La dynamique du questionnaire

Dans la construction du questionnaire, la dynamique de celui-ci est un point relativement logique et rapide à aborder mais néanmoins très important.

Un questionnaire doit en effet permettre de répondre aux besoins en information que nous avons... mais il doit le faire de façon intelligente. Et une règle s'impose ici : construire son questionnaire. Celui-ci doit en effet suivre un déroulement logique, écrit (ou en tout cas prévu) à l'avance par l'institut.

Ainsi, et dans la plupart des cas, le questionnaire est construit en entonnoir : on pose les questions les plus larges et les moins implicantes en premier. Cela permet de mettre à l'aise l'interrogé (qui prend le temps de s'acclimater avec le sujet pendant ces questions) et de recentrer peu à peu "l'interview" sur les questions plus précises ou sur les questions plus difficiles voire sur la vie privée.

Dans la même logique de progression, si votre questionnaire comporte plusieurs thèmes ne s'enchaînant pas forcément logiquement, il est préférable d'écrire noir sur blanc des phrases de transition entre les thèmes ("nous allons maintenant parler de..."). Cela facilitera la tâche au terrain et permettra de ne pas désarçonner l'interviewé avec une question innattendue (et donc potentiellement mal comprise).

De plus, la plupart des questionnaires comporte des questions filtres. Celles-ci viennent séparer l'échantillon de répondants : certains répondront à des questions que les autres sauteront. Il faut alors anticiper la place de ces filtres, et vérifier la logique d'enchainement du questionnaires pour les individus filtrés et les non filtrés. Personnellement, j'ai tendance à recommander de ne pas trop utiliser les questions filtres (même si elles sont très pratiques) : utilisées à outrance, elles viennent fortement compliquer le questionnaire.

Enfin, les questions de profil doivent également faire l'objet d'une petite réflexion au moment de la construction du questionnaire. Souvent placées à la fin du questionnaire, elles doivent absolument contenir toutes les infos nécessaires pour un éventuel futur ciblage. A noter qu'elles sont, bien sur, parfois placées en début de questionnaire, notamment lors d'échantillon par quotas, afin de vérifier dès le début les quotas et de ne poursuivre l'interview que si nécessaire.

Concernant les questions de profil, pour ceux qui l'ignorent, les questionnaires sont anonymes, cette règle faisant partie du code de déontologie des instituts d'étude (règle rappelée dans la charte des pratiques éthiques dans les études sur Internet).

Construire le questionnaire (1) : processus d'élaboration

Suite aux dernières étapes passées en revue dans ce blog, vous avez maintenant les principaux outils pour constituer votre échantillon. Il convient maintenant d'interroger cet échantillon via un questionnaire.

L'étape de la construction du questionnaire est fondamentale dans l'étude. Sans un bon questionnaire, impossible de répondre à la problématique posée... et les nuances dans les questions et dans le questionnaires sont nombreuses, la construction du questionnaire va donc solliciter notre intérêt pendant plusieurs notes.

Ici, je vous renvoie vers MARKET. Dans ce livre les étapes de construction d'un questionnaire sont très bien listées ; voici un shéma synthétique reprenant celles-ci :

La première étape semble assez simple, c'est celle qui amène à faire l'étude. Toutefois, on comprend rapidement, quand on regarde la deuxième étape que ce n'est pas si simple. En effet, traduire la problématique en besoins en information permet de limiter les contours des celle-ci, ce qui est déjà très complexe. En effet, que celui qui n'a jamais eu du mal à limiter son client sur les informations à collecter avec le questionnaire me jette la première pierre !

Il convient alors, dans ces deux premières étapes de se concentrer sur les besoins en information relatif à l'étude... et non de laisser libre champs à toutes les questions, le client "profitant" de l'étude pour interroger sur tout et n'importe quoi. Cela peut être facilité si le problème a bien été posé dès le début (dans la proposition commerciale, l'institut intègre souvent une partie "problématique") et les hypothèses de recherche définies (encore une fois, je vous renvoie vers Market, très complet sur le sujet).

