5 questions fréquentes auxquelles les analyses bayésiennes peuvent répondre !

5 questions fréquentes auxquelles les analyses bayésiennes peuvent répondre !

Si l’un des objectifs de l’étude de satisfaction est de mettre en évidence les points forts et les points faibles d’un parcours client, on ne doit pas s’arrêter à ce premier constat.
L’objectif essentiel d’une étude de satisfaction est d’identifier quels sont les critères qui construisent réellement l’opinion de vos clients afin de mettre en place des plans d’actions.
Parmi les différentes méthodes de calcul de l’importance des critères, les analyses bayésiennes permettent de calculer l’importance des critères et de représenter graphiquement les interactions entre les différents moments clés du parcours client. Il s’agit de l’une des premières réponses des analyses bayésiennes, que nous vous détaillons ci-après.

Découvrez les réponses des analyses bayésiennes à 5 questions fréquentes !

1- Quels sont les items les plus impactants dans l’opinion de mes clients ?

C’est la première et la plus courante utilisation des analyses bayésiennes dans les enquêtes de satisfaction. Les analyses bayésiennes utilisent des calculs de probabilités pour mettre en évidence les liens entre la satisfaction globale et les notes obtenues sur les différents critères de mesure. On dispose alors de plusieurs informations :

  • Les critères qui ont un lien ou un impact direct avec la satisfaction globale : les Drivers, agir sur ces critères aura un impact fort et direct sur l’opinion globale des clients.
  • Les critères qui n’ont pas de lien direct avec la satisfaction globale mais qui ont un impact fort sur les critères Drivers : les Starters, agir sur ces critères aura, par effet billard, un impact fort sur l’opinion globale des clients.

2- Les questions dans mon enquête sont-elles les bonnes pour mesurer l’opinion de mes clients ?

Le principe des analyses bayésiennes repose sur la construction d’un réseau : au centre, la variable à expliquer. Un des calculs préliminaires important est le calcul de la « pureté moyenne de la cible » qui va permettre d’obtenir un indicateur essentiel : le % de la variable cible qui est expliqué avec les différentes questions du questionnaire.

Quand un questionnaire est bien construit, on obtient généralement un taux de 70% à 90%. Ce taux signifie que les questions posées permettent d’expliquer 70% à 90% de la variable cible.

  • Si on ne posait pas la question de satisfaction globale, le modèle serait capable de la recomposer à 70% par exemple

On obtient parfois des taux plus faibles avec lesquels il faut s’accommoder. D’une manière générale, des taux inférieurs à 60% doivent nous alerter car dans ce cas, soit il manque des questions, soit les questions posées n’expliquent pas ce que l’on cherche à mesurer.

3- Mon questionnaire est trop long, comment le réduire sans se tromper ?

Comme expliqué précédemment, les analyses bayésiennes vont mettre en évidence des liens plus ou moins forts entre une variable à expliquer et des questions.

Les calculs de probabilité peuvent alors faire apparaitre des questions qui ne servent pas à expliquer la variable cible : on peut donc les supprimer ! Cela peut s’expliquer, soit parce que ces questions ne concernent que très peu d’individus soit car ces questions n’entrent pas dans la construction de l’opinion des clients.

  • Cela arrive souvent dans des questionnaires barométriques sur lesquels on a eu tendance, vague après vague, à ajouter des questions pour un point en particulier ou pour un département de l’entreprise.

L’interprétation du réseau bayésien va également permettre d’identifier des questions ou des items qui présentent un poids extrêmement faible. Ces questions n’ont pas ou peu d’influence sur d’autres items et aucune sur l’opinion globale des clients : on peut alors également les supprimer !

  • Cela arrive fréquemment sur des questionnaires très détaillé avec des nuances parfois trop fines entre des questions.

4- Certains moments du parcours ont-ils une importance plus forte que d’autres ?

En plus des liens avec la satisfaction globale et des inter-corrélations entre critères, les analyses bayésiennes nous apportent également des indications de poids.

On peut ainsi identifier le poids d’un critère en particulier dans la construction de l’opinion des clients mais on peut également disposer des poids des différentes étapes du parcours clients.

Cette analyse est particulièrement intéressante pour mettre sous contrôle une étape plutôt qu’une autre car les analyses bayésiennes ont mis en évidence l’impact qu’une étape dans la relation est cruciale et qu’elle peut avoir un impact sur tout le reste du parcours ou sur l’opinion générale du client.

5- Comment montrer que travailler sur un point rapportera plus que sur un autre ?

Les analyses bayésiennes sont des analyses dynamiques qui permettent d’obtenir de nombreux enseignements sur les liens, les poids et les influences des différentes dimensions mesurées.

Certains logiciels – et c’est le cas de Bayesia Lab, le logiciel que nous utilisons chez INIT -, permettent de simuler des progressions sur des questions et ainsi en mesurer l’impact sur la satisfaction globale. C’est une façon très opérationnelle d’appréhender ces analyses statistiques de probabilité et de rendre les résultats actionnables pour montrer en interne qu’on ne doit pas s’arrêter à la simple analyse des points forts et des points faibles mais qu’il faut prendre en compte, pour bâtir un plan d’action efficace, le fait que certains éléments dans le parcours du client, ont plus d’importance que d’autres.

Les analyses bayésiennes sont donc une des méthodes qui permettent de calculer l’importance des critères. Il y en a d’autres et je vous invite à lire cet autre billet de blog dans lequel nous avons répertorié 8 méthodes différentes d’analyse de l’importance.

Dans les enquêtes de satisfaction, ces analyses sont le plus souvent utilisées pour identifier les critères leviers – ceux qui ont le plus d’impact dans la construction de l’opinion des clients –  autrement dit, ceux sur lesquels il est essentiel d’agir pour faire progresser la satisfaction des clients.

Rien ne sert de savoir si on est bon ou mauvais si on ne sait pas ce qui compte pour les clients !

Imprimer cet article
Stéphanie Passareira

Stéphanie Passareira

Directrice Générale Adjointe d'INIT.
20 ans d'expérience dans le secteur des études marketing client.

Me contacter
Stéphanie Passareira
Directrice Générale Adjointe d'INIT. 20 ans d'expérience dans le secteur des études marketing client. Me contacter

0 Avis

Laisser une réponse

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*