HtmlToText
aller au contenu principal christophe benavent marketing, cultures et technologies menu accueil a propos curriculum plateformes cultures digital consommations management public stratégie méthode cours publications conférences atlantico atelier doctoral : r pour la recherche en sciences sociales 9 mars 2018 29 mars 2018 cb 1 commentaire l’objectif de l’atelier, organisé dans le cadre des enseignement de l’ ed eos , est la prise en main de r au travers de l’interface graphique rcmdr et de rstudio et de découvrir la communauté r et ses ressources en 4 séances de 3 heures : décrire, expliquer, modéliser. public visé et pré requis : doctorants et autres chercheurs. connaissance des tests statistiques et autres statistiques élémentaires. une habitude de sas ou spss fera du bien. les participants doivent installer rstudio au préalable. l’interface pour démarrer est rcmdr, c’est le premier package (rcmdr) à installer au préalable. calendrier de la formation (période de l’année): 12 et 13 avril 2018 (9h30-12h30 : 13h30-16h30) lieu : université paris nanterre bat a 3ème étage 304 ou 305) inscription : envoyer un cv à christophe.benavent@parisnanterre.fr avant le 20 mars. – nombre maxi d’inscrits : 15. programme le jeu de donnée utilisé provient de l’ european social survey . les liens vers les packages utilisés et des ressources utiles sont donnés dans le programme. le site principal de r est le cran. les ressources sur internet sont nombreuses : par exemple r-bloggers riche en exemples d’applications, ou le cookbook for r. les forums regorgent de ressources notamment stalk overflow. 1 : l’environnement r: communauté, packages, langage et prise en main avec rcmdr . comparaison de moyennes, corrélation, représentation graphique avec ggplot (pour des exemples voir ici ou là ) 2 : clustering ( package ape, dendo…) 3 : régression avec r: des mcos au modèle linéaire généralisé (logit, poisson, etc) ( package lme4, stargazer pour des présentations standardisées. 4 : analyse factorielles, échelles de mesure et équations structurelles avec psych et lavaan : on traitera notamment de l’influence de la confiance sur le bien être. une séance supplémentaire est données sur l’analyse lexicale avec tm , rtsne et lda. dans le cadre du séminaire ? le cas de l’ analyse de topic d’un flux de tweets . ects : la participation au séminaire donne droit à 1.5 ects ressources : r blogger : un meta blog centré sur r , très riche en exemple et application. stackoverflow : plateforme de q&a pour les développeurs, r y est fréquemment mis en question ps : un cours similaire est donné dans le cadre du master management de l’innovation gdo/mopp. la doc de ggplot2 , le package des graphiques élégants. crédit photo : comme souvent l’excellent jeff safi satisfaction à l’égard des moteurs de recommandation : la transparence optimale 5 mars 2018 cb c’est une idée ancienne. le mieux dans la transparence n’est pas le plus, c’est plutôt un clair-obscur, assez clair pour que la lumière traverse, assez obscur pour qu’on y devine un relief. il en est de même pour la transparence des algorithmes. les utilisateurs réagissent le mieux à une information épurée, simplifiée, qui donne les principes sans brouiller avec les détails. le simple plus que le complet. ce papier, publié dans la nouvelle et intéressante revue management et datascience en teste l’hypothèse. s’il est modeste dans la méthode et le principe ses résultats sont très net. cela a des conséquences en matière de design des sites et des applications. donner des éléments clés qui favorise l’autonomie de jugement ( dois-je faire confiance à ce type d’algorithme ?) et la connaissance de risque éventuel, sans demander un effort exorbitant. cela cependant ne résout pas la question du contrôle effectif des algorithme qui demande une connaissance approfondie des détails. on comprend que celle-ci n’est pas à la charge des consommateurs, mais des organismes spécialisés dans la défense des droits et des consommateurs, la recherche académique, ou de régulation. la transparence est un arrangement institutionnel. ps : au passage soulignons que cette publication est le résultat du mémoire de master marketing à nanterre de pauline vautrot. confiance et bonheur : la force du lien 5 mars 2018 cb il y a des moments de bonheur. par exemple, celui où on découvre un jeu de données merveilleux et que l’on part à son exploration. ce jeu de donnée est celui de l’ ess eric . parfaitement préparé et documenté, il cumule 8 vagues d’enquêtes menées tout les deux ans, dans plus d’une vingtaine de pays, et porte chaque fois sur près de 2000 personnes, au total près de 300 000 répondants. un véritable baromètre du bonheur, du bien être, des valeurs, de la confiance, de l’engagement politique et civique, des sentiments de discrimination, des orientations politiques et religieuses, de l’inclusion. une mine d’or. je ne serais pas le premier à m’y plonger, des centaines de publications ont déjà employé telle ou telle fraction des données. c’est aussi un très bel outil pédagogique, une base magnifique pour introduire à la puissance et l’élégance de r et du traitement statistiques des données, d’autant qu’elles sont aisément téléchargeables, sous des formats remarquables de limpidité. pour le spécialiste de marketing qui a été nourri au lait de la relation client, et par conséquent de celui de la confiance, il y a l’occasion remarquable de revenir, à grande échelle (la base que nous exploitons représentent 220 000 individus au cours de 6 vagues et dans 16 pays) sur le lien qu’elle entretient avec la satisfaction, et d’en tester la solidité à travers les pays, le temps, et les strates sociales. on se concentrera dans cette analyse sur un tout petit nombre de questions relatives à trois variables clés. le bonheur bien sûr, mesuré comme satisfaction dans la vie, et sentiment de bonheur actuelle ( 2 items). l’état de santé perçue est aussi mesuré, mais nous ne le prendrons pas en compte, pas plus que la satisfaction à l’égard de l’économie qui dans des premiers tests se révèle peu lié au bonheur. c’est notre variable dépendante. la confiance interpersonnelle : se méfie-t-on des autres, espère-t-on leur aide, sont juste juste ? 