Blog ENI : Toute la veille numérique !
Accès illimité 24h/24 à tous nos livres & vidéos ! 
Découvrez la Bibliothèque Numérique ENI. Cliquez ici
Accès illimité 24h/24 à tous nos livres & vidéos ! 
Découvrez la Bibliothèque Numérique ENI. Cliquez ici
  1. Livres et vidéos
  2. Data Marketing
  3. Que devrions
Extrait - Data Marketing Statistiques appliquées au marketing avec Excel et R
Extraits du livre
Data Marketing Statistiques appliquées au marketing avec Excel et R Revenir à la page d'achat du livre

Que devrions-nous faire ? Le marketing prescriptif

Introduction

Jim Manzi et Stefan Thomke rapportent dans leur article « La discipline de l’expérimentation dans les affaires » paru dans la Harvard Business Review de août-septembre 2015 cette histoire : « Peu après que Ron Johnson a quitté Apple pour prendre ses fonctions de PDG de J.C. Penney, en 2011, sa nouvelle équipe a mis en place un projet pour le moins audacieux. Celui-ci se traduisait par l’élimination des bons de réduction et des rayons d’articles en solde, tandis que les magasins se remplissaient de comptoirs estampillés aux couleurs des marques et que de nouvelles technologies étaient mises en place afin de remplacer les caissières, les caisses enregistreuses et les caisses tout court. Or, tout juste dix-sept mois après l’arrivée de Ron Johnson au sein de J.C. Penney, les ventes se sont effondrées, les pertes sont montées en flèche et Ron Johnson a perdu son poste. »

J.C. Penney a-t-elle uniquement échoué par un sens stratégique défaillant ou une mauvaise compréhension de son marché ? En partie certainement, mais l’erreur principale (et cette erreur est malheureusement trop commune) est de croire que l’intuition et l’expérience suffisent à lancer des concepts innovants. Le monde du Web, à...

À quelles problématiques répond le marketing prescriptif ?

Les méthodes expérimentales que nous allons détailler permettent de tester l’ensemble des éléments du marketing mix abordés dans le chapitre Les data, pour quoi faire ?, mais également des concepts innovants ou des modifications sur l’identité de la marque. Le tableau ci-dessous présente des exemples de questions auxquelles vous pourriez répondre par le marketing prescriptif.

Éléments du marketing mix

Questions à traiter

Concept

Quels effets mon concept produit-il sur les ventes finales ? Sur les visites en ligne ou en magasin ?

Produit

Quelle recette sera la plus appréciée par la cible clients ?

Quel packaging suscite le plus de ventes ?

Quel nom de marque-produit suscite le plus de vente ?

L’ajout d’un service supplémentaire accroît-il la satisfaction des clients à l’égard de mon entreprise ?

Prix

Quel prix suscite le meilleur niveau de ventes ?

Quelle remise ou promotion va nous permettre de rentabiliser une opération commerciale ?

L’ajout d’un moyen de paiement supplémentaire limite-t-il l’abandon de panier ? (Ventes en ligne)

Distribution

L’augmentation du linéaire en magasin produit-elle plus de ventes ?

La diminution du délai...

Mettre en place une expérimentation

Dans les chapitres précédents, nous sommes partis de faits qui se sont produits indépendamment de notre intervention (données existantes). Dans le cadre du marketing prescriptif et de l’expérimentation, nous allons manipuler des variables et voir les effets qui se produiront ensuite. Il s’agit de faire un test sur un échantillon de consommateurs ou usagers correspondant à la cible avant de déployer plus largement une marque, un produit, un prix, un élément de distribution ou une campagne de communication.

Pour illustrer les différents aspects de la mise en place d’une expérimentation, nous nous appuierons sur une étude menée par l’auteure et le Dr Jordy Stefan, psychologue et chercheur en psychologie sociale. L’étude visait à identifier la mention la plus efficace à apposer sur un nouveau produit, un pâté végétarien. Trois mentions ont été comparées : pâté végétarien, pâté végétal et pâté sans viande.

