JMP Background

Étude de marché et de consommation avec JMP®

Le marketing est une activité complexe, régie par des technologies numériques qui évoluent très rapidement. Il reste toutefois des problèmes majeurs à régler pour les entreprises : trouver les opportunités de croissance les plus rentables, mettre au point les meilleurs produits et services possibles, choisir la meilleure stratégie marketing et maximiser l'impact entre les activités.

Outre l'écoute du client (actuel ou potentiel), l'utilisation des données constitue un impératif majeur. Les données sont en effet omniprésentes dans toutes les activités liées à la recherche de consommateurs et à leur satisfaction : lancement de nouveaux produits et services, positionnement, stratégie de marque, publicité, segmentation et promotion. S'il est vrai que la révolution numérique promet de changer la dynamique de manière positive, cette perspective ne deviendra réalité que si nous exploitons efficacement les nouvelles données. Alors seulement nous serons à même de cerner les besoins de groupes de consommateurs spécifiques ainsi que la manière de satisfaire, voire de modeler ces besoins.

Que vos recherches soient exploratoires, descriptives ou causales et utilisent des sources primaires ou secondaires, JMP offre une palette complète d'outils facilitant la valorisation de données quantitatives métriques et non métriques.

De nombreuses variables sont généralement impliquées. Les techniques d'interdépendance traitent toutes les variables sur un même pied d'égalité, tandis que les techniques de dépendance visent à identifier des relations entre groupes de variables, le plus souvent entre des entrées (X) et des sorties, des résultats ou des items (Y).

De nombreuses variables sont généralement impliquées. Les techniques d'interdépendance traitent toutes les variables sur un même pied d'égalité, tandis que les techniques de dépendance visent à identifier des relations entre groupes de variables, le plus souvent entre des entrées (X) et des sorties, des résultats ou des items (Y).

Quel que soit votre degré de compétences en statistique, JMP vous aide à interpréter vos données, à obtenir des informations sur les consommateurs plus rapidement et à les communiquer aux autres parties, afin d'arriver à un accord et d'agir en conséquence.

Recherche exploratoire

Lorsque des problèmes et opportunités liés aux consommateurs ne sont pas clairement définis, ils sont généralement éclaircis et affinés par le biais d'entretiens, de groupes de discussion et d'études observationnelles et ethnographiques. La recherche exploratoire permet en outre de formuler des hypothèses et de développer des échelles de mesure. Très souvent, les données primaires sont rares, alors que les données secondaires sont nombreuses.

Pour traiter les données primaires, JMP offre différents outils, tels que les tableaux croisés, le constructeur de graphiques et les plates-formes catégorielles. Vous pouvez définir des tables de statistiques de résumé de façon interactive à l'aide de variables de groupement et générer plusieurs types de graphiques, y compris des cartes géographiques. Il est également possible d'explorer et d'analyser la configuration des réponses catégorielles à des enquêtes en traitant des données de différents formats. Si les données sont rares, les « super catégories » combinent les niveaux afin d'augmenter les dénombrements de cellule, produisant ainsi des résultats plus fiables. La méthode de l'analyse aux items est indiquée si les personnes interrogées ont attribué les valeurs oui ou non à un ensemble d'items. JMP Pro réalise des tests exacts et asymptotiques qui déterminent avec plus de précision si une association est réelle ou non. L'explorateur de texte extrait les configurations potentiellement intéressantes du corps des documents, qu'il s'agisse de documents simples (comme une réponse en texte libre ou une question d'enquête) ou complexes (tels que les commentaires d'un technicien effectuant la maintenance programmée d'un équipement).  

Ces analyses s'appliquent également aux données secondaires. Toutefois, cette tâche peut s'avérer plus complexe, dans la mesure où ces données ont été collectées à d'autres fins. L'assistant d'importation de JMP prend en charge un grand nombre de types de fichiers, y compris SPSS Desktop Reporter. Vous pouvez également importer des données directement depuis des tables HTML incorporées dans des pages Web, ou recourir au Générateur de requêtes pour simplifier l'accès aux données relationnelles.

Le workflow de découverte statistique de JMP est particulièrement approprié lorsque le contenu et le rôle des données ne sont pas clairement définis. La fonction Configuration des données manquantes permet d'isoler rapidement les cas importants. Des graphiques liés dynamiquement illustrent rapidement les structures de données intéressantes et isolent les cas inhabituels pour les traiter comme il se doit. Pour modéliser les relations, la fonction Évaluer le plan indique les modèles qui seront pris en charge par vos données et évalue la puissance de chacun des termes impliqués.

