Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

MESURE DE LA PERFORMANCE ET OPTIMISATION D’OPERATION DE MARKETING VIRAL ON LINE

MESURE DE LA PERFORMANCE ET OPTIMISATION D’OPERATION DE MARKETING VIRAL ON LINE PAR LES RESEAUX DE PETRI Christine Balagué HEC School of Management, Paris 1 rue de la Libération 78351 Jouy-en-Josas, France Téléphone: +33-6 12 48 29 39 Fax: + 33-1 39 67 94 54 E-mail: balaguec@hec.fr 1 MESURE DE LA PERFORMANCE ET OPTIMISATION D’OPERATION DE MARKETING VIRAL ON LINE PAR LES RESEAUX DE PETRI Résumé : Dans cet article, nous introduisons la technique des réseaux de Pétri pour modéliser un jeu promotionnel on line à caractère viral. L’objectif principal est de maximiser l’impact viral du jeu promotionnel en optimisant le nombre et la position de questions virales dans le questionnaire du jeu. Mots-clés : marketing viral, réseaux de Pétri, modélisation, jeu promotionnel, Internet Abstract: In this article, we introduce Petri nets to model a viral on line promotional game. The main objective is to maximize the viral impact of the game by optimising the number and the position of viral questions in the game questionnaire. Key words: viral marketing, Petri nets, modeling,, promotional game, Internet 2 INTRODUCTION : Durant les dernières années, les chercheurs et les managers en marketing ont analysé les spécificités d’Internet et développé des stratégies afin d’utiliser le Web comme nouveau canal de communication et de distribution. Les principaux thèmes de ces recherches portent sur l’amélioration du design des sites Web, l’objectif étant de maximiser la fréquence de visite, la durée des visites et l’achat. Par exemple, Mandel et Johnson (2002) étudient l’influence du design d’une page Web sur le choix de produit effectué par le consommateur. Ansari et Mela (2003) analysent la personnalisation du contenu des e-mails et leur capacité à accroître le trafic des sites. Lynch et Ariely (2000), Zauberman (2003) mesurent l’impact des coûts de recherche d’information on line. Un autre courant porte sur l’étude du comportement de visite des sites Web pour expliquer le comportement d’achat. Peu de recherches en revanche portent sur l’impact d’actions de marketing viral sur Internet. L’un des principaux objectifs de ces actions est la constitution à faible coût d’importantes bases de données d’adresses e-mail pouvant être ensuite utilisées lors d’opérations de marketing direct. Une technique courante de marketing viral consiste à organiser sur Internet un jeu promotionnel. L’internaute est soumis à un instant win avec possibilité, s’il ne gagne pas, de poursuivre le jeu en contrepartie de réponses à un questionnaire (ce questionnaire comprenant des questions soit de qualification, soit virales (de type donner une adresse e- mail). Peu d’articles de recherche porte sur l’optimisation de ce type de questionnaire ou plus globalement sur la modélisation d’opérations de marketing viral sur le Web. L’objectif de cet article est donc d’introduire la méthodologie des réseaux de Pétri pour répondre à cette problématique marketing. Modéliser le comportement du consommateur sur Internet exige des techniques spécifiques pour plusieurs raisons. Tout d’abord, le comportement de visite et d’achat sur le Web diffère de celui des magasins « brick-and-mortar », en particulier en raison du faible taux de conversion : selon une étude du BCG et de shop.org (Betts, 2001), les sites Web reçoivent des millions de visiteurs, mais seulement 3% achètent. Comme le soulignent Sismeiro et Bucklin (2004), ceci implique que les visites des sites Web ne sont pas de bons critères pour prédire les achats et que les modèles de type logit ou probit attribuant un impact direct des visites sur le comportement d’achat ne sont pas adaptés au Web. L’objectif de cet article est 3 de proposer la méthodologie des réseaux de Pétri qui est particulièrement adaptée à l’étude des phénomènes sur le Web et qui tient compte des actions séquentielles des internautes. Plusieurs autres caractéristiques du comportement sur Internet exigent des méthodes flexibles pour modéliser les différentes actions des internautes. Tout d’abord, plusieurs actions sur le Web sont simultanées. Par exemple, un nombre presque illimité de visiteurs peuvent s’inscrire sur la homepage d’un jeu promotionnel sur Internet, tandis que d’autres sont à la fin du jeu ou que d’autres encore arrêtent de jouer. Ces comportements de visites sur Internet sont souvent complexes à modéliser de manière analytique en raison des trop lourdes ressources informatiques nécessaires. De plus, les modèles de causalité classiques explorant une partie d’un phénomène sont limités pour analyser l’aspect dynamique d’un processus global de comportement sur Internet. Une solution à ce problème est d’utiliser des outils de simulation, capables de décrire et d’analyser des systèmes complexes, comme le suggèrent Law et Kelton (2000). Nous proposons donc d’introduire dans cet article les réseaux de Pétri qui permettent d’analyser