FRENITESDE

Research & Evidence

Rechercher une méthode

Recherchez parmi les titres, les questions, les territoires et les identifiants MSC.

40 résultats
  1. MSC-P-001Comment transformer une affirmation marketing en question testable ?Science de la décision↗
  2. MSC-P-002Corrélation ou causalité : que permet réellement d’affirmer une analyse ?Mesure marketing↗
  3. MSC-P-003Comment exprimer l’incertitude d’un résultat marketing ?Science de la décision↗
  4. MSC-P-004Significativité ou taille d’effet : quel résultat faut-il interpréter ?Science de la décision↗
  5. MSC-P-005Comment mesurer un construit marketing qui n’est pas directement observable ?Études de marché↗
  6. MSC-P-006Comment concevoir puis valider une échelle de mesure ?Études de marché↗
  7. MSC-P-007Alpha ou oméga : comment évaluer la fiabilité d’une échelle ?Études de marché↗
  8. MSC-P-009ACP, AFE ou AFC : quelle méthode choisir ?Études de marché↗
  9. MSC-P-010Quand faut-il mener une expérience marketing ?Mesure marketing↗
  10. MSC-P-011Comment concevoir un A/B test qui estime réellement un effet ?Mesure marketing↗
  11. MSC-P-012De combien d’observations une expérience a-t-elle besoin ?Science de la décision↗
  12. MSC-P-013Comment mesurer l’effet incrémental d’une campagne avec un groupe témoin ?Mesure marketing↗
  13. MSC-P-017Comment détecter sélection, contamination et attrition dans une expérience ?Mesure marketing↗
  14. MSC-P-018Régression prédictive ou causale : qu’essaye-t-on d’estimer ?Modèles marketing↗
  15. MSC-P-019Comment diagnostiquer une régression marketing avant de l’interpréter ?Modèles marketing↗
  16. MSC-P-022Comment estimer une élasticité-prix et son incertitude ?Science des prix↗
  17. MSC-P-026Logit vs Probit : comment choisir pour une probabilité d’achat ?Science client↗
  18. MSC-P-029Quels clients présentent la probabilité de churn la plus élevée ?Science client↗
  19. MSC-P-027TAM, UTAUT ou UTAUT2 : quel cadre pour étudier l’acceptation d’une technologie ?Études de marché↗
  20. MSC-H-001Mesure et causalité : comment établir un effet marketing ?Mesure marketing↗
  21. MSC-H-002Modèles de réponse marketing : forme, délai et saturationModèles marketing↗
  22. MSC-H-003Science des prix : relier prix, demande et contributionScience des prix↗
  23. MSC-H-004Science client et choix : comportement, valeur et hétérogénéitéScience client↗
  24. MSC-H-005Science de la mesure : construire des indicateurs validesÉtudes de marché↗
  25. MSC-H-006Méthodes statistiques de décision : choisir, quantifier, validerScience de la décision↗
  26. MSC-P-008Comment valider une échelle de mesure marketing ?Études de marché↗
  27. MSC-P-014Comment concevoir une expérience géographique marketing ?Mesure marketing↗
  28. MSC-P-015Comment estimer un effet avec une différence-de-différences ?Mesure marketing↗
  29. MSC-P-020Comment traiter l’endogénéité du prix ?Science des prix↗
  30. MSC-P-021Effets fixes ou aléatoires : quel modèle de panel choisir ?Modèles marketing↗
  31. MSC-P-023Comment estimer une fonction de demande ?Science des prix↗
  32. MSC-P-024Comment simuler un scénario prix-volume-marge ?Science des prix↗
  33. MSC-P-028Comment estimer la CLV avec BG/NBD et Gamma-Gamma ?Science client↗
  34. MSC-P-030Comment analyser la rétention avec un modèle de survie ?Science client↗
  35. MSC-P-031Comment construire une segmentation client utile ?Science client↗
  36. MSC-P-032Comment tester la stabilité d’une segmentation ?Science client↗
  37. MSC-P-033Comment valider une prévision marketing ?Science de la décision↗
  38. MSC-P-034Comment construire une simulation Monte Carlo pour une décision marketing ?Science de la décision↗
  39. MSC-P-035Comment modéliser saturation et adstock ?Modèles marketing↗
  40. MSC-P-039Quel test statistique choisir ?Science de la décision↗

Research & Evidence · Comprendre en pratiquant.

Des outils pour analyser,
comprendre et décider en marketing

Un laboratoire public consacré aux méthodes, aux données et aux preuves qui éclairent les décisions marketing.

Explorer les méthodes ↘Voir les datasets →
01 Hypothèses explicites02 Données téléchargeables03 Limites explicites
Notre contrat de preuve 01 / 04

De la question à la décision

Une méthode n’a de valeur que si elle peut être comprise, reproduite et contestée.

