Méthodes et modèles en marketing avancés

mgehd2230  2024-2025  Mons

Méthodes et modèles en marketing avancés
6.00 crédits
30.0 h
Q1
Langue
d'enseignement
Français
Préalables
Notions de marketing
Base des études marché

Le(s) prérequis de cette Unité d’enseignement (UE) sont précisés à la fin de cette fiche, en regard des programmes/formations qui proposent cette UE.
Thèmes abordés
Introduction
Analyser et connaître son marché
  • Analyse factorielle - Analyse en composante principales (ACP)
  • Mesure et développement d'un instrument de mesure en marketing
  • Internet : Méthodologies d'étude spécifiques
Choisir et maintenir son positionnement
  • Etude d'image de marque (Méthode Duale)
  • Analyse MDS et cartes perceptuelles
Prévoir sa performance
  • Expérimentation en laboratoire
  • Expérimentation sur le terrain
  • ANOVA
Evaluer sa performance
  • Analyse des données de Panel
  • Régression simple
  • Régression multiple
Repenser son produit / faire évoluer son positionnement
  • Analyse discriminante
  • Analyse typologique
  • Analyse conjointe
Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

1
  • Identifier le type de méthodes (quantitatives ou qualitatives) permettant d'apporter une réponse à une problématique donnée, quand une étude de cas (réelle ou fictive) est présentée
  • Relier les différentes méthodes et modèles avec les différentes décisions clés du processus marketing
  • Définir les différents construitsvariables et modéliser la relation entre différents construits
  • Démontrer la maîtrise des étapes liées à chaque méthode, et notamment les mécanismes se cachant derrière les méthodes statistiques et économétriques étudiées
  • Analyser les données collectées
  • Employer un logiciel avancé de traitement de données pour appliquer une méthode statistique ou économétrique
  • Interpréter et discuter les résultats obtenus à l'aide des méthodes d'analyses qualitative et quantitative
  • Formuler une recommandation adaptée et argumentée suite aux résultats obtenus suite à l'utilisation d'une méthode
 
