Master Marketing – modélisation pour le marketing

Objectif : rédiger une note de deux pages présentant une méthode d’analyse en marketing et utilisant des ressources r. Elle sera, si très satisfaisante, ajoutée à tex2r.

Elle sera rédigée en markdown (format d’export html) dans Rstudio. Elle comprend donc le texte explicatif, le code, et ses résultats. On y attachera le jeu de données.

Epreuve alternative : reprendre le document <AnalyseValeurs.rmd> (markdown) et compléter l’analyse sur l’un ou l’autre des points abordés ( commentaire, code supplementaires , variables additionnelles). Son résultat est disponible dans le fichier <AnalyseValeurs.pdf >

On utilisera aussi un échantillon de données (n=~35000) de la base European Social Survey ( vague 8) en particulier les questions relatives au bien-être, à la confiance, et aux valeurs ( Schwartz) . Les éléments de travail se trouvent ici.
Méthodes utilisées dans l’étude de cas :
  1. Analyse univariée avec r avec Rmcdr
  2. Analyse bivariée : Test du chi², analyse de variance, corrélations, … avec Rmcdr
  3. Analyse graphique avec ggplot
  4. Analyse factorielle (ACP, fa, … analyse confirmation, cronbach)
  5. Classification automatique ( ward, Kmeans)
  6. Régressions (simple, multiple, logit, multinomiale)
  7. Structural Equation Modeling

Date rendu : 10 janvier 2019

Sujets :

  • Réaliser un Treemap
  • Appliquer une méthode d’arbre de décision
  • Utiliser stargazer pour comparer plusieurs modèles emboités
  • Appliquer une analyse MDS pour l’étude du positionnement de marques
  • Créer un chloropleth sur les département français, ou commune d’un agglo.
  • Réaliser une analyse de survie dans un fichier client.
  • Corelogram :  questionnaires : Satisfaction, effort, confiance, engagement, recommandation.
  • Analyse de réseau ( igraph) avec techcrunch

 

Master Management de l’Innovation GDO/MOPP – Méthodes quantitatives pour la recherche en gestion

L’objectif du cours est de donner une culture quantitative élargie aux étudiants, leur laissant le soin d’approfondir les méthodes qui pourraient être utilisées dans le cadre de leurs projets de recherche.
Il est aussi de le donner le sens critique nécessaire pour évaluer les protocoles employés dans la littérature courante de gestion. Il est dispensé aux étudiants du Master Management de l’Innovation parcours MOPP et GDO.
L’environnement est le langage r avec le package Rcmdr et  rstudio qui sont à installer au préalable. On trouvera un manuel d’initiation ici  et pour la culture générale on encourage à suivre r-blogger.
On travaillera d’abord sur un cas issu du mémoire de Master Marketing de Pauline Vautrot qui a fait l’objet d’une publication. Il porte sur l’effet des preuves de transparence sur l’évaluation d’un moteur de recommandation. Les éléments se trouve sur le dossier google drive.
On utilisera surtout un échantillon de données (n=~35000) de la base European Social Survey ( vague 8) en particulier les questions relative au bien-être, à la confiance, et aux valeurs ( Schwartz) . Les éléments de travail se trouvent ici. Les résultats sont publiés sur cette page, d’autres éléments sur la confiance en France sont aussi disponibles et illustre ce qui est possible de faire avec ces outils.
C’est l’occasion d’introduire, ou de rappeler,  les méthodes statistiques suivantes :

  1. Analyse univariée avec r
  2. Analyse bivariée : Test du khi², analyse de variance, corrélations, …
  3. Analyse factorielle (ACP, fa, … analyse confirmation, cronbach)
  4. Classification automatique ( ward, Kmeans)
  5. Régressions (simple, multiple, logit, multiniveaux)
  6. Structural Equation Modeling

On explorera les principes d’analyses textuelles avec le cas des hôtels de Tahiti et le blog tex2r

Evaluation : au choix : une étude statistique menée avec r, ou l’exposé synthétique d’une méthode (en 4 pages). C’est un travail individuel. A rendre pour le 30 Janvier 2019.

Quelques idées de sujet :

  • Analyse conjointe et modèle de choix ()
  • Modèle de croissance ( SEM)
  • Méthode de la différence des différences (causalité)
  • Modèle de régression avec variable instrumentale ( causalité)
  • Modèles VAR ( économétrie, causalité) : avec une belle application pour l’analyse des effets croisés des médias sur les ventes.
  • Modèle linéaire hiérarchique et analyse multi-niveaux ( économétrie)
  • Mesure des attitudes implicites (Échelle), en se concentrant sur les travaux du Project Implicit
  • Machine learning et catégorisation de document en explorant les solutions proposées par MonkeyLearn pour la catégorisation.
  • Analyse des rendements anormaux (finance) ou event Analysis. Une application à l’effet des surprises ( positives ou négatives) est un très bon point de départ.
  • Régression avec auto-corrélation spatiale ( économétrie). Pour une introduction cette application en marketing en donne une très bonne idée.
  • Modélisation multi-agent appliquée au sciences sociales en passant par l’étude des modèles standard de Netlogo.
  • Analyse des réseaux sociaux ( Réseaux)
  • Data visualisation : de la grammaire des graphes à l’inventaire des solutions créatives en passant par l’ergonomie ou la psychologie.
  • Tests d’équivalence structurelle et comparaison inter-culturelle
  • ….

