Mesurer par d' experimentation

les effets promotion nels l'utilisation de la zone Scannel'

PIERRE DESMET

Professeur associe a l'ESSEC

ISABELLE LE ROY

Responsable Recherche et Droeloppement, Sociologiciels

RESUME. - Pour optimiser le plan promotionnel d'un produit de grande cons ommation, il faut d'abord mesurer les effets specifiques des composantes d'une action promotionnelle. Les donnees scanner permettent une mesure precise des phenomenes tant au nioeau des achats consommateurs qu'au niveau des ventes magasin. Les diffCrentes techniques d' analyse de ces informations scanner sont presentees sur un exemple de quasi-experimentation mise en euore sur la zone test Scannel pour mesurer les effets specifiques de mises en avant (tete de gondole), et de la presence d'une animatrice pour une promotion de soutien ms-a-ois du consommateur. L'interet de la mise en euore d'une experimentation et de l'utilisation d'une methode explicative, telle que la regression, est dis cute. La specifzcite du modele est de traiter les donnees de scanner au nioeau magasin et de prendre en compte sipariment les effets reductions de prix promotionnelles et reduction du prix.

Lors d'un achat, le client prend en compte deux types d'informations : le concept produit, ou les avantages qu'il peut tirer de la possession ou de l'utilisation du produit et l'offre, c'est-a-dire les conditions de l'echange (avantage temporaire, delai de paiement, de livraison ... ). Pour les produits de grande consommation, la banalisation des concepts produit amene un developpement des budgets associes a cette seconde composante : la promotion.

1 Les auteurs remcrcient les lecteurs anonymes, par ticulierernent Ie lecteur # 4, qui au long du processus de revision ont contribue a une amelioration notable de l'article presente

N"d.LR II s'agit d'un article oriente essentiellement vers les « Applications», m ais Ie curacter e assez fortement

methodologique de cet article a amene la Redaction en Chef de la Revue a le Caire passer dans la Rubrique «Recherche »

Recherche et Applications en Marketing, vol. VI, n'' 1/91

28 Pierre Desmet et Isabelle Le Roy

Sur les marches encornbres des produits banalises, la promotion constitue une arme it court terme de plus en plus utilisee pour le lancement des nouveaux produits ou la recherche d'un accroissement des ventes it court terme : 5826 camp agnes (+ 12,7 %) en 1986 selon le BIPP pour 10,2 milliards de francs (+ 10 %) selon I'IREP (1989). Cette place croissante de la promotion correspond it l'importance des effets mesures sur 1es ventes en periode promotionnelle (Guadagni et Little, 1983; Neslin, Henderson ct Quelch, 1985; Gupta, 1988).

Pourtant le recours intensif it ce type d'action peut etre tres dangereux, car, outre son cout important, elle entrainc souvent une escalade de la part des concurrents et donc une compensation des effets de court terme. Ce risque est d'autant plus grand que les effets promotionnels sont encore tres imparfaitement connus tant sur le plan du comportement des consommateurs que sur le plan des ventes. Ceci est du principalement it deux raisons : 1) La complexite des actions promotionnelles, qui combinent souvent dillerentes techniques pour une plus grande efficacite (reduction de prix, anima trice, mise en avant magasin) ; 2) L'incertitude sur la mesure de l'effet net due it la promotion par deduction des « ventes normales » difficiles it determiner sauf dans le cas d'une experimentation.

Lors d'une promotion, le responsable marketing s'interroge sur differents points: 1) Mesurer l'impact de l'action pour faire l'ana1yse couts/benefices de l'operation ; 2) Comprendre les effets specifiques des composantes de l'operation pour identifier les causes du succes ; 3) Optimiser ses decisions par une bonne anticipation des effets. A chaque question correspond une categoric de modeles : descriptifs, explicatifs ou normatifs.

Les donnees issues du SCANNEL de SECODIP, une zone de test et d'experimentation marketing dans des conditions reclles de marche et un modele exogene d'analyse des effets promotionnels, baptise PRoMo-nfPAcT, permettent d'apporter des reponses aux deux premieres interrogations. Les modeles normatifs, concernant les rccommandations, sont souvent bases sur des estimations subjectives des effets promotionnels (Little, 1966; Strang, 1976 ; Neslin et Shoemaker, 1983) et ne seront pas traites ici. La principale question abordee ici conccrnc la mesure et, en fonction de 1a realisation de quasiexperimentation, 1a comprehension des effets.

L - PROBLEMATIQUE

Le terme promotion regroupe en fait des activites fort differentes tant par la cible visee que par l'objectif de l'action. La description des principalcs actions sera suivie par les interrogations du chef de produit.

a / La promotion des oentes

Si la cible finale est toujours le consommateur, on distingue, du point de vue du producteur, promotion distributeur et promotion consommateur. Les promotions distributeur (Trade) sont des off res associees contractuelle-

Mesurer les ettets promotionnels 29

ment a certaines obligations pour le distributeur : transfert d'une partie de la reduction de prix au consommateur, mise en valeur du produit en magasin, animation ... Les promotions consommateur (Consumer) se sont developpees comme un moyen de toucher directement les clients potentiels dans un contexte d'achat : il s'agit des coupons, offre de remboursement, reduction de prix on-pack.: Tres sou vent, ces operations sont soutenues par une promotion distributeur pour s'assurer la cooperation de celui-ci (Neslin et Shoemaker, 1983). Aux Etats-Unis, 39,3 % du budget communication des producteurs de produits de grande consommation est investi en promotion distributeur contre 25,S % en promotion consommateur (Donnelley Marketing, 1987).

Les promotions peuvent aussi etre classees, en fonction de leur objectif, en promotions d'attaque ou de soutien. La difference entre ces classes correspond a la longueur de l'horizon pris en compte pour calculer la rentabilite dc I'operation, La promotion d'attaque a pour objet d'accroitre le nombre d'acheteurs (NA) et done, a terme, les ventes. Elle concerne des produits en phase de lancement (nouveau produit ou produit modifie), et a pour but de lever les freins a l'achat ct d'entrainer un contact direct entre le produit et le client (degustation, echantillon, prix d'essai ... ). La promotion de soutien a un objectif de court terme sur la progression des ventes. Elle consiste a mettre momentanement en valeur le produit (animation, jeux, concours ... ) ou a accorder un avantage economique temporaire (reduction de prix, produit en plus ... ). U ne etude, analysant le comportement promotionnel des entreprises de production en France, souligne la place preponderance des reductions de prix, pratiquecs par 64 % des entreprises, quel que soit leur chiffre d'affaires (Guilbert et al., 1986).

b / Les interrogations du chef de produit

Si l'on se place du point de vue du producteur, il s'agit de proposcr au chef dc produit les informations lui permettant de prendre une « meilleure » decision en matiere de promotion lors de la fixation de son plan marketing. L'amelioration de la prise de decision suppose une evaluation de la profitabilite respective des alternatives envisagees, II faut donc construire une fonction de profit, dont l'element principal est la fonction de demande permettant de restituer la reaction du marche aux actions envisagees. Celle-ci peut etre complexe et doit en particulier integrer les effets temporels (deplacement de la dcmande par des effets d'anticipation et de stockage) et les effets de cannibalisme entre les produits de la gamme.

Un modele d'aide a la decision pourrait : 1) Lui permettre devaluer les consequences de differentes alternatives pour le plan promotionnel ; 2) Arneliorer la mise en ccuvre des operations par un meilleur cadrage de la reponse probable du marc he (consequences financieres, production ... ) ; 3) Contribuer a structurer, a affiner ses connaissances sur les reactions du marche en analysant les sources possibles decarts entre les anticipations ct les realites,

30 Pierre Desmet et Isabelle Le Roy

c I Portee et limites de cette etude

Cet article presente en detail I'analyse des eflets des promotions sur une marque, dans un conditionnement donne. L'utilisation reguliere de modeles de ce type devrait permettre de constituer une base de donnees fiables sur les effets des promotions selon leurs caracteristiq ues, les produits touches, etc. Une meta-analyse de cette basc devrait ensuite permettre de mettre en evidence des elasticites ayant une validite plus large. Les resultats chiffres presentes ici n'ont done pas de valeur generale.

Le modele propose a pour but de mesurer les effets d'operations promotionnelles de soutien utilisant la variable prix. La demarche consiste a : 1) Mesurer les effets de la promotion; 2) Comprendre l'origine de ces effets ; et 3) Analyser la variabilite de ces effets.