Une fois les besoins en information bien définis et limités, ceux-ci doivent être traduit en questions. Nous le verrons dans les prochaines notes sur le questionnaire, un vaste travail attend ici l'institut. Il s'agit de trouver les questions idéales pour mesurer un phénomène, alors que les possibilités sont nombreuses et les biais possibles encore plus importants. Ici, tout compte : la question, son type, sa nature, ses modalités de réponses, sa capacité à mesurer un phénomène et l'ordre qu'elle a dans le questionnaire (d'ou un traitement en plusieurs notes).

Nous avons déjà vu les questions d'échantillonnage et de mode d'interview, je vous renvoie ici.

Enfin, une fois élaboré, le questionnaire n'est théoriquement pas terminé. L'étape du prétest n'est pas courante en institut mais plus en recherche. En général, ce prétest se fait sur une trentaine de personnes ; celui-ci permet de valider le premier jet ou d'y porter des modifications avant validation avec le client.

Comme je vous le disais, nous nous attarderons sur plusieurs de ces étapes et sous-étapes dans les prochaines notes, notamment sur la dynamique du questionnaire, les types et natures des questions, et les biais.

Quel mode d'enquête ?

Nous l'avons vu, un institut propose à son client/prospect une méthodologie à partir de contrainte théoriques (échantillons probabilistes et empiriques : 1, 2, 3 / les panels, / la représentativité 1 et 2) et de contraintes pratiques :

Nous avons déjà présenté les différentes méthodes probabilistes et empiriques de sondage qu'il existe.

Notons cependant qu'il existe différents modes d'enquête qui peuvent s'appliquer pour chaque des méthodes de sondage :

• L'enquête par téléphone.
• L'enquête postale.
• L'enquête par Internet.
• L'enquête en face à face.

Voici les principaux avantages et inconvénients de ces méthodes :

	L'enquête par téléphone	L'enquête postale	L'enquête par Internet	L'enquête en face à face
Durée d'administration	Ne doit pas excéder 30 min.	Privilégier des questionnaire de 5 à 6 pages	Ne doit pas excéder 10 à 15 min.	Peut durer plus d'une heure si rdv. Sinon ne doit pas excéder 10 à 15 min.
Souplesse d'administration	Difficulté pour montrer des images mais interactions possibles entre enquêteur / enquêté	Aucune interaction possible	Possibilité de montrer des images, quelques interactions via les filtres	Souplesse totale : possibilité de tester des objets, des packaging, etc.
Rapidité de la réalisation de l'enquête	Rapide (si les fichiers sont bons > un bon fichier contient 3 ou 4 fois le nombre d'interviews à faire)	Lent voire très lent	Rapide (si suffisament de contacts). Possibilité d'avoir un traitement automatisé des réponses	Variable (dépend de la cible)
Contrôle de l'échantillon	Maîtrise totale	Aucune maîtrise (qui répond ?)	Maîtrise totale mais difficile d'avoir un échantillon représentatif de la population française (personnes agées peu équipées par exemple)	Maîtrise totale
Couverture géographique	Grande voire illimitée	Grande voire illimitée	Illimitée	Limitée (coûts d'enquête)
Taux de non réponse	Le taux de non réponse varie souvent entre 20 et 40%. Problème des listes rouges	Taux de non réponse souvent très élevé	Le taux de non réponse varie mais semble relativement élevé (si vous avez des infos, je suis preneur)	Très variable
Coûts	Coûts dépendent de la distance des appels	Coûts postaux	Coûts peu élevés	Coûts plus élevés (frais de déplacement, etc.)
Avantages notables	- Possibilité de fixer des Rdv - Bonne implication des répondants - Grande possibilité de contrôle du terrain	- Grande liberté de réponse pour l'interviewé - Possibilité de faire une opération de communication en même temps que l'enquête	- Grande liberté de réponse pour l'interviewé - Gestion des quotas automatisée - Coûts	- Enquête in situ - Dialogue, possibilité de poser des questions plus "privées" - Opération de communication interne auprès du personnel qui voit le déroulement de l'enquête
Inconvénients notables	- Nécessite de bons fichiers - Durée du questionnaire réduite	- Nécessite un gros travail sur le questionnaire, qui doit être limpide - Délais alongés - Réponses parfois illisibles, questionnaires inexploitables - Taux de non réponse	- Seuls les internautes peuvent répondre - Taux de non réponse	- Biais d'enquête - Organisation complexe - Coûts

