Pourquoi modéliser les choix ?

Modélisation des choix pour le marketing en R

Elea McDonnell Feit

Assistant Professor of Marketing, Drexel University

La régression relie des prédicteurs à des résultats numériques

Un modèle de régression linéaire sert à prédire un nombre.

En marketing, on peut utiliser une régression linéaire pour comprendre comment les ventes d'un magasin sont liées à ses caractéristiques. Les ventes sont un nombre.

Beaucoup d'événements à comprendre et prédire sont des choix

Sélectionner une robe pour une occasion spéciale chez un e-commerçant
Choisir quoi regarder sur une plateforme de streaming vidéo
Acheter une voiture

Les choix nécessitent un type spécifique de régression

La régression logistique multinomiale (ou modèle logit multinomial) sert à prédire un choix parmi plusieurs alternatives, à partir des caractéristiques de chaque option. Par exemple, on peut prédire la probabilité de choisir une voiture donnée selon les caractéristiques des voitures disponibles.

La régression logistique (ou modèle logit) est un cas particulier de la précédente pour des choix binaires « oui/non », comme l'acceptation d'une offre promotionnelle.

Applications marketing des modèles de choix

Concevoir de nouveaux produits

Comprendre le lien entre caractéristiques produit et achats

Tarification

Déterminer comment le prix influence la part de marché

Marchandisage

Mesurer l'effet d'un indicateur « favori des clients » sur le produit choisi en ligne

Quelles décisions souhaitez-vous analyser ?

Modélisation des choix pour le marketing en R