Marketing quantitatif et économétrie

Séminaire du Mastère Spécialisé® Big Data du 10 mars 2016 avec Romain Aeberhardt, Senior Manager chez Veltys.

Le Big Data est présent partout : les grandes entreprises ont compris la valeur des données et les start-up surfent sur la vague pour se développer. Toutes utilisent le Big Data mais sans vraiment l’exploiter. Veltys, cabinet de conseil en stratégie, aide ces entreprises à prendre conscience de la valeur des données. Romain Aeberhardt, Sénior Manager chez Veltys est venu parler de cas de marketing quantitatif et d’économétrie.

L’économétrie est la culture de la recherche d’éléments structurels et de la causalité ; deux choses qui utilisent beaucoup d’outils communs vus dans les cours du Mastère Spécialisé® Big Data mais ayant des applications différentes. Ce séminaire a permis d’aborder quelques cas concrets d’économétrie.

Partenariat sportif

Lorsqu’un événement commercialise un espace publicitaire, il n’a en général qu’une vague idée de ce que cela rapporte aux annonceurs. Veltys aide à valoriser au mieux ces partenariats grâce au traitement de données. La question est donc : quand une société est partenaire d’un grand événement, qu’est-ce que cela lui rapporte spécifiquement ? Dans ce cas, il est donc nécessaire de comparer la situation où la société est partenaire de l’événement et celle où elle ne l’est pas. Le problème est que l’on ne peut observer simultanément le cas où cette société est partenaire et le cas où elle ne l’est pas. On observe une seule des deux situations et il est donc nécessaire de prédire l’autre (appelée situation contrefactuelle). Pour cela, il faut agir par étapes :

1. Comparer les ventes avant et après l’action marketing. Le problème de cette méthode est qu’elle va inclure de nombreux facteurs indépendants tels que la hausse de la température, la baisse des prix, etc., qui ont pu intervenir simultanément avec l’action marketing. Le risque sera alors d’imputer la hausse (ou la baisse) des ventes du produit à l’événement alors qu’il ne sera pas le seul facteur en jeu. Il est donc important de tenir compte également des variations de température, des prix… Mais il est souvent difficile de penser à tout ce qui peut biaiser les résultats.
2. Comparer les ventes à celles d’un autre groupe concurrent ne bénéficiant pas de la publicité de l’événement. Le problème est qu’à l’origine, dans la majorité des cas, deux groupes concurrents n’ont pas les mêmes ventes. Il faut donc observer les pics et tendances de ventes des concurrents et les comparer à ceux de la société partenaire.
3. Ces deux premières étapes mènent à une approche économétrique simple : la « différence des différences ». D’après les résultats 1 et 2, il est possible d’en déduire que le décalage entre les deux est dû à l’impact de la publicité.

Modélisation sur un site de e-commerce

Ici, la question est de connaître la fréquence de retour des clients sur un site de e-commerce ainsi que leur fréquence d’achat. Sur des périodes courtes, l’intégralité de l’échantillon sera observée. En revanche, plus on avance dans le temps (J+2, J+3, … J+X), plus l’échantillon sera réduit (les clients les plus récents sont observés sur une période plus courte). Pour tenir compte de ces censures, il convient d’utiliser des « modèles de durées ». Ainsi, il sera possible de calculer la probabilité d’achat à X jours tout en intégrant les informations des jours précédents. Cela permet de prendre en compte, à chaque pas, le maximum de données du modèle précédent. Ainsi, en suivant les achats successifs sur le site, l’analyse révèle que, plus les gens achètent, plus la durée entre les achats raccourcit. Une question se pose alors : est-ce que l’achat provoque l’achat ou bien est-il dû à la personnalité intrinsèque des clients ? La réponse à cette question a un enjeu : il y aurait peut-être un intérêt à provoquer l’achat par tous les moyens pour faire revenir les clients. D’autres modèles économétriques permettent de répondre à cette question et montrent que les résultats s’expliquent au moins en partie par le fait que l’achat provoque l’achat.

Renouvellement des dons d’une ONG

Le problème de la plupart des ONG est qu’elles ont des difficultés à quantifier l’impact de leurs campagnes de dons. Il s’agit alors de regarder leurs données afin d’essayer de quantifier l’impact des différents types de campagnes (magazines, mailings génériques, télémarketing, etc.). Face à cette question très générale, la première chose à faire est d’en préciser le champ avec le client. Concernant le don, il est très difficile de prendre en compte l’ensemble de la population française. Une solution peut par exemple consister à se concentrer sur les donateurs qui ont déjà donné une fois et ainsi regarder le renouvellement des dons. Cette observation révèle que sans actions marketing, le renouvellement moyen des dons est de 55% ; avec l’envoi de magazines, il augmente de 10 points. La question est de savoir si la campagne publicitaire vaut le coup d’être menée. En effet, le don est souvent relativement faible tandis que les campagnes peuvent être très onéreuses.

Pour mesurer l’impact des actions sur le renouvellement, différents modèles économétriques peuvent être utilisés (OLS, OLS avec effets fixes, Logit, Logit avec effets fixes, Matching) et permettent de mesurer la robustesse de l’approche en faisant varier les hypothèses sous-jacentes (non linéarités, prise en compte des spécificités de chaque client, etc.).