La représentativité (part. III) : les intervalles de confiance : quelle taille d'échantillon pour quelle précision ? + un cadeau !

Si vous avez suivi ce qu'on a vu, théoriquement, vous savez comment obtenir un échantillon représentatif de votre population.

Petit rappel : cet échantillon peut être représentatif car vous avez utilisé une méthode probabiliste ou parce que vous avez construit votre échantillon de façon à ce qu'il reflète quelques caractéristiques clés de la population (on peut vérifier cette représentativité avec le test d'ajustement du khi² et dans le cas où l'échantillon n'est pas représentatif, on peut recourir aux redressements).

Maintenant il s'agit de savoir combien d'individus vous allez interroger.

Bien entendu, cela dépendra en grande partie du budget et de la méthode de sondage. Mais pas seulement. Le nombre d'individus interrogés va en effet jouer sur la précision des résultats que nous allons obtenir une fois les questionnaires administrés et saisis.

La confiance que l'on va accorder à nos résultats va donc changer en fonction du nombre d'individus interrogés.

A noter qu'à la base, l'intervalle de confiance (ou marge d'erreur) est un principe statistique qui ne s'applique théoriquement qu'aux échantillons aléatoires, mais les gens des études étant prudents, ils ont généralisé cette pratique aux échantillons empiriques.

Le principe est plutôt simple : si 10% des gens que vous avez interrogé répondent "oui, j'ai l'intention d'acheter le produit X", on ne pourra dire que dans la population (française par exemple), 10% des gens auront l'intention d'acheter le produit... A cause des effets de hasard, un peu de prudence est en effet de rigueur, surtout si vous n'avez interrogé que 100 personnes !

Ainsi un calcul d'intervalle de confiance (je ne détaille pas ici la formule, je vous renvoie à Wikipedia) nous permet de savoir qu'en interrogeant 100 personnes, si 10% d'entre elles disent "oui, j'ai l'intention d'acheter le produit X", on peut prévoir que l'intention d'achat déclarée dans la population sera comprise entre 4.1% et 15.9%.

Un échantillon de 1000 personnes avec 10% de "oui, j'ai l'intention d'acheter le produit X" aurait pu affiner la prévision de l'intention d'achat déclarée dans la population entre 8.1% et 11.9%.

En augmentant la taille de l'échantillon, on augmente la précision de nos résultats. Bien sur, on ne va pas mettre un budget énorme pour améliorer la précision d'un sondage (surtout qu'il faut multiplier par 4 l'échantillon pour améliorer la précision deux fois) mais c'est important de définir une taille d'échantillon suffisante pour une précision adéquate, le tout dans un budget défini. A noter que parfois, il est utile de proposer des sondages sur peu d'individus (donc peu chers) si on n'a aucune connaissance d'une problématique ou alors qu'on sait que les comportements et avis sont très tranchés sur un sujet (et donc moins soumis aux aléas et sur lesquels les intervalles de confiance sont donc moins grands).

Voilà pour le principe. Pour concrétiser cela, je vais vous faire un petit cadeau !

Le fichier Excel que vous pouvez télécharger ci-dessous vous servira à calculer automatiquement les intervalles de confiance pour un échantillon donné (remplir la case verte).