des systèmes complexes intégrant des actions parallèles, synchronisées, séquentielles qui constituent souvent les caractéristiques des phénomènes sur Internet. Les réseaux de Pétri sont aussi des outils de simulation qui permettent d’analyser les performances d’un système en incorporant de manière flexible différentes actions. L’article qui suit est organisé de la manière suivante : nous décrivons tout d’abord le cadre théorique de notre recherche puis détaillons le mécanisme du jeu promotionnel on line « Le Ciel est à tout le monde ». Nous développons ensuite la modélisation de ce jeu par les réseaux de Pétri. Après l’analyse des résultats, nous soulignons les avantages lies à l’utilisation des réseaux de Pétri et développons plusieurs pistes de recherches futures. CADRE THEORIQUE: Notre recherche s’appuie sur deux courants de recherche en marketing. Le premier porte sur la modélisation des comportements de visites des sites Web, le second sur les phénomènes de bouche à oreille et le marketing viral. La modélisation du comportement de visite des sites Web : De nombreuses recherches récentes en marketing portent sur la modélisation du comportement de visite et d’achat sur Internet. Le développement de ce courant s’explique par plusieurs facteurs. Tout d’abord, de nombreuses entreprises ont cherché à utiliser le Web 4 comme nouveau circuit de communication et de distribution, mais beaucoup ont hésité en raison de leur méconnaissance du comportement des internautes et de ses effets potentiels. Face à ce constat, des chercheurs ont essayé de mieux comprendre le comportement sur le Web, en particulier les comportements de visites et d’achat qui constituent des éléments clés pour les entreprises. Le deuxième facteur explicatif de ce courant de recherche est la nécessité pour les entreprises de mesurer les effets d’actions marketing sur Internet, notamment en terme d’impact financier. Les chercheurs ont donc développé dans ce courant de recherche plusieurs modèles visant à mesurer, expliquer et analyser le comportement des internautes en fonction d’un certain nombre de variables explicatives. Les principaux articles sont présentés ci-dessous. Bucklin et Sismeiro (2003) modélisent le comportement de navigation sur un site Web en intégrant deux éléments clés: la décision de l’internaute de continuer la navigation et la durée de chaque page vue. Ils appliquent un modèle de type Tobit II et lient la propension de l’internaute à poursuivre sa visite à la profondeur de visite et à la répétition des visites. Pour analyser le comportement de visite d’un site Web, Telang, Boatwright, et Mukhopadhyay (2004) utilisent des modèles mixtes proportionnels de hasard pour prédire les visites sur des moteurs de recherche. Deux articles portent sur les visites de l’internaute sur plusieurs sites concurrents. Le premier, de Park et Fader (2004), propose des modèles stochastiques. Les auteurs montrent que leur modèle permet d’améliorer la capacité des sites à prévoir la date des visites futures en capturant la date et la fréquence des visites précédentes sur le site et ses sites concurrents. Leur modèle corrige notamment la surestimation du nombre de visites effectué lorsque les chercheurs considèrent les dates de visites sur plusieurs sites de manière indépendante. Dans le même courant de recherche, Johnson, Moe, Fader, Bellman, et Lohse (2004) modélisent le comportement de recherche sur plusieurs sites concurrents de e- commerce avec des modèles de probabilité et un processus logarithmique. Ils montrent notamment que les internautes effectuent des recherches sur un nombre peu important de sites concurrents et que l’intensité de leur recherche est liée aux caractéristiques de l’individu. Une approche différente est développée par Sismeiro et Bucklin (2004). Ces auteurs proposent un modèle prédictif du comportement d’achat sur le Web. En utilisant des fichiers log de navigation, leur modèle décompose le comportement de l’internaute en différentes tâches séquentielles effectuées lors de la visite du site (configuration du produit, entrée des informations personnelles, confirmation de commande avec information sur les cartes de crédit). Les auteurs montrent notamment que le comportement de navigation prédit 5 l’accomplissement des différentes tâches séquentielles mais que les visites répétées n’expliquent pas la propension à acheter. Moe et Fader (2004b) font le lien entre comportement de visite et achat en proposant un modèle de conversion dynamique prédisant la fréquence et le volume d’achat en fonction des précédentes visites et des seuils d’achat. Tenant compte de l’hétérogénéité des consommateurs et de la dynamique dans le temps, ils montrent que leur modèle de conversion est plus performant que les modèles classiques de type régression logistique. Dans un autre article, Moe et Fader (2004a) proposent un modèle d’évolution des visites dans le temps. La littérature récente en marketing comprend par conséquent plusieurs articles uploads/Marketing/ id-7918.pdf