1 I M esurer les iffets de la promotion

Une operation de promotion des ventes est complexe : elle comporte souvent simultanement plusieurs eomposantes, qui peuvent prendre un nombre important de modalites,

Si l'on se eoneentre sur la promotion prix, comment fixer le montant de la reduction de prix? Comment l'exprimer (reduction directe ou utilisation de coupon) ? Reduction immediate ou differee, avec ou sans accumulation de bons on preuves d'achat? Jusqu'ou faut-il aller dans l'utilisation des effets amplificateurs de l' operation? U ne tete de gondole (TG) coute de 1 500 a 4000 F par magasin. Quel est son effct ? Comment cet effet varie-t-il en fonction de la taille de cette TG ? En fonction de la duree ? Quel est l'effet du a la presence d'une animatrice ? Quel est l'effet de la presence d'un article dans un document promotionnel du distributeur? La combinaison de ces effets engendre-t-elle une synergic ?

II est done primordial de s'interroger sur I'efficacite absolue (1 'operation est-elle eq uilibree a court terme ?) et sur l'efficacite relative des composantes it cout equivalent. Les reponses a ces questions doivent permettre de decider de l'interet d'une operation, mais peuvent aussi permettre d'cnvisager une approche selective de la politique promotionnelle en fonction des points de vente, dans la mesure ou ceux-ci auraient des reponses specifiques.

2 I Comprendre les effets de fa promotion

Les effets des operations de promotion des ventes, notamment les reductions de prix, sont tres souvent speetaculaires, atteignant des coefficients multiplicateurs des ventes de plus de 10 (Desmet, 1981). La question que se pose alors Ie decideur concerne l'origine des volumes obtenus : augmentation de la demande primaire ou simple deplacement de la dcmande? Dans ce cas, s'agit-il d'un transfert de demande venant de marques concurrentes ou d'une substitution entre conditionnements au sein de la gamme, ou merne d'un simple deplacernent temporel de la demande de l'article en promotion suite a une phase de stockage? L'identification des concurrents principaux est impor-

Mesurer les eftets promotionnels 31

tante car les phenomenes de substitution risquent d'etre plus ou moins syrnetriques. La mesure des effets de cannibalisme ou d'autocannibalisme permet d'analyser la profitabilite de I'operation non plus au niveau de l'article mais a celui de la gamme.

3 I Analyser la oariabilite des iffets

Les connaissances, tant theoriques qu'empiriques, sur les effets promotionnels sont encore tres fragmentaircs. Les etudes realisees ne concernent que quelques categories d'articles, principalement sur des marches americains, En France, il manque cruellement d'etudes et de meta-analyses de ces etudes permettant de repondre a des questions portant sur la variabilite des effets selon les articles et selon les marches.

L'efficacite d'une promotion varie-t-elle en fonction de la position d'une marque sur son marche (leader) ? En fonction de I'intensite des politiques promotionnelles mises en oeuvre au prealable ? Quelles sont les interactions entre politique de promotion et politique de prix?

Comment l'efficacite de la promotion varie-t-eIle selon les caracteristiques des produits et des marches (Cotton et Babb, 1978) ? La taille du conditionnement est-eUe reliee a une sensibilite promotionnelle differente ? Comment l'efficacite de la promotion varie-t-eIle en fonction du temps? C'est une autre question fondamentale pour les articles de mode ou ceux ayant une forte saisonnalite. Comment la demande reagit-elle par rapport a la pression promotionnelle globale exercee par les concurrents d'un rneme marche ?

La sensibilite d'un acheteur a la promotion est-elle liee a certaines caracteristiques (Webster, 1965; Montgomery, 1971 ; Blattberg et al., 1981) ? Peut-on valider les hypotheses issues de la theorie du comportement du consommateur et mettant en oeuvre, notamment, la sensibilite a la promotion (pour les coupons, voir Bowman, 1980; Reibstein et Traver, 1982), la fidelite ulterieure a la marque (Dodson, Tybout et Sternthal, 1978; Lattin et Bucklin, 1989) et les concepts d'implication du consommateur ou de perception du degre de differenciation entre les marques? Avec l'explosion des donnees individuelles d'achat, disponibles grace au scanner, les recherches portent sur la prise en compte des comportements d'achat (fidelite a la marque, au conditionnement ... ) pour expliquer le comportement face aux promotions avec des modeles probabilistes de type Logit (Guadagni et Little, 1983; Lattin et Bucklin, 1989).

Ces trois questions concernent deux points: d'une part, eclairer l'analyse economique de la promotion en determinant les effets promotionnels au niveau de la demande et, d'autre part, faire avancer la comprehension theorique des effets promotionnels par la mesure fine des effets promotion nels au niveau des comportements individuels. Nous nous concentrerons sur la premiere question, en traitant la question a un niveau meso (magasin).

32 Pierre Desmet et Isabelle Le Roy

II - LES SOURCES D'INFORMATION

La mesure de l'impact des promotions peut etre effectuee sur des donnees internes (producteur), ou sur des donnees externes (distributeur ou consornmateur). Le choix entre ces sources d'informations doit etre fait en prenant en compte d'une part la disponibilite, les couts d'obtention, de traitemcnt ct d'analyse et, d'autre part, la pertinence au regard de l'objectif.

a I Les donnees internes

Au niveau du producteur, les statistiques « sorties usine » correspondent aux ventes reelles de la firme pendant la periode consideree. Disponible a moindre cout, fiable, cette information est cependant difficilement exploitable car elle est affectee a la fois par Ies decisions des distributeurs et celles des eonsommateurs (Kuehn et Rohloff, 1967 ; Blattbcrg et Levin, 1987). Ainsi, la reconduction d'une operation promotionnelle, engendrant des com portements identiques au niveau des consommateurs, aura des consequences tres diflerentes selon Ie degre de mise en place dans les points de vente et selon la politique de stockage pratiquee par les distributeurs (Brown, 1973; Chevalier et Curhan, 1976; Moriarty, 1985 ; Lattin et Bucklin, 1989). En outre, I'analyse au niveau producteur exclut la prise en comptc de la concurrence ou des effets touchant l'ensemble du marche.

Cet effet de « pipe-line» deforme completernent les effets promotionnels et impose de choisir entre une bonne prevision pour ameliorer la gcstion de la production ou une bonne comprehension des effets au niveau consomrnateur, pour arneliorer la politique marketing. C'est eette derniere option que nous privilegions.

b l Les donnees externes

Les donnees externes, principalement les panels, fournissent une information couteuse mais mieux adaptee. Elles concernent soit les ventes des distributeurs, soit les achats des consommateurs. Elles peuvent etre recueillies par des releves ou etre obtenues par le traitement des passages aux caisses equipees de lecture optique. Enfin, elles peuvent etre representatives ou non du marche total.

Les informations distributeur, representatives du marche et obtenues par releves, sont les panels distributeurs classiques (Nielsen, Intercor, GfK ... ). Un panel de detaillants sur releves a l'avantage de permettre un suivi des actions (Strauch, 1976) et la mise en evidence de l'influence des distributcurs par l'identification des magasins detenteurs, Les informations consommateur, representatives du marche et obtenues par releves, sont les panels consommateurs classiques (Secodip-Consommation). Ces informations permettent d'expliquer les variations des ventes par les caracteristiques et les comportements individuels. Les limites des panels concernent la periodicite assez faible (bimestrieI) qui ne permet pas un suivi fin des effets et la technique: pour Ie panel detaillant, le releve des informations magasins n'est pas continu, mais

Mesurer les ettets promotionnels 33

est un instantanc releve lors du passage de l'enqueteur et, pour le panel consommateur, les limites liees au questionnaire auto-administre.

La technique de lecture optique bouleverse la situation en permettant un releve automatiquc, rapide et precis des informations sur les transactions magasins-clients. Les biais sont tres fortement reduits par la faible tache demandee au paneliste (presenter une carte d'identification). Le cout de cette precision reside dans la masse enorrne d'informations a manipuler et a analyser.

Deux classes de services sont proposees : un panel de suivi de marche (Scan 7000, Scanner-panel), ou des zones test close (Scannel) et ouverte (Erim). Si la representativite nationale de la zone test n'est pas assuree, clle a l'avantage de permettre de tester des nouveaux produits ou des actions marketing. Basee sur le principe de la zone fermee, cette zone dexperimentation offre aIors l'avantage de remontees journalieres d'informations coherentes issues de deux points de vue: celui du distributcur (quatre GMS) et celui de l'acheteur (2500 panclistes).

L'utilisation de la zone test ne permet cependant pas de regler le problerne de la « diffusion» de la promotion. Le chef de produit n'a pas, du fait de l'intervention du distributeur, de controle direct des operations promotionnelles. La premiere question sera done souvent « queUe a ete la puissance de mon action? », c'est-a-dire combien de distributeurs ont effectivement preserite la promotion et combien de consommateurs ont effectivement ete en contact avec elle ? Cette question prealable ne peut pas etre abordee ici.

