Nessun titolo diapositiva

1
Lanalisi statistica nelle ricerche di mercato
Relatore Dott. Mattia Arienti
2
lanalisi statistica nelle ricerche di mercato

• Le applicazioni statistiche nelle ricerche di
  mercato
• Identificazione dellinfluenza reciproca fra le
  variabili
• Riduzione ? sintesi
• Rappresentazione ? mapping

• Focus sulle principali tecniche di analisi
  multivariata (scopi, esempi, considerazioni)
• Linfluenza fra variabili
• Le correlazioni e unimportante analisi derivata
  la driver analysis, mirata allindividuazione di
  punti di forza e aree di opportunità per i
  prodotti monitorati
• I metodi di riduzione dei dati
• Lanalisi dei fattori
• La cluster analysis
• I modelli di posizionamento
• Il brand mapping e lanalisi delle corrispondenze

3
La statistica e le ricerche di mercato
4
la statistica
LA STATISTICA E LA SCIENZA DELLINCERTO, DEL
PROBABILE
E UN MODUS OPERANDI CHE CONSENTE DI MUOVERSI
ALLINTERNO DI SCENARI CIRCOSCRITTI NELLA
CONSAPEVOLEZZA DEL LIVELLO DI ALEATORIETA
DELLAMBIENTE IN CUI CI SI TROVA
la statistica è la filosofia del numero,
consente di dargli pensiero e voce permette di
ascoltare anche ciò che non è stato
esplicitamente detto
5
le possibili applicazioni statistiche nelle
ricerche di mercato
IDENTIFICAZIONE DELLINFLUENZA RECIPROCA FRA
VARIABILI
RIDUZIONE DELLE INFORMAZIONI ? SINTESI
RAPPRESENTAZIONE DELLE EVIDENZE ? MAPPING
6
Lidentificazione dellinfluenza reciproca fra
variabili la correlazione lineare
7
lanalisi di correlazione
LANALISI DI CORRELAZIONE
CONSENTE DI MISURARE LA RELAZIONE TRA COPPIE DI
VARIABILI QUANTITATIVE
RISPONDE A 2 DOMANDE

• Allaumentare di una delle 2 variabili come si
  comporta laltra? Aumenta o diminuisce?
• se allaumentare di una variabile anche laltra
  aumenta (in media) si dice che le due variabili
  hanno una correlazione diretta o positiva (), in
  caso contrario che hanno correlazione inversa o
  negativa (-)

Esempi di correlazione diretta dimensione di un
appartamento e prezzo di vendita, livello di
istruzione e classe socio-economica, Esempio di
correlazione inversa classicamente, costo di un
prodotto con propensione allacquisto,
8
lanalisi di correlazione

• Di quanto aumenta/diminuisce una variabile se
  laltra variabile aumenta/diminuisce di una unità?

Lindicatore statistico che consente di
rispondere a questa domanda è il COEFFICIENTE DI
CORRELAZIONE LINEARE
PERFETTA correlazione DIRETTA (o positiva) fra le
due variabili Al crescere unitario delluna
corrisponde una crescita unitaria dellaltra
1
PERFETTA correlazione INVERSA (o negativa) fra le
due variabili Al crescere unitario delluna
corrisponde una riduzione unitaria dellaltra
- 1
Allinterno di questi due casi limite (molto rari
nella realtà) a valori negativi del
coefficiente corrisponde una relazione inversa
a valori prossimi allo 0 corrisponde una
relazione nulla a valori positivi corrisponde
una relazione diretta fra le 2
variabili
9
Un importante applicazione della
correlazione la driver analysis
10
driver analysis

• QUANDO SI UTILIZZA? A COSA SERVE?
• COME FUNZIONA?
• QUALI DOMANDE DEVE CONTENERE IL QUESTIONARIO DI
  INTERVISTA?
• LOUTPUT COME NASCE, COME SI INTERPRETA, QUALI
  RISPOSTE OPERATIVE FORNISCE

11
driver analysis quando si utilizza? a cosa
serve?
ANALISI DI PRODOTTO(A LIVELLO DI CONCETTO,
PERFORMANCE IN USE, PACK,)
12
driver analysis come funziona?

• La driver analysis si basa sulla lettura
  congiunta di 2 misurazioni
• limpatto di ciascun aspetto del profilo di
  immagine sul gradimento espresso per il prodotto
  ? IMPORTANZA DERIVATA (coefficiente di
  correlazione lineare) misura indiretta non
  direttamente dichiarata dallintervistato - del
  peso di ciascun item sulloverall liking
• la percentuale di rispondenti che associano ogni
  singolo item al prodotto in test

La rappresentazione grafica di tali misurazioni
consente di generare una mappa bidimensionale
(assi cartesiani) suddivisa in 4 quadranti,
ognuno dei quali raggruppa un sottoinsieme di
items di immagine funzionalmente alle rispettive
implicazioni di marketing
13
driver analysis le domande del questionario

• Overall liking
• mi può dire nel complesso quanto le piace questo
  prodotto? Per rispondere utilizzi un punteggio da
  1 a 10, dove 1 significa che il prodotto non le
  piace per niente e 10 che le piace moltissimo
• Product profile (batteria di item)
• Le leggerò ora una serie di affermazioni che
  altre persone prima di lei hanno fatto parlando
  di questo prodotto lei dovrebbe dirmi quanto è
  in accordo o in disaccordo con ognuna di esse.
  Per esprimere il suo giudizio utilizzi un
  punteggio da 1 a 10, considerando che 1 significa
  che è completamente in disaccordo con
  laffermazione e 10 che è completamente
  daccordo.