Télécharger l'outil (.xls)

Cliquez droit sur le lien > Enregistrer la cible du lien sous... voilà !

La représentativité (part. II) : les redressements

Vous le savez, (sinon voir ici) dans une étude, on se focalise sur un échantillon pour généraliser les résultats mesurés à une population. Pour ceci, l'échantillon doit être représentatif de la population ; i.e. avoir des caractéristiques comparables à la population (notez que je fais référence aux échantillons empiriques ; plus de détails et de nuances ici).

Nous l'avons vu, il arrive souvent que l'on n'arrive pas à obtenir un échantillon avec les mêmes caractéristiques que la population (on n'arrive pas à interroger assez de femmes, ou pas assez de CSP+, ou pas assez de retraités, etc.). La première chose à faire est alors de vérifier que l'échantillon est représentatif malgré les différences sur ces caractéristiques (cf. ici).

Mais que faire quand le test d'ajustement du khi² vous apprends que votre échantillon n'est pas représentatif de votre population (pour mémoire, dans mon exemple sur la note consacrée au test d'ajustement du khi², j'avais volontairement pris un échantillon qui était représentatif malgré les différences avec la population sur les caractéristiques de représentativité) ?

La première possibilité est d'interroger plus d'individus des catégories mal représentées. Bien sur, cela n'est faisable que si le budget et le temps nécessaires sont disponibles... et que les individus qui "manquent" sont joignables.

L'autre possibilité, fréquemment utilisée dans les études, est de recourir au(x) redressement(s).

Le principe des redressements est en fait d'estimer les réponses des non-répondants (les individus qu'on n'a pas réussi à interroger en nombre suffisant) grâce aux réponses des répondants.

Concrètement, il s'agit d'appliquer un coefficient de pondération (coefficient de redressement ; celui-ci est calculé par tous les logiciels statistiques) aux questionnaires enregistrés.

Exemple : si nous n'avons réussi qu'à obtenir 45% de femmes dans notre échantillon alors qu'il devait en contenir 52% pour être représentatif de notre population, le redressement va pondérer les questionnaires remplis par des femmes par un coefficient de 1.15 (52% divisé par 45%). De plus, le redressement va, logiquement, appliquer un coefficient de 0.87 aux questionnaires remplis par les hommes (48% divisé par 55%).

Catégories	% obtenus	% souhaités	Coeff. de redressement
Femmes	45%	52%	1.15
Hommes	55%	8.0%	0.87

Le pincipe des redressements est finalement assez simple : il s'agit de baisser ou d'augmenter le poids de certains questionnaires afin de faire coller les critères de l'échantillon avec ceux de la population. Le but est bien sûr d'appliquer les coefficients trouvés à toutes les réponses du questionnaire.

Si le but est simple, j'ai tendance à penser que les redressements doivent être utilisés avec beaucoup de pédagogie et de prudence. Les redressements "créent" en effet des réponses virtuelles (même si basées sur les réponses mesurées). Cela peut-être perturbant pour un client qui ne vient pas des études d'avoir à faire à des effectifs qui ne sont pas vraiment concrets...

L'autre prudence à avoir est de ne pas éxagérer un redressement... Quelle légitimité d'un redressement qui multiplie le poids d'une catégorie d'individu par 10 ? De mon côté, je ne connais pas de recommandation "officielle" (statistiquement parlant) sur les limites à considérer pour les redressements. J'ai tendance à me méfier d'un redressement effectué sur moins de 50 indivuds et / ou d'un redressement qui va multiplier le poids de certains individus par plus de 2 (mais bien sur, cela est à étudier au cas par cas, en fonction de l'homogénéité des comportements et de la difficulté du terrain).

Si vous souhaitez en savoir encore plus sur les redressements, je vous ai trouvé un dossier encore plus complet sur les redressements ; cliquez ici.

