La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Come noto il potenziale è funzione di una serie di variabili:

Presentazioni simili


Presentazione sul tema: "Come noto il potenziale è funzione di una serie di variabili:"— Transcript della presentazione:

0 INDICE DELL’INCONTRO Analisi POTENZIALE Concetto Un esempio di calcolo
Basket Analysis Metodologie utilizzate Supporto, Confidenza, Incremento Come utilizzare le misure

1 Come noto il potenziale è funzione di una serie di variabili:
1.innanzitutto è necessario identificare l’unità di misura (unità, persone, valore,…) 2.quindi si procede alla stima della “base”, vale a dire dell’insieme dei consumatori che “potenzialmente” potrebbero acquistare il prodotto. 3.Il consumo di un prodotto è però, funzione, oltre che del gradimento” da parte dei consumatori 4…..anche del pezzo 5…..della frequenza con cui potrebbe essere consumato 6…..e delle occasioni di consumo

2 IL POTENZIALE: un esempio di calcolo
Stima del potenziale di consumo di scatole da 30 pezzi di cioccolatini, in un anno. Per identificare, CHI CONSUMA, è necessario disporre di una “base” di calcolo in modo da generalizzare i risultati emersi dal test; in particolare analizzando i dati disponibili a livello totale Italia, la popolazione iniziale considerata è data dalle persone di età superiore ai 14 anni che consumano cioccolato (pari a circa di individui). Il prodotto in questione è un cioccolatino, quindi dobbiamo affinare tale stima considerando coloro i quali consumano cioccolato in tale formato. Dalla ricerca e da dati desk si è potuto ricavare che circa il 65% dei consumatori di cioccolato predilige il cioccolatino. Quindi la nuova stima della base è circa 17 milioni di persone.

3 IL POTENZIALE: un esempio di calcolo
Per “affinare” tale stima era necessario considerare in modo differente l’eventualità che il consumo fosse “sistematico” piuttosto che “occasionale”. A tal fine tale base è stata “pesata” in base a come gli intervistati hanno risposto alla domanda relativa alla frequenza con cui consumavano cioccolatini: Tutti i giorni: 100% Spesso: 50% A volte: 15% Raramente: 5% In questo modo la base per il calcolo del potenziale per il prodotto oggetto del test è pari a circa 6 milioni e seicentomila italiani.

4 IL POTENZIALE: un esempio di calcolo
Ma quanti di questi avrebbero acquistato il nostro prodotto, indipendentemente DAL PREZZO? Dopo l’assaggio, il 26% degli intervistati ha dichiarato che sicuramente avrebbe acquistato il prodotto. Generalizzando quindi alla base tale risultato il potenziale di consumatori è pari a circa di italiani. A questo punto è necessario considerare la FREQUENZA con cui verrebbero consumato tale prodotto. La risposta è data dalla ricerca che ci dice che il 12% consumerebbe il prodotto raramente, il 47% “a volte” e il restante 41% molto spesso. E’ importante sottolineare che tale percentuale fa riferimento a coloro i quali hanno dichiarato che consumano cioccolato prevalentemente sottoforma di cioccolatini e che sicuramente avrebbero acquistato il prodotto.

5 IL POTENZIALE: un esempio di calcolo
Tali percentuali, opportunamente pesate, ci permettono di arrivare alla stima finale della base di calcolo del potenziale, circa persone. Ma ricordiamo che la nostra unità di misura era la scatola quindi dobbiamo valutare quante scatole queste persone acquisterebbero. La ricerca, al riguardo ha permesso di rilevare che, considerando l’analisi del vissuto e del processo d’acquisto esistono delle differenze significative in termini di comportamento che a loro volta comportano dei consumi differenti con “intensità” differenti. In modo particolare si sono considerate 3 diverse ipotesi per il calcolo del potenziale, relativamente alle occasioni di consumo (QUANDO CONSUMA)

