L’analyse TURF basée sur les résultats de MaxDiff : une méthode puissante pour maximiser la part de choix face à la concurrence, en prenant les meilleures décisions lors de la création d’un produit ou d’un service.
Chez Stat & More, nous sommes spécialisés dans les analyses de données avancées. Nous pouvons, en particulier, aider les entreprises à sélectionner les caractéristiques des produits ou services les plus intéressantes pour leurs clients ou prospects. L’une des approches les plus efficaces utilisée est la combinaison du MaxDiff (Maximum Difference Scaling) avec l’analyse TURF (Total Unduplicated Reach and Frequency). Ce duo puissant permet aux entreprises non seulement d’identifier les caractéristiques les plus appréciées par une cible de clients, mais aussi de déterminer la combinaison optimale qui maximisera l’attractivité de l’offre ainsi créée.
Dans cet article, nous expliquerons comment les méthodes MaxDiff et TURF s’articulent ensemble, et comment l’utilisation de ces méthodes peut améliorer de manière significative votre processus de prise de décision.
L’objectif : Optimiser la sélection des composantes de l’offre
Lors de la conception d’un nouveau produit ou service, les entreprises testent souvent diverses caractéristiques pour comprendre les préférences des clients. Toutefois, le défi ne consiste pas seulement à identifier les caractéristiques produits préférées, mais aussi à déterminer la combinaison optimale des caractéristiques qui attirera le public le plus large et offrira donc la plus grande part de choix.
L’analyse MaxDiff permet de classer les caractéristiques par préférence, tandis que l’analyse TURF va plus loin en identifiant les combinaisons de caractéristiques qui maximiseront l’attrait globale de l’offre et donc sa part de choix. Ensemble, ces méthodes fournissent des informations stratégiques pour la hiérarchisation des offres et donc de la conception de produits ou services.
L’approche MaxDiff est, par exemple, très utile pour identifier un sous-groupe d’allégations à utiliser pour communiquer sur un produit ou un service, que ce soit sur un emballage ou dans une campagne publicitaire.
Méthodologie MaxDiff : Identifier les caractéristiques produits/services préférées
L’analyse MaxDiff est une approche basée sur le choix. Cet outil est largement utilisé pour comprendre les préférences relatives sur un ensemble de caractéristiques composant un produit ou un service. Dans une enquête MaxDiff, on présente aux répondants des séries de caractéristiques et on leur demande de choisir celle qu’ils préfèrent le plus et celle qu’ils préfèrent le moins. Le résultat est un classement des caractéristiques en fonction de leur degré de préférence par rapport aux autres.
Comment fonctionne la méthode MaxDiff ?
✔ Conception de l’enquête : Les personnes interrogées se voient par exemple présenter des groupes de 3 à 5 caractéristiques extraits d’une liste plus exhaustive de caractéristiques. Les répondants sont invités à choisir les options qu’ils aiment le plus et le moins. Les personnes interrogées doivent répondre à cette question plusieurs fois sur la base d’un plan d’expériences spécialement créé pour équilibrer l’apparition de chaque caractéristique et leurs interactions entre elles (plan orthogonal).
✔ Collecte de données : Les personnes interrogées répondent à cette série de questions généralement lors d’une enquête en ligne. Ces choix sont ensuite agrégés pour l’ensemble des répondants afin de créer un score de préférence pour chaque caractéristique à l’aide d’un modèle hiérarchique Bayésien.
✔ Classement des préférences : Le résultat de l’analyse produit un classement des préférences relatives, identifiant les caractéristiques plus ou moins désirables. L’approche MaxDiff étant une mesure dérivée, cette méthode évite les biais et les problèmes liés à l’utilisation d’une échelle classique de réponse, type échelle de Likert ou échelle de note. Cette approche en fait une méthode très fiable d’évaluation des préférences.
(après centrage)
Note de lecture :
Ces deux graphiques nous permettent de rapidement identifier les caractéristiques les plus importantes pour les personnes interrogées.
Sur le graphique de gauche, les scores d'utilité sont centrés puis triés par ordre décroissant de performance, de la caractéristique ayant l'utilité la plus élevée pour les répondants à celle ayant l'utilité la plus faible. Pour mieux comprendre les différences de performance entre les caractéristiques, nous avons ajouté un intervalle de confiance à 95 %. Comme pour les caractéristiques 10 et 7, deux caractéristiques peuvent avoir des moyennes différentes avec un écart important mais se chevauchant dans l'intervalle de confiance. Dans ce cas, nous pouvons considérer que ces deux caractéristiques sont équivalentes.
