Le pouvoir de se montrer: l'importance de la marque dans la décision d'achat

Des analystes du comportement ont récemment réalisé des simulations d'achat sur un panel de 31.000 consommateurs du Royaume-Uni. Cette étude publiée par Google cherche à comprendre comment l'efficacité du marketing peut être améliorée en utilisant les principes de la science du comportement pour éviter ou créer des préférences de marque disruptives.

La recherche a un triple objectif:

1. Quantifier et mesurer l'importance de la préférence de marque,
2. Quantifier et mesurer la volatilité de ces préférences à la disruption par l'application de biais cognitifs,
3. Comprendre cette ipréférence et cette volatilité varient selon les différentes catégories de produits et les secteurs.

Avant le début de la simulation, les acheteurs ont été invités à partager leurs première et deuxième marques préférées à partir d'une sélection dans une catégorie spécifique de produits.

Ces préférences sont ensuite devenues la base de la simulation, les acheteurs étant invités à choisir entre des paires de marques auxquelles tout ou partie de six biais comportementaux ont été appliqués. Les analystes de Google ont ainsi pu mesurer la préférence de la marque sur un même segment, et tester la puissance de chaque biais pour faire basculer la préférence des marques préférées vers les marques moins favorisées.

Un résumé des six biais utilisées dans les sciences du comportement:

1. Les heuristiques de catégorie sont des règles empiriques qui nous aident à prendre une décision rapide dans une catégorie donnée. Un exemple serait le nombre de mégapixels de l'appareil photo lors de l'achat d'un smartphone ou sur le nombre de gigaoctets de données inclus dans un contrat de téléphonie mobile.
2. Le biais d'autorité décrit la tendance à modifier nos opinions ou nos comportements pour qu'ils correspondent à ceux de quelqu'un que nous considérons comme une autorité sur un sujet.
3. La preuve sociale décrit la tendance à copier le comportement et les actions d'autres personnes dans des situations d'ambiguïté ou d'incertitude. Internet a digitalisé le bouche à oreille, ce qui permet aux gens de s'appuyer beaucoup plus facilement sur la preuve sociale comme raccourci pour la prise de décision.
4. «Power of now» explique le fait que nous ayons tendance à vouloir les choses maintenant plutôt que plus tard, d'où le succès des téléchargements instantanés ou de la livraison en 24 heures.
5. Le biais de la rareté repose sur le principe économique selon lequel des ressources rares ou limitées sont plus demandées.
6. Le pouvoir de la gratuité décrit le fait que la demande d'un produit ou d'un service est significativement plus élevée à un prix exactement nul par rapport à un prix même légèrement supérieur à zéro. Cf l'expérience de l'économiste comportemental Dan Ariely décrite dans «Predictably Irrational».

Voici la synthèse de la comparaison des marques de première et de deuxième préférence en fonction des biais comportementaux spécifiques sur 31 types de produits, du smartphone aux maillots de bain en passant par les SUV, et les services de banque, de cinéma, de voyage, de téléphonie et d'assurance. Pour l'analyse de chacun des types de biais comportementaux, référez vous à l'étude.

L'#infographie ci-dessous présente l'ensemble des produits de l'expérimentation, classés en fonction de l'ampleur de l'impact sur la part de préférence lorsque les acheteurs se sont vu proposer le choix d'une seconde marque (la partie jaune montre la part capturée par la seconde marque préférée lorsqu'elle est exposée).

L'ampleur de l'impact sur la part des préférences varie considérablement.

À l'extrême hauteur du graphique, le simple fait de se présenter a donné une part de préférence relativement plus faible pour les marques de deuxième choix dans la catégorie des smartphones (18%) que celles qui étaient disposées à changer leur préférence de marque de salle de bain (44%).

L'infographie montre la probabilité, dans toutes les catégories, que les acheteurs passent de leur première marque de choix à leur deuxième choix, lorsqu'elles sont présentées toutes les deux. Cependant, étant donné que chaque marque au sein d'une catégorie aura un niveau de résilience différent, le graphique ne peut pas être utilisé pour prédire dans quelle mesure une marque individuelle sera susceptible de transférer ses préférences à un concurrent.

