Le Category Development Index (CDI) est un outil puissant, permettant d’analyser la performance d’une catégorie de produit dans un segment donné (zone géographique, tranche d’âge, groupe socio-économique) par rapport à sa performance moyenne sur l’ensemble du marché.
Objectif du CDI
Le CDI vise à évaluer l’attractivité d’un segment pour une catégorie de produits, indépendamment de la performance d’une marque spécifique. Il aide les marques à repérer des zones de forte affinité avec leur catégorie, même si elles n’y sont pas encore bien implantées.
Formule du CDI
La formule du CDI est analogue à celle du BDI (Brand Development Index) :
- CDI > 100 : le segment est plus consommateur que la moyenne pour cette catégorie.
- CDI < 100 : le segment est moins consommateur que la moyenne.
Différence entre CDI et BDI
| Indicateur | Objectif | Focus |
|---|---|---|
| BDI | Évaluer la performance d’une marque dans un segment | Comparatif marque / marché |
| CDI | Évaluer la performance d’une catégorie dans un segment | Comparatif catégorie / marché |
Ils sont complémentaires : un BDI faible dans un segment où le CDI est élevé signifie que le potentiel existe, mais que la marque n’en tire pas encore parti.
def calcul_cdi(ventes_cat_segment, ventes_cat_totales, population_segment, population_totale):
"""
Calcule le Category Development Index (CDI).
:param ventes_cat_segment: Ventes de la catégorie dans le segment
:param ventes_cat_totales: Ventes totales de la catégorie
:param population_segment: Population du segment
:param population_totale: Population totale
:return: CDI (Category Development Index)
"""
part_segment = ventes_cat_segment / population_segment
part_totale = ventes_cat_totales / population_totale
cdi = (part_segment / part_totale) * 100
return cdi
Explication du code
- On calcule la part de marché de la catégorie dans le segment, puis celle de la catégorie sur l’ensemble du marché.
- Le rapport entre ces deux parts, multiplié par 100, donne le CDI.
- C’est un indice relatif, donc interprétable immédiatement : 120 = 20 % au-dessus de la moyenne.
Interprétation des résultats
- CDI = 100 : consommation proportionnelle à la population.
- CDI > 100 : surconsommation relative.
- CDI < 100 : sous-consommation.
Exemple chiffré
- Ventes catégorie segment : 60 000 unités
- Ventes catégorie totales : 1 200 000 unités
- Population segment : 150 000
- Population totale : 3 000 000
resultat = calcul_cdi(60000, 1200000, 150000, 3000000)
print(f"CDI = {resultat:.2f}")
Résultat : CDI = 100.00 → le segment consomme exactement selon la moyenne nationale.
Implications stratégiques
- CDI élevé : forte affinité avec la catégorie → potentiel de croissance pour les marques.
- CDI faible : nécessité d’explorer les freins (culturels, économiques, logistiques) ou de repositionner l’offre.
Code Python détaillé
import pandas as pd
import matplotlib.pyplot as plt
# -----------------------------
# 1. Fonction de calcul du CDI
# -----------------------------
def calcul_cdi(ventes_segment, ventes_totales, pop_segment, pop_totale):
"""
Calcule le Category Development Index (CDI).
"""
part_segment = ventes_segment / pop_segment
part_totale = ventes_totales / pop_totale
cdi = (part_segment / part_totale) * 100
return round(cdi, 2)
# -----------------------------
# 2. Données simulées par région
# -----------------------------
data = {
"Région": ["Île-de-France", "PACA", "Bretagne", "Occitanie", "Nouvelle-Aquitaine"],
"Ventes_cat": [120000, 80000, 45000, 70000, 65000],
"Population": [12000000, 5000000, 3500000, 6000000, 5800000]
}
df = pd.DataFrame(data)
# -----------------------------
# 3. Calcul du total catégorie
# -----------------------------
ventes_totales = df["Ventes_cat"].sum()
population_totale = df["Population"].sum()
# -----------------------------
# 4. Calcul du CDI par région
# -----------------------------
df["CDI"] = df.apply(lambda row: calcul_cdi(
row["Ventes_cat"],
ventes_totales,
row["Population"],
population_totale
), axis=1)
print("Données avec CDI calculé :")
print(df)
# -----------------------------
# 5. Visualisation : Bar chart
# -----------------------------
plt.figure(figsize=(10,6))
plt.bar(df["Région"], df["CDI"], color="skyblue", edgecolor="black")
plt.axhline(100, color="red", linestyle="--", label="Moyenne nationale (CDI = 100)")
plt.title("Category Development Index (CDI) par région", fontsize=14)
plt.xlabel("Région")
plt.ylabel("CDI")
plt.legend()
plt.tight_layout()
plt.show()
Ce que fait ce code :
- Calcule automatiquement le CDI pour plusieurs régions.
- Affiche les résultats dans un DataFrame pandas.
- Génére un graphe clair avec la moyenne nationale à 100 pour repère visuel.
Utilisation combinée CDI + BDI
| CDI | BDI | Interprétation | Action |
|---|---|---|---|
| Haut | Haut | Segment stratégique clé | Consolider, renforcer |
| Haut | Bas | Opportunité de conquête | Investir, lancer campagne |
| Bas | Haut | Fidélité marque > catégorie | Préserver position |
| Bas | Bas | Faible potentiel | Réévaluer présence |
Limites et précautions
- Données imprécises ou obsolètes faussent le résultat.