6 IL POTENZIALE: un esempio di calcolo
Una prima ipotesi “globale”, indipendente dall’occasione di acquisto/consumo, in cui si è fatto riferimento solo a coloro che dichiarano un elevato gradimento per il prodotto testato ( 8-9 su una scala 1-9 ) e che probabilmente o sicuramente lo acquisteranno (26% circa del campione). Una seconda ipotesi “pasticceria” in cui la base di calcolo è rappresentata da coloro che in generale acquistano cioccolatini in pasticceria o nei negozi specializzati dolciari e che sicuramente acquisteranno il prodotto (18% circa). Infine l’ultima ipotesi “regalo” ha basato l’analisi del potenziale valutando solo coloro i quali acquistano cioccolatini in pasticceria o nei negozi specializzati dolciari per fare un regalo e che sicuramente acquisteranno il prodotto (15% circa).

7 IL POTENZIALE: un esempio di calcolo
Infine per ottenere il numero di pezzi (INTENSITA’ DI CONSUMO), si è formulata un’ipotesi “conservativa” assumendo: 2 confezioni l’anno nell’ipotesi “globale” 2 confezioni l’anno nell’ipotesi “pasticceria” nell’ipotesi “regalo” stati dati pesi diversi a seconda della frequenza dichiarata di acquisto dei cioccolatini per regalo: Molto spesso: 4 scatole l’anno Abbastanza spesso: 2 scatole l’anno Qualche volta: 1 scatole l’anno Raramente: 0,5 scatole l’anno

8 IL POTENZIALE: un esempio di calcolo
A questo punto, per una precisa stima del potenziale, è necessario considerare la variabile principale, il PREZZO. E’ stato quindi chiesto agli intervistati quanto sarebbero stati disposti a spendere per una confezione di 30 pezzi del prodotto considerato. Trattandosi di una rilevazione fatta durante il periodo di transizione lira-euro gli intervistati erano liberi di fornire l’indicazione nella valuta preferita in modo da rendere assolutamente neutra la risposta. La necessità di valutare il potenziale anche con riferimento alle ipotesi “pasticceria” e “regalo” è dovuta al fatto che l’ipotesi globale implicava la presenza del prodotto anche presso la GDO, canale distributivo presso il quale l’azienda attualmente non è presente.

9 IL POTENZIALE: un esempio di calcolo
Quindi si è reso necessario valutare se esisteva un potenziale “interessante” e quale livello di prezzo anche considerando l’ipotesi proseguire a commercializzare il prodotto attraverso il canale tradizionale delle pasticcerie e dei negozi specializzati. I risultati per le tre diverse ipotesi formulate, sono riportati nella figura seguente in cui si ricava la sensibilità al prezzo, ed il conseguente numero “potenziale” di scatole per livello di prezzo. Tale grafico sembra garantire un potenziale interessante anche indipendentemente dalla GDO a condizione di una particolare attenzione al prezzo, in particolare considerando le due sogli “critiche” a e lire (12,9 e rispettivamente).

10 IL POTENZIALE: un esempio di calcolo

11 BASKET ANALYSIS Metodologia che mira ad identificare delle regole ricorrenti all’interno di un certo insieme di transazioni, e, in generale, pattern frequenti in un determinato set di dati Nel caso specifico della grande distribuzione, essa è orientata all’identificazione delle relazioni esistenti tra un vasto numero di prodotti acquistati da differenti consumatori in un particolare luogo (il punto vendita, il supermercato) Unità di analisi: il paniere acquistato da ogni singolo cliente Informazioni impiegate: sono quelle ricavabili, dopo l’introduzione degli apparecchi a lettura ottica nelle casse dei supermercati, dagli scontrini fiscali. Obiettivo principale: è quello di porre in evidenza la struttura di interdipendenza sottostante le vendite dei diversi prodotti disponibili, al fine di conoscere quali prodotti vengono acquistati in modo abbinato

