Annuaire auto pour vendre, estimer et préparer une reprise de voiture

Auteurs indexés : Joanna Morais. Source : tel-01666867, version 1.

L’objectif de cette thèse CIFRE, réalisée avec la société d’études et conseil BVA et en collaboration avec le constructeur automobile Renault, est de construire un modèle permettant de mesurer l’impact des investissements media à travers différents canaux (télévision, affichage, etc.) sur les parts de marché de différentes marques, en prenant en compte la concurrence et les potentiels effets croisés et synergies entre ces marques, ainsi qu’en contrôlant pour le prix et le contexte réglementaire (i.e. prime à la casse). Des modèles de parts de marchés ont été développés dans la littérature marketing, notamment le modèle GMCI (generalized multiplicative competitive interaction model), inspiré du modèle MNL (multinomial logit) conditionnel agrégé. Dans la littérature statistique, l'analyse des données de composition (CODA) permet d’étudier des données de parts en respectant leur nature (un vecteur de D parts soumises à la contrainte de somme unitaire est une composition et appartient au simplexe de dimension D). Des modèles de régression pour variables dépendante et explicatives compositionnelles existent mais sont peu utilisés en pratique. Enfin, le modèle de régression de Dirichlet permet de modéliser une variable dépendante appartenant au simplexe. Dans le premier chapitre, ces différents modèles sont comparés théoriquement et empiriquement. On montre notamment qu’ils peuvent tous être exprimés sous une forme similaire en utilisant les notions d’attraction et d’espérance dans le simplexe. Le modèle GMCI se trouve être un cas particulier du modèle CODA, de telle sorte que ces deux spécifications peuvent être combinées au sein d’un même modèle. La complexité des modèles Dirichlet et CODA se révèle être nécessaire pour capturer la diversité des relations de concurrence. Dans le deuxième chapitre, l’accent est mis sur l’interprétation, peu développée dans la littérature CODA. Différents types d’interprétation sont présentés, mais nous montrons que le calcul d’élasticités des parts de marché aux investissements media est particulièrement pertinent d’un point de vue mathématique et applicatif. En effet, nous prouvons que les élasticités sont cohérentes avec les C-dérivées de fonctions d’un simplexe à valeurs dans un autre simplexe. De plus, ces élasticités peuvent être facilement interprétées par les constructeurs automobiles et peuvent être utilisées pour l’optimisation de la budgétisation de la publicité (théorème de Dorfman et Steiner). Dans le troisième chapitre, une application concrète au segment B du marché automobile français est présentée pour mesurer l’impact des différents canaux publicitaires sur les parts de marché des trois leaders du segment et du groupe des autres marques, en tenant compte des effets retards de la publicité (fonction d’adstock) et des effets croisés de la concurrence.% et de la dimension temporelle des données (un modèle de régression compositionnel avec des termes d’erreurs autocorrélés est proposé). L’élasticité des parts de marché des différentes marques aux investissements media est variable d’une marque à l’autre et d’un canal à l’autre. Des relations de synergies entre certaines marques peuvent être mises en lumière. Dans un dernier chapitre, nous ouvrons sur les pistes à explorer pour améliorer le modèle proposé et apporter des réponses complémentaires à notre problématique.

Auteurs indexés : Joanna Morais. Source : tel-01666867, version 1.

The aim of this CIFRE thesis, realized with the market research institute BVA in collaboration with the automobile manufacturer Renault, is to build a model in order to measure the impact of media investments of several channels (television, outdoor, etc.) on the brands' market shares, taking into account the competition et the potential cross effects and synergies between brands, as well as controlling for average price and regulatory context (scrapping incentive). Market share models have been developed in the marketing literature, especially the GMCI model (generalized multiplicative competitive interaction model), inspired from the aggregated conditional MNL (multinomial logit) model. In the statistical literature, the compositional data analysis (CODA) allows to analyze share data respecting their nature (a vector of D shares subject to the unit sum constraint is a composition and belongs to the dimension D simplex space). Regression models for dependent and explanatory compositional variables exist but are rarely used in practice. Finally, the Dirichlet covariate model allows to model a simplex valued dependent variable. In the first chapter, these different models avec compared from a theoretical and empirical point of view. It is shown that all of them can be expressed with a similar formulation using the notions of attraction and of simplicial expected value. The GMCI model appears to be a particular case of the CODA model, such that these two specifications can be combined into a unique model. The complexity of Dirichlet and CODA models turns out to be necessary in order to capture the diversity of competitive relationships. In the second chapter, emphasis is given to the interpretation of models which is not very well developed in the CODA literature. Different types of interpretations are presented, but it is demonstrated that the calculation of the elasticities of market shares relative to media investments in particularly relevant from a mathematical point of view and from a practical perspective. Indeed, we prove that elasticities are consistent with C-derivatives of simplex valued functions of another simplex. Moreover, these elasticities can be easily interpreted by car manufacturers and can be used for advertising budgeting optimization (Dorfman-Steiner theorem). In the third chapter, a practical application to the B segment of the French automobile market is presented for the purpose of measuring the impact of the different advertising channels on the market shares of the three leaders of this segment and of the group of other brands, taking into account the lagged effects of advertising (adstock function) and the competitive cross effects. The media investments elasticity of the brand market share varies from one brand to another and from one channel to another. Synergies between some brands can be highlighted. The last chapter opens the discussion on different directions to be explored in order to improve the proposed model and to provide further answers to the considered issue.