analyse satisfaction socio
TRANSCRIPT
Présentation PowerPointou d'image
INTRODUCTION
*
INTRODUCTION
*
INTRODUCTION
Dans tous les cas, l’objectif central est d’optimiser les actions marketing (enseigne, produits, services …)
*
Depuis de nombreuses années, différentes publications ont montré la relation globale :
FIDELITE
PROFIT
et les bénéfices endogènes ("réachat") ou exogènes (" bouche à oreille") qu’une entreprise peut en tirer.
QUALITE
SATISFACTION
*
Nombre de consultants sont intervenus ou interviennent encore sur cette relation (et les modèles d’évaluation s’y afférant) et il n’est pas notre propos d’y revenir.
*
AFFECTIVE
CONATIVE
*
Ce qui nous intéresse aujourd’hui, c’est ce qu’apporte les nouvelles méthodes statistiques en particulier dans leurs éléments cognitifs « Multi-attributs ».
*
Rappelons le cadre général de la mesure de la satisfaction et la mise au point idéale de l’instrument de mesure.
QUALITATIF
Méthode des incidents critiques de Flanaghan
…
*
à un échantillon
ANALYSE FACTORIELLE
*
retrouver l'information contenue dans un tableau individus x variables en remplaçant les variables par nombre plus petit de variables les facteurs
comprendre les liens entre variables
*
Modulation plus fine du jugement
Plus grand pouvoir discriminant
Traitement statistique spécifique aux variables numériques
Possibilité de voir des évolutions d’une vague à l’autre
Pouvez- vous indiquer ci-dessous la note qui caractérise le mieux votre satisfaction à l’égard de de votre voiture.
10 signifiant que vous êtes très satisfait, 1 pas du tout, les notes intermédiaires permettant de nuancer votre jugement
42
*
*
Les difficultés rencontrées dans la mesure de ces liens résident généralement dans le corpus d’analyse lui-même.
Échantillon trop faible
Instabilité
Ne donne pas le déclencheur des modifications
*
Nous vous présenterons donc différentes méthodes pour calculer les poids des critères de satisfaction et d'image
L’ensemble de ces travaux de recherche a été effectué par SOCIO Logiciels sur des logiciels d’analyse SPSS / BMDP SIMCA P / SAS, en utilisant la technique de la « forêt » permettant de mesurer la stabilité de la méthode :
*
Si avec 10 expérimentations différentes, c’est-à-dire un même calcul sur une même méthode donne des résultats similaires (et ce sur les 2 années) :
Méthode stable et robuste
dans le cas contraire :
*
Nous avons travaillé sur un champ de données issu d’une enquête automobile réalisée en 2001 et 2002 sur un pays et le « modèle phare » d’un segment donné.
Échantillon à chaque vague de 1500 individus
Batterie d’expérimentation de 9 items (batterie réduite jugée sur une note de 1 à 10)
Et bien sûr une note globale.
La Base de travail
La Base de travail
Le champ des données "expérimental" n'a pas été pris au hasard. Le pays pris en compte est réputé dans ce domaine pour son "conservatisme", le modèle de segment choisi n'a subi aucun changement lors des deux années étudiées, , ni de restyling, ni de nouvelles communications média ou hors média. Un modèle pérenne.. donc rien … à priori susceptible de modifier l'influence d'une série de notes sur la satisfaction générale, d'une année sur l'autre.
*
Et pourtant … les différentes méthodes de calcul … dont l'objectif est à priori le même, c'est-à-dire mesurer les poids de ces items et leurs éventuelles évolutions, montrent des disparités / instabilités importantes.
Mais … de la même façon qu'on admet maintenant qu'il n'y a pas qu'une seule typologie (factorielle, canonique, discriminante, PLS … et maintenant cartes de Kohonen), il faut admettre qu'il n'y a pas qu'une seule méthode de hiérarchisation …
Le tout est d'obtenir, selon la problématique posée, la meilleure hiérarchisation, c'est-à-dire in fine, celle qui permet de conjuguer
stabilité
robustesse
Régression en cascade
9 items jugés sur des notes de 1 à 10
Ligne
Prix
Qualité
Technique
Consommation
Vitesse
Place
Confort
Sûre
*
IMPORTANT
Dans toutes ces analyses, il est important de dire que l'on ne mesure que ce que l'on a.
