Le baromètre 2017
Etudes et Intelligence Marketing

Vu, Lu & Entendu

Quelles analyses statistiques pour quoi faire ? - Le point de vue de Renaud Rouffiac (Harris Interactive)

11 déc. 2017

Cela fait partie des petits paradoxes de l’univers des études marketing que de souvent sous-exploiter les ressources qui sont les siennes. C’est à l’évidence le cas s’agissant des analyses statistiques, beaucoup de professionnels se contentant d’utiliser les outils des plus basiques alors que des éclairages bien plus puissants pourraient être apportés avec des approches un peu plus sophistiquées…. Mais encore faut-il avoir une vision claire du bon usage des différents types d’analyses ou, pour renverser la perspective, de savoir lesquelles privilégier en fonction des grandes problématiques classiques des études.

C’est ce « mode d’emploi » que nous propose Renaud Rouffiac, directeur de clientèle chez Harris Interactive.

POINT DE VUE : Renaud Rouffiac, Directeur de Clientèle chez Harris Interactive

Le constat est clair et souvent partagé : les analyses statistiques, qu’elles soient simples ou multidimensionnelles, sont trop souvent délaissées dans les prises de décisions marketing.

Ce type d’analyses est régulièrement mis en en retrait dans les rapports d’études alors qu’elles sont une source d’informations essentielles pour comprendre les performances d’un produit, d’un concept ou d’un service. Et il est fréquent que les équipes marketing et études ne parviennent pas à « digérer » les informations issues de ce type d’analyse, alors qu’elles sont d’une puissance redoutable.

Notre conviction est qu’il néanmoins possible d’intégrer dès que possible la statistique pour une meilleure interprétation des données mais également pour plus d’opérationnalité.

L’objet de cet article n’est pas d’approfondir les formules et explications statistiques complexes, que seuls les statisticiens peuvent comprendre et analyser. En revanche, étant souvent en relation avec les équipes Etudes, Marketing, Communication ou R&D, il nous semblait à propos de formaliser — en nous appuyant naturellement sur notre expérience au sein d’Harris Interactive — notre vision de ce que pourrait être un « mode d’emploi » de ces analyses en fonction des problématiques qui sont les leurs.

 

  1. 1.     Dans le cadre de tests de produits, de concepts, de packaging …

→ Les questions posées sont souvent :

 - Quels sont mes items d’image / de performances produits ou services à retravailler en priorité ?

- Comment expliquer les mauvaises performances de mon concept ?

- Quels sont les leviers pour accroitre mon liking, mon intention d’acheter/de souscrire ?

Dans de nombreuses demandes d’études, il est fréquent que nos clients souhaitent analyser les forces et faiblesses d’un concept ou d’un produit / service.

L’analyse la plus classique et la plus répandue dans le métier est « l’analyse de corrélation ». Tout institut doit être en mesure de vous fournir les liens linéaires qui existent entre l’intention d’acheter votre produit ou de souscrire à votre offre et son évaluation détaillée.

Le coefficient de corrélation obtenu est compris entre -1 et 1.

Schématiquement, on analysera les résultats de la manière suivante :

Corrélations

 Négatives

Corrélations nulles

Corrélations

Positives

Forte liaison

Liaison modérée

Aucun lien

Liaison modérée

Forte liaison

-1 à -0,5

-0,5 à -0,2

-0,2 à 0,2

0,2 à 0,5

0,5 à 1

 

On analysera donc les performances de son concept ou de son produit / service au regard des coefficients de corrélations ; l’idéal étant d’être bien évalué sur les items d’évaluation les plus impactants, c’est-à-dire les plus corrélés à l’intention d’achat, l’intention de souscription, à la satisfaction globale ou encore à l’appréciation globale.

P.S. : Le coefficient le plus utilisé est le coefficient de Pearson. En fonction du type de données à analyser, les services études et analyses statistiques avancées pourront également vous orienter vers d’autres types de tests (Kendall, Spearman…).

 

  1. 2.     Dans le cadre d’études de types Usages & Attitudes

→ La question posée est souvent : comment synthétiser l’analyse sur une batterie de 30 items ?

Les questionnaires quantitatifs de type usages et attitudes sont parfois très denses. En effet, les équipes études / marketing souhaitent souvent injecter de nombreux items ou dimensions sur lesquels elles ont besoin d’obtenir un score.

Dans un premier temps, on pourra synthétiser l’information en passant par l’analyse uniquement des items les plus corrélés à un indicateur global (cf. point 1).