3 items sont proposés qui présente un alpha de l’ordre de 0,80. la confiance dans les institutions dont une analyse plus fine révèle qu’elle possède trois facettes : l’administration, le politique, les institutions internationales. nous les traiterons comme une dimension. l’alpha est de 0.92. notre modèle est donc extrêmement simple, une regression à deux variables corrélées. on l’estime avec un modèle sem évalué avec l’élégance du package lavaan . le temps de calcul ne dépasse pas la seconde, un poil plus quand des modèles à nombreux groupes sont estimés. library(lavaan) library(semplot) model <- ' # measurement model trust_interperson =~ trust_tst + trust_fair + trust_hlp trust_institution =~ trust_parlemnt + trust_legal + trust_police + trust_polit+trust_parti+trust_eu +trust_un happyness =~ happy + stflife # regression happyness ~ trust_institution + trust_interperson # residual correlations trust_institution ~~ trust_interperson' fit0 <- sem(model, data=conf) summary(fit0, standardized=true) pathdiagram<-sempaths(fit0,whatlabels="std", intercepts=false, style="lisrel", ncharnodes=0, ncharedges=0,edge.label.cex = 0.6, label.cex=1.2, curveadjacent = false,title=true, layout="tree2",curvepivot=true) le résultat du modèle est résumé dans le graphe suivant, il montre que le bonheur dépend plus de la confiance interpersonnelle, locale, de voisinage, de l’idée qu’on se fait de l’humain que de la confiance dans les institutions. clairement deux fois plus. si une unité de confiance interpersonnelle supplémentaire est obtenue, c’est 0,36 de bonheur gagné, le même gain de confiance envers les institutions s’accroît le bonheur que de 0,16 unités. la confiance reste un sentiment général, une corrélation de 0, 55 est enregistrée entre ses deux facettes, elles évoluent de manière conjointe ce qui se comprend : de bonnes institutions conduisent à ce que les gens se fassent confiance,, mais pour faire confiance aux institutions il faut aussi faire confiance aux gens qui les habitent. avoir autant de données pour une presque trivialité peut sembler inutile, sauf si l’on cherche à voir ce qui peut faire varier ce modèle. l’idée est donc simplement d’évaluer ce modèle pour différents groupes. la seule chose à faire est de modifier l’ajustement avec cette ligne : fitg <- sem(model, data=conf, group="cntry",group.equal = c("loadings")) le même modèle est estimé pour les différents groupes (le pays dans l’exemple) avec la contrainte que les loadings sont égaux entre les groupes : on mesure les mêmes variables partout ( avec group.equal). ce qui peut changer c’est le poids des variables de confiance sur le bonheur, et leur degré de corrélation. cette approche consiste en fait à faire une sorte de méta-analyse. répéter l’estimation du modèle sur différent groupes et analyser la variance de ses paramètres. avant de présenter les résultats, un élément préalable doit être communiqué : le niveau de bonheur au niveau du pays est inversement lié à la variance du bonheur au sein du pays. autrement dit ce qui fait baisser l’indice de bonheur c’est l’inégalité du bonheur! ce qui fait un pays heureux c’est quand tous le sont également, c’est le cas dans les pays du nord de l’europe, le sud et l’est sont soumis aux inégalités. dans le diagramme suivant, le poids des paramètres du modèle pour chaque pays est indiqué par la longueur des barres horizontale. on retrouve le pattern général, la confiance interpersonnelle tourne autour de 0.35, et c’est en france qu’elle est la plus déterminante. la confiance dans les institutions pèse le plus sur le bonheur en hongrie. les pays sont classés par ordre de bonheur, s’il y a des différences il est difficile de comprendre pourquoi. tant qu’à faire nous avons systématisé cette approche sur un certains nombre de variables. tous les résultats sont regroupés dans le graphique suivant. et en voici les enseignements principaux. premier point, dans la figure (b) on n’observe pas de changement notable dans l’indice de bonheur sur une période de 10 ans. le poids des deux facettes de la confiance sur le bonheur reste stable aussi. c’est sans doute le fruit de l’homéostasie du bonheur et de la satisfaction. le monde peut changer, il se réajuste. second point, dans la figure (a) on observe un changement important d’une génération à l’autre : l’influence de la confiance interpersonnelle sur le bonheur est plus faible pour les plus jeunes, qui sont aussi les plus heureux. auraient-ils moins besoin des autres, des proches pour jouir de la vie? le poids de la confiance institutionnelle lui ne varie pas et reste identique à travers les génération. ce résultat est d’autant plus intriguant, qu’il ne se retrouve pas dans le niveau de diplôme. c’est donc bien un effet de génération et non de socialisation et qui semble s’engager à partir de la génération des années 50. le dernier point met en évidence le prix de la solitude, les foyers solo sont bien moins heureux que les autres comme l’indique la figure (d ). elle fait aussi apparaître un léger effet en u : la confiance interpersonnelle compte plus quand on est seul ( les bonnes relations de voisinage peuvent compenser le célibat), et lorsque le foyer est nombreux ( le conflit en groupe est un enfer!). l’exercice ici est largement pédagogique et méthodologiques. d’autres variables doivent être intégrées au modèle, ne serait- ce que la santé, l’intégration sociale qui joue un rôle clé, peuvent être les valeurs, les opinions politiques religieuses. sa limite est celle d’une première analyse. elle est aussi celle du pouvoir explicatif des modèles. la confiance à elle seule explique qu’une faible partie de la variance : avec un contrôle par le pays et l’inclusion de la confiance dans l’économie et l’état subjectif de santé, on explique au mieux 24% de la variance. il reste la place pour d’autre facteurs. son intérêt empirique réside dans ce fait intéressant : la très grande stabilité des paramètres du modèle à travers l’espace, le temps, et les catégories sociales, même si l’effet générationnel qu’on vient de mettre en évidence par cette sorte de méta-analyse reste encore à expliquer. il témoigne pour une forme homéostatique du bonheur qui s’ajusterait aux changements de conditions de vie. il dépend peu de la confiance envers les institutions, il est plus nettement lié à l’idée que les autres sont bienveillants même si ce lien s’affaiblit avec les générations. roc, le choix des seuils de détection et le coût de la morale 6 janvier 2018 cb le propre des êtres autonomes est leur capacité à identifier des signaux et à y répondre de manière adéquate. l’œil de l’aigle dans le ciel saisit identifier la fourrure fauve dans la prairie jaunie, la luciole reconnait la pulsation lumineuse émise par les partenaire de son espèce, le radiologue le motif d’une structure cancéreuse, l’opérateur radar détermine si le point clignotant sur l’écran correspond à un vaisseau ami ou ennemi. c’est d’ailleurs avec ce problème de radar au cours de la dernière guerre mondiale, que la théorie de la détection du signal a émergé, couvrant des usages nombreux dont le point commun est d’évaluer la qualité d’une décision particulière – le signal reçu correspond-il à une réalité ou à un bruit ? – en établissant un seuil optimum de détection. prenons un exemple. le chien qui aboie devant nous intimide-t-il avant de prendre la fuite ou va-t-il nous attaquer et nous mordre ? en conséquence faut-il lui fracasser le crâne avec le bâton qu’on tient en main, ou rester immobile jusqu’à ce qu’il se soit éloigné? l’intensité de l’aboiement est le signal que nous devons traiter. pour bien se représenter le problème, nous générons un exemple hypothétique. on suppose que les attaques correspondent à des aboiements d’intensité 7 en moyenne, et la fuite de 5. deux situation sont traitées : l’une où l’écart-type des aboiement est de 0.5, l’autre de 3. ce qui est représenté dans la figure 1. on a le réflexe avec ce type de donnée d’effectuer un test statistique, celui