12 BASKET ANALYSIS Le informazioni derivanti da una MBA possono essere utilizzate per: •GESTIRE IL LAY-OUT del proprio punto vendita: riorganizzazione della disposizione dei prodotti in modo tale che quelli presentanti un’associazione nelle vendite si trovino affiancati: affinché l’uno faccia da traino alla vendita dell’altro per ricordarne l’acquisto ad un cliente che, non avendo trovato subito il prodotto abbinato a quello già riposto nel carrello, potrebbe dimenticare di acquistarlo o non pensarci neppure Ad esempio, qualora risulti che ci sia una forte relazione nelle vendite di pizza surgelata e di birra, si può sistemare un espositore pubblicitario della bevanda in prossimità del banco freezer contenente le pizze surgelate. Tuttavia un suggerimento migliore può essere quello di sistemare vicino all’espositore della pizza un solo scaffale contenente birra, ad es. con il marchio del punto vendita (un articolo a profittabilità molto elevata!) lasciando tutte le altre nella loro localizzazione originaria. In questo modo si porta implicitamente il cliente ad acquistare un particolare tipo di articolo a scapito di quelli meno profittevoli. Al contrario, sapendo che gli acquirenti di un certo prodotto acquisteranno con buona probabilità un altro item ad esso associato, è possibile disporli lontani nel punto vendita (“obbligare” il cliente a percorrere varie corsie può costituire uno stimolo all’acquisto)

13 BASKET ANALYSIS Programmare promozioni o campagne pubblicitarie: offrire contemporaneamente sconti o promozioni su beni che presentano un’associazione probabilmente non è una buona idea. Invece porre in promozione un prodotto che ha l’effetto di trascinare le vendite di un altro prodotto, meno venduto o innovativo, può provocare un incremento delle vendite anche di quest’ultimo. Si rendono così gli acquirenti di un determinato prodotto il possibile obiettivo nella vendita di un altro prodotto, senza grosse spese promozionali aggiuntive Inoltre, sfruttando le informazioni sugli items venduti in associazione, l’impresa può contattare i clienti principali con pubblicità, promozioni o informazioni su nuovi prodotti che si associano a quelli già acquistati Ad esempio, programmare i registratori di cassa affinché stampino sul retro dello scontrino emesso un buono sconto sul prodotto in questione ogni volta che un cliente acquista un altro prodotto ad esso associato (in tal caso la transazione commerciale rimane anonima e non è richiesta la gestione di alcun rapporto con il cliente). Si può, inoltre, avere una riduzione delle spese legate all’invio (postale o telefonico) di offerte indistintamente rivolte ad un gruppo di clienti: contattando solo quelli che si sa poter essere propensi all’acquisto di determinati beni, si riducono gli sprechi di tempo e denaro, incrementando l’indice di risposta dell’offerta e i relativi guadagni.

14 BASKET ANALYSIS Gestione degli approvvigionamenti e del magazzino, basata sull’andamento delle vendite di prodotti abbinati. Esaurire un articolo può andare a colpire le vendite degli articoli associati e quindi il punto di riordino di un prodotto dovrebbe essere basato sui livelli di scorta di più prodotti collegati, piuttosto che su uno soltanto. Ad esempio, sapendo che, a causa di una promozione, ci sarà un incremento nelle vendite delle pizze surgelate, è opportuno pianificare anche un eventuale relativo incremento nelle scorte di birra necessarie

15 BASKET ANALYSIS: metodologie utilizzate
Regole associative e sequenze: tecniche esplorative per evidenziare gruppi di items legati da analoghe abitudini di acquisto. Analizzando le combinazioni di acquisto e il numero di volte che queste sono ripetute, si ottiene una regola associativa del tipo “IF condition THEN result” che esprime la probabilità di acquisto simultaneo di prodotti differenti. Se la regola è poi ordinata dal punto di vista temporale, si ha una sequenza. Associazioni di dati: dato un database, dove una transazione è un insieme di voci, si possono scoprire tutte le associazioni dove la presenza di una specifica voce comporta la presenza di una o più altre voci

