Il ne s'agit plus, dans cette troisième étape, de détailler encore les résultats. Au contraire, celle-ci doit permettre de prendre du recul par rapport aux analyses effectuées, afin de les structurer et d'en dégager l'essentiel.
Comprendre, expliquer et structurer sont donc les 3 axes majeurs de cette étape.
Ces traux font appel A  des outils statistiques d'Analyse de Données, qui permettent de croiser non plus deux riables, mais n A  la fois. En effet, l'analyste est souvent bloqué par les outils utilisés.
La lecture de la matrice des corrélations montre les inter-relations entre l'ensemble des indicateurs de satisfaction. S'il est relativement simple de percevoir les tendances lourdes (d'ailleurs souvent intuitives), il est en renche beaucoup moins évident d'en comprendre la structuration globale quand cette matrice comporte 20 A  30 riables, toutes liées 11 manque alors un outil statistique qui permette de visualiser de faA§on simple et claire l'ensemble de ces relations.
Après avoir défini les objectifs des outils et méthodes habituellement utilisés dans les mesures de satisfaction client, nous allons en dresser un rapide panorama. Les lecteurs intéressés A  approfondir ceux-ci se reporteront soit aux manuels d'Analyse de Données, soit de recherche marketing, ces derniers étant plus orientés vers la pratique opérationnelle.

Les objectifs

Les problèmes habituels de l'analyste en matière de satisfaction client sont de trois ordres :
1. Pouvoir classifier les clients selon leurs attentes afin d'adapter les actions correctives
2. Présenter de faA§on concise et claire les résultats de la mesure, sans en perdre pour autant la richesse
3. Hiérarchiser les critères (matrice importance/satisfaction) afin de définir les priorités d'actions en fonction de leur retour sur investissement
En pratique, on s'aperA§oit que les deux premières problématiques se rejoignent, puisque présenter de faA§on concise et claire une étude de satisfaction nécessite de classifier les clients A  partir de leurs logiques de réponse.

Synthétiser une information lourde et complexe en classifiant les clients

Nous allons successivement aborder les techniques permettant :
1. De résumer la complexité des réponses et construire des indices synthétiques,
2. De classifier les clients A  partir de leurs logiques de réponse.

