|
Analyses statistiques multivariées
|
Responsable du cours : Dr Pierre DESMET
Nb ECTS : 3
Objectifs
L’étudiant doit être capable, à l’issue du cours, de choisir et de mettre en oeuvre la méthode adaptée pour traiter des données multidimensionnelles dans le cadre d’études descriptives et explicatives.
Contrôle des connaissances
Le contrôle des exercices effectués par les étudiants sert de base au contrôle continu des connaissances.
Groupe de 5 étudiants
2 rapports à rendre
— 11/2 Cas Siège
— 5/3 Cas Fleur de Beauté
Lecture obligatoire
Cette lecture est OBLIGATOIRE et sera éventuellement contrôlée par une interrogation inopinée.
Market Research, Jourdan et Jolibert (chapitres et pages indiqués pour chaque séance)
Planning
| Date | Thème | Lecture | |
| 1 | 7/1 | Régression logistique | |
| 2 | 14/1 | Analyses en composantes principales & MDS | Chap 12 |
| 3 | 21/1 | Analyses factorielles des correspondances | Chap 13 |
| 4 | 28/1 | Typologies nodales et hiérarchiques | Chap 14 |
| 5 | 4/2 | Analyse des mesures conjointes | Chap 17 |
| 6 | 11/2 | Modèles individuels RFM et LTV | |
| 7 | 18/2 | Modèles individuels RFM et LTV | |
| 8 | 25/2 | Modélisation des ventes d’un nouveau produit |
Plan de cours
| Séance 1 : Régression logistique |
Explication d’une variable nominale ou ordinale
Support de cours :
— S8 Logistique
Lecture :
— [JJ]
-Outils et exemples
— Régression logistique ordinaire sur Libraire
| Séance 2 : Analyses en composantes principales |
Analyses factorielles exploratoires : synthétiser les informations contenues dans une matrice de Variance-Covariance ou de corrélations.
— ACP (priors=1) si les variables sont mesurées sans erreur
— AFCS (priors= smc) si les variables ont une variance commune et une variance spécifique (analyse factorielle en facteurs communs et spécifiques)
Support de cours :
pdf
Lecture :
— [JJ] Analyse factorielle, Ch12 (293-320)
TD :
— Exemple simple d’une ACP avec Gplot : dépenses média par secteur d’activité
— Faire une ACP sur le fichier des données descriptives de voitures Auto_France
— Faire une ACP sur les critères de choix d’une bière Bière
— Faire une ACP sur le fichier des données descriptives de l’équipement numérique Internet 2007
— Auto France
— Exemple Image de marque Super Bowl
Exemple Créative
| Séance 3 : Analyses factorielles des correspondances |
Analyse des profils (lignes et colonnes) d’un tableau croisé.
L’Analyse FActorielle des COrrespondances (AFACO) permet de traiter
un tableau croisé simple (2 variables, X1*X2)
un tableau croisé multiple (Analyse des correspondances multiples, ACM) (tableau de Burt) (X1 X2 X3)*(X1 X2 X3)
des profils (individu x variables) codés en disjonctif complet (chaque modalité est codée en 0/1)
Lecture :
— [JJ] Autres méthodes de factorisation Ch13 (322-352)
Support de cours :
Introduction
— AO2DO factorielles
Exemples et Data
— Exemple introductif
— Exemple Hébergement / CSP
— Exemple
— Disjonctif
— ACM Chocolat
Analyse des données de (dis)similarités et préférences (MDS métrique et non métrique)
Support de cours :
— Transparents sur données de préférences : PrefMap métrique et non métrique avec proc Prinqual (Analyse sensorielle)
Outils et exemples
— Intervilles.sas
— Chips.sas
TD
— Quotidiens
| séance 4 : Typologies & Segmentation |
Regrouper des individus pour réduire l’hétérogénéité et identifier des groupes cibles. Différentes possibilités : Segmentation a priori, a posteriori, concomittante
— Choisir une distance : quelles variables, quelle distance ?
