Plaire à tout le monde?! L importance de la segmentation

Transcription

1 Journée Annuelle de Conférences SFAS 01/04/16 Plaire à tout le monde?! L importance de la segmentation Christine Urbano et Eric Teillet

2 Quelques exemples

3 Classification des sujets La classification ascendante hiérarchique (CAH) est une méthode statistique permettant de regrouper les consommateurs qui ont les mêmes préférences pour les mêmes produits (et donc de séparer les consommateurs ayant des préférences différentes). 500 Dendrogramme Dissimilarité Ici les sujets recrutés semblent se dissocier en 2 classes principales. 3

4

5 Exemple 1 : comparaison de yaourts commerce vs maison P value Prod MDD Leader 1 Leader 2 maison Appréciation globale < ±2.5 a 6.1 ±2.7 a 6.2 ±2.4 a 4.8 ±2.9 b Texture dans le pot < ±2.3 a 6.4 ±2.5 a 6.8 ±2.2 a 4.3 ±2.9 b Goût < ±2.6 a 5.9 ±2.7 a 6.4 ±2.2 a 4.8 ±2.9 b Texture en bouche < ±2.5 a 6.3 ±2.6 a 6.4 ±2.4 a 4.9 ±3.0 b Carrefour MDD Taillefine Leader 1 Sveltesse Leader 2 Seb Maison Globalement, le produit maison est moins apprécié que les trois autres produits. Sa texture dans le pot, sa texture en bouche et son goût sont moins appréciés que ceux des 3 autres produits Appréciation globale Appréciation texture pot Appréciation goût Appréciation texture bouche Il n y a pas de différence significative entre les 3 autres produits. Moyenne ± écart-type. P value Prod = effet produit dans l analyse de la variance. La différence entre modalités reliées par une même lettre n'est pas significative. Comparaison de moyennes : Newman Keuls à 5%.

6 Exemple 1 : Segmentation des sujets Segmentation par CAH avec indice de Ward, sujets centrés Sous-groupe 1 (61 sujets) 10 9 Sous-groupe 2 (42 sujets) Carrefour MDD Taillefine Leader 1 Sveltesse Leader 2 Seb Maison Appréciation globale Appréciation texture pot Appréciation goût Appréciation texture bouche 0 Appréciation globale Appréciation texture pot Appréciation goût Appréciation texture bouche La classification ascendante hiérarchique a permis une segmentation des sujets en 2 sous-groupes, pour lesquels aucun lien direct avec les caractéristiques connues des sujets n a pu être identifié. -Le sous-groupe 1 (59% des sujets), apprécie moins la texture du produit maison dans le pot, mais cela n a pas d impact négatif sur l appréciation globale. -Le sous-groupe 2 (41% des sujets), apprécie nettement moins le produit maison que les 3 autres produits, sur l ensemble des descripteurs.

7

8 Exemple 2 : ancienne et nouvelle recette vs leader + 32,4% La nouvelle recette semble augmenter significativement les préférences des consommateurs, même si le leader reste préféré. + 20,1% + 9,8% a* b c Leader Nouvelle Ancienne recette recette * La différence entre modalités reliées par une même lettre n'est pas significative. Comparaison de moyennes : PPDS à 5%. 8

9 Exemple 2 : segmentation des résultats La classification montre 3 groupes de consommateurs : -classe 1 : 47 sujets (36.2%) -classe 2 : 38 sujets (29.2%) -classe 3 : 45 sujets (34.6%) Conclusions: La classe 3 (34.6%) apprécie globalement de la même façon les 3 produits. a b b a b c a a a Leader Nouvelle recette Ancienne recette Les classes 1 et 2 (qui regroupent 65.4% des consommateurs) préfèrent significativement le leader. La classe 1 ne différencie pas ancienne et nouvelle recette. * La différence entre modalités reliées par une même lettre n'est pas significative. Comparaison de moyennes : PPDS à 5%. Seule la classe 2 préfère la nouvelle recette par rapport à l ancienne. 9

10

11 Exemple 3 : comparaison d une eau filtrée avec des eaux embouteillées Conclusions: La moyenne obtenue par l eau filtrée est moins élevée que celle de Thonon, Evian, Wattwilleret Cristaline(les eaux «neutres»). *Test de Newman-Keuls à 5%. La différence entre les produits reliés par une même lettre n'est pas statistiquement significative Eau filtrée Cependant, les tests statistiques montrent que les préférences sont globalement homogènes, et l eau filtrée, bien que légèrement moins appréciée, se trouve dans le groupe de tête. 11

12 Exemple 3 : segmentation des résultats Conclusions: La classe 1 (54.3% des consommateurs) apprécie l ensemble des eaux (l eau du robinet filtrée arrive en 2 ème position). La classe 2 (45.7%) rejette spécifiquement les eaux de faible minéralité : Volvic, eau du robinet filtrée et surtout Mont Roucous. 12

