Upload
aubert-perrin
View
106
Download
3
Embed Size (px)
Citation preview
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.