Pour aller plus loin, une « analyse en composantes principales » (ACP) sera encore plus pertinente. L’ACP identifie une éventuelle similarité entre les variables analysées et permet ainsi de regrouper des items en grandes dimensions, familles (ou facteurs) …

Par exemple, d’une batterie de 30 items de satisfaction, l’analyse en composantes principales pourra faire apparaître 6 grands axes. L’interprétation des résultats ne se fera plus item par item mais plutôt dimension par dimension.

On gardera en tête qu’il est possible de « forcer » une ACP. En effet, les modèles sortent par défaut les axes permettant de résumer au mieux l’information (selon un % de variance expliquée). Néanmoins, si pour des raisons d’interprétation marketing il est difficile d’analyser les résultats, il est possible de tester les ACP en définissant un nombre d’axes souhaités. On veillera néanmoins à vérifier que la perte d’information n’est pas trop importante.

Pour concilier rigueur et opérationnalité, notre parti-pris chez Harris Interactive est de proposer des ACP visuelles et aussi synthétiques que possible avec, en complément, les informations statistiques indispensables sur la qualité du modèle.

 P.S : bien évidemment d’autres analyses statistiques peuvent être utilisées pour identifier des groupes homogènes : K-Means, Classification Ascendante Hiérarchique (CAH), Réseaux Bayésiens … Harris Interactive pourra vous conseiller sur l’analyse la plus pertinente à effectuer.

 

3. Dans le cadre de questionnaire long, questionnaire barométrique …

→ la question posée est souvent : comment réduire la durée de mon questionnaire sans retirer des informations cruciales ?

Nous recommandons d’exploiter l’analyse de redondance (RDA) qui permet d’analyser les relations entre 2 tableaux de variables.

Nous utilisons cette analyse pour valider que la réduction de la longueur d’un questionnaire n’altère pas la qualité d’information recueillie.

Après différents travaux statistiques (corrélations, inter-corrélations, ACP, régressions…) qui nous permettent de sélectionner des questions / items à retirer du questionnaire, nous faisons tourner la RDA.

L’exercice effectué compare l’information obtenue via la liste initiale de 50 questions / items par exemple à l’information obtenue via la liste réduite de 30 questions / items.

L’analyse de redondance fournit alors des scores d’information contrainte très parlants pour les équipes, du type 80% d’information est conservée si nous retirons 20 questions / items.

Les équipes marketing / études peuvent alors sereinement réduire la durée de leur questionnaire tout en étant certain de ne pas perdre d’informations cruciales.

 

4. Dans le cadre d’un screening de claims, d’idées, de recettes …

→ La question posée est souvent : comment choisir le bon claim / slogan / bénéfice associé à mon offre ?

Nous sommes régulièrement confrontés à des demandes d’études dont le sujet porte sur les claims / slogans à injecter sur les packs, en linéaire ou en magasin.

Classiquement, nous proposons par défaut des approches par cellules monadiques avec comparaison indirecte des claims / slogans. Néanmoins, quand le nombre de claims devient trop important, nous proposons des approches séquentielles mais surtout des modélisations de type « Max Diff » (Best Worst Scalling).

Cette technique a non seulement le mérite d’être beaucoup plus simple qu’une approche de type trade-off mais se met également très rapidement en place.

Les bénéfices de cette modélisation sont nombreux :

-        Il est possible de comparer statistiquement un grand nombre d’idées/de concepts sans avoir à forcer chaque répondant à les évaluer tous

-        La longueur de passation du questionnaire est optimisée (limite les effets de lassitude)

-        La qualité des réponses est indéniable – il est en effet plus facile pour un répondant de choisir un favori que d’avoir à hiérarchiser

-        Il est possible d’identifier l’idée/le concept préféré ainsi que la force relative de l’idée/du concept par rapport aux autres (et pas seulement son rang)

-        L’approche Max-Diff permet une meilleure discrimination des résultats (versus les échelles plus traditionnelles de hiérarchisation/d’évaluation).

 

5. Dans le cadre de réflexion autour des positionnements prix…

→ Les questions posées sont souvent :

 - Pour ma nouvelle offre, quelles sont mes bornes de prix acceptables ?

 - Quel est le prix idéal si je veux optimiser mon volume ? maximiser mon chiffre d’affaires ?

La méthode PSM (Price Sensibility Measurement), également appelé méthode des prix psychologiques, permet de répondre à ce type de questions.  

