Les études de marché

Objectifs du chapitre

À la fin de ce chapitre, vous serez capable de:

• décider s'il faut commander une étude, en comparant son coût à la réduction espérée de la perte due à une décision erronée, et poser l'arbre de décision correspondant;
• distinguer un problème de décision d'un problème d'étude, et enchaîner les six étapes d'une étude sans perdre l'information à chaque passage;
• évaluer une source secondaire suisse (Office fédéral de la statistique, association de branche, rapport annuel, Surveillance des prix, statistique douanière) au moyen d'une grille explicite, et énoncer ses limites;
• choisir entre une étude qualitative et une étude quantitative selon la question posée, et dire ce que chacune ne peut pas produire;
• calculer une marge d'erreur $e=z_{1-\alpha /2}\sqrt{p(1-p)/n}$ et la taille d'échantillon requise $n=z^{2}p(1-p)/e^2$, et expliquer pourquoi la précision ne dépend pas du taux de sondage;
• repérer et corriger les six biais classiques d'un questionnaire, et distinguer ce qu'une corrélation observée permet de conclure de ce que seule une expérimentation établit.

Décider sous incertitude: ce que l'on achète en achetant une étude

Une étude de marché n'est pas un rituel de passage avant un lancement. C'est un achat d'information, et comme tout achat il se justifie par ce qu'il rapporte. Le chapitre 2 a montré comment décrire un marché; celui-ci montre comment produire les chiffres qui manquent encore — et, d'abord, comment savoir s'il vaut la peine de les produire.

La partie soulignée de cette définition est celle que l'on oublie le plus souvent. Une étude commandée «pour mieux connaître nos clients», sans décision en attente, produit un rapport que personne n'ouvre. À l'inverse, une décision déjà prise ne mérite pas d'étude: on ne paie pas pour se faire confirmer.

La valeur d'une étude

Démonstration. Dressons l'arbre de décision à deux branches. Sur la branche «sans étude», l'entreprise décide immédiatement; elle se trompe avec la probabilité $p_{\text{sans}}$ et subit alors la perte $L$, et ne subit rien sinon. La perte espérée est donc, par définition de l'espérance d'une variable aléatoire à deux valeurs,

Sur la branche «avec étude», l'entreprise paie $C$ dans tous les cas, puis se trompe avec la probabilité réduite $p_{\text{avec}}$:

La seconde branche est préférable si et seulement si sa perte espérée est la plus faible:

Enfin, comme $p_{\text{avec}}\ge 0$, on a $(p_{\text{sans}}-p_{\text{avec}})L\le p_{\text{sans}}L$: une étude , qui supprimerait toute erreur, vaudrait , et c'est un plafond que rien ne dépasse.

Deux réécritures de (3.1) sont utiles en pratique. À coût d'étude donné, l'étude n'est rentable que si elle réduit la probabilité d'erreur d'au moins $C/L$ points; et le budget maximal se lit directement comme la réduction espérée de la perte.

Les six étapes, et ce qui se perd à chacune

Une étude se déroule toujours selon le même enchaînement. Sa première étape, la plus négligée, consiste à traduire un problème de décision («faut-il lancer le Léman Cargo en Suisse alémanique?») en un problème d'étude («quelle est la proportion de détaillants alémaniques prêts à référencer un vélo cargo à CHF 6 490, et quels arguments les convaincraient?»). Le premier est formulé par la direction, le second par le chargé d'études; confondre les deux produit soit une étude qui répond à côté, soit un rapport qui laisse la décision entière.

La règle qui gouverne cette chaîne est simple: l'information se perd, elle ne se crée pas. Un échantillon biaisé ne se corrige pas par un test statistique; une question mal formulée ne se répare pas par une pondération; un rapport sans recommandation ne devient pas une décision parce qu'il est bien mis en page.

Le système d'information marketing

Toutes les informations dont une entreprise a besoin ne s'achètent pas: la plupart circulent déjà chez elle.

