Exemples

Analyses de sensibilité par rapport à « notre » publicité

  • Modèle de part de marché - Sensibilité à la Pulicité 1 [2.43-49.1]
  • Modèle de part de marché - Sensibilité à la Pulicité 2 [2.43-49.2]
  • Modèle de part de marché - Sensibilité à la Pulicité 3 [2.43-49.3]
  • Modèle de part de marché - Sensibilité à la Pulicité 4 [2.43-49.4]

Listing 19

1.                               # attribuer valeurs aux coefs

2.                               a1=2; b1=0.5; c1=2; d1=7

3.                               a2=0; b2=3; c2=-1.5; d2=0

4.                               a4=2; b4=0.5; c4=2 ; d4=7

5.                               a5=0; b5=3; c5=-1.5; d5=0

6.                               # Valeurs des variables marketing

7.                               x1<-seq(0,40,1) # notre pub

8.                               # Variables fixes

9.                               # Notre Prix; Leur pub ; Leur Prix

10.                             x2<-rep(2,41); x4<-rep(3,41) ; x5<-rep(2,41)

11.                             # Attractions

12.                             na<-1*(b1+(a1-b1)*((x1)^c1/(d1^c1+(x1)^c1)))^0.6*(a2+b2*(x2)^c2)^0.4

13.                             ca<-1*(b4+(a4-b4)*((+1*x4)^c4/(d4^c4+(+1*x4)^c4)))^0.6*(a5+b5*(x5)^c5)^0.4

14.                             # Part de marché

15.                             nms<-na/(na+ca)

16.                             df<-data.frame(Notre.Pub=x1, Part1=nms)

17.                             # Notre Prix; Leur pub ; Leur Prix

18.                             x4<-rep(6,41)

19.                             # Attractions

20.                             na<-1*(b1+(a1-b1)*((x1)^c1/(d1^c1+(x1)^c1)))^0.6*(a2+b2*(x2)^c2)^0.4

21.                             ca<-1*(b4+(a4-b4)*((+1*x4)^c4/(d4^c4+(+1*x4)^c4)))^0.6*(a5+b5*(x5)^c5)^0.4

22.                             # Part de marché

23.                             nms<-na/(na+ca)

24.                             df$Part2=nms

25.                             # Notre Prix; Leur pub ; Leur Prix

26.                             x4<-rep(3,41)

27.                             x5<-rep(1.6,41)

28.                             # Attractions

29.                             na<-1*(b1+(a1-b1)*((x1)^c1/(d1^c1+(x1)^c1)))^0.6*(a2+b2*(x2)^c2)^0.4

30.                             ca<-1*(b4+(a4-b4)*((+1*x4)^c4/(d4^c4+(+1*x4)^c4)))^0.6*(a5+b5*(x5)^c5)^0.4

31.                             # Part de marché

32.                             nms<-na/(na+ca)

33.                             df$Part3=nms

34.                             # Notre Prix; Leur pub ; Leur Prix

35.                             x2<-rep(1.6,41)

36.                             x5<-rep(2,41)

37.                             # Attractions

38.                             na<-1*(b1+(a1-b1)*((x1)^c1/(d1^c1+(x1)^c1)))^0.6*(a2+b2*(x2)^c2)^0.4

39.                             ca<-1*(b4+(a4-b4)*((+1*x4)^c4/(d4^c4+(+1*x4)^c4)))^0.6*(a5+b5*(x5)^c5)^0.4

40.                             # Part de marché

41.                             nms<-na/(na+ca)

42.                             df$Part4=nms

43.                             matplot(x1, df[,2:5], pch = 1:4, type = "o", col = 1:4,xlab="Valeurs de x", ylab="Ventes et/ou Profits"

44.                             legend(min(x), max(df[,2:5]),names(df)[2:5], lwd=3, col=1:4, pch=1:4)

Figure 22 - Analyse de sensibilité de la part de marché aux dépenses publicitaire et aux actions de la concurence

Analyses de sensibilité par rapport à « notre » prix

  • Modèle de part de marché - Sensibilité au Prix 5 [2.43-49.5]
  • Modèle de part de marché - Sensibilité au Prix 6 [2.43-49.6]
  • Modèle de part de marché - Sensibilité au Prix 7 [2.43-49.7]
  • Modèle de part de marché - Sensibilité au Prix 8 [2.43-49.8]