Le laboratoire adopte un protocole unique pour ses dossiers de référence. Il montre ce que les données permettent d’établir — et ce qu’elles ne permettent pas de conclure.

Voir les dossiers phares ↓
  1. 01Question
  2. 02Hypothèses
  3. 03Données
  4. 04Modèle
  5. 05Calcul
  6. 06Incertitude
  7. 07Limites
  8. 08Décision
Territoires scientifiques 02 / 04

Le pôle scientifique et méthodologique

Six disciplines.
Une même exigence.

Six champs pour mesurer les effets, expliciter les modèles et mieux délimiter ce que les données permettent de décider.

01Δ

Mesure marketing

Mesurer les effets marketing en séparant attribution, incrémentalité et causalité.

  • MMM
  • Incrémentalité
  • Expérimentation
02ε

Science des prix

Relier prix, demande et valeur perçue avec des hypothèses et des incertitudes explicites.

  • Élasticité
  • Consentement à payer
  • Analyse conjointe
03C

Science client

Analyser valeur client, rétention et comportements dans le temps sans masquer les limites des données.

  • CLV
  • Attrition
  • Cohortes
04μ

Études de marché

Concevoir des mesures fiables pour observer marchés, perceptions et préférences.

  • Échantillonnage
  • Échelles
  • Biais
05ƒ

Modèles marketing

Formaliser réponse, diffusion et demande pour comparer des mécanismes plutôt que raconter une courbe.

  • Saturation
  • Effet différé
  • Fonctions de demande
06P

Science de la décision

Comparer des scénarios et quantifier l’incertitude avant de préparer un arbitrage humain.

  • Monte Carlo
  • Sensibilité
  • Bayes
Bibliothèque de méthodes 40 / 40

40 dossiers de référence

De la question à une méthode contestable.

Chaque dossier expose la cible statistique, les données, le calcul, l’incertitude, les contrôles et la limite de décision.

01MSC-P-001

Fondements de la preuve

Comment transformer une affirmation marketing en question testable ?

Ouvrir le dossier↗
02MSC-P-002

Fondements de la preuve

Corrélation ou causalité : que permet réellement d’affirmer une analyse ?

Ouvrir le dossier↗
03MSC-P-003

Fondements de la preuve

Comment exprimer l’incertitude d’un résultat marketing ?

Ouvrir le dossier↗
04MSC-P-004

Fondements de la preuve

Significativité ou taille d’effet : quel résultat faut-il interpréter ?

Ouvrir le dossier↗
05MSC-P-005

Science de la mesure

Comment mesurer un construit marketing qui n’est pas directement observable ?

Ouvrir le dossier↗
06MSC-P-006

Science de la mesure

Comment concevoir puis valider une échelle de mesure ?

Ouvrir le dossier↗
07MSC-P-007

Science de la mesure

Alpha ou oméga : comment évaluer la fiabilité d’une échelle ?

Ouvrir le dossier↗
08MSC-P-009

Science de la mesure

ACP, AFE ou AFC : quelle méthode choisir ?

Ouvrir le dossier↗
09MSC-P-010

Expérimentation et causalité

Quand faut-il mener une expérience marketing ?

Ouvrir le dossier↗
10MSC-P-011

Expérimentation et causalité

Comment concevoir un A/B test qui estime réellement un effet ?

Ouvrir le dossier↗
11MSC-P-012

Expérimentation et causalité

De combien d’observations une expérience a-t-elle besoin ?

Ouvrir le dossier↗
12MSC-P-013

Expérimentation et causalité

Comment mesurer l’effet incrémental d’une campagne avec un groupe témoin ?

Ouvrir le dossier↗
13MSC-P-017

Expérimentation et causalité

Comment détecter sélection, contamination et attrition dans une expérience ?

Ouvrir le dossier↗
14MSC-P-018

Régression et économétrie

Régression prédictive ou causale : qu’essaye-t-on d’estimer ?

Ouvrir le dossier↗
15MSC-P-019

Régression et économétrie

Comment diagnostiquer une régression marketing avant de l’interpréter ?

Ouvrir le dossier↗
16MSC-P-022

Science des prix

Comment estimer une élasticité-prix et son incertitude ?

Ouvrir le dossier↗
17MSC-P-026

Modèles de choix

Logit vs Probit : comment choisir pour une probabilité d’achat ?

Ouvrir le dossier↗
18MSC-P-029

Science client

Quels clients présentent la probabilité de churn la plus élevée ?

Ouvrir le dossier↗
19MSC-P-027

Science de la mesure

TAM, UTAUT ou UTAUT2 : quel cadre pour étudier l’acceptation d’une technologie ?

Ouvrir le dossier↗
20MSC-H-001

Expérimentation et causalité

Mesure et causalité : comment établir un effet marketing ?