14
driver analysis la mappatura dei risultati
Ogni aspetto di prodotto item può essere
posizionato su una mappa attribuendogli le
seguenti coordinate

• Ascissa (asse orizzontale)
• IMPORTANZA DERIVATA
• ? rappresentata dal COEFFICIENTE DI CORRELAZIONE
  di ciascun item rispetto alloverall liking di
  prodotto (qual è limpatto dellitem
  sullapprezzamento complessivo del prodotto?)
• Ordinata (asse verticale)
• CON CUI LO SPECIFICO ITEM E STATO ASSOCIATO AL
  PRODOTTO
• ? grado di accordo registrato nel product
  profile (quanto litem è linkato al prodotto?)

15
driver analysis esempio di output
16
driver analysis 1 dimensione importanza
derivata (misurata attraverso il coefficiente di
correlazione)
IMPORTANZA DERIVATA (correlazione item-overall
liking)


17
driver analysis 2 dimensione di associazione
item/prodotto

di associazione item/ prodotto(TOP 2 BOXES
grado di accordo)

Funzionalmente al mercato in esame può essere
preferibile considerare il TOP BOX
18
driver analysis analisi delloutput - i driver
di prodotto punti di forza -

• DRIVER
• Impatto superiore alla media
• Associazione superiore alla media
• Gli items appartenenti a questo quadrante
  rappresentano i punti di forza del prodotto ? si
  tratta di aspetti riconosciuti al prodotto e
  impattanti sul gradimento

di associazione item/ prodotto(TOP 2 BOXES
grado di accordo)
IMPORTANZA DERIVATA (correlazione item-overall
liking)

19
driver analysis analisi delloutput -
opportunità / punti di debolezza -
di associazione item/ prodotto(TOP 2 BOXES
grado di accordo)

• OPPORTUNITY
• Impatto superiore alla media
• Associazione inferiore alla media
• Gli items appartenenti a questo quadrante
  rappresentano unarea di possibile ottimizzazione
  ? si tratta di aspetti impattanti sul gradimento
  ma non comunicati a sufficienza dal prodotto

IMPORTANZA DERIVATA (correlazione item-overall
liking)

20
driver analysis analisi delloutput -
overclaimed -

• OVERCLAIMED
• Impatto inferiore alla media
• Associazione superiore alla media
• Gli items appartenenti a questo quadrante possono
  rappresentare unarea di diseconomia ? si
  tratta di aspetti riconosciuti al prodotto ma
  poco impattanti sul gradimento.
• Attenzione in questarea rientrano anche gli
  item considerati come dovuti per i prodotti
  appartenenti alla categoria in esame e che, come
  tali, non possono mancare al ns prodotto

di associazione item/ prodotto(TOP 2 BOXES
grado di accordo)
IMPORTANZA DERIVATA (correlazione item-overall
liking)

21
driver analysis analisi delloutput - gli
aspetti poco rilevanti -
di associazione item/ prodotto(TOP 2 BOXES
grado di accordo)

• NOT RELEVANT
• Impatto inferiori alla media
• Associazione inferiori alla media
• Gli items appartenenti a questo quadrante non
  risultano impattanti sul gradimento per il
  prodotto

IMPORTANZA DERIVATA (correlazione item-overall
liking)

22
driver analysis come sfruttare operativamente
loutput
La presenza di items nei quadranti OVERCLAIMED
e OPPORTUNITÀ suggerisce la possibilità di
unottimizzazione nellallocazione delle risorse
e/o delle attività a supporto del prodotto
secondo lo schema sotto riportato

1. disinvestire negli attributi attualmente
   sovrastimati (non i dovuti!) sul cui
   mantenimento si stanno spendendo risorse
2. in modo da far ricadere tali fattori nel
   quadrante di non rilevanza
3. liberare risorse da investire negli aspetti che
   rappresentano le attuali opportunità per il
   prodotto
4. rendendoli futuri punti di forza per il prodotto
   

DRIVER
OVERCLAIMED
1
4
di associazione item/ prodotto(TOP 2 BOXES
grado di accordo)
2
3
OPPORTUNITY
NOT RELEVANT

IMPORTANZA DERIVATA (correlazione item-overall
liking)


