Vous êtes sur la page 1sur 21

Représenter les croyances par des réseaux associatifs pour simuler la diffusion d'innovations

Samuel Thiriot 1,2 & Jean Daniel Kant 1

JFSMA 2007 – 17 au 19 Octobre, Carcassonne

(1) LIP6 – Université Pierre & Marie Curie (2) France Telecom R&D – Orange Labs

17 au 19 Octobre, Carcassonne (1) LIP6 – Université Pierre & Marie Curie (2) France Telecom

sommaire

1 diffusion d'innovations

2 représentation des connaissances

3 communication

4 résultats

5 discussion

1

diffusion d'innovations

Diffusion d'innovations

La diffusion d'innovations étudie la propagation de nouvelles idées, opinions, ou produits au sein d'une société [Rogers

2003]

L'adoption dépend notamment [Rogers 2003] de la communication (awareness, informations détaillées), de la persuasion, de la compréhension, de la crédibilité, de la compatibilité avec des informations préeexistantes

, de la compréhension , de la crédibilité , de la compatibilité avec des informations préeexistantes

JFSMA'07

4

Approche

modèles basés agent existants:

information très simplifiée, qui n'est pas prévue pour être comparée avec des informations réelles (sauf rares exceptions [Deffuant 2005])

en contradiction avec ce que l'on sait du processus d'adoption…

constats

aucun modèle ne permet d'expliquer, ni de prédire, l'échec de la diffusion [Rogers 2003]

approche:

représenter explicitement les connaissances sur les innovations

la représentation doit:

être applicable à des connaissances réelles qui peuvent être collectées sur le terrain

être aussi "cognitivement" réaliste que possible

être utilisable dans un modèle computationnel (simple, lisible, manipulable, significative)

2

représentation des connaissances

Réseaux associatifs

inspiré d'une théorie marketing, la means-end chains theory [Reynolds

1988]

un produit est un moyen pour atteindre une fin

on peut mesurer des associations d'idées, qui forment des réseaux, par interview

7
7

Les liens représentent:

des connaissances sur les attributs de l'innovation

des connaissances sur les conséquences d'un attribut pour l'agent

des connaissances générales

sémantique non contrainte: jugement intuitif, heuristique…

JFSMA'07

Formalisme

Formalisme:

Concepts: ensemble C définit par le modélisateur

Croyance: lien binaire dirigé dans C²

Objet social: concept particulier qui intéresse plusieurs agents [Moscovici 1998]. On échange de l'information à son propos, on forme des jugements ou l'on prend des décisions à son sujet.

Représentation: sous-ensemble du graphe enraciné dans un objet social

Utilisation:

8
8

on reconnait dans les plus haut niveaux les composantes utilisées pour évaluer un produit. [Holbrook 1999]. Le modèle de jugement/décision se basera sur ces connaissances

modélise implicitement la compréhension

un message est également un sous-arbre. On peut les récupérer sur le web

JFSMA'07

Crédibilité: observations

les consommateurs associent une crédibilité à leurs croyances, et l'utilisent pour l'évaluation et la communication

recherchent de l'information suffisamment crédible avant d'adopter

précisent spontanément leurs sources d'information lors de la communication (cf. recommandations sur le web)

révision des croyances non rationnelle

certes, les consommateurs se basent sur la source d'information la plus crédible à court terme

mais à moyen terme ils révisent même leurs plus fortes croyances, parce qu'elles sont trop anciennes, ou pour se conformer à la pression sociale

ce phénomène n'est pas capturé facilement par les formalismes actuels (logique, fonctions de croyance…)

Crédibilité: modèle

nous représentons:

un ensemble ordonné de niveaux de crédibilité qualitatifs Σ = {σ 1, σ2, σ3, σ 4} (voir table)

un niveau de crédibilité est associé à chaque croyance

la probabilité de révision dépend de ces niveaux de crédibilité p(revise| σ old , σ new )

 

σ

1

σ

2

σ

3

σ

4

"ils disent que…

pas de crédibilité

0.9 0

 

0

0

"

σ

1

"on dit que…"

plausible σ 2

1 0.9

 

0.1

0.001

"un ami, qui a utilisé le produit, m'a dit que…"

expérience indirecte σ 3

1 1

 