Ouvrir le dossier↗
21MSC-H-002

Régression et économétrie

Modèles de réponse marketing : forme, délai et saturation

Ouvrir le dossier↗
22MSC-H-003

Science des prix

Science des prix : relier prix, demande et contribution

Ouvrir le dossier↗
23MSC-H-004

Science client

Science client et choix : comportement, valeur et hétérogénéité

Ouvrir le dossier↗
24MSC-H-005

Science de la mesure

Science de la mesure : construire des indicateurs valides

Ouvrir le dossier↗
25MSC-H-006

Fondements de la preuve

Méthodes statistiques de décision : choisir, quantifier, valider

Ouvrir le dossier↗
26MSC-P-008

Science de la mesure

Comment valider une échelle de mesure marketing ?

Ouvrir le dossier↗
27MSC-P-014

Expérimentation et causalité

Comment concevoir une expérience géographique marketing ?

Ouvrir le dossier↗
28MSC-P-015

Expérimentation et causalité

Comment estimer un effet avec une différence-de-différences ?

Ouvrir le dossier↗
29MSC-P-020

Science des prix

Comment traiter l’endogénéité du prix ?

Ouvrir le dossier↗
30MSC-P-021

Régression et économétrie

Effets fixes ou aléatoires : quel modèle de panel choisir ?

Ouvrir le dossier↗
31MSC-P-023

Science des prix

Comment estimer une fonction de demande ?

Ouvrir le dossier↗
32MSC-P-024

Science des prix

Comment simuler un scénario prix-volume-marge ?

Ouvrir le dossier↗
33MSC-P-028

Science client

Comment estimer la CLV avec BG/NBD et Gamma-Gamma ?

Ouvrir le dossier↗
34MSC-P-030

Science client

Comment analyser la rétention avec un modèle de survie ?

Ouvrir le dossier↗
35MSC-P-031

Science client

Comment construire une segmentation client utile ?

Ouvrir le dossier↗
36MSC-P-032

Science client

Comment tester la stabilité d’une segmentation ?

Ouvrir le dossier↗
37MSC-P-033

Régression et économétrie

Comment valider une prévision marketing ?

Ouvrir le dossier↗
38MSC-P-034

Fondements de la preuve

Comment construire une simulation Monte Carlo pour une décision marketing ?

Ouvrir le dossier↗
39MSC-P-035

Régression et économétrie

Comment modéliser saturation et adstock ?

Ouvrir le dossier↗
40MSC-P-039

Fondements de la preuve

Quel test statistique choisir ?

Ouvrir le dossier↗
Laboratoire de données ouvertes 04 / 04

Datasets reproductibles

Apprendre sur des données que l’on peut inspecter.

Chaque jeu d’exemple est synthétique, documenté et volontairement compact. Il sert à reproduire une méthode, pas à généraliser un résultat au marché.

FORMAT CSV UTF‑8 LICENCE CC0 1.0
Variables, méthodes et limites →
MSC-001

Price Elasticity

Prix · volume · saisonnalité · 24 observations

CSV ↓
MSC-002

Advertising Response

Dépense · exposition · réponse · 24 observations

CSV ↓
MSC-005

Promotion Incrementality

Test · contrôle · ventes · 24 observations

CSV ↓
MSC-004

Customer Lifetime Value

Récence · fréquence · valeur · 30 clients

CSV ↓
MSC-006

Marketing Mix Modeling

Canaux · ventes · contrôles · 36 périodes

CSV ↓
MSC-007

Measurement Validity

Répondants · items · groupes · 30 répondants

CSV ↓
MSC-010

Monte Carlo Inputs

Scénarios · distributions · dépendances · 24 hypothèses

CSV ↓
Outils reproductibles 05 / 05

MSC-T01 — MSC-T08

Cinq calculs, cinq frontières d’interprétation.

Chaque outil rend le calcul visible et rappelle ce qu’il ne prouve pas.

MSC-T01

Taille d’échantillon A/B

3 841 par groupe

Approximation normale bilatérale, allocation 1:1, puissance 80 %, α = 5 %, sans attrition ni effet de plan.

MSC-T02

Différence-de-différences

Différence-de-différences: +7.0 points d’indice

Contraste 2×2 descriptif ; causal seulement si le design justifie les tendances parallèles.

MSC-T04

Élasticité constante

-6.6%

Scénario conditionnel, pas recommandation de prix.

MSC-T05

Prix-volume-marge

P₀ 100 € · VC 55 € · Q₀ 10 000
Variation de contribution: +3.8%

Scénario conditionnel, pas recommandation de prix.

MSC-P-024 →
MSC-T08

Monte Carlo

Probabilité d’une contribution positive: ≈ 99.9% (erreur-type MC ≈ 0.1 pp · IC Wilson à 95 % ≈ 99.6–100.0%)

2 000 tirages à graine fixe ; seule l’élasticité suit une normale non bornée, sans les dépendances de MSC-010.

MSC-P-034 →