L’\u00e9chelle de Similarit\u00e9 per\u00e7ue de la marque avec la meilleure alternative<\/strong> (Perceived Brand Similarity to Best Alternative Scale<\/em>), introduite et op\u00e9rationnalis\u00e9e dans les travaux de psychologie du consommateur par Derick F. Davis (2023)<\/a> au sein du Journal of Consumer Research<\/em>, constitue un instrument psychom\u00e9trique con\u00e7u pour \u00e9valuer le degr\u00e9 auquel un acheteur estime qu’un produit ou une marque sp\u00e9cifique se rapproche de l’option optimale disponible au sein d’un ensemble de choix concurrents. Dans les environnements d’achat contemporains hautement num\u00e9ris\u00e9s, les consommateurs sont syst\u00e9matiquement expos\u00e9s \u00e0 des architectures de choix complexes, comprenant des syst\u00e8mes d’\u00e9valuation par des tiers, des filtres d’attributs et des distributions statistiques de notes. L’\u00e9chelle capture pr\u00e9cis\u00e9ment l’\u00e9valuation cognitive et comparative par laquelle un individu jauge l’\u00e9quivalence per\u00e7ue, la substituabilit\u00e9 fonctionnelle et la proximit\u00e9 globale d’une alternative cible par rapport au parangon ou \u00e0 la \u00ab meilleure option \u00bb identifi\u00e9e dans le contexte d\u00e9cisionnel.<\/p>\n D\u00e9velopp\u00e9e initialement sous la forme d’une mesure composite unidimensionnelle (g\u00e9n\u00e9ralement compos\u00e9e de 2 \u00e0 3 items d’\u00e9valuation s\u00e9mantique diff\u00e9rentielle ou de type Likert \u00e0 7 points), l’\u00e9chelle examine les facettes de ressemblance globale, de proximit\u00e9 de performance et de comparabilit\u00e9 de valeur per\u00e7ue. Sur le plan psychom\u00e9trique, les validations empiriques men\u00e9es \u00e0 travers des \u00e9tudes principales et des r\u00e9plications directes attestent d’une coh\u00e9rence interne robuste, avec des coefficients alpha de Cronbach (α) exc\u00e9dant r\u00e9guli\u00e8rement le seuil de 0,85 et des indices de fiabilit\u00e9 composite (CR) sup\u00e9rieurs \u00e0 0,88. L’\u00e9chelle d\u00e9montre une validit\u00e9 convergente et discriminante rigoureuse face \u00e0 des construits connexes tels que l’attrait absolu de la marque, la disposition \u00e0 payer (willingness to pay<\/em>) et la confusion du consommateur. En quantifiant comment la perception de la distribution des attributs biaise la ressemblance per\u00e7ue, cet outil offre une valeur diagnostique majeure tant pour la recherche exp\u00e9rimentale en jugement et prise de d\u00e9cision que pour les applications en marketing strat\u00e9gique et en ergonomie des interfaces transactionnelles.<\/p>\n Similarit\u00e9 per\u00e7ue, Meilleure alternative, Psychologie du consommateur, Prise de d\u00e9cision, Architecture de choix, \u00c9valuation des marques, Filtres d’attributs, Jugement comparatif, Substituabilit\u00e9 des produits, Psychom\u00e9trie, Biais cognitifs, Journal of Consumer Research.<\/p>\n L’op\u00e9rationnalisation et l’application formelle de cette \u00e9chelle dans le contexte des distributions d’attributs et des \u00e9valuations de produits concurrents ont \u00e9t\u00e9 document\u00e9es par :<\/p>\n Dans les contextes de consommation modernes, le choix d’un produit ne s’effectue que tr\u00e8s rarement de mani\u00e8re isol\u00e9e. Les consommateurs \u00e9valuent quasi syst\u00e9matiquement les options \u00e0 travers le prisme de la comparaison sociale et contextuelle, guid\u00e9s par des outils d’aide \u00e0 la d\u00e9cision tels que les moteurs de tri, les plateformes d’avis d’utilisateurs et les bar\u00e8mes de notation attribu\u00e9s par des organismes tiers. L’\u00e9chelle de Similarit\u00e9 per\u00e7ue de la marque avec la meilleure alternative<\/strong> a \u00e9t\u00e9 \u00e9labor\u00e9e sp\u00e9cifiquement pour mesurer l’impact de ces interfaces d’information sur le jugement comparatif de substituabilit\u00e9.