http://www.mastermarketingdauphine.com MENUMENU

1

2. Modèles agrégés 1

http://www.mastermarketingdauphine.com MENUMENU

2

Modèles de diffusion d’une innovation

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

3

Diffusion d’une innovation (nouveau produit)

Potentiel et Segmentation

Positionnement

Développement du concept

Filtrage des concepts

Définition des caractéristiques du produit

Prix

Communication

Prévision des ventes

Audit post lancement

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

4

Lectures

Chakravarthi Narasimhan, Subrata K. Sen, New Product Models for Test Market Data, Journal of Marketing, Vol. 47, No. 1 (Winter, 1983), pp. 11-24

Vijay Mahajan, Eitan Muller, Innovation Diffusion and New Product Growth Models in Marketing, Journal of Marketing, Vol. 43, No. 4 (Autumn, 1979), pp. 55-68

Source : The market for motion pictures, A. De Vany, D. Walls, 1996

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

5

Modèle conceptuel

Potentiel Pénétration

Effectifs

Innovateurs

Imitateurs

NourritureTaux

NiveauP/M/G

Comportements

RB

RB

Dem

an

de à

moyen

term

e

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

6

Modèle de Parfitt & CollinsParfitt, J. and Collins, B. (1968), Use of consumer panels for brand share prediction, Journal of Marketing Research, Vol.

5,pp. 131-146.

Part de marché ultime de la marque : S

S = P.R.B P= taux de pénétration ultime de la marque

% des acheteurs de la catégorie de produit qui ont essayé la marque R= part des achats des acheteurs de la marque (nourriture) B= indice d’achat des acheteurs de la marque

=1 pour un acheteur moyen de la catégorie de produit

Estimation de P et de R extrapolation des valeurs des taux d’essai et de réachat des

premières semaines

Commercial TeSi © de GfK

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

7

Modèle Parfitt & CollinsIllustration

Modèles simples de prévision pour un nouveau produit

Modèle de Parfitt & Collins

MoisMarché 1 2 3 4

Pénétration 111 84 53 47Taux de réachat 3% 51% 57% 69%

Indice d'achat 0,5 0,5 0,6 0,65

Nombre d'achats par semaine

5 2,5 2,5 3 3

Base : échantillon aléatoire de 300 personnes

Ach

eteu

rs

rép

étés

Parfitt, J. and Collins, B. (1968), Use of consumer panels for brand share prediction, Journal of Marketing Research, Vol. 5,pp. 131-146.

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

8

Modèle de Fourt & Woodlock Fourt, L.A. and Woodlock, J. W. (1960), Early prediction of market success for grocery products, Journal

of Marketing, Vol.25, October, pp. 31-38.

Part de marché du réachat S = P.R.B P = % de pénétration cumulée R = % de réachat B = Indice d’achat

Pénétration pour les autres périodes Qt = r. P. (1 - r)t-1

Qt = le % d’accroissement des ventes en t (en % des ventes potentielles)

r = taux de pénétration des ventes du marché à conquérir p = ventes potentielles en % de tous les acheteurs t période de temps

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

9

Modèle de Fourt & Woodlock

Résultat du test% de réachat après n achats

Hypothèses 1 16,0%Taille du marché 60 000 2 14,5%Part de marché maximale 15% 3 15,3%Taux de pénétration du marché résiduel 10% 4 14,9%Prix unitaire moyen 100 € 5 16,0%

Période Marché résiduel Essai Taux essai Essayeurs Réachat Taux réachat Ventes Cumul ventes Prévisions1 60 000 6000 10% 0 0 0,0% 6 000 6 000 600 000 €2 54 000 5400 10% 6 000 960 16,0% 6 360 12 360 1 236 000 €3 48 600 4860 10% 11 400 1 824 16,0% 6 684 19 044 1 904 400 €4 43 740 4374 10% 16 260 2 602 16,0% 6 976 26 020 2 601 960 €5 39 366 3937 10% 20 634 3 301 16,0% 7 238 33 258 3 325 764 €6 35 429 3543 10% 24 571 3 931 16,0% 7 474 40 732 4 073 188 €7 31 886 3189 10% 28 114 4 498 16,0% 7 687 48 419 4 841 869 €8 28 698 2870 10% 31 302 5 008 16,0% 7 878 56 297 5 629 682 €9 25 828 2583 10% 34 172 5 468 16,0% 8 050 64 347 6 434 714 €10 23 245 2325 10% 36 755 5 881 16,0% 8 205 72 552 7 255 242 €11 20 921 2092 10% 39 079 6 253 16,0% 8 345 80 897 8 089 718 €12 18 829 1883 10% 41 171 6 587 16,0% 8 470 89 367 8 936 746 €13 16 946 1695 10% 43 054 6 889 16,0% 8 583 97 951 9 795 072 €14 15 251 1525 10% 44 749 7 160 16,0% 8 685 106 636 10 663 565 €

