Statistiques pour le marketing

Bonjour a tous

D'abord, je dois signaler que je ne suis pas un PUR statisticien, mais j'ai utilise la distribution de Weibull pendant ma these.

Maintenant que je travaille au service marketing, je me suis rendu compte que les "commandes de clients" peuvent être modélisées par un distribution de Weibull

En clair, je considère que le premier jour de l’année fiscale est mon jour 0, et je calcule la probabilité de Weibull en fonction du nombre de jour jusqu’à obtention d'une commande.

Example:
Le 2 Janvier --> Jour 1 --> commande= 1
Le 10 Janvier-> Jour 9 --> commande= 1
Le 2 Février --> jour 32--> commande= 5
... et ainsi de suite
Le nombre de commandes reçue par jour est comptabilisé comme groupe (ou paramètre de pondération)

Question 1: Est-ce que quelqu'un ici a une experience passée ou un conseil a partage quand-a la méthodologie ou l'approche du problème? peut-être une méthode meilleure que Weibull?

Question 2:
Je veux construire un outil prédictif de l'evolution du marche: j'ai une large base de données des années précédentes et, hormis quelques similitudes, chaque année a ses propres spécificités. Pour l'exercice de l’année en cours, j'alimente ma base de données de manière régulière. Est-il possible de simuler, avec un certain degré de confiance, si le comportement de cette année sera similaire a une des années précédentes?

J'ai posé la meme question sur un forum anglais, et on m'a rétorque que:
1- Weibull est essentiellement orienté pour la caractérisation des temps de défaillance. Oui, c'est vrai, mais pas que...
2- On m'a conseille d’utiliser "Reliability growth modeling" (je ne trouve pas la bonne traduction française) quelqu’un peut m'en dire plus?

Merci encore

Simple_ingenieur a écrit:Question 1: Est-ce que quelqu'un ici a une experience passée ou un conseil a partage quand-a la méthodologie ou l'approche du problème? peut-être une méthode meilleure que Weibull?

L'approche du problème ? Mais quel problème ? Quelle est votre question ? Vous n'expliquer pas la question à laquelle vous voulez répondre.

Simple_ingenieur a écrit:Question 2:
Je veux construire un outil prédictif de l'evolution du marche: j'ai une large base de données des années précédentes et, hormis quelques similitudes, chaque année a ses propres spécificités. Pour l'exercice de l’année en cours, j'alimente ma base de données de manière régulière. Est-il possible de simuler, avec un certain degré de confiance, si le comportement de cette année sera similaire a une des années précédentes?

Si votre question, ici, est de savoir s'il y a une différence entre années, je commencerais par mettre en place une procédure de test comparant les années. Selon qu'elles apparaissent similaires ou nous vous aidera à savoir comment bâtir l'outil prédictif dont vous parlez.

HTH, Eric.

Eric,

Merci pour votre réponse.

Pour la Question 1, je voulais savoir si mon approche de modéliser la reception de commandes par mes clients via Weibull était une méthode sensée?

Comme je le disais, je voulais savoir si il y avait d'autres méthodes statistiques pour connaitre la probabilité d'avoir une commande à une date donnée? pour l'instant; Weibull me semble une bonne approche mais; comme je ne suis pas mathématicien, je me posais des questions.

Pour poser le problème plus clairement: je veux étudier le marche et; ainsi; savoir quel est le moment propice pour offrir des promotions à mes clients.

Concernant la Question 2, que voulez-vous dire par " une procédure de test comparatif"?

Si je me réfère à l'étude par Weibull, la seule procedure comparative que je fais pour l'instant, est de comparer les facteurs de forme et d’échelle des distributions

En tout cas, merci encore pour votre aide!

"Weibull" est le nom d'une distribution, avec une densité de probabilité, etc. Je ne comprends pas trop ce que vous voulez dire par "modéliser par une distribution de Weibull", comme je ne comprendrais pas ce que voudrait dire "modéliser par une distribution normale", etc.