16 BASKET ANALYSIS: Metodologie utilizzate
Comportamenti sequenziali: dato un insieme di sequenze di transazione, è possibile trovare le sottosequenze ricorrenti contenute in una specifica parte di queste sequenze Un vantaggio legato alle regole associative e di sequenza è quello di semplicità di applicazione ed elevata capacità esplicativa e comunicativa Svantaggi: gli alti tempi e costi di elaborazione e la necessità di ridurre il numero di tali regole, restringendole a quelle rilevanti, con opportuni criteri di significatività

17 BASKET ANALYSIS: Regole di associazione
Obiettivo: identificare delle regole ricorrenti all’interno delle transazioni di vendita nell’ambito della grande distribuzione organizzata. Si possono individuare due tipi di regole, entrambe molto efficaci nel perseguire l’obiettivo delineato: Regole di Associazione “Se un cliente compra pesce, allora comprerà anche vino bianco nel 90% dei casi.” “Se un cliente compra una macchina fotografica, allora comprerà anche una pila nel 80% dei casi.” Tali regole sono quelle propriamente applicate alla market basket analysis: la presenza di una o più voci specifiche nell’itemset comporta la presenza contemporanea di uno o più items. In questo caso le transazioni sono rappresentate dagli scontrini, ognuno dei quali contiene l’elenco degli oggetti che sono stati acquistati insieme.

18 BASKET ANALYSIS: Regole di associazione
Regole di Sequenza “Le persone che hanno acquistato un lettore di CD sono tre volte più propense ad acquistare CD nel periodo di tempo che va da due a quattro mesi dopo l’acquisto del lettore” “Se un cliente acquista piatti e bicchieri in un’occasione, seguite dall’acquisto di posate la volta successiva, allora c’è una probabilità del 70% che egli acquisti accessori per la tavola durante una terza visita.” Le regole di sequenza si concentrano non tanto sul fatto che due o più prodotti vengano posti contemporaneamente in un carrello, quanto sulla dimensione temporale degli acquisti: si individuano comportamenti relativi a più transazioni consecutive effettuate dallo stesso soggetto, permettono di capire quale sia il secondo acquisto più probabile per le persone che hanno già effettuato un determinato primo acquisto. L’identificazione delle regole di sequenza è condizionata alla disponibilità di dati che permettano di identificare i clienti e di seguire l’evoluzione dei loro acquisti nel tempo (carte fidelity)

19 BASKET ANALYSIS: Regole di associazione
Nella fase di ricerca delle regole di associazione è possibile focalizzare l’attenzione su una specifica parte della relazione, antecedente o conseguente che sia, oppure su entrambe: Attenzione posta sul conseguente (es. Trovare tutte le regole che contengano “noccioline” nel conseguente: le regole trovate possono essere utilizzate per capire quali prodotti il supermercato deve offrire per favorire la vendita di noccioline) Attenzione posta sull’antecedente (es. Trovare tutte le regole che contengano “noccioline” nell’antecedente: l’analisi può prevedere quali prodotti possono subire una riduzione delle vendite se il supermercato decide di non vendere più noccioline) Attenzione posta sia sul conseguente sia sull’antecedente (es. Trovare tutte le regole che contengano “noccioline” nell’antecedente e “birra” nel conseguente: ciò può servire per capire quali altri prodotti oltre alle noccioline servono per favorire la vendita di birra)

20 BASKET ANALYSIS: Regole di associazione
Attenzione posta su uno specifico item, indipendentemente dal fatto che si trovi nell’antecedente o nel conseguente (es. Trovare tutte le regole più “interessanti” per le noccioline: può servire per valutare tutte le relazioni esistenti che riguardano tale item) Attenzione posta su molti items, indipendentemente dal fatto che si trovino nell’antecedente o nel conseguente (es. Trovare tutte le regole che riguardano gli articoli delle corsie 8 e 9: regole di questo tipo possono essere usate ai fini di una migliore riorganizzazione della disposizione dei prodotti in queste corsie)

