Analysis of consumers' preference drivers: can we go beyond existing practices?

Résumé : Les grands industriels de l’agro-alimentaire se doivent de répondre à ces trois questions : « Quels sont les produits que les consommateurs aiment ? », « Pourquoi les consommateurs aiment ces produits ? » et « Comment leur apporter les produits qu’ils aiment ? ». À ce titre, l’identification des drivers de préférence des consommateurs est cruciale pour guider le développement de nouveaux produits et améliorer l’existant ; le but étant de commercialiser de meilleurs produits, à la fois performants pour les industriels, tout en répondant aux attentes des consommateurs. Les études quantitatives menées auprès des consommateurs permettent de mieux connaitre leurs préférences vis-à-vis des produits, tandis que les profils sensoriels descriptifs de ces mêmes produits permettent de les étudier du point de vue de leurs caractéristiques sensorielles. L’objectif est donc de relier les préférences des consommateurs aux propriétés sensorielles des produits. Les méthodes actuellement employées à Nestlé reposent sur la cartographie interne des préférences et les corrélations linéaires. Cependant, ces pratiques présentent des limites, notamment quant à l’identification des drivers de préférence des consommateurs. Ainsi, des méthodes alternatives ont été investiguées, et plus particulièrement la régression des moindres carrés partiels ou PLSR (Partial Least Squares Regression). Sa capacité à analyser des données comportant de nombreuses variables prédictrices, quand bien même celles-ci sont très corrélées et contiennent du bruit, en fait une approche très prometteuse. De plus, la PLSR est un bon compromis entre résumer l’information portée par les données sensorielles et sélectionner les attributs qui expliquent au mieux les préférences des consommateurs. Étant donné que les consommateurs n’expriment pas tous les mêmes préférences, ils sont d’abord séparés en groupes homogènes. Des modèles de régression visant à expliquer l’appréciation moyenne des consommateurs d’un groupe par les caractéristiques sensorielles des produits sont ensuite réalisés. Les relations non-linéaires peuvent être prises en compte dans les modèles, en incluant dans la matrice des prédicteurs des termes au carré ou des interactions. Pour chaque groupe de consommateurs, les effets significatifs du modèle sont mis en exergue, et un biplot, construit sur les composantes de la PLS, permet de représenter sur un même espace, les produits, les attributs sensoriels et les consommateurs. Cette méthode a été implémentée sous forme d’une macro Excel, et les résultats ont été adaptés pour disposer d’une interface facile et agréable d’utilisation. La PLSR s’est avérée être plus performante dans l’identification des caractéristiques sensorielles qui guident les préférences des consommateurs, comparée aux pratiques actuelles. Néanmoins, de plus amples recherches pourraient être menées sur l’expression des coefficients PLS, sur les méthodes alternatives permettant d’introduire des non-linéarités dans le modèle, ou encore sur l’adaptation de la méthodologie selon la catégorie de produit étudiée.
Type de document :
Mémoires
Life Sciences [q-bio]. 2015
Liste complète des métadonnées

Littérature citée [26 références]  Voir  Masquer  Télécharger

https://dumas.ccsd.cnrs.fr/dumas-01219121
Contributeur : Agrocampus Ouest <>
Soumis le : jeudi 22 octobre 2015 - 09:41:50
Dernière modification le : mercredi 23 août 2017 - 16:32:14
Document(s) archivé(s) le : samedi 23 janvier 2016 - 12:39:16

Fichier

 Accès restreint
Fichier visible le : 2025-10-31

Connectez-vous pour demander l'accès au fichier

Identifiants

  • HAL Id : dumas-01219121, version 1

Citation

Chloé Barthomeuf. Analysis of consumers' preference drivers: can we go beyond existing practices?. Life Sciences [q-bio]. 2015. 〈dumas-01219121〉

Partager

Métriques

Consultations de la notice

126