Cliquez ci-dessus pour afficher le dossier complet

Réduire

Dossier Via

La représentativité (part. I) : test d'ajustement du khi² + un cadeau

Souvenez-vous, nous avons vu (ici) qu'un des principes des sondages est de généraliser un phénomène étudié sur un échantillon tiré d'une population à l'ensemble de cette dernière (cette généralisation est appelée "inférence statistique"). Pour faire cette inférence statistique, l'échantillon doit être représentatif de la population étudiée.

Nous avons aussi vu (ici) que, lorsque l'on travaille avec des méthodes probabilistes, les échantillons sont automatiquement représentatifs (pour voir en détails, différents types d'échantillon probabilistes, voir ici).

En revanche, avec des méthodes empiriques, les échantillons sont représentatifs par construction.
Cela signifie que l'institut choisit des critères sur lesquels l'échantillon possède les mêmes caractéristiques que la population (pour voir en détail des échantillons empiriques, voir ici).

 

Alors que se passe t-il quand on n'arrive pas à obtenir exactement le bon pourcentage sur une caractéristique dans notre échantillon par rapport à celui dans la population ?

Nous allons détailler ce cas dans un exemple pour "concrétiser" le raisonnement.

Exemple : On mène une étude dans une entreprise comprenant 14 036 salariés.
Ne pouvant interroger tous le monde, on décide de constituer un échantillon. N'ayant pas pu utiliser la liste de tous les salariés pour constituer un échantillon aléatoire, nous décidons de constituer un échantillon selon la méthode des quotas et de respecter le critère du statut.
4 statuts sont historiquement utilisés dans l'entreprise pour catégoriser les employés : Cadre / Administration / Ouvriers / Commerciaux.
Voici comment se répartissent les salariés :

Catégories	Effectifs	%
Cadres	1 238	8.8%
Administration	1 122	8.0%
Ouvriers	10 948	78%
Commerciaux	728	5.2%

Il est décidé d'interroger 300 personnes parmi les 14 036 salariés en respectant les proportions de cadres, personnels administratif, ouvriers et commerciaux. Nous devons donc interroger 300 individus comme ceci :

Catégories	Nombre à interroger :
Cadres	8.8% x 300 = 26
Administration	8.0% x 300 = 24
Ouvriers	78% x 300 = 234
Commerciaux	5.2% x 300 = 16

 

Mais, pour des raisons diverses, nous n'arrivons pas à obtenir exactement le bon nombre d'individus sur chaque classe. Voici ce que nous obtenons :

Catégories	Nombre interrogé :
Cadres	32
Administration	30
Ouvriers	230
Commerciaux	8

 

Que faire alors ?

La première chose à faire est de vérifier si l'échantillon constitué est quand même représentatif de notre population avec le test d'ajustement du khi². J'ai pu constaté que cette étape est un peu "oubliée" dans le monde des études au profit des redressements (que nous verrons dans une prochaine note) qui ne sont pourtant utiles que si l'échantillon n'est pas représentatif.

Le principe du test d'ajustement du khi² : c'est le même que le fameux test de tri croisé dont vous avez peut-être déjà entendu parler à savoir vérifier si les différences de proportions entre deux variables sont dues au hasard ou si elle résulte d'un lien entre les variables. Ici on veut s'assurer que les différences entre les proportions obtenues dans l'échantillon et celles de la population sont liées au hasard.

On ne va pas s'embeter avec les formules (pour plus de détails, achetez un bouquin de stat.).
En gros (attention, c'est simplifié) ce qu'il faut savoir:

• le test du khi² va calculer une sorte d'échantillon idéal (c'est ce que j'ai fait dans le deuxième tableau).
• Ensuite, ce test fait "un score" des différences entre échantillon idéal et échantillon obtenu (score obtenu par la formule du khi², ce score est appelé "Khi²").
• Ce score va ensuite être comparé à un score théorique dans une table donnée (la table du khi²).
• Si le khi² calculé est supérieur au khi² théorique, cela signifie que notre échantillon obtenu est différent de ce que nous aurions dû avoir avec un échantillon "parfait" : il y a une différence significative entre échantillon constaté et échantillon théorique et cette différence n'est pas liée au hasard.
• Dans le cas présent, on cherche à savoir si un échantillon obtenu n'est pas différent de l'échantillon théorique 'parfait'. On cherche donc à avoir un khi² calculé inférieur au khi² théorique.