<\/p>\n L’objectif fondamental de cet instrument est de capturer avec pr\u00e9cision un m\u00e9canisme psychologique pivot : la tendance des consommateurs \u00e0 \u00e9valuer la valeur et l’ad\u00e9quation d’une option donn\u00e9e non pas selon ses m\u00e9rites intrins\u00e8ques absolus, mais selon sa proximit\u00e9 psychologique per\u00e7ue avec l’alternative dominante ou optimale de l’ensemble \u00e9voqu\u00e9 (le consideration set<\/em>). L’article s\u00e9minal de Davis (2023)<\/a> d\u00e9montre que la forme des distributions statistiques affich\u00e9es sur les filtres d’attributs (par exemple, des distributions asym\u00e9triques versus bimodales de notes d’utilisateurs) distrait l’attention des individus et modifie radicalement la perception de proximit\u00e9 entre une option standard et la meilleure option disponible.<\/p>\n Sur le plan de la recherche empirique, l’instrument r\u00e9pond \u00e0 un besoin m\u00e9thodologique r\u00e9current : disposer d’une mesure br\u00e8ve, non r\u00e9active et hautement sensible capable de capter les variations subtiles du jugement comparatif sous diverses conditions exp\u00e9rimentales d’amor\u00e7age informationnel. Dans le domaine clinique de la psychologie de la consommation et du conseil comportemental, la mesure permet d’explorer les dysfonctionnements d\u00e9cisionnels, notamment la paralysie du choix (choice overload<\/em>), la maximisation obsessionnelle (maximization tendencies<\/em>) et la vuln\u00e9rabilit\u00e9 aux biais de cadrage contextuel. En quantifiant la similarit\u00e9 per\u00e7ue avec l’id\u00e9al local, les chercheurs peuvent pr\u00e9dire les arbitrages de compromis, la sensibilit\u00e9 aux prix et la probabilit\u00e9 de basculement d’une marque \u00e9tablie vers une alternative \u00e9mergente.<\/p>\n Le construit th\u00e9orique au c\u0153ur de cette \u00e9chelle repose sur la similarit\u00e9 per\u00e7ue comparative<\/em>, un concept fondamental en psychologie cognitive formalis\u00e9 initialement dans les th\u00e9ories de la cat\u00e9gorisation et de la comparaison g\u00e9om\u00e9trique et ensembliste. Dans le cadre pr\u00e9cis de l’interaction consommateur-produit, la similarit\u00e9 per\u00e7ue avec la meilleure alternative ne renvoie pas \u00e0 une simple ressemblance physique ou esth\u00e9tique, mais \u00e0 une inf\u00e9rence multidimensionnelle relative \u00e0 l’\u00e9quivalence fonctionnelle, h\u00e9donique et \u00e9conomique.<\/p>\n Ce construit s’articule autour de plusieurs composantes cognitives \u00e9troitement intriqu\u00e9es :<\/p>\n Dans les paradigmes exp\u00e9rimentaux d\u00e9velopp\u00e9s par Davis (2023), ce construit agit en tant que variable m\u00e9diatrice critique. Lorsque les outils d’information (tels que les filtres de navigation e-commerce) modifient la pro\u00e9minence visuelle de la distribution des attributs, les consommateurs projettent involontairement la forme de la distribution sur la distance per\u00e7ue entre les marques. Ainsi, deux marques pr\u00e9sentant un diff\u00e9rentiel d’attributs strictement identique peuvent \u00eatre jug\u00e9es comme remarquablement similaires ou, au contraire, radicalement divergentes selon que la distribution contextuelle accentue ou att\u00e9nue les contrastes cognitifs.<\/p>\n L’assise conceptuelle de l’\u00e9chelle de similarit\u00e9 per\u00e7ue avec la meilleure alternative s’ancre dans les th\u00e9ories classiques du jugement comparatif, de l’assimilation-contraste et de l’architecture de choix :<\/p>\n Le socle th\u00e9orique premier provient du mod\u00e8le de contraste des traits d\u00e9velopp\u00e9 par le psychologue cognitif Amos Tversky (1977)<\/a>. Selon Tversky, la similarit\u00e9 per\u00e7ue entre deux objets $a$<\/span> et $b$<\/span> est une fonction lin\u00e9aire de leurs caract\u00e9ristiques communes pond\u00e9r\u00e9es par l’importance relative de chaque