- Le CDI est une moyenne : il peut masquer des disparités internes.
- Ne préjuge pas de la profitabilité, seulement du potentiel de consommation.
Intégration dans la stratégie marketing
- Go-to-market localisé : choisir où lancer en priorité.
- Priorisation budgétaire : concentrer efforts publicitaires.
- Trade marketing : adapter l’assortiment aux zones de forte affinité.
Analyse sectorielle et benchmarks
Le CDI trouve une application particulièrement pertinente dans les analyses sectorielles, car il met en lumière les disparités de consommation entre segments géographiques ou démographiques. Dans le secteur de la cosmétique, par exemple, un CDI élevé en zones urbaines peut révéler une appétence accrue pour des produits premium, bio ou technologiques, souvent corrélée à une population plus jeune, plus informée et disposant d’un pouvoir d’achat plus élevé. Les marques peuvent alors concentrer leurs efforts sur les circuits sélectifs, la communication digitale et les animations en magasin dans ces zones.
Dans le secteur alimentaire, un CDI élevé sur les produits surgelés dans certaines régions peut signaler un mode de vie particulier : rythme de vie rapide, faible disponibilité de produits frais, ou encore habitudes d’achat orientées vers la praticité. Une telle lecture permet aux distributeurs et industriels d’envisager l’ouverture de nouveaux points de vente ou de redéfinir les gammes proposées selon les zones (plus de surgelés individuels en milieu urbain, par exemple).
CDI et comportement des consommateurs
Le CDI ne se limite pas à un indicateur froid de performance : il reflète des comportements d’achat ancrés, souvent issus de préférences culturelles, de contraintes économiques, ou encore de dynamiques sociales. Par exemple, un CDI très élevé pour les produits de puériculture dans des régions où la natalité est plus forte révèle une corrélation directe entre démographie et consommation. À l’inverse, un CDI faible pour des produits technologiques dans une zone peut signaler une fracture numérique ou une adoption plus lente de certaines innovations. Ce type d’information permet d’anticiper les besoins, d’adapter les messages publicitaires ou de proposer des produits plus accessibles.
CDI et ciblage géographique
Le CDI est un levier précieux pour le marketing géolocalisé. En publicité, il permet d’identifier les zones où il est le plus pertinent d’intensifier la diffusion de campagnes ciblées (radio locale, affichage, SEA géolocalisé). Côté distribution, les zones à fort CDI peuvent justifier une augmentation du linéaire ou du référencement produit, tandis que les zones à faible CDI peuvent faire l’objet d’un test de repositionnement, d’éducation du consommateur ou de promotion. Enfin, en matière d’implantation physique (magasins, corners, showrooms) ou digitale (zones de livraison e-commerce, campagnes locales sur marketplaces), le CDI permet de prioriser les territoires avec un retour potentiel sur investissement plus élevé.
CDI dans un contexte international
À l’échelle internationale, le CDI permet de comparer la maturité des marchés pour une catégorie donnée. Une catégorie comme les boissons végétales peut avoir un CDI très élevé en Scandinavie mais faible en Europe de l’Est : cela reflète non seulement les habitudes alimentaires locales, mais aussi les niveaux d’éducation nutritionnelle ou les influences culturelles. Ce différentiel guide l’adaptation des campagnes marketing internationales, tant dans le ton que dans le message. Le CDI aide aussi à repérer des marchés sous-développés mais prometteurs, en repérant les segments où la consommation est encore faible malgré une population cible significative – offrant ainsi des opportunités de croissance organique.
Outils d’automatisation et visualisation
Grâce à des outils comme Python, le calcul du CDI peut être automatisé à grande échelle via des librairies comme pandas pour le traitement de données et matplotlib ou seaborn pour la visualisation. Cela permet de générer des scores CDI pour des centaines de segments en un clic. Pour une lecture plus visuelle et stratégique, des outils de data visualisation comme Power BI ou Tableau permettent de créer des cartes de chaleur régionales ou des dashboards interactifs. Enfin, des solutions comme Google Data Studio permettent d’intégrer les données CDI en temps réel pour des campagnes marketing dynamiques et localisées, offrant ainsi une vision opérationnelle et continue du potentiel marché.
Le Category Development Index (CDI) est bien plus qu’un simple indicateur statistique : c’est une boussole stratégique. Il éclaire les zones à fort potentiel, révèle des habitudes de consommation souvent invisibles à l’œil nu, et permet d’aligner les investissements marketing avec les réalités du terrain. En identifiant où la consommation d’une catégorie est la plus développée (ou la moins), il offre un levier puissant pour ajuster la stratégie de distribution, optimiser la communication et détecter les marchés dormants à fort potentiel. Combiné à d’autres indicateurs comme le BDI, il devient un outil incontournable pour tout décideur marketing.
Récapitulatif des points clés
- Le CDI mesure l’attractivité d’un segment pour une catégorie de produit, indépendamment de la performance d’une marque spécifique.
- Un CDI > 100 indique une surconsommation relative dans le segment ; un CDI < 100, une sous-consommation.
- Le CDI, utilisé seul, permet de comprendre la demande globale ; combiné au BDI, il révèle des opportunités d’implantation ou de développement de marque.
- Il permet d’orienter les budgets marketing, de définir des zones prioritaires, d’adapter l’offre produit et de renforcer la pertinence du ciblage.
- Des outils comme Python, Power BI ou Tableau permettent de suivre dynamiquement le CDI dans les tableaux de bord stratégiques.
