Afin de bien comprendre l'origine de l'analyse Bayesienne, il faut remonter au révérend Thomas BAYES (1702-1760), pasteur et mathématicien anglais, a exposé dans un essai sa théorie des probabilités qui à été publié en 1764, à titre posthume. Les premières applications pratiques et les développements statistiques et informatiques des réseaux bayesiens datent des années 1970.
Aujourd’hui grâce à la puissance de calcul informatique, à des outils puissants et conviviaux, les réseaux bayesiens sont une technique « opérationnelle » et en pleine expansion qui permet d'établir des indicateurs qualité très précis.
Les modèles
d’analyses Bayesiennes prennent en compte l’effet de «
corrélation conjointe », pour connaître l’impact indirect et dynamique d’un critère sur tous les autres (effet billard).
Ils permettent de passer du seul calcul du poids / de l’importance de chaque critère dans la satisfaction globale - contribution directe - à la mesure de l'ensemble des influences - contribution dynamique (voir schéma ci-dessous).
Indicateur qualité : davantage de pertinence, de performance et de rentabilité
Dans une analyse Bayesienne, tous les critères sont corrélés : améliorer la satisfaction sur un critère impacte la perception sur tous les autres critères.
On se trouve face à un système dynamique où tout a de l'influence sur tout...
Il est possible de mieux comprendre la dynamique du parcours clients et les effets des critères les uns avec les autres.
Nous pouvons ainsi isoler :
• les critères « maitres » (qui influencent les autres)
• les critères « mixtes » (qui influencent et sont influencés)
• les critères « esclaves » (qui subissent l’influence des autres)
Bayésia : Identification des critères contribuant à la dynamique de la relation clients !
etude marketing, etude quantitative, etude qualitative