Les données internes sont gratuites et sous-exploitées: ventes par référence, par canal, par région et par mois; fichier clients et CRM (date de premier achat, fréquence, panier moyen, canal d'acquisition); traces du service après-vente et réclamations; données de caisse ou de la boutique en ligne (pages vues, taux de mise au panier, taux d'abandon); remontées de la force de vente. Chez Cyclo Léman, le seul croisement des ventes par gamme et par détaillant dirait déjà si le Léman Cargo se vend partout ou seulement dans trois villes — question à CHF 0, souvent posée à un institut à CHF 40 000.

La veille est la surveillance organisée de l'environnement décrit au chapitre 2: prix et assortiments des concurrents, nouveaux entrants, réglementation, presse professionnelle, salons. Continue et peu coûteuse, elle exige seulement d'être organisée: qui regarde quoi, à quelle fréquence, et à qui le transmet-il? Les études ad hoc, enfin, sont commandées pour une décision précise et ne devraient intervenir qu'une fois les deux premières sources épuisées — c'est le principe d'économie du théorème 3.1.

Les sources secondaires: ce que l'on trouve avant de dépenser un franc

En Suisse, le gisement gratuit est riche:

• l'Office fédéral de la statistique (OFS), à Neuchâtel: enquête sur le budget des ménages (structure des dépenses par classe de revenu), statistique structurelle des entreprises, statistique du commerce de détail, microrecensement mobilité et transports;
• les associations faîtières de branche, qui publient chaque année les volumes de leur marché (importateurs de véhicules ou de vélos, fédérations du commerce de détail, de l'hôtellerie, de la construction) — mais pour leurs seuls membres;
• les rapports annuels des sociétés cotées et des grandes coopératives (Migros, Coop, Swatch Group, Emmi): chiffre d'affaires par segment, nombre de points de vente, parfois parts de marché revendiquées;
• la Surveillance des prix (Preisüberwacher) et la Commission de la concurrence (COMCO): enquêtes sectorielles, comparaisons de prix avec l'étranger, décisions détaillant la structure d'un marché;
• les comparateurs (Comparis, Toppreise) et les places de marché, utiles pour reconstituer une structure de prix et un assortiment;
• les données douanières du commerce extérieur (base Swiss-Impex): importations et exportations par position tarifaire, en valeur et en quantité — souvent la seule mesure fiable de la taille d'un marché de biens en Suisse;
• les publications académiques et les études des hautes écoles et des instituts privés, dont les synthèses sont fréquemment publiques même quand l'étude complète est payante.

Les limites du secondaire

Une donnée secondaire répond à la question de celui qui l'a produite, pas à la vôtre. Quatre écarts reviennent systématiquement.

Les définitions. «Vélo électrique» inclut-il les vélos rapides à $45$ km/h, homologués comme cyclomoteurs? Deux sources qui ne définissent pas le bien de la même façon ne sont pas comparables, et l'écart entre elles n'est pas une erreur de mesure: c'est un désaccord de périmètre.

La fraîcheur. Les statistiques officielles paraissent souvent avec douze à dix-huit mois de retard. Sur un marché qui croît vite, une donnée de l'année N−2 décrit un marché qui n'existe plus.

Le périmètre. Suisse seule ou Suisse et Liechtenstein? Population résidente permanente ou ménages? Une part de marché calculée avec un numérateur et un dénominateur de périmètres différents est fausse, et cette erreur est très fréquente.

Le biais du producteur. Une association de branche a intérêt à décrire un marché dynamique; un institut qui offre une étude gratuite vend en réalité sa méthodologie; une entreprise qui publie sa part de marché a choisi la définition du marché qui l'arrange. Cela ne disqualifie pas la source, mais impose de lire qui a payé.

Une grille d'évaluation

Avant de reprendre un chiffre, répondez à six questions. Si l'une reste sans réponse, le chiffre s'utilise avec des guillemets et un «de l'ordre de».

Les études qualitatives

Quand la question est «pourquoi?» ou «comment?», compter ne sert à rien: il faut écouter et observer.