Les informations de la zone test Scannel ont ete retenues car, malgre la lourdeur et la cornplexite inherentes a l'analysc des donnees de scanner, elles correspondent beaucoup mieux aux objectifs definis ci-dessus. Cette source d'informations a en outre l'avantage de la precision: les prix, par exemple, correspondent aux prix moyens effectivement payes et ne sont pas lc fruit d'un releve episodique. Les informations utilisees sont celles effectivement relevees sur le terrain, que! que soit le planning national envisage.

Des analyses ont deja ete effectuees avec le modele sur differentes marques et diffcrcnts conditionnements, sur plusieurs marches: les lessives en poudre, les lessives liquides, et les adoucissants. Ces analyses ont deja permis de faire plusieurs choix methodologiques (variables, formulation multiplicative versus additive, etc.), qui aboutissent a une structure qui doit encore etre arnelioree ct qui, de toute maniere, doit etre adaptee a chaque cas de figure traite. La principale difficulte residuelle est la colinearite des variables representant les composantes de l'action promotionneUe. Dans le cas de campagnes nationales, les effets ne peuvent etre separes et la mission du modele est alors simplement la mesure de l'effet net promotionnel et la constitution d'une base de donnees regroupant une definition de I'operation et les caracteristiques de cc1le-ci.

La particularite de cette zone test est de permettre des variables d'actions au niveau de la zone (affichage) ou au niveau du magasin (prix, TG, animatrice), d'en controler la mise en oeuvre et de suivre certaines variables non controlees (exposition). II est donc possible non seulement de mesurer l'impact des campagnes nationales, mais aussi d'ameliorer la connaissance de l'efficacite specifique des composantes dc l'action promotionnelle par une

34 Pierre Desmet et Isabelle Le Roy

politique volontariste de test. L'exemplc presente ici tire parti de cet atout et perrnet de donner un premier resultat en ce qui concerne les effets specifiques des composantes d'une promotion.

L'exemple analyse comporte une promotion nationale sur un magasin (TG + reduction de prix) et une experimentation. La taille dc la zone, 4 magasins, ne permet pas une experimentation avec groupe de contr6le, mais permet la mise en ceuvre d'une quasi-experimentation en serie chronologique (Campbell et Stanley, 1963). Ainsi, sur le marche des 1essives en poudre, pour mesurer les effets specifiques de la presence d'une animatrice, et d'une tete de gondole pour une reduction de prix equivalente a 6 F, la quasi-experimentation suivante (tableau 1) a ete mise en place simultanernent dans les quatre points de vente. Malgre Ie contr6le effectue sur la zone, certaines anomalies peuvent etre constatees, c'est ainsi qu'une TG prevue n'a pas ete constatee sur un magasin (102).

TABLEAU 1. - Quasi-experimentation sur les poudres de lavage pour la marque A

Operation

Reduction de TG prix rayon

Animatrice et bon de reduction

Semaine

1 2 3

-2F

-2F

-6F

Oui* Non Qui

Qui (-4F) Qui (-4F) Non

27 31 40

* lJQ1Q: pour Ie magasin 102, la TO n'a pas ere constatee alms qu'elle etait prevue

En fonction de notre objectif principal, mesurer les effets a un niveau agrege, les donnees de ventes ont ete privilegiees, Nous ne travaillons done que sur une partie seulement, les ventes des quatre magasins, de l'information disponible sur 1a zone SCANNEL de Chateau-Thierry, et l'analyse pourrait, par la suite, etre affinee par une etude des comportements individuels.

Aux Etats-Unis, la coherence de 1a politique de prix au sein d'une merne chaine permet a l'ana1yste de travailler a un niveau dagregation superieur (celui de la chaine de magasins) en respectant la coherence du prix. Le niveau d'agregation retenu ici est Ie magasin, de preference a un agregat de magasins. Ce niveau dagregation est peu souvent retenu (Reibstein et Gatignon, 1984 ; Wittink el al., 1987 ; Shugan, 1987 ; Blattberg et Wisniewski, 1988), car les problemes methodologiques sont nombreux et complexes, il permet cependant de respecter 1a coherence de l'offre (prix unique et exposition) et de l'environnement concurrentiel. Plus faci1es a mettre en ceuvre, des analyses ont ete effectuees avec des donnees « empilees »2, il s'avere cependant que les coefficients sont trop disperses pour valider l'hypothcse d'unc hornogeneite des elasticites interrnagasins. Ceci provient en partie du fait que I'oflre concurrente est suivie, mais non controlee. Or, les magasins etant de tailles et d'enseignes differentes, il est fort probable qu'ils n'aient pas les memes politiques de referencement et de prix.

2" «Empilees» veut dire que les bases de donnees des differ cnts magasins ont ete mises les unes a la suite des autres et que Ie modele n'a etc cstimc qu'une seule fois sur l'ensemble des magasins, en attribuant a chacun une constante particuliere, mais en consider ant que les elasticites etaient bomogenes interrnagasins

Mesurer les effets promotionnels 35

III. - LES TECHNIQUES DE ME SURE

Pour mesurer un effet specifique, il faut comparer une valeur de reference, un niveau « normal» des ventes (base-line) et les ventes reelles (qjl). Blattberg et Neslin (1990) recensent quatre methodes utilisables pour determiner les effets promotionnels : la statistique descriptive, la regression univariee, les techniques endogenes (lissage) et les techniques exogenes (la regression multivariee). Nous allons presenter, commenter et illustrer ces differentes techniques en reprenant les notations retenues par Blattberg et Neslin.

a I La statistique descriptive

Traditionnellernent denomrnee methode « Avant-Pendant-Apres », cette methode consiste it calculer la valeur « normale » des ventes par une moyenne arithmetique des ventes observees pendant n, periodes avant la promotion (Opre), et d'en deduire l'effet promotionnel immediat par l'ecart entre les ventes observees pendant la promotion (Op), de duree nz et les ventes « normales» et l'effet promotionnel differe par l'ecart entre la moyenne arithmetique des ventes observees pendant p periodes apres la promotion (Opall) et les ventes « normales ». L'estimateur, et sa variance, peuvent etre definis de la maniere suivante :

01' = "22q;t/rtz

t=l,na

o., = "22q;t!n1

t = 1, n1

e = (01'- Opr.)

Var (e) = Var (01') + Var (01".) - 2 [Var (01')' Var (01',.)](1/2) Po

pre

avec Po = coefficient de correlation entre Op et Opr •. pre

L'estimateur de Var(Op) est la variance reelle des ventes (S2), et l'estimateur de Var(Opre), estimateur de la variance d'une moyenne, est (S2jnJ).

Appliquee iei, la methode conduit aux resultats presentee dans le tableau 2, et illustres par la figure 1.

TABLEAU 2. - Eifets promotionnels mesures par fa technique de la statistique descriptive

Mag 1 Maa 2 Maa 3 Maa 4 SCANNEL
Opre Moyenne 8 583 20 833 43 667 10 083 83 167
Opre Ecart-type 5 152 10 182 7 488 2 616 17 770
Limite SUD a 95% 18 681 40 790 58 343 15 210 117 996
01p 55 500 55 500 160 500 45 500 317 000
Eftet net 46 917 34 667 116 833 35 417 233 833
02p 31 000 59 500 97 000 33 500 221 000
Eftet net 22 417 38 667 53 333 23 417 137 833
03p 23 000 67 000 223 500 40 000 353 500
Eftet net 14 417 46 167 179 833 29 917 270 333 36 Pierre Desmet et Isabelle Le Roy

SCANNEL (4 Magasins) ,

500 400 300 200 100

o

Moy 6 sem Rayon (-2F) Rayon (-2F) Rayon (-6F)

Anim (-4F) Anim (-4F) TG

TG

FIG. 1. - Effets promotionnels

m esures globalement par la methode « Avant-Pendant-Aprcs »

Cette technique a pour avantage sa legerete, sa simplicite de mise en ceuvre et l'absence de besoin d'expertise au niveau analyse. Elle est de plus d'une comprehension facile au niveau des resultats. La principalc limite concerne la validation de I'hypothese d'une stabilite de l'environnement pendant et entre les trois periodes, Dans l'exemple presente ici, il est par exemple impossible de retenir comme periode de reference les 6 periodes precedant chaque promotion, car pour les operations 2 et 3 cette periode de reference contiendrait elle-rneme des effets dus aux operations promotionnelles. Cependant le fait de retenir comme periode de reference pour les ventes « normales» celIe de I'operation I n'est pas non plus une solution satisfaisante car entre ces periodes les prix ont ete modifies.

Les principaux enseignements sont les suivants : globalement, l'effet des promotions est tres important: de + 166 % it + 325 % sur Ie total des ventes sur la zonc test, L'analyse des coefficients multiplicatcurs calcules par rapport aux ventes moyennes indique que la TG a un impact beau coup plus important que celui du a la presence de l'animatrice et que, de toute maniere, il offre un effct amplificateur important a celle-ci.

