LA STATISTICA PER LE IMPRESE L’ESPERIENZA DEGLI OPERATORI |nformation resources : UN METODO PER LA DETERMINAZIONE DEI LIVELLI OTTIMALI DI PREZZO AL PUBBLICO BOLOGNA, Novembre 2003

DA UN PROGETTO IRI PER IL CLIENTE X : SUPPORTO ALLA REVISIONE DEL LISTINO PREZZI Presentiamo un estratto dai risultati di un progetto di ricerca che IRI sta portando avanti con il CLIENTE X. La ricerca ha molteplici obiettivi, fra i quali l’analisi delle manovre di prezzo, dell’efficacia delle diverse promozioni, dell’effetto sulle vendite della comunicazione televisiva ; consideriamo qui soltanto la parte del progetto che fa riferimento alla prevista revisione del listino prezzi da parte del CLIENTE X. In particolare, vedremo nel dettaglio come lo studio ha risposto alle seguenti richieste : ottenere informazioni sull’attuale posizionamento di prezzo (non promozionato) dei prodotti nei diversi canali distributivi avere gli strumenti per valutare il livello di prezzo ideale stimare gli effetti di una modifica dell’attuale livello di prezzo (non promozionato) Copyright © Information Resources Confidential and proprietary.

1) ottenere informazioni sull’attuale posizionamento di prezzo (non promozionato) dei prodotti nei diversi canali distributivi Per rispondere a questo primo obiettivo, è stata realizzata una serie di analisi descrittive sul prezzo non promozionato delle referenze del CLIENTE X (PRICE PROFILER ANALYSIS). Questo ha permesso di verificare l’attuale dispersione del prezzo non promozionato, stimando eventuali SOGLIE oltre le quali si verificano cadute di performance e indicando rischi e opportunità per manovre sul prezzo di listino nei diversi canali distributivi. Le analisi sono state realizzate utilizzando i dati scanner dei singoli punti di vendita del campione IRI (circa 1000 negozi) relativi al periodo di riferimento, segmentando per canale e area : Ipermercati Nord-Ovest Ipermercati Nord-Est Ipermercati Centro Ipermercati Sud Supermercati Nord-Ovest Supermercati Nord-Est Supermercati Centro Supermercati Sud

Copyright © Information Resources Confidential and proprietary. Risultati dell’analisi descrittiva DISTRIBUZIONE DEI PREZZI EVIDENZIAZIONE DELLE SOGLIE DI PREZZO ALLOCAZIONE DEI VOLUMI VENDUTI IN FASCE DI PREZZO Micro-segmentazione per dettaglio geografico dati espansi

Copyright © Information Resources Confidential and proprietary. 2) avere gli strumenti per valutare il livello di prezzo ideale La risposta al secondo obiettivo ha richiesto l’applicazione di un modello econometrico (IRI Marketing Mix Model) in grado di stimare l’elasticità delle vendite di ciascun prodotto alle variazioni di prezzo, calcolando una curva di risposta che tiene conto di : contemporanea presenza di attività promozionali (proprie e della concorrenza) manovre di prezzo degli altri prodotti del mercato caratteristiche specifiche del singolo punto di vendita variabili di controllo (stagionalità, temperatura, …) Perché i risultati del modello siano operativi, è indispensabile che siano declinati con lo stesso livello di segmentazione dell’analisi descrittiva, ovvero per tipologia di canale e area geografica.

Copyright © Information Resources Confidential and proprietary. Risultati del modello Curva di elasticità delle vendite al prezzo Effetti diretti e incrociati Micro-segmentazione per dettaglio geografico dati espansi

Copyright © Information Resources Confidential and proprietary. 2) avere gli strumenti per valutare il livello di prezzo ideale I risultati analitici del modello (curve di elasticità) sono stati integrati con informazioni interne del CLIENTE X relative al costo (e al relativo margine) di ogni prodotto studiato : è possibile in questo modo calcolare la profittabilità di ciascun livello di prezzo e valutare il livello di prezzo ottimale per l’azienda. In questa pagina un esempio dello strumento (Excel) sviluppato a questo scopo, installato presso gli uffici del cliente.