En d'autres termes, on suppose que l'ensemble des items recouvre le champ d'investigation considéré !
Par contre à posteriori, on peut évaluer le fait qu'il manque de l'information (items), sans évidemment pouvoir dire ce qu'elle recouvre.
Comment ?
par la valeur des indicateurs de convergence
*
8
In fine, on constate peu d'écarts 0.66 en moyenne et un R2 de 0.97 [maximum 1]
cohérence des notes
entre 2001 et 2002
Ligne
8.01
5
8.09
5
0
Prix
7.51
8
7.48
9
1
Qualité
8.35
1
8.44
4
0
Technique
8.20
4
8.35
2
2
Consommation
7.44
9
7.49
8
1
Vitesse
8.24
2
8.25
3
1
Place
7.78
7
7.88
6
1
Confort
7.85
6
7.84
7
1
Sûre
8.23
3
8.23
4
1
*
Mais qu'en est-il de l'importance des items … dans la note globale ?
LE BILAN D'IMAGE
Méthode :
*
2002
2001
*
Au niveau des rangs, beaucoup de changements entre 2001 et 2002, la somme des écarts de rangs entre 2002 et 2001 est très élevée : 12.
Le coefficient de régression (valeur du R2 est faible).
Beaucoup d'instabilité dans les rangs des items méthode à proscrire pour l'analyse de la satisfaction
Aucune prise en compte des inter-corrélations
LE BILAN D'IMAGE Conclusions
Méthode :
Le modèle de régression linéaire consiste à trouver une relation entre :
une variable à expliquer (la note globale) et "n" variables explicatives (les items)
la régression est multiple car il y a plusieurs variables explicatives
*
2001
2002
*
C'est la méthode la plus connue, et c'est également la méthode – dans ce cas d'espèces – à oublier.
La somme des écarts de rangs est à 18, R2 catastrophique…
RÉGRESSION LINÉAIRE Conclusions
Méthode :
On cherche dans la batterie d'items et de manière itérative, les items corrélés positivement avec la note globale – et ce – tant qu'on ne trouve pas de coefficients de corrélation négatifs.
on calcule ainsi une première série de poids
le process est réitéré avec tous les autres items
*
+ b x it-6
+ (fin c < 0)
+ b' x it-9 + (fin c < 0)
*
2002
2001
*
Même si les résultats s'améliorent, la valeur du R2 reste faible et surtout la somme des écarts de rang reste importante (12).
RÉGRESSION SEQUENTIELLE PAS A PAS
Conclusions
Méthode :
On définit "à priori" des "familles sémantiques" de manière qualitative .Tous les items parlent de la même chose : exemples accueil au point de vente, amabilité des vendeurs, temps d'attente dans la concession …
On a donc en entrée, la note des items et la note des familles
on calcule d'abord le poids des items dans la famille
on calcule ensuite une note pondérée de la famille
on calcule enfin le poids des familles reconstituées dans la note globale
*
2001
2002
*
La valeur du R2 est bonne, et la somme des écarts des rangs est correcte (7).
Cependant deux réserves :
le choix "à priori" des familles
la dernière régression dans les familles a tout son sens car les familles sont indépendantes .Par contre , les premières, par famille, portent sur des items corrélés.
RÉGRESSION EN CASCADE Conclusions
Méthode :
On va d'abord faire une analyse factorielle des items sous contrainte.
On fait la régression entre la note globale et les facteurs ainsi définis, et non pas avec les items.
*
2001
2002
*
Assez "tendance" ces dernières années, la régression PLS montre ici ses faiblesses :
Elle réagit mal quand les items sont moyennement corrélés
Le R2 reste faible, la somme des écarts de rang est importante : 14
RÉGRESSION PLS Conclusions
Méthode :
*
2002
2001
Les résultats ne sont pas bons !
la somme des écarts de rang est très importante : 18, le coefficient de R2 faible.
la méthode est donc très instable
RÉGRESSION RIDGE Conclusions
Méthode :
Les réseaux Bayésiens sont le résultat du mariage entre la statistique et l'intelligence artificielle. Ils ont ainsi la capacité de découvrir des relations, de les formaliser et de les englober.