du test de student est largement suffisant, dans les deux situations. il nous permet de décider pour un risque de première espèce donné, de rejeter l’hypothèse nulle d’égalité des moyennes et par conséquent de conclure que les moyennes sont distinctes et que, dans notre cas, que les décisions sont bien associées à l’intensité du signal. dans notre exemple ( cas de la figure de gauche à forte variance) les moyennes empiriques sont de 5, 06 et 7,04, et le test t de student a une valeur critique de 26. la probabilité que les moyennes empiriques diffèrent alors qu’elle sont égales en réalité est quasi nulle, bien en-deça du risque usuel de 5%. ce test cependant ne dit pas comment agir, autrement dit à partir de quelle intensité faut-il se préparer à frapper le chien fou furieux, ou ne pas agir. il dit juste qu’il y a une différence. on remarque cependant que lorsque les deux distributions sont bien différenciées, il est plus simple de discriminer les deux signaux. en choisissant une valeur supérieure à 6 (diagramme de droite), il y a très peu de chance de frapper cruellement la bête alors qu’elle va s’enfuir, et de se laisser mordre parce qu’on a cru a tors qu’elle enfuirait. mais quand les distributions se superposent largement (diagramme de droite), comment pour une valeur donnée de l’aboiement décider de l’action à mener? quel seuil se donner? l’analyse roc va permettre de répondre à la question, mais avant poursuivons sur cette question de superposition et de discrimination du signal. une mesure pour ceci a été proposée depuis longtemps: la sensitivité ( ou discriminance) elle est notée d’ et se définit par d’ =d/s où d est la différence des moyennes des deux signaux et s la variance moyenne des signaux ( racine²(1/2(sda²+sdf²)). dans le premier cas, on obtient une valeur d’ de 0,67 dans le second de 4, donc 12 fois plus forte dans la partie droite de la figure 1. le problème reste entier. quelle valeur retenir pour décider l’action a entreprendre (frapper ou rester immobile) ? a partir de quel seuil doit-on interpréter l’aboiement comme un signal d’attaque? pour évaluer cette valeur, il suffit de compter d’une part le nombre de bonne décisions, et d’autre part les mauvaises décisions. on comprend de suite que deux types d’erreurs peuvent se produire : on peut conclure que le chien va attaquer alors qu’il ne fait qu’intimider. le résultat de l’action est que le chien va se prendre un coup de bâton sans raison. c’est le prix d’une fausse alarme. on peut aussi conclure qu’il ne va pas attaquer, alors qui bondit et nous mord au mollet. l’alerte est ratée, le signal est sous-interprêté, on sera bon pour un vaccin anti-rabique, et quelques soins à l’hôpital. plus précisément le problème peut se formuler sous la forme du tableau suivant a partir du tableau différents indicateurs peut être construits, on remarquera rapidement qu’on retrouve les classiques de l’évaluation du machine learning : précision , recall et accuracy. a vrai dire c’est le même problème. comment évaluer la capacité d’un modèle à discriminer des signaux. le taux de vrai positif ( ou recall , ou sensitivy ) est égal à tp/p . il donne la proportion de bonnes détection sur le total des détections positives. s’il est élevé, le détecteur donne trop souvent de fausse alertes. le taux de faux positif : fp/n taux de vrai negatif ( ou spécificité) : fn/n l’ accuracy ( précision) donne la proportion de bonne prédiction : tp+tn/(p+n) l’ erreur en est le complément : 1- acc = (fp+fn)/p+n f : c’est la moyenne harmonique de la précision et du recall. c’est un indicateur de synthèse l’invention des contrôleurs de radars est de représenter ces performances sous la forme d’un diagramme appelé receiver operational characteristics (roc) construit en calculant pour différents seuils de décision ( l’intensité des aboiement) le taux de faux positifs et en ordonnée le taux de vrais positifs. les deux courbes (on utilise le package rorc de r – l’ensemble du code est sous le post) de la figure suivante correspondent aux deux situations (faible et forte discriminance), la diagonale correspond à une situation de non discriminance. la courbe la plus coudée correspond au signal le moins ambigu (sd=0.5). la lecture du roc est simple : plus la courbe est coudée et meilleur est le modèle ( ou le signal est peu bruité). les couleurs représentent différents seuils. le violet et le bleu correspondent au seuils les plus élevés. en lisant le diagramme on s’ aperçoit que pour accroitre le taux de vrai positif il faut concéder une proportion croissante de faux positifs. dans le cas du « bon » modèle ceci se produire à partir d’un taux de vrai positif de plus de 90%. dans le cas bruité, il faudra accepter un taux de l’ordre de 60% de faux positifs pour identifier 8% des vrais positifs. quel est donc le bon trade-off? on peut reproduire des représentations analogues avec les autres indicateurs. on a inclus ainsi le diagramme specifité/sensitivité, et bien sur le couple precision/recall bien connu des machine learners. rorc en propose de nombreux autres. il y en a pour tous les goûts. la détermination du seuil optimal, qui combine la plus grande proportion de signaux bien reconnus tout en minimisant l’erreur des faux positifs, suit le principe de retenir le point le moins éloigné de la situation de discrimination parfaite : 100% de taux de vrais positifs et 0% de faux négatifs. rorc automatise ce calcul par une fonction simple qui nous donne les résultats suivants. on s’aperçoit ainsi que le seuil optimal est plus faible (5,91) dans le cas d’un signal bruité (faible discriminance) que dans celui d’un signal clair (6.01). la stratégie est donc d’être plus prudent et d’augmenter le seuil d’alerte quand le signal est ambigu. dans ce calcul, un facteur décisif et économique, les coûts de l’erreur, ne sont pas pris en compte. le coût des faux positifs – penser que le chien va attaquer, alors qu’il ne le fera pas – est un coût moral. si on milite pour l’ antispécisme , qu’on considère que la douleur imposée à l’animal est criminelle, qu’on ne mérite pas de circonstances atténuantes due à la peur, ce coût sera élevé. il peut être consacré par le droit et se traduire par de fortes amendes si ce n’est des peines de prison. le coût des faux négatifs est celui de se faire mordre, il est moins ambigu et il se traduit par celui d’une visite à l’hôpital pour le vaccin anti-rabique et couturer la blessure. une autre fonction de rorc permet d’analyser ces options en fixant un coût pour les faux négatifs et les faux positifs. on va donc calculer les seuils en envisageant deux situations qui s’ajoutent à l’analyse précédente où ces coûts sont considérés comme équivalents. forte valeur morale : on fixe à 1 le coût des faux négatifs et à 5 celui des faux positifs (il est 5 fois plus coûteux de frapper le chien que de se faire mordre) fort égoïsme : on fixe à 5 le coût des faux négatifs et à 1 celui des faux positifs ( il est 5 fois moins coûteux de frapper le chien pour rien que de se faire mordre). le résultat apparait dans la figure suivante. on s’aperçoit que lorsque