Copyright © Information Resources Confidential and proprietary. 3) stimare gli effetti di una modifica dell’attuale livello di prezzo (non promozionato) Una volta definito il prezzo ideale per ciascuna micro-segmentazione, il passo successivo è stimare l’effetto del previsto cambiamento di prezzo sui volumi, tenendo conto delle informazioni ricavate precedentemente.

Copyright © Information Resources Confidential and proprietary. 3) stimare gli effetti di una modifica dell’attuale livello di prezzo (non promozionato) L’utilizzo di entrambi i risultati permette di calcolare gli effetti di una modifica del livello di prezzo scomponendo la manovra in funzione dell’attuale allocazione dei prezzi e dei volumi, senza dover fare l’ipotesi che tutti i punti di vendita debbano modificare il proprio prezzo al pubblico. La manovra sui prezzi viene declinata secondo il dettaglio di segmentazione seguito nell’intero progetto.

Copyright © Information Resources Confidential and proprietary. IRI utilizza per i suoi modelli multivariati (Marketing Mix Model) la classica forma funzionale moltiplicativa : LA METODOLOGIA IRI resa additiva mediante passaggio al logaritmo. L’esperienza mostra che i prezzi, le politiche promozionali e conseguentemente le relative curve di risposta possono variare considerevolmente per area geografica e per formato (supermercato, superstore, ipermercato). Un limite dell’approccio tradizionale è dunque che una risposta unica (a totale Italia) non può essere soddisfacente; d’altro canto, lanciare un modello separato per ogni segmentazione strutturale/geografica conduce spesso a stime non coerenti o non sensate.

Copyright © Information Resources Confidential and proprietary. BAYESIAN SHRINKAGE ESTIMATION Le stime dei coefficienti ottenute mediante un sistema di modelli separati sono troppo variabili nelle diverse ripartizioni del mercato, e spesso hanno segni sbagliati (soprattutto per gli effetti incrociati). Per avere un modello unico e allo stesso tempo sufficientemente preciso nelle analisi di dettaglio, IRI utilizza la procedura nota come “Bayesian Shrinkage Estimation”, basata sull’impostazione a priori di un modello gerarchico. In breve, ciascun soggetto (negozio) viene classificato secondo gli attributi che descrivono il dettaglio della segmentazione richiesta : tipologia (supermercato, ipermercato,...), area geografica (Nord-Ovest, Nord-Est, …). Il modello elabora tutti i soggetti allo stesso tempo, stimando per ogni coefficiente un effetto fisso (“average response”) e un effetto “random” legato all’appartenenza del soggetto alla specifica classe. L’effetto fisso fornisce una media di riferimento a totale Italia, gli effetti random permettono di declinare il coefficiente in funzione delle diverse micro- segmentazioni.

From the traditional formY=X  +  Bayesian Shrinkage Model to the Bayesian Shrinkage ModelY=X  +Z  +  fixed known matrix and parameters of the fixed effects random Known design matrix and parameters of the random effects errors Copyright © Information Resources Confidential and proprietary. BAYESIAN SHRINKAGE ESTIMATION Il metodo comprime (“shrink”) le stime attorno alla media; l’entità dello spostamento verso la media overall dipende dal numero di osservazioni e dalla variabilità della stima nelle diverse micro-segmentazioni.

BIBLIOGRAFIA ESSENZIALE BLATTBERG, GEORGE (1991) - “Shrinkage Estimation of Price and Promotion Elasticities : Seemingly Unrelated Equations”, Journal of the American Statistical Association, 86 BOATWRIGHT, McCULLOCH, ROSSI (1999) - “Account-Level Modeling for Trade Promotion : An Application of a Constrained Parameter Hierarchical Model”, Journal of the American Statistical Association, 94