Élasticité croisée avec des prix concurrents seulement mensuels

Marque d’huile d’olive, bouteilles d’un litre en grande distribution italienne, qui se demande si son vrai concurrent est le leader ou la marque de distributeur.

Un cas composite, construit à partir du genre de fichier que nous voyons presque chaque semaine. Une marque d’huile d’olive vierge extra en bouteilles d’un litre, vendue en grande distribution en Italie, solide numéro trois de la catégorie derrière le leader et les marques de distributeur (MDD). Pendant l’hiver, le coût de l’huile d’olive a fait monter tous les prix en rayon, et la marque s’est retrouvée dans un débat bien connu.

Les commerciaux disaient que la menace, c’était le leader. Le trade marketing disait que c’était la MDD, qui gagnait des parts depuis des années. La question qui nous est arrivée : « Qui nous prend vraiment du volume quand les prix bougent, le leader ou la MDD ? »

C’est exactement la question à laquelle répond l’élasticité croisée quand le fichier le permet. Le billet précédent de ce parcours est un cas où il le permettait. Ce fichier-ci ne le permettait pas.

À quoi ressemblait le fichier

Deux ans de données hebdomadaires, 104 lignes. Les unités et le prix en rayon de la marque, chaque semaine, tirés de ses données de distribution. Le prix en rayon de la MDD, chaque semaine, tiré du même portail distributeur. Et le prix du leader, que la marque n’obtenait d’aucun fournisseur de données. Une agence le relevait sur les sites des enseignes le premier lundi de chaque mois, si bien que le fichier le portait comme une seule valeur répétée sur quatre ou cinq semaines.

Puis l’hiver. De décembre à avril, les trois prix ont monté ensemble, avec les coûts. Le leader d’environ 17 %, la MDD d’environ 16 %, la marque elle-même d’environ 13 %. Ils ont monté les mêmes mois, par paliers comparables, et se sont détendus ensemble pendant l’été. Sur les deux ans, le prix du leader et celui de la MDD étaient corrélés à 0,94.

Pourquoi les maths ne peuvent pas les séparer

Une élasticité croisée s’estime à partir des semaines où le prix d’un concurrent a bougé et pas celui de l’autre. C’est ainsi que le modèle sait à quel mouvement votre volume a répondu. Dans ce fichier, de telles semaines n’existaient presque pas, pour deux raisons.

Les deux prix bougeaient ensemble. Avec une corrélation de 0,94, le modèle voit un seul mouvement, pas deux. Il sait que lorsque le rayon autour de vous a monté, votre volume a réagi. Il ne peut pas répartir cette réaction entre le leader et la MDD, parce qu’à chaque fois que l’un bougeait, l’autre aussi. tea affiche un facteur d’inflation de la variance (VIF) de 9,6 sur les deux coefficients, sa façon de dire que chaque estimation est surtout du bruit emprunté à l’autre.

Le prix du leader était aveugle la majeure partie du mois. Un relevé mensuel manque tout ce qui se passe entre deux lundis. Si le leader faisait une promotion de deux semaines au milieu du mois, le fichier ne la voyait jamais. Si le relevé tombait sur une semaine de promotion, le fichier enregistrait un prix promotionnel pour quatre semaines qui étaient surtout à prix plein. C’est une erreur de mesure sur un levier, et elle a un effet connu : elle tire le coefficient estimé vers zéro tout en élargissant son intervalle.

Le résultat, séparément : le leader à 0,9, avec un intervalle à 95 % de −0,6 à 2,4. La MDD à 0,3, intervalle de −1,2 à 1,8. Les deux intervalles passent largement par zéro, et tous deux sont assez larges pour accueillir n’importe quelle histoire que quelqu’un dans la salle voulait raconter.

Réunissez les deux dans un seul indice de prix du reste du rayon, pondéré par les parts, et l’image est nette : 1,1, avec un intervalle de 0,8 à 1,4. Le rayon compte beaucoup. Laquelle de ses deux moitiés compte, ce n’est pas dans les données.

Ce qui aurait mal tourné en forçant

Lisez les estimations centrales et le leader l’emporte, 0,9 contre 0,3. Cette lecture aurait lancé le budget promotionnel de la marque aux trousses du leader, à suivre ses offres, pendant que la MDD gardait son prix de tous les jours et peut-être le volume. Ou l’inverse. Avec des intervalles aussi larges, l’ordre des deux estimations centrales tient presque du pile ou face, et une stratégie promotionnelle bâtie sur un pile ou face est une façon coûteuse de l’apprendre.

Que faire à la place

• Obtenir des prix concurrents hebdomadaires. Un panel de mesure en distribution, ou le même relevé lancé chaque semaine plutôt que chaque mois. Le coût est faible à côté d’une seule vague promotionnelle mal dirigée. Comptez environ un an de données hebdomadaires, avec quelques semaines où les deux concurrents s’écartent, avant que la répartition devienne lisible.
• Planifier sur l’indice combiné en attendant. Le 1,1 est solide. Pour des scénarios de prix, « le rayon monte de 5 % » est une donnée utilisable, même quand « le leader monte de 5 % » ne l’est pas.
• Chercher les endroits où ils se sont écartés. Une enseigne a maintenu le prix de sa MDD pendant dix semaines alors que tous les autres montaient. Si le fichier peut être découpé par enseigne, ces dix semaines sont les lignes les plus informatives que possède la marque, et le MMM géo / segment est faite pour lire ce genre de découpage.
• Interroger les acheteurs. Les études de report d’achat coûtent peu et disent qui les acheteurs envisagent. Elles ne remplacent pas l’élasticité, mais elles peuvent départager.

La marque a fait la première et la troisième, et a convenu de revenir à la question dans le Récit des prix et promotions dans un an.

La leçon

Deux concurrents qui bougent toujours ensemble sont, pour un modèle, un seul concurrent. Si vous voulez savoir lequel des deux compte, il vous faut des semaines où ils ont fait des choses différentes, enregistrées au même grain que vos propres données. Un prix mensuel à côté d’un volume hebdomadaire n’est pas une version allégée du même fichier. C’est un fichier différent, et plus faible.