L'examen des performances par secteur révèle quelques modèles intéressants. Les marques préférées de biens de consommation emballés (#CPG) étaient globalement moins sensibles à la présence d'une autre marque que les services publics comme le réseau mobile, le haut débit et les fournisseurs d'énergie. Les produits de vente au détail généraux tels que les jouets pour enfants, les ordinateurs portables, la télévision, les vêtements et les canapés sont disséminés, tandis que les produits de services financiers (hypothèque, carte de crédit, ISA, assurance automobile) se situent généralement en bas du graphique, avec une plus grande prédisposition au changement.

Dans l'exemple de la simulation d'un achat de voiture/SUV ,une décision dans laquelle plusieurs considérations, telles que la sécurité, la fiabilité, l'efficacité et les performances pourraient raisonnablement s'immiscer, lorsqu'une deuxième marque préférée a été introduite, 30% des acheteurs se sont écartés de leur première préférence.

Bien sûr, pour de nombreux acheteurs, la marque de deuxième choix pourrait également être associée positivement à de nombreux facteurs mentionnés ci-dessus.

Le simple fait de donner à l'acheteur en quête d'une voiture/SUV la possibilité de choisir sa marque de deuxième choix suffit à attirer 30% de son choix initial.

La catégorie des voitures regorge de marques reconnaissables, de sorte que ce résultat peut en partie être simplement dû à deux ensembles d'associations puissantes qui se battent dans l'esprit de l'acheteur. Mais que se passe-t-il si nous regardons une autre catégorie, non moins disputée mais avec des valeurs associées et des attributs de marque très différents?

L'achat d'une voiture se situe à une extrémité du spectre de complexité d'achat de la matrice de produits, alors examinons un achat connexe mais moins complexe: l'assurance automobile.

Il s'avère que l'assurance automobile est également loin d'être à l'abri du pouvoir de se présenter. En fait, l'effet est encore plus important que celui observé dans la simulation d'achat de voiture, avec seulement deux des 31 catégories de l'expérience étant plus susceptibles de changer que l'assurance automobile.

Selon la matrice de produits, l'achat d'une assurance auto n'est pas seulement moins compliqué qu'un achat de voiture, il est également moins agréable. Ces caractéristiques pourraient expliquer en partie l'impact accru de l'introduction de la marque de deuxième choix, car cela suggère que l'achat nécessite des niveaux d'engagement plus faibles et est donc plus enclin à changer.

Méthodologie

Pour tester si l'impact de la préférence de marque et du biais cognitif reste stable dans toutes les catégories, les analystes de Google ont sélectionné 31 produits représentant un large éventail de risques, de complexité et d'investissements émotionnels et financiers, couvrant plusieurs grands secteurs et verticales, y compris les voyages, les services financiers, les produits grand public, les biens, la vente au détail et les services publics. Ils ont établi des critères généraux pour qualifier l'échantillon d'acheteurs.

Les chercheurs voulaient des participants qui connaissaient bien les achats en ligne. Ainsi, ils ont sélectionné des personnes qui ont déclaré avoir acheté chez le plus grand détaillant en ligne du Royaume-Uni. De même, ils recherchaient des acheteurs familiers avec la recherche de produits en ligne. Ils ont donc sélectionné des personnes qui avaient utilisé le moteur de recherche le plus populaire du Royaume-Uni à cette fin. Ensemble, ces deux caractéristiques ont fourni un large échantillon qualifié de participants familiers avec les paramètres et les conventions des achats en ligne.

Le critère de sélection le plus important était que chaque participant ait réellement l'intention d'acheter un produit donné dans un délai approprié (en d'autres termes, pour les acheteurs de voitures, la fenêtre applicable serait plus longue que pour quelqu'un qui achète du shampoing). Les chercheurs ont également exclu toute personne qui disait avoir déjà pris une décision quant au produit exact qu'elle allait acheter, afin d'exclure la possibilité que les participants aient déjà épuisé leur capacité d'exploration et d'évaluation.

Pour garantir une taille d'échantillon solide pour chaque produit, les analystes ont recruté 1000 acheteurs dans chaque catégorie. Cela équivaut à plusieurs milliers d'acheteurs par secteur et à un échantillon total de 31000 acheteurs sur le marché pour une analyse inter-catégories au niveau macro. La participation était à distance, chaque acheteur réalisant 10 simulations d'achat dans une catégorie donnée, donnant un total de 310.000 scénarios d'achat dans lesquels analyser des six biais comportementaux.

Source: Etude "Decoding Decisions The Messy Middle of Purchase Behavior" de Google, Juillet 2020.