1 Modèle ASSESSOR (Designor) Silk A.J. et Urban G. (1978), Pre-test Evaluation of New Packaged Goods : A Model and Measurement Methodology, Journal of Marketing Research, Vol.15, May, 171-191. http://www.mastermarketingdauphine.com MENU Modèles d’aide à la décision en MKG Intérêt d’ASSESSOR Objectif : prévoir la part de marché à long terme Pour des produits en lancement potentiel, avec un mix déterminé (échantillons, publicité) Estimer les sources de volume (cannibalisation ou prélèvement sur les concurrents, lesquels ?) Déterminer les voies d’amélioration Du produit Du mix de lancement prévu © Desmet Pierre 2014 Simuler les conséquences de changement de mix http://www.mastermarketingdauphine.com MENU 2 Modèle ASSESSOR : © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle conceptuel Spécificité : déploiement de deux modèles qui doivent converger Modèle de préférence et Modèle d’essai-réachat Décisions -Positionnement -Plan de lancement Données consommateurs -Mesures en laboratoire -Mesures après usage Modèle d’Essai et Réachat Modèle des préférences Part de marché volume Diagnostic Source des volumes http://www.mastermarketingdauphine.com MENU 3 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle ASSESSOR : Séquence des mesures d’ Design Mesures Procedure Mesures O1 Recrutement (enquêteur) Variables individuelles : Usage du produit, … O2 Questionnaire auto-administré X1 Présentation de publicités Mesures sur les marques existantes Ensemble évoqué, marques achetées, poids des attributs, évaluation marque/attribut, préférences [O3] auto administré X2 visite d’un magasin simulé présentant les marques O4 possibilité d’acheter / observation X3 utilisation à domicile O5 questionnaire post achat par téléphone Mesure des réactions aux alternatives (évaluation) et aux publicités (crédibilité…) Marque achetée Mesure de l’utilisation, de la satisfaction, de l’évaluation selon les attributs, de l’intention de réachat pour l’ensemble de considération plus la nouvelle marque O = Mesure X = manipulation (pub ou expérience produit) http://www.mastermarketingdauphine.com MENU 4 Part de marché à moyen terme du nouveau produit Mn = T ´ R ´ W avec T = taux d’essai cumulatif à moyen terme (estimé à partir des données de O4) R = taux de réachat à moyen terme long-run repeat rate (estimé à partir des données de O5) W = indice de consommation relatif (w = 1 pour la moyenne des QA/NA du marché) © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle combinant l’essai et le réachat http://www.mastermarketingdauphine.com MENU 5 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle d’essai T = F.K.D + C.U – (F.K.D) ´ (C.U) Avec F = probabilité d’essai à moyen terme (tirée de O4) sous contrôle d’une notoriété et d’une distribution maximales (100%) K = probabilité de connaissance à moyen terme (évaluation subjective, notoriété) D = probabilité de disponibilité à moyen terme du produit sur les lieux d’achat fréquentés par la cible (expérience et évaluation subjective) C = probabilité de réception d’un échantillon (évaluation subjective) U = probabilité d’usage de l’échantillon pour ceux qui l’ont reçu (expérience et évaluation subjective) http://www.mastermarketingdauphine.com MENU 6 Modèles d’aide à la décision en MKG Modèle de réachat Atteindre la stabilité de la matrice de transition à partir de probabilité tirée de(O2 et O5): Période (t+1) Nouveau Période t Autre Nouveau p (na) p (na) Autre p (an) p (aa) p(.) probabilité de transfert (somme des colonnes =1 sur chaque ligne) Taux de réachat à long terme p (an) –––––––––––––– 1 + p (an) – p (nn) © Desmet Pierre 2014 r = http://www.mastermarketingdauphine.com MENU 7 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle de préférence : calibrage sur les préférences sans le nouveau produit Lij (Vij)b = –––––––– Ri (Vik)b k=1 avec Vij = note de préférence pour le produit j par le répondant i Lij = probabilité d’achat Ri = ensemble de considération du répondant i b = coefficient d’ajustement des préférences au choix (entre 1,5 et 3) http://www.mastermarketingdauphine.com MENU 8 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle de préférence : avec le nouveau produit L´ij (Vij)b = ––––––––––––––––– Ri (Vin)b + k=1 Avec n, la nouvelle marque L´it (Vik)b = probabilité de choix de j si le répondant a essayé le produit b = coefficient d’ajustement de l’étape précédente La part de marché est alors M´n = En L´in ––– N I En = pourcentage des répondants intégrant la nouvelle marque dans leur ensemble de considération N = taille de l’échantillon http://www.mastermarketingdauphine.com MENU 9 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Estimation des sources des ventes : cannibalisation et prélèvement Séparation en 2 groupes selon que la nouvelle marque fait, ou non, partie de l’ensemble de considération Les parts de marché pondérées avant et après le lancement sont : Lin Mj = ––– N I L´in L´in M´j = En ––– + (1 – En) ––– N N I I La part de marché prélevée par la nouvelle marque sur chaque marque est Dj = Mj – M´j http://www.mastermarketingdauphine.com MENU 10 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Market share due to advertising Source: Thomas Burnham, University of Texas at Austin Response Mode •Max trial with unlimited Ad •Ad$ for 50% max. trial •Actual Ad $ •Max awareness with unlimited Ad •Ad $ for 50% max. awareness •Actual Ad $ Manual Mode % buying brand in simulated shopping Awareness estimate % making first purchase GIVEN awareness & availability 0.23 Prob. of awareness 0.70 Distribution estimate (Agree) Prob. of availability 0.85 Switchback rate of non-purchasers Prob. of switching TO brand 0.16 Repurchase rate of simulation purchasers Prob. of repurchase of brand 0.60 http://www.mastermarketingdauphine.com % making first purchase due to advertising 0.137 Long-term market share from advertising 0.39 Retention rate GIVEN trial for ad purchasers 0.286 MENU 11 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Market share due to sampling Source: Thomas Burnham, University of Texas at Austin Sampling coverage (%) 0.503 % Delivered 0.90 Correction for sampling/ad overlap (take out those who tried sampling, but would have tried due to ad) 0.035 Market share trying samples 0.251 % of those delivered hitting target 0.80 Simulation sample use Switchback rate of non-purchasers Repurchase rate of simulation non-purchasers Long-term market share from sampling 0.02 % hitting target that get used 0.60 Prob. of switching TO brand 0.16 Prob. of repurchase of brand 0.427 Retention rate GIVEN trial for sample receivers 0.218 http://www.mastermarketingdauphine.com MENU 12 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG ASSESSOR preference model (synthesis) Source: Thomas Burnham, University of Texas at Austin Pre-use preference ratings Pre-use constant sum evaluations Beta (B) for choice model Pre-entry market shares Pre-use choices Post-use constant sum evaluations Post-use preference ratings Cumulative trial from ad (T&R model) 0.137 Proportion of consumers who consider product 0.137 http://www.mastermarketingdauphine.com Post-entry market shares (assuming consideration 0.274 Weighted post entry market shares 0.038 Draw & cannibalization calculations MENU 13 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG ASSESSOR from market share to financial results Source: Thomas Burnham, University of Texas at Austin Market share 0.059 Market size 60M Sales per person $5 JWC factory sales 16.7 Industry average sales $ for market share 17.7 JWC factory sales Unit-dollar adjustment 0.94 Frequency of use differences 0.9 Net contribution Average unit margin 0.541 Ad/sampling expense 4.5/3.5 Price differences 1.04 Return on sales JWC factory sales 16.7 http://www.mastermarketingdauphine.com MENU 14 