De plus, si vous disposez de nombreuses colonnes et de données désordonnées avec nombre de valeurs aberrantes, les fonctions de partition ou de criblage des réponses fournissent de précieux renseignements sur les X pouvant expliquer la variation d'un Y donné.

Recherche descriptive

La recherche descriptive s'appuie généralement sur une exploration préalable pour décrire les marchés, les segments, les concurrents et les consommateurs. Elle sert également à mesurer la performance dans un cadre donné, et le plus souvent en continu.

Une étude de consommation comportant souvent de nombreuses colonnes de données, on utilise les techniques multivariées, qui exploitent les corrélations et les associations, pour décrire la configuration d'une variation avec moins de dimensions. Dans l'idéal, il est possible d'interpréter directement les nouvelles variables importantes qui en résultent, et les données révèlent des configurations évidentes et pertinentes.

JMP fournit des outils d'analyse factorielle et en composantes principales. Toutefois, si les résultats sont difficiles à interpréter, il est possible de réduire la dimensionnalité en regroupant les variables d'origine et en identifiant celle qui représente le mieux chaque cluster. C'est tout particulièrement utile si vous souhaitez créer un modèle de dépendance. Les cartes perceptuelles vous permettent de positionner vos offres par rapport à la concurrence, en effectuant une ou plusieurs analyses de correspondance des données catégorielles présentées sous forme de tableaux croisés. Vous pouvez également utiliser l'échelonnement multidimentionnel pour cartographier plusieurs attributs et plusieurs marques en même temps : cela permet souvent de mieux comprendre le point de vue des consommateurs et les marchés de consommation.

Pour segmenter les cas en groupes distincts, JMP utilise des méthodes hiérarchiques, ou k-means, avec la mesure de ressemblance choisie ; dans le cas hiérarchique, il est possible de sélectionner directement les clusters à conserver dans le dendrogramme. Dans JMP, l'analyse des classes latentes est par ailleurs un autre moyen d'atteindre des objectifs similaires.

Vous pouvez identifier les variables qui séparent le mieux les groupes à l'aide de l'analyse discriminante, qui se substitue souvent à la régression logistique nominale.

JMP permet en outre de créer des modèles de dépendance simples à l'aide de la plate-forme Ajuster Y en fonction de X. Celle-ci répond automatiquement aux types de modélisation des variables affectées aux rôles X et Y afin d'unifier nombre d'approches courantes, comme ANOVA ou l'analyse de contingence. Des options contextuelles vous guident tout au long de l'analyse et présentent les résultats sous forme graphique.

Il est possible d'ajuster des modèles de dépendance plus complexes, en sélectionnant les variables importantes au moyen de la régression pas à pas. Version avancée de JMP, JMP Pro intègre des techniques modernes de sélection de variables qui permettent de créer des modèles parcimonieux. La méthode du maximum de vraisemblance restreint garantit par ailleurs des estimations fiables, quel que soit le solde des données.

Bien que l'estimation de coefficients soit parfois utile, le profilage de la dépendance obtenue entre les Y et les X est généralement plus efficace, notamment si vous devez examiner des modèles concurrents ou transmettre des observations à d'autres personnes pour trouver un consensus. Le profileur permet d'interagir visuellement avec les modèles de manière constante, quelle que soit la méthode de modélisation utilisée. Il inclut par ailleurs un simulateur Monte Carlo destiné à évaluer la manière dont la variabilité réelle des X sera propagée à la variabilité des Y.

Enfin, pour les données de point de vente, l'analyse d'association (également appelée analyse du panier de la ménagère) permet d'identifier les articles que les consommateurs achètent souvent ensemble.

Recherche causale

L'établissement de la cause requiert une théorie explicative, une relation statistique, un ordre chronologique correct et un contrôle adéquat de tout autre X considéré comme étranger.

Les expérimentations statistiques, dans lesquelles les X sont manipulés en fonction d'un plan particulier pour provoquer délibérément une variation dans les Y, constituent un puissant outil de recherche causale. Pour toute expérimentation, le plan détermine l'analyse et JMP offre des fonctionnalités conviviales et intuitives qui vous permettront d'atteindre tous vos objectifs : qu'il s'agisse d'identifier de manière fiable les différences entre deux traitements ou d'optimiser simultanément plusieurs Y dépendant de plusieurs X, dont certains peuvent être difficiles, voire très difficiles, à faire varier dans la pratique.

Outre les plans classiques habituels, JMP fournit un concepteur de plans optimaux très novateur, qui permet d'ajuster le plan en fonction du problème, et pas l'inverse. De plus, les nouveaux plans de criblage définitifs, propres à JMP, présentent de sérieux avantages lorsqu'un problème nécessite une approche séquentielle.

