C’est avec tristesse que j’ai appris récemment le décès du mathématicien John Nash. Lors de mes études de maîtrise, j’avais eu la chance d’étudier certaines de ses théories, présentées de manière ludique (c’est le cas de le dire, puisqu’on parlait de la théorie des jeux) et inventive par mon professeur de marketing de l’époque, Monsieur Stéphane Gauvin.
Récemment, je dévoilais à Québec les résultats de notre récente étude sur les médias sociaux devant des membres de l’association des MBA : Réseaux sociaux et entreprises, y a-t-il un « match » possible?
Voici en vrac 10 résultats dévoilés (présentation complète plus bas) :
En général, j’aime bien relever des défis. C’est pourquoi j’ai accueilli avec enthousiasme le sombre pronostic de Cam Davis à l’égard de l’avenir de la recherche marketing traditionnelle livré lors de l’événement spécial de l’ARIM tenu à Montréal le 2 mai dernier.
M. Davis a annoncé ni plus ni moins la fin de notre industrie, et de nos emplois, si nous ne négocions pas un virage majeur prochainement.
Peut-on qualifier The End of Growth de lecture estivale? À vous de décider. Mais le dernier livre de Jeff Rubin, ancien économiste en chef de CIBC World Markets, fut pour moi un véritable «page turner».
Après Why your world is about to get a whole lot smaller en 2009, Rubin poursuit sa réflexion sur le coût de l’énergie et les limites de la croissance dans un livre passionnant, qui fait trembler Bay Street.
Si j’avais à le résumer, je dirais ceci.
Le niveau de confiance, aussi appelé seuil de confiance, détermine l’intervalle de confiance et donc la marge d’erreur d’un résultat de sondage.
Les niveaux de confiance les plus souvent utilisés en statistique sont 90 %, 95 % et 99 %. Plus le niveau de confiance est élevé, plus la marge d’erreur associée aux résultats sera élevée. Logique, non?
En effet, pour être sûr à 99 % qu’un résultat provenant d’un échantillon se situe dans un intervalle qui contient la valeur que l’on retrouverait en réalité dans la population, cet intervalle doit être plus grand (et donc la marge d’erreur plus élevée) que si on est sûr à seulement 90 %. Mais lequel choisir?
Plusieurs clients nous demandent quelle est la taille optimale pour que leur échantillon de répondants soit représentatif de la population. Au risque d’en choquer certains, je leur réponds invariablement « 30 », pourvu qu’il s’agisse d’un échantillon probabiliste.
En effet, la statistique nous apprend qu’un échantillon de moins de 30 répondants ne vaut rien… Mais qu’à partir de 30, tout baigne. Alors d’où vient cette obsession de toujours vouloir interroger 400, 500 voire 1 000 répondants?
Vous vous apprêtez à lancer un nouveau produit ou service et souhaitez faire une projection des ventes? Vous souhaitez mieux comprendre ce qui se cache derrière la relative lenteur ou la rapidité d’un produit ou service à pénétrer le marché?
Quand on parle d’adoption et de diffusion des innovations, les travaux de deux (je n’ajoute pas « célèbres » afin de ne pas indisposer ceux qui ne les connaîtraient pas) chercheurs américains sont des passages obligés pour satisfaire votre curiosité. Je parle des regrettés Frank M. Bass et Everett Rogers.