23
(No Transcript)
24
Analisi conoscitiva del Centro Medico XXXX

25
Premessa e obiettivi della ricerca

• Il Centro Medico XXXX nasce con lintento di
  interpretare un bisogno sanitario emergente e
  diffuso
• una medicina specialistica di alto livello anche
  in aree attualmente poco coperte dal servizio
  pubblico,
• a costi accessibili,
• rapida nellintervento,
• attenta ai bisogni anche relazionali del paziente
• A qualche mese dallinaugurazione della Struttura
  Sanitaria, la Società Proprietaria - avvertendo
  lesigenza di tracciare un primo bilancio sul
  Centro - ha commissionato una ricerca
  quantitativa mirata ad indagare vissuto,
  percezioni ed intenzioni future del proprio
  bacino dutenza.
• Nel dettaglio, la ricerca ha perseguito i
  seguenti obiettivi conoscitivi
• profilare il parco pazienti
• analizzare le dinamiche e le motivazioni che
  hanno comportato lapprodo al Centro
• indagare limmagine del Centro agli occhi dei
  propri utenti
• monitorare il livello di soddisfazione, sia a
  livello complessivo che in relazione alle diverse
  aree che compongono lofferta ? qualità dei
  servizi, personale medico, accessibilità,
  servizio di informazione e accoglienza

26
Soddisfazione dellutenza
27
La soddisfazione per le diverse macro-aree
Dati
BASE totale campione (400)
D10 Nel complesso, secondo la sua esperienza
personale, quanto è soddisfatto-a del Centro
XXXX D12 (qualità dei servizi offerti) - d14
(personale medico operante) - d16 (accessibilità)
- d18 (servizi informazione e accoglienza)
VOTO MEDIO(1-10)
8.22
8.24
8.25
8.49
8.21
TOP 3(8910)
86
82
81
81
80
48
41
TOP 2(910)
36
36
35
Soddisfazione complessiva CENTRO XXXX
Soddisfazione complessiva QUALITÀ DEI SERVIZI
Soddisfazione complessiva PERSONALE MEDICO
Soddisfazione complessiva ACCESSIBILITÀ
Soddisfazione complessiva INFORMAZIONE E
ACCOGLIENZA
28
La soddisfazione per la qualità dei servizi
Dati
BASE totale campione (400)
D12 Nel complesso quanto è soddisfatto-a della
qualità dei servizi offerti dal centro? D13 Le
leggerò ora alcuni specifici aspetti inerenti la
qualità dei servizi. Per ciascuno di essi mi dica
quanto è soddisfatto
VOTO MEDIO(1-10)
8.24
8.19
8.24
8.05
8.03
7.98
Il livello di soddisfazione per la macro-area nel
proprio complesso è superiore ai riscontri
ottenuti dai singoli aspetti che la compongono
(il tutto è più della somma delle sue parti),
sintomatico di un positivo alone che enfatizza
le performance del Centro agli occhi dei propri
pazienti.
39
35
TOP 2(910)
35
32
29
28
Soddisfazione complessiva QUALITA DEI SERVIZI
Soddisfazione durata della vista/esame
Soddisfazione accuratezza della visita
Soddisfazione attrezzature, strumentazione
Soddisfazione ampiezza e varietà delle prestazioni
Soddisfazione abbinamento visita medica e esame
diagnostico
29
La soddisfazione per il personale medico
Dati
BASE totale campione (400)
D14 Nel complesso quanto è soddisfatto-a del
personale medico operante nel centro? D15 Le
leggerò ora alcuni specifici aspetti inerenti il
personale medico che lavora nel Centro XXXX. Per
ciascuno di essi mi dica quanto è soddisfatto
VOTO MEDIO(1-10)
8.25
8.36
8.60
8.27
8.26
8.20
53
46
42
41
TOP 2(910)
39
37
Soddisfazione complessiva PERSONALE MEDICO
Soddisfazione competenza
Soddisfazione gentilezza e disponibilità
Soddisfazione completezza delle spiegazioni
fornite in sede di visita
Soddisfazione chiarezza delle spiegazioni fornite
durante la visita
Soddisfazione chiarezza delle informazioni
relative allintero percorso di prevenzione/cura
Miglior performance fra tutti gli aspetti
monitorati
30
La soddisfazione per laccessibilità
Dati
BASE totale campione (400)
D16 Nel complesso quanto è soddisfatto-a
dellaccessibilità del centro (facilità con cui
si può usufruire dei servizi offerti dal Centro)?
D17 Le leggerò ora alcuni specifici aspetti
inerenti laccessibilità del centro. Per ciascuno
di essi mi dica quanto è soddisfatto
VOTO MEDIO(1-10)
8.49
8.27
8.47
8.35
8.24
8.56
50
48
47
46
TOP 2(910)
42
40
Soddisfazione complessiva ACCESSIBILITA
Soddisfazione prezzi delle prestazioni
Soddisfazione facilità di prenotazione
Soddisfazione tempi per ottenere un appuntamento
Soddisfazione orari di apertura
Soddisfazione facilità di raggiungere la sede
Dopo la gentilezza e disponibilità del
personale medico, risulta laspetto cui vengono
attribuiti i punteggi più elevati
31
La soddisfazione per il servizio di informazione
e accoglienza
Dati
BASE totale campione (400)
D18 Nel complesso quanto è soddisfatto-a dei
servizi di informazione e accoglienza presenti
allinterno del Centro XXXX? D19 Le leggerò ora
alcuni specifici aspetti inerenti i servizi di
informazione e accoglienza del centro. Per
ciascuno di essi mi dica quanto è soddisfatto
VOTO MEDIO(1-10)
8.21
7.97
8.21
8.04
37
36
TOP 2(910)
35
32
Soddisfazione complessiva INFORMAZIONE E
ACCOGLIENZA
Soddisfazione sportello di informazione e
orientamento
Soddisfazione reception/ accoglienza
Soddisfazione servizio telefonico
32
I singoli aspetti lanalisi dei driver alla
soddisfazione complessiva