Sur le graphique de droite, après avoir converti les utilités individuelles en parts de choix, les caractéristiques sont également classées par ordre décroissant.
Ces deux indicateurs peuvent donner un classement différent des caractéristiques du produit ou du service à créer. Néanmoins, le groupe de caractéristiques les plus plébiscitées devrait être le même, comme devrait l'être le groupe des caractéristiques les plus rejetées. Au cours de l'analyse, il convient de ne conserver qu'un seul de ces indicateurs afin d'éviter toute confusion dans l'exploitation et dans la communication des résultats.
Si la méthode MaxDiff permet d’isoler les caractéristiques préférées, elle ne nous indique pas directement quelle combinaison de caractéristiques plaira au plus grand nombre. C’est là que l’analyse TURF entre en jeu.
TURF : Maximiser les volumes de ventes en sélectionnant la bonne combinaison des caractéristiques produit ou service
L’Analyse TURF est une technique utilisée pour estimer la part de choix potentielle de différentes combinaisons de caractéristiques ou de produits. L’analyse TURF répond à une question essentielle, en particulier lors de la création d’une gamme de produits ou de services : Quelle combinaison de produits maximise la part de choix auprès d’un public cible tout en évitant les recoupements entre produit ?
Cette approche est, par exemple, très utile pour identifier les produits à inclure dans votre gamme, en évitant les effets de cannibalisation.
Comment fonctionne l’analyse TURF ?
✔ Estimation de la part de choix (rchX) : L’analyse TURF calcule le nombre de personnes qui trouveraient attrayante au moins une caractéristique dans une combinaison donnée, en tenant compte du chevauchement des préférences entre les différentes caractéristiques.
✔ Analyse Combinatoire : L’analyse TURF teste différentes combinaisons de caractéristiques afin d’identifier l’ensemble qui a la plus grande « part de choix », c’est-à-dire le plus grand nombre d’individus uniques satisfaits par la combinaison.
✔ Évaluation de la fréquence (frqX) : L’analyse TURF calcule également un score de fréquence qui est le nombre moyen de caractéristiques sélectionnés par chaque personne interrogée dans une combinaison donnée. Par exemple, dans le cas d’une combinaison de 5 caractéristiques (A+B+C+D+E), les répondants en ont choisi 2.1 en moyenne.
Note de lecture :
L'algorithme TURF commencera par identifier la caractéristique avec la part de préférence la plus élevée. Ensuite, en excluant les répondants qui ont des scores positifs sur la première caractéristique sélectionnée, l'algorithme TURF recherche la deuxième caractéristique avec la part de préférence la plus élevée sur le reste de l'échantillon ... Et ainsi de suite, jusqu'à ce que la dernière caractéristique ait été identifiée. A Chaque itération, l'algorithme TURF sélectionne la caractéristique à conserver, puis calcule sa contribution additionnelle dans la population ayant choisi au moins une caractéristique composant l'offre.
L'analyse TURF est particulièrement utile lorsqu'il est essentiel de prendre des décisions pour définir le sous-ensemble de caractéristiques qui plaira au plus grand nombre.
Par exemple, un indutriel de l'agro-alimentaire producteur de tisane en sachet sera particulièrement aidé par cet outil TURF pour définir quels parfums doivent être inclus dans sa gamme de tisanes pour optimiser son offre produits auprès de ses clients. Etudier le potentiel de chaque gamme candidate, connaissant par ailleurs ses coûts de production, est un outils d'aide à la décision précieux.
Combinaison des analyses MaxDiff et TURF : optimisation de la part de préférence
Lorsque les données du MaxDiff sont utilisées comme données d’entrée pour l’analyse TURF, les deux méthodologies travaillant ainsi en synergie fournissent des informations plus approfondies.
Voici comment le processus fonctionne en pratique :
Les utilités individuelles calculées dans l’analyse MaxDiff sont converties en probabilités de choix. Ces probabilités sont ensuite utilisées comme données d’entrée pour l’algorithme TURF.
En alimentant l’analyse TURF avec les résultats de l’analyse MaxDiff, nous pouvons explorer diverses combinaisons de caractéristiques afin de déterminer le sous-ensemble qui produira la plus grande part de choix et le nombre de sélection de caractéristiques moyen le plus élevé. Cependant, les résultats de l’analyse TURF proposent généralement plusieurs combinaisons de caractéristiques « gagnantes » potentielles ou candidates qu’il convient de regarder. Il n’y a que très rarement une seule solution à conserver.
