Hoja de repaso: Introduction aux études de marché et expérimentations

📋 Plan du Cours

1. Nature des études de marché
2. Échantillonnage et validité statistique
3. Questionnaire quantitatif
4. Échelles, panels et études qualitatives
5. Entretiens et guide semi-directif
6. Principes de l’expérimentation
7. Plans d’expérience randomisés
8. Plans pseudo-expérimentaux
9. Échantillon apparié et analyse des données

📖 1. Nature des études de marché

🔑 Notions clés & Définitions

• Études exploratoires : Des études visant à défricher un marché en fournissant des pistes et des hypothèses avant de mesurer précisément des résultats.
• Études documentaires : Des études exploratoires fondées sur des informations déjà existantes pour repérer des tendances et cadrer un sujet.
• Études descriptives : Des études qui cherchent à mesurer des caractéristiques du marché de façon structurée, souvent à l’aide de données chiffrées.
• Études quantitatives : Des études descriptives destinées à quantifier des comportements, opinions, attitudes ou attentes à partir d’un questionnaire.
• Études en continu : Des dispositifs d’observation répétés qui suivent l’évolution dans le temps grâce à un échantillon administré via une société paneliste.

📝 Points essentiels

• Les études exploratoires sont souvent basées sur des échantillons non représentatifs, par exemple 10 à 20 personnes pour des entretiens individuels.
• Les études qualitatives exploratoires s’appuient sur des guides d’entretien ou d’animation et mobilisent typiquement 2 à 3 groupes de 12 à 15 personnes.
• Les études descriptives quantitatives utilisent un questionnaire et reposent sur un échantillon représentatif pour mesurer des niveaux ou des intentions.
• Le déroulement comprend une phase de conception (analyse du problème, objectifs, pré-enquête, population mère, échantillon), puis une phase de recueil d’information (documentaire, qualitative pour hypothèses, quantitative pour validation).
• L’enchaînement se poursuit par le traitement (enquête pilote, administration du questionnaire, saisie) puis des recommandations (interprétation, propositions d’actions, rapport).
• Une étude de marché sert à réduire l’incertitude d’une décision marketing en répondant à ce que vous devez savoir pour agir, pas à être une fin en soi.

💡 Astuce mémo

Exploratoire = comprendre et formuler des hypothèses ; quantitatif descriptif = mesurer et chiffrer sur un échantillon représentatif.

📖 2. Échantillonnage et validité statistique

🔑 Notions clés & Définitions

• Population mère : La population mère désigne l’ensemble complet visé par l’étude, contre lequel on souhaite généraliser les résultats.
• Échantillon : L’échantillon est le sous-ensemble interrogé qui sert à estimer les caractéristiques de la population mère.
• Échantillonnage aléatoire : L’échantillonnage aléatoire construit l’échantillon par tirage au sort pour obtenir une base statistique rigoureuse.
• Échantillonnage par quotas : L’échantillonnage par quotas répartit les enquêtés selon des critères (quotas) pour reproduire les proportions de la population étudiée.
• Échantillon arbitraire : L’échantillon arbitraire ne suit pas de procédure assurant la représentativité, ce qui limite la validité statistique des estimations.

📝 Points essentiels

• La précision d’un sondage dépend davantage de la taille absolue de l’échantillon que du rapport échantillon/taille totale de la population étudiée.
• La précision ne varie pas proportionnellement à la taille mais suit une logique en racine carrée : pour doubler la précision, il faut multiplier la taille de l’échantillon par 4.
• Un échantillon est généralement considéré comme significatif si sa taille est ≥ 30, à condition que les répondants soient choisis aléatoirement.
• La validité des estimations dépend aussi de la procédure de sélection de l’échantillon et du recueil de l’information, pas seulement du nombre de répondants.
• L’échantillonnage aléatoire est rigoureux mais souvent coûteux ou impossible si la liste exhaustive et nominative des unités de sondage n’existe pas.
• La méthode des itinéraires sert à éviter une trop forte concentration géographique des interviews et à imposer des zones peu attrayantes aux enquêteurs.

