Propagation des maladies infectieuses, adoption des biens de consommation et courbes en S de la technologie

Quel est le point commun entre la prévision de la propagation d'une maladie infectieuse, d'un bien de consommation ou l'adoption d'une technologie telle que la croissance des téléphones mobiles ? Tous suivent le modèle classique d'adoption de la courbe en S.

Tout le monde, en particulier les responsables de produits logiciels, connaît la courbe en S, la question est de savoir comment dessiner une courbe en S précise pour sa catégorie de produits ? Comment les chefs de produit doivent-ils, au mieux de leurs capacités, tracer la courbe en S qui correspond le mieux à leur catégorie de produits ?

Des questions similaires sont posées par les scientifiques qui prédisent l'adoption du nouveau virus de la grippe ou les entreprises de biens de consommation qui prédisent l'adoption d'un nouvel article de catégorie alimentaire.

Dans cet article, je souhaite mettre en évidence un modèle mathématique et des outils connexes qui existent et qui aident les chefs de produit à dessiner ces courbes d'adoption avec une certaine précision au-delà d'un simple croquis aléatoire sur un tableau blanc.

Modèle de basse pour prédire les courbes en S

Le modèle Bass est un outil pratique pour prédire les ventes de nouveaux produits, en particulier lorsque l'historique des ventes antérieures comparables n'est pas disponible. Le modèle Bass a été développé par Frank M. Bass en 1969 pour étudier la diffusion de l'innovation dans les produits de consommation. Ce modèle est utile pour prédire la vente d'une catégorie et non celle d'une marque ou d'une solution individuelle, et a été largement adopté par les universitaires et les professionnels de l'industrie.

Alors que la plupart des applications de Bass Model concernent les biens de consommation durables, il est possible d'étendre le modèle en prédisant les courbes d'adoption des nouvelles technologies et également des nouvelles catégories d'appareils technologiques.

Le modèle suppose que le marché se compose de deux types de consommateurs, les innovateurs et les imitateurs. Les innovateurs sont des adopteurs intrinsèques et dépendent de la publicité ; critiques de produits, etc., tandis que les imitateurs dépendent de leurs interactions avec ceux qui ont déjà adopté le produit (peuvent être à la fois des innovateurs et des imitateurs des périodes précédentes).

Configuration conceptuelle et mathématiques derrière le modèle

Dans un marché composé de N consommateurs au total, qui adopteront finalement un produit (ou une technologie), à ​​une période donnée, il y a :

• innovateurs (coefficient d'innovateurs, p) qui adoptent la technologie indépendamment des décisions des autres, cela diminue généralement avec le temps
• imitateurs (coefficient d'innovateurs, q) qui sont influencés dans leur décision par d'autres membres, cela augmente généralement avec le temps
• Pour chaque période, l'adoption totale est donnée par la somme des innovateurs et des imitateurs

Ainsi, les trois paramètres d'entrée du modèle sont la taille du marché N, le coefficient des innovateurs p et le coefficient des imitateurs q. En utilisant ces trois entrées, nous sommes maintenant en mesure de prédire les ventes ou l'adoption à un instant futur (t+1) donné par l'équation :

Ventes ou adoption au temps (t+1) = px (NQ(t)) + q/N x Q(t) x (NQ(t))

Tracez cette équation pour une valeur donnée de N, p, q et vous obtiendrez une courbe en S.

(Il n'est pas nécessaire de comprendre toutes ces équations pour utiliser le modèle, mais pour les esprits curieux, je liste ces équations à la fin de cet article.)

Premiers pas avec l'utilisation du modèle

Afin de commencer à utiliser le modèle de prévision des ventes dans le temps, nous devons connaître les trois variables d'entrée, N, p et q.

Alors que le marché potentiel total N est souvent relativement facile à estimer à partir de diverses estimations de dimensionnement, triangulations et jugement de la direction ; plus les entrées sont difficiles à estimer sont les deux coefficients p et q.

Dans le cas de catégories de produits pour lesquelles aucune donnée sur les ventes antérieures n'est disponible, l'approche la plus courante d'estimation des coefficients p et q consiste à utiliser des produits analogues déjà sur le marché. Le jugement de la direction est nécessaire pour choisir les bons produits analogues et utiliser souvent un ensemble de produits analogues pour vérifier les sensibilités.

Si toutefois, il n'y a pas de bons produits analogues disponibles, nous pouvons utiliser des valeurs moyennes de p et q, basées sur des valeurs dans une gamme de plusieurs catégories. Le professeur Christophe Van Den Bulte, de la Warton School of Management, maintient une base de données de p, q et N dans différentes catégories, voici un échantillon de ces valeurs

Si les données sur les ventes existent pour une période de temps raisonnable pour la catégorie de produit ou de technologie, alors p et q peuvent être estimés à l'aide d'une simple analyse de régression.

