2
Organisation
  • Objectifs
  • Compréhension de lapport des modèles commerciaux
    avancés en marketing
  • Sur les différentes dimensions du mix (produit,
    prix, publicité,)
  • Application sur un exemple
  • Animations et contrôle
  • Conférences par des professionnels
  • Lecture dun ouvrage de référence (chapitres
    associés aux conférences) Marketing Engineering
  • Mise à disposition dun logiciel avec une base
    dexemples
  • Cas à traiter en groupe de 4 étudiants (Assessor)

3
Séances
  • 20/2
  • 27/2
  • 6/3
  • 13/3
  • 20/3
  • 27/3
  • 3/4

4
Performance marketing
  • Le marketing doit créer de la valeur
  • Pour le client (réelle, symbolique)
  • Pour lentreprise (réduction de coût,
    productivité)
  • Sinon le modèle  low cost  domine
  • La performance doit être  pilotée 
  • dun attribut nest pas toujours mieux
  • Comment mesurer la performance ?
  • À court terme
  • Sur les ventes,le profit, la part de marché
  • À moyen terme
  • Sur la valeur client, la valeur de la marque

5
Un modèle
  • Définition une représentation simplifiée de la
    réalité pour une analyse selon un point de vue
    spécifique
  • Quel but / objectif ?
  • Descriptif, processus
  • Prédictif
  • Explicatif, comprendre, évaluer
  • Normatif, intègre les objectifs et contraintes
  • Caractéristiques
  • Quelle nature ? Verbal / Graphique /
    Mathématique
  • Quelles hypothèses générales et opérationnelles ?
  • Quel contenu les variables et les relations ?

6
Des modèles
  • Classification selon la structure
  • Quel niveau individuel, agrégé
  • Quels acteurs
  • Quels éléments sont pris en compte
  • Classification selon le contenu
  • Forme des effets ?
  • Degré dagrégation ?
  • Concurrence ?
  • Dynamique ?
  • Degré de complexité du modèle sur les Y, les X
  • Mono ou multi-équations q, Qm

7
Un modèle pour  améliorer  la prise de décision
  • Quelle prise de décision ? (seule, groupe, délai,
    fréquence, )
  • Quelle décision ?
  • Quelle(s) variable(s) ?
  • Quelles options ?
  • Quelles contraintes ?
  • Quels critères de choix ? profit, volume, part
    de marché
  • Quel horizon ? Quel taux dactualisation ?
  • Quelle aversion pour le risque ?
  • Quels effets de la décision ?
  • Sur le marché ?
  • Sur les clients ?
  • Sur les concurrents (actuels / autres)

8
Utilité dun modèle
  •  Vision du monde 
  • Facilite la prise de décision en groupe en
    clarifiant
  • Les objectifs
  • Les hypothèses
  • Cohérence dans les décisions successives
  • Exploration systématique de lensemble des
    options possibles
  • Evaluation des conséquences des actions

9
Critères dévaluation dun modèle
  • Daprès J.D.C LITTLE, pour un manager, un  bon 
    modèle est
  • Simple Complet Robuste Adaptable
  • Compréhensible
  • Spécification
  • Les bonnes variables, variables daction,
    représentation des effets, des interactions
  • Estimation / calibration
  • Mode destimation, qualité des données
  • Validité
  • Validité faciale, descriptive, prédictive
  • Utilité pour lutilisateur
  • Facilité dusage, degré de contrôle,
    compréhension, robustesse

10
Les limites
  • Linformation utilisée
  • L'information est imparfaite, biaisée, tronquée
  • la mémoire, humaine ou virtuelle, est imparfaite,
    infidèle
  • passé et présent, plutôt que futur
  • le comportement n'est pas toujours rationnel,
    justifiable,...
  • Les études ne peuvent pas prédire le futur, mais
    plutôt,
  • Aider à la COMPREHENSION des phénomènes actuels
  • Réduire L'INCERTITUDE
  • Il y a toujours un modèle sous-jacent
  • Le coût du modèle est-il justifié ?
  • Élaboration
  • Mise en uvre
  • utilisation

11
Grandes catégories dinformation
  • Les connaissances marketing
  • Les sources dinformation
  • Expertise, expérience, subjectif
  • Enquête et Sondage
  • Panels (recensement) de magasins
  • Panels dindividus ou de ménages
  • Expérimentation et manipulation
  • Laboratoire (in vitro) / En zone test / En réel
    (in vivo)
  • Qualité de linformation
  • Qualité (erreur, non réponse,), précision,
    fraîcheur
  • Arbitrage contrôle / validité externe
  • Des intentions, attitudes ou des Comportements
  • Des ventes, des achats ou des acheteurs ?