trait, diminu\u00e9e de la somme de leurs caract\u00e9ristiques distinctives respectives :<\/p>\n S(a, b) = θ f(A ∩ B) – α f(A – B) – β f(B – A)<\/p>\n Dans le contexte de Davis (2023), l’objet $b$<\/span> repr\u00e9sente le standard de r\u00e9f\u00e9rence contextuel (la meilleure option identifi\u00e9e par les \u00e9valuations tierces). La focalisation de l’attention du consommateur sur des distributions d’attributs sp\u00e9cifiques modifie le poids attentionnel ($\u0007lpha$<\/span> et $\beta$<\/span>) allou\u00e9 aux attributs distinctifs par rapport aux attributs partag\u00e9s, modifiant ainsi le score global de similarit\u00e9 per\u00e7ue.<\/p>\n L’instrument s’appuie \u00e9galement sur la th\u00e9orie des perspectives<\/a> de Daniel Kahneman et Amos Tversky (1979), ainsi que sur les mod\u00e8les de points de r\u00e9f\u00e9rence adaptatifs. Dans tout choix multi-attributs, la meilleure option disponible op\u00e8re comme une ancre cognitive ou un point de r\u00e9f\u00e9rence local. Les gains et les pertes per\u00e7us des alternatives concurrentes sont encod\u00e9s relativement \u00e0 cette ancre. L’\u00e9chelle mesure directement la magnitude de l’\u00e9cart cognitif r\u00e9siduel s\u00e9parant l’option cible de ce point d’ancrage maximal.<\/p>\n Davis (2023) \u00e9tend ces paradigmes en introduisant la th\u00e9orie de la distraction par la distribution (distributions distract hypothesis<\/em>). Alors que les mod\u00e8les normatifs de choix rationnel postulent que les consommateurs devraient isoler les valeurs num\u00e9riques exactes des attributs (par exemple, un score de 4,2 \u00e9toiles par rapport \u00e0 4,8 \u00e9toiles), l’approche descriptive de la psychologie cognitive d\u00e9montre que les repr\u00e9sentations graphiques ou agr\u00e9g\u00e9es des distributions d’attributs d\u00e9tournent les ressources attentionnelles du d\u00e9cideur. Ce d\u00e9tournement fausse la calibration de la m\u00e9trique interne de similarit\u00e9, rendant la mesure de ce construit indispensable pour expliquer pourquoi des variations graphiques superficielles induisent des revirements substantiels dans la pr\u00e9f\u00e9rence pour les marques.<\/p>\n Les propri\u00e9t\u00e9s de validit\u00e9 de l’\u00e9chelle ont \u00e9t\u00e9 document\u00e9es \u00e0 travers les exp\u00e9rimentations contr\u00f4l\u00e9es men\u00e9es par Davis (2023)<\/a>, incluant une \u00e9tude principale de grande envergure et des r\u00e9plications directes et conceptuelles pr\u00e9-enregistr\u00e9es :<\/p>\n La validit\u00e9 de construit a \u00e9t\u00e9 \u00e9tablie en d\u00e9montrant que l’\u00e9chelle r\u00e9agit de mani\u00e8re pr\u00e9visible et th\u00e9oriquement coh\u00e9rente aux manipulations exp\u00e9rimentales de proximit\u00e9 objective des attributs. Lorsque l’\u00e9cart num\u00e9rique absolu entre une marque alternative et la meilleure option est r\u00e9duit, les scores de similarit\u00e9 per\u00e7ue augmentent de mani\u00e8re significative ($p < 0,001$<\/span>). De plus, la validit\u00e9 convergente est confirm\u00e9e par des corr\u00e9lations positives \u00e9lev\u00e9es et statistiquement significatives avec des mesures connexes telles que :<\/p>\n La validit\u00e9 discriminante a \u00e9t\u00e9 examin\u00e9e \u00e0 l’aide des crit\u00e8res psychom\u00e9triques conventionnels, notamment l’approche de Fornell-Larcker et l’analyse de corr\u00e9lation h\u00e9t\u00e9rotrait-monotrait (HTMT). L’\u00e9chelle de similarit\u00e9 per\u00e7ue se distingue nettement de :<\/p>\n La validit\u00e9 pr\u00e9dictive de l’instrument est particuli\u00e8rement saillante dans l’analyse des choix effectifs et des intentions comportementales. Les mod\u00e8les de m\u00e9diation par r\u00e9\u00e9chantillonnage (bootstrapping<\/em> \u00e0 5 000 it\u00e9rations) rapport\u00e9s par Davis (2023) confirment que la similarit\u00e9 per\u00e7ue avec la meilleure alternative m\u00e9diatise enti\u00e8rement l’effet indirect de la configuration visuelle des distributions d’attributs sur la probabilit\u00e9 de s\u00e9lection finale du produit cible (intervalles de confiance \u00e0 95 % excluant z\u00e9ro). Ce r\u00e9sultat valide l’int\u00e9gration de l’\u00e9chelle au sein du r\u00e9seau nomologique du comportement du consommateur.