La figure 2 montre que les resultats sont assez diflerents selon les magasins: pour les deux magasins de taille reduite (1 et 4), d'une part les cocfficients multiplicateurs sont plus Cleves que pour les autres, d'autre part la hierarchie de l'efficacite des operations est differente car la premiere operation est la plus efficace. Cette hypothese devrait etre testee des que des resultats portant sur un nombre plus important dexperimentations seront disponiblcs. Ce resultat n'est pas contradictoire avec les resultats precedemrnent obtenus par Litvack el at. (1984). En effet, considerant deux strategies pour les distributeurs, ces auteurs conduent a une elasticite prix superieure pour les magasins ayant une strategic prix, par rapport it ceux ayant une strategic service. Or les magasins consideres ici, tout en ayant des tailles differentes, ant opte pour une strategic prix.

Ce constat no us amene a condure que l'analysc de l'efficacite des operations ne peut etre faite a un niveau agrege, car, generalement, la mise cn oeuvre des operations sur Ic terrain peut s'eloigner assez fortemcnt des plan-

Mesurer les ettets promotionnels 37

SCANNEL (4 Magasins) ,

700 647

600 500 400 300 200 100

o

Mag 1

Mag 2

Mag 3

Mag 4

.. May 6 sem

III Rayon (-2F) Anim 1m Rayon (-2F) Anim EI Rayon (-6F) TO

(-4F) TO (-4F)

• Absence de TG

FIG_ 2_ - Eflets promotionnels m esures

par magasin par la methode « Avant-Pendant-Apres »

nings prevus pour les operations, surtout lorsque les conditions economiques de I'operation rendent interessant le stockage.

b I La regression unioariee

L'effet d'une promotion en periode Test mesure par un modele simple, prenant en compte quelques periodes anterieures, 6 ici", Les coefficients d'une equation comportant une variable auxiliaire (Di), egale a I pendant la periode de promotion et ° ailleurs, sont estimes par regression.

qjt = AOj + Alit·Dt + Ejt tE[T-6, TJ.

Les resultats obtenus par l'utilisation des moindres carres ordinaires (MeO) sont normalement les memes que ceux obtenus avec la premiere technique, comme le montre Ie tableau 3 pour la premiere operation.

TABLEAU 3_ - Effets promotionnels mesures par la technique de La statistique descriptive

R SI Error F DW AO Ai St Error T Student
Mag 1 0,967 5151 71,0 2,34 8583 46916 5564 8,43
Mag 2 0,816 10181 9,9 2,40 20833 34666 10997 3,15
Mag 3 0,988 7487 208,6 2,39 43666 116833 8087 14,44
Mag 4 0,984 2615 157,1 1,54 10083 35416 2825 12,53
SCANNEL 0,984 17769 148,4 2 47 83166 233833 19193 12,18 3. Le nombre d'observations doit etrc suffisarn mcnt important pour assurer unc cer taine stabiliie it l'estimateur des ventes norrnales. Accroitre le nombre d'observations, en prenant par exemple tout l'histor iquc disponiblc, scrait une CHeU! dans la mesure oil plus l'histor ique est long, plus des facteurs externes sont susceptibles d'interferer.

38 Pierre Desmet et Isabelle Le Roy

La regression univariee a l'avantage de fournir un cadre statistique pour la validation des hypotheses sous-jacentes a ces deux premieres approches : si l'interpretation des tests classiques conduit a la detection de problemes d'heteroscedasticite (instabilite de la variance) ou dautocorrelation des residus (cas du magasin 4), alors l'hypothese de stabilitc de l'environnement ne peut etre retenue et il convient d'analyser plus finement la periode definissant les ventes « normales ».

c I Les techniques endogenes

II s'agit des modeles univaries (lissage et processus ARIMA) et des techniques d'analyse des series chronologiques. Peu utilisees i l'heure actuelle, ces techniques devraient faire l'objet d'un interet croissant (Blattberg et Neslin, 1990, p. 263).

Les techniques de lissage ont l'avantage de ne requerir qu'une expertise lirnitee et peuvent etre assez facilement autornatisees, par centre les autres techniques sont d'une disponibilite reduite et necessitent une expertise developpee de la part de l'analyste. Nous nous concentrerons ici sur un modele de lissage adaptatif comparable i celui mis en oeuvre dans le modele PROMOTER (Abraham et Lodish, 1987).

Le principe est celui de la decomposition d'une serie chronologique pour identifier les elements recurrents (saisonnalite), les elements reguliers (tendance) et les evenernents particuliers, pour mettre en evidence les ventcs « normales ». L'estimation des differents elements est faite par l'application soit de moyennes mobiles successives i ponderation constante ou variable, soit de lissages i ponderation variable. L'effet promotionnel est assimile i I'ecart observe entre les ventes reconstituees et les ventes reelles, comme le montre la figure 3.

250000

50000

200000

150000

100000

10

15

20

25

30

35

40

45

50

1_ Mag 103

- Liss 103

FIG. 3. Determination de la valeur normale

par une technique endogene Application au magasin 103

L'avantage de ces techniques est d'une part d'integrer implicitement les modifications de la tendance centrale, ici la tendance est le resultat de la baisse du prix, et d'autre part de detecter les variations anormales observees

Mesurer tes ettets promotionnels 39

et de les interpreter, de mamere systematique et autonome, en fonction de leur H?gularite d'occurrence. L'effet de la rupture de stocks de la semaine 43 sur la tendance est ainsi elimine, Get automatisme est particulierement adapte quand de nombreuses series sont a traiter de maniere systematique, comme c'est le cas pour les donnees scanner. Une intervention de l'analyste est cependant necessaire pour configurer initialement le modele en fonction des hypotheses sur les interactions des effets (saisonnalite multiplicative ou additive, par exemple).

d / Les techniques exogenes

Le principe des techniques exogenes, essentiellement a base de regression multivariee, est de construire une fonction de demande : c'est-a-dire recenser tous les facteurs ayant une influence sur la demande, definir la forme de cette influence et les decalages temporels eventuels, puis estimer statistiquement les coefficients du modele ainsi obtenu (pour un exemple, voir Sunoo et Lynn, 1978). II faut notamment preciser la determination de l'historique pris en compte, les variables et les formulations retenues.

Le premier arbitrage a realiser concerne la longueur de l'historique analyse: plus celui-ci est important, plus il permet d'enrichir et de complexifier le modele mais plus il est court, plus I'hypothese de la stabilite de l'environnement (les elements non pris en compte) a de chances d'etre validee. Dans notre exemple, l'historique est limite en amont par la disponibilite des donnees scanner coherentes sur la zone, en aval par I'arrivec des conditionnements liquides et compacts et par le changement de taille de deux magasins.

La seconde question concerne Ie test de l'existence et de la forme d'une relation causale entre une variable et les ventes. Ges variables peuvent concerncr: a) Le marche : evolution de la demande, evolution des prix, facteurs climatiques, conges, facteur saisonnier. .. ; b) Le magasin : evolution de la frequentation, ouverturejferrneture, irnprimes promotionnels ; c) Les produits dans les magasins : prix, exposition en lineaire, publicite, TG, animatrice, reduction de prix, rupture de stocks ... ; d) La concurrence. Le principe general retenu ici consiste a ne prendre en compte que les donnees disponibles, fiables, dont le lien avec les ventes a pu etre determine. G'est ainsi que la publicite n'a pu etre prise en compte, car si des travaux recents (Laurent, Le Roy et Little, 1988) ont montre qu'il etait possible de mesurer les effets de la publicite (et de la promotion) pour des produits en lancement, les recherches sur la mesure econometrique des effets de la publicite n'ont pas encore converge vers un modele satisfaisant.

Les variations residuelles importantes, ne correspondant pas aux hypotheses de distribution des residus, sont revelatrices de phenomenes non pris en compte (problerne de specification) et ont pour consequence de biaiser les estimateurs obtenus. Deux possibilites sont alors offertes : ignorer les observations correspondantes ou introduire une variable auxiliaire capable de capturer ce phenomene particulier.

Si les outils statistiques sont largement disponibles, lc developpement de ce type de technique se heurte a I'importance de l'expertise necessaire pour l'analyse et la formalisation du modele. Si les developpements theoriques pro-

40 Pierre Desmet et Isabelle Le Roy

posent de nombreuses relations, le volume des donnees disponibles limite souvent le nombre de variables prises en compte et la complexite des relations. Le cout de ces techniques est superieur it celui des techniques endogenes dans la mesure ou la modification d'un element important, non pris en compte explicitement dans le modele, arnene une nouvelle estimation de celui-ci. La section suivante presente un modele adapte it l'exemple traite.