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Application : Enhance © Harvard Bus. Case http://www.marketing-science-center.com/charge/mts.xls ASSESSOR - Marché test simulé Utilisation du modèle pour le cas Johnson Wax ENHANCE © Harvard Business Case Model_base Résultats Modèle de réponse Essai-réachat Origine volumes Préférences - entrez vos données - résultats finaciers et marketing - détermination de la fonction de réponse de la notoriété et de l'essai à la publicité - modèle 1 : essai réachat - analyse de l'origine de la part de marché du nouveau produit - exemple d'un modèle individuel Questions - Diagnostic du marché des shampooing/conditionnant capillaires - Quelles sont les décisions majeures à prendre associées à cette opportunité de nouveau produit Enhance ? - Comment le modèle ASSESSOR et ses procédures de mesures contribuent-ils à améliorer ces décisions ? - Qu'est-ce que les responsables ont appris grâce à l'utilisation d'ASSESSOR ? - Quelles sont les étapes suivantes que vous proposez à la société par rapport au projet Enhance ? Données de base Entrez vos données dans les cases de cette couleur Target market size (MM) 60 Switchback (0-1) 16% Distribution Awareness Trial (0-1) (0-1) (0-1) 85% 70% 23% Repeat rate (0-1) Samples delivered Samples hitting target Samples used Sample repeat rate Advertising budget Number of samples http://www.mastermarketingdauphine.com Cost per sample ($) 0,10 Exp. retail price Factory price Cost of goods 8 oz 8 oz 8 oz ($) ($) ($) 1,31 1,00 0,46 60% Exp. retail price Factory price Cost of goods 16 oz 16 oz 16 oz ($) ($) ($) 1,94 1,31 0,60 (0-1) (0-1) (0-1) 90% 80% 60% Mfr.s' sales per person Unit-dollar adjustment 8 oz. sales share ($) (0-1) (0-1) 4,160 0,940 40% (0-1) 43% ($MM) (MM) 4,50 35,00 MENU 15 Modèles d’aide à la décision en MKG Application : Enhance Modèles de réponse à la publicité Advertising expesses ($MM) Awareness Trial 4,50 70% 23% Awareness Max awareness with unlimited ad. Ad. for 50% max awareness (0-1) ($MM) 82% 1,6 Publicité 0,32 0 0,32 0,64 0,96 1,28 1,6 1,92 2,24 2,56 2,88 3,2 3,52 3,84 4,16 Notoriété 0% 11% 20% 28% 35% 41% 46% 51% 55% 58% 62% 64% 66% 68% Awareness 80% 70% 60% 50% 40% © Desmet Pierre 2014 © Harvard Bus. Case 30% 20% 10% 0% 0 0,32 0,64 0,96 1,28 1,6 1,92 2,24 2,56 2,88 3,2 3,52 3,84 4,16 Advertising http://www.mastermarketingdauphine.com MENU 16 © Desmet Pierre 2014 Modèles d’aide à la décision en MKG Modèle des préférences Modèle individuel de Préférences Preferences Customers 40,0% Before use 38,1% After use 35,0% 30,0% 28,1% 28,3% 24,8% 25,0% 20,0% 24,4% 23,6% 16,0% 15,0% 10,1% 6,7% 10,0% 5,0% 0,0% B1 B2 B3 B4 Enhance Probabilités de choix Before use B1 B2 0,1 0,0 1,5 0,7 2,5 2,9 3,1 3,4 0,0 1,3 4,1 0,0 0,4 2,1 0,6 0,2 4,8 2,4 0,7 0,0 B3 4,9 3,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 4,9 B4 3,7 0,0 0,0 0,0 0,0 0,0 2,9 0,0 0,0 0,0 Before use 1 0,0% 0,0% 2 20,1% 4,7% 3 43,0% 57,0% 4 45,6% 54,4% 5 0,0% 100,0% 6 100,0% 0,0% 7 1,5% 34,6% 8 89,0% 11,0% 9 78,9% 21,1% 10 2,4% 0,0% 63,0% 75,1% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 97,6% 37,0% 0,0% 0,0% 0,0% 0,0% 0,0% 63,9% 0,0% 0,0% 0,0% 23,6% 10,1% 1 2 3 4 5 6 7 8 9 10 Unweighted Market share Enhance draw from each brand Weighted draw 38,1% 28,3% http://www.mastermarketingdauphine.com After use B1 0,1 1,6 2,3 3,3 0,0 4,3 0,4 0,6 5,0 0,7 B2 0,0 0,6 1,4 3,4 1,2 0,0 2,1 0,2 2,2 0,0 B3 2,6 0,6 0,0 0,0 0,0 0,0 0,0 0,0 0,0 3,4 After use 0,1% 0,0% 20,7% 3,2% 41,9% 16,3% 47,4% 50,1% 0,0% 100,0% 79,6% 0,0% 2,6% 60,9% 1,7% 0,2% 82,3% 17,3% 4,4% 0,0% 68,7% 3,2% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 88,5% 30,6% 0,0% 0,0% 0,0% 0,0% 0,0% 36,3% 0,0% 0,0% 0,0% 0,5% 72,8% 41,9% 2,5% 0,0% 20,4% 0,2% 98,0% 0,4% 7,1% 16,0% 7,5% 1,0% 6,7% 3,4% 0,5% 24,4% 28,1% 10,0% 1,4% 24,8% 3,5% 0,5% B4 Enhance 1,7 0,2 0,0 3,1 0,0 2,3 0,0 0,7 0,0 0,0 0,0 2,1 1,6 0,1 0,0 5,0 0,0 0,3 0,0 0,9 MENU 17