*
2001
2002
RESEAUX BAYESIENS Conclusions
Si l'on accepte le fait que cette technique ne réponde pas à des règles statistiques précises (c'est le modèle qui cherche et non pas le statistiticien), force est de constater que les résultats sont corrects :
R2 assez satisfaisant
Néanmoins la méthode reste dans le temps assez instable.
*
ACP
de la satisfaction
(quasi indépendants) poids des facteurs
Réseaux
Bayésiens
items poids des items dans les facteurs
L'importance finale = poids des items x poids des facteurs
*
APB-SATCLI Conclusions
R2 très fort, proche de 1, et du R2 qui mesurait le lien des notes 2001 – 2002
une somme des écarts de rang très faible : 4
GRANDE STABILITE ET ROBUSTESSE DU MODELE SOCIO APB-SATCLI
*
*
CONCLUSIONS
A optimiser les ressources sur les composantes de la relation client, afin d’établir des plans d’actions marketing au travers d’une matrice priorité d’actions.
A mesurer les évolutions dans leur dimension Temps, mais aussi par pays, segments de marché : . matrice Renault vs marché
. matrice Renault vs benchmark
A construire une segmentation client en utilisant les différents impacts mesurés
Valorisation clients
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Consommation
Prix
R
2
= 0,9741
7,40
7,60
7,80
8,00
8,20
8,40
8,60
7,207,407,607,808,008,208,408,60
1
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Prix
Consommation
R
2
= 0,3211
0
1
2
3
4
5
6
7
8
9
10
012345678910
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Prix
Consommation
R
2
= 0,9344
0
1
2
3
4
5
6
7
8
9
10
012345678910
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Consommation
Prix
R
2
= 0,4669
0
1
2
3
4
5
6
7
8
9
10
012345678910
Prix
Consommation
Ligne
Qualite
Technique
Vitesse
Place
Confort
Sûre
R
2
= 0,64
0
1
2
3
4
5
6
7
8
9
10
012345678910
INTRODUCTION
*
INTRODUCTION
*
INTRODUCTION
Dans tous les cas, l’objectif central est d’optimiser les actions marketing (enseigne, produits, services …)
*
Depuis de nombreuses années, différentes publications ont montré la relation globale :
FIDELITE
PROFIT
et les bénéfices endogènes ("réachat") ou exogènes (" bouche à oreille") qu’une entreprise peut en tirer.
QUALITE
SATISFACTION
*
Nombre de consultants sont intervenus ou interviennent encore sur cette relation (et les modèles d’évaluation s’y afférant) et il n’est pas notre propos d’y revenir.
*
AFFECTIVE
CONATIVE
*
Ce qui nous intéresse aujourd’hui, c’est ce qu’apporte les nouvelles méthodes statistiques en particulier dans leurs éléments cognitifs « Multi-attributs ».
*
Rappelons le cadre général de la mesure de la satisfaction et la mise au point idéale de l’instrument de mesure.
QUALITATIF
Méthode des incidents critiques de Flanaghan
…
*
à un échantillon
ANALYSE FACTORIELLE
*
retrouver l'information contenue dans un tableau individus x variables en remplaçant les variables par nombre plus petit de variables les facteurs
comprendre les liens entre variables
*
Modulation plus fine du jugement
Plus grand pouvoir discriminant
Traitement statistique spécifique aux variables numériques
Possibilité de voir des évolutions d’une vague à l’autre
Pouvez- vous indiquer ci-dessous la note qui caractérise le mieux votre satisfaction à l’égard de de votre voiture.
10 signifiant que vous êtes très satisfait, 1 pas du tout, les notes intermédiaires permettant de nuancer votre jugement
42
*
*
Les difficultés rencontrées dans la mesure de ces liens résident généralement dans le corpus d’analyse lui-même.