IV. - PRESENTATION D'UN MODELE EXOGENE PROMO-IMPACT

Notre objectif n'est pas de proposer un modele general de demande, valable dans tous les cas de figure, car ccci serait contradictoire avec l'esprit de ce type de methodes. 11 s'agit plutot de presenter quelques resultats illustrant l'application d'un outil, appele PROMO-IMPACT, dont la mission est d'analyser rapidement et systernatiquement l'impact des actions it partir, exclusivement, des informations regulierement collectees dans le cadre du SCANNEL.

La definition de I'unite temporelle doit ctre faite avec beaucoup de soin pour se rapprocher le plus possible de l'unite de temps utilisee lars des operations promotionnelles : la semaine. En effet, un decoupage mensuel peut amencr la repartition de la promotion sur deux periodes. Ce problerne, deja evoque (Blattberg et Wisniewski, 1988), se traduit par des effets d'anticipation sur la periode precedant une promotion.

La base de donnees comporte 42 observations (semaine 10 a 51). Apres linearisation eventuelle par une transformation logarithmique, l'estimation pour chaque magasin de ces modeles a ete faite par les MCO. Dans les donnees Scanncl figurent essentiellement des informations relevees systematiquement (quantites vendues de chaque article et chiffre d'affaires realise) ct des informations collectees par rcleve sur l'offre magasin (Iineairc, mise en avant, animation) .

La formulation, additive ou multiplicative, de la fonction de demandc cst le reflet des hypotheses sur les combinaisons des effets des variables du mix (prix, promotion, publicite) et des techniques promotionnelles utilisees, Un modele lineaire pose l'hypothese d'un effet differentiel constant et d'une independance des effets des variables prises en compte. Rendant le modele tres simple it comprendre et les resultats it analyser, cette hypothese ne semble pas tres realiste et nous retiendrons plutot une structure multiplicative des effets, qui a l'avantage de permettre une comparaison directe des elasticitcs. Elle requiert cependant une transformation logarithmique des variables qui pose quelques difficultes notamment pour l'estimation de l'effet de la TG.

Sans sous-estimer l'impact des autres variables du mix, nous nous limiterons aux variables prix et promotion. Des facteurs externes pouvant influencer la demande n'ont pas ete integres dans l'exemple prcsente ici pour differentes raisons: a) Les variables de trend (TI = t) ne sont pas significatives ; b) La saisonnalite mensuelle n'a pas pu etre analysee puisquc l'historique couvre

Mesurer /es effets promotionne/s 41

une periode de moins d'un an; c) La saisonnalite intramensuelle prise en compte par un jeu de 3 variables auxiliaires associees aux semaines 1, 2 et 3 de chaque mois, ne s'est pas non plus averee significative. Pour un produit basique, comme celui etudie ici, ces effets sont sans doute limites, par contre pour des produits a forte saisonnalite, la concordance entre les dates de mise en oeuvre des promotions et les pies des ventes saisonnieres doit conduire a beau coup de prudence dans I'interprctation des resultats, Inversement, un phenomene saisonnier intense pourrait rendre incomparable les resultats de quasi-experimentations couvrant plusieurs phases saisonnieres comme ce pourrait etre Ie cas ici". Pour des promotions de courtes durees, le risque de confusion de ces effcts est cependant faible ; d) Les variations anormales sont soit prises en compte par une variable auxiliairc specifique pour la periode consideree, c'est la solution retenue pour la rupture du magasin 103 en periode 43, soit ces periodes sont exclues de la base de donnees. Cette derniere solution a pour avantage de ne pas accroitre de manierc artificielle la variance a expliquer.

a I La variable it expliquer : les oenles

La demande peut etre exprimee en quantite (q) ou en parts de marche (m). Nous retiendrons les quantites pour deux raisons: I) Par simplicite pour l'interpretation car il n'est pas necessaire de definir l'enscmblc des marques concurrentes definissant Ie marche. En effet, un modele en parts de marche, de type modele d'attraction, subirait alors les consequences de l'hypothese de I'independance des alternatives non pertinentes. Cette definition des marches est, a l'heure actuelle, une difficulte majeure rencontree sur de tres nombreux marches pour lesquels la decomposition simple sur des criteres objectifs n'est plus acceptable; 2) Pour eviter de creer artificiellement des effets de substitution: une promotion sur le leader entrainera une augmentation du marche total, et donc automatiquement une baisse de la part de marche des concurrents, meme si les ventes de ceux-ci sont res tees stables.

b i Le prix

A partir du chiffre d'affaires (CA) et des quantites ache tees (Q), on peut calculer un prix moyen consommateur (PMC = CAIQ). En fait ce prix recouvre deux rcalites : un prix de base et une reduction promotionnelle de prix. Une reduction du PMC peut done etre la consequence d'une reduction du prix de base ou d'une promotion, or, dans cc second cas, I'effet sur les ventes est largement plus important (Rao et Sabavala, 1980).

Si, pour des produits de consommation, l'hypothese d'une elasticite prix negative est sou vent retenue, on peut s'interroger sur la definition de ccttc variable prix. Pour le prix de base, a quel prix l'acheteur est-il sensible: ecart

4 .. En anncxc 2 figure un graphique de l'indice du chifh-e d'affaires total de Ja zone (somm c des 4 magasins) L'analyse de ce graphique montre que la peri ode des vacanccs, qui devrait toucher la frequentation et done le chiffre daffair es, n'a pas d'effet net. Par contre, un effet « fin d'annee » est visible sur Ies dernieres semaines de decemb re et les premieres semaines de janvier

42 Pierre Desmet et Isabelle Le Roy

absolu (ou relatif) du prix par rapport au leader, prix relatif par rapport au prix moyen du marche (pond ere ou non, relatif par rapport a quoi ?) ? Le consommateur s'appuie-t-il sur un prix de reference pour evaluer Ie prix actuel (Winer, 1986) ? U ne analyse comparative de differentes formulations n'a pas permis de mettre en evidence la superiorite absolue de l'une ou l'autre de ces hypotheses. La preoccupation de fournir un modele operationnel nous a conduits a retenir une relation simple, deja utilisee par d'autres auteurs (Blattberg et Wisniewski, 1988). Pour la marque i, dans un magasin m pendant la periode t, soit LlPiml la reduction de prix offerte dans Ie cadre de la promotion, la variable prix de base (PT) a ete deterrninee par:

PTi>nt = PMCimt + LlPimt•

II faut souligner que la valeur de la reduction de prix est celle constatee effectivement sur chaque lieu de vente et qu'il peut y avoir des differences entre la valeur theorique de la reduction de prix et la valeur effective constatee.

Cette distinction entre prix observe et prix de base a ete validee aux Etats-Unis (Blattberg et Neslin, 1990), et l'indicateur retenu pour « prix normal» est Ie prix de la derniere semaine sans promotion. Cependant aux EtatsUnis, les distributeurs ont une politique de prix coherente au niveau de la chaine, et il est done possible de determiner facilcment le prix de base. En France, cette distinction reste difficile a mettre en ceuvre car le niveau du prix moyen calcule est tres variable dans le temps et entre magasins, rendant ainsi difficile la determination du prix « de base» pour differentes raisons: 1) chaque magasin applique une politique specifique en matiere de prix; 2) les premieres semaines d'une reduction du prix normal peuvent faire l'objet d'une communication promotionnelle ; 3) des effets ante et post promotiormel peuvent etre observes sur Ie prix.

La decomposition du prix moyen consommateur est une des phases delicates. Elle peut etre faite selon une procedure automatisee (lissage, analyse des ecarts significatifs par rapport a la tendance centrale et interpretation de ceux-ci en fonction du sens et de la duree de la variation observee) ou au cas par cas par l'analyste. L'une des specificites de PROMO-IMPACT est d'iritegrer un processus de decomposition automatique des prix.

Les variables prix sont exprimees en valeur absolue. Si cela facilite Ia lecture des resultats, le modele en devient cependant beaucoup plus fragile. En effet, l'hypothese implicite a la modelisation, « Toutes choses egales par ailleurs », suppose qu'il n'y ait pas de modifications fondamentales de l'environnement, ce qui sur un marche concurrenticl est difficile a valider sur longue periode, L'alternative, la prise en compte de la concurrence, conduit a des difficultes au moins aussi importantes concernant la definition de l'ensemble concurrentiel pertinent pour Ie calcul d'un prix relatif.

c / Les promotions

Elles sont tres variees, et il est fondamental d'avoir une information juste et precise. Certaines sont codifiees dans l'EAN5 (lot de 2 ... ), les autres sont

5 EAN: European Article Number gere en France par un organisme, Ie GENCOD

Mesurer /es effets promotionnets 43

obtenues par des releves de terrain specifiques (coupon, TG ... ). Nous ne prendrons en compte que les promotions entrainant une variation du prix: reduction du prix de vente, ou coupon de reduction it valoir sur le prix de l'article, la presence d'une animatrice et les mises en avant (TG).