💡 Astuce mémo

Précision ≈ racine : pour gagner “2 fois” en précision, il faut “4 fois” plus d’enquêtés.

📖 3. Questionnaire quantitatif

🔑 Notions clés & Définitions

• Question filtre : Question destinée à vérifier que la personne interrogée est le bon répondant avant de poursuivre le questionnaire.
• Question ouverte : Question qui laisse au répondant une grande liberté sur la forme et la longueur de sa réponse.
• Question fermée : Question proposant un choix simple au répondant, facilitant l’enquête et le dépouillement mais moins adaptée aux comportements complexes.
• Question préformée : Question où le répondant choisit une réponse parmi des options prévues, parfois au prix d’une limitation de l’expression personnelle.
• Échelle de Likert : Échelle d’accord allant de pas du tout d’accord à tout à fait d’accord, utilisée pour mesurer des opinions avec plusieurs niveaux chiffrés.

📝 Points essentiels

• Un questionnaire doit poursuivre des objectifs clairement définis, supprimer les questions inutiles, rester adapté à la méthode de collecte, et suivre un ordre logique du général au spécifique.
• Les questions doivent être formulées sans ambiguïté, faciles à comprendre et à lier à des informations réelles, sans influencer le répondant, et le questionnaire doit être testé puis amélioré.
• Les erreurs majeures incluent poser le problème marketing comme question, garder une question non indispensable, produire une question confuse (double idée, double négation, deux questions en 1), ou une formulation qui entraîne des réponses inexactes.
• Le plan standard commence par une introduction de mise en contexte puis des questions d’installation faciles, utilise un enchaînement en entonnoir, regroupe par thèmes, et place les questions embarrassantes (revenu, âge, religion) à la fin.
• On distingue trois grands formats : ouvertes (libres), fermées (choix simples), et préformées (choix parmi des propositions), les préformées pouvant toutefois induire ou empêcher certaines réponses, même avec un éventuel « précisez ».
• Les échelles (chiffrées, sémantiques, imagées ou mixtes) permettent des traitements statistiques ; la Likert et l’Osgood rendent notamment les réponses adaptées aux calculs (moyennes, écarts-type) et aux tests de fiabilité/validité.

💡 Astuce mémo

ENTonnoir : Introduction → facile → général→spécifique → thèmes regroupés → questions sensibles à la fin.

📖 4. Échelles, panels et études qualitatives

🔑 Notions clés & Définitions

• Échelle d’Osgood : Une échelle d’évaluation sémantique qui place l’opinion entre deux adjectifs opposés, sur un continuum allant du plus négatif au plus positif.
• Panel : Un panel est un échantillon permanent et représentatif qui transmet régulièrement des données (achats, ventes, contenus regardés, sites visités) à l’entreprise d’étude.
• Étude qualitative : Une étude qualitative explore en profondeur les attitudes et sentiments d’un petit groupe, sans chercher à extrapoler aux caractéristiques de toute la population.
• Focus groupe : Un entretien de groupe structuré autour d’un thème, où plusieurs participants discutent avec un animateur pour faire émerger motivations, opinions et freins.

📝 Points essentiels

• Une étude qualitative ne vise pas la représentativité : l’objectif est de comprendre en profondeur attitudes et sentiments plutôt que de généraliser à toute la population.
• Un panel permet d’observer des tendances et évolutions grâce à son caractère répétitif et périodique.
• Les panels distributeurs mesurent surtout ce qui est acheté et non qui achète ni comment, et ils doivent souvent être complétés par des panels de consommateurs.
• Les panels sont souvent limités par un coût élevé et par une couverture incomplète de certains marchés.
• En focus groupe, un thème plus large réunit typiquement 8 à 12 personnes, et un thème plus étroit 5 à 6 personnes.
• Les focus groupes peuvent être freinés par des normes de groupe et la réticence à exprimer des idées personnelles, avec un risque de domination de certains participants.