Contenu
L’objectif de ce cours est de présenter un ensemble de méthodes, modèles et outils avancés particulièrement utiles à l’ère digitale lorsqu’il s’agit de collecter et/ou traiter et analyser des données primaires et secondaires.
Ce cours concerne diverses approches de prise de décisions en marketing, et présente les méthodes et outils avancés disponibles pour la collecte et/ou le traitement de données : méthodes qualitatives versus quantitatives ; études exploratoires, descriptives (dont web-analytics) et causales (expérimentation) ; problèmes de mesure et de modélisation. Les méthodes et modèles choisis sont abordés de manière à démontrer leur pertinence dans la définition, la formulation, l’analyse et la résolution de problèmes marketing. Le cours est structuré en fonction des grandes décisions marketing présentant un besoin d’information important. Chaque problématique d’étude permettra de présenter une ou plusieurs méthodologies. L’exposé théorique de la méthode sera suivi par la mise en œuvre d’analyses, traitées à l’aide du logiciel SPSS.
Il vise en outre à sensibiliser les participant(e)s à la nécessité de se montrer exigeant(e)s - et leur en donner les moyens - à l’égard des sociétés d’études de marché et de conseil en marketing, aux services desquelles elles/ils peuvent être amené(e)s à faire appel.
Plan
  • Introduction (système d’information marketing à l’ère numérique, types d’études, etc.)
  • Analyser et connaître son éco-système et son marché, évaluer sa position
    • Connaître son éco-système et son marché
    • Problème de la mesure liée à un instrument de mesure en marketing
    • Analyse en composantes principales (ACP)
  • Prévoir sa performance
    • Expérimentation en laboratoire
    • Expérimentation sur le terrain
    • ANOVA
  • Evaluer sa performance
    • Régression simple
    • Régression multiple
  • Repenser son produit
    • Analyse typologique (vs Analyse discriminante)
    • Analyse conjointe
4 Séances de travaux pratiques (présence obligatoire) seront organisées en salle informatique
  • TP1 = ACP avec SPSS  
  • TP2 = ANOVA dans le cadre d’une expérimentation / Présentation du travail de Contrôle Continu (CC)
  • TP3 = Régressions simples et multiples avec SPSS
  • TP4 = Analyse de données d’étude avec SPSS (travail de CC)
Méthodes d'enseignement
Le cours combine les séances en classe et des séances de TP en salle informatique. Les étudiants doivent en outre réaliser un parcours relatif au webanalytics en auto-apprentissage et réaliser un travail de groupe.
Modes d'évaluation
des acquis des étudiants
L’évaluation comprendra :
  •  une partie en contrôle continu (50% de la note finale) basée sur :
    • Un projet relatif à une expérimentation, à réaliser en groupe avec remise d’un rapport (dans ce cadre, la participation active au cours est vivement recommandée et la participation aux TP obligatoire), représentant 40% de la note finale ;
    • Le parcours de Google Analytics, à réaliser en auto-apprentissage et individuellement, représentant 10% de la note finale ;
  •  un examen écrit à présenter pendant les sessions officielles (50% de la note finale).
En seconde session, seul l'examen écrit pourra être représenté. La note de contrôle continu (groupe et individuel) est acquise pour les sessions de l'année académique en cours.
Note: Dans les travaux de groupe de ce cours, les sources d’information doivent être systématiquement citées, en respectant les normes de référencement bibliographique. Dans le cas où l’étudiant·e aurait fait appel à une IA générative, il(elle) est tenu·e d’indiquer systématiquement les parties ayant fait l’objet d’une utilisation de cet outil, en ajoutant une note de bas de page précisant si l’IA a été utilisée et dans quel but elle l’a été (recherche d’information, rédaction de texte et/ou correction de texte). L’étudiant·e reste par ailleurs responsable du contenu de sa production, indépendamment des sources utilisées. Ainsi, en soumettant un travail de groupe pour évaluation, l'étudiant·e  affirme : (i) qu'il reflète fidèlement le phénomène étudié, et pour cela elle/il doit avoir vérifié les faits ; (ii) avoir respecté toutes les exigences spécifiques du travail qui lui est confié, notamment les exigences pour la transparence et la documentation de la démarche scientifique mise en œuvre. Si l'une de ces affirmations n'est pas vraie, que ce soit intentionnellement ou par négligence, l'étudiant·e est en défaut de son engagement déontologique vis-à-vis de la connaissance produite dans le cadre de son travail, et éventuellement d’autres aspects de l’intégrité académique, ce qui constitue une faute académique et sera considéré comme tel.
Ressources
en ligne
Les supports de cours et l'ensemble du matériel de cours seront mis à disposition sur Moodle.
Bibliographie
Référence principale:
DELACROIX E., JOLIBERT A., MONNOT E., et JOURDAN P. (2021), Marketing Research : Méthodes de recherche et d’études en marketing (ouvrage collectif), 2ème édition, Dunod.
Références complémentaires utiles:
BRUNER II G., (2009, 2012, 2015, 2016, 2017, 2019, 2021, 2023, 2024), Marketing Scales Handbook, Vol 5, Vol 6, Vol 7, Vol 8, Vol 9, Vol 10, Vol 11, Vol. 12, Vol. 13.
CHARRY K., COUSSEMENT K., DEMOULIN N., HEUVINCK N., (2016), Marketing Research with IBM SPSS Statistics, 978-1-4724-7745-3 , Routledge, London, 264 pages.
HAHN C. & MACE S. (2016), Méthodes statistiques appliquées au management, 2ème édition, Pearson.
MALHOTRA N., DECAUDIN J.M., BOUGUERRA A., BORIES D. (2014), Etudes Marketing, 6ème édition, Pearson.
Faculté ou entité
en charge


Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
Master [120] en sciences de gestion (horaire décalé)

Master [120] en sciences de gestion (horaire décalé)