Résumer n indicateurs en quelques composantes majeures de la satisfaction
Dans les mesures de satisfaction client, de 15 A  40 indicateurs ont généralement été proposés aux interviewés. Or présenter les résultats pour chacun de ces nombreux indicateurs serait fastidieux pour le présentateur, difficilement mémorisable par l'auditoire, et surtout en partie inutile puisque l'information contenue dans certains indicateurs se retrouve largement dans d'autres.
Il faut donc trouver un moyen de résumer ces informations.
Pour ce faire, on pourrait naturellement songer A  sélectionner certains indicateurs. Ex : n'en retenir que 7 sur 40. Cela pourrait se faire au vu de la matrice des corrélations, qui fournit l'intensité des différentes liaisons entre ces critères : si deux critères sont très liés, on ne conserverait que celui qui parait le plus intéressant. Mais, ce faisant, on perdrait certaines informations, et le choix des indicateurs conservés est arbitraire.
Les statisticiens ont mis au point des outils qui permettent de résumer l'information sans exclure aucun des indicateurs de départ. La plupart de ces outils sont regroupés sous le nom générique - d'analyse factorielle -.
L'objectif de l'analyse factorielle consiste A  résumer les liaisons entre ces indicateurs en faisant apparaitre les dimensions sous-jacentes (appelées - facteurs - ou - axes -) qui reflètent au mieux ces corrélations. Les résultats de ces méthodes sont généralement visualisés sous forme d'un - mapping - où apparaissent les riables initiales et/ou les individus. L'interprétation de ce mapping doit se faire impérativement A  l'aide des éléments chiffrés fournis par le logiciel en plus des graphiques. Selon le type de riables A  traiter, les méthodes sont différentes :
> Variables métriques : Analyse en Composantes Principales (ACP) > Variables nominales : Analyse Factorielle des Correspondances (AFC)
La première dimension sous-jacente est systématiquement évidente
Dans le cadre des mesures de satisfaction client, la première dimension sous-jacente est systématiquement évidente. Puisque tous les indicateurs sont cor-rélés positivement c'est-A -dire évoluent dans le mASme sens (on parle alors de - facteur de taille -), celle-ci dessine un axe de satisfaction croissante. Un cas contraire, dans lequel un indicateur s'opposerait aux autres sur cet axe, signifierait en effet que plus les clients seraient satisfaits sur ces indicateurs, moins ils le seraient sur celui-ci Or A  part le prix, on voit mal quel critère pourrait AStre dans ce cas.
Puisque ce premier axe est évident, et mASme s'il résume une partie importante de l'information, l'analyse factorielle reste intéressante du fait de ce que nous enseignent les axes suints. Ceux-ci mettent en lumière la diversité des réponses données, en regroupant les indicateurs fortement liés et corrélés entre eux et en séparant ceux qui sont les plus éloignés. L'interprétation de ces axes, ou tout au moins des - paquets - de riables créés par l'analyse, permet de structurer les différentes composantes ou dimensions cachées de la satisfaction.
Cette approche débouche sur deux résultats concrets :
1. Comprendre les différentes dimensions de la satisfaction. Ceci permet entre autres de réduire le nombre d'indicateurs dans le questionnaire A  ceux représentant le plus fidèlement possible la dimension observée.
2. Créer des groupes homogènes d'indicateurs. La création de ces groupes de critères offre une autre possibilité intéressante : celle de résumer en une seule riable (le facteur en question) l'ensemble des indicateurs qui concourent A  le former. On crée ainsi un indice composite, facteur commun de n riables initiales particulièrement liées entre elles. Si l'interprétation est suffisamment parlante, il suffit alors de décrire les différents facteurs créés, et d'en présenter les quelques données majeures afin que l'auditoire s'approprie les résultats.
Dans une étude mesurant la satisfaction des clients d'un Office HLM. nous avons ainsi créé un indice - Sécurité - qui regroupait un certain nombre d'indicateurs de satisfaction. La leur ajoutée de ce trail a été double :
» D'une part, l'analyse a permis de repérer qu'un indicateur précis concernant le - Voisinage - était, dans l'esprit des interviewés, totalement lié A  leur perception de la sécurité, et pas du tout au logement en lui-mASme : bruit, etc.
» D'autre part, la leur de cet indiee Sécurité pour chacun des immeubles concernés a ensuite fourni une vision simple, immédiate et concise des opinions sur les divers critères concernés. Cette sorte de moyenne pondérée a ainsi mis en lumière les prioritesA  définir selon les immeubles.
Construire les indices composites destinés A  résumer une dimension sous-Jacente de la satisfaction clients
> Il est tout d'abord nécessaire de réaliser une Analyse en Composantes Principales sur les différents indicateurs de l'enquASte, en excluant ceux pour lesquels les non-réponses sont trop nombreuses.
> A€ partir de cette analyse, on se focalise généralement sur l'axe 2 puis sur l'axe 3 (en lidant la qualité de représentation des riables) qui permettent une approche - en lumière rasante - ' '. Il est fréquent que des paquets de riables apparaissent sur le mapping.
> Dans ce cas, il est intéressant de se focaliser sur un paquet particulier et de réaliser sur celui-ci une analyse spécifique : AFCM ou autre ACP (selon le type de données). Le premier axe de cette nouvelle analyse représente alors le - facteur commun - aux riables de ce paquet, du moins s'il explique une part suffisante de l'inertie du nuage.
> Il ne reste plus alors qu'A  nommer cette nouvelle riable créée, en fonction de la dimension qu'elle représente.

Classifier les clients
L'analyse factorielle a permis de structurer les grandes dimensions de la satisfaction. Il peut AStre ensuite intéressant de classer les répondants en fonction de leur positionnement par rapport A  cette structuration. Chaque individu est alors représenté par le barycentre de ses réponses aux indicateurs de satisfaction, et la - proximité - de certains répondants sur ce graphique donne une idée précise de leur - proximité - de réponses. Construire alors des classes homogènes permet une visualisation simplifiée du poids de chaque - mode de réponse -, ainsi que des caractéristiques des répondants concernés.
Une fois les groupes constitués et positionnés les uns par rapport aux autres, il s'agit de les caractériser. Ainsi, dans notre exemple, quelles sont les spécificités du groupe des - Critiques - ?
La pratique montre qu'il ne faut caractériser un groupe que par ses spécificités propres, afin de rester synthétique et insister sur les différences.
Les critiques (16 %) Caractéristiques spécifiques au groupe
» 30 % des clients de l'Agence de Bordeaux sont dans ce groupe.
» 82 % sont clients pour la première fois.
» On retrouve beaucoup plus de clients de la gamme Z que d'autres gammes (37 % contre 12 % si la répartition des gammes était respectée).
» En termes d'achat, le décideur était dans 79 % des cas le PDG (contre 51 % en moyenne dans l'enquASte).
» NOTE GLOBALE : 7,15 (contre 8,12 sur l'ensemble de la population)
» 28 % seulement de - recommandation sûre -
» 76 % nous considèrent comme - un fournisseur parmi d'autres -
» Notes systématiquement inférieures A  la moyenne d'environ 0,8 sauf :