💡 Astuce mémo

Osgood = adjectifs opposés (très mauvaise→très bonne) ; Likert = accord/désaccord (pas du tout d’accord→tout à fait d’accord).

📖 5. Entretiens et guide semi-directif

🔑 Notions clés & Définitions

• Entretien individuel semi-directif : Méthode qualitative où l’enquêteur s’appuie sur des thèmes à explorer tout en laissant une liberté d’expression au répondant.
• Guide d’entretien : Document de travail de l’animateur listant les thèmes et questions à aborder pendant l’entretien pour ne rien oublier.
• Question de recherche générale : Première question servant d’entrée en matière, formulée pour mettre le répondant en confiance et orienter l’échange.
• Sous-thèmes de relance : Relances prévues pour approfondir les thèmes, formulées assez ouvertes pour ne pas pousser le répondant à seulement acquiescer ou réfuter.

📝 Points essentiels

• Le déroulement est souple : l’animateur peut changer l’ordre des questions selon l’évolution, tout en abordant tous les thèmes et questions.
• Le guide sert à couvrir des thèmes prédéfinis : il rappelle les domaines/questions à traiter pendant l’entretien.
• Pour rédiger un guide semi-directif, commence par la définition de l’objectif, puis la cible, puis la méthodologie, avant la rédaction du guide.
• La question de recherche générale est posée en premier pour installer un climat de confiance chez l’interviewé.
• Dans la préparation, privilégie des questions sur les comportements et habitudes (plutôt que sur les opinions) et utilise le « comment » plutôt que le « pourquoi ».
• Les sous-thèmes ne doivent pas être trop précis afin d’éviter que le répondant se contente d’un accord/désaccord sans développer.

💡 Astuce mémo

OCMG : Objectif → Cible → Méthodologie → Guide (étapes de rédaction du guide semi-directif).

📖 6. Principes de l’expérimentation

🔑 Notions clés & Définitions

• Expérimentation en marketing : Méthode de recherche utilisée en marketing pour tester des hypothèses et mesurer l’effet de variables marketing sur les comportements des consommateurs.
• Manipulation des variables : Action qui consiste à modifier volontairement un aspect du produit, du service ou du contexte afin d’observer l’effet produit sur les réponses des consommateurs.
• Randomisation des groupes : Répartition aléatoire des participants entre groupes afin de rendre leurs caractéristiques comparables et de réduire l’influence de facteurs externes.
• Contrôle des biais : Ensemble de mesures pour diminuer des influences indésirables qui pourraient fausser les résultats d’une expérimentation en marketing.

📝 Points essentiels

• L’expérimentation teste l’impact d’une variable marketing en la modifiant intentionnellement pour comparer les réponses des consommateurs.
• La randomisation assigne chaque participant au hasard entre groupes expérimentaux, ce qui équilibre les caractéristiques et attribue les différences observées à la manipulation.
• Les biais peuvent venir d’un effet placebo, de la fatigue ou de différences individuelles, et ils doivent être anticipés dans la conception.
• Pour limiter les biais, on standardise les procédures et les instructions données aux participants et on prévoit des groupes de contrôle adaptés.
• Les modalités d’une expérimentation à définir incluent les variables à mesurer, les groupes expérimentaux et de contrôle, ainsi que les conditions (lieu, moment, durée, consignes).
• Les plans d’expérience déterminent comment les combinaisons de variables seront testées, par exemple via des plans avec randomisation totale, carré latin ou factoriel.

💡 Astuce mémo

R-M-C : Manipuler (variables), Randomiser (groupes), Contrôler (biais).

📖 7. Plans d’expérience randomisés

🔑 Notions clés & Définitions

• Randomisation totale : Un plan en randomisation totale répartit aléatoirement les participants entre les groupes, sans tenir compte de caractéristiques externes particulières.
• Plan aléatoire en bloc : Un plan aléatoire en bloc répartit aléatoirement les participants dans chaque bloc, après regroupement préalable selon une caractéristique choisie.