Les chefs de produit et les spécialistes du marketing peuvent utiliser le modèle de Bass pour faire des prévisions raisonnables sur le potentiel de croissance des nouvelles innovations à mesure qu'elles arrivent sur le marché. Ces prédictions, au lieu d'être de simples suppositions ou une intuition, peuvent être basées sur des données quantitatives qui peuvent être affinées au fil du temps à mesure que nous apprenons à connaître les résultats de vente réels.

Je suppose qu'en tant que chef de produit ou spécialiste du marketing, vous avez effectué un dimensionnement du marché et avez une idée de N, le segment de marché total pour votre catégorie de produits, maintenant si vous anticipez un fort coefficient d'innovation pour votre offre, c'est-à-dire que vous vous attendez à une hausse immédiate lors de l'adoption, choisissez donc une valeur appropriée de p dans le tableau des valeurs p et q.

Cependant, si, en tant que chef de produit, vous estimez que la catégorie nécessite beaucoup d'éducation et de conviction, vous n'aurez peut-être pas autant d'imitateurs et choisirez donc une valeur inférieure du coefficient d'imitateur q parmi des produits analogues. Ainsi, obtenir des limites sur les taux d'adoption de l'appliance.

Pour illustrer cela davantage, supposons que le chef de produit utilise les valeurs p, q pour les calculatrices. Les calculatrices, comme on le voit dans le tableau de la page précédente, avaient une valeur p de 0,145 et une valeur q de 0,495.

En comparant cela avec la courbe d'adoption pour les valeurs p, q moyennes pour tout produit générique (également du tableau), nous obtenons certaines limites. Cette analyse permet désormais au responsable de la solution ou au personnel de terrain de planifier la capacité appropriée ou les événements de marketing ou de génération de prospects. Ceux-ci sont ensuite ajustés au fur et à mesure que nous avançons avec les données de ventes réelles.

Avantages et limites du modèle

Les avantages de Bass Model sont sa facilité de mise en œuvre, des compétences simples en Excel sont nécessaires et une interprétation relativement aisée des résultats. Le modèle a un petit nombre de paramètres d'entrée, ce qui permet au chef de produit ou au spécialiste du marketing de démarrer plus facilement une analyse initiale.

Enfin, les paramètres du modèle peuvent être comparés entre les produits et les marchés géographiques, ce qui le rend pertinent pour une entreprise mondiale et une base d'utilisateurs mondiale.

Le modèle a ses limites, il ne prédit pas le premier achat ou la première vente au temps 0, on pourrait dire que c'est une fonction de la notoriété et du buzz qui est créé avant l'introduction et deuxièmement, le modèle a tendance à diviser les consommateurs en deux catégories rigides .

Cependant, en l'absence d'autres données significatives, cet outil est meilleur qu'une simple hypothèse sur les taux de croissance qui peut ou non être fondée sur la réalité ou des comparaisons analogues. De plus, le modèle n'inclut pas les technologies perturbatrices ou nouvelles introduites, mais cela peut être ajusté en fonction des réinitialisations des hypothèses de modélisation basées sur le jugement commercial.

Alors voilà, vous avez maintenant un outil pour dessiner des courbes d'adoption significatives et prendre de vraies décisions commerciales. Si rien d'autre, au moins maintenant, vous savez ce que la prévision de la propagation des maladies infectieuses et la gestion des produits logiciels ont en commun.

Appendice:

Configuration mathématique du modèle de basse

Le potentiel de marché total est N, il s'agit du total de tous les temps, car il existe une population définie de clients pour la catégorie

p = propension à innover, probabilité que quelqu'un adopte une nouvelle technologie en fonction de facteurs externes

q = propension à imiter, probabilité d'adoption due au « bouche à oreille » ou à la pression des utilisateurs existants

Q(t) = ventes cumulées jusqu'au temps t

Potentiel de marché restant à t = (NQ(t))

Nombre total d'innovateurs au temps (t+1) = px (NQ(t))

En outre, le nombre total d'adopteurs existants, Q(t), interagira avec le reste (NQ(t)), ce qui entraînera
total des interactions Q(t) x (NQ(t)), Parmi ces interactions, q/N aboutissent à des imitations

Nombre total d'imitateurs au temps (t+1) = q/N x Q(t) x (NQ(t))

Ventes totales au temps (t+1), S(t+1) = Nouveaux innovateurs + Nouveaux imitateurs

= px (NQ(t)) + q/N x Q(t) x (NQ(t))

Le % d'adoption peut être estimé en divisant le total des ventes par la taille totale du marché