• Per poter restituire una fotografia
• traducibile in indicazioni operative sulle
  priorità di intervento
• delle performance afferenti gli specifici aspetti
  (durata della visita, accuratezza, prezzi delle
  prestazioni, )
• è stata effettuata una Driver Analysis
  considerando in modo congiunto 2 diverse
  misurazioni
• la soddisfazione (performance) registrata da ogni
  singolo aspetto
• limportanza di ciascun aspetto sul giudizio
  complessivo ? elaborato attraverso analisi di
  correlazione

ASPETTI MENO IMPATTANTIsulla valutazione
complessiva
ASPETTI PIÙ IMPATTANTIsulla valutazione
complessiva
ASPETTI con livello di soddisfazionePIÙ ELEVATO
PERFORMANCE
ASPETTI con livello di soddisfazioneMENO ELEVATO

IMPORTANZA (correlazione soddisfazione
aspetto-soddisfazione overall)


33
I singoli aspetti lanalisi dei driver alla
soddisfazione complessiva
Area della valorizzazione
Area del mantenimento

PERFORMANCE (top 2 boxes)
Area del controllo
Area del miglioramento



GRADO DI IMPORTANZA SULLA SODDISFAZIONE
COMPLESSIVA (correlazione)
34
I singoli aspetti lanalisi dei driver alla
soddisfazione complessiva
Area della valorizzazione
Area del mantenimento

PERFORMANCE (top 2 boxes)
Area del controllo
Area del miglioramento



GRADO DI IMPORTANZA SULLA SODDISFAZIONE
COMPLESSIVA (correlazione)
QUALITA DEI SERVIZI
PERSONALE MEDICO
ACCESSIBILITA
INFORMAZIONE E ACCOGLIENZA
35
Considerazioni conclusive
Alcuni suggerimenti ottimizzativi appaiono essere
ASPETTO
MACRO-AREA
MODALITÀ
PRIORITA
INTERVENTO
chiarezza delle informazioni relative allintero
percorso di prevenzione/cura
1
migliorare
personale medico
sul campo
ampiezza e varietà delle prestazioni offerte
attività di comunicazione(esterna e interna)
2
migliorare
qualità dei servizi
ottimizzare (per farne punto di forza del
centro)
chiarezza delle spiegazioni fornite durante la
visita
3
personale medico
sul campo
attività di comunicazione
4
prezzi delle prestazioni
accessibilità
valorizzare
attività di comunicazione
5
facilità di prenotazione
accessibilità
valorizzare
36
correlazione vs regressione
Per analizzare la relazione esistente fra
variabili quantitative (misurabili), in
alternativa alla correlazione, si può adottare
la regressione lineare. E però bene sapere che
fra le due metodologie esistono differenze negli
assunti teorici che si riflettono nel diverso
portato informativo delle stesse.
CORRELAZIONE E una misura simmetrica del legame
fra 2 caratteristiche ? lipotesi è che le
variabili si influenzino reciprocamente, ovvero
che a modifiche nellandamento delluna
corrispondano variazioni nellandamento
dellaltra.
REGRESSIONE LINEARE Ipotizza che fra le variabili
esista un rapporto causa-effetto, ovvero che ve
ne siano alcune esplicative (indipendenti) e una
dipendente (target) ? lantefatto teorico è
quindi che vi sia una relazione lineare e
unidirezionale. Inoltre, nel computo dei
coefficienti di regressione lineare associati
alle diverse caratteristiche in esame entra in
gioco il contributo fornito simultaneamente da
tutte le variabili esplicative ? i parametri di
regressione sono quindi influenzati dal
contesto di riferimento.
Poiché la correlazione analizza il rapporto fra 2
variabili (al netto pertanto dellinfluenza delle
altre), risulta consigliata in ottica di
tracking/indagini ripetute a distanza di tempo ?
variazioni nel coefficiente di correlazione sono
infatti imputabili a modifiche intervenute
esclusivamente fra le variabili in esame e non a
causa di cambiamenti a livello di scenario. Nella
realtà - e non nellastrazione teorica spesso
le variabili non hanno effetti unidirezionali di
causa/effetto ma si influenzano reciprocamente
(gradimento overall ?? valutazione singolo item).