- Disponibilité des produits (2,76)

- Modalités de facturation (2,44)

- Accueil téléphonique A  l'Agence (2,56)

En termes de présentation, les outils de classification permettent une approche synthétique et particulièrement - parlante - pour un public non averti
Il existe 2 grands types de méthodes pour classifier les répondants : soit des techniques dont l'objectif est d'expliquer les différentes leurs d'une riable (par exemple, la satisfaction globale) A  partir des résultats d'autres riables, et constituer ainsi des groupes d'individus (outils : Analyse Discriminante et Segmentation) ; soit d'autres outils, qui consistent A  classifier les individus en cherchant A  constituer les groupes les plus homogènes possibles selon leurs réponses A  un ensemble de riables (par exemple, les indicateurs de satisfaction) : outils généralement appelés Analyses Typologiques.
Dans ce deuxième cas, les praticiens s'appuient la plupart du temps sur les résultats d'une analyse factorielle préalable, afin de construire la classification désirée A  partir de riables non redondantes (par construction, les axes factoriels ne sont pas liés les uns aux autres).
Mais la méthode de classification retende dépendra du type de riables disponibles : quantitative/qualitative.
Analyses factorielles et méthodes de classification sont de précieux outils de simplification et de structuration de résultats d'enquASte de satisfaction client. En ce sens, ces techniques sont souvent appliquées pour présenter de faA§on claire et synthétique des résultats complexes. Mais leur construction et surtout leur interprétation demandent A  l'analyste un minimum de bagage statistique. Et pour l'avoir souvent vérifié auprès de nos clients mais aussi d'étudiants, nous ne pouvons que conseiller au lecteur de se méfier de la pseudo-convivialité de certains logiciels sur ce .
Mais si la structuration est importante, le point majeur de cette troisième étape facultative reste la hiérarchisation des différentes dimensions de la satisfaction, c'est-A -dire le calcul du poids réel des différents indicateurs dans la satisfaction globale.

Attribuer un - poids - réel aux indicateurs dans la satisfaction globale

De par son importance mais aussi sa complexité, cette problématique suscite encore A  l'heure actuelle de nombreuses publications, A  la fois chez les théoriciens, et les praticiens. C'est pourquoi nous nous bornerons A  dresser un panorama de quelques méthodes génériques, ainsi qu'A  mettre en exergue les atouts et limites de certaines de celles-ci.

Importance déclarée et importance réelle

La plupart des questionnaires intègrent aujourd'hui des items concernant l'importance perA§ue par les interviewés des différentes composantes de la satisfaction. Cette approche est intéressante et conseillée. Mais l'expérience montre que l'importance déclarée correspond rarement A  l'importance réelle, c'est-A -dire au poids du critère concerné dans la formation de la satisfaction globale.
D'où la nécessité de pouvoir calculer l'importance réelle afin de hiérarchiser les actions correctives.
D'où vient cette différence ?
> L'importance déclarée fait ressortir un - discours - souvent norme, qui doit AStre interprété pour refléter la réalité. En effet, hiérarchiser l'importance au début d'un questionnaire reste un jeu relativement théorique.
> Par ailleurs, l'interviewé n'est pas toujours capable de répondre, soit parce qu'il n'a pas vraiment réfléchi A  la question, soit parce qu'il n'ait pas perA§u certains critères mis en lumière par le questionnaire.
> Enfin, il ne faut pas minimiser le poids des contraintes de questionnement.
» En effet, l'interviewé est rarement libre d'affecter l'importance qu'il veut, A  la fois en absolu et en relatif par rapport aux autres critères : notes de 1 A  10, classification, répartition de points, etc. sont autant de carcans qui restreignent le champ des possibles.
» De plus, d'autres critères non cités dans les questionnaires de satisfaction jouent aussi un rôle dans le processus de choix du client (notoriété, image de la marque, degré d'innotion, etc.).
Au contraire, l'importance calculée se rapproche de la réalité, c'est-A -dire de la manière dont l'individu pondère réellement les différents critères pour répondre A  la question de satisfaction globale. Mais les difficultés de calcul de celle-ci en limite la portée réelle, et il faut bien avouer que malgré la mise en œuvre de techniques statistiques de plus en plus complexes, le pouvoir prédictif de cette importance calculée est certes réel, mais loin d'AStre parfait.
Ant de décrire les différentes techniques possibles de calcul de l'importance - réelle -, il est nécessaire de mieux comprendre cette notion d'importance