21 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Non tutte le regole individuate con la MBA sono interessanti. Misure di qualità per le regole di associazione sono misure statistiche che ci permettono di valutare la significatività delle regole individuate e di filtrare quelle migliori, ovvero quelle che, essendo dotate di un effettivo potere previsionale, possono essere utilizzate nella pratica per sviluppare azioni di marketing profittevoli Il Supporto (o prevalenza) Misura la frequenza di una regola nelle transazioni, ovvero il numero (in valore assoluto o, come si trova più di frequente, in percentuale) di transazioni che contengono un certo insieme di elementi. In altre parole rappresenta la percentuale di market basket che contengono sia il lato destro sia il lato sinistro di una determinata regola

22 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Possiamo quindi affermare che una regola ha supporto s se l’ s% delle transazioni nel database contengono sia la condizione sia il risultato della regola; ad esempio affermare che “il 40% delle transazioni che includono lattuga includono anche carote” implica che questa regola abbia un supporto pari al 40%. Ovviamente un valore di s molto alto indica che la regola coinvolge una grande parte delle transazioni ed indicativamente essa appare come una buona regola (al contrario un valore molto basso di s lascia intendere che la regola in questione è poco presente nel database)

23 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Il supporto è una misura incompleta della qualità di una regola di associazione. Supponiamo di avere una regola secondo cui l’associazione fra un certo aperitivo APE e patatine è del 20%; potrebbe significare che il 20% di tutti i clienti comprano APE e patatine e nessuno compra APE senza comprare anche patatine: in questo caso abbiamo una buona regola. Tuttavia potrebbe anche essere vero che il 90% dei clienti acquista APE e solo il 20% di questi compra anche patatine: in questo caso non abbiamo una buona regola, o meglio, possiamo sicuramente trovarne di migliori, eppure il supporto è sempre lo stesso (20%) Dunque definiamo una misura della “fiducia” che si può dare ad una regola, denominata confidenza,o prevedibilità

24 BASKET ANALYSIS: Supporto, Confidenza, Incremento
La confidenza rappresenta la probabilità che l’item rappresentato nel lato destro sia presente, dato che l’item rappresentato nel lato sinistro si trova già nel market basket: misura quanto un certo articolo è dipendente da un altro conf(x,y) stima della probabilità di trovare Y condizionata alla presenza di X e corrisponde al rapporto tra il numero di transazioni che contengono sia X che Y ed il numero di quelle che contengono X

25 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Esempio: Scontrino Insiemi 1 latticini;frutta 2 latticini; frutta; verdura 3 latticini 4 latticini ; farinacei Supp (latticini/frutta) = 2/4 = 50% conf(latticini/frutta) = 2/4 = 50% Supp (frutta/latticini) = 2/4 = 50% conf(frutta/latticini) = 2/2 = 100% Dunque le due regole, pur avendo lo stesso supporto, presentano una confidenza diversa; infatti quest’ultima a differenza del supporto, dipende dalla direzione dell’implicazione nella regola.

26 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Né un alto supporto, né un'alta confidenza da soli indicano che una regola sia necessariamente buona. Infatti, la confidenza non tiene conto della concentrazione dell’item “conseguente” nell’insieme delle transazioni Ciò rende necessaria una terza misura della precisione ed accuratezza delle regole prodotte: si tratta dell'incremento, detto anche lift.

