La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Corso di Marketing e modelli di e-business

Presentazioni simili


Presentazione sul tema: "Corso di Marketing e modelli di e-business"— Transcript della presentazione:

1 Corso di Marketing e modelli di e-business
Esercizi sul posizionamento

2 Interpretazione della perceptual map
Agli studenti immatricoloandi di cinque atenei è stato somministrato un questionario per effettuare un'analisi di posizionamento. In tabella i risultati medi. TRI SER FUN DOC LAV1 LAV2 SGR+ ACC ONL PoliBa 3,126 2,748 2,505 2,398 3,165 1,961 2,077 3,097 2,108 PoliMi 2,291 3,903 3,893 3,583 4,029 4,078 3,524 2,686 3,696 PoliTo 2,427 4,058 4,039 3,66 3,553 2,738 3,725 LUMBa 2,612 2,796 3,039 2,903 2,388 2,970 3,216 2,971 EcoBa 2,767 2,294 2,431 2,67 2,621 2,340 2,912 3,223 2,634 TAX GRD STR COR+ RIT+ BOR PRE 3,412 2,863 3,029 2,049 2,913 2,000 2,806 2,265 3,980 3,718 3,559 3,118 3,265 3,990 2,327 4,020 4,097 3,641 3,129 3,324 2,337 2,598 2,573 2,951 3,406 2,716 2,676 3,020 2,490 2,539 2,535 2,941 3,040 2,627 Nota: + attributi ricodificati per mantenere una scala crescente

3 Data la perceptual map raffigurata nella slide successiva
fornire in sintesi il posizionamento dei cinque atenei stimare i coefficienti della matrice brand-fattori stimare i coefficienti della matrice attributi-fattori per gli attributi RIT, ACC, TRI, TAX individuare 3 attributi rispetto ai quali l'ateneo Poliba risulta migliore dei competitor e 3 attributi rispetto ai quali risulta peggiore Commentare: (1) differenze fra gli atenei (Polimi e Polito sono identici), (2) attributi più correlati alla preferenza (Polimi e Polito sono le alternative preferite), (3) correlazioni fra attributi

4 SGR RIT ONL-STR DOC PoliMi BOR PoliTo LAV2 FUN LumBa COR ACC PRE GRD
SER LAV1 LAV3 TAX TRI PoliBa EcoBa LumBa PoliMi PoliTo Commentare: (1) differenze fra gli atenei (Polimi e Polito sono identici), (2) attributi più correlati alla preferenza (Polimi e Polito sono le alternative preferite), (3) correlazioni fra attributi

5 Soluzione ruotata - matrici
F1 F2 TRI -0,351 -0,710 SER 1,018 -0,036 FUN 0,821 0,240 DOC 0,479 0,613 LAV1 1,091 -0,161 LAV2 0,746 0,330 SGR 0,173 0,863 ACC -1,072 0,123 ONL 0,407 0,684 TAX 0,013 -0,970 GRD 1,057 -0,090 LAV3 1,119 -0,199 STR 0,408 0,681 COR 0,858 0,197 RIT -0,626 1,293 BOR 0,550 0,544 PRE 0,989 0,015 F1 F2 PoliBa -0,550 -1,603 PoliMi 1,068 0,808 PoliTo 1,106 0,772 LUMBa -0,727 0,311 EcoBa -0,897 -0,288

6 Costruzione della perceptual map
A studenti di tre atenei è stato somministrato un questionario per effettuare un'analisi di posizionamento. In tabella i risultati medi. TRI INT+ FOR RCH AZI VIT+ TX1+ TX2+ VAR SGR+ LAB+ PoliBA 3,189 3,229 3,651 3,104 2,255 3,886 2,590 3,590 2,434 2,481 1,585 PoliMI 2,623 2,438 3,877 4,085 4,132 1,615 2,913 3,417 3,712 3,356 3,107 PoliTO 2,679 2,906 3,887 3,981 4,094 2,049 2,933 3,446 3,587 3,375 3,096 RIT+ SOV+ ESA STR BOR RIC+ GRD ONL APP MAT DAT+ 2,962 3,238 1,972 2,057 2,708 3,075 2,226 3,142 3,094 2,396 3,144 3,155 3,320 3,353 3,126 3,790 3,619 3,048 3,186 3,078 3,212 3,202 3,346 3,154 3,097 3,800 3,571 3,114 3,147 3,080