JMP permet par ailleurs de générer des plans dans lesquels les consommateurs doivent faire des choix simples entre les caractéristiques d'un produit ou d'un service. Ils indiquent ainsi plus clairement leurs préférences ou leur absence de préférence. Des déclarations de connaissances préalables sont nécessaires pour qu'un plan efficace puisse être généré. Le fait d'inclure le facteur coût et de réaliser ces expérimentations assez tôt pour un produit ou un service présente de nombreux avantages.

Outre les plans de préférences, JMP permet de créer et d'analyser des plans conjoints d'évaluation et de classification. Le concepteur de plans optimaux prend en charge les plans avec évaluations de consommateurs sur une échelle de Likert. Si vous souhaitez forcer les personnes interrogées à différencier les marques ou les caractéristiques des produits, vous pouvez utiliser les rangs, ou encore un plan MaxDiff qui s'intéresse uniquement à la meilleure et à la pire option d'un ensemble de préférences.

En définissant les facteurs comme difficiles ou très difficiles à changer, vous pouvez générer des plans de classification avec plusieurs tâches par personne interrogée, ce qui améliore la couverture, tout en réduisant le nombre de questions présentées aux personnes interrogées afin d'éviter toute lassitude. Vous pouvez également éliminer les questions hors contexte en définissant les combinaisons refusées dans le plan optimal généré par JMP. Il est enfin possible de modéliser explicitement les différences entre les personnes interrogées à l'aide d'une approche hiérarchique bayésienne.

Études sensorielles

Le but est de comprendre comment nos sens interviennent dans l'expérience de consommation ou d'utilisation d'un produit. Les panels sensoriels sont composés d'experts qui donnent des avis très détaillés. Ils sont généralement utilisés lors de la mise au point de nouveaux produits et dans le but de préserver la qualité des produits existants, en cas de changement. Les panels de dégustation sont comparables, même s'ils sont généralement moins rigoureux et contribuent davantage à déterminer l'acceptabilité d'un produit. Bien que tous deux aient leur importance, la mise en relation des résultats du panel sensoriel et de ceux du panel de consommateurs pour une catégorie de produits spécifique est gage d'une plus grande efficacité.

Quel que soit votre workflow d'analyse préféré, JMP fournit les outils graphiques et statistiques dont vous avez besoin pour garantir la fiabilité des rangs et des évaluations, puis pour être sûr que votre panel sensoriel ou de consommateurs permet bien de différencier les produits de manière objective et quantitative. La méthode ANOVA et/ou la régression avec effets aléatoires sont généralement employées, et sont souvent complétées par une analyse en composantes principales. Le recours aux moindres carrés partiels permet en outre de modéliser la relation entre les résultats des deux panels.

Une fois votre approche clairement définie, vous pouvez facilement créer des applications qui vous permettront de répéter l'analyse, ou tout simplement d'examiner ou de présenter les principaux résultats. Ces applications peuvent comporter un certain niveau d'automatisation, de conseils et d'interprétation, de façon à tenir compte de vos spécificités.

Prévision du comportement

Les Y sont prévus d'après les X, en fonction de données d'observation généralement disponibles. Si elles n'établissent pas la causalité, les prévisions des comportements futurs du consommateur peuvent néanmoins être d'une grande utilité, à condition qu'elles soient fiables. Par exemple, de bonnes prévisions peuvent vous aider à attirer de nouveaux consommateurs rentables, ou à cibler ceux que vous êtes sur le point de perdre par le biais d'offres spéciales.

Communément associé au domaine du data mining, JMP, et plus particulièrement JMP Pro, vous permet de créer et comparer rapidement des modèles de réseaux neuronaux et d'arbres qui captent les comportements répétitifs des consommateurs plutôt que les comportements aléatoires. Les modèles issus d'une régression et de moindres carrés partiels peuvent également être traités dans le même cadre pour éviter tout ajustement excessif.

Par ailleurs, JMP Pro est doté de fonctions de modélisation « uplift » qui facilitent la gestion des relations avec les consommateurs ne répondant aux actions marketing que s'ils sont ciblés. Il est également possible de modéliser l'impact incrémentiel des actions ou traitements appliqués à la réponse d'un individu afin de savoir s'ils produisent les effets escomptés.

Le dépôt des formules de JMP permet de comparer et de contraster facilement les performances de modèles concurrents. Une fois le gagnant sélectionné, vous pouvez générer du code en C, Python, JavaScript et SAS en vue de le déployer dans d'autres environnements pour évaluer le score de nouveaux cas.

Souvent considéré comme un logiciel réservé aux experts, JMP présente néanmoins ces techniques sous une forme cohérente et accessible à tous les chercheurs, sans pour autant nuire à la puissance des algorithmes.

Back to Top