— Evaluer la qualité d’une typologie
— Typologies nodales
— Typologies hiérarchiques
— Typologies non paramétriques
— Cartes auto-organisatrices (SOM)
Support de cours :
— Transparents Typologie
Lecture :
— [JJ] Analyse typologique, Ch14 (356-376)
Grouper à partir d’un nombre de groupes pré-établi (typologies nodales)
— SAS Fastclus
— Avancé
Grouper de manière hiérarchique (typologies hiérarchiques)
— SAS Cluster
— Avancé
Deux ensembles de variables : évaluer la qualité de la solution par rapport à une variable
— Méthodes de segmentation par arbre
Cas :
— Application Orange
TD3 : A partir de la base de données PMG, faire deux typologies (nodale et hiérarchique) des consommateurs à partir de leurs réponses aux questions concernant leur attitude vis-à-vis du prix.
Les comparer et étudier leur intérêt.
— Cas PMG
| Séance 5 : Modèles d’analyse conjointe |
Utilité déterministe :
Présentation Analyse conjointe
— Exemple introductif Analyse conjointe
— BPTO brand price trade off
Chocolate
— Code SAS
Exemple complet (Frozen Diet) avec création du plan expérimental
tiré de Kuhfeld — Code SAS
Exemple Lessive
Utilité aléatoire : Modèles de choix (choice based conjoint CBC) : Logit, Probit, HEV, GEV, Nested logit
Code SAS Modele de choix
Code SAS Chocolate
| Séance 6 et 7 : Modèles stochastiques sur données individuelles |
Capital et Valeur client
Modèle d’apprentissage & markovien
Modèles stochastiques : Dirichlet, BB, NBD, BBD, BG NBD...
Modélisation de l’attrition
Exemple (excel)
Capital Client
Plan commercial
Modèle de Hendry
LTV sur un abonnement téléphonique
Markov
BB beta Binomial
NBD negative binomiale
BG NBD Beta géométrique
Lectures
Repeat Buying, Ehrenberg
Dirichlet a comprehensive model of buying behavior
Cas Fleur de Beauté
Cas CD-Now (Fader & Hardie)
Customer Equity test
Capital client (Managing marketing by the customer equity test)
| Séance 8 : Modèles de prévision nouveaux produits |
| Echelle de mesure |
Lecture :
— [JJ] La construction d’une échelle de mesure , Ch8 (178-198)
Support de cours :
Transparents Echelle de mesure et Analyse factorielle confirmatoire
Autres ressources
— Modèles multi-niveaux (hiérarchiques) Multilevel Statistical Models, Goldstein, 1995
Gerard J. Tellis, Philip Hans Franses, 2006, Optimal Data Interval for Estimating Advertising Response , Marketing Science 25, 3, May–June, pp. 217–229
Feichtinger, Hartl, Sethi, 1994, Dynamic optimal control in advertising models : recent development, Management Science, 40, 3, 193-226
Yoo, Mandhachitara, 2003, Estimating advertising effects on sales in a competitive setting , Journal of Advertising Research.
Dekimpe, Hanssens, 1995, The persistence of marketing effects on sales, Marketing Science, 14, 1, 1-21
Rao, Wind, de Sarbo, 1988, A customized market response model : Development, Estimation, and empirical testing , JAMS, 16,1, 128-140.
Pollay, Siddarth, Siegel, Haddix, Merrit, Giovino, Eriksen, 1996, The last straw... , Journal of Marketing, 60, 2, 1-16.
Bagwell, 2005, The economic analysis of advertising, WO, Columbia University.
Chatterjee S., Shudarshan D., 1994, MARKDEF : A methodology for understanding competitive spaces based on consumer perceptions, Behaviourmetrika, 21, 2, 97-119.
IRI, 2010, Séminaire IREP, Les nouvelles demandes des annonceurs concernant l’efficacité publicitaire, http://www.offremedia.com/media/deliacms/media//1082/108266-35fd5a.pdf
Autre
| Modèles d’aide à la décision |
Premier modèle basique
Cas DBM
Echelle de mesure et Analyse factorielle confirmatoire chap 8
| Evaluation des ventes d’un nouveau produit | Conférence Ipsos sur Designor |
Master Marketing 2012, 1739 20DE12