<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Cet article apparaît dans JMPer Cable, Numéro 30, été 2015 .
par Melinda Thielbar melinda.thielbar , Développeur statisticien de recherche principal, SAS
JMP Profiler est un outil puissant pour visualiser votre modèle. En un clic, vous pouvez voir ce que le modèle prédit lorsque vous modifiez les fonctionnalités d'un produit ou modifiez l'une de vos hypothèses. C'est également un puissant outil de communication, car votre public n'a pas besoin de statistiques pour comprendre le message du modèle.
Dans JMP 11 et les versions antérieures, Profiler de la plate-forme Choice était un utilitaire: il permet de visualiser l'évolution de l'utilitaire de votre produit en fonction des modifications apportées aux fonctionnalités. Pour un économiste ou un agent de commercialisation, l'utilité est un concept assez simple. Plus grande utilité signifie un produit plus souhaitable que les gens sont plus susceptibles d'acheter.
JMP 12 ajoute Probability Profiler et Multiple Choice Profiler, deux nouveaux outils permettant de visualiser les comparaisons entre produits concurrents et de prédire la part de marché des nouveaux produits proposés.
Examinez les deux versions des données de pizza de la bibliothèque de données exemple JMP. Commençons par les exemples de tables multiples contenus dans Pizza Profiles.jmp, Pizza Responses.jmp et Pizza Subject.jmp. Ces trois ensembles de données imitent la manière dont les données de choix sont souvent collectées. Les facteurs, les réponses et les informations démographiques sur les participants figurent dans des tableaux de données distincts.
L'exécution du script associé au menu Profils Pizza génère un rapport comportant des tests des effets du modèle Choix et du ratio de vraisemblance sur les estimations obtenues (Figure 1). (Remarque: JMP exécute les tests de rapport de probabilité par défaut s'ils peuvent être calculés rapidement. Si les tests ne sont pas produits par défaut, vous pouvez toujours demander les statistiques du rapport de probabilité à partir du menu du triangle rouge.)
Figure 1 Effets du modèle de choix et tests du rapport de vraisemblance
Les tests d'effet montrent quels facteurs sont statistiquement significatifs et les signes sur les estimations de paramètres indiquent si ce facteur rend les sujets plus ou moins susceptibles d'acheter le produit. Ce rapport indique que le fromage Jack est moins populaire que la Mozzarella et qu'il existe une interaction statistiquement significative entre le sexe et les préférences de Thick Crust et Pepperoni vs No Toppings.
Utility Profiler (appelé simplement "Le Profiler" dans JMP 11) peut aider à expliquer comment ces interactions affectent les choix des consommateurs. Sélectionner Utilitaire Profiler dans le menu du triangle rouge Choice Model pour afficher le profileur d’utilitaires. Dans le profileur de genre, faites glisser la ligne verticale de F à M (Figure 2).
Figure 2 Profil utilitaire avec le sexe défini sur M
Le premier profileur montre que les hommes préfèrent la pizza à croûte épaisse avec pepperoni.
Changer le genre de M à F nous permet de voir clairement l’effet des interactions. La pente de la ligne entre Pepperoni et “No” est négative lorsque nous définissons la valeur de Gender sur “M”. Lorsque nous modifions la valeur du genre en «F», la pente devient positive. Il en va de même pour la pente de la ligne entre la croûte épaisse et mince.
figure 3 Profil utilitaire avec le sexe défini sur F
Cela montre que les femmes sont plus susceptibles de choisir une pizza à croûte mince sans garniture et que les hommes sont plus susceptibles de choisir une pizza à croûte épaisse avec du pepperoni.
"Combien plus probable?" Et "Plus probable par rapport à quoi?" Pourrait demander votre responsable marketing. Jusqu'au JMP 12, votre réponse aurait peut-être été: «Permettez-moi de vous contacter.» Maintenant, tout ce dont vous avez besoin, c'est de Probability Profiler.