Les quatre méthodes

L'entretien individuel semi-directif. Quarante-cinq à quatre-vingt-dix minutes, guidé par un guide d'entretien qui liste les thèmes sans imposer l'ordre ni les mots. Il va loin dans les motivations et les freins et convient aux sujets intimes ou complexes (santé, argent, achat professionnel), mais il est coûteux en temps d'analyse.

L'entretien de groupe (focus group). Six à dix participants, quatre-vingt-dix à cent vingt minutes, animés par un modérateur. La dynamique de groupe fait émerger des arguments et un vocabulaire que l'entretien individuel n'atteint pas: les participants se répondent. Le revers est l'effet de conformité — un leader d'opinion peut orienter le groupe entier — et la désirabilité sociale, plus forte en public.

L'observation et l'ethnographie. On regarde ce que les gens font plutôt que ce qu'ils disent: accompagnement d'un client en magasin (shop-along), observation d'un rayon, journal de bord tenu deux semaines. C'est la méthode la plus révélatrice pour les gestes automatiques et les contournements: personne ne déclare spontanément qu'il porte son vélo cargo dans un escalier chaque soir faute de place au rez-de-chaussée, mais tout le monde le montre.

Les tests de concept. On présente une description écrite ou visuelle d'un produit qui n'existe pas encore et l'on recueille compréhension, crédibilité, différenciation, freins et prix acceptable. Le test de concept qualitatif dit pourquoi un concept fonctionne ou non; il ne dit pas combien de gens l'achèteraient.

Ce que le qualitatif peut et ne peut pas

Le qualitatif peut: comprendre des mécanismes de décision, faire émerger le vocabulaire réel des clients (matière première du positionnement et de la publicité), identifier des freins insoupçonnés, générer des hypothèses et construire les modalités de réponse d'un questionnaire quantitatif futur.

Le qualitatif ne peut pas: mesurer, hiérarchiser des proportions, extrapoler à une population. «Sept participants sur dix ont trouvé le prix élevé» n'est pas un résultat: sur dix personnes non tirées au sort, la marge d'incertitude dépasse de loin l'écart observé, et une autre sélection de dix personnes donnerait un autre chiffre. La règle d'écriture est simple: dans un rapport qualitatif, aucun pourcentage.

Taille de l'échantillon et saturation

On n'échantillonne pas ici pour représenter, mais pour couvrir la diversité des situations. On construit donc l'échantillon par contraste: hommes et femmes, urbains et périurbains, acheteurs et non-acheteurs, clients et anciens clients. Le critère d'arrêt est la saturation: on cesse quand les derniers entretiens n'apportent plus aucune catégorie nouvelle. En pratique, la saturation survient souvent entre huit et quinze entretiens par segment homogène, et plus tard si la population est hétérogène. C'est un critère à vérifier, pas une taille à décréter: si le douzième entretien apporte encore du neuf, il en faut d'autres.

L'analyse de contenu

L'analyse ne commence pas par la lecture des notes de l'animateur, mais par la retranscription des entretiens. On procède ensuite à un codage ouvert: on parcourt le corpus en attribuant à chaque passage une étiquette décrivant ce dont il parle («coût d'usage», «peur du vol», «regard des collègues»). Un second passage, dit codage axial, regroupe ces étiquettes en catégories et cherche les relations entre elles: quels freins vont ensemble, lesquels ne surviennent que chez les non-acheteurs.

La qualité de cette analyse se contrôle. On établit une grille de codes écrite, on fait coder un même échantillon d'extraits par deux personnes indépendantes et l'on mesure leur accord; un désaccord fréquent signale une grille ambiguë, pas un codeur négligent. On compte les occurrences avec prudence — un thème revient parfois souvent à cause du guide d'entretien — et l'on rapporte les cas qui contredisent l'interprétation retenue, car ce sont eux qui la rendent crédible.

Les études quantitatives et l'échantillonnage

Population, base de sondage, échantillon

Méthodes probabilistes et non probabilistes

Une méthode est probabiliste si chaque unité de la base a une probabilité connue et non nulle d'être tirée. C'est la condition — et la seule — qui autorise à calculer une marge d'erreur.

