Pratiques et tactiques de vente des concessionnaires automobiles au Québec
Bibliographic record
Abstract
Le présent rapport s’inscrit dans la continuité d’une vaste étude débutée en 2020 qui a pour objectif de mieux comprendre la préférence croissante de la population canadienne pour les véhicules énergivores ainsi que les facteurs (politiques, économiques, sociaux, etc.) qui contribuent à l’augmentation des ventes de ce type de véhicules. Le CIRANO a déjà contribué à travers plusieurs rapports publiés depuis 2020 et plus récemment par le biais d’une analyse des motivations d’achat de camions légers au Québec (Gruber, Peignier et Pentcheva, 2023). Le présent rapport complète les connaissances sur les consommateur(-trice)s en se concentrant plutôt sur l’environnement des concessionnaires automobiles et sur la manière dont il peut influencer le choix des consommateur(-trice)s. La littérature scientifique en marketing, et plus spécifiquement celle centrée sur le comportement des consommateur(-trice)s, montre que toute décision est prise dans un environnement qui exerce automatiquement une influence sur le choix d’un produit particulier. Les consommateur(-trice)s sont influencé(e)s par l’ordre dans lequel les produits sont présentés, par les images qui les accompagnent et par la manière dont les informations sur ces produits sont encadrées (Ungemach et coll., 2018). La décision d’acheter ou de ne pas acheter un véhicule donné est encore principalement prise chez les concessionnaires automobiles. Il est donc très important d’étudier la manière dont cet environnement particulier façonne les décisions des consommateur(-trice)s. À cette fin, nous avons eu recours à des observations sous la forme d’une enquête mystère, afin d’étudier l’environnement des concessionnaires automobiles (Wilson, 2011). Plus précisément, ce rapport présente l’approche méthodologique et les résultats des visites mystères effectuées chez trente concessionnaires automobiles ruraux, suburbains et urbains du Québec. Toutes les visites ont eu lieu entre septembre et décembre 2022. Les testeur(-euse)s ont été formés pour observer et noter le discours et les pratiques des vendeur(-euse)s. Les résultats montrent que les personnes chargées de la vente chez les concessionnaires automobiles ne poussent pas systématiquement la clientèle potentielle vers les gros véhicules. Elles façonnent plutôt, subtilement, sa perception en lui présentant un plus grand nombre d’arguments en faveur des gros véhicules. En outre, elles semblent moins bien connaître les arguments en défaveur des véhicules de plus grande taille. Par exemple, aucune d’entre elles n’a été capable de parler des différences d’émissions entre les différents types de véhicules sans avoir cherché au préalable cette information. De plus, les gros véhicules sont plus susceptibles d’être exposés à l’extérieur ou à l’intérieur du concessionnaire, ce qui constitue un point d’ancrage mental pour la clientèle potentielle qui entre dans un concessionnaire avec différentes options en tête. Conformément aux conclusions de Brazeau et Denoncourt (2021), ces images montrent souvent de gros véhicules dans la nature, ce qui les rend encore plus attrayants pour une hypothétique clientèle, même si celle-ci ne les utiliserait pas (ou ne pourrait pas les utiliser) dans un tel environnement. L’impact environnemental des différents types de véhicules et les implications en ce qui concerne la sécurité pour les autres usager(-ère)s de la route sont pratiquement absents du discours. Enfin, plusieurs de nos testeur(-euse)s ont noté que l’équipe des ventes est parfois incapable de justifier la raison pour laquelle la taille des véhicules continue d’augmenter sans que la clientèle en retire un avantage clair. Les résultats montrent qu’il est important de mieux former les équipes de ventes pour qu’elles puissent parler des implications en matière de sécurité et de l’impact sur l’environnement des différents véhicules.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".