L'importance, une notion complexe12

Le concept d'importance, mASme s'il peut paraitre a priori clair au néophyte, est une notion complexe, puisqu'elle prend des significations différentes selon l'usage qui en est fait. Quelques exemples permettent d'illustrer le problème.
On peut penser que la sécurité dans les avions constitue un critère de choix important d'une comnie aérienne. Or faites-vous réellement attention A  ce critère lorsque vous voyagez de Paris A  Londres ? Il en est de mASme du fait que la voiture que vous achetez démarre lorsque vous tournez la clé Personne ne peut dire que ce critère n'est pas fondamental, mais dans le mASme temps, personne ne choisit sa voiture grace A  ce critère.
Ces 2 exemples quelque peu triviaux montrent la confusion entre deux notions proches, mais distinctes : l'importance et la déterminance. Si la première est liée A  un besoin (un critère jugé important est un critère sur lequel l'individu a une attente), la déterminance est le produit de cette importance avec l'existence d'une différence perA§ue entre les diverses réponses possibles A  cette attente. Ce qui explique que l'on puisse juger un critère - important - (j'ai une forte attente sur le fait que mon avion ne s'écrase pas), mais pas déterminant dans le choix de la comnie (ma perception est que toutes les comnies qui assurent le trajet Paris-Londres ont un taux de sécurité équilent).
Reprenons cet exemple en ant l'importance déclarée et - l'importance - calculée. Un interviewé ne pourra pas considérer la sécurité comme secondaire, mASme s'il trouve ce point évident.
En renche, lorsqu'il note sa satisfaction globale, il tient compte du caractère non différenciant de ce critère. A€ partir de lA , les modèles statistiques calculés en référence A  celte note globale ne peuvent inventer une - importance - forte A  un critère non discriminant.
On perA§oit donc la différence entre une importance déclarée et donc rationalisée, et le résultat d'une expérience de consommation sur un marché où d'autres offres existent.
En termes de hiérarchisation des actions A  mettre en œuvre, l'importance calculée est donc un outil bien plus efficace que l'importance déclarée. D'où la nécessité de trouver des outils fiables qui puissent calculer le poids réel des critères dans la satisfaction globale.
En renche, la aison des deux types d'importance (déclarée et mesurée) fournit une information intéressante A  l'analyste en terme de communication vis-A -vis de ses clients.

Présentation de différentes méthodes de calcul de l'importance réelle
Un ouvrage entier ne suffirait pas A  décrire et expliquer les différentes tentatives sur ce . Toutefois, la grande majorité des méthodes partent d'une mASme hypothèse : il s'agit d'expliquer les riations de la satisfaction globale A  partir des riations des indicateurs de satisfaction partiels. Dans ce cas, le meilleur modèle sera donc celui qui prédira le mieux les leurs de cette satisfaction globale en cas de modification de la leur d'une des riables explicatives.

Si le modèle affirme que:

- gagner 1 point sur le critère - Accueil téléphonique -. apporte 0,8 point sur la satisfaction globale.
et
- 1 point gagné sur - Le respect des délais - fait augmenter la satisfaction globale de 0,4 point,
alors la priorité d'investissement semble claire (A  facilité d'action et niveau d'investissement égaux !) puisque l'Accueil téléphonique - rapporte - deux fois plus que le Respect des délais.
La corrélation
Cette technique a déjA  été abordée précédemment (cf. étape 2 : Approfondissement). Rappelons que le calcul de la corrélation entre chaque indicateur et la note globale (ou tout autre critère équilent ou mASme plus performant en termes de fidélisation) permet une hiérarchisation de ceux-ci en fonction de leur liaison linéaire avec la satisfaction globale. La - pente - de la régression simple indique mASme le gain de satisfaction globale correspondant A  1 point supplémentaire de l'indicateur concerné.
Cette méthode présente l'antage d'AStre simple et accessible A  tous, y compris sans logiciel de statistique. Elle nécessite toutefois des échelles de mesure suffisamment larges pour avoir des propriétés - quantitatives - (1 A  10 par exemple).