A noter que je ne parle pas ici des degrés de liberté ou du seuil de signification pour ne pas embrouiller les esprits. J'essaierai d'en reparler en détail quand on abordera le sujet des tris croisés et du test du khi² à nouveau.

Pour revenir à l'exemple : en appliquant le test d'ajustement du khi² à mon exemple, je constate en fait que les différences entre mon échantillon obtenu et l'échantillon théorique 'idéal' sont liées au hasard : mon échantillon est donc représentatif de ma population et je n'ai pas besoin de faire de redressement. (Pour être plus précis, mon khi² calculé est de 6.41, le khi² théorique dans la table est de 7.81, je suis en dessous et donc représentatif.)

 

Voilà pour le principe. Pour concrétiser cela, je vais vous faire un petit cadeau !

Le fichier Excel que vous pouvez télécharger ci-dessous vous servira à faire un test d'ajustement du khi² automatiquement sur une variable comprenant jusqu'à 10 modalités.

Il vous suffit de remplir la partie de gauche avec les caractéristiques de la population puis la partie de droite avec ce que vous avez finalement obtenu lors du terrain et l'Excel vous dit instantanément si votre échantillon est représentatif ou pas. A noter qu'il faut accepter les macros.

Télécharger l'outil (.xls)

Cliquez droit sur le lien > Enregistrer la cible du lien sous...  voilà !

Amusez-vous bien !

Le nuage de mots : présenter les résultats d'une question ouverte

Nous l'avions vu avec Brandtags, le nuage de mot est une idée sympathique pour mettre en forme les résultats à une question ouverte.

Regardons cela de plus près...

Le nuage de mots est un moyen de représenter visuellement la prépondérance de certains mots (ou thèmes) dans un discours, sur un site Internet, dans des répondes d'individus à une question ouverte, etc.

Qui dit prépondérance sous-entend souvent "on peut chiffrer cette prépondérance". En effet, si vous coyiez jusqu'à présent que faire un nuage de mot, c'était simplement mettre en plus gros des thèmes que vous jugez important, et bien vous aviez à la fois raison et tort.

Vous aviez raison car on peut faire un nuage de mot "à vue de nez", rien ne l'interdit. Ainsi mettre tel mot en police 32 et en gras parce que vous pensez qu'il est très important dans le discours de(s) l'interrogé(s), c'est possible et ça sera peut-être même très intéressant pour votre présentation. Mais si c'est la situation dans laquelle vous vous trouvez, alors vous n'avez pas besoin d'outils.

Vous aviez tort parce que le but du nuage de mots est de rendre compte par la taille des mots de leur importance relative par rapport aux autres : ainsi il y a bien un calcul derrière toute cela. Un mot répété 8 fois sera plus gros qu'un mot répété 3 fois, c'est mathématique.

Bonne nouvelle, il existe des outils pour vous aider à faire ces nuages de mots.

La référence dans ces outils est Wordle. Très simple : vous tapez votre texte (votre mise à plat, votre discours, etc...) ou l'adresse d'un site web ou le del.icio.us d'une personne et ça vous sort automatiquement un nuage de mot. Le vrai interêt est que vous pouvez en plus personnaliser le nuage obtenu (couleurs, enlever des mots, sens des mots, forme du nuage, ...). Voici ce que j'obtiens par exemple en rentrant l'adresse de ce blog :

Autre outil sur le web avec le même principe mais moins sympathique (je trouve) : Tagcrowd. En gros, même chose que Wordle mais avec moins de personnalisation.