Si je comprends bien, vous voulez juste savoir si la distribution de vos données suit une loi de Weibull ou non. C'est ça ? Et même si c'est cela, que voudrait dire alors le mots "modéliser"? Vous pouvez ajuster vos données à n'importe quelle distribution et comparer si la distribution observée correspond bien à la distribution théorique que vous avez ajustée. Cependant, il n'y a pas nécessairement besoin de faire cet ajustement pour "connaitre la probabilité d'avoir une commande à une date donnée". Vous pouvez - encore une fois si je comprends bien - estimer cette proba à partir de la distribution empirique de vos données (sans l'ajuster à une distribution théorique). Au risque de me répéter, vous devriez préciser votre question, et ce que vous voulez faire.

Par procédure de test comparatif, vous pouvez effectivement comparer les facteurs de forme et d'échelle (si cette information vous semble utile), ou juste comparer les moyennes, variances, etc. Ou même comparer globalement les distributions (encore une fois sans nécessairement ajuster ces distributions à des distributions théoriques).

J'espère être utile avec cette réponse, mais n'en suis pas sûr car votre question n'est pas parfaitement claire (pour moi).

Eric.

Eric,

Merci encore pour votre réponse et pour avoir bien compris ma problématique. Je pense que j'ai tout bonnement mal choisis les termes.

Effectivement, je veux savoir si mes données suivent une loi de Weibull.
L'utilisation du mot "modéliser" a peut être été un peu abusive. Le fait d'avoir une equation qui peut décrire la distribution de mes données, me permettra (du moins, c'est ce que j’espère) par la suite de prédire l'evolution future de mes données de l’année en cour (d'ou le choix du mot modéliser)

en d'autres termes: j'ai les facteurs de forme et d'échelle des années n-3, n-2 n-1, je regarde mes données de l’année n, et je peux me dire: ok, cette année, va probablement suivre une evolution similaire a (par example) l’année, n-2.

Je ne sais pas si cette nouvelle explication de ce que je veux faire est plus claire.

Si je comprends bien la phrase "sans l'ajuster à une distribution théorique", il me suffit de tracer un simple histogramme : Nbre commandes vs mois, et procéder a un test comparatif?

En tout cas, merci pour votre patience, et pour votre intérêt a ma problématique.

Si je peux me permettre:

Si vous étiez a ma place, que vous ayez une base de données avec les dates de commandes de clients durant les 4 dernières années, et que vous voudriez avoir un outil pour prédire le comportement du marche pour l’année en cours... vous vous y prendriez vous comment?

Merci

Oui,  "sans l'ajuster à une distribution théorique" veut dire que vous vous servez de la distribution empirique (celle observée sur vos données, par exemple effectivement avec un simple histogramme). Pour répéter, je ne saisi pas trop votre attachement à vérifier que la distribution de vos données suive bien une loi de Weibull ou non.

Pour la comparaison avec les années précédentes, je pense que voir si ces années se ressemblent (statistiquement) ou non est une bonne idée. Si elles sont toutes pareil, vous pouvez pooler ces années et avoir ainsi des estimations plus précises. Si non, vous pouriez essayer de trouver un tendance pour l'évolution au cours des années, et bâtir vos estimations sur cette tendance estimée.

Je ne suis pas sûr de pouvoir vous aider d'avantage à présent.

Cordialement, Eric.

Eric,

Encore une fois mille mercis!

Je vais essayer de travailler avec cette méthode.

Concernant Weibull, je n'essaie pas forcement de travailler avec... c'est juste que je trouve cette distribution très élégante: en regardant le facteur de forme, je peux savoir si ma distribution est aléatoire (facteur de forme=1) ou si ma distribution suit une règle intrinsèque a ma population (facteur de forme >1) ou si mes commandes arrivent dans l'urgence (facteur de forme <1)

Mais bon, probablement vous avez raison... je me complique l'existence pour rien ;oP

A très bientôt sur le forum