PRINCIPES :
Le positionnement consiste dlimiter un territoire propre la marque dans lesprit du
consommateur en fonction des concurrents. Bien souvent le positionnement voulu diffre du
positionnement peru. Llaboration dune carte perceptuelle de positionnement est alors
ncessaire pour un diagnostic des perceptions actuelles des consommateurs. Une carte
perceptuelle de positionnement reprsente graphiquement les perceptions des consommateurs
par rapport un nombre de marques dtermin par le charg dtude. Ces perceptions ne sont
pas des opinions des marques mais des valuations des consommateurs.
Deux approches sont envisageables.
La premire est fonde sur lanalyse des similarits entre les marques. Des scores de
proximits sont alors calculs. Lanalyse est conduite ensuite au moyen de lanalyse des
similarits (MDS Multi Dimensional Scaling). Cette mthode longtemps employe est
accessible lorsque le nombre de marques comparer est relativement rduit. En effet les
scores de proximits se calculent partir de comparaison par paires. Si le nombre dobjets
comparer est n, alors le nombre comparaisons raliser est n(n-1)/2.
La seconde approche sappuie sur des scores dattitude mesurs sur les attributs
dterminants du choix des produits. Cette dernire approche sappuie sur une Analyse en
composantes principales est prsente ici1.
CAS PERCEPTION DES RESTAURANTS :
Description des donnes et de lenqute
300 tudiants de MSG1 ont t interrogs en 1998 sur leurs perceptions des diffrents
restaurants entrant dans leur ensemble de considration.
Lensemble de considration, dfini par une runion de groupe, comprend les enseignes
suivantes : Pizza Hut, Bistro Romain, Restau U, McDonalds, Flunch, Quick, Lon de
Bruxelles, Hard Rock Caf, Planet Hollywood.
Aprs avoir dterminer les croyances dterminantes (c'est--dire les attributs dterminants sur
lesquels on peut effectivement choisir entre deux produits), un questionnaire t conu pour
recueillir les attitudes correspondantes en utilisant un chelle en sept points marque aux
extrmes Pas du tout daccord Tout fait daccord .
Merci de bien vouloir nous donner votre opinion sur les trois restaurants suivants :
Il n'y a pas de bonne ou de mauvaise rponse, c'est votre avis qui nous intresse
(et vous pouvez en avoir un sans tre jamais all dans ces restaurants).
S i vraiment vous n'en savez rien, laissez les cases correspondantes blanches.
S elo n vo u s, ch ez P iz z a H u t :
P as du tout
Tout fait
d'acc ord
d'acc ord
Pour limiter la longueur du questionnaire, chaque tudiant interrog n'a donn une opinion
que pour 3 restaurants. Trois questionnaires sont donc soumis.
Pour saisir les donnes on considrera que chaque restaurant pour un individu i, est en fait une
observation, donc une ligne saisir dans SPSS. Ce que l'on recherche dans un premier temps,
c'est la structure factorielle (rduction de donnes) des mesures d'attributs. A ce titre chaque
observation (cest--dire un restaurant pour un individu) est un individu au titre d'un tableau
individu X caractristiques, qui sert de base une ACP.
L tudiant n 1 rpond
aux questions pour les restaurants
1, 2, & 3
Analyse factorielle ACP 1 sans rotation
Ce tableau indique le pourcentage reprsent par les
axes extraits ci-dessous pour chacune des variables.
Ainsi les variables JEUNE et CONVIV sont mal
reprsents par les axes. Cela signifie que l'opration
de rduction de donnes ne reprsente pas ces deux
variables. Il faudra probablement choisir entre
accepter un troisime axe pour rsumer les donnes
ou supprimer ces variables de l'analyse.
2002, I. Prim et D. Darpy
Qualit de reprsentation
PRIX
QUALITE
PROPRE
JEUNE
CONVIV
RAPIDE
SERVICE
Initial
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Extraction
,523
,537
,617
,327
,368
,773
,684
Composante
1
2
3
4
5
6
7
Cela signifie qu'il faut peut-tre ralis une rotation des axes pour obtenir une matrice des
composantes plus lisible.
Analyse factorielle - ACP2 avec rotation varimax
Qualit de reprsentation
PRIX
QUALITE
PROPRE
JEUNE
CONVIV
RAPIDE
SERVICE
Initial
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Extraction
,523
,537
,617
,327
,368
,773
,684
Cette seconde ACP extrait deux axes expliquant 35% et 19% de variance.
La matrice des composantes aprs rotation permet de visualiser plus facilement quels sont les
variables qui composent chacune des dimensions ou facteurs. Les scores sont des indice de
saturation par rapport chaque composante. Ce sont les coordonnes dans l'espace par rapport
aux deux droites orthogonales que sont les composantes.
Ces deux droites sont en fait des rsums des diffrents points reprsents par chacune des
observations. Elles peuvent tre interprtes comme des droites de rgression. Les coefficient
affichs dans les composantes sont en fait les a et b de la droite de rgression.
Cette matrice des composantes permet de
souligner qu'une des variables ("JEUNE")
compose la fois la dimension 1 et la
dimension 2. Compte tenu de sa faible
reprsentation dans les deux composantes
extraites (voir tableau de Qualit de
reprsentation) on va dcider d'liminer cette
variable dans la procdure suivante ACP3
SERVICE
PROPRE
QUALITE
CONVIV
RAPIDE
PRIX
JEUNE
Composante
1
2
,825
,779
-,273
,680
-,197
,574
,137
,868
,273
-,670
-,212
,532
Sur la base de la matrice de composante, il est possible de calculer les scores factoriels pour
chaque observation, cest--dire les coordonnes pour chaque observation dans lespace cidessus. Le calcul des scores factoriels pour chaque observation est accompli en entrant la
valeur de chaque observation dans la droite de rgression dcrite par chacune des
composantes dans la matrice des composantes aprs rotation.
Ainsi un score 6 pour l'observation n, au niveau de la variable SERVICE, sera entre en lieu
et place de SERVICE dans la formule Composante 1 = 0.822*SERVICE + 0.787 PROPRE,
etc....
En slectionnant dans la bote de dialogues Facteurs loption Rgression SPSS va faire le
calcul de la coordonne par rapport aux de deux axes de chaque observation. Deux nouvelles
variables sont alors cres dans l'diteur de donnes.
Les scores factoriels ci-dessus ont t calculs pour chacune des observations. Or nous
souhaitons disposer d'un score global par type de restaurant. En saisissant nos donnes nous
avions pris soin d'entre le numro du restaurant, dans la variable Resto. Cette variable a 9
modalits (pour les neuf restaurants). Nous souhaitons calculer le barycentre de chacun des
groupes forms par les 9 modalits restaurant.
Pour cela la fonction Agrgation des donnes nous fournira une aide prcieuse.
Agrgation des donnes
Le tableau obtenu dans un nouveau fichier rsume les scores factoriels moyens pour chacun
des restaurants, partir duquel on ralise diagramme de dispersion (Graphe > Diagramme de
Dispersion>Simple).