Prévoir la Willingness To Pay des clients à l’aide d’un outil de Price Optimization
Avis d'experts
News
12 juin 2023
Le marché est régi par les lois de l’offre et de la demande. Les producteurs veulent facturer le plus cher possible tandis que les consommateurs veulent payer le moins cher possible. Les produits sont généralement vendus à un tarif situé entre ces 2 extrêmes. Pour fixer le prix optimal d’un produit, il est essentiel de comprendre la Willingness to pay (WTP) du marché cible.
Dans cet article, nous allons découvrir ce qu’est la WTP, les outils et méthodes utilisés pour la prévoir et comment un outil de Price Optimization comme PROS Smart PO&M permet de la déterminer avec précision.
Qu’est-ce que la Willingness to pay (WTP) ?
En économie comportementale, la WTP est le prix maximum auquel un consommateur achètera certainement un produit. La WTP d’un consommateur pour un produit dépend du contexte d’achat, des différentes données démographiques, du client lui-même et peut fluctuer dans le temps.
Par exemple, un consommateur sera plus enclin à payer une boisson plus chère au bar d’un hôtel de luxe que si le même prix était proposé dans un bar éphémère de plage.
La WTP est généralement représentée par une fourchette de prix (prix planché et prix plafond) en fonction du contexte de vente plutôt que par un unique montant.
Comment prédire la WTP ?
Différentes méthodes peuvent être utilisées pour prédire la WTP des clients. Elles sont classées en fonction de leur source de données (« Etudes de marché » ou « Data Science ») et de leur complexité/précision (« Simple » ou « avancée »).
Classification des différentes méthodes d’étude.
- Data science
La Data Science consiste à créer une base de données transactionnelle sur les prix qui rassemblera et mettra à disposition toutes les données nécessaires à l’analyse, à la simulation et à la prédiction. Une fois les données disponibles, deux méthodes peuvent être utilisées pour prédire la volonté de payer des clients (cf. Graphique classification des méthodes).
L’analyse transactionnelle
Elle consiste à analyser et créer des segments à partir de ce que les clients achètent. Parmi les segments d’achat, les plus courants sont les caractéristiques du client (niveau de revenu, secteur d’activité, etc.) et du contexte d’achat (valeur des biens, période, etc.).
L’analyse du choix
Elle est basée sur le comportement des clients dans le monde réel (demandes des clients, offres/devis, résultats des gains/pertes…).
Les plateformes de Data Science peuvent analyser les millions de transactions effectuées construire des modèles de comportement d’achat qui peuvent être mis à jour en continu.
- Étude de marché
L’étude de marché est basée sur des enquêtes auprès des consommateurs. Elle utilise des données « relevées sur le terrain » : les clients énoncent leurs préférences, c’est-à-dire les produits et services qu’ils achèteraient et à quel prix dans tel ou tel contexte. Une fois les données récoltées, 2 méthodes peuvent être utilisées pour prédire la WTP.
1. La méthode de Van Westendorp
La méthode de Van Westendorp (économiste allemand) est une procédure simple et méthodique permettant de mesurer la sensibilité au prix d’un groupe de clients cibles. A partir d’un panel de plus ou moins 20 personnes, nous posons les 4 questions suivantes :
- Quel prix vous semblerait trop élevé ?
- Quel prix semblerait si bas qu’il soulèverait des doutes sur la qualité du produit dans votre esprit ?
- À quel prix le produit deviendrait-il assez cher pour que vous réfléchissiez avant de l’acheter ?
- Quel prix jugeriez-vous suffisamment avantageux pour acheter le produit sans hésiter ?
Ces quatre dimensions (trop cher, cher, bon marché et prix suspect) sont ensuite reportées dans un graphique comme celui-ci-après en fonction du nombre de réponses données afin de déterminer le prix plancher, le prix maximal, le prix optimal et le seuil d’acceptabilité.
La méthode Van Westendorp.
2. L’analyse conjointe
L’analyse conjointe est une méthode d’étude de marché plus complexe et plus précise. Elle nécessite un minimum de 100 clients interrogés qui sont invités à répondre de 20 à 30 scénarios de choix. Dans chaque scénario, les valeurs des attributs de chaque alternative varient. Elle permet d’identifier les préférences des clients sur les caractéristiques d’un produit ou d’un service, de manière plus détaillée.
- Complémentarité Data Science / Étude de marché
Les méthodes d’étude de marché reposent sur des préférences déclarées qui peuvent être biaisées. De plus, la mise à jour des résultats pour refléter les évolutions du marché peut avoir un coût important car il faut refaire l’étude dans un nouveau contexte. La Data Science ne présente pas ces inconvénients, de plus elle permet l’apprentissage automatique des données.
Cercle vertueux permettant d’alimenter la Willingness to pay.
En combinant la Data Science et les études de marché, les entreprises peuvent acquérir une compréhension plus complète de leurs clients et prendre des décisions plus éclairées quant à leurs attentes. Les études de marché peuvent fournir un contexte et une validation pour les résultats de la Data Science, tandis que la Data Science peut aider à faire évoluer et à automatiser les processus d’étude de marché et à constituer de nouvelles sources de données.
Utilisation d’un outil de Price Optimization pour prédire la WTP
Un outil de Price Optimization comme PROS Smart PO&M permet de collecter et d’analyser les données d’études de marché/Data Science.
Les principaux avantages de PROS Smart PO&M sont :
- Collecte de données : Il permet d’agréger efficacement les informations provenant de diverses sources dans un cube de données, permettant d’obtenir une vision globale du marché et de ses tendances,
- Analyse approfondie : Il permet d’identifier les modèles comportementaux des clients face aux fluctuation des prix. Il offre pour cela différents graphiques sur l’historique des ventes réelles aidant à mieux comprendre le besoin ou tout autres données statistiques pouvant provenir d’open data par exemple.
- Segmentation du marché : Segmenter ces analyses permettent de définir les différents groupes de consommateurs ayant des comportements similaires. Cela permet de cibler les politiques tarifaires à mettre en place pour atteindre la valeur du prix optimal pour chaque groupe de consommateur et rester dans la fourchette de prix cohérente avec la WTP de ce groupe de client,
- Prévisions et modélisation : Il permet aussi de prédire quelle sera la WTP en fonction de la croissance économique, les tendances saisonnières, les fluctuations de prix des concurrents, etc… Cela permet également de planifier efficacement les activités de marketing et de production.
Références
Pour aller plus loin sur le sujet, vous pouvez consulter les ouvrages et articles suivants :
Économie comportementale
Richard THALER : Advances in Behavioral Finance, Volume II (Roundtable Series in Behavioral Economics). Princeton University Press, 2005
Daniel SERRA : Économie comportementale. Economica, Paris, 2017
Willingness to pay
Miller, Klaus M., Hofstetter, Reto, Krohmer, Harley, Zhang, John Z : How Should Consumers’ Willingness to Pay be Measured? An Empirical Comparison of State-of-the-Art Approaches. Journal of Marketing Research, 2011
Auteurs
Xavier Besse, Senior Manager
Emmanuel Bischoff, Consultant Senior