📝 Points essentiels

• En randomisation totale, chaque participant a une probabilité égale d’être assigné à n’importe quel groupe expérimental.
• En plan aléatoire en bloc, l’attribution reste aléatoire à l’intérieur de chaque bloc, ce qui rend les groupes plus comparables sur le facteur de blocage.
• Le blocage sert à réduire l’impact des différences liées aux caractéristiques regroupées, là où la randomisation totale ignore ces facteurs.
• Le plan en bloc est souvent plus robuste contre certains biais, mais il peut devenir plus complexe si plusieurs blocs sont nécessaires.

💡 Astuce mémo

Randomisation totale = tout mélanger ; en bloc = mélanger, mais par paquets homogènes.

📖 8. Plans pseudo-expérimentaux

🔑 Notions clés & Définitions

• Méthodes pseudo-expérimentales : Ce sont des plans d’étude où le groupe de contrôle n’est pas attribué par tirage aléatoire, ce qui rapproche l’étude d’un quasi-expériment.
• Plan un groupe prétest-posttest : Ce plan étudie un seul groupe en comparant une mesure avant traitement (prétest) à une mesure après traitement (post-test).
• Plan deux groupes posttest seul : Ce plan compare un groupe exposé au traitement et un groupe témoin en ne réalisant qu’une mesure après la phase d’exposition.
• Plan à quatre groupes de Solomon : Ce plan combine groupes avec ou sans prétest et avec ou sans traitement pour mieux évaluer l’effet du traitement et l’influence de la mesure répétée.

📝 Points essentiels

• Les plans pseudo-expérimentaux utilisent des groupes sans assignation aléatoire, ce qui peut réduire la capacité à isoler l’effet causal du traitement.
• Dans le plan un groupe mesuré avant et après, l’impact du traitement se déduit de la comparaison entre prétest et post-test du même groupe.
• Dans le plan avec deux groupes mesurés seulement après, l’effet du traitement se lit en comparant les mesures post-test du groupe traité et du groupe témoin.
• Dans le plan à deux groupes mesurés avant et après, on compare les changements prétest→post-test entre groupe traité et groupe témoin.
• Le plan à quatre groupes de Solomon inclut deux groupes sans prétest et deux groupes avec prétest, pour tenir compte des effets liés à la mesure répétée.

💡 Astuce mémo

Pseudo = Pas d’aléa : 1 groupe (pré→post), 2 groupes (post seulement), 2×2 (pré→post comparés), puis 4 groupes (Solomon) pour “casser” l’effet du prétest.

📖 9. Échantillon apparié et analyse des données

🔑 Notions clés & Définitions

• Échantillon apparié : Méthode d’échantillonnage où les mêmes sujets sont exposés aux deux conditions, permettant de comparer leurs effets sur un même individu.
• Échantillon intra-sujet : Terme équivalent à l’échantillon apparié, désignant une comparaison des conditions au sein de chaque sujet.
• Traitements alternés : Organisation d’un protocole apparié où chaque sujet reçoit les deux traitements, mais dans un ordre pouvant varier d’un sujet à l’autre.
• ANOVA : Procédure statistique utilisée pour tester des différences entre des niveaux de facteurs à partir des données d’une expérience.
• ANCOVA : Méthode statistique qui combine logique d’ANOVA et approche de régression pour tenir compte d’une variable covariable.

📝 Points essentiels

• Dans un échantillon apparié, chaque sujet reçoit les deux traitements/conditions, ce qui le transforme en son propre contrôle.
• L’appariement sert à réduire l’effet de la variabilité individuelle sur les résultats, améliorant la validité interne de l’étude.
• Le dispositif d’ordre des traitements inclut une phase de transition entre A et B (période de lavage) pour limiter les effets résiduels.
• L’analyse de variance (ANOVA), la régression et l’analyse de covariance (ANCOVA) font partie des méthodes principales pour traiter les données issues des plans d’expérience.
• Dans l’exemple des médicaments, les patients commencent par A puis passent à B après lavage, ou commencent par B puis passent à A, afin de comparer plus proprement les effets.

