Modèles Marketing 1

Crédit : 3 ECTS

Volume horaire

  • CM : 21 h

Description du contenu de l'enseignement

  • Connaître les étapes de mise en œuvre d’un modèle
  • Connaître les principes des principaux modèles commerciaux
  • Savoir mettre en œuvre ces étapes pour élaborer un modèle
  • Savoir interpréter les résultats et développer les implications managériales

Par les présentations mais aussi par les lectures et les cas d’application, les étudiants auront un aperçu concret des différents modèles utilisés en marketing, qu’ils concernent une aide à la décision sur données agrégées ou l’analyse des comportements individuels en vue de la prévision des ventes d’un nouveau produit ou l’évaluation de la valeur d’un client. Plan de cours détaillé 1. Introduction - Contenu (ppt) - Présenter l'organisation du cours - Décrire les étapes d'élaboration d'un modèle d'aide à la décision - Initiation à l'optimisation (Solveur d'Excel) > Application sur un exemple simple : Basique solveur 2. Modèles agrégés 1 : Régression linéaire Lecture préalable : - Premiers pas en régression linéaire avec SAS, M. Le Guen & J. Confais (2009) , Archives ouvertes HAL, Lire p.79 à 106 (le reste pour une remise à niveau) - Contenu (ppt) - Choix d'une fonction de réponse selon les caractéristiques recherchées - Courbes / Courbes sigmoïdes - Tests des hypothèses sous-jacentes à l'utilisation de la régression linéaire en SAS > Cas d'application : Shamp 3. Modèles agrégés - Contenu (ppt) - Modèle des ventes et du cycle de vie - Modèle de Bass : Excel - SAS - Fourt & Woodlock (xls) / Parfitt & Collins - Modèle dynamique (application modèle de Palda) > Cas Lydia Pinkham - Modèle spatial (application modèle d'attraction) > Application : modèle gravitaire (Excel) 4. Gestion des BDD et Extraction (Proc SQL en SAS) - Présentation SQL (ppt) I> Ilustration sur le cas BBB 5. Modélisation des données individuelles - Contenu (ppt) - Approche descriptive des préférences (mapping et positionnement) Analyse des données de (dis)similarités et préférences (MDS métrique et non métrique) - Présentation : Analyse des données de préférences : PrefMap métrique et non métrique avec proc Prinqual (Analyse sensorielle) > Exemples MDS : Bieres /Chips.sas / Boissons - Approche expérimentale des préférences : Analyse conjointe -- Présentation (ppt) > Exemple : En Excel : BPTO / Analyse conjointe - En SAS - Régression linéaire sur données ordnales (Note) (exemple Lessives) -- Régression monotone avec Transreg (Chocolat) - Modèle complet d'analyse des préférences (avancé) sur exemple Sauce Spaghetti. - Régression logistique (logit, probit,...) --Présentation - Différents exemples de Logit en SAS Prévision des ventes d'un nouveau produit (PERCEPTOR, ASSESSOR, BASES) 6. Modélisation des comportements et Valeur client - Contenu (ppt) - Modélisation agrégée des flux clients -- Modèle de Hendry et Modélisation agrégée de la valeur client (approche Capital client) - Modélisation individuelle de la valeur client (RFM et Plan commercial) - Modèles stochastiques

Mode de contrôle des connaissances

La notation se fait sur le rendu d'un mémoire reposant sur un modèle à construire par groupe de 2 étudiants (A rendre en séance 7). Une présentation orale du modèle est faite en séance 7.
  • Format du mémoire :
- 25 pages maximum sans les annexes (numéroter toutes les pages)
- Annexes pour le programme et les sorties SAS
- Sommaire, synthèse managériale

  • Proposition de plan :
- Synthèse managériale (1 page maximum)
- Introduction
- Description de la catégorie étudiée : le marché, les marques, les variables à expliquer et explicatives
- Modélisation des ventes d’une marque (En fonction de son mix et de ses concurrents - Marque B identifiée dans la base par le n°3 / Année 1999 / Circuit = HM)
- Simulations
- Proposition de scénarii pour la marque étudiée
- Conclusion

Enseignant responsable

PIERRE DESMET



Année universitaire 2017 - 2018 - Fiche modifiée le : 12-02-2018 (10H13) - Sous réserve de modification.