Lors des tests d’offres – qu’il s’agisse de produits, de concepts ou d’expériences – on recueille généralement un indicateur global d’appréciation, par exemple une note sur 10 ou une échelle allant de « me plaît énormément » à « ne me plaît pas du tout ».
Cet indicateur clé sert de KPI (Key Performance Indicator) et oriente souvent la prise de décision selon des standards prédéfinis : par exemple, on peut décider de lancer une nouvelle formule si elle obtient une note significativement supérieure à celle de la formule actuelle, avec un risque d’erreur limité à 5 %.
Au-delà de la simple mesure de la note globale, l’enjeu est de comprendre sur quels aspects agir pour faire progresser ce score.
Il s’agit donc d’identifier les leviers de l’appréciation, c’est-à-dire les caractéristiques de l’offre sur lesquelles intervenir pour optimiser la satisfaction globale.
Principes et limites des approches classiques de “Drivers of Liking”
La démarche la plus courante consiste à poser, en complément de la note globale, une série de questions fermées sur différentes dimensions du produit :
Échelle d’accord en 5 points
Exemple : « Êtes-vous tout à fait d’accord / plutôt d’accord / ni d’accord ni pas d’accord / plutôt pas d’accord / pas du tout d’accord » avec les affirmations suivantes :
- « Ce produit a une belle couleur. »
- « Ce produit a bon goût. »
- « Ce produit est rafraîchissant. »
Échelle critique en 5 points
Exemple : « Ce produit est “beaucoup trop sucré / un peu trop sucré / juste bien sucré / pas tout à fait assez sucré / pas du tout assez sucré”. »
À l’analyse, on tente de mettre en relation les réponses obtenues sur ces différents critères avec la note globale, afin de déterminer dans quelle mesure ils « expliquent » l’appréciation.
Différentes méthodes statistiques peuvent être mobilisées, depuis les simples corrélations (corrélation linéaire entre chaque dimension et la note globale) jusqu’à des modélisations plus complexes (réseaux bayésiens, régressions PLS, etc.).
Malgré leur intérêt, ces approches présentent plusieurs limites :
Hypothèse restrictive sur les dimensions mesurées
Les questions étant fermées et prédéfinies, elles supposent que l’on connaît déjà les dimensions importantes pour le répondant. Une dimension essentielle peut donc être totalement omise.
Pour éviter ce risque, les questionnaires ont tendance à s’allonger, ce qui peut nuire à l’engagement et à la qualité des réponses.
Bruit généré par les effets d’échelle et l’effet de halo
L’enchaînement d’une note globale suivie de multiples questions sur différents critères favorise l’effet de halo : un répondant ayant donné une excellente note globale aura tendance à se montrer positif sur tous les critères, et inversement.
Il devient alors difficile de repérer les sources d’optimisation pour un produit déjà très apprécié ou de déceler les ancrages positifs d’un produit globalement rejeté.
Comparabilité limitée entre différentes échelles
Lorsqu’on s’en tient à la méthode la plus simple (corrélations), il est difficile de comparer directement des dimensions mesurées sur des échelles d’accord à celles mesurées sur des échelles critiques (où l’optimum se situe au point central).
Des méthodes de modélisation plus évoluées (réseaux bayésiens, régressions PLS) peuvent contourner ce problème, mais elles sont coûteuses en temps et en expertise.
Au final, ces approches classiques peuvent se révéler incomplètes, biaisées et parfois peu opérationnelles pour déterminer précisément les leviers de l’appréciation globale.
Les principes de l’analyse émotionnelle R3MSCORE
Avec R3MSCORE, nous proposons une méthode radicalement différente pour identifier et hiérarchiser les drivers d’appréciation :
Expression spontanée plutôt que longue liste de critères
Au lieu de présenter une batterie de questions, on demande simplement au répondant de fournir trois mots qui lui viennent spontanément à l’esprit après avoir testé le produit.
Cette approche non inductive couvre un large éventail de perceptions et évite d’éventuels oublis d’éléments importants pour certains répondants.
Pondération émotionnelle des mots
Un modèle exclusif d’analyse émotionnelle permet d’attribuer à chaque mot un poids qui reflète à la fois son intensité émotionnelle et sa valence (positive ou négative).
Cet algorithme prend en compte plusieurs critères : nature grammaticale, posture énonciative, consensus ou divergences entre répondants, etc.
Analyse sémantique et regroupement thématique
Les mots spontanés sont regroupés selon leur sens. Par exemple : « frais », « rafraîchissant », « fraîcheur », « très frais », « boisson rafraîchissante » sont intégrés dans le même ensemble « frais, rafraîchissant ».
En pratique, à partir de l’ensemble des mots collectés (3 par répondant), on obtient ainsi 30 à 40 groupes de mots, chacun doté d’un score d’activation émotionnelle. Ce score d’activation est la somme de tous les poids attribués aux mots constitutifs du groupe.
R3MSCORE : un KPI émotionnel
L’indicateur global R3MSCORE est la somme de l’activation émotionnelle (positive et négative) générée par l’expérience produit. On visualise ensuite la contribution de chaque groupe de mots à ce score global.
Par exemple, si le produit suscite une forte activation émotionnelle positive (supérieure à la norme de performance de 30), les ressentis dominants (p. ex. fraîcheur, goût fruité, légèreté, etc.) apparaissent comme les principaux leviers positifs, tandis que d’éventuelles connotations négatives (goût chimique, trop sucré, etc.) ressortent distinctement.
Une nouvelle approche des Drivers of Liking grâce à l’analyse émotionnelle
Le croisement entre l’analyse R3MSCORE et la note d’appréciation globale permet d’identifier clairement les « drivers » du liking.
Concrètement, on compare la carte R3MSCORE des personnes ayant attribué une note globale faible (par exemple de 1 à 6 sur 10) à celle des répondants ayant accordé une excellente note (de 8 à 10).
L’analyse des écarts entre ces deux cartes met aussitôt en évidence une hiérarchie des facteurs qui influencent la note globale.
Dans l’exemple ci-dessous, on constate un alignement entre l’activation émotionnelle R3MSCORE (issue des trois mots spontanés) et la note déclarée : le R3MSCORE est de 11 chez ceux qui ont donné une note de 1 à 6, contre 38 pour ceux ayant attribué une note de 8 à 10.
En comparant les deux cartes (CF graphique de droite), on voit émerger les principaux « drivers » à prioriser pour améliorer l’appréciation globale du produit : la fraîcheur (driver positif), la perception chimique ou artificielle (driver négatif), l’intensité du goût ainsi que son caractère fruité.
Comparaison avec les analyses traditionnelles de drivers
Par rapport aux méthodes habituelles, l’approche R3MSCORE est plus « pure » :
- Aucune induction : les dimensions ne sont pas imposées ; elles émergent librement des mots spontanés.
- Aucun biais d’échelle ou d’effet de halo : on ne pose pas une batterie de questions successives après la note globale.
- Analyse très riche avec seulement deux questions :
- Les 3 mots spontanés.
- La note d’appréciation globale.
Finalement, avec seulement deux questions (trois mots spontanés et la note globale), nous obtenons une analyse très riche.
Nous disposons à la fois d’un KPI émotionnel (le R3MSCORE) et d’un KPI déclaratif (la note d’appréciation), ainsi que de la hiérarchie des leviers qui influencent ces deux indicateurs.
Cette méthode se révèle particulièrement efficace lorsque le répondant évalue une série de stimuli successifs : grâce à un questionnaire très concis, on limite la fatigue et les biais potentiels, tout en préservant la spontanéité et la pertinence des réponses pour chaque produit.
0 commentaires