Modèle linéaire dynamique

Utilisation :

Mesure des effets dynamiques de la publicité

Principe :

  • l’effet de la publicité n’est pas limité à la période pendant laquelle la publicité est diffusée
  • il y a un effet de report (spill-over effect) sur les ventes des périodes suivantes
  • la difficulté réside dans l’estimation de la forme/structure de ces effets dynamiques et de l’information nécessaire pour les estimer empiriquement

Alternatives

  • modélisation directe : q(t) = a0 + b1*Pub(t) + b2*Pub(t-1) + b3*Pub(t-2) + etc…
    • mais combien de périodes prendre ?
  • modélisation de Koyck : q(t) = a0 + a0*q(t-1)+ b1*Pub(t)
    • par la présence de q(t-1), les effets sont géométriquement décroissants
    • b1, b1*a1, b1*a1²,  etc …

Data / application

  • une base de données américaines a fait l’objet de nombreuses études pendant la période d’analyse économétrique de données marketing rares (1970-1980) : Lydia Pinkham
  • il s’agit d’un médicament contre les douleurs menstruelles pour lequel on connait les données de ventes et les données publicitaires sur plusieurs décennies (y compris les périodes de guerre)
  • les données au format xls sont disponibles ICI : lydiapinkham
  • un programme SAS d’étude de ces données est disponible ICI : lecture des données lydia pinkham
  • Limites :
    • d’autres facteurs sont à prendre en compte, on peut penser par exemple à l’évolution de l’économie en intégrant le PNB (GDP en anglais)
    • la durée des effets peut être assez invraisemblable avec certaines modélisation : l’effet d’une campagne peut-il vraiment dépasser une voire 2 années ???

Graphique des données brutes

Lydia_0

Graphique d’un modèle simple

Lydia_1

 

Références additionnelles :

Publié dans Modèles Marketing