En effet, lorsque les budgets et planning ne permettent pas de passer par une méthode de type Trade-off, nous pouvons passer par ce type d’analyse. Au travers de 2 ou 4 questions clés, la méthode PSM permet de définir les bornes de prix acceptables pour une offre et dans un second temps:

- Le prix idéal maximisant le chiffre d’affaires potentiel

- Le prix idéal maximisant les volumes potentiels

Pour ce type d’exercice la plupart du temps réalisé online, nous recommandons de contextualiser l’exercice. En effet, chaque répondant n’est pas expert de la catégorie produit investiguée et les notions de prix sont souvent floues pour les interviewé(e)s. Du coup, avant l’exercice des prix psychologiques, nous présentons systématiquement des offres existantes avec indication de leurs prix respectifs. Idéalement, on présentera des offres low costs et Premium, de manière à ce que les répondants aient à l’esprit des bornes de prix réalistes.

Nous veillons également à proposer des tranches de prix via des menus déroulants pour amener plus de finesse dans les prix. Enfin, nous programmons des contrôles de cohérences sur les prix indiqués par les répondants.

Dans notre mise en pratique chez Harris Interactive, nous fournissons des graphiques avec 2 courbes (valeur et volume) et des recommandations précises sur les bornes de prix acceptables. Le prix optimal, c’est-à-dire le prix qui maximise les intentions d’acheter tout en apportant un CA potentiel élevé est ainsi facilement identifiable.

 

6. Dans le cadre de la construction d’une offre, d’une gamme de produits ou de services …

→  Les questions posées sont souvent :

 - Quelle nouvelle variété lancer au sein de ma gamme actuelle ?

- Quel service complémentaire rajouter à mon offre actuelle ?

- Quelle offre remplacer au sein de mes services actuels ?

La méthode TURF (Total Unduplicated Reach and Frequency) s’avère très utile pour répondre à ce type de questions. Cette méthode est basée sur une évaluation comparative de tous les produits / services testés. Chaque produit doit être évalué sur des questions et selon des échelles identiques.

Là encore, au travers de 2,3 ou 4 questions clés par variété / service testé nous pouvons définir l’offre ou la combinaison d’offres permettant d’obtenir la plus grande couverture (d’où le terme « Reach »), c’est-à-dire de satisfaire le plus grand nombre.

Via cette méthode, nous pouvons également définir l’offre / le service qui dégraderait le moins les parts de marché dans le cadre d’un remplacement ou d’un retrait.

Les livrables obtenus sont ainsi clairs et actionnables :

- Indication des taux de couverture par offre ou par combinaison d’offres

- Remise d’un simulateur permettant aux équipes de tester toutes les combinaisons d’offres possibles.

 

7. Dans le cadre de test de produits ou formules

→ La question posée est souvent : comment aller plus loin que mes résultats à plat sur des échelles bipolaires de type « trop / juste bien / pas assez » ?

Nous réalisons chez Harris Interactive de nombreux tests de produits (alimentaires, cosmétiques, textile, boissons …) et collaborons régulièrement sur ces types de tests avec les chefs de produits, laboratoires, service R&D ou ingénieurs ...

L’analyse de pénalités ou « penalty analysis » est à la base une technique d’analyse sensorielle qui permet de repérer les axes d’optimisations possibles de formules évaluées par des consommateurs ou des experts.

Cette technique est basée sur les réponses à 2 questions clés :

-        d’une part les réponses aux questions en JAR (Just About Right) - échelles bipolaires du type:

Vraiment pas assez

Pas assez

Juste comme il faut

Trop

Vraiment trop

5

4

3

2

1

 

-        d’autre part les réponses à la question d’appréciation globale (note de 0 à 10), d’intention d’achat ou de satisfaction (peu importe l’échelle).

En croisant les réponses de la question en JAR et la note de satisfaction d’un individu, on peut déterminer si la caractéristique évaluée en JAR est susceptible de pénaliser significativement ou pas la satisfaction.

Les résultats obtenus sont ainsi très facilement exploitables par les équipes. Via cette analyse, nous pouvons facilement expliquer aux services R&D qu’une intensification de la couleur de leur boisson n’impactera pas positivement l’appréciation globale d’une formule alors qu’en revanche l’augmentation du taux de sucre serait susceptible de faire progresser significativement l’appréciation globale.

 

8. Dans le cadre d’étude de satisfaction ou de fidélité client …

→ La question posée est souvent : comment connaître les effets potentiels du retravail de certains items, de certains services proposés ?

Les réseaux bayésiens sont utilisés chez Harris Interactive dans de nombreuses situations (analyses de leviers, importance des items, regroupement d’items en grandes familles …).

Cette technique de modélisation, basée sur les liaisons probabilistes entre les variables est néanmoins plus puissante que les autres analyses car elle permet en effet de modéliser les impacts ou plus exactement les « effets probables » qu’aurait un retravail de chaque item sur une note de satisfaction globale, une intention d’achat ou une intention de souscription.