le signal est clair (forte discriminance) la moralité a peu d’influence, on retient un seuil un peu plus bas en cas d’égoïsme, à peine plus élevé quand on partage des valeurs antispécistes. ces valeurs sont équivalents. lorsque le signal est ambigu ( faible discriminance), on passe en revanche du simple au double. le poids de la morale impose un seuil très élevé (8.66), celui de l’ego-préservation l’effondre de moitié (3.91). deux stratégies totalement différentes émergent, pas tant par le calcul, mais par son imprécision ! quand le modèle discrimine mal, l’impact des coûts, dont la valeur est fixée indépendamment du modèle, sur le seuil de décision est considérable. notre petite histoire de chien (en hommage au musée de la chasse dont l’objet est bien la détection) avait d’abord un but pédagogique et servira à nos étudiants ( ceux de marketing y trouveront une bonne manière d’améliorer leur connaissance des méthodes de scoring et de leurs évaluations). elle a aussi sa leçon morale et politique. l’opérationnalisation d’un modèle de décision – la détection d’un signal en est une variété – ne consiste pas simplement à faire des prédictions. elle conduit à choisir des normes pour établir la décision. les valeurs de ses normes sont externes au modèle. on frappe le chien, pas seulement parce qu’il aboie, mais parce qu’on identifie de manière imprécise cet aboiement, et que dans cette incertitude on privilégie son propre intérêt, à moins d’être soumis à une autre norme, celle de la vie du chien. et le modèle ne décide pas de ce choix. il l’accuse quand il est imprécis. autrement dit ils pourraient être neutre quand il sont précis, mais quand il ne le sont pas, ils traduisent des choix politiques et moraux. pour donner une idée plus concrête prenons la question de l’octroi de crédit à la consommation. noter les consommateurs sur une échelle de risque ( risk scoring) ne porte pas directement à conséquence pourvu que le modèle soit construit convenablement : sur des échantillons représentatifs (sans biais de sélections, ce cancer du big data) et avec une bonne spécification ( sans biais du même nom) . ce peut être un modèle logit qui fournissent un score sous la forme d’une probabilité de défaillance à rembourser ou pourquoi pas quelque chose de beaucoup plus sophistiqué. sa mise en œuvre requiert une étape supplémentaire : fixer le seuil qui amènent à considérer un mauvais crédit. a quel niveau doit-on refuser le prêt? si le risque est supérieur à 5%? ou 10%? ou 20% ? ce seuil dépend non seulement de la qualité du signal à traiter (le profil du demandeur de crédit qui va se résumer en un score qui discrimine les bons et les mauvais risques) mais aussi par l’introduction de coûts associés à l’erreur qui prend un double visage. le faux négatif c’est accorder un crédit à quelqu’un qui ne le remboursera pas, et son coût le montant perdu. le faux positif c’est refuser un crédit à quelqu’un qui l’investira dans une startup nommée facebook et qui vaudra 600 milliards. les banques généralement comptent le premier risque et pas le second. on pourrait imaginer un monde où les emprunteurs opposent les opportunités perdues à celui qui leur a refusé un crédit. dans un monde de donnée qui se prépare à envahir le monde avec le machine learning et les nombreuses familles de modèles prédictifs, infiltrant dans tous les processus des micro-mécanismes de détection et de décision, il y a toute les chances que les modèles restent imparfaits car ce monde reste un monde social, où les corrélations sont généralement faible, au contraire d’un monde physique plus déterministes. cette imperfection par nature risque d’amplifier l’effet des systèmes de valeurs, qui se traduit dans l’évaluation des coûts des erreurs, sur la détermination des seuils de décision. annexe code – largement inspiré de https://www.r-bloggers.com/a-small-introduction-to-the-rocr-package/ – cours marketing digital à l’upf 8 novembre 2017 cb ce cours est donné aux étudiants du master management et commerce international de l’upf à tahiti. blablabla référence : nouvelle formes de marketing 24 septembre 2017 24 septembre 2017 cb ce cours est donné dans le cadre de la licence 3 à l’ufr segmi à paris nanterre . partant des nouveautés dans les modes de consommation largement induites par les technologies de l’information mais s’intéressant aussi à la fragmentation des marchés et de leur identités culturelles et morales, ce cours vise à explorer la réponse marketing des entreprises dans le monde digital et leurs innovation s au travers d’études de cas. thématique le thème général pour la session 2016 portera sur le marketing des plateformes, et plus particulièrement sur l’emploi des données et des algorithmes dans les stratégies marketing. l’étude des plateformes est privilégié. il s’appuie en partie sur le livre « plateformes : sites collaboratifs, marketplaces, réseaux sociaux… comment ils influencent nos choix « . il s’agira pour les étudiants de choisir un cas de plateformes (airbnb, blablacar, etsy, zillow, taskrabbit, etc… ) et de s’attacher à un problème de marketing qu’elles rencontrent et qu’elle résolve par l’utilisation des données et d’algorithmes spécifiques. : fixer un prix pour uber, définir une politique de modération pour twitter, un mécanisme de résolution des litiges pour airbnb, une indication de prix pour blablacar, un système de recommandation pour netflix ou la gestion des commentaires par booking. evaluation : les étudiants auront à écrire un essai après avoir choisi un cas et s’être inscrit ici . il se présentera sous la forme d’un document de 8000 signes, organisé autour d’une problématique précise; 5 à 8 liens significatifs devront être mentionnés dans le texte, deux ou trois références bibliographiques devront enrichir la bibliographie ( livres et/ou articles de revues dites scientifiques). une illustration photographique sera proposée. l’ensemble doit prendre la forme d’un article long de blog ( le style de medium est recommandé). la version word et pdf doit être versés dans le dossier google drive nfm17 . cela doit être déposé pour le 26 décembre 2018 à minuit. le travail est individuel. syllabus le découpage du cours suit les grandes problématiques marketing 1- introduction : tendances de la consommation et modèle de plateforme tendance de consommation : voir présentation ci-dessous modèles de plateformes : les slides et une vidéo . le rôle des algorithmes . 2 – segmentation et versants de marché segmentation par avantages recherchés ( à partir de l’ étude um wave ) marchés multi-versants et marchés d’appariement – gestion des sites de rencontre. 3 – la relation à la marque et son positionnement dans l’espace digital analyse de la réputation et du sentiment points de contact et interaction multicanal réclamation et gestion des litiges ( cas airbnb) 4 – les systèmes d’influence et de discipline des consommateurs cgu, modération, trolling et sanctions – twitter et presse les systèmes de notation et d’avis – trip advisor nudge et gamification ( fomo sur booking), système de jetons 5 – la gestion d’une production et d’une distribution à la demande. simplicité. echelles et densité : la gestion du crowdsourcing – plateformes d’innovation systèmes de recommandation – le cas de netflix, amazon, spotify le rôle du machine learning (la valorisation des photo de flickr) 6 – les mécanismes de pricing le surge pricing de uber les modèles d’enchères – ebay les modèles conventionnels – blablacar ( prix recommandé) problèmes de discrimination. ( airbnb) 7 – le programmatique crm et dmp modèle de ciblage et reciblages présentation d’introduction : tendance de la consommation et nouvelles formes du marketing from christophe benavent le piège à miel des données ne fait pas saliver 22 août 2017 cb longtemps que je n’avais pas fait de billet d’humeur. est-ce de préparer la conférence mydata qui aura lieu la semaine prochaine entre talinn et helsinki ( gardons l’esprit en vacances), mais par une opération rare de sérendipité, voila que je vois surgir de mon fil twitter, cette page de publicité, dans le plus pur style viral qu’il soit. rarement d’ailleurs le mot viral est aussi adéquat. vous cliquerez l’image suite, et vous verrez que vous avez été averti. de quoi s’agit-il? d’une offre de parrainage classique. si vous retweetez cette offre en taguant l’image avec deux de vos amis, vous avez droit gratuitement au kit de séquençage génétique et de craquer votre code génétique. et bien sur que j’ai voulu gagner, et suis sur que vous avez faire comme moi. alors j’ai cliqué et j’ai découvert le moyen de savoir quelle part de néandertalien il y a en moi, à quel point suis-je primitif. c’est parfaitement clair et n’a pas besoin de commentaire. j’ai été grand lecteur de pif gadget, franchement ça n’a plus rien à voir et c’est pareil. on est passé des expériences avec des piles, celles qu’on testait en posant le bout de la langue sur la lamelle de cuivre par un picotement désagréable et métalique, à cracher dans un sac en plastique et à l’envoyer là bas où ils font de la haute-technologie, pour recevoir en retour un certificat attestant les traits néandertaliens qui subsistent dans notre adn. il est bien dit sur la pochette, que c’est à but ludique et non thérapeutique, et même que la génétique palélithique n’en était qu’à ses débuts. on joue. a la première analyse, cette offre – qui est tarifée normalement – à 80 $ pour le kit helix dna, et 24 $ pour le test neanderthal, est proposé par isitome et le kit adn par une autre entreprise évidemment dénommée helix. on devine immédiatement le modèle. des millions de gens envoient leurs salives, ils peuvent rester propriétaires de leurs données, eux-même n’en feront rien. helix séquence décode, conserve le code. d’autres entreprises se concentre sur l’identification fonctionnelle des gènes. lesquels appartiennent à nos très lointains ancêtre ? lesquels predisposent nos futurs enfants à des maladies mortelles, lesquelles affectent nos allergies alimentaires et non alimentaires. c’est un modèles de plateformes, les entreprises qui vont se focaliser sur telle ou telle portion de gènes, développent simplement des applis, une nouvelle génération d’applis. les médecins, les hôpitaux, seront nécessairement obligés de passer par leurs api pour tester leurs hypothèses et leurs diagnostics. on espère que les services secrets n’y auront pas d’accès, mais il y a de quoi douter. néanderthal est un formidable produit d’appel pour constituer ce qui potentiellement est un des futurs google des données génétiques. des millions de gens et sans doute très bientôt des milliards d’humains auront craché pour qu’on leur vende leur propre histoire : si l’on reprend textuellement la promesse d’isitome. c’est merveilleux, nous sommes uniques, un livre unique qu’on ne peut cependant pas lire soi-même, mais qu’on peut faire lire par la plateforme, et dont on va acheter les pages et les lectures par morceau. 20 dollars pour connaitre nos ancêtres, 200 pour nos allergies, au moins 400 pour savoir quelle saloperie on peut léguer à nos enfants, 50 plus tard aux première alerte cardiaque pour que le chirurgien aie une meilleure connaissance de nos prédispositions. quoiqu’à vrai dire dans ce cas, c’est l’assurance santé qui paye et on lui fera payer un tout autre prix. un seul décodage, le plus tôt possible est finalement souhaitable, et ce sera une customerlife time value aussi longue que notre vide d’humain. le pactole. mais il faut faire vite. comme pour les plateformes traditionnelles ( et oui c’est un coup de vieux pour les ubers et autres blablacar) c’est celui qui accumule le plus de données, qui détiendra le stock de gène séquencé le plus élevé, qui remporte le marché. a lui de créer un écosystème et une myriades de start-up spécialisée dans les tests, de développer les apis qui permettent aux tiers, les médecins – et oui, le médecin devient un tiers, un acteur périphérique dans ce modèle- , d’accéder aux données. la nouveauté dans le cas c’est d’introduire les techniques les plus agressives du marketing, la culture du sweepstake et du cadeau promotionnel. et d’accrocher sur le plus périphérique, le plus ludique et le plus sensible : notre identité. les marabouts et les voyantes, ce sont leurs techniques marketing, ne sont désormais plus que poussière. c’est bien plus fort de lire dans la salive que dans le marc de café. cela donne le vertige et une toute autre perspective à la question de la protection des données. jusqu’à aujourd’hui les données étaient des représentations, des traces. ce qui reste dans la matière après un événement. l’empreinte d’un pied de dinosaure ou un selfie. l’une et l’autre s’effacent rapidement. rares sont les empreintes de dinosaure et pourtant ils ont beaucoup marché. avec les selfies, et bien d’autre chose, la question qui se pose depuis longtemps, c’est que reproductibles, ces traces ne s’effacent pas et s’accumulent. comme si les cheveux que l’on perd, les rognures d’ongles, nos squames, ne disparaissaient pas dans le néant, mais s’accumulaient autour de nous. on traite ce nouveau problème en nettoyant, en sécurisant, en recherchant une solution qui soit une sorte d’urnes dans laquelle on conserverait nos traces. est-ce la solution du cloud ou son alternative du cloud personnel et d’un retour au p2p véritable ? on ne sait pas encore. mais avec l’adn, qu’on peut attraper avec un cheveu ou une goutte de salive, il ne s’agit plus de trace, il s’agit de notre propre code. ce ne sont plus des données personnelle, c’est la personne même ! sans craindre qu’il soit modifié ( c’est un autre souci), on doit craindre dès aujourd’hui d’être amené à payer un loyer à vie pour qu’on puisse nous lire notre propre code, et bénéficier des avancées de la médecine. je reste optimiste en croyant qu’avec ces techniques on pourra mieux traiter les maux qui se précipitent avec l’âge. le vertige est que cela semble inexorable. crédit photo : thierry ehrmann , et lire le texte – en 2008 le kit était à près de 1000 $, aujourd’hui à 100. réseaux sociaux : qu’y fait-on? pourquoi on les fréquente? 