- Reduction de prix.' en raison de la transformation logarithmique appliquee ulterieurement, la reduction de prix sera exprimee en indice du prix net rapporte au prix dc base et I'on retient l'hypothese d'une elasticite negative de la demande it cette variable:

(1 - ~P%)imt = (PTimt - ~Pimt)/PTimt.

- Presence d'une animatrice .' la presence d'une animatrice est codee par une variable auxiliaire, son effet est suppose positif:

AN1Mimt = 1 en cas de presence d'une animatrice, = 0 sinon.

- Mises en avant.' la mise en avant du produit dans le magasin (tete de gondole TG, ou 110t de masse 1M) est mesuree en centimetres. La variable ayant tres souvent une valeur nulle, une constante, ici 1 em, est ajoutee it la longueur de la tete de gondole mesuree en centimetres pour eviter les difficultes lors de la transformation logarithmique de la variable. La valeur de cette constante a un impact sur la valeur du coefficient estime et entraine un biais systematique dont l'effet doit etre pris en compte (voir annexe 3)

expression de la variable: (1 + TGimt).

L'elasticite de la demande it la TG est supposee forte et positive. Ainsi que pour d'autres variables de communication (Iineaire, surface catalogue ... ), on pourrait s'attendre it des effets representee par une courbe en « S » : un seuil de visibilite minimum, des rendements croissants puis decroissants et enfin une saturation de l'effet quelle que soit la taille de l'espace de presentation. On ne retiendra done pas l'expression de l'existenee d'une TG par une variable auxiliaire, cette hypothese est trop reductrice puisqu'elle suppose que la vue de I paquet aurait le merne effet que celle de 4. Pourtant, la forme specifique des effets ne pourra etre testee ici du fait du faible nombre de promotions et l'elasticite sera donc supposee constante.

- Colinearite des variables.' la correspondance frequente de l'occurrence des variations de ees variables promotionnelles entre elles et avec la baisse de prix correspond i la recherche par le chef de produit d'une synergie des effets (animatriee + baisse de prix + TG). ElIe pose cependant un probleme aigu de multicolinearite permettant rarement l'estimation des effets specifiques en dehors d'une politique deliberee d'experimentation. Cette multicolinearite combinee avec un faible nombre d'observations rendrait les estimateurs instables. C'est un des avantages significatifs des experimentations sur Scannel qui nous permettent de distinguer les effets specifiques des compos antes de l'operation.

Trois variantes, les modeles I, 2 et 3, seront estimees pour ehaque magasm.

Modele 1 .' II s'agit en fait d'une extension du modele univarie pour prendre en compte les variations de prix intervenues sur la periode. Les promotions sont prises en compte par des variables auxiliaires. Le FMC ne peut etre

44 Pierre Desmet et Isabelle Le Roy

utilise car une partie de la promotion reside dans la reduction de prix accordee, c'est done le prix de base qui est retenu (PT,mt). Pour la marque i, dans un magasin m pendant la periode t

Qimt = aOim + bOi'll< PTimt + ~ b iim D it i

avec Qimt = ventes;

PTimt = prix normal de l'article;

D it = I si la semaine correspond a la promotion j, j = 1, 2, 3; aOim, boim, bum, b2im, b3irn = parametres a estimer.

Le tableau 4 presente les resultats du modele 1. Les resultats sont statistiqucment significatifs : les coefficients de determination (R 2) sont eleves et lc test en F pratique sur la statistique de Fischer-Snedccor conduit a l'acccptation du modele pour les quatre magasins it une probabilite d'erreur inferieure it 0,0001.

TABLEAU 4. - Resultats d'estimation du modele 1

============================================================

Magasin

bi

F

============================================================

101 18705 -1119.2 48053 23553 15553 0.956 129.05
tdestudent 2.27 -1.35 21.79 10.68 7.05
102 76303 -5242 31567 35148 40551 0.465 6.26
2.97 -1.92 2.18 2.43 2.82
103 169259 -12435 115969 52469 169642 0.941 94.04
10.30 -7.08 12.19 5.51 /8.00
104 8328 141 35735 23735 30372 0.916 101.34
0.99 0.16 13.8 9.2 11.7 ============================================================

La variable prix n'est significative que pour un magasin it 5 % et deux it 10 %. Cette formulation simple ne permet pas de decomposer les eflets, mais montre que pour le magasin 2 pour l'operation 3, la non-prise en compte, par les techniques univariees, de la baisse de prix intervenuc conduit it surestimer de plus de 18 % l'effet de cette dernicre promotion.

Modele 2 : La formulation multiplicative de ce second modele permet de restituer la synergie des effets. Dans cette variante, l' elasticite prix est supposee unique, qu'il s'agisse d'une reduction du prix de base ou d'une reduction promotionnelle du prix. La variable utilisee est Ie prix observe (prix moyen consomma teur) .

Q = a PMCblim (1 + TG. )b2im e(bsim·ANThI;mt)

imt Oim • imt ',mt •

avec PMCimt = prix moyen consommateur de l'article;

TGimt = longueur de la tete de gondole en centimetres; ANIMimt = presence! absence de l'animatrice.

Mesurer les etfets promotionnels 45

Le tableau 5 presente les resultats d'estimation du modele 2. Les estimations sont acceptables pour les quatre magasins, et la qualite de l'ajustement est globalement satisfaisante.

TABLEAU 5. ~ Resultats d'estimation du modele 2

============================================================
Magasin aiQ bl b2 b3 R2 F
============================================================
101 14.25 -2.34 0.168 1.278 0.695 16.4
t de student 4.87 -1.83 2.75 4.43
102 17.60 -3.41 0.116 1.069 0.648 13.2
2.97 -1.92 2.18 2.43 2.82
103 15.45 -2.06 0.187 0.506 0.990 713.5
22.2 -6.60 6.21 3.34
104 13.91 -2.11 0.081 1.053 0.579 17.4
7.07 -2.43 2.13 3.88 ============================================================

Les elasticites prix, dont deux ne sont signifieatives qu'a 10 %, -ont les signes attendus et des ordres de grandeur com parables (compris entre -

3,41 et - 2,06). Les effets des composantes de la promotion (TG et animatrice) sont significatifs et ont les signes attendus. Le principal constat concerne la variabilite des coefficients obtenus selon la taille du magasin : de 0,081 a 0,187 pour l'elasticite a la tete de gondole, de 0,506 a 1,278 pour l'animatrice.

Modele 3 " Ce dernier modele distingue les effets des variations de prix selon qu'elles sont durables (reduction du prix de base) ou temporaires (reduction promotionnelle). On peut noter cependant que, par hypothese, l'elasticite est toujours la merne qu'il s'agisse d'une augmentation ou d'une reduction de prix.

Q a PTblim (1 APO/)b2im (1 + TG'mt)b3im.e(b4im.ANIM;mt)

imt = Oirl'< • irnt • - u 10 irnt • •

avec PTirnt· prix de base de l'article;

(1 ~ t1P%)imt = ecart de prix promotionnel en % du prix de base.

Les resultats du tableau 6 montrent que, globalement, la qualite des modeles est amelioree par rapport au modele precedent. Les signes des coefficients correspondent aux hypotheses:

Prix de base,' L'elasticite de la demande au prix de base est significative pour trois magasins (dont l'un a 10 %). Les valeurs estimees ont des ordres de grandeur comparables (- 1,99 a - 2,56) et sont coherentes avec ceux d'etudes precedentes realisees dans un univers particulicr (Etats-Unis) : Blattberg et Wisniewski (1988), sur une base de donnees multiproduits, ont obtenu des intervalles de - 1,84 4: - 4,79 pour I'elasticite prix normal; Bolton (1989) a obtenu un intervalle de - 1,744: -

3,12 pour quatre categories de produits.

Prix promotionnel .' L'elasticite a la reduction de prix promotionnelle est aussi comparable pour les magasins 102, 103 et 104 (entre - 6,54 et-

46 Pierre Desmet et Isabelle Le Roy

TABLEAU 6. - Resultats d'estimation du modele 3
============================================================
Magasin aiO bl b2 b3 b4 R2 F
============================================================
101 13.90 -2.18 -5.93 0.116 1.264 0.699 13.5
tde student 4.63 -1.67 -1.02 1.12 4.33
102 15.66 -2.56 -6.51 0.097 0.945 0.760 18.5
13.59 -4.96 -7.22 2.62 3.14
103 15.29 ·1.99 -6.54 0.105 0.520 0.990 63.6
22.19 -6.56 -2.34 1.99 3.55
104 10.70 -0.71 -6.46 0.058 0.887 0.675 19.2
5.35 -0.85 -4.14 1.77 3.48 6,46) et non significative a 10 % pour Ie 101. Les valeurs sont coherentes avec l'intervalle de - 4, 72 ~ - 8,76 obtenu par Blattberg et Wisniewski (1988) pour le prix promotionnel. L'elasticite a la reduction de prix promotionnelle est done environ trois fois superieure a l'elasticite prix et cet ecart justifie tout a fait Ia separation de ces deux eflets.