Consente di capire lapporto puro generato da una
specifica variabile indipendente sulla variabile
target, al netto di quanto già spiegato dalle
altre caratteristiche esplicative monitorate.

37
La riduzione delle informazioni lanalisi
fattoriale e la cluster analysis
38
la riduzione dei datidallanalisi alla sintesi
DATI ANALITICI
Il passaggio da
DATI SINTETICI
a
comporta necessariamente una PERDITA DI
INFORMAZIONE
CONTRARIAMENTE ALLACCEZIONE COMUNE, NON
NECESSARIAMENTE UNA PERDITA DI INFORMAZIONE
CORRISPONDE AD UN EVENTO NEGATIVO!
se opportunamente effettuata, la riduzione dei
dati comporta la sottrazione solo delle
informazioni di disturbo/ridondanti che possono
minare lindividuazione delle evidenze
effettivamente rilevanti
39
la riduzione dei datilanalisi fattoriale e la
cluster
Lanalisi dei fattori e la cluster analysis
costituiscono 2 fra le tecniche di statistica
multivariata che permettono di effettuare una
opportuna riduzione dei dati.
In particolare
LA FATTORIALE
HA LOBIETTIVO DI INDIVIDUARE RELAZIONI TRA
VARIABILI ? RAGGRUPPA VARIABILI
LA CLUSTER
HA LO SCOPO DI CLASSIFICARE SOGGETTI IN GRUPPI ?
RAGGRUPPA LE UNITA DI RILEVAZIONE
40
Lanalisi fattoriale
41
analisi fattoriale scopi e fondamenta
Lo scopo principale dell'AF è l'individuazione di
relazioni tra variabili serve a raggruppare e
riassumere variabili. L'idea è che un numero
anche ampio di variabili possa essere
adeguatamente spiegato con un numero
relativamente piccolo di costrutti fattori
variabili latenti (non direttamente dichiarate o
esplicitate) che influenzano le variabili in
esame.
42
lanalisi fattoriale e la correlazione fra le
variabili

• - L'AF si basa sulla correlazione esistente fra
  gli item
• ? lassunto è che se due item sono correlati
  fra loro allora esiste un fattore (latente)
  comune a entrambi che ne spiega parte della
  variabilità
• - LAnalisi fattoriale non può pertanto
  prescindere dallanalisi delle correlazioni in
  quanto il coefficiente di correlazione
  rappresenta la misura della relazione tra due
  variabili quantitative (gli item in questo caso)
• - I coefficienti della matrice fattoriale (factor
  loadings) sono i coefficienti di correlazione tra
  item e fattore.

43
analisi fattoriale considerazioni generali
44
analisi fattoriale considerazioni generali

• IL CRITERIO CHE GUIDA LANALISI FATTORIALE E IL
• PRINCIPIO DI PARSIMONIA SCIENTIFICA
• il modello ottimale è quello che si ottiene
  quando
• inserendo ulteriori variabili non si ottiene un
  beneficio interpretativo
• e, contemporaneamente,
• sottraendo anche solo una variabile si ottiene
  uno svantaggio interpretativo

IN TERMINI PROSAICI Non complicare il modello
oltre il dovuto!
45
analisi fattoriale gli assunti

• Prendendo le mosse dalle correlazioni esistenti
  fra le diverse variabili, lanalisi dei fattori
  necessita di dati quantitativi.
• LAF richiede campioni di numerosità piuttosto
  elevata (circa 10 casi per ciascuna variabile
  analizzata ? almeno 200 casi per 20 item
  monitorati)

46
analisi fattoriale gli step che conducono ai
fattori

• SELEZIONE DELLE VARIABILI
• Le variabili devono appartenere a un contesto
  omogeneo es. valori o atteggiamenti o
  comportamenti? Mescolare ambiti diversi può
  rendere i fattori difficilmente interpretabili
• CALCOLO DELLA MATRICE DELLE CORRELAZIONI TRA LE
  VARIABILI ED ESTRAZIONE DEI FATTORI
• I fattori estratti sono ortogonali ovvero NON
  correlati fra loro
• Sono in ordine decrescente per varianza spiegata
  il primo fattore è, fra tutti, quello che spiega
  la maggior parte della variabilità degli item, e
  così via
• QUANTI FATTORI ESTRARRE?
• Criterio della di varianza spiegata ??
  principio di parsimonia scientifica
• Il parametro più rilevante circa il numero di
  fattori da estrarre resta in ogni caso la
  leggibilità e linterpretazione dei fattori per
  poter fruire operativamente degli stessi