7 Date le matrici risultanti dalla analisi fattoriale (2 fattori)
PoliBa -1,151 -0,947 PoliMi 0,493 1,046 PoliTo 0,657 -0,098 Date le matrici risultanti dalla analisi fattoriale (2 fattori) si disegni la perceptual map inserendo i seguenti attributi TRI, INT, VIT, TX2, SGR, RIT, SOV, APP, MAT F1 F2 TRI -0,778 -0,268 INT 0,032 -1,024 FOR 0,945 0,070 RCH 0,769 0,279 AZI 0,875 0,156 VIT -0,651 -0,408 TX1 0,963 0,047 TX2 -0,685 -0,372 VAR 0,780 0,267 SGR 0,921 0,099 LAB 0,889 0,138 RIT 1,205 -0,287 SOV -1,190 0,266 ESA 0,793 0,252 STR 0,892 0,136 BOR 0,913 0,110 RIC 0,816 0,225 GRD ONL 0,858 0,176 APP -1,163 MAT 0,270 0,777 DAT 0,901 0,125

8 PoliMi MAT RCH-VAR-ESA-RIC-DAT ONL-AZI-LAB-STR SOV BOR-GRD-FOR-SGR-TX1
TRI MAT RCH-VAR-ESA-RIC-DAT RIT APP TX2 VIT INT ONL-AZI-LAB-STR BOR-GRD-FOR-SGR-TX1 PoliBa PoliMi PoliTo Commentare: (1) differenze fra gli atenei (Polimi e Polito ora sono diversi), (2) attributi più correlati alla preferenza (Polimi e Polito sono le alternative preferite), (3) correlazioni fra attributi

9 Calcolo della varianza
È stata effettuata un'analisi di posizionamento nel settore dell'igiene orale considerando 10 brand e i 6 attributi seguenti V1 (Cavities) "I buy this toothpaste because it prevents cavities" V2 (Shiny) "I like this toothpaste because it gives shiny teeth" V3 (Gums) "I think this toothpaste strengthens your gums" V4 (Breath) "This toothpaste freshens breath" V5 (Decay) "Prevention of decay is a benefit of this toothpaste" V6 (Attractive) "I think using this toothpaste makes my teeth attractive"

10 L'analisi fattoriale ha restituito i seguenti fattori associati ai relativi autovalori:
La varianza totale spiegata risulta pari a 6 (pari alla somma degli autovalori) Fattori Autovalori F1 3,066 F2 2,436 F3 0,299 F4 0,098 F5 0,052 F6 0,047

11 Data la matrice fattori-attributi, si calcoli
Cavities -0,759 0,584 0,237 0,064 -0,120 0,090 Shiny 0,742 0,563 0,312 -0,184 0,032 -0,002 Gums -0,837 0,508 0,076 0,056 0,179 -0,009 Breath 0,568 0,757 -0,294 0,009 0,027 0,130 Decay 0,751 -0,586 0,233 0,169 0,054 0,083 Attractive 0,593 0,777 0,008 0,168 -0,035 -0,124 Data la matrice fattori-attributi, si calcoli la varianza spiegata da ogni fattore la porzione di varianza che risulta spiegata se nell'analisi si accettano solo i primi 2 fattori Si verifichi che la varianza spiegata da tutti i fattori è pari a 6


Scaricare ppt "Corso di Marketing e modelli di e-business"

Presentazioni simili


Annunci Google