La régression multiple

Technique dérivée de la précédente, la régression multiple consiste A  expliquer la satisfaction globale non plus indicateur par indicateur, mais en construisant une fonction du type : Satisfaction globale = (A*indicateur 1) + (B*indicateur 2) + (C*indicateur 3) + + (P*indicateur N) + Constante, où les A, B, etc. représentent les poids respectifs des critères dans la satisfaction globale.
L'utilisation de cet outil génère de multiples contraintes :
> Les riables doivent AStre métriques
> Dans le cas des études de satisfaction, il est préférable que le R2 soit > 60 A  70 % pour que l'on puisse tirer des éléments intéressants de la régression
> Et surtout, les riables explicatives ne doivent pas AStre trop corrélées entre elles parce qu'il devient alors techniquement impossible de déterminer l'impact spécifique de chacune de ces riables sur la satisfaction
Or cette dernière condition est rarement vérifiée en satisfaction client, puisque comme nous l'avons déjA  vu, tous les indicateurs sont corrélés positivement, certains l'étant mASme très fortement.
La solution consiste soit A  enlever de l'équation les critères les plus corrélés aux autres, soit A  prendre en tant que riables explicatives de la régression les axes factoriels représentant les grandes dimensions. Mais cette dernière solution se révèle peu réaliste en pratique, du fait que ces facteurs ne représentent souvent qu'une part insuffisante de la riance globale, ou sont difficilement interpréles en termes Marketing (agglomérat de n indicateurs confondant plusieurs dimensions).
Bien qu'elle ait de nombreuses contraintes et limites pratiques, et sous deux conditions rédhibitoires :
> Avoir réellement assimilé au préalable les résultats de l'enquASte, et notam ment les corrélations entre indicateurs, et avec la satisfaction globale

> Connaitre les limites de cet outil

la régression multiple (notamment la méthode - pas A  pas -) permet une approche très intéressante en termes exploratoires.
Mais la multicolinéarité des indicateurs est telle dans une enquASte de satisfaction, que certains chercheurs, et plus récemment quelques praticiens, prônent l'utilisation d'un outil statistique plus complexe : la régression PLS (Partial Least Squares). Celle-ci examine les relations entre les différents indicateurs initiaux, et calcule A  partir de cela les grands axes qui expliquent le mieux la satisfaction globale, ainsi que leur impact respectif sur l'amélioration de celle-ci.
Selon M. Tenenhaus (Cahiers de Recherche du groupe HEC, nA° 643, 1998) - la régression PLS est sans doute actuellement la meilleure réponse au problème de la multicolinéarité en régression multiple -.
C'est pourquoi nous incitons le lecteur A  approfondir cette approche, qui dépasse largement le cadre de cet ouvrage.
Le Trade-oft ou l'analyse des mesures conjointes
Cette technique, dont l'application au Marketing est relativement récente, s'est considérablement développée durant les quinze dernières années.
Compte tenu de sa spécificité, elle serait trop longue A  expliquer ici. C'est pourquoi nous renvoyons le lecteur vers des articles spécialisés ou des instituts de sondage13 qui proposent ce type de méthode pour calculer l'importance réelle de chaque indicateur.
Nous insisterons juste sur le fait que cette approche se distingue radicalement des autres, puisqu'elle est basée sur la structuration des préférences des clients, et non plus sur un calcul A  partir de la satisfaction globale.
L'analyse discriminante
L'analyse discriminante est proche de l'analyse de régression, dans la mesure où elle permet d'expliquer une riable (satisfaction globale, mais cette fois sous forme nominale et non quantitative), par d'autres riables (indicateurs de satisfaction partiels), nécessairement quantitatives.
En pratique, elle consiste A  créer deux ou trois groupes d'individus A  partir de la satisfaction globale (généralement : insatisfaits, satisfaits, très satisfaits), puis A  déterminer grace A  cet outil les indicateurs de satisfaction qui expliquent le mieux la constitution de ces groupes (riables discriminantes).
La méthode est considérée comme d'autant meilleure qu'elle permet de prédire, pour le plus grand nombre d'individus possible, leur appartenance au groupe auquel ils appartiennent en réalité. En renche, si le nombre d'erreurs d'affectation est trop important, le modèle n'est pas fiable.
Les autres modes d'approches
La plupart des méthodes ci-dessus (A  l'exclusion du trade-off) font l'hypothèse que le poids des facteurs explicatifs est constant tout au long de l'échelle de satisfaction globale. Or les éléments ayant une influence forte peuvent AStre différents selon le niveau de satisfaction globale. Ainsi, un facteur fondamental pour les insatisfaits mais négligeable pour les satisfaits aura globalement une influence moyenne.
Cette vision étant limitative, des approches plus récentes partent des - distances - observées entre les insatisfaits, satisfaits et très satisfaits sur le premier facteur d'une analyse factorielle (qui représente un axe de satisfaction). Plus cette distance est importante, plus les gains apportés seront bénéfiques14.
Enfin, d'autres auteurs, reprenant des approches issues notamment des traux de Kano , proposent une classification des indicateurs selon leur capacité A  générer :
> uniquement de l'insatisfaction (facteurs basiques)
> de la satisfaction et de l'insatisfaction (facteurs clés)
> uniquement de la satisfaction (facteurs plus).