47
analisi fattoriale esempio di output
23 item 3 fattori (75 della varianza)
vicinanza
utilità servizio
film sport famiglia
48
(No Transcript)
49
Profilo del lavoro ideale analisi fattoriale e
impatto dei macrofattori
Base totale campione
50
Profilo dellazienda ideale analisi fattoriale
e impatto dei macrofattori
Base totale campione
51
i principali utilizzi dei fattori
I fattori individuati posso essere utilizzati

• IN UNOTTICA SINTETICA ? PER INDIVIDUARE
  AGGREGAZIONI DI VARIABILI minimizzando la perdita
  delle informazioni
• PER MONITORARE LINFLUENZA DEI MACRO-FATTORI
  INDIVIDUATI SU ALTRE VARIABILI CORE (es
  correlazione fra i fattori e loverall liking di
  un prodotto)
• COME VARIABILI ATTRAVERSO CUI SEGMENTARE LA
  POPOLAZIONE

Come ingrediente della CLUSTER ANALYSIS
52
La cluster analysis
53
cluster analysisdefinizione ed obiettivi

• La Cluster Analysis è unanalisi statistica
  multivariata utilizzata per classificare i
  rispondenti in gruppi - clusters.
• La segmentazione, ovvero lappartenenza ad un
  cluster, viene realizzata facendo in modo che i
  gruppi siano il più possibile omogenei al proprio
  interno, ma il più possibile disomogenei tra di
  loro.
• Lidentificazione dei diversi cluster viene
  solitamente realizzata attraverso lanalisi delle
  attitudini (o dei comportamenti) espresse dagli
  intervistati, rispondendo ad una batteria di
  item.
• Ogni cluster viene descritto analizzando il
  profilo dei suoi appartenenti.

54
cluster analysisla segmentazione della
popolazione
LA CLUSTER
HA LO SCOPO DI CLASSIFICARE SOGGETTI IN GRUPPI ?
RAGGRUPPA LE UNITA DI RILEVAZIONE
55
cluster analysiscome funziona?
LA C.A. RAGGRUPPA NELLO STESSO CLUSTER CASI
VICINI TRA LORO NELLO SPAZIO DEFINITO DALLE
VARIABILI DI CLASSIFICAZIONE CONSIDERATE ? SE
SI MODIFICA IL PANIERE DELLE VARIABILI SU CUI SI
CREANO I CLUSTER SI MODIFICANO ANCHE I CLUSTER
CHE SI OTTENGONO
è quindi opportuno sapere che
56
cluster analysis unopportuna scelta delle
variabili di classificazione (1/2)

• Le variabili di classificazione su cui eseguire
  la CA devono essere scelte con cura in quanto
  rappresentano gli ingredienti attraverso cui si
  definiscono i cluster
• Le variabili selezionate devono essere buoni
  indicatori delle similarità tra i soggetti
  rispetto al problema in esame (variabili
  attitudinali, comportamentali, ) ? linclusione
  di variabili irrilevanti può modificare (rendere
  meno interpretabili) i risultati.

57
cluster analysis unopportuna scelta delle
variabili di classificazione (2/2)
Inoltre
L'INSERIMENTO DI DUE VARIABILI FORTEMENTE
CORRELATE O CON SIGNIFICATI ANALOGHI EQUIVALE AD
ATTRIBUIRE PESO DOPPIO ALL'INFORMAZIONE IN ESSE
CONTENUTA.
ecco perché
di solito le variabili di classificazione vengono
preventivamente sottoposte ad ANALISI FATTORIALE
che restituisce macrovariabili ortogonali (non
correlate) fra loro
su tali factor scores viene quindi eseguito
lalgoritmo di cluster analysis
58
cluster analysis il processo di clusterizzazione
IL PROCESSO DI IDENTIFICAZIONE DEI CLUSTER È
INTERATTIVO E DINAMICO
SCELTA DELLE VARIABILI DI CLASSIFICAZIONE
1 formulazione del numero ipotetico di cluster
applicazione dellalgoritmo di estrazione dei
cluster
analisi dei risultati dellalgoritmo
IDENTIFICAZIONE, PROFILAZIONE E NAMING DEI CLUSTER
59
cluster analysis le fasi del processo
lalgoritmo di estrazione dei cluster
LESTRAZIONE DEI CLUSTER

• La tecnica di raggruppamento utilizzata (K-MEANS)
  richiede di indicare a priori il numero dei
  cluster desiderati ? tale scelta iniziale si basa
  sia sulle conoscenze pregresse circa il target e
  mercato di riferimento che sulla numerosità
  campionaria
• I risultati forniti dallalgoritmo di K-MEANS
  sono
• i centri dei cluster (centroidi), cioè le medie
  delle variabili utilizzate (attive) l'ideale è
  ottenere medie molto diverse su (quasi) tutte le
  dimensioni
• la numerosità dei singoli cluster ? quanti
  individui appartengono al gruppo?