Des lectures en voici un florilège.

Les séances ont lieu les mardi de 18h00 à 20h30 à l’Ecole des Mines de Paris (Luxembourg) – Pour poursuivre voir aussi l’Atelier Doctoral.

Atelier doctoral : r pour la recherche en sciences sociales

L’objectif de l’atelier, organisé dans le cadre des enseignement de l’ED EOS,  est la prise en main de r au travers de l’interface graphique Rcmdr  de Rstudio et du markdown.

Il s’agit aussi de découvrir la communauté r et ses ressources en 4 séances de 3 heures : décrire, expliquer, modéliser.

Public visé et pré requis : Doctorants et autres chercheurs. Connaissance des tests statistiques et autres statistiques élémentaires. Une habitude de SAS ou SPSS fera du bien.

Les participants doivent installer Rstudio au préalable. l’interface pour démarrer est Rcmdr, c’est le premier package à installer au préalable.

Calendrier de la formation (période de l’année): 19 et 20 décembre 2018  et 21 janvier 2019 (9h30-12h30 : 13h30-16h30) – Lieu : Université Paris Nanterre Bat A 3ème étage salle 304 ou 305)

Inscription : envoyer un CV à christophe.benavent@gmail.com avant le 10 décembre. – nombre maxi d’inscrits : 15.

Programme

Le jeu de donnée utilisé provient de l’European Social Survey. On s’intéressera en particulier à l’évolution de la confiance en France de 2002 à 2016 : on trouvera ici les données et le fichier markdown.  Les résultats peuvent être consultable sur cette page. On regardera en complément ce document ( Bonheur et valeur dans 18 pays européens)

    • 1 : l’environnement r: communauté, packages, langage et prise en main  avec Rcmdr. Comparaison de moyennes, corrélation, représentation graphique avec ggplot (pour des exemples voir ici ou )
      • 2 :  Clustering  ( package Ape, dendro…) et analyses multidimensionnelles ( AF, AFC, MDS)
      • 3 : Régression avec r: des MCOs au modèle linéaire généralisé (Logit, Poisson, etc) (package lme4, Stargazer pour des présentations standardisées.
    • 4 : Échelles de mesure et équations structurelles avec Psych et Lavaan : on traitera notamment de l’influence de la confiance sur le bien être.
  • Une session supplémentaire le 21 janvier sera consacrée au text mining

ECTS : la participation au séminaire donne droit à 3 crédits.

Ressources :

    •  r blogger : un meta blog centré sur r , très riche en exemple et application.
    •  StackOverflow : plateforme de Q&A pour les développeurs, r y est fréquemment mis en question
      • PS : un cours similaire est donné dans le cadre du Master Management de l’innovation GDO/MOPP.
    • La doc de ggplot2, le package des graphiques élégants.

Crédit Photo : comme souvent l’excellent Jeff Safi

Mobile In Store : ça dépend du shopping style

14930205588_38c71f399f_oLes enquêtes se succèdent et semblent confirmer l’intérêt des consommateurs pour l’utilisation en magasin du digital et avant tout de leur smartphone. Une de nos étudiantes du master Marketing de Paris Ouest, Joanna Stroz, s’est intéressée à la question dans un mémoire qu’elle soutiendra bientôt au travers d’une enquête (n=330) dans le domaine de la parfumerie. On trouvera son questionnaire ici (n’hésitez pas à y répondre!).

UsageMobileLes questions principales sont relatives à l’intérêt accordé à une dizaine de services ( recevoir des informations sur les évènements en magasins, recevoir des conseils personnalisé via le smartphone etc…). Les résultats enregistrés par une échelle d’intérêt allant de 1 à 7, sont résumés dans le graphique ci-contre.  Recevoir un conseil personnalisé recueille un score d’intérêt très moyen (3,5), l’échange de point de fidélité et l’obtention de coupon entraine une forte adhésion.

Au fond le digital ne change pas grand chose : les consommateurs veulent d’abord des avantages pécuniaires et si c’est plus facile par le mobile tant mieux. Si l’on compare les hommes et les femmes, quelques petites différences apparaissent : les femmes cherchent les avantages monétaire plus que les hommes, tandis que ceux-ci expriment un intérêt plus fort pour le paiement via le smartphone ou être mieux orientés par la géolocalisation.