12
Exemple
  • Quelle suggestion faite vous au responsable
    marketing pour sa politique de prix ?

13
Approche système
Objectifs
Concurrent j
  • Performance
  • Notoriété
  • Préférence
  • Achats
  • Ventes

Distributeur
Actions i
Clients
Environnement
t n
14
Deux questions à traiter
  • ESTIMATION La fonction de réaction choisie
    est-elle bien adaptée à la réaction de la demande
    ?
  • ACTION Quelle décision permet datteindre les
    objectifs et de respecter les contraintes ?
  • Elles peuvent être traitées comme une recherche
    doptimum sur une fonction (éventuellement avec
    des contraintes)
  • ESTIMATION minimisation des erreurs / résidus
  • ACTION maximisation du profit, de la part de
    marché, des ventes,
  • Pour un optimum (minimum, maximum), étudier
  • La dérivée première
  • La dérivée seconde

15
Solveur
  • Formaliser le problème
  • 1 Un critère 2 A maximiser ou Minimiser
  • 3 Des variables 4 Des contraintes
  • Attention !
  • UNE solution pas LA solution
  • Analyse de sensibilité
  • Valeurs de démarrage

1
2
3
Gradient lent, pb de convergence, peu de
mémoire Newton calcul dérivées secondes
4
16
Utilisation descriptive dun modèle
  • http//www-marketing-science-center.com/charge/bas
    iquesolveur.xls

17
Utilisation normative dun modèle
  • http//www-marketing-science-center.com/charge/bas
    iquesolveur.xls

18
Etapes de la démarche demodélisation
  • Analyse conceptuelle du problème
  • Modèle théorique
  • Identification des variables à collecter,
  • des acteurs à prendre en compte,
  • de lunivers de létude (produits, magasins
    concernés)
  • Collecte de linformation, horizon, détail
  • Organisation des échantillons travail,
    validation
  • Choix du modèle structurel
  • Ajustement statistique du modèle structurel
  • Étude de la validité faciale et prédictive

19
Propriétés dune fonction de réponse
  • Y f(X) selon le domaine de définition
  • Sur Y Minimum / Maximum (saturation)
  • Sur X Positif négatif / début à 0
  • Entre X et Y (dérivées première et seconde)
  • Dérivée première
  • Signe constant
  • Signe variable (supersaturation)
  • Rendements constants stables / croissants /
    décroissants
  • Rendements évolutifs (courbe en  S )
  • Croissants puis décroissants
  • Symétriques ou dissymétriques
  • Effets dynamiques, retardés

20
Type d effet recherché
  • Saunders

Y
X
P1 Through Origin
P3 Decreasing Returns (concave)
P2 Linear
P4 Saturation
P5 Increasing Returns (convex)
P6 S-shape
P8 Super-saturation
P7 Threshold
21
Modéles linéarisables
  • http//www.marketing-science-center/charge/Courbes
    .xls

22
Traduction algébrique
  • Linéaire Y a bX
  • Racine fractionnaire Y a bXc
  • simple et flexible c prédéterminé
  • c1/2 racine carrée, c-1 modèle réciproque
  • Si a0, c est lélasticité
  • Semi-log Y ab.ln(X) x gt 0
  • Exponentiel Y aebx x gt 0
  • rendements croissants (bgt0) souvent utilisé
    pour les prix
  • Exponentiel modifié Y a (1 ebx) c,
  • bornes c et ac rendements décroissants

23
Modèles sigmoïdes
  • http//www.marketing-science-center/charge/Courbes
    .xls

24
Traduction algébrique
  • Logistique
  • facile à estimer saturation en ad symétrique
    autour de da/2
  • Agt0 1gtbgt0 clt1
  • Le rapport de différence successive en 1/Y est
    contant
  • Gompertz
  • Moins facile à estimer que la logistique
  • agt0 1gtbgt0 clt1
  • Le rapport de différence successive en log(Y) est
    contant
  • ADBUDG
  • Courbe en S si cgt1, concave si 0ltclt1 Y borné
    entre b et a

25
Quels effets dynamiques ?
  • Impulsion (temporaire) ou marche (durable) ?
  • Effets anticipés (lead) et différés (lag)
  • Effets amortis (goodwill)

26
Modèles à effets dynamiques
  • Marche
  • autre constante
  • Effet temporaire
  • variable auxiliaire 1 pendant la période
    considérée
  • Effet goodwill
  • Lissage des valeurs de la variable (ex modèle de
    Koyck)
  • GWt (1-a).GWt-1 a.Pubt

27
Exemple Lydia-pinkham
  • http//www.marketing-science-center.com/charge/lyd
    ia.sav
  • Données annuelles (1907-1960) de ventes et de
    publicité
  • Quel est leffet de la publicité ?