Les méthodes non probabilistes ne sont pas interdites — la méthode des quotas est le standard de fait des instituts, pour des raisons de coût — mais elles interdisent le vocabulaire de la précision. Un sondage par quotas ne donne pas d'intervalle de confiance; les «± 3 points» qui l'accompagnent parfois sont calculés comme si le tirage avait été aléatoire, et ne mesurent alors qu'une partie de l'erreur totale.

Marge d'erreur et taille d'échantillon

Démonstration. Notons $X_1,\dots ,X_n$ les réponses, avec $X_i=1$ si l'unité $i$ possède le caractère et $X_i=0$ sinon. Le tirage étant aléatoire simple, ces variables sont indépendantes et de même loi de Bernoulli de paramètre , d'espérance et de variance (cours de probabilités et statistique). La proportion observée est leur moyenne, , donc

L'estimateur est donc sans biais, et son écart-type — l'erreur type — vaut ${\sigma }_{\hat{p}}=\sqrt{p(1-p)/n}$. Par le , la variable centrée réduite converge en loi vers la loi normale centrée réduite lorsque . Pour grand, on a donc

c'est-à-dire $\mathbb{P}(|\hat{p}-p|\le z_{1-\alpha /2}{\sigma }_{\hat{p}})\approx 1-\alpha$, ce qui est (3.2). En résolvant en : , d'où (3.3).

Reste le cas le plus défavorable. La fonction $f(p)=p(1-p)=p-p^2$ est une parabole tournée vers le bas; sa dérivée $f^{\prime }(p)=1-2p$ s'annule en , où : c'est bien un maximum, et . Prendre dans (3.3) donne donc la taille suffisante quelle que soit la vraie proportion.

Cette forme en $1/\sqrt{n}$ a une conséquence budgétaire immédiate: la précision coûte de plus en plus cher. Comme le coût d'un questionnaire est approximativement proportionnel à $n$, diviser la marge d'erreur par deux quadruple le budget. C'est ici que le théorème 3.1 revient: la précision supplémentaire ne se justifie que si elle change la décision.

Le questionnaire

Le questionnaire est l'instrument de mesure. Comme tout instrument, il déforme ce qu'il mesure, et une part importante de la variabilité d'un sondage vient de sa rédaction, non des répondants.

Types de questions et échelles

Les questions fermées (dichotomiques, à choix multiple, à échelle) se codent et s'analysent directement; les questions ouvertes livrent le vocabulaire des répondants mais coûtent cher à coder et sont souvent bâclées en auto-administré. Les questions filtres orientent le répondant vers les seules sections qui le concernent, et doivent être placées avant elles.

Trois échelles reviennent constamment.

• L'échelle de Likert mesure un degré d'accord avec une affirmation, en cinq ou sept positions. Elle produit une variable ordinale: la médiane, les quartiles et le pourcentage de réponses dans les deux positions supérieures (le top-two-boxes) sont toujours licites. En calculer la moyenne suppose que les écarts entre positions soient égaux, hypothèse fausse en toute rigueur mais universellement pratiquée; ne comparez à tout le moins jamais deux moyennes d'échelles rédigées différemment.
• Le différentiel sémantique fait positionner un objet entre deux adjectifs opposés (moderne / démodé, cher / bon marché) sur sept positions. Il est adapté à la mesure d'une image de marque et aux cartes perceptuelles du chapitre 5.
• L'échelle d'intention d'achat comporte cinq positions de «certainement pas» à «certainement». Les intentions déclarées surestiment systématiquement l'achat effectif, parce que déclarer ne coûte rien. La pratique consiste à appliquer des coefficients de transformation (par exemple retenir $70\%$ des «certainement» et $30\%$ des «probablement»), calibrés sur l'historique de l'entreprise et non repris d'un manuel: sans cet étalonnage interne, ces coefficients ne sont qu'un habillage.