💡 Astuce mémo

Apparié = même personne sur deux traitements : différence = (après A − après B) pour neutraliser la variabilité entre individus.

📊 Tableaux de synthèse

Exploratoire vs descriptif (objectif et outil)

Plan expérimental vs plan pseudo-expérimental (logique)

⚠️ Pièges & confusions fréquents

1. Confondre représentativité et taille : un échantillon ≥ 30 peut rester peu valide si la sélection n’est pas aléatoire.
2. Croire que la précision augmente proportionnellement à la taille : la précision suit une logique en racine carrée.
3. Mélanger exploratoire et quantitatif : l’exploratoire sert à formuler des hypothèses, tandis que le quantitatif descriptif vise à mesurer sur échantillon représentatif.
4. Transformer le problème marketing en question : risque d’obtenir des réponses qui ne servent pas aux décideurs.
5. Faire des relances trop précises en entretien semi-directif : le répondant se contente d’acquiescer ou de réfuter.
6. Inverser les objectifs : croire qu’une étude qualitative doit extrapoler à toute la population (il n’y a pas de représentativité visée).
7. Confondre panels distributeurs et panels consommateurs : les distributeurs mesurent ce qui est acheté mais pas par qui ni comment, donc complément nécessaire.

✅ Checklist Examen

1. Expliquer la complémentarité entre études exploratoires et études descriptives/quantitatives (objectifs et types d’outils).
2. Distinguer, pour les études exploratoires, études documentaires et études qualitatives (objectif, échantillon non représentatif, outils de guide).
3. Décrire le déroulement d’une étude de marché : conception, recueil d’information (documentaire/qualitative/quantitative), traitement (pilote, administration, saisie), recommandations (interprétation, actions, rapport).
4. Justifier l’intérêt d’un échantillon non représentatif en exploration et l’exigence de représentativité en descriptif (questionner la validité, pas seulement le nombre).
5. Calculer/raisonner la précision : indiquer que pour doubler la précision il faut multiplier la taille par 4 (logique en racine carrée) et citer le seuil usuel d’échantillon significatif (≥ 30, sélection aléatoire).
6. Comparer les méthodes d’échantillonnage : aléatoire (tirage au sort, liste exhaustive), quotas (critères, limites), itinéraires (anti-concentration géographique), arbitraire (exploratoire, sans validité statistique).
7. Choisir un mode d’administration selon les contraintes : face-à-face vs téléphone vs courrier vs Internet (taux de réponse/refus, coût, questionnaire long/court, limites de représentativité).
8. Appliquer les “dix règles d’or” à la rédaction d’un questionnaire : objectifs clairs, éliminer l’inutile, longueur adaptée, ordre logique en entonnoir, formulation non ambiguë et non inductrice, test puis amélioration.
9. Identifier et corriger des erreurs majeures : problème marketing transposé, question non indispensable, question confuse (double idée/negation/2-en-1), formulation entraînant des réponses inexactes, influence par libellé, placement incorrect des questions.
10. Maîtriser les types de questions et leurs effets : filtre, ouvertes/fermées/préformées, et comprendre comment les échelles (Likert et Osgood) rendent les réponses exploitables statistiquement (moyennes, écarts-type, tests).
11. Décrire l’analyse des résultats pour le quantitatif : tris à plat vs tris croisés (ventilations) et structure minimale du rapport (sommaire, rappel objectifs, synthèse/recommandations, méthodologie).
12. Expliquer panel : définition (échantillon permanent), apports (tendances/évolutions) et limites (coût, distributeurs : acheté sans “par qui/comment”, couverture incomplète).
13. En expérimentation : rappeler R-M-C (Manipuler, Randomiser, Contrôler) et l’idée de contrôle des biais (placebo, fatigue, différences individuelles, procédures standardisées et groupes de contrôle).
14. Différencier randomisation totale vs aléatoire en bloc (probabilité égale d’assignation vs assignation aléatoire à l’intérieur des blocs pour rendre les groupes plus comparables).