Gestion des capacités hôtelières au Cameroun. Approche par la théorie du « revenue management ».

SECTION 2 : METHODES D'ANALYSE STATISTIQUE

1. La modélisation d'une variable discrète

Un bon nombre d'études effectuées par les chercheurs en marketing portent sur des variables discrètes. Une variable sera qualifiée de « discrète » lorsqu'elle prend en considération l'occurrence ou la non occurrence d'un événement (exemple : taux d'occupation supérieur ou inférieur à 65% suite à une modification tarifaire). A l'inverse, sera qualifiée de « continue » toute variable qui prend en considération l'ampleur ou la mesure du phénomène (exemple : durée de séjour des touristes dans un hôtel pendant une période donnée).

La problématique spécifique de notre recherche concerne la modélisation du niveau d'occupation des établissements d'hébergement touristique. Il s'agit pour ce dernier, en raison des choix et orientations de gestion marketing mis en oeuvre, d'atteindre ou non, un taux d'occupation moyen des chambres supérieur ou inférieur à 65%. Conformément à ce qui précède, cette variable s'inscrit précisément dans le courant des modèles discrets.

2. Le choix du modèle multinomial logit.

L'objectif poursuivi dans cette recherche vise à vérifier le lien entre une variable discrète observée (taux d'occupation) avec certaines variables explicatives tirées des hypothèses théoriques du Revenue Management. La statistique nous propose plusieurs méthodes d'analyse des données parmi lesquelles les méthodes explicatives et causales. Ces méthodes permettent de rendre compte de l'effet d'une ou plusieurs variables explicatives sur une variable à expliquer : le taux d'occupation observé. En fonction de la nature des variables explicatives et à expliquer, nous aurons différentes catégories de techniques d'analyse : l'analyse de régression, l'analyse de variance, l'analyse discriminante, l'analyse conjointe, l'analyse canonique, le modèle de log-linéaires, les modèles Logit et Probit, les modèles d'équations structurelles, le modèle multinomial Logit...¹⁸

18 Source : Y. Evrard, B. Pras, E. Roux, Market : Etudes et recherches en marketing, Dunot, 3e édition,

P475-590.

Mémoire en vue de l'obtention du Master en Commerce et Distribution

Présenté et soutenu publiquement par Nasser CHOUATCHA (Licencié en Commerce et Distribution, U.C.A.C.)

80

Gestion des capacités hôtelières au Cameroun : approche par la théorie du « Revenue Management »

Tableau 20 : Les méthodes statistiques explicatives

		VARIABLE A EXPLIQUER
		Quantitative	Qualitative
VARIABLES EXPLICATIVES	Quantitative	Analyse de régression Analyse canonique	Analyse discriminante
	Qualitatives	Analyse de variance	Analyse conjointe
	Quantitatives et qualitatives		Modèle MNL ; Probit ;etc.

Source : l'auteur, inspiré de Y. Evrard, B. Pras, E. Roux, Market : Etudes et recherches en marketing, Dunot, 3e édition, P475-590.

Dans la recherche qui nous concerne, nous avons identifié les variables explicatives : Ce sont les variables du Revenue Management. Certaines de ces variables sont de nature qualitative, d'autres de nature quantitative.

En ce qui concerne la variable à expliquer (le taux d'occupation), nous venons de montrer (en début de sous-section) qu'elle correspond à un choix discret (regroupement par classe). A ce titre, nous pouvons dire que c'est une variable qualitative à 3 classes de modalité : taux d'occupation compris entre 0% et 40%, taux d'occupation compris entre 40% et 65%, et en fin taux d'occupation compris entre 65% et 100%.

Lorsque nous nous referons au tableau ci-dessus, nous constatons que la méthode d'analyse à mettre en oeuvre dans notre recherche est la méthode du modèle MNL (Multinomial Logit). Cette méthode est facile à mettre en oeuvre, notamment lorsque l'on utilise le logiciel SPSS. C'est une méthode alternative à la régression linéaire classique, qui n'est pas adaptée au cas des variables à expliquer qualitatives.

Le modèle multinomial Logit s'avère être un excellant moyen de pouvoir modéliser un lien entre plusieurs variables qualitatives. Il n'est certainement pas le seul modèle à pouvoir le faire, il entre en concurrence avec le modèle Probit ; les modèles stochastiques ; les modèles heuristiques et d'autres modèles probabilistes (Volle, 1996). Cependant compte tenu de sa simplicité de mise en oeuvre et son caractère classique (Volle, 1996), nous opterons pour le modèle MNL en tant que méthode explicative principale du phénomène que nous étudions : le lien entre le taux d'occupation et les différentes variables du Revenue Management.