Listing 20

1.                               # attribuer valeurs aux coefs

2.                               a1=2; b1=0.5; c1=2; d1=7 # Pub Adbudg

3.                               a2=0; b2=3; c2=-1.5; d2=0 # Prix Fracroot

4.                               a4=2; b4=0.5; c4=2 ; d4=7 # Pub Adbudg

5.                               a5=0; b5=3; c5=-1.5; d5=0 # Prix Fracroot

6.                               # Valeurs des variables marketing

7.                               x2<-seq(1,6,1) # notre prix

8.                               # Variables fixes

9.                               # Notre Prix; Leur pub ; Leur Prix

10.                             x1<-rep(3,6)

11.                             x4<-rep(3,6)

12.                             x5<-rep(2,6)

13.                             # Attractions

14.                             na<-(b1+(a1-b1)*(x1^c1/(d1^c1+x1^c1)))^0.6*(a2+b2*x2^c2)^0.4

15.                             ca<-(b4+(a4-b4)*(x4^c4/(d4^c4+x4^c4)))^0.6*(a5+b5*x5^c5)^0.4

16.                             # Part de marché

17.                             nms<-na/(na+ca)

18.                             df<-data.frame(Notre.Pub=x1, Part1=nms)

19.                             # Notre Pub

20.                             x1<-rep(6,6)

21.                             # Attractions

22.                             na<-(b1+(a1-b1)*(x1^c1/(d1^c1+x1^c1)))^0.6*(a2+b2*x2^c2)^0.4

23.                             ca<-(b4+(a4-b4)*(x4^c4/(d4^c4+x4^c4)))^0.6*(a5+b5*x5^c5)^0.4

24.                             # Part de marché

25.                             nms<-na/(na+ca)

26.                             df$Part2=nms

27.                             x1<-rep(3,6)

28.                             x4<-rep(6,6)

29.                             # Attractions

30.                             na<-(b1+(a1-b1)*(x1^c1/(d1^c1+x1^c1)))^0.6*(a2+b2*x2^c2)^0.4

31.                             ca<-(b4+(a4-b4)*(x4^c4/(d4^c4+x4^c4)))^0.6*(a5+b5*x5^c5)^0.4

32.                             # Part de marché

33.                             nms<-na/(na+ca)

34.                             df$Part3=nms

35.                             # Notre Prix; Leur pub ; Leur Prix

36.                             x4<-rep(3,6)

37.                             x5<-rep(1.6,6)

38.                             # Attractions

39.                             na<-(b1+(a1-b1)*(x1^c1/(d1^c1+x1^c1)))^0.6*(a2+b2*x2^c2)^0.4

40.                             ca<-(b4+(a4-b4)*(x4^c4/(d4^c4+x4^c4)))^0.6*(a5+b5*x5^c5)^0.4

41.                             # Part de marché

42.                             nms<-na/(na+ca)

43.                             df$Part4=nms

44.                             matplot(x2, df[,2:5], pch = 1:4, type = "o", col = 1:4,xlab="Valeurs de x", ylab="Ventes et/ou Profits"

45.                             legend(min(x2), max(df[,2:5]),names(df)[2:5], lwd=3, col=1:4, pch=1:4)

Figure 23 - Sensibilité de la part de marché aux prix et aux actions de la concurence

Recherche du budget de publicité qui assure un profit optimum quand notre prix et celui de la concurence = 2 et la publicité du concurent = 2.

Figure 24 - Analyse de sensibilité de publicité

Sensibilité du profit par rapport au prix quand la publicité = 7 elle met en evidence un prix optimal de 4.5.

Figure 25 - Sensibilité du profit par rapport au prix

Depenses publicitaires optimales quand on applique le prix optimal (4.5)

Figure 26 - Dépenses publicitaire optimales en utilisant le prix optimum déterminé auparavant

Figure 27

Nos ventes comparées aux ventes totales du marché à différents niveau de prix. On observe que pour le prix optimum (x2=4.5) et quand on utilise le budget de publicité optimum (x1=7) notre part de marché sera de 55%.

Michel Calciu calciu@iae.univ-lille1.fr; - Cours IAE de Lille 2004 - -