60
cluster analysis le fasi del processo esempio
di analisi dei risultati
ANALISI DEI RISULTATI
1 Teledipendenti 2 Intrattenimento 3 Distratti 4
Critici
Una volta identificata la possibile
classificazione si passa alla disamina della
profilazione dei diversi gruppi, ovvero alla
distribuzione delle variabili passive (??
variabili non di classificazione) nei cluster ?
età, sesso, CSE, condizione lavorativa,.
61
cluster analysis la stabilità dei risultati
NON ESISTONO TEST STATISTICI PER VALUTARE LA
QUALITÀ DEI RISULTATI
ai fini interpretativi, si richiede che i cluster
siano BEN DISCRIMINATI ? chiara suddivisione
della popolazione in diverse anime e STABILI ?
applicazione dellanalisi discriminante come
modello di corretta attribuzione degli individui
al cluster di appartenenza emerso
62
cluster analysis gli assunti

• Prendendo le mosse dalle similarità/differenze
  evidenziate fra gli individui su una batteria di
  item attitudinali o comportamentali, la cluster
  analysis necessita di dati quantitativi.
• La C.A. richiede campioni di numerosità piuttosto
  elevata (circa 15-20 casi per ciascuna variabile
  di classificazione ? 300-400 casi per 20 item
  monitorati)

solitamente viene impiegata in studi di scenario
come le indagini UA
63
cluster analysis lanalisi quantitativa e
qualitativa (1/2)
Lanalisi quantitativa dei cluster consente di
individuare solo i gruppi di individui
maggiormente partecipati ( numerosità
consistente) allinterno della popolazione
oggetto di indagine ? non permette di rilevare
target nicchia che abbiano una rappresentazione
campionaria inferiore ai 75-100 casi
64
cluster analysis lanalisi quantitativa e
qualitativa (2/2)

• la ricerca qualitativa ha come obiettivo
  lesplorazione di un fenomeno (?? individuare le
  determinanti, spesso latenti, sottese a
  unopinione o a un comportamento)
• approccio verticale ? profondità di analisi su un
  numero contenuto di interviste obiettivo non è
  fare inferenza sulla popolazione (rappresentanza
  vs rappresentatività)
• la ricerca quantitativa ha come obiettivo la
  misurazione di un fenomeno (?? individuare
  relazioni di causa-effetto sulla base di
  variazioni concomitanti delle variabili
  analizzate)
• approccio orizzontale ? elevato numero di
  interviste in modo da garantire una numerosità
  campionaria che consenta di estendere i risultati
  ottenuti alla popolazione di riferimento

65
(No Transcript)
66
APPROCCIO AL BODY CARE- le variabili di
classificazione -

1. Credo che la bellezza interiore sia piu'
   importante che la bellezza esteriore
2. Mi piace viziarmi con prodotti di bellezza
3. Mi piace apparire come una persona curata
4. Se non sono curata non sto bene con me stessa
5. Mi piace avere un corpo tonico e in forma, per
   questo vado in palestra
6. Mi curo per combattere i segni del tempo
7. Ho troppo poco tempo per mettermi creme,
   truccarmi
8. Anche se ho poco tempo cerco comunque di
   ritagliarmi degli spazi per prendermi cura di me
9. Prendersi cura del proprio corpo (massaggi,
   creme, trucchi, profumi) è un momento di relax
10. Ogni parte del corpo ha esigenze specifiche. Per
    questo uso diversi prodotti specifici

67
APPROCCIO AL BODY CARE- i cluster -
Base campione base (500 casi)
68
cluster 1 le pragmatiche - la descrizione
qualitativa -
Base campione base
LE PRAGMATICHE
Sono donne che non provano particolare piacere
nel prendersi cura di se stesse e che vivono la
cura del corpo come unattività funzionale,
mirata e spesso mossa da un dovere. Curarsi per
loro significa raggiungere un adeguato stato di
ordine e pulizia senza investimento emotivo.
Ricorrono a prodotti mirati solo in caso di
problemi specifici (che cercano peraltro di
evitare utilizzando strumenti e non prodotti
protettivi)
69
cluster 1 le pragmatiche - la profilazione
quantitativa -

• RELATIVAMENTE AL BODY CARE
• Il principale asset discriminante rispetto agli
  altri cluster è ho troppo poco tempo per
  mettermi creme, truccarmi
• RELATIVAMENTE ALLA CURA DELLE MANI...
• Rispetto agli altri gruppi, risulta maggiormente
  accentuata ladesione ai seguenti aspetti
• Le mani non hanno bisogno di prodotti specifici
• Utilizzo guanti per proteggere le mani dagli
  agenti atmosferici
• Quando lavo i piatti proteggo le mie mani con i
  guanti
• RELATIVAMENTE ALLE CREME SPECIFICHE PER LE
  MANI...
• Per questo cluster la MARCA XX rappresenta il
  principale riferimento in termini di usership,
  precedendo la MARCA YY a livello di most often
  used (fenomeno imputabile in particolare al
  minor ricorso alla referenza prodotto ZZ di
  questultimo brand).