Fourt, L.A. and Woodlock, J. W. (1960), Early prediction of market success for grocery products, Journal of Marketing, Vol.25, October, pp. 31-38.

Modèle de Fourt & Woodlockillustration

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

10

Modèle de diffusion de l’innovation de BASS

Bass, Frank M., "A New Product Growth Model for Consumer Durables," Management Science, 15 (January 1969), pp. 215-227.

Objectif : déterminer quand le nouveau produit va être adopté Pour des produits durables Avec quelques données

Hypothèses Processus binaire d’adoption Marché potentiel client constant (N) et atteignable (100%) Pas de marché de remplacement, ni de marché d’occasion, ni de

multi-équipement L’impact du Bouche-à-oreille est constant (ne dépend pas du

moment de l’adoption) Pas de prise en compte

des produits substituables de la stratégie marketing du lancement du nouveau produit

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

11

Probabilité d’adoptionen fonction du temps

Période (t)

Probabilité cumulée d’adoption F(t)

jusqu’à la période t F(t)

Introduction

F(t) 1.0

Fonction de densité f(t) : vraisemblance d’adoption

à la période t

f(t) = d(F(t))dt

f(t)

L(t) : probabilité d’une adoption en t pour un non-adopteur

f(t) : prob d ’achat en t, F(t) : prob cumulée en t L(t) = f(t)/[1–F(t)] (1)

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

12

Modélisation de la croissance des ventes

St = p ´ Potentiel + q ´ Adopteurs ´résiduel Potentiel résiduel

Effet d’ Effet d’ Innovation Imitation

avec:St = ventes en t

p = “coefficient d’innovation”

q = “coefficient d’imitation”

Nb d’adopteurs = S0 + S1 + • • • + St–1 = N(t)

Potentiel résiduel = Potentiel Total – Nb d’adopteurs

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

13

Modèle de BASSIllustration http://marketing-science-center.com/modele-de-diffusion/

© Desmet 2006

estimés Zone solveurTaille marché potentiel 1,0 Coefficients a 0,001 0,004Paramètre d'innovation (p) 0,0011 b 0,358 0,316Paramètre d'imitation (q) 0,3594 c -0,356 -0,320Ventes maximales en t = 16,037 A minimiser 0

0,3605

PériodeVentes

cumuléesVentes 1er

équipement

Disponible pour

l'estimation (0/1)

Cumul Ventes évaluées

Ventes évaluées

0 0,000 0,000 1 0,001 0,001 0,000 1,2556E-061 0,002 0,002 1 0,003 0,002 0,000 1,5791E-072 0,007 0,005 1 0,005 0,002 0,000 7,3468E-063 0,013 0,006 1 0,008 0,003 0,000 7,478E-064 0,024 0,011 1 0,013 0,005 0,000 4,0368E-055 0,035 0,011 1 0,020 0,007 0,000 1,9454E-056 0,056 0,021 1 0,029 0,009 0,000 0,000136877 0,073 0,017 1 0,042 0,013 0,000 1,5678E-058 0,078 0,005 1 0,060 0,018 0,000 0,000171979 0,083 0,005 1 0,085 0,025 0,000 0,0003934810 0,157 0,074 1 0,118 0,033 0,002 0,00164411 0,186 0,029 1 0,162 0,044 0,000 0,0002249112 0,226 0,040 1 0,218 0,056 0,000 0,0002584313 0,301 0,075 1 0,287 0,069 0,000 4,0012E-0514 0,376 0,075 1 0,367 0,080 0,000 2,6022E-0515 0,472 0,096 1 0,455 0,088 0,000 5,9698E-0516 0,568 0,096 1 0,547 0,091 0,000 2,1261E-0517 0,664 0,096 1 0,635 0,089 0,000 5,3396E-0518 0,729 0,065 1 0,716 0,081 0,000 0,0002509119 0,795 0,066 1 0,786 0,070 0,000 1,2823E-0520 0,860 0,065 1 0,843 0,057 0,000 6,3947E-0521 0,900 0,040 0,888 0,045 0,000 0

