Metodi quantitