Aperçu des principales méthodes de prévision
de produits et services nouveaux

Dans un environnement changeant, la prévision de la demande de nouveaux produits et services est essentielle et très importante à la lumière des investissements mis derrière un lancement. De plus, avec une forte concurrence économique dans le monde, l’évolution des attentes des clients, l’émergence de nouvelles technologies et innovations, l’estimation et la prévision du marché potentiel sont de plus en plus difficiles et risquées, comme le montre l’échec estimé d’environ 70 à 80 % des lancements de nouveaux produits. dans les biens de consommation emballés (CPG).

La prévision de la demande de nouveaux produits se fait souvent à l’aide de méthodes de jugement – enquêtes sur les intentions des acheteurs, méthode Delphi, test de marché, etc… – ou de modélisation statistique par une combinaison de séries chronologiques et/ou de techniques multivariées.

Cependant, grâce à la prépondérance des données issues de l’explosion de l’information dans toutes les activités, la prévision via le Machine Leaning a maintenant plus d’importance que jamais. Le ML pourrait fournir des solutions clés à de nombreux problèmes liés aux méthodes de modélisation statistique et pourrait être évalué comme une alternative aux modèles statistiques pour la prévision des séries chronologiques.

Les prévisions sont indispensables pour les produits nouveaux

Les nouveaux produits et services sont la pierre angulaire de toute entreprise. Sans eux, l’entreprise fera face à sa phase de déclin et l’une ou l’autre meurt.

Principales raisons de développer de nouveaux produits : évolution du marché et de la technologie, nouvelles attentes des clients, concurrence accrue, diversification des risques, croissance et développement….

Selon Clayton Christensen, professeur à la Harvard Business School, plus de 30 000 nouveaux produits de consommation sont lancés chaque année et 80 % d’entre eux échouent.

La cause de l’échec de 80 % de tous les nouveaux produits est principalement « un manque de préparation : les entreprises sont tellement concentrées sur la conception et la fabrication de nouveaux produits qu’elles reportent le dur labeur de se préparer à les commercialiser jusqu’à trop tard dans le jeu. »(Joan Schnieder et Julie Hall dans Harvard Business Review, https://hbr.org/2011/04/why-most-product-launches-fail ).

 Un problème important de l’échec est un manque de prévision.

La prévision de nouveaux produits est difficile par rapport à la prévision de la demande de produits existants : le premier ne dispose pas ou très peu de données historiques disponibles, car le second dispose de suffisamment de données pour effectuer des prévisions.

 Cependant, comme de nombreuses industries sont confrontées à des cycles de vie des produits plus courts, la prévision des nouveaux produits gagne en importance (Van Steenbergen, 2020). Outre les défis liés au manque de données historiques, le temps d’analyse est limité et il existe une incertitude générale liée à l’acceptation des consommateurs et aux réactions de la concurrence (Van Steenbergen, 2020)

  •  Les prévisions sont essentielles pour les opérations car elles permettront de :
  •  Prévoir et planifier la demande tout au long de la période du cycle de vie
  • Réduire les risques inhérents à tout lancement de nouveaux produits
  • Faites des investissements judicieux et évaluez les risques potentiels
  • Adapter les processus de fabrication, de planification et de vente

 Étant donné que ces décisions sont guidées par des prévisions, une approche de prévision des ventes appropriée est essentielle pour éviter les complications pendant ou juste après le lancement du produit. De mauvaises prévisions peuvent entraîner des ruptures de stock ou des situations de surstock, qui ont un impact direct sur la rentabilité de l’entreprise et peuvent également diminuer la satisfaction des clients et la part de marché (Van Steenbergen, 2020).

 Alors que les techniques classiques (jugement, étude de marché, cause-effet) sont utilisées depuis des décennies, l’intelligence artificielle, l’apprentissage automatique et l’apprentissage en profondeur ont acquis une importance considérable au cours de la dernière décennie.

Les différents produits nouveaux

Produits totalement  nouveaux

 Les produits totalement nouveaux représentent la véritable catégorie de nouveaux produits au sein de toute la famille des « nouveaux produits ». Ces produits sont complètement nouveaux car ils mènent à un tout nouveau marché. Ils représentent environ 10 à 15 % de la nouvelle catégorie de produits. Ce sont aussi les plus difficiles de tous. Exemples : GSM, smartphones, microprocesseurs, ….. 

  • Nous n’avons pas de données

 Produits nouveaux pour l’entreprise

 Aussi connues sous le nom de nouvelles gammes de produits, elles placent une entreprise dans une catégorie nouvelle pour elle. Les produits ne sont pas nouveaux dans le monde, mais sont nouveaux pour l’entreprise.

  •  Nous n’avons pas de données internes – les données externes peuvent être disponibles ou non.

 Evolution des gammes de produits existantes

 Ils représentent des extensions de produits déjà existants, conçus pour étoffer la gamme de produits telle qu’elle est proposée aux marchés actuels de l’entreprise. Exemple : Airbus 318 et Airbus 319 dérivés de l’Airbus 320.

  •  Les données des produits existants sont disponibles.

 Améliorations et révisions des produits existants

 L’ajout de nouvelles fonctionnalités de produit et/ou l’amélioration de celles existantes augmenteraient les avantages réalisés par les clients existants.

  •  Les données des produits existants sont disponibles.