Les avantages d’utiliser des réseaux Bayésiens sont multiples :

-        possibilité d’intégrer une multitude de variables,

-        représentation graphique du réseau très facile à comprendre,

-        mesure de l’impact direct d’un item sur un KPI

-        identification des leviers indirects d’un item sur un KPI

Afin d’augmenter la satisfaction de leurs clients, les équipes marketing peuvent savoir quel taux d’effort elles doivent fournir sur chaque item pour gagner x points de satisfaction.

Certaines équipes privilégieront les dimensions à forts impacts mais nécessitant de gros efforts de retravail (et donc, à priori, de gros investissements) alors que d’autres préféreront retravailler des items sans gros efforts mais avec moins d’impacts.

 

9. Dans le cadre de construction d’une offre produit ou service …

→  La question posée est souvent : comment construire l’offre idéale tout en maximisant mes parts de marché ?

L’analyse conjointe facilite l’élaboration de nouveaux produits ou services. Les techniques de trade-off sont nombreuses et diffèrent d’un institut à l’autre. Le Trade-off se fixe précisément comme objectif d’identifier la meilleure combinaison des caractéristiques d’une offre / d’un produit / d’un service dans le but de maximiser la satisfaction d’un client.

Ses résultats sont le plus souvent utilisés pour modéliser les parts de choix, segmenter le marché selon les bénéfices attendus ou bien encore optimiser les caractéristiques de nouvelles offres de produits et services.

Chez Harris Interactive, nous avons recours assez classiquement à des trade-off de type CBC (Choice  Based Conjoint) ou ACBC (Adaptative CBC).

Nous pouvons effectuer différents trade-off online allant de la programmation basique à des spécificités techniques plus complexes : trade-off au sein d’un linéaire virtuel avec prix / promo … Nous attachons une importance particulière à l’ergonomie globale des situations de choix, au respect des proportions entre les packs ou tout autre élément permettant de se rapprocher le plus de la réalité marché.

Les bénéfices de ces techniques de trade-off sont nombreux :

-        Ils permettent un exercice spontané et réaliste pour les répondants

-        Ils intègrent le non choix, c’est-à-dire la possibilité de ne rien choisir parmi les offres présentées

-        Ils favorisent un questionnement court

-        Ils assurent une robustesse statistique

-        Ils peuvent intégrer un grand nombre de variable et de modalités

 

Au final, 3 types d’informations clés sont remises à l’issues d’un trade-off : l’importance des variables testées, les utilités des modalités testées au sein d’une même variable et enfin les parts de choix obtenues par les offres testées.

Nous remettons également un simulateur permettant aux équipes de tester toutes les combinaisons de variables possibles.

P.S : de nombreuses techniques de trade-off existent : Profil complet, comparaison par paires, ACA … Harris Interactive peut naturellement vous aider dans le choix de la bonne approche méthodologique

  

10. Dans le cadre d’étude usages et attitudes, typologies clientèle / consommateurs…

→  La question posée est souvent : quels sont mes différents types de clients, quel est leur poids et leur spécificité ?

Pour ce type de demande d’études, nous proposons de réaliser des typologies.  

L’objectif principal d’une typologie est de regrouper des individus dans des groupes en fonction de leur ressemblance, c’est à dire de regrouper des répondants ayant donné les mêmes réponses à un même set de questions.

Pour la plupart des segmentations que nous réalisons, nous combinons des critères de comportements (usages, fréquence de consommation, nombre de packs achetés …) et d’attitudes (relation à la catégorie produit travaillée, items de lifestyle, critère d’importance…). Nous parlons alors de typologie canonique

Dans le cadre de typologie de parcours clients, nous recommandons de n’utiliser que des variables de comportements pour définir les types, on parle alors de typologie comportementale.

Concrètement, l’assimilation d’une segmentation par nos clients est souvent longue. Pour faciliter cette appropriation, nous veillons chez Harris Interactive à fournir systématiquement des livrables clairs dans la définition des types, des visuels pour idéalement illustrer les segments, de l’opérationnalité dans l’exploitation des segments avec souvent un plan d’action associé, et enfin des éléments synthétiques qui résument les traits principaux de chaque groupe 


 POUR ACTION 

Commenter 

• Echanger avec l'auteur : @ Renaud Rouffiac

• Partager sur Twitter ou LinkedIn

 • Découvrir les précédents Vu-Lu-Entendu

• Vous tenir régulièrement informé(e) de l'actualité sur Market Research News