Conditions réelles ou en laboratoire

L’expérimentation en laboratoire

Il peut être envisagé de mener les expérimentations « en laboratoire », c’est-à-dire dans des conditions artificielles : vous réunissez un panel de consommateurs dans un lieu prévu à cet effet et vous réalisez sur eux les tests. Par exemple, si vous souhaitez tester deux chartes graphiques pour votre site internet, vous réunissez les consommateurs, vous les placez individuellement sur des ordinateurs et leur proposez un scénario du type « Vous devez acheter une nouvelle paire de lunettes et un nouveau site de vente en ligne vient d’être lancé. Vous avez 10 minutes pour explorer ce site. Vous répondrez ensuite à quelques questions. »

Dans ce cas, vous utiliserez des outils de tracking pour analyser le parcours client sur chaque version de site internet et vous ferez des comparaisons entre les deux versions de votre site. Il est également possible, dans cette configuration, d’utiliser du matériel complémentaire de type eye-tracking (analyse des mouvements oculaires) ou analyse faciale (analyse...

Analyser les résultats

L’analyse des résultats d’expérimentation se fera grâce aux analyses de variance. L’analyse de variance teste l’existence d’un lien de causalité entre une ou des variables explicative(s) et une variable à expliquer. Elle se base sur une comparaison des moyennes obtenues entre les différents traitements et les différents groupes. Cela signifie que la ou les variable(s) explicative(s) seront de type qualitatif et que la variable à expliquer sera de type quantitatif.

Quelques préalables

Avant de présenter la comparaison de moyennes et l’analyse de variance (ANOVA), nous aborderons trois préalables. D’abord, nous expliciterons ce qu’est un résultat significatif (cette explication est d’ailleurs valable pour l’ensemble des tests présenté dans cet ouvrage). Nous préciserons ensuite deux conditions indispensables à la comparaison de moyennes et à l’analyse de variance (ANOVA) : la distribution normale des données et l’égalité des variances entre les populations.

Qu’est-ce qu’un résultat significatif ?

L’attention du lecteur est attirée sur un point important de la significativité des tests statistiques. Lorsque nous faisons un test statistique, deux hypothèses sont possibles : un effet de la variable X sur la variable Y ou l’absence d’effet.

Sur notre exemple des mentions sur le pâté (pâté, pâté végétal, pâté sans viande), les deux hypothèses possibles sont :

  • H0 : la mention n’a pas d’effet (les ventes ne sont pas significativement différentes selon la mention).

  • H1 : la mention a un effet (les ventes sont significativement différentes selon la mention).

Nous admettons dans ce cadre qu’il existe un risque d’erreur :

  • Le risque de première espèce (noté images/eq37.PNG) est de rejeter l’hypothèse nulle (H0), alors qu’elle est vraie. Ainsi, cela signifierait que nous considérerions que la mention a un effet, alors qu’elle n’en a pas.
  • Le risque de deuxième espèce (noté images/eq38.PNG) est de rejeter l’hypothèse H1, alors qu’elle est vraie. Ainsi, cela signifierait...

Conclusion

Nous finissons ici ce chapitre sur le marketing prescriptif. Il est à retenir de ce chapitre que le marketing prescriptif sera particulièrement adapté si vous souhaitez démontrer des causalités et pour le lancement d’offres ou de concepts innovants. Contrairement aux analyses descriptives ou à celles menées en marketing prédictif, vous ne vous appuierez pas sur des données antérieures, mais vous mettrez en œuvre un plan d’expérience vous permettant de vérifier des hypothèses. Ce type d’études est un bon moyen de sécuriser sur un échantillon de clients un projet que vous souhaitez lancer ensuite à plus grande échelle. Il pourra être un moyen de rassurer votre direction ou des financeurs potentiels.