Mise en avant: Si le signe du coefficient mesurant l'effet de la tete de gondole est positif, les coefficients estimes ne sont significatifs que pour les magasins 102 et 103 (a 5 %) et 104 (a 10 %). Les val curs obtenues pour les coefficients sont assez variables selon les magasins, 0,058 ~ 0,116, mais correspondent a des coefficients multiplicateurs de 1,28 a 1,56 pour une tete de gondole de 70 ern, 1,33 a 1,68 pour une tete de gondole de 140 cm et 1,36 a L, 7 5 pour une tete de gondolc de 210 em. La disparite des effets est done assez faible,

Animatrice : Le signe du coefficient mesurant l'effet de la presence d'une animatriee est positif et largement signifieatif pour Ies quatre points de vente. Contrairement a ce que semblaient montrer les premieres analyses, la presence de l'animatrice se revele avoir un tres fort impact sur les ventes notamment dans les magasins de petite taille, coefficient multiplicateur de 3,53 par opposition au magasin le plus grand, 1,68.

Le modele propose ici doit permettre de mesurer, d'expliquer les cffets promotionnels et de fournir une « meilleure » reponse aux attentes du responsable marketing. Meilleure signifie que Ie modele doit etre plus complet, plus juste, plus efficace que Ies modeles anterieurs, tout en restant relativement simple et en evitant la modelisation de type boite noire:

Deseriptif, le modele permet de mesurer l'effet net des promotions en prenant comme reference pour les ventes une base saine qui tient compte des prix actuellement pratiques dans les points de vente.

Explicatif, le modele eontribue a une meilleure eonnaissance des effets speeifiques des eomposantes de la promotion. Utilise dans le cadre d'experimentations, il permet de separer les effets des mises en avant, de la presence d'une animatriee, et de l'importance de Ia reduction de prix. Complet et juste, il s'agit en effet de tenir compte de toutes les informations disponibles collectees regulierement et precisement dans le cadre de la zone test Scannel.

Mesurer /es effets promotionnels 47

Simple, le modele est simple a comprendre et simple a mettre en oeuvre. Simple a comprendre, car il ne met en oeuvre que des variables dont les efTets theoriques sont connus. Les premiers resultats montrent d'ailleurs une tres bonne convergence avec les resultats obtenus sur d'autres etudes. Simple a mettre en oeuvre, Ie modele s'appuie sur les methodes de regression classique.

La principale limite du modele, par rapport aux techniques endogenes rnentionnees precedemment, est le respect de l'hypothese implicite dans la plupart des modeles econometriques : « Toutes choses egales d'ailleurs ». Cette hypothese peut se traduire par l'exigence d'une definition precise des mesures des variables et de la forme des effets des facteurs influents pris en compte et par l'exigence d'une stabilite des autres variables, regroupees dans l'environnement. Cette limite suppose done que l'analyste definisse la periode a analyser en coherence avec cette hypothese. En l'occurrence, dans l'exemple traite, la periode analysee a ete limitee par un evenement majeur sur le marche des lessives : l'arrivee des lessives liquides.

CONCLUSION

Pour tirer le meilleur parti des outils promotionnels, il importe d'abord d'en connaitre l'efficacite et les conditions optimales d'utilisation. Les donnees issues des scanners permettent une mesure precise, juste et rapide des comportements tant au niveau du distributeur (les ventes) qu'a celui du consommateur (les achats). La zone de test et dexperimentation en zone close (Scannel) permet, en plus, de contr6ler la mise en oeuvre des actions et ainsi de mesurer les effets specifiques des composantes d'une operation promotionnelle par une politique d'experimentation en evitant la multicolinearite issue de la recherche par le chef de produit d'une synergie maximale.

Differentes approches sont utilisables pour analyser les resultats de ces experimentations. L'analyse statistique descriptive, encore appelee methode « Avant-pendant-apres », et la regression univariee permettent une mesure simple et rapide mais supposent une stabilite de l'environnement. Les techniques endogenes, de type lissage ou ARIMA, offrent une solution efIicace pour l'analyse systematique et automatique d'un grand nombre de series mais, a vocation principalement descriptive, eUes sont peu adaptees dans Ie cadre d'une demarche explicative. La regression multivariee est plus adaptee a cette demarche explicative, mais sous-entend une analyse prealable et approfondie des facteurs influencant la demandc.

Estime au niveau de chaque magasin pour respecter la coherence de l'offre magasin (prix et Iineaire), le modele propose retient une decomposition du prix observe entre un prix de base et une reduction de prix promotionnelle. Les resultats presentes sont issus de l'analyse d'une serie ayant beneficie d'une experimentation sur Ie marche des poudres de lavage. Les resultats des premieres analyses sont en accord avec les travaux precedents et montrent que l'elasticite au prix promotionnel (- 6) est environ trois fois superieure a

48 Pierre Desmet et Isabelle Le Roy

celle du prix de base (- 2). Les elasticites aux composantes des operations promotionnelles sont significatives mais sensiblement diffcrentes selon les magasms.

Il est cependant evident que les resultats obtenus sont fragiles et contingents a la situation analysee. Ils doivent etre validcs par une meta-analyse couvrant differentes marques ct differents marches. La generalisation de l'utilisation de cette approche devrait permettre de constituer une base d'cxperience plus large et ainsi de lever progressivement les nombreuses hypotheses non explorees ici : I) L'effet des variables de decision concernant l'article devrait etre mesure en tenant compte des effets concurrentiels ; 2) Dc nombreuses autres hypotheses peuvent etre faites sur la forme des effets et particulierement les effets de promotions successives : quelques exemples semblent montrer qu'au-dela d'unc duree de deux semaines les effets sont fortement attenues ; 3) Enfin on pourrait s'interroger sur l'impact des actions promotionnelles non plus sur Ie produit Iui-merne mais sur les autres articles: soit les autres conditionnements de la meme marque, puisque cela a un effet important sur la rentabilite globale de I'operation, soit sur les autres marques, car il est important de bien identifier lintensite de la concurrence avec les marques, ou soit sur le marche,

ANNEXE I

Si la techniq ue de collectc des informations par releve scanner fournit des informations fiables, precises et regulieres, ces donnees sont toujours des donnees de panel, c'est-a-dire issues d'un sondage repete sur une population identique. La principale caracteristique de ce sondage est done sa representativite, non pas des personnes ou des magasins interreges en general, mais sur les elasses de produits etudiees. Pour des produits a faible diffusion etjou a Iaible frequence d'achat, Ie nombre d'achat ou de vente peut etre insuffisant pour avoir une image Iidele de I'evolution de ce marche,

Pour un panel sur les achats d'individus, un nombre trop faible, voir nul, d'actes d'achats ne permet pas une modelisation correcte. Ceci conduit done a un elargissernent de la taille du panel pour pouvoir disposer de donnees fiables sur ee type de produit.

Ce probleme de donnees nulles, ou peu representatives, est moins sensible pour la technique d'un panel de points de vente, car la population d'acheteurs suivie est alors celle du point de vente considere, Dans ce cas, les problemes de donnees « anormales » sont alors associes soit a la politique du distributeur, rHerencement/dereferencement, ou a des ruptures de stocks et sont done mieux maitrises.

L'information utilisee iei provient cl'un panel de points de vente. Les series presentees ci-dessous illustrent clairement la qualite des donnees utilisees,

Mesurer les etfets promotionneis 49

TABLEAU 7. - Series utilisees

Sem Mag 1 ~ag 2 Mag 3 Mag 4
10 73 49 70 125
11 361 51 77 21
12 20 30 45 42
13 63 73 72 84
14 103 89 71 92
15 83 130 85 92
16 93 87 57 50
17 88 89 71 84
18 122 60 90 117
19 29 54 84 92
20 20 35 72 71
21 54 38 52 109
22 fl8 65 74 109
23 112 71 59 67
24 20 51 84 71
25 59 44 77 58
26 161 127 7 92
27 542 176 259 380
28 78 55 77 71
29 59 55 79 42
30 54 28 81 104
. , , . Sem Maq 1 Maq 2 Maq 3 Mag_ 4
31 303 188 156 280
32 73 59 47 71
33 59 47 72 96
34 93 60 81 84
35 34 250 98 92
36 78 185 143 75
37 73 106 122 88
38 59 226 85 92
39 83 199 100 121
40 225 212 360 334
41 54 138 131 96
42 88 73 127 100
43 83 81 Rupt 79
44 73 122 150 58
45 83 133 90 84
46 59 130 103 71
47 29 122 114 71
48 98 68 87 50
49 78 74 129 54
50 24 90 91 54
51 63 79 100 79 (Pour en assurer La confidentialite necessaire, Les senes presentees ant subit queLques transformatIons, qui n'en alterent pas la structure).