Enfin, si vous avez fait une étude quantitative avec une question ouverte et que vous voulez faire votre nuage de mots / de thèmes pour votre présentation, il faut le faire vous-même !

Pour vous aider un petit peu, j'ai conçu un petit outil sous Excel. Bon il ne fait pas tout (il ne fait pas le nuage) mais il vous donne les taille de polices à appliquer à vos mots / thèmes.

Télécharger le fichier Excel (.xls)

Cliquez droit sur le lien > Enregistrer la cible du lien sous... > voilà !

Vous verrez, c'est très simple (le fichier est pré rempli avec un exemple) :

• il vous suffit de rentrer la taille de police minimale que vous souhaitez utiliser (d'après moi, en dessous de 8pt, c'est trop petit) et la taille maximale de police que vous voulez faire apparaître dans le nuage (avec du 32pt, c'est déjà du gros, croyez moi).
• Rentrer ensuite le nombre minimum de fois qu'un mot / thème se répète et le nombre maximum de fois qu'un mot / thème se répète (tout ça sert au calcul de la règle de trois améliorée).
• Rentrer vos thèmes / mots et le nombre de fois que chacun d'entre eux se répète et vous aurez la taille de police à appliquer à celui-ci.

Voici, par exemple, le nuage de mots que l'outil permet de faire (avec l'exemple qui pré rempli déjà le fichier Excel). Pour info, la qualité de l'image est pas bonne car c'est un imprim écran de PowerPoint mais ça rend mieux "en vrai".

Pour cet exemple, j'ai placé les mots au hasard et ai colorié un petit peu. Mais vous pouvez aussi envisagez de colorier chaque mot, de les pencher (à la verticale, à 45°), d'ajouter un fond de couleur en dégradé, de les répartir par champs lexicaux, etc...

A vous de jouer !

Les panels

Nous avons vu selon quelles méthodes un échantillon pouvait être constitué (méthodes probabilistes et méthodes empiriques, souvenez-vous).

Il nous reste cependant à voir les panels.

Les panels sont des échantillons "permanents" de ménages ou d'individus (ou de magasins, ou autres) qui sont interrogés régulièrement. Les panels permettent donc de suivre l'évolution des comportements / opinions dans le temps.

Il existe de très nombreux panels. Plutôt que de les citer tous (non seulement ça serait long mais surtout inutile : de nouveaux apparaissent régulièrement), contentons-nous de citer les principaux types de panels qu'il existe :

• Les panels de consommateurs : échantillons permanents de ménages, représentatifs de la population des ménages français. Les panélistes remplissent des questionnaires ou sont équipés d'un lecteur code-barres (solution la plus fréquente) qui renseignent sur la consommation des ménages.
• Les panels de distributeurs : il s'agit cette fois de panels de points de vente de détail qui, en utilisant (le plus souvent) des lecteurs code-barres (parfois directement ceux des caisses), renseignent sur les ventes.
  Avec les panels de ditributeurs et de consommateurs, il est aisé de déterminer les fameuses parts de marché.
• Les panels mixtes : ils ont pour but de "mélanger" les panels consommateurs et distributeurs. Très efficaces pour mesurer les effets d'actions promotionnelles (PLV, promotions sur prix de vente, etc.).
• Les panels professionnels
  • Les panels gérés par une entreprise : certaines grandes entreprises gèrent elles-mêmes un panel de leurs clients. Une pratique qui se répend de plus en plus.
  • Les panels gérés pour une profession : certaines professions disposent d'un panel propre à leur métier (panels  de l'industrie pharmaceutique).
• Les acces panels : légérement différents des autres, il s'agit en fait de très grand panel d'individus qui ont donné leur accord de principe pour répondre à une enquête s'ils sont appelés. Très pratiques pour recruter des échantillons de consommateurs d'un type particulier de produit pour une étude.