Mémoire en vue de l'obtention du Master en Commerce et Distribution

Présenté et soutenu publiquement par Nasser CHOUATCHA (Licencié en Commerce et Distribution, U.C.A.C.)

81

Gestion des capacités hôtelières au Cameroun : approche par la théorie du « Revenue Management »

3. L'organisation, le déploiement des équipes et les difficultés rencontrées

La phase terrain de la collecte des données à l'aide de l'outil mis sur pied s'est déroulée en 15 jours, et l'analyse de celles-ci en 5 jours. Il était question de réunir une équipe dynamique et surtout avec un background suffisant face à la cible des responsables Commerciaux et marketing, responsable d'exploitation, ou Directeur des opérations, souvent très difficile à gérer. Les équipes retenues ont alors été briefées sur la démarche à suivre et les objectifs de l'enquête.

Notre étude se faisant sur Douala et Yaoundé, pour la mener à bout, nous avons recruté et briefé des enquêteurs, en priorité, parmi les étudiants de la filière Marketing Commerce Vente, de l'université de Douala et de la filière Commerce et distribution de l'Université Catholique d'Afrique Centrale, Institut Catholique de Yaoundé, encore en cours de formation, d'au moins du niveau 3. L'équipe globale ayant participé à cette étape est constituée de :

· 1 superviseur : Bacc + 5, l'un de l'université catholique (UCAC) pour la strate de

Yaoundé, et nous même avons assuré la supervision de l'enquête à Douala. Le superviseur était chargé d'encadrer les enquêteurs en résolvant les problèmes qui se sont posés et se sont assurés que les enquêteurs aient atteint leurs objectifs ;

· 5 enquêteurs : Bac + 3 minimum (UCAC à Yaoundé et Université de Douala à Douala). Soit 2 à Douala et 3 à Yaoundé, et une charge de travail moyenne de 13 questionnaires en 10 jours chacun ;

· 2 élèves ingénieur statisticien, Bac + 5 de l'Institut Sous régional de la Statistique et de l'Economie Appliquée (ISSEA), spécialistes en SPSS et STATA pour l'analyse des données ;

La répartition des enquêteurs sur le terrain s'est fait de façon géographique ; Chaque enquêteur avait une zone de compétence, avec une liste d'établissements d'hébergement à enquêter dans sa zone. Comme notre questionnaire est auto-administré, par l'enquêté lui même, et nécessite qu'il aille forcement fouiller dans ses archives statistiques (donc peut être relativement long en terme de temps) nous avons demandé à nos enquêteurs de laisser le questionnaire (si l'enquêté n'a pas de temps d'y répondre tout de suite), et de prendre un rendez-vous ferme (dans 1 ou 2 jours) pour

Mémoire en vue de l'obtention du Master en Commerce et Distribution

Présenté et soutenu publiquement par Nasser CHOUATCHA (Licencié en Commerce et Distribution, U.C.A.C.)

82

Gestion des capacités hôtelières au Cameroun : approche par la théorie du « Revenue Management »

venir le retirer. Il leur a été conseillé de récupérer le contact téléphonique du répondant pour le relancer le lendemain du dépôt.

La rémunération des enquêteurs était constituée d'une partie fixe, et d'une partie variable. Un forfait leur a été donné pour couvrir les divers frais liés au déplacement, et à la relance téléphonique des enquêtés. Une partie variable leur a été attribuée en fonction du nombre de questionnaire retourné « bien rempli », pour rétribuer leur travail.

Les plus grosses difficultés qui se sont posées sont d'une part liées à la localisation de quelques hôtels et de d'autre part à l'indisponibilité de certains répondants, ou la rétention de certaines informations. Pour y faire face, les superviseurs s'inspiraient de la base de sondage pour contacter par téléphone lesdites entreprises, et les enquêteurs négociaient soit un autre rendez vous, soit la remise du questionnaire pour un retrait ultérieur. Les hôtels qui n'ont pas été retrouvés, ont été remplacés par ceux qui les suivaient dans la base de sondage lors du tirage. Nous avons établit deux taux de contrôle au terme de l'enquête :

· Le taux de fiabilité de la base de sondage : Nombre d'entreprises n'existant plus par rapport au total à enquêter, qui est de 6,42% (7 sur 109) ;

· Le taux de non participation : Nombre d'entreprises ayant refusé de répondre aux questions par rapport au total à enquêter, qui est de 18,75% (12 sur 64).

En définitive, nous avons obtenu 59 questionnaires, et retenu 52 questionnaires valides. Il fallait traiter les données collectées pour en tirer de manière scientifique les réponses à notre questionnement.