ANNEXE 2

Le graphique suivant presente, en indice, I'evolution hebdomadaire du CA total zone (somme des CA des 4 magasins) pendant une annee. Deux remarques : 1) La periode estivale ne marque pratiquement pas le CA total, Ia periode pendant laquelle a eu lieu I'experimentation est done une periode normale, sans pression particulicre de l'environnement ; 2) La periode de fin d'annee semble un peu plus perturbee avec un mois de decembre plus fort, et une periode de debut dannee plus faible.

Indice CA total zone

140 120 100

80 60 40 20

O~~~~~~++++++~~~~~~++~~~~

10 12 14 16 18 20 22 2426 28 303234 36 38 40 4244 4648 50

semainc

ANNEXE 3

Choix de la constanie dans la variable de mise en avant (TG)

La constante ajoutee a la TG mesuree en centimetres conduit a introduire un biais dans l'estimateur obtenu. Le tableau suivant montre les resultats obtenus pour les coefficients estimes (clasticite a la TG), l' effet rnultipli-

50 Pierre Desmet et Isabelle Le Roy

catif correspond ant pour trois tailles de TG, et l'accroissement de l'effet entre ces tailles, en faisant varier la valeur de la constante de 2 a 1.10-7• La ligne en gras correspond a l'estimateur pour la constante de 1 retenue ici.

TABLEAU 8. --- Importance de la valeur de La constanie de la variable TG

Eftet d'une TG de Accroissement
Valeur de la Elasticite a 80 1 20 200 120/80 200/80
Constante la TG
2 0,12064 1,7017 1,7852 1,8972 1,0491 1,1149
1 0,10458 1,5834 1,6513 1,7413 1,0429 1,0997
0,1 0,07235 1,3732 1,4140 1,4672 1,0297 1,0685
0,01 0,05526 1,2740 1,3029 1,3402 1,0227 1,0519
0,001 0,04470 1,2164 1,2386 1,2672 1,0183 1,0418
0,0001 0,03751 1,1787 1,1967 1,2199 1,0153 1,0350
0,00001 0,03233 1,1522 1,1674 1,1868 1,0132 1,0301
0,000001 0,02840 1 ,1325 1,1456 1,1624 1,0116 1,0264
o 0000001 o 02532 1 1173 1 1289 1 1436 1 0103 1 0235 L'analyse de ce tableau montre l'importance de cette constante, puisque les rapports passent de (100; 104 ; 109) pour une constante egale a l'unite a (100; 101 ; 102) pour une constante egale a 1.107•

Pour bien illustrer les hypotheses sur les effets de la TG, Ie graphique suivant montre les effets multip1icateurs de differentes tailles de TG pour une constante unitaire.

Effet de la taille de la TG

1,80 1,70 1,60 1,50 1,40 1,30 1,20 1,10 1,00 ---+----1----1---_---+----1

o

35

70

105

140

175

210

Taille de Ia TG en em

BIBLIOGRAPHIE

Abraham M. ct Lodish 1.. (1987), PROMOTER: An Automated Promotion Evaluation System, Morketing Science, vol. 6, n'' 2, Spring 1987, p. 101-123.

Blattberg R., Eppen G. et Liberman J. (1981), A Theoretical and Empirical Evaluation of Price Deals for Consumer Non-durables, Journal of Murketing, 45, aout, p. 116-129.

Blattberg R. et Levin A. (1987), Modeling the Effectiveness and Profitability of Trade Promotions, Marketing Science, vol. 6, n" 2, Spring 1987, p. 124-146.

Blattberg R.. et Neslin S. (1990), SALES PROMOTION: Concepts, Method! and Strategies, Englewood Cliffs, New Jersey, Prentice Hall.

Blattberg R. et Wisniewski K. (1988), Issues in lWodehng Store Level Scanner Data, Marketing Working Paper # 43, Graduate School of Business, University of Chicago.

Mesurer les effets promotionnels 51

Bolton R. (1989), The Relationship Between Market Characteristics and Promotional Price Elasticities, Marketing Science, Summer, p. 153-169

Brown R.. (1973), A Model for Measuring the Influence of Promotion on Inventory and Consumer Demand, Journal of Marketing Research, 10, novembre, p. 380-389.

Bultez A. (1975), Price Cut VerlUs Coupon Promotion: A Comparative Evaluation, Working paper n" 7500, Brussels, European Institute for Advanced Studies in Management.

Campbell D.. T.. et Stanley J. C. (1963), Experimental and Q_uasi-experimental Designs for Research, Chicago, Ill., Rand McNally.

Chevalier M .. et Curhan R. (1976), Retail Promotion As A Function of Trade Promotions: A Descriptive Analysis, Sloan Management Review, 18, Fall, p. 19-32

Desmet P (1981), Optimisation des politiques promotionnelles de l'entreprive pluri-productrice, These non publiee, Instiuu dAdministration des Entreprises, Univcrsite de Lille.

Dodson j., Tybout A. et Sternthal B .. (1978), Impact of Deals and Deal Retractions on Brand Switching, Journal of Marketing Research, 15, fevrier, p. 72-81.

Frank R. ct Massy E.. (1965), Market Segmentation and the Effectiveness of a Brands Price and Dealing Policies, Journal oj Business, 38, avril, p .. 186-200.

Goodman D .. et Moody K. (1970), Determining Optimum Price Promotion Quantities, Journal oj Marketing, 34, octobre, p. 31-34.

Guadagni P. ct Little J. (1983), A Logit Model of Coffee Choice Calibrated on Scanner Data,liiarketing Science, Summcr, p. 203-238.

Guilbert F., Kalika M .. et Fady A (1986), La politique promotionnelle des entreprises de production, Contrat FNEGE n° 1102, Lille, CRF:E Ed ...

Gupta S. (1988), Impact of Sales Promotions on When, What, and How Much to Buy, Journal of Marketing Research, 25, novembre, p. 342-355.

Kuehn A et Rohloff A (1967), Evaluating Promotions Using a Brand Switching Model, in Promotional Decisions Using Mathematical Models, P Robinson (ed.), Boston, Allyn & Bacon Inc, p. 50-85 Lattin J. et Bucklin R .. (1989), Reference Effects of Price and Promotion on Brand Choice Behavior, Journal of Marketing Research, 26, aout, p. 299-310 ..

Laurent G., Le Roy L et Little J. D. c. (1988), Advertising and the Quality of New Product Trial, Orsa/Tims Joint Meeting, DENVER.

Little j. (1966), A Model of Adaptative Control of Promotional Spending, Operations Research, 14, novembrc-deccmbrc, p .. 1075-1097

Litvack D., Calantone R., Darmon R. et Warshaw P. (1984), Relation entre la strategie suivie par les detaillants et l'elasticite-prix de la dcmande, Revue francoise du Marketing, n° 97,1984/1, p. 29- 42.

Neslin S .. , Henderson C. et Quelch J (1985), Consumer Promotions and the Acceleration of Product Purchases, Marketing Science, vol. 4, n" 2, Spring, 1985, p .. 147-164.

Neslin S. et Shoemaker R.. (1983), A ModeJ for Evaluating the Profitability of Consumer Promotions, Marketing Science, Fall, p. 361-388

Neslin S. et Shoemaker R. (1989), An Alternative Explanation for Lower Repeat Rates After Promotion Purchases, Journal of Marketing Research, 26, mai, p .. 205-214.

Rao V. et Sabavala D. (1980), Allocation of Marketing Resources: The Role ofPrice Promotions, in Proceedings oj the Second Market Measurement Conference, Robert Leone (ed .. ), Providence, RI, TEviS College of Mar kcting.

Reibstein D.. et Gatignon H. (1984), Optimal Product Line Pricing: The Inlluencc of Elasticities and Cross-Elasticities, Journal oj Marketing Research, V, 21, aout, p .. 259-267

Shoemaker R. ct Shoaf F .. (1977), Repeat Rates lor Deal Purchases, Journal of Advertising Research, 17, avril, p. 47-53.

Strauch P. (1976), Utilization of the Nielsen Panel for Eoaluation of Promotions, Esornar Congress, 2th-4th Sunoo D. et Lynn Y. (1978), Sales Effect of Promotion and Advertising, Journal oj Advertising Research, 18,5, octobre, p. 37-40.

Webster F. (1965), Thc Deal Prone Consumer, .Journal of Marketing Research, 2, mai, p. 186-189. Winer R.. (1986), A Reference Price Model of Brand Choice for Frequently Purchased Products, Journal oj Consumer Research, 13, Spring, p. 250-256.

Copyright of Recherche et Applications en Marketing is the property of AFM c/o ESCP-EAP and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder IS express written permission. However, users may print, download, or emai I articles for individual use.