 

Avantages des panels

Inconvénients des panels

Les panels ont l'avantage d'être très riche en informations. En effet, quand un individu est recrutés dans un panel, il donne de nombreuses informations personnelles qui pourront, plus tard, être croisées avec les données de l'étude. L'autre avantage des panels est la possibilité de faire des mesures d'évolutions très précises.

Les panels ont en revanche pour problèmes d'être relativement complexes et couteux à constituer. Il faut en effet trouver des individus prêts à participer. En plus de cela, les panélistes, souvent amenés à se prononcer sont soumis à un "effet panel". En clair, les panélistes sont de plus en plus conditionner à répondre à des enquêtes... et sont mêmes de plus en plus enclins à conditionner leurs achats pour les rationnaliser.

A noter que pour limiter "l'effet panel" et éviter de fausser les résultats des études réalisées, les panels sont renouvelés à hauteur de 20% environ tous les ans.

Comment choisir le graphique à faire ?

Vous le savez, le principe d'un graphique est de rendre compte visuellement d'une certaine quantité de données.

Mais parfois, devant tous les types de graphiques qu'Excel (ou un autre programme) ainsi que ceux que vous imaginez spontanément, il est courant de rester un peu... dubitatif.

Voici une petite aide pour bien choisir votre graphique (trouvée sur le site As-map) :

Et le PDF d'origine est ici.

Si vous voulez vous "éloignez" un peu des graphiques traditionnels et faire des illustrations informatives plus personnelles (des minis infoviz en quelques sortes), voici une petite présentation qui vous aidera (un peu) :

Sans oublier que vous pourrez trouver des idées sur Visualcomplexity et sur As-map.

Les méthodes de sondage (part. 2)

Nous l'avons vu (Note : "Le principe du sondage"), il existe deux grandes familles de méthodes de sondage : les méthodes probabilistes et les méthodes empiriques
Nous avons déjà détaillé les méthodes probabilistes dans la note "Les méthodes de sondage (part. 1)", voici donc le moment de se pencher d'un peu plus près sur les méthodes empiriques.

Petit rappel nécessaire : on dit qu'un échantillon est constitué selon une méthode empirique quand on ne connaît pas à priori la probabilité de chaque individu de la population concernée d'appartenir à l'échantillon. Quand il n'existe pas de liste de sondage de la population (cas très courant), on a donc recours aux méthodes empiriques.

Avant de regarder plus précisemment quels sont les principales méthodes empiriques, on peut constater que ces méthodes ont l'avantage d'être moins chères que les méthodes probabilistes.

Voici les principales méthodes empriques de sondage :

• La première méthode probabiliste est la méthode des quotas : à partir de caractéristiques de la poplation qu'on connaît, on va constituer un échantillon qui conservera les mêmes caractéristiques. C'est la méthode la plus utilisée en France.
  Le principe est simple : on suppose que si, comme dans la population, notre échantillon comporte XX% de femmes, AA% d'hommes, BB% de cadres, YY% d'individus de la région Lorraine, etc., il se comportera comme le ferait les individus de la population en général sur les questions que l'on souhaite étudier. On va donc pouvoir généraliser les réponses que l'on mesure à la population.
  Quelques règles à retenir dans la pratique des quotas : les quotas doivent être faciles à identifier, ne doivent pas être trop nombreux et il faut que les variables sur lesquels on applique des quotas soient liées au problème étudié.
  
  
• Une autre méthode probabiliste est le sondage auprès de volontaires : il s'agit tout simplement de demander à des individus de répondre (par exemple : auprès de lecteurs d'un journal).
  
  
• La méthode de l'échantillonage sur place : on interroge les individus sur le lieu d'achat ou d'activité par exemple. Avec cette méthode, il faut particulièrement faire attention à la disposition des lieux (ne pas interroger toujours au même endroit, ne pas interroger que les individus sortant du lieu, etc.) et aux moments d'enquêtes.