L'ordre des questions

Un questionnaire se construit en entonnoir: questions générales et faciles d'abord (pour engager le répondant), questions spécifiques ensuite, questions délicates et signalétiques (âge, revenu, formation) à la fin, quand la confiance est acquise et qu'un abandon ne fait plus perdre l'essentiel. Il faut aussi se méfier des effets de contamination: une question détaillée sur les avantages écologiques du vélo électrique, posée avant la question d'intention d'achat, augmente mécaniquement cette dernière. Quand on ne peut éviter un tel enchaînement, on fait tourner l'ordre (rotation aléatoire) d'un répondant à l'autre pour que l'effet se compense.

Les six biais classiques

Les trois premiers biais faussent la mesure, les deux suivants la sincérité, le dernier la composition de l'échantillon. Le biais de non-réponse est le plus dangereux, parce qu'il est invisible dans les résultats: si les insatisfaits répondent deux fois plus volontiers, la satisfaction moyenne mesurée est fausse, et aucune augmentation de $n$ ne la corrige.

Le dispositif de la figure 3.3 porte un nom: le split-ballot. On tire au sort quatre sous-échantillons et l'on soumet à chacun une version différente de la même question; comme les groupes ne diffèrent que par le hasard du tirage, tout écart systématique entre eux ne peut venir que de la formulation. C'est déjà une expérimentation, au sens de la section suivante — et le seul moyen honnête de savoir de combien vos propres questions déforment vos propres résultats.

Le pré-test

Aucun questionnaire ne part sur le terrain sans pré-test auprès de dix à trente personnes du public visé, en face-à-face même si l'étude sera en ligne. On y chronomètre la durée réelle (presque toujours supérieure à l'estimation), on observe les hésitations, et surtout on demande au répondant de reformuler la question avec ses mots avant d'y répondre: c'est ainsi que l'on découvre qu'un mot du questionnaire n'a pas le sens qu'on lui prêtait. Le pré-test coûte deux jours; le questionnaire raté coûte l'étude entière.

Collecte, analyse et restitution

Les modes de collecte

Ces ordres de grandeur sont indicatifs: le taux de réponse dépend surtout du sujet, de la longueur, de l'incitation et de la relation préalable avec le répondant. Retenez qu'il est la statistique à exiger d'un institut: un sondage à $8\%$ de réponse sur un fichier de qualité renseigne moins qu'un sondage à $45\%$ sur un fichier médiocre.

Redressement et pondération

Quand la structure de l'échantillon répondant s'écarte de celle, connue, de la population, on redresse: chaque répondant reçoit un poids égal au rapport entre sa part dans la population et sa part dans l'échantillon.

Analyser: du tri à plat à la comparaison

L'analyse commence par les tris à plat: la distribution de chaque variable, une par une, avec les effectifs, les pourcentages et les non-réponses. Viennent ensuite les tris croisés, qui confrontent deux variables (intention d'achat par tranche d'âge, satisfaction par canal), les moyennes et surtout les mesures de dispersion: une note moyenne de $7/10$ obtenue avec un écart-type de $0,5$ et la même obtenue avec un écart-type de $3$ décrivent deux marchés opposés — un marché homogène dans un cas, un marché polarisé, donc segmentable, dans l'autre.

Un tri croisé fait apparaître des écarts. Sont-ils réels ou dus au hasard du tirage? La réponse relève du test d'hypothèse: le test du khi-deux d'indépendance pour deux variables qualitatives, le test de comparaison de proportions ou de moyennes dans les autres cas. Le principe et le calcul de ces tests relèvent du cours de probabilités et statistique; ce qu'il faut retenir ici, c'est la discipline: aucun écart n'est commenté avant d'avoir été comparé à sa marge d'erreur. Deux sous-groupes de $300$ personnes, tous deux proches de $50\%$, ne se distinguent qu'à partir d'un écart d'environ $8$ points; le commentaire enthousiaste sur les «5 points de plus chez les moins de 35 ans» est alors du bruit typographié.

L'expérimentation, seule productrice de causalité

Un sondage mesure des associations: les clients exposés à la campagne achètent plus que les autres. Il ne dit pas pourquoi. Seule l'expérimentation — l'affectation aléatoire des unités à un groupe test et à un groupe témoin — établit un lien de cause à effet, parce que le tirage au sort rend les deux groupes comparables en espérance sur tout, y compris sur ce que l'on n'a pas mesuré.