0,00344946

http://www.marketing-science-center.com

Estimation des coefficients (modèle continu)

0,000

0,020

0,040

0,060

0,080

0,100

0,120

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Ventes 1er équipement

Ventes évaluées

0,000

0,100

0,200

0,300

0,400

0,500

0,600

0,700

0,800

0,900

1,000

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Ventes cumulées

Cumul Ventes évaluées

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

14

Spécification techniquedu modèle de BASS

Probabilité d’adoption en t pour un non adopteur L(t) est une fonction linéaire :

qL(t) = p + –– N(t) = f(t) / [1-F(t)] (2)

N

avec

p = Coefficient d’innovation (influence externe)q = Coefficient d’imitation (influence interne)

N(t) = Nombre total d’adopteurs en tN = Nombre total d’adopteurs potentiels

Nb d’adopteurs durant la période t = Nf(t) .

qNf(t) = [ p + –– N(t)][1 – N(t)] (3)

N

Nb cumulé d’adopteurs à la période t = NF(t )

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

15

[n(t) = Nf(t)] nb d’adopteurs en t et [N(t) = NF(t)] en cumul

q

Nf(t) = [ p + –– N(t)][1 – N(t)] (3)N

Équations de base (4)

Soit n (t) = a + b [N(t-1)] + c [N(t-1)]2 (version discrétisée) avec

N = [- b – racine (b2 – 4ac )]/ 2c , p = (a / N) et q = p + b

N > 0, b => 0 et c < 0

Spécification technique (suite)

qn (t) = pN + (q – p) [N(t)] – –– [N(t)]2

Nq

n(t) = p + –– N(t–1) [N – N(t–1)]N

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

16

Valeurs des paramètres pour différentes catégories de produit

Produit / Paramètre ParamètreTechnologie Innovation Imitation

(p) (q)

TV noir et blanc 0.028 0.25TV couleur 0.005 0.84Air conditionné 0.010 0.42Séchoirs 0.017 0.36Adoucisseurs 0.018 0.30Enregistreurs cassettes 0.025 0.65Téléphone cellulaire 0.004 1.76Fer à repasser 0.029 0.33Motels 0.007 0.36McDonald 0.018 0.54

Valeurs moyennes de 0.03 pour p et 0.38 pour q (étude de Sultan, Farley et Lehmann en 1990).

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

17

Principaux déterminants de la rapidité de la diffusion

Liés au produit Avantage technique important

Forte compatibilité

Faible complexité

Essai facile

Bénéfices faciles à observer

Liés au marché Existence d’un standard (abandon d’une pratique)

Type de canaux de communication utilisés

Nature des liens réunissant les acteurs du marché

Nature et effets des efforts promotionnels

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

18

Contraintes - limites

Le modèle suppose que les ventes sont complètement déterminées par le potentiel, les premières ventes, les taux d’imitation et d’innovation

Pas de prise en compte : du mix (pub, prix, promo), de la distribution, de l’évolution du

produit, de la concurrence,… de la concurrence du réachat

Pourquoi alors l’utiliser avec des hypothèses si restrictives ? Il est simple à utiliser Les modèles plus compliqués ne font pas mieux

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

19

Modèle de BASSExtensions

Marché potentiel évolutif en fonction Du prix, de la réduction d’incertitude sur la qualité du produit, croissance de la population, du réseau de point de vente

Prise en compte des variables marketing

Coefficient d’innovation (p) en fonction de la publicité p(t) = a + b ln A(t).

Effets du prix et de la distribution. f(t)/(1-F(t))= [p + q. F(t)].X(t)

Prise en compte de l’achat répété

Processus de diffusion à plusieurs étapes

Notoriété – Intérêt – Adoption – Bouche-à-oreille

En génération successives

MENUMENU

Mod

èle

s d

’aid

e à

la d

écis

ion

en

M

KG

http://www.mastermarketingdauphine.com

© D

esm

et

Pie

rre 2

01

4

20

En savoir plus

Mahajan V., Muller E. and Bass F. (1995). "Diffusion of new products: Empirical generalizations and managerial uses". Management Science 14 (3): G79-G88.