13 Exemple 3 : segmentation des résultats Lien avec les habitudes de consommation Effectifs des fréquences de consommation d eau embouteillée Régulièrement Occasionnellement Jamais ou presque Classe Classe Total 49 (46.7%) 42 (40%) 14 (13.3%) Conclusions: aucun lien significatif (Chi²) n a été trouvé entre les 2 classes de préférence et les variables du questionnaire. Effectifs des fréquences de consommation d eau du robinet Régulièrement Occasionnellement Jamais ou presque Classe Classe Total 63 (60%) 20 (19%) 22 (21%) En particulier, aucun lien n a été montré entre ces classes et les fréquences de consommation d eau en bouteille et d eau du robinet. 13

14

15 concept 1-plus saine 1 concept 2-plus belle 2 concept 3-imperf att 3 concept 4-plus jeune 4 concept 5-signes age 5 concept 6-tiraill moins 6 concept 7-deb impuretes 7 concept 8-protec soleil 8 concept 9-Kpital beaute 9 concept 10-plus detend 10 concept 11-moins 11 fatig concept 12-plus energie 12 concept 13-vie bon 13 cote concept 14-reconfort 14 concept 15-prends 15 soin concept 16-resp corps 16 concept 17-rituel 17 agr concept 18-aime odeur 18 concept 19-qual 19 aug concept 20-aime massant 20 concept 21-momt plaisir 21 concept 22-plus 22 sure concept 23-plus femini 23 concept 24-assum 24 age concept 25-bien ds 25 peau concept 26-aime image 26 concept 27-plus 27 belle concept 28-attir regard 28 concept 29-compliments 29 concept 30-histoire 30 concept 31-authenticite 31 concept 32-provence 32 concept 33-traditionnel 33 concept 34-plantes 34 concept 35-confiance 35 concept 36-respectueux 36 concept 37-ingr nature 37 concept 38-engagements 38 concept 39-provenance 39 concept 40-ethique 40 Classe 1 Classe Classe 2 : 62.5% des sujets Classe 1 : 37.5% 2 des sujets Profil des classes Classement de différents concepts, ici regroupés par thématique La CAH a donné 2 classes principales. Exemple 4 : test de différents concepts 15

16

17 Exemple 5 : effet d une information Un nouveau procédé de fabrication : faut-il communiquer? Tous produits confondus, l information a une influence positive sur la moyenne globale des notes qu elle a tendance à augmenter. On aurait envie de conclure qu on a intérêt à communiquer sur le nouveau procédé 17

18 Exemple 5 : segmentation des consommateurs Une classification (CAH) a été effectuée sur les différences d appréciation avec-sans information. L analyse a révélé deux classes de consommateurs. Une première classe de consommateurs (45.05% des sujets) est influencée positivement par l information (+1.30 en moyenne). Une seconde classe (54.95%) est influencée plutôt négativement par l information (-0.63 en moyenne). Dans les deux cas, cet effet est tous produits confondus. On conclut qu il est préférable de ne pas communiquer sur le nouveau procédé 18

19

20 Exemple 6 : effet du type d emballage E. témoin E. nouveau P-value Produit Biscotte Crackers Petit beurre Galette * On observe une différence significative pour les galettes : le produit dans l emballage témoin est légèrement plus apprécié (+0.5 points). Analyse de variance avec effet sujet et produit

21 Exemple 6 : segmentation des consommateurs Une classification (CAH) a été effectuée sur les différences d appréciation Nouveau-Témoin Il semble que l analyse tous produits confondus révèle 3 classes de consommateurs. Une première classe de consommateurs, largement majoritaire (61.8% des sujets) ne fait globalement pas de différence d appréciation entre les deux types d emballage. Galette Biscottes Crackers Petit beurre Il pourrait y avoir 2 autres classes de consommateurs qui apprécieraient moins un des types de produits emballés avec le nouvel emballage : 17.6% apprécieraient moins les crackers et 20.6% apprécieraient moins les galettes. 21

22

23 Exemple 7 : comparaison de cafés de différentes intensités Une Anova «Sujet + Produit» a été effectuée sur les notes de préférence à l aveugle. Produit A doux Volluto 4.84 B intense Carte noire 10 B doux Carte noire LSD = 0,33 A intense Ristretto Préférence à l'aveugle Au niveau de l ensemble du panel, il n existe pas de préférence marquée envers l un ou l autre type de café. 23