Note de lecture :
Cette liste propose différentes combinaisons de 5 caractéristiques sur 19. Nous pouvons considérer les premières lignes de cette liste comme équivalentes. Les entreprises ont le choix entre différentes solutions et peuvent choisir la solution finale en fonction de considérations ou de contraintes internes. C'est là toute la beauté du TURF. Il y a toujours plusieurs solutions à examiner et à considérer en fonction des contraintes de la stratégie de l'entreprise.
La première combinaison à considérer inclue les caractéristques, 4, 8, 10, 14 et 18 pour une part de choix de 95.4% des répondants et, en moyenne, 2.1 caractérisques choisies en même temps par répondant. La seconde combinaison remplace la caractéristique 14 par la caractéristique 15 avec une part de choix de 95.4% des répondants puis, en moyenne, 2.0 caractéristiques choisies en même temps par répondant. Ces 2 premières solutions sont statistiquement équivalentes. Les contraintes internes de production permettront de choisir la meilleure solution pour l'entreprise créant ces produits ou services.
Ces solutions candidates permettent aux décideurs de choisir la combinaison optimale de caractéristiques non seulement en fonction des préférences des répondants, mais aussi en tenant compte de paramètres internes à l'entreprise tels que les coûts de production, les contraintes opérationnelles de production, les objectifs stratégiques ou l'alignement sur la marque.
Comme ces facteurs internes sont souvent inconnus des analystes externes, la combinaison de MaxDiff et de TURF fournit un cadre décisionnel flexible qui permet aux organisations d’adapter les solutions en fonction de leurs contextes uniques. Les multiples solutions proposées par l’analyse TURF permettent aux entreprises de trouver un équilibre entre les besoins des clients et les réalités opérationnelles.
Avantages de cette approche :
✔ Précision dans la sélection des caractéristiques : Enchainer les analyses MaxDiff et TURF, vous permet non seulement de savoir quelles caractéristiques sont préférées, mais aussi quelle combinaison de caractéristiques fournit la valeur maximale.
✔ Maximiser l’impact avec des ressources limitées : Au lieu d’investir dans le développement de toutes les caractéristiques, les entreprises peuvent se concentrer sur la combinaison la plus rentable, ce qui leur permet d’économiser du temps et de l’argent.
✔ Prise de décision fondée sur les données : Cette approche transforme les suppositions subjectives en informations objectives, fondées sur des résultats robustes.
✔ Flexibilité dans la décision finale : En proposant plusieurs solutions candidates, cette approche permet aux entreprises de prendre des décisions éclairées en fonction des contraintes internes et des objectifs stratégiques.
Conclusion : MaxDiff et TURF, un duo de choc pour optimiser les caractéristiques d’un produit/service
Les analyses MaxDiff et TURF forment ensemble un outils puissant pour toute entreprise cherchant à maximiser la satisfaction de ses clients et la part de choix de ses offres de produits ou de services. Alors que l’analyse MaxDiff permet d’identifier les caractéristiques les plus attractives, l’analyse TURF va plus loin en révélant la combinaison idéale de caractéristiques qui maximisera la part de choix et le nombre moyen de caractéristiques sélectionnés.
Chez Stat & More, nous aidons les entreprises à exploiter tout le potentiel de ces méthodologies, en veillant à ce que leurs produits ou services soient conçus avec la meilleure combinaison possible de caractéristiques. En exploitant les outils MaxDiff et TURF, vous pouvez prendre en toute confiance des décisions fondées sur des données qui maximisent à la fois la satisfaction des clients et le potentiel du marché.
Prêt à optimiser votre prochain produit ou service ?
Si vous souhaitez en savoir plus sur la façon dont les analyses MaxDiff et TURF peuvent aider votre entreprise à prendre des décisions plus fiables et stratégiques, contacter nous chez Stat & More aujourd’hui. Notre équipe d’experts est prête à vous guider tout au long du processus et à veiller à ce que vous obteniez des résultats optimaux.
Ensemble, faisons passer vos produits ou services au niveau supérieur !
RESSOURCES Wikipedia :
✔ (2024, 25 novembre). Échelle de likert. https://fr.wikipedia.org/wiki/%C3%89chelle_de_Likert
✔ (2024, Mars 19). MaxDiff. Wikipedia. https://en.wikipedia.org/wiki/MaxDiff
✔ (2024, Août 29). Conjoint analysis. Wikipedia. https://en.wikipedia.org/wiki/Conjoint_analysis
✔ (2022, Juillet 25). TURF analysis. Wikipedia. https://en.wikipedia.org/wiki/TURF_analysis
✔ (2024, Août 23). Bayesian hierarchical modeling. Wikipedia. https://en.wikipedia.org/wiki/Bayesian_hierarchical_modeling