Dans JMP 12, Probability Profiler se trouve juste en dessous de Utility Utility dans le menu triangle rouge de la plateforme Choice. Quand vous sélectionnez Profil de probabilité , vous comparez votre nouveau produit proposé à un produit «de base». Je prévois peut-être d’offrir une pizza à croûte épaisse avec du Mozzarella et du Pepperoni pour défier la pizza de mon concurrent, qui est une croûte épaisse avec du fromage Jack et du Pepperoni. Dans la liste Sexe dans les paramètres de base, sélectionnez F (Figure 4).
Figure 4 ProbabilityProfiler avec Cheese réglé sur Mozzarella
Probability Profiler permet de voir facilement que le produit que je propose est une bonne idée. Lors du choix entre ma pizza et celle de ma concurrente, les femmes ont 92% de chances de choisir ma pizza (Figure 4). Je peux modifier le sexe dans les paramètres de base en M pour que les hommes aient 96% de chances de choisir ma pizza (Figure 5). Les paramètres liés aux sujets (c'est-à-dire les personnes) apparaissent toujours dans les paramètres Baseline. Vous comparez donc toujours des pommes avec des pommes lorsque vous comparez les probabilités de choix.
Figure 5 Profil de probabilité avec genre défini sur M
Il n'y a pas beaucoup de marchés où les consommateurs n'ont que deux choix. Vous connaissez peut-être plusieurs produits concurrents et souhaitez concevoir la pizza avec une probabilité de choix maximale pour tous. C’est un travail pour le Profiler à choix multiples, qui se trouve dans le menu triangle rouge juste en dessous du Profondeur de probabilité.
En sélectionnant Multiple Choice Profiler Dans le menu du triangle rouge, une boîte de dialogue vous demande combien de choix vous souhaitez définir (Figure 6). Trois est la valeur par défaut, mais vous pouvez en avoir plus.
Figure 6 Définir le nombre de choix à profiler
Désormais, au lieu d’avoir un modèle de base et une alternative, le profileur à choix multiples génère un ensemble de profileurs liés - un pour chaque alternative (Figure 7). Les listes déroulantes en haut vous permettent de choisir les valeurs des variables de sujet qui composent vos segments de marché. Les curseurs de profil définissent les propriétés des différents produits. Il y a aussi un graphique juste en dessous de l'en-tête pour montrer visuellement quel produit aurait la plus grande part de marché prévue.
Figure 7 MultipleChoice Profiler pour toutes les alternatives
Maintenant, il est facile de voir qu'une pizza à croûte mince avec du fromage Mozzarella et sans garniture est le choix le plus populaire.
Tous les exemples ci-dessus montrent une analyse avec plusieurs tableaux. Si vous effectuez habituellement une analyse à une table, JMP placera les effets de votre sujet dans le profileur à choix multiples (Figure 8). (JMP n'a aucun moyen de savoir si un effet a été conçu comme un effet de sujet ou un effet de profil. JMP fait donc le choix qui offre le plus de flexibilité pour l'utilisateur.)
Figure 8 Effets de sujet dans le profileur à choix multiples
Les comparaisons de probabilité dans le modèle à choix multiples sont limitées de sorte qu'elles doivent totaliser un; les comparaisons de probabilité à partir d'un modèle Choice n'ont de sens que si vous comparez au sein d'un segment de marché. Si vous modifiez les valeurs des variables de sujet, assurez-vous de les rendre identiques pour toutes les probabilités de choix . Sinon, vos probabilités prédites (et donc vos parts de marché) ne seront pas correctes.
Utility Profiler a toujours été un outil utile pour visualiser votre modèle. JMP 12 ajoute Probability Profiler et Multiple Choice Profiler, deux nouveaux outils permettant de visualiser les comparaisons entre différents produits et de prévoir les parts de marché. pour les nouveaux produits proposés.
Pour explorer ce sujet, voir la documentation JMP sur Options de la plateforme Choice .