27 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Data la regola X implica Y, l’incremento pone a confronto: la probabilità di trovare il prodotto (Y) in un basket, data la presenza del prodotto X con la probabilità di trovare Y in un qualsiasi market basket scelto a caso In particolare il lift misura la differenza fra la confidenza di una regola e la sua confidenza attesa, cioè la probabilità di acquistare l’articolo “conseguente” indipendentemente dalle eventuali relazioni con altri articoli l'incremento è il rapporto fra la confidenza della combinazione di articoli ed il supporto dei singoli risultati

28 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Perché una regola sia utile, la sua confidenza deve essere maggiore della probabilità di osservare il singolo risultato un lift non solo maggiore di 1, ma anche molto alto indica un'alta probabilità d'acquisto dei due prodotti abbinati - la regola è dunque significativa ed “aggiunge conoscenza” una regola con un lift molto basso (addirittura <1) non indica una reale opportunità di vendita incrociata: non importa quanto possa essere alto il supporto o la confidenza, perché essa in realtà offre una minore capacità di prevedere un acquisto associato rispetto a quanto accade in un caso generale

29 BASKET ANALYSIS: Supporto, Confidenza, Incremento
Esempio: Acquista Birra NON Acquista Birra Tot Acquista Pizza 20% % % NON Acquista Pizza 70% % % 90% % % Supp (Pizza /Birra) = 20% Conf (Pizza /Birra) = 20% / 28% = 71,4% ..valori elevati che possono trarre in inganno: 1) 90% acquista Birra, ma di questo 90 il 70% non acquista Pizza (supp basso) 2) tra coloro che acquistano Pizza, il 71,4% acquista anche Birra (conf elevato) 3) Lift (Pizza/Birra) =71,4% / 90% =0,79 ...valore basso... La prob di acquistare congiuntamente birra e pizza è INFERIORE alla medesima prob valutata nell’ipotesi di indipendenza tra gli eventi “acquisto pizza” e “acquisto birra”

30 BASKET ANALYSIS: Supporto, Confidenza, Incremento
In sintesi, utilizzare singolarmente uno qualsiasi di questi valori - supporto, confidenza, lift - può risultare ingannevole L’alta confidenza ad esempio è ingannevole quando c’è un articolo popolare sul lato destro dell’associazione: le regole “il burro implica il latte”, “il pane implica il latte”, ecc… presentano un’alta confidenza, perché è difficile trovare un market basket che non contenga latte, ma è difficile pensare di poter sfruttare queste regole, che pure presentano un’alta confidenza ed un alto supporto. Dei tre elementi il lift è quello che presenta maggiori probabilità di essere utile in modo autonomo perché indica di quanto la regola migliora la nostra capacità di prevedere il lato destro dell’associazione; tuttavia anch’esso può dare indicazioni fuorvianti, nel caso in cui il supporto sia basso.

31 BASKET ANALYSIS: Come utilizzare le misure
In generale sappiamo che quanto più i valori del supporto e della confidenza sono alti, tanto più è possibile che queste regole siano valide e quindi utili. Ma cosa si intende per “alto”? Per saperlo è necessario fissare dei valori limite, ovvero delle soglie che ci permettano di classificare le regole come “interessanti” o “non interessanti” in modo oggettivo Bisogna definire quindi un valore minimo - per il supporto (Minsupp) per la confidenza (Minconf)

32 BASKET ANALYSIS: Come utilizzare le misure
•Porre un Minsup alto (vincolo stringente) comporta l’individuazione di pochi itemset frequenti e quindi di poche regole valide, che però ricorrono molto spesso, perché riguardano items veramente molto frequenti (in quanto hanno un supporto elevato) •Ponendo un Minsup basso si individuano molte regole valide che però, per lo stesso motivo, ricorrono di rado, e perciò hanno una scarsa incidenza sui risultati delle azioni di marketing implementate •Con un livello di Minconf alto si individuano poche regole, ma quasi tutte “logicamente vere”, ovvero con facile motivazione, quindi rientranti nella tipologia delle regole “banali” •Infine con un Minconf basso si individuano molte regole, molte delle quali sono però “inspiegabili” oppure incerte nell’applicazione, perché hanno bassa confidenza. I valori solitamente scelti sono: Minsup= 2/10% e Minconf= 70/90%


Scaricare ppt "Come noto il potenziale è funzione di una serie di variabili:"

Presentazioni simili


Annunci Google