0.9

0.001

"j'ai utilisé le produit et j'ai découvert que…"

expérience directe

1 1

 

1

0.9

σ

4

évite les représentations numériques inutiles

3

communication

Canaux

Toute communication est supportée par un canal de communication

mono ou bidirectionnel: définit s'il est possible ou pas de choisir le sujet de la discussion (objet social)

avec une audience réduite ou large

Canaux:

réseau de relations sociales: canaux bidirectionnels (par défaut, Watts- Strogatz)

publicité: canal de masse unidirectionnel

web: canal de masse bidirectionnel

expérience personnelle: canal unidirectionnel

• expérience personnelle: canal unidirectionnel Exposition: • un paramètre d'exposition fixe la

Exposition:

un paramètre d'exposition fixe la probabilité d'exposition à un canal (mesurable)

JFSMA'07

12

Communication

De quoi parlent les agents ?

contrairement à l'approche contagion, il n'y a pas contamination systématique

=> les agents ne parlent que des sujets qui les intéressent

Modélisé par une liste d'objets sociaux saillants pour un agent. Un objet social devient saillant si:

quelques informations attirantes (publicité, bouche à oreille, intérêt des autres…)

informations insuffisantes (publicité => pas assez de détails, avis indirect => pas assez de crédibilité)

informations issues de très bonnes ou mauvaises expériences

Interaction

Canal unidirectionnel:

l'information envoyée est choisie par la source (source exogène: définie par le modélisateur)

Canal bidirectionnel:

le sujet de discussion est tiré au hasard dans l'ensemble des objets saillants de chaque agent

les agents échangent leur représentation de l'objet social (sous-arbre des croyances ancré sur o)

La communication peut convaincre, permettre de comprendre, attiser l'intérêt, ou être ignorée par manque de crédibilité ou incompatibilité avec les connaissances préexistantes

4

simulation

Simulation

étude de cas sur l'iPod

l'ensemble du modèle est développé en Java en utilisant la plateforme RePast

paramètres:

en Java en utilisant la plateforme RePast paramètres: • 1 pas de temps = 1 semaine

1 pas de temps = 1 semaine

profils des consommateurs (attractivité, adoption, connaissances préexistantes) définis selon la littérature, la segmentation

connaissances des agents => interviews

objet social: iPod

exposition aux canaux d'information: INSEE, études sur le bouche à oreille [Carl 2006]

agents: 5000

Résultats

CFSÂ JFSMA'07 17
CFSÂ
JFSMA'07
17

Surprises

conviction

les agents échangent des informations sur les qualités du produit, mais aussi leurs connaissances générales => ils apprennent aussi pourquoi ne pas adopter, et comment choisir

impact de la publicité

dans les modèles actuels, la publicité est utile pour lancer la diffusion, puis s'efface au profit de la communication endogène.

dans notre modèle, la publicité ravive le bouche à oreille, ce qui est conforme avec la réalité

importance du positionnement sur le réseau relationnel

l'adoption dépend particulièrement du positionnement sur le réseau relationnel. Conforme avec des observations récentes sur l'impact marketing

5

discussion

Validation

données:

les courbes montrent un comportement global et pour chaque profil conforme à la réalité

dynamique du modèle:

possibilité de modéliser un échec de diffusion (incompatibilité avec les connaissances, manque d'intérêt, manque de persuasion…)

les paramètres clés sont les mêmes que ceux identifiés dans la littérature

plausibilité du modèle:

les mécanismes sont réalistes (par ex., les agents peuvent rechercher de l'information)

le modèle individuel concorde avec les modèles d'adoption (Rogers) ou de consommateur (McGuire, Engel)

Discussion

apports de la représentation:

possibilité de valider le modèle

1 – sur le comportement

2 – sur le bouche à oreille (par ex. collecte sur le web)

3 – sur les connaissances des agents (interviews, enquêtes)

prendre en compte l'hétérogénéité de la population (vs. modèle à seuil)

perspectives:

analyse de la dynamique du modèle (en cours)

travailler avec une structure relationnelle plus réaliste (en cours)

comparaison avec des données réelles (en cours)

model-to-model (modèles aggrégatifs, modèle à seuil)