Mais dans cette étude le plus important n’est pas là, il réside dans les causes probables qui rendent chacune de ces applications intéressantes. Parmi ces causes un petit nombre a été étudié de plus prêt. D’abord des variables générales telles que la tendance à adopter la nouveauté ( innovativité), le degré d’implication dans la catégorie de produit, l’inquiétude que l’on témoigne à l’égard de ce qu’on fait de nos données ( Privacy Concern) et enfin le degré d’expérience digitale.

Ensuite des variables qui décrivent les  orientations d’achat des consommateur : faire des économie en profitant des promos et bonnes affaires, la tendance à planifier ses achats, le plaisir tiré à découvrir et à fouiner dans les rayon ( hédonisme), le fait de s’appuyer sur les marque et la fidélité au magasin, et la reconnaissance souhaitée dans le point de vente. Pour évaluer l’importance de ces variables on a simplement chercher à expliquer l’influence de ces dernières sur le score d’intérêt, par des régressions multiples ( une par application). Les résultats détaillés apparaissent dans le tableau suivant que nous analysons ensuite.

regressions2

Les faits principaux que l’on peut identifier sont les suivants :

  1. l’expérience en matière digitale n’ aucun impact, aucun des coefficients de régression n’est significatif, sauf pour les conseils personnels : conseiller les clients via le smartphone n’a d’intérêt que pour les geek!
  2. L’implication pour la parfumerie est un déterminant très significatif pour la plupart des applications, sauf pour le paiement. Le web In store concerne donc d’abord les fans de la cosmétiques.
  3. La tendance à adopter de nouveaux produits, ou de nouvelles manières d’acheter a un effet contrasté : il joue pour le conseil, le paiment, les QR code et la geolocalisation. On retrouve le côté geek, et c’est à se demander si ce n’est pas le fait d’hommes qui s’ennuient dans ce type de magasin, l’usage du smartphone palliant le désintérêt pour la boutique.
  4. La privacy a aussi un effet contrasté et négatif comme attendu. Il joue sur les aspects qui implique le plus d’intimité
  5. Quand aux orientation d’achat c’est un tableau très nuancé qui apparait et démontre que l’usage du smartphone est étroitement liés aux stratégies de consommation.
    • La recherche d’économie n’a quasiment aucun impact sur l’usage d’appli In store, sauf recevoir des coupons.
    • La recherche de variété et le plaisir de la découverte (hédonisme) est le facteur qui a un impact sur la plus grande variété d’applications, ce qui est peu étonnant : ceux qui cherche du divertissement dans l’acte d’achat en cherche autant dans les produits que dans le shopping lui-même. Le smartphone est un jouet.
    • La tendance à planifier les achats a peu d’impact ou alors négatif : c’est le cas des jeux et concours et celui des alertes sur la disponibilité des produits. L’acheteur organisé n’aime pas les prothèses numériques!
    • Quant à ceux qui sont attachés aux marques et vont toujours dans le même point de ventes, ce qui traduit une sorte d’achat ritualisé ( plus que de la fidélité), vont être plus intéressés aux applis qui leurs procurent des avantages consistant. Le smartphone optimiserait leur rituel!
    • Pour finir, plus on tend à souhaiter être reconnu plus on sera intéressé par les alertes produits où les évènements, l’impact étant nul pour les autres orientations.

Les enseignements sont assez clairs. Le premier est que la notion d’intérêt pour le “Web In store” n’a pas de sens en général. L’intérêt pour les applications digitales dépend d’abord de la manière dont on fait ses courses, et de comment les appareils fournis permettent au consommateurs d’atteindre les buts qu’il se fixe.

Le second est que le driver principal de l’adoption de béquille digitale pour le shopping dépend principalement de l’intérêt que l’on a dans la catégorie de produit, et non pas de la familiarité que l’on a avec les outils. Cela conduit à la réflexion suivante : le digital n’est pas une solution pour le consommateur, mais d’abord un cout. Les consommateurs le supporte dans la mesure où il est un investissement qui rapporte en lui permettant d’atteindre ses buts et qu’il est suffisamment motiver pour les atteindre.

Le troisième est une idée récurrente : la question des données est finalement assez secondaire pour les consommateurs, sauf s’il ne sont pas impliqués dans la catégorie de produit.

Et s’il fallait conclure sur quelques recommandations, la principale est de rappeler que l’expérience du consommateur n’est pas dans les objets techniques et leur usage, mais dans ce qu’ils recherchent lorsqu’il font leur courses (économie, rituel, divertissement, reconnaissance ou optimisation) . Ceux qui s’équiperont sont ceux qui se sentent concernés par la catégorie de produit, et ils le feront en piquant parmi les applis celles qui leurs permettent d’atteindre leur but. L’ expérience est définie par ces buts et non par la technologie.

MAJ 18 novembre 2015 : Joanna Stroz a remporté le Trophée des Etudes dans la catégorie du Meilleur mémoire de M2. On peut le lire en intégralité ici.