28
différences
29
Modèles dynamiques
  • Qt ventes, At advertising
  • Direct
  • Qt a0 b0At et
  • Retards distribués
  • Qt a0 b0At b11.At-1 b2.At-2 et
  • Koyck (retard infini contrainte
    auto-regressif) bkb0.l k
  • Qt a0(1-l) b0At l.Qt-1 (et - l.et-1)
  • Modèle des attentes adaptatives
  • Qt a0 b0.At et et (At - At-1) q. (At -
    At-1)
  • La valeur attendue pour Y est une moyenne
    pondérée des valeurs de X
  • Qt a0. q b0. q.At (1- q).Qt-1 (et (1-
    q).et-1)
  • Modèle de Koyck avec b0 b. q et l (1- q)
  • !!! Terme derreur en MA(1), la variable
    dépendante retardée ne doit pas être corrélée au
    terme derreur / D-W doit être adapté

30
modèles
  • R² 0.705
  • R² 0.331
  • R² 0.872, lambda 0.75
  • pendant combien de temps dure leffet dune
    publicité ?

31
Comment intégrer la concurrence ?
  • Exprimer les variables en relatif pi pi / pr
  • Quel point de référence (r) ?
  • Moyenne marché ? Concurrent proche ?
  • Modèle linéaire en Part de marché
  • mi a b.pi
  • robustesse ?
  • Modèle dattraction
  • mi Ai / ( Sj Aj)
  • Fonction dattraction multiplicative,
    exponentielle,
  • Ai b0 Pi b1
  • Linéarisation ? Moyenne géométrique des valeurs
  • Hypothèse de lindépendance des alternatives non
    pertinentes (IIA) ou concurrence proportionnelle

32
Etapes de la démarche de calibration
  • Choix du modèle structurel
  • Distribution Transformation
  • Estimation
  • Analyse des résultats
  • Prévision
  • Exemple
  • http//www.marketing-science-center.com/charge/Loc
    ali.sav
  • Prévision du chiffre daffaires dun nouveau
    magasin (valeur et IC à 95)
  • de lenseigne 4, dune surface de 7.000 m2 situé
    en zone 2 dans une zone de chalandise déjà
    équipée de 40.000 m2 de surface commerciale pour
    une population de 312.000 personnes et 120.000
    ménages (taille moyenne du foyer 2,6) dont le
    revenu annuel moyen est de 15.000 Euros (7
    dévasion et 8 dattraction).

33
Développer un modèle théorique
  • Quelle variable est expliquée par lautre ?
  • Ventes f(espace) ou espace f(ventes)
  • Quelles variables peuvent modifier la relation ?
  • Modérateurs
  • Faire un schéma structurel

Effectifs
Attr / Evasion
Richesse
Potentiel
Surface
CA
Concurrence
Enseigne
34
Quelles variables et quelles mesures ?
  • Performance
  • profit, ventes (volume, valeur), marge brute,
    marge nette
  • Variable d action espace alloué
  • Codage de la variable
  • valeur de l espace ?
  • Facteurs d influence  ça dépend  
  • de l enseigne, du magasin, de sa zone, de la
    concurrence, du rayon, du mobilier
    d exposition,
  • Problème de mesure
  • la variable est-elle connue directement ou
    indirectement ?

35
Choix du modèle structurel
  • Modèle linéaire
  • Modèle linéarisable
  • Modèle multiplicatif
  • Modèle compétitif
  • Quelle structure des erreurs ?
  • La même ? Quelles corrélations ?
  • Lien entre les variables explicatives
    (multi-colinéarité)

36
Choix de leffet dune variable
  • Des questions que devrait-il se passer si
  • La variable est mise à zéro ? (ordonnée à
    lorigine)
  • Le niveau est doublé ? (rendements)
  • Leffet de la variable est-il monotone ?
  • La variable Y a-t-elle des extrema ?
  • Leffet est analysé algébriquement ou par
    simulation ?
  • Des transformations pour rendre
  • Leffet linéaire
  • Leffet  accéléré  ou  freiné 
  • Leffet  variable  selon la valeur d une autre
    variable
  • Leffet variable selon la valeur de  Y 

37
Généraliser l utilisation dun modèle ?
  • Les résultats ou le modèle
  • Compréhension du modèle par l utilisateur
  • capacité, formation, coût
  • Limites du modèle
  • Mise à jour (conditions, délai, coût)
  • Version opérationnelle
About PowerShow.com