Base campione base
PRAGMATICHE

• PROFILAZIONE SOCIO-DEMOGRAFICA
• Le appartenenti a tale cluster registrano valori
  superiori al dato medio in termini di
• residenza nel nord est
• età 45-54 anni
• istruzione media superiore
• condizione lavorativa full time

70
Rappresentazione delle evidenze il mapping
attraverso lanalisi delle corrispondenze
71
la rappresentazione dei datigli scopi del
mapping
Per mapping si intende una serie di tecniche
statistiche il cui scopo è quello di
rappresentare elementi (brand, prodotti, item o
qualunque altra cosa) in uno spazio - tipicamente
una mappa a 2 dimensioni su assi cartesiani - che
metta in evidenza grafica le relative
similarità. L'idea è che quanto più gli elementi
si dispongono vicini quanto più sono simili tra
loro (relativamente alle dimensioni individuate)
L'ANALISI DELLE CORRISPONDENZE rappresenta la
tecnica di mapping più diffusa nelle analisi di
mercato quantitative
72
analisi corrispondenzedefinizione ed obiettivi
LANALISI DELLE CORRISPONDENZE è un metodo
statistico multivariato che si basa
sullassociazione tra le marche/i prodotti e gli
items permettendo di chiarire la posizione
relativa delle marche/prodotti. Il risultato
principale dellanalisi consiste nella creazione
di una mappa di posizionamento che mostra delle
distanze più un item risulta vicino ad una
marca/prodotto, più esso è associato a quella
marca/prodotto dai rispondenti. Inoltre la
vicinanza tra marche/prodotti indica similarità,
viceversa, quanto più lontano sono le
marche/prodotti fra loro, tanto più sono
percepiti come diversi dai rispondenti. Il
contesto competitivo può essere, quindi, definito
considerando la posizione relativa degli items e
delle marche/prodotti. Naturalmente i risultati
dellanalisi variano in funzione delle
marche/prodotti e degli items utilizzati.
73
analisi di corrispondenzele caratteristiche
generali

• Loggetto dellanalisi delle corrispondenze non
  sono
• né le variabili ? raggruppate attraverso
  lanalisi fattoriale
• né le unità di rilevazione ? raggruppate
  attraverso la cluster analysis
• bensì
• item, brand, prodotti, servizi

• Lanalisi delle corrispondenze
• è una tecnica descrittiva (non ha scopi
  estrapolativi né di valutazione del legame fra
  variabili)
• è poco esigente rispetto ai dati ? lalgoritmo
  lavora infatti su variabili qualitative
  (associazione item/brand, ovvero variabili
  dicotomiche)

74
analisi di corrispondenzela matrice di
associazione e il calcolo delle distanze
Partendo da una matrice di associazione
item/brand
c colonne (brand)
r righe (item)
la tecnica elabora le distanze fra le diverse
righe (gli item) ? righe/item con i profili più
simili sono più vicine fra loro e fra le diverse
colonne (i brand) ? colonne/brand con i profili
più simili sono più vicine fra loro
75
analisi di corrispondenze dalla matrice di
associazione alla mappa
76
analisi di corrispondenzenote sulla lettura del
mapping

• le dimensioni della mappa sono un risultato
  dell'analisi ? il significato degli assi non è
  conosciuto a priori (come ad esempio nel caso
  della driver analysis) ma è frutto
  dellinterpretazione ex post della mappatura
  emersa
• lasse orizzontale per costruzione è sempre il
  piu esplicativo del fenomeno in esame, ossia
  quello che spiega la maggior parte di
  variabilita dei dati acquisiti
• diretta conseguenza di questo aspetto è che
• nellinterpretazione dei risultati, la lettura
  orizzontale è quella che fornisce la prima leva
  utilizzata dal parco rispondenti per
  suddividere/raggruppare i brand appartenenti allo
  scenario competitivo ? lasse delle ascisse
  rappresenta il principale parametro nella
  similarita o differenza fra gli elementi
  mappati
• la suddivisione in quadranti ha il solo scopo di
  rendere piu appealing la mappa ma ciò che deve
  essere interpretato sono le distanze/vicinanze
  fra i diversi punti e non il quadrante di
  appartenenza
• il brand leader - che possiede perlopiù un
  profilo calibrato, senza criticità - cade spesso
  al centro o in prossimità di una nube di
  punti/item piuttosto ampia

77
analisi di corrispondenzeil naming degli assi

• circa gli assi non esiste una regola matematica
  che ne consenta il naming ? la denominazione
  degli assi deriva da una lettura complessiva dei
  dati riportati in mappa, sia in termini di item
  che di brand
• tradizionalmente, i nomi degli assi sono
  rappresentati da sostantivi per evitare di
  generare confusione ? lutilizzo di aggettivi
  (innovativi, tradizionali,) potrebbe
  erroneamente portare a scambiare il nome
  dellasse con una parte di popolazione loggetto
  dellanalisi delle corrispondenze sono i brand,
  non gli intervistati!!!

78
(No Transcript)
79
map positioning analisi delle corrispondenze -
caratteristiche generiche -