Échantillon trop faible
Instabilité
Ne donne pas le déclencheur des modifications
*
Nous vous présenterons donc différentes méthodes pour calculer les poids des critères de satisfaction et d'image
L’ensemble de ces travaux de recherche a été effectué par SOCIO Logiciels sur des logiciels d’analyse SPSS / BMDP SIMCA P / SAS, en utilisant la technique de la « forêt » permettant de mesurer la stabilité de la méthode :
*
Si avec 10 expérimentations différentes, c’est-à-dire un même calcul sur une même méthode donne des résultats similaires (et ce sur les 2 années) :
Méthode stable et robuste
dans le cas contraire :
*
Nous avons travaillé sur un champ de données issu d’une enquête automobile réalisée en 2001 et 2002 sur un pays et le « modèle phare » d’un segment donné.
Échantillon à chaque vague de 1500 individus
Batterie d’expérimentation de 9 items (batterie réduite jugée sur une note de 1 à 10)
Et bien sûr une note globale.
La Base de travail
La Base de travail
Le champ des données "expérimental" n'a pas été pris au hasard. Le pays pris en compte est réputé dans ce domaine pour son "conservatisme", le modèle de segment choisi n'a subi aucun changement lors des deux années étudiées, , ni de restyling, ni de nouvelles communications média ou hors média. Un modèle pérenne.. donc rien … à priori susceptible de modifier l'influence d'une série de notes sur la satisfaction générale, d'une année sur l'autre.
*
Et pourtant … les différentes méthodes de calcul … dont l'objectif est à priori le même, c'est-à-dire mesurer les poids de ces items et leurs éventuelles évolutions, montrent des disparités / instabilités importantes.
Mais … de la même façon qu'on admet maintenant qu'il n'y a pas qu'une seule typologie (factorielle, canonique, discriminante, PLS … et maintenant cartes de Kohonen), il faut admettre qu'il n'y a pas qu'une seule méthode de hiérarchisation …
Le tout est d'obtenir, selon la problématique posée, la meilleure hiérarchisation, c'est-à-dire in fine, celle qui permet de conjuguer
stabilité
robustesse
Régression en cascade
9 items jugés sur des notes de 1 à 10
Ligne
Prix
Qualité
Technique
Consommation
Vitesse
Place
Confort
Sûre
*
IMPORTANT
Dans toutes ces analyses, il est important de dire que l'on ne mesure que ce que l'on a.
En d'autres termes, on suppose que l'ensemble des items recouvre le champ d'investigation considéré !
Par contre à posteriori, on peut évaluer le fait qu'il manque de l'information (items), sans évidemment pouvoir dire ce qu'elle recouvre.
Comment ?
par la valeur des indicateurs de convergence
*
8
In fine, on constate peu d'écarts 0.66 en moyenne et un R2 de 0.97 [maximum 1]
cohérence des notes
entre 2001 et 2002
Ligne
8.01
5
8.09
5
0
Prix
7.51
8
7.48
9
1
Qualité
8.35
1
8.44
4
0
Technique
8.20
4
8.35
2
2
Consommation
7.44
9
7.49
8
1
Vitesse
8.24
2
8.25
3
1
Place
7.78
7
7.88
6
1
Confort
7.85
6
7.84
7
1
Sûre
8.23
3
8.23
4
1
*
Mais qu'en est-il de l'importance des items … dans la note globale ?
LE BILAN D'IMAGE
Méthode :
*
2002
2001
*
Au niveau des rangs, beaucoup de changements entre 2001 et 2002, la somme des écarts de rangs entre 2002 et 2001 est très élevée : 12.
Le coefficient de régression (valeur du R2 est faible).
Beaucoup d'instabilité dans les rangs des items méthode à proscrire pour l'analyse de la satisfaction
Aucune prise en compte des inter-corrélations
LE BILAN D'IMAGE Conclusions
Méthode :
Le modèle de régression linéaire consiste à trouver une relation entre :
une variable à expliquer (la note globale) et "n" variables explicatives (les items)
la régression est multiple car il y a plusieurs variables explicatives
*
2001
2002
*
C'est la méthode la plus connue, et c'est également la méthode – dans ce cas d'espèces – à oublier.