Deux dispositifs sont courants en marketing. Le test A/B compare deux versions d'un élément (objet d'un courriel, page d'accueil, prix affiché, visuel) sur deux sous-populations tirées au sort; il est devenu quasi gratuit en ligne, ce qui est sa force et son danger — multiplier les tests sans hypothèse fait apparaître des «gagnants» par pur hasard. Le test de marché géographique compare deux régions comparables, l'une recevant le nouveau produit ou la nouvelle campagne, l'autre non: c'est la version lourde, utilisée avant un lancement national, et la Suisse s'y prête mal en raison de la petite taille et de l'hétérogénéité linguistique de ses régions.

Restituer: une étude se conclut par une recommandation

Un rapport d'étude n'est pas un empilement de tableaux. Il comporte, dans cet ordre: le rappel du problème de décision et du problème d'étude; la méthode (population, base, mode de collecte, taille, taux de réponse, dates, marge d'erreur, redressements); les résultats organisés par question de décision et non par question du questionnaire; les limites honnêtement énoncées; et une recommandation argumentée et chiffrée, avec ses conditions de validité. Une étude qui se termine par «à la direction d'apprécier» n'a pas été terminée: le chargé d'études est le seul à savoir ce que les données supportent, et cette connaissance fait partie de la livraison. Une bonne pratique consiste à écrire la recommandation avant le terrain, sous forme de phrases à trous («nous recommandons de lancer / de ne pas lancer, parce que la proportion mesurée est supérieure / inférieure à …»): si l'on ne parvient pas à les écrire, c'est que l'étude ne trancherait rien.

Synthèse

• Une étude est un investissement: elle ne se justifie que si son coût est inférieur à la réduction espérée de la perte, $C<(p_{\text{sans}}-p_{\text{avec}})L$. Ce critère fixe aussi le budget maximal et la réduction minimale de risque à exiger.
• L'étude enchaîne six étapes, du problème de décision à la recommandation; l'information perdue à une étape ne se récupère jamais aux suivantes. On épuise les données internes et les sources secondaires avant d'engager une collecte primaire, en évaluant chaque source par la grille «qui, quand, comment, pourquoi, sur qui, quoi exactement».
• Le qualitatif comprend, génère des hypothèses et donne le vocabulaire des clients, jusqu'à saturation; il ne mesure rien et ne s'extrapole pas. Le quantitatif mesure, à la condition d'un échantillon probabiliste.
• La marge d'erreur d'une proportion vaut $e=z_{1-\alpha /2}\sqrt{p(1-p)/n}$, d'où , maximale en . Elle dépend de et ; diviser par deux exige de , donc le budget.

Exercices

Vous pouvez afficher le corrigé directement sous chaque énoncé après avoir cherché la solution.

Références

• Malhotra, N. K., Décaudin, J.-M., Bouguerra, A. et Bories, D., Études marketing, 7e éd., Pearson, Montreuil — référence complète sur le processus d'étude, l'échantillonnage et le questionnaire.
• Kotler, P., Keller, K. L. et Manceau, D., Marketing management, 16e éd., Pearson, Montreuil, chapitre consacré à la collecte d'informations et à la mesure de la demande.
• Lendrevie, J. et Lévy, J., Mercator. Tout le marketing à l'ère de la data et du digital, Dunod, Paris, partie «Études et connaissance des marchés».
• Kotler, P. et Armstrong, G., Principes de marketing, Pearson, Montreuil — présentation accessible du système d'information marketing.
• Office fédéral de la statistique (OFS), Neuchâtel: enquête sur le budget des ménages, statistique structurelle des entreprises, microrecensement mobilité et transports; et statistique du commerce extérieur de l'Office fédéral de la douane et de la sécurité des frontières (base Swiss-Impex).
• Préposé fédéral à la protection des données et à la transparence (PFPDT), Guide relatif à la nouvelle loi fédérale sur la protection des données (nLPD), Berne, en vigueur depuis le 1er septembre 2023.