<\/p>\n La coh\u00e9rence interne et la stabilit\u00e9 psychom\u00e9trique de l’\u00e9chelle de similarit\u00e9 per\u00e7ue avec la meilleure alternative ont \u00e9t\u00e9 rigoureusement attest\u00e9es dans les protocoles empiriques de Davis (2023) :<\/p>\n La dimensionnalit\u00e9 de l’instrument a \u00e9t\u00e9 v\u00e9rifi\u00e9e au moyen d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC) sur les \u00e9chantillons d’acheteurs en ligne recrut\u00e9s par Davis (2023) :<\/p>\n L’analyse factorielle exploratoire (extraction en composantes principales avec rotation varimax si applicable, ou factorisation en axes principaux) met en \u00e9vidence l’\u00e9mergence constante d’un facteur unique<\/strong> dot\u00e9 d’une valeur propre (eigenvalue<\/em>) nettement sup\u00e9rieure \u00e0 1 (typiquement comprise entre 2,15 et 2,45 pour une \u00e9chelle en 3 items), expliquant plus de 75 % \u00e0 82 %<\/strong> de la variance totale des scores. Le trac\u00e9 d’\u00e9boulis (scree plot<\/em>) de Cattell illustre une rupture nette apr\u00e8s le premier facteur, sans second facteur r\u00e9siduel significatif.<\/p>\n L’analyse factorielle confirmatoire (AFC) appliqu\u00e9e au mod\u00e8le unifactoriel a confirm\u00e9 l’ad\u00e9quation exceptionnelle du mod\u00e8le th\u00e9orique aux donn\u00e9es empiriques. Les indices d’ajustement globaux satisfont aux crit\u00e8res m\u00e9thodologiques les plus rigoureux :<\/p>\n Toutes les saturations factorielles standardis\u00e9es ($lambda$<\/span>) des items sur le facteur latent de similarit\u00e9 per\u00e7ue sont hautement significatives ($p < 0,001$<\/span>) et s’\u00e9chelonnent entre 0,82<\/strong> et 0,93<\/strong>, attestant d’un pouvoir d’explication unitaire et puissant du construit.<\/p>\n L’instrument se pr\u00e9sente sous un format standardis\u00e9 optimis\u00e9 pour l’administration \u00e9lectronique dans les \u00e9tudes de jugement du consommateur :<\/p>\n L’\u00e9chelle a \u00e9t\u00e9 formalis\u00e9e et publi\u00e9e pour la premi\u00e8re fois en 2023<\/strong> au sein de la publication acad\u00e9mique de r\u00e9f\u00e9rence de Derick F. Davis dans le Journal of Consumer Research<\/em> (Oxford University Press) :<\/p>\n Les r\u00e9f\u00e9rences ci-dessous fournissent le cadre th\u00e9orique, m\u00e9thodologique et psychom\u00e9trique r\u00e9gissant cette \u00e9chelle :<\/p>\n2. Mots-cl\u00e9s \/ Keywords<\/h2>\n
3. Auteurs \/ Authors<\/h2>\n
\n
4. Objectif \/ Purpose<\/h2>\n
5. Construit psychologique \/ Construct<\/h2>\n
\n
6. Cadre th\u00e9orique \/ Theoretical Framework<\/h2>\n
Le mod\u00e8le des traits de Tversky et la th\u00e9orie de la similarit\u00e9<\/h3>\n
La th\u00e9orie des points de r\u00e9f\u00e9rence et la perspective de la d\u00e9cision d\u00e9pendante du contexte<\/h3>\n
L’effet de distraction des distributions statistiques<\/h3>\n
7. Validit\u00e9 \/ Validity<\/h2>\n
Validit\u00e9 de construit et validit\u00e9 convergente<\/h3>\n
\n
Validit\u00e9 discriminante<\/h3>\n
\n
Validit\u00e9 pr\u00e9dictive et nomologique<\/h3>\n
8. Fid\u00e9lit\u00e9 \/ Reliability<\/h2>\n
\n
9. Analyse factorielle \/ Factor Analysis<\/h2>\n
Structure factorielle univari\u00e9e<\/h3>\n
Mod\u00e9lisation par \u00e9quations structurelles et AFC<\/h3>\n
\n
10. Instrument de mesure \/ Instrument<\/h2>\n
\n
11. Permissions, Tarifs et Ann\u00e9e du test \/ Permissions & Fee and Test Year<\/h2>\n
\n
12. R\u00e9f\u00e9rences \/ References<\/h2>\n
\n
13. Questions et items du questionnaire \/ Scale Items<\/h2>\n