La somme des écarts de rangs est à 18, R2 catastrophique…
RÉGRESSION LINÉAIRE Conclusions
Méthode :
On cherche dans la batterie d'items et de manière itérative, les items corrélés positivement avec la note globale – et ce – tant qu'on ne trouve pas de coefficients de corrélation négatifs.
on calcule ainsi une première série de poids
le process est réitéré avec tous les autres items
*
+ b x it-6
+ (fin c < 0)
+ b' x it-9 + (fin c < 0)
*
2002
2001
*
Même si les résultats s'améliorent, la valeur du R2 reste faible et surtout la somme des écarts de rang reste importante (12).
RÉGRESSION SEQUENTIELLE PAS A PAS
Conclusions
Méthode :
On définit "à priori" des "familles sémantiques" de manière qualitative .Tous les items parlent de la même chose : exemples accueil au point de vente, amabilité des vendeurs, temps d'attente dans la concession …
On a donc en entrée, la note des items et la note des familles
on calcule d'abord le poids des items dans la famille
on calcule ensuite une note pondérée de la famille
on calcule enfin le poids des familles reconstituées dans la note globale
*
2001
2002
*
La valeur du R2 est bonne, et la somme des écarts des rangs est correcte (7).
Cependant deux réserves :
le choix "à priori" des familles
la dernière régression dans les familles a tout son sens car les familles sont indépendantes .Par contre , les premières, par famille, portent sur des items corrélés.
RÉGRESSION EN CASCADE Conclusions
Méthode :
On va d'abord faire une analyse factorielle des items sous contrainte.
On fait la régression entre la note globale et les facteurs ainsi définis, et non pas avec les items.
*
2001
2002
*
Assez "tendance" ces dernières années, la régression PLS montre ici ses faiblesses :
Elle réagit mal quand les items sont moyennement corrélés
Le R2 reste faible, la somme des écarts de rang est importante : 14
RÉGRESSION PLS Conclusions
Méthode :
*
2002
2001
Les résultats ne sont pas bons !
la somme des écarts de rang est très importante : 18, le coefficient de R2 faible.
la méthode est donc très instable
RÉGRESSION RIDGE Conclusions
Méthode :
Les réseaux Bayésiens sont le résultat du mariage entre la statistique et l'intelligence artificielle. Ils ont ainsi la capacité de découvrir des relations, de les formaliser et de les englober.
*
2001
2002
RESEAUX BAYESIENS Conclusions
Si l'on accepte le fait que cette technique ne réponde pas à des règles statistiques précises (c'est le modèle qui cherche et non pas le statistiticien), force est de constater que les résultats sont corrects :
R2 assez satisfaisant
Néanmoins la méthode reste dans le temps assez instable.
*
ACP
de la satisfaction
(quasi indépendants) poids des facteurs
Réseaux
Bayésiens
items poids des items dans les facteurs
L'importance finale = poids des items x poids des facteurs
*
APB-SATCLI Conclusions
R2 très fort, proche de 1, et du R2 qui mesurait le lien des notes 2001 – 2002
une somme des écarts de rang très faible : 4
GRANDE STABILITE ET ROBUSTESSE DU MODELE SOCIO APB-SATCLI
*
*
CONCLUSIONS
A optimiser les ressources sur les composantes de la relation client, afin d’établir des plans d’actions marketing au travers d’une matrice priorité d’actions.
A mesurer les évolutions dans leur dimension Temps, mais aussi par pays, segments de marché : . matrice Renault vs marché
. matrice Renault vs benchmark
A construire une segmentation client en utilisant les différents impacts mesurés
Valorisation clients
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Consommation
Prix
R
2
= 0,9741
7,40
7,60
7,80
8,00
8,20
8,40
8,60
7,207,407,607,808,008,208,408,60
1
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Prix
Consommation
R
2
= 0,3211
0
1
2
3
4
5
6
7
8
9
10
012345678910
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Prix
Consommation
R
2
= 0,9344
0
1
2
3
4
5
6
7
8
9
10
012345678910
Sûre
Confort
Place
Vitesse
Technique
Qualite
Ligne
Consommation
Prix
R
2
= 0,4669
0
1
2
3
4
5
6
7
8
9
10
012345678910
Prix
Consommation
Ligne
Qualite
Technique
Vitesse
Place
Confort
Sûre
R
2
= 0,64
0
1
2
3
4
5
6
7
8
9
10
012345678910