22 août 2017 cb que fait-on sur les réseaux sociaux? quels bénéfices y trouve-on? quelles gratifications y obtient-on? les fréquente-t-on parce qu’ils nous donnent des opportunités ou parce qu’ils noient l’ennui? y va-t-on parce qu’on est malheureux ou parce qu’on est heureux ? a vrai dire on en sait assez peu. l’étude wave est sans doute la plus étendue par le nombre des nations qu’elle étudie, mais peut être pas totalement convaincante sur sa méthodologie. l’univers académique néglige cette question pratique préférant des thèses plus audacieuses, ou l’étude de comportements déviants ou périphérique. et d’ailleurs ce serait bien de l’analyser systématiquement nous savoir quelles dispositions elle met en évidence. un jeu de données produit par une des mes étudiantes de master va nous permettre d’aborder la question au moins sur le plan de la méthode. son jeu de donnée (260 individus) est représentatif du cercle social d’une étudiante franco- russe qui aura recueilli dans une population majoritairement jeune et étudiante les réponses à trois questions : quels sont les réseaux que les gens utilisent et avec quelle fréquence ? quelles y sont leurs activités et les gratifications qu’ils en retirent : une batterie de 36 items est exploitée à cette fin etes-vous heureux dans la vie ? c’est une approche du concept de customer well being qui semble recueillir un intérêt de plus en plus grand dans la littérature académique. l’approche ici reste descriptive. le plus c’est de segmenter sur une base très traditionnelle, mais fondamentale, quels sont les avanatges que recherche les utilisateurs de réseaux sociaux dans l’usage de ces réseaux? la question subsidiaire c’est de comprendre comment ces usages sont liés à leur qualité de vie. commençons par le début et par l’analyse des réseaux qu’ils emploient. deux critères sont mis en avant, le sexe et la nationalité. l’un reflète un ordre social qui se perpetue dans la construction du genre, l’autre au moins une différence culturelle façonné par l’histoire, les conditions économiques et sociales. en deux graphiques on y observe qu’il y a peu de différence de genre, mais des spécificités nationales importantes. si facebook est dominant en france, c’est vcontack qui semble exploiter la même niche en russie. une analyse complémentaire #ia à la moulinette du #ml 9 août 2017 9 août 2017 cb 1 commentaire printable up to 18′x18′ ces dernières années les progrès du text mining renouvellent largement l’étude des contenus textuels. un saut a été franchi depuis les techniques classiques d’analyse factorielles des correspondances. les outils récents inspirés du ml peuvent remplacer ou au moins compléter les bonnes vieilles techniques de l’analyse lexicale. alors plutôt que de faire des sudoku pendant les vacances, autant se balader dans les packages de r et d’appliquer ces techniques à un cas pratique. pourquoi ne pas explorer justement ce que l’on dit de ces techniques sur les réseaux sociaux. que dit-on de l’intelligence artificielle et du machine learning ? quels en sont les sujets de conversation? commençons par le début. il nous faut un corpus. autant le prendre là où il est facile à capturer, c’est à dire dans twitter. la première étape consiste à créer un compte sur l’ api (rest), pour pouvoir extraire ce que l’on souhaite ( avec des limites imposées par twitter). et lla seconde étape consiste simplement à se connecter à l’api, via r, et à lancer une requête. ce qui se fait de manière simple avec le code suivant : #accès à l api de twitter consumerkey<-"xq..." consumersecret<-"30l..." access_token<-"27a..." access_secret<-"za7..." setup_twitter_oauth(consumerkey, consumersecret, access_token,access_secret) pour rechercher les tweets, on échantillonne sur plusieurs variantes de hashtag, en préférant la méthode des twits les plus récents (une alternative proposée par twitter est de choisir les plus populaires, une troisième méthode mixant les deux approches). il suffit ensuite de fusionner les fichiers, puis de dédupliquer les enregistrements identiques. #recherche des twits avec plusieur requetes tweets1 <- searchtwitter("#ia", n = 2000, lang = "fr", resulttype = "recent", since = "2017-08-01") tweets2 <- searchtwitter("#ml", n = 2000, lang = "fr", resulttype = "mixed", since = "2017-08-01") tweets3 <- searchtwitter("#ai", n = 2000, lang = "fr", resulttype = "recent", since = "2017-08-01") tweets4 <- searchtwitter("#machinelearning", n = 2000, lang = "fr", resulttype = "recent", since = "2017-08-01") tweets5 <- searchtwitter("#deeplearning", n = 2000, lang = "fr", resulttype = "recent", since = "2017-08-01") #transformer en data frame tweets_df1 <- twlisttodf(tweets1) tweets_df2 <- twlisttodf(tweets2) tweets_df3 <- twlisttodf(tweets3) tweets_df4 <- twlisttodf(tweets4) tweets_df5 <- twlisttodf(tweets5) tweets_df <- rbind(tweets_df1,tweets_df2,tweets_df3,tweets_df4,tweets_df5) le décompte se faisant tout les quarts d’heure, on peut répéter l’opération pour récupérer quelques dizaines de milliers de tweets en quelques heures. et si l’on a un peu de budget on changera d’api pour streamer en temps réel ce que l’on souhaite. on dispose donc d’un corpus d’environ 6000 tweets, dont il va falloir nettoyer le contenu. c’est l’opération la plus difficile, elle demande de l’astuce et une bonne compréhension des contenus. dans notre cas, différentes opérations vont être menées et elles constituent l’étape essentielle où l’astuce de l’analyste est la clé de l’analyse. il faut aussi éliminer les liens url, mais aussi les mentions de même les nombres, la ponctuation, mettre en minuscule certains termes risque de n’apporter aucune information, les mots de liaisons, les articles, et naturellement les termes qui ont permis la sélection ( #ia par exemple) et enfin réduire les termes à leurs racines pour éviter une trop grande fréquences de termes équivalents mais distincts ( poisson, poissonier) c’est l’opération de stemming qui identifie la racine du lexique constitué. #recherche des twits avec plusieur requetes # creation du corpus et nettoyage du texte tweets_corpus <- corpus(vectorsource(tweets_text)) removeurl <- function(x) gsub("http[[:alnum:][:punct:]]*", "", x) #enlever les liens tweets_corpus <- tm_map(tweets_corpus, content_transformer(removeurl)) #enlever les liens removeacc <- function(x) gsub("@\\w+", "", tweets_corpus) #enlever les comptes tweets_corpus <- tm_map(tweets_corpus, content_transformer(removeacc)) #enlever les comptes tweets_corpus <- tm_map(tweets_corpus, removenumbers) #enlever les nombre tweets_corpus <- tm_map(tweets_corpus, removepunctuation) # ici cela va supprimer automatiquement tous les caractères de ponctuation tweets_corpus <- tm_map(tweets_corpus, content_transformer(tolower)) #mettre en minuscule tweets_corpus <- tm_map(tweets_corpus, removewords, stopwords("french")) #supprimer automatiquement une bonne partie des mots français "basiques" tweets_corpus <- tm_map(tweets_corpus, stripwhitespace) # ici cela va supprimer automatiquement tous les espaces vides tweets_corpus <- tm_map(tweets_corpus, stemdocument, language = "french") #on cherche les radicaux des termes tweets_corpus <- tm_map(tweets_corpus, removewords,c("ai", "machinelearning","ia","ml", "deeplearning","rt")) #enlever le terme commun tdm <- termdocumentmatrix(tweets_corpus, control=list(wordlengths=c(5, 30))) #creation de la matrice termsxdocuments on conduit cette opération avec les ressources du package tm qui est le véritable moteur du text mining. c’est une opération très empirique, la procédure se construit de manière itérative, en prenant soin de bien séquencer les différentes actions. et il sera particulièrement utile de regarder ce que font les autres data-scientists, leurs astuces et les élégances de langage qu’ils emploient. c’est l’étape la plus difficile, d’un point de vue technique mais aussi pragmatique. la première commande transforme le fichier de données dans un format particulier qui est celui qui décrit le corpus. chaque enregistrement est codé sous la forme d’un triplet : le terme ( un mot racine), le document ( un tweet) et la fréquence d’apparition du terme dans le document. pour l’utilisateur d’un logiciel statistique classique, spss, c’est l’élément le plus troublant, r ne fonctionne pas simplement avec des tableaux individusxvariables, ses objets sont beaucoup plus subtils, complexes mais pratiques. les commandes précedentes effectuent les transformations requises du corpus. la dernière crée la matrice termes document que nous voulons étudier. comme à l’ordinaire, débutons par le plus simple : quels sont les termes les plus fréquents? a cette fin, deux technique peuvent être employées. la première est simplement la représentation ordonnée par la fréquence des termes, la seconde, très visuelle est de produire une représentation très populaire, celle des nuages de mots. en fonction de ces résultats on pourra réitérer les opérations précédentes et ajuster le jeu de données et sélectionner les termes que l’on veut analyser. en voici le code et les résultats. cloudword fréquencemot dim(tdm) nterms(tdm) m <- as.matrix(tdm) v <- sort(rowsums(m), decreasing = true) d <- data.frame(word = names(v),freq = v) head(d, 350) barplot(d[1:70,]$freq, las = 2, names.arg = d[1:70,]$word, col ="lightblue", main ="mots les plus fréquents dans les tweets #ia", ylab = "fréquences", horiz=true, cex.names = .7) x11() #pour ne pas ecraser le chart precedent set.seed(123456) wordcloud(tweets_corpus, max.words = 100, colors = brewer.pal(8, "dark2")) les choses sérieuses viennent maintenant avec l’utilisation d’une méthode de modélisation des topics. on emploie ici le package modeltopics et la méthode lda ( latent dirichlet allocation) , qui cherche à calculer la probabilités qu’un terme appartienne à un topic, et qu’un topic appartiennent à un document, en ne connaissant que l’appartenance des termes aux document. l’idée est de prendre en compte que chaque document est un mélange de topic, et que chaque topic est un mélange de mots. on en trouvera une excellente présentation ici dont nous avons repris des éléments de code, pour une présentation plus technique la page wikipedia est un bon début. #topic modeling r.dtm <- documenttermmatrix(tweets_corpus, control = list(minwordlength =0)) lda <- lda(r.dtm,k =16, control = list(alpha = 0.01)) (term <- terms(lda, 16)) # first 6 terms of every topic ap_topics <- tidy(lda, matrix = "beta") ap_topics ap_top_terms <- ap_topics %>% group_by(topic) %>% top_n(20, beta) %>% ungroup() %>% arrange(topic, -beta) ap_top_terms %>% mutate(term = reorder(term, beta)) %>% ggplot(aes(term, beta, fill = factor(topic))) + geom_col(show.legend = false) + facet_wrap(~ topic, scales = "free") + coord_flip() #library(ldavis) le résultat principal est constitué par le diagramme suivant qui représente pour chaque topic ( on a choisit d’en identifier 9 de manière avouons le arbitraire – la question de la détermination du nombre optimum n’est pas encore résolue). les valeurs sont les probabilités ( beta) que les termes soient associés aux topics. c’est une sorte de spectre lexical. le topic 5, par exemple semble être relatifs aux chatbots, à l’iot et à ses applications en marketing et dans les fintech. avouons- le l’interprétation n’est pas évidente. nous avons besoin d’un nettoyage plus poussé et sans doute de jouer encore plus sur les paramètres du modèle qui consistent d’abord dans le nombre de sujets (topics) qui mérite sans doute d’être plus élevés, et dans un paramètre alpha qui ajuste le nombre de mots associés aux sujets. encore mieux, il serait bon d’implémenter le package ldavis qui produit une visualisation remarquable. on pourrait aller encore plus loin en considérant ce premier modèle comme un modèle d’entrainement, puis en l’utilisant pour classifier de nouveaux documents. ainsi, imaginons d’extraire chaque jour un nouveau jeu de données, on peut imaginer construire un outils qui donne l’évolution des thématiques dans la conversation des réseaux-sociaux. il nous suffira de la commande suivante : test.topics <- posterior ( train.lda , test ) une autre approche est celle de la méthode tsne , fournit par le package rtsne. c’est finalement une sorte d’analyse des similarités, à la manière du mds ( multi dimensionnal scaling) mais qui mets en jeu des calculs de distances très particulier, dont la vertu principal est de rendre compte de niveaux d’échelles différents. ce qui est très proche sera plus ou moins éloignés, ce qui est loin est plus ou moins rapprochés. on échappe au phénomène de dégénérescence du vieux mds, et à une meilleure représentation quand les objets sont éloignés. on contrôle ceci par un paramètre de perplexité , qui reflète sommes toute le nombre de voisins pris en compte dans les calculs. on lira ceci pour mieux en comprendre les effets. #tsne library(rtsne) tdmdata<- as.matrix(tdm) # run rtsne with default parameters tsne_out <- rtsne(tdmdata, dims=2, initial_dims = 80, check_duplicates = false, verbose=true, perplexity = 20, theta=0.8, max_iter = 1000) plot(tsne_out$y, t='n') text(tsne_out$y, labels=rownames(tdmdata),cex = 0.7) en voici les résultats pour plusieurs degrés de perplexité. la représentation est illisible ( il y a environ 4000 termes) mais des groupes de mots bien distincts apparaissent. elle va nous servir de base pour une meilleure visualisation de cet espace. perplex30 perplex15 perplex5 un modèle avec une perplexité de 20 et à 2 dimensions est choisi comme base d’une meilleure visualisation. on va se concentrer sur les termes les plus fréquents et l’on applique une méthode de classification (méthode de ward) dans l’espace définit par tsne, et avec un peu de code supplémentaire, on produit un dendogramme radial produit par le package ape, dans lequel la taille relative des termes est proportionnelle à leur fréquence et les couleurs correspondent à un découpage en 7 classes. x1<-tsne_out$y[,1] x2<-tsne_out$y[,2] fq<-rowsums (tdmdata, na.rm = false, dims = 1) rtsne<-data.frame(fq,x1, x2) rtsne2 <- subset(rtsne, subset=fq>30, select=c(x1,x2)) #clustering m2 <- as.matrix(rtsne2) distmatrix <- dist(scale(m2)) fit <- hclust(distmatrix, method = "ward.d2") p<-plot(fit) rect.hclust(fit, k = 7) # cut tree into 7 clusters library(ape) plot(as.phylo(fit), type = "unrooted") plot(as.phylo(fit), type = "fan") # vector of colors mypal = c("#556270", "#4ecdc4", "#1b676b", "#ff6b6b", "#c44d58") # cutting dendrogram in 7 clusters clus = cutree(fit, 7) # plot op = par(bg = "#e8ddcb") # size reflects frequency plot(as.phylo(fit), type = "fan", tip.color = mypal[clus], label.offset = 1, cex = log(rtsne$fq, 10), col = "red") voici le trail! on y lit plus clairement les sujet : on peut commençant en descendant à droite par un premier thème sur les chatbots et de facebook naturellement qui se poursuit sur une thématique marketing et bancaire, les applications. le troisième thème, en rouge est plus centré sur l’entreprise et l’organisation, l’impact sur les conseillers. les thèmes du fantasme et du changement nécessaire s’enchaîne assez logiquement, un sixième thème se centre sur la résolution de problème, le dernier est relatif aux questions entrepreuneuriales et aux start-up. on aura condensé ainsi un contenu brut de 7000 tweets et 4000 mots en une image. crédit photo : eugenia loli – immaculate prêt pour la finale : jeu de position et dynamique des segments électoraux 1 mai 2017 1 mai 2017 cb la dramaturgie présidentielle est pour cette première semaine de campagne particulièrement inquiète. le risque que le front national parvienne à la tête de l’état, les rancoeurs ou le calcul au parti de gauche, les coups de com et la fébrilité médiatique ajoutent à l’anxiété. la nouveauté de la configuration incite à la plus grande prudence mais puisque certains diffusent l’angoisse sourde d’une france rancie en brandissant le risque de l’abstention, autant revenir au calcul. les sondages ne sont pas si mauvais et d’une bonne aide. le premier tout l’a prouvé. pour évaluer le résultat, on peut le faire directement, les sondages annoncent macron avec de 58 à 62%, on peut aussi faire un calcul de prise de parts de marché qui consiste simplement à multiplier le vecteur de la répartition des votes ( et nous y incluons les abstentionnistes du premier tour) par une matrice de transition dont les sondages nous donnent une idée de la valeur de ses éléments et qu’on peut alimenter par différentes hypothèses en alternant ses valeur en faveur de l’un ou l’autre des candidats. compte-tenu de la nature de l’élection on considère ici l’abstention comme une option de choix pertinente. pour le lecteur qui veut jouer les éléments sont accessibles sur cette feuille (il suffit de modifier les valeurs dans la zone grisée). le résultat est clair : en prenant des hypothèses pessimistes pour emmanuel macron, on arrive à une victoire avec 57%. si en revanche si ceux qui ont voté mélenchon, au lieu de voter macron pour 40% d’entre d’eux étaient 65% ( ils seraient alors 20% à s’abstenir au lieu des 45% qui en ont exprimés l’intention ces jours ci), le score monte à 59%. comme on essaiera d’affiner en fonction des informations nouvelles on indiquera ici, les corrections successives du modèle. le 1er mai à 13:50 : evolution des reports de voix de dupont-aignan depuis vendredi #opinionway macron 44% (+13) le pen : 31% (-6) abstention : 25% (-7) -> donc 58,5% pour macron et 41,5 pour lepen (le même sondage donne 61% en question directe) on rejoint les sondages plus directs. ici le calcul est minimal, on devrait aller un peu plus loin et prendre ces éléments comme l’a priori d’une approche plus bayésienne que nous avons esquissée dans le post précédent en simulant des centaines de scénarios (modèle de dirichlet). mais restons en au problème de segmentation. on a beaucoup commenté une france coupée en deux socialement et géographiquement, en prêtant à ces catégories beaucoup d’affect. une enquête d ‘ ipsos-steria donne des éléments intéressants. nous avons sélectionné deux critères qui semblent les plus discriminants au regard d’un indicateur très simple : le rapport de la fréquence maximale sur la fréquence minimale. il s’agit de l’âge et du niveau de formation. tous les autres critères socio-démographiques ont des valeurs inférieures. chomage en fonction de l'âge et du diplôme diplome vote age vote prévisionbasesondagedivers1ermai l’age distingue l’électorat de fillon dont le score est inférieur à 15% chez les moins de 65 ans et bondit à 45 chez les plus de 70 ans. une population dans laquelle d’ailleurs macron réussit bien. les anciens rejettent les extrémismes mêmes s’ils restent majoritairement conservateurs. le ratio est ici de 5,6 : les plus de 70 ans sont 5,6 fois plus nombreux que les plus jeunes (45% pour 8%). on notera aussi que mélenchon a remporté la bataille de la jeunesse, c’est finalement rassurant, une jeunesse qui ne se révolte pas ce n’est pas bon pour un pays. l’autre critère, est le même depuis longtemps, les politiques n’en tiennent pas assez compte, c’est celui de l’éducation que se traduit par le niveau de diplôme. ce critère distingue fortement l’électorat nationaliste. il y a une relation décroissante entre le taux de vote fn et le niveau de diplôme et un ratio de 3,3 quand il n’y a pas de différence substantielle pour les autres candidats. ils sont tous un peu plus représentés chez les plus diplômés. voilà qui signifie l’idée que c’est l’espérance de progression sociale qui fait en grande partie l’élection, et que celle-ci se construit socialement dans la ressource que représentent les diplômes et les qualifications. le critère de revenus est moins discriminant, ce qui compte est moins le revenu actuel que celui qu’on espère. le vote du front national n’est pas vraiment celui du vote ouvrier, il est celui des non-diplômés. c’est aussi la faiblesse de l’extrême droite : les moins diplômés sont aussi les moins participants au vote. avec ces quelques éléments on peut conclure sur deux points. le premier est un conseil à macron, s’il veut une belle victoire qu’il fasse un geste aux insoumis, ils ne sont pas sans ressources et sans espoir, ils sont inquiet d’un monde dur où la compétition et l’intolérance se dispute la société. le second est un second conseil à emmanuel macron, président – comme c’est prévisible sous réserve de rebondissement ce dont les temps actuel semblent généreux, et à son futur gouvernement. ce n’est pas la rhétorique qui fera refluer le nationaliste et le populisme, ni le fact-checking en dépit du flot d’intox et de mensonge de ce mouvement. il faudra se décider, s’il l’on est progressiste, à faire que le progrès soit partagé, en particulier en ciblant la jeunesse sans diplôme dont le taux de chômage est de près de 50%. il n’y a pas une jeunesse il y en a deux, et la figure produite par l’ observatoire des inégalités est éloquente. navigation des articles articles plus anciens méta connexion flux rss des articles rss des commentaires site de wordpress-fr marketing, cultures et technologies de christophe benavent est mis à disposition selon les termes de la licence creative commons attribution - pas d’utilisation commerciale - partage dans les mêmes conditions 4.0 international . juin 2018 l m m j v s d « mar 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 fièrement propulsé par wordpress | thème libre par automattic .
benavent.fr rapport :
Visitez le site