24 Exemple 7: segmentation des consommateurs Une classification des consommateurs a été menée afin d identifier de potentiels profils de préférences. Chaque consommateur a été centré mais non réduit. 8 Profil des classes Volluto Ristretto Carte noire 4 Carte noire 10 A doux A intense B doux B intense 1 2 L analyse révèle 2 profils de consommateurs. Une première classe (en rouge, 43.2% des personnes interrogées) rejette particulièrement le produit A intense. Une seconde classe (en bleu, 56.8% des personnes interrogées) apprécie particulièrement ce produit A intense. La classe 1 apprécie par contre le produit B doux, contrairement à la classe 2 qui le déprécie. Pour les 2 autres produits, les préférences moyennes sont homogènes entre les 2 classes. 24

25

26 Ce que l on fait moins souvent Classification des consommateurs sur la base de leurs perceptions

27 Tri libre «Faites des groupes de produits qui se ressemblent» Frais J aime Consommateur 1 J aime Acide Salé Amer Consommateur 2 Je n aime pas J aime Salé Terreux Consommateur n L indice de Rand, un indice de proximité entre 2 tris : Ra = (a+b)/(a+b+c+d) Nb : le Rand corrigé Matrice 389*389 des proximités entre juges Matrice 389*389 de dissimilarités entre juges Classification 27

28 Exemple : tri libre auprès de 389 consommateurs 6 eaux du robinet, 6 eaux minérales, configuration générale Dimension 2 (30.6%) Mont Roucous (19) Epinal (59) Thann (65) Volvic (121) Orléans (192) amer moisi pharmacie métallique persistant acide astringent salé minéraux fraîcheur Yutz (324) TDS Vigneux (249) neutre «eau minérale» Dijon (290) Thonon (326) Evian (329) Contrex (2039) Hépar (2664) Dimension 1 (39.8%) Espace sensoriel basé sur la minéralité, pas de discrimination eau du robinet / eau minérale 28

29 Exemple : tri libre auprès de 389 consommateurs Après classification sur indice de Rand, 3 groupes. 1 er groupe (56%) : 2 Dimension 2 (31.6%) Mont Roucous (19) Epinal (59) Thann (65) pharmacie arrière-goût persistant gratte la gorge acide métallique astringent salé minéraux Volvic (121) Orléans (192) fraîcheur neutre Yutz (324) eau minérale Dijon (290) Vigneux (249) Evian (329) Thonon (326) Hépar (2664) Contrex (2039) Dimension 1 (45.1%) On retrouve bien la structure générale globale 29

30 Exemple : tri libre auprès de 389 consommateurs Après classification sur indice de Rand, 3 groupes. 2 ème groupe (36%) : 2 Dimension 2 (28.3%) Epinal (59) Vigneux (249) Dijon (290) Orléans (192) fraîcheur autre neutre Thann (65) chlore Volvic (121) Mont Roucous (19) métallique acide amer moisi arrière-goût persistant salé minéraux Thonon (326) Hépar (2664) Contrex (2039) Evian (329) -2 Yutz (324) Dimension 1 (52.0%) Eaux minérales et eaux du robinet discriminées! 30

31 En règle générale Il ne faut pas se priver d essayer de classer les consommateurs sur la base de leurs perceptions! Si les perceptions ne sont pas homogènes, alors comment les préférences le seront-elles? Ce genre de classification est faisable dès qu un indice de proximité entre sujets peut-être calculé (Rand, RV, corrélation ) et peut donc être réalisée pour la plupart des taches perceptives demandées aux consommateurs (tri, PSP, Napping Mais aussi pour des méthodes «mixtes» de type échelles JAR ). Essayez! On a parfois des surprises! 31

32 Quelques considérations autour de la classification hédonique

33 Quel type de classification? Classification ascendante hiérarchique? K-means? Varclus? La CAH a le gros avantage de présenter un dendrogramme, on conserve une structure hiérarchique entre chaque niveau de coupure possible. Quelles distances? Quelles distances ultramétriques? Les K-means(et les nuées dynamiques) donnent parfois des résultats plus satisfaisants que la CAH à un nombre de classes donné. Ce sont des méthodes d optimisation. Mais il faut choisir le nombre de classes «à priori» (pseudo F?) Les classifications de variables de type varclusdonnent des résultats également intéressants. Elles peuvent être utilisées dans les approches de type cartographie interne ou externe. Pas de méthode «optimale» ou de règle absolue. 33

34 Centrage? Réduction? Cela dépend des écoles Tout le monde s accorde à autoriser voire imposer le centrage. Mais pour la réduction? J1 J2 J3 A B C A B A B C C A vous de voir! On notera tout de même que si l on a une échelle verbale, la réduction perd de son sens 34

35 Expert en analyse sensorielle Expert en tests consommateurs Expert en Statistiques Appliquées Agréé Organisme de Formation Agréé pour le Crédit Impôt Recherche Toute l équipe SensoStat est à votre service! Contactez-nous au Christine Urbano Responsable Analyse Sensorielle et Tests Consommateurs christine.urbano@sensostat.fr (+33) Éric Teillet Responsable Scientifique et Statistique eric.teillet@sensostat.fr (+33)