Analyse de marchs SANCE 8 Lutilisation de la

Analyse de marchés SÉANCE 8 L’utilisation de la donnée secondaire dans l’analyse du produit/marché

Plan de la séance z Introduction z Le cycle de vie des produits z Méthode classique de prévision par la décomposition d’une série chronologique z Étapes de la méthode de décomposition d’une série chronologique z Conclusion

Le cycle de vie du produit

Le cycle de vie des produits Les déterminants du cycle de vie : classe de produit ou marque ? z Pour un produit/marché (classe de produit), c’est la demande globale qui est en cause.

Le cycle de vie des produits (suite) Le niveau d’analyse : z Plus grande utilité au niveau du cycle de vie d’un produit/marché. z À ce niveau, le cycle de vie reflète l’évolution du produit et du marché auquel il est destiné.

Le cycle de vie des produits (suite) z. Les variables d’environnement hors contrôle; z. L’évolution de la technologie; z. L’évolution des habitudes de consommation ou de production; z. Pression marketing de l’industrie.

Le cycle de vie des produits (suite) N. B. : z. Le dynamisme des firmes fait évoluer le marché, le développe et le relance par des modifications apportées au produit.

Le cycle de vie des produits (suite) z. Pour une marque, c’est la demande sélective qui est en cause. z. L’importance des efforts de marketing consentis à la marque comparée aux efforts marketing des marques concurrentes.

Le cycle de vie des produits (suite) N. B. : z. Pour une marque, le cycle de vie est essentiellement déterminé par les facteurs sous contrôle de l’entreprise, i. e. , les efforts consentis à sa stratégie marketing.

Le cycle de vie des produits (suite) z. Les implications : z Les styles de clients z Les profits z Les stratégies

La prévision par les techniques de lissage

La prévision par les techniques de lissage z. Rôle de la prévision : La prévision est simplement un moyen d’améliorer la prise de décision, et non une fin en soi.

La prévision par les techniques de lissage (suite) De nombreuses décisions en marketing sont fondées sur des prévisions de la taille et des caractéristiques du marché de manière à planifier : z. La gestion et le développement de nouveaux produits z. La stratégie de distribution z. La stratégie de communication z. La stratégie de prix.

La prévision par les techniques de lissage (suite) z. Traite du futur et par conséquent, se fait sur un horizon de temps bien déterminé.

La prévision par les techniques de lissage (suite) z. Comporte toujours un élément d’incertitude.

La prévision par les techniques de lissage (suite) z. S’appuie sur l’information contenue dans les données historiques.

La prévision par les techniques de lissage (suite) z Est essentiellement une description de ce qu’il adviendra d’un ensemble de décisions et d’événements dans une situation donnée.

La prévision par les techniques de lissage (suite) z. Constitue une «entrée» dans le processus de planification.

La prévision par les techniques de lissage (suite) La moyenne mobile simple z. Principe : avec un ensemble de valeurs observées, on calcule leur moyenne et on utilise cette moyenne comme prévision de la prochaine période où Pt+1 est la prévision pour la période t+1, xt est la valeur réelle, observée en t, N est le nombre de valeurs incluses dans la moyenne

La prévision par les techniques de lissage (suite) z. Principe : avec l’observation la plus récente, la prévision la plus récente et une erreur, on calcule une nouvelle prévision où Pt+1 est la prévision pour la période t+1, Pt est la prévision pour la période t, xt est la valeur réelle, observée en t, a est un facteur d’ajustement compris entre 0 et 1

La prévision par les techniques de lissage (suite) La régression linéaire z. Principe : avec un ensemble de valeurs observées, on estime une droite de régression en minimisant les erreurs en moyenne où Pt+1 est la prévision pour la période t+1, t est le numéro de la période, a est l’ordonnée à l’origine, b est la pente de la droite de régression

Le modèle en série chronologique

Le modèle en série chronologique z Fondements : On fait l’hypothèse selon laquelle on peut trouver un certain comportement, une certaine loi ou combinaisons de lois qui se reproduit avec le temps.

Le modèle en série chronologique (suite) z. En identifiant la loi et son point de départ, on peut donc prévoir la valeur de la variable dans une période postérieure quelconque.

Le modèle en série chronologique (suite) Quatre types de lois doivent être considérées : z. Horizontale z. Saisonnière z. Cyclique z. Tendance

Le modèle en série chronologique (suite) z. La loi horizontale : correspond au cas où les données ne représentent aucune tendance (série stationnaire). z. La loi saisonnière : existe quand une série fluctue selon un certain facteur de saisonnalité (ex. jour, mois, saison).

Le modèle en série chronologique (suite) z. La loi cyclique : est analogue à la loi saisonnière mais la longueur de son cycle est supérieur à un an et ne se répète pas nécessairement à des intervalles de temps régulier. z. La loi de tendance : existe lorsqu’on observe une croissance ou une décroissance de la variable avec le temps.

Méthode classique de prévision par la décomposition d’une série chronologique

Méthode classique de prévision par la décomposition d ’une série chronologique z. Est affectée par trois facteurs : 1. Le facteur de tendance yÉquivaut à la projection linéaire (ou non linéaire) à long terme de la série chronologique ; y. Cette projection élimine toutes les fluctuations «aléatoires» dues aux facteurs saisonnier et cyclique.

Méthode classique de prévision par la décomposition d ’une série chronologique 2. Le facteur cyclique y. Suit en général une loi en forme d’ondulation passant d’une valeur élevée à une valeur faible, puis revenant à une valeur élevée.

Méthode classique de prévision par la décomposition d ’une série chronologique 3. Le facteur saisonnier y. Se rapporte à la fluctuation annuelle ou à la fluctuation sur une autre période de temps.

Méthode classique de prévision par la décomposition d ’une série chronologique O=Tx. Cx. Ix. R O T C S R est est est la valeur de l’observation ; le facteur de tendance ; le facteur cyclique ; l ’indice saisonnier ; la partie aléatoire ou l ’aléa.

Étapes de la méthode de décomposition d’une série chronologique

Étapes de la méthode de décomposition d’une série chronologique Étape 1 : détermination du coefficient saisonnier z Calculer la moyenne mobile : En additionnant autant de valeurs de S qu’il y en a dans un cycle saisonnier (ex. 4 trimestres ou 12 mois) on obtient un ensemble de valeurs sans facteur saisonnier et avec un minimum d ’aléa. MM = T x C

Étapes de la méthode de décomposition d’une série chronologique z Calculer la moyenne mobile centrée * Calculer la moyenne de deux moyennes mobiles consécutives de manière à centrer la moyenne sur les trimestres plutôt que sur des demi-trimestres. * Dans le cas d’un nombre pair d’observations

Étapes de la méthode de décomposition d’une série chronologique z Faites le rapport de la variable observée sur la moyenne mobile centrée : À partir du rapport des données originelles et de la moyenne mobile centrée, on obtient : O / MMc = (T x C x S x R) / (T x C) = S x R

Étapes de la méthode de décomposition d’une série chronologique y. Si le rapport de la valeur observée S sur la moyenne mobile centrée MMc dépasse 100, cela signifie que les facteurs saisonniers et aléatoires sont supérieurs à la moyenne. y. Si le rapport est inférieur à 100, les facteurs saisonniers et aléatoires sont inférieurs à la moyenne.

Étapes de la méthode de décomposition d’une série chronologique z. Calculer la moyenne médiale pour chaque mois (si nécessaire) : La série chronologique sur laquelle porte la prévision peut être affectée par des événements exceptionnels tels que grève, les conditions météorologiques, des poursuites judiciaires ou autres.

Étapes de la méthode de décomposition d’une série chronologique y. Pour minimiser l’influence de ces événements sur l’estimation de la prévision, on calcule la moyenne médiale. y. Il s’agit d’éliminer pour chaque trimestre, le plus petit et le plus grand rapport de la valeur observée S sur la moyenne mobile centrée MMc et d’estimer la moyenne.

Étapes de la méthode de décomposition d ’une série chronologique z. Ajuster la moyenne médiale pour obtenir le coefficient saisonnier de chaque mois : y. La somme des moyennes médiales sert à ajuster les coefficients saisonniers de façon à ce qu ’ils donnent un total de 400.

Étapes de la méthode de décomposition d ’une série chronologique Étape 2 : Détermination du facteur de tendance z. Spécifier le type de tendance qui s’applique le mieux aux données (linéaire ou non-linéaire) et estimer T. T = a +bt

Étapes de la méthode de décomposition d ’une série chronologique Étape 3 : Détermination du facteur cyclique z Déterminer le facteur cyclique pour chaque valeur observée en divisant la valeur de la moyenne mobile par la valeur de la tendance. MMc / T = (Tx. C) / T = C

Étapes de la méthode de décomposition d ’une série chronologique y. Si l’indice est inférieur à 100, ceci indique le niveau d’activité économique de ce trimestre est endessous de la moyenne de ces années. y. Si l’indice est supérieur à 100, alors le niveau d’activité économique de ce trimestre est au-dessus de la moyenne de ces années

Étapes de la méthode de décomposition d ’une série chronologique Étape 4 : Élaboration d’une prévision z Choisir le coefficient saisonnier qui correspond à la période choisie. z Calculer la valeur de la tendance. z Estimer le facteur cyclique en analysant l’orientation des dernières données. P = Saisonnier x Tendance x Cyclique

Conclusion Remarques : z La technique est une méthode intuitive. z Elle aide à explorer le pourquoi des variations des données historiques. z Elle permet de prédire séparément les variations de chaque loi élémentaire pour des fins de prévision et de gestion. z Le facteur cyclique est le plus difficile à traiter.

Conclusion Limites : z On ne peut pas toujours séparer clairement les diverses lois élémentaires. z On ne dispose pas de tests de signification statistique et ni d ’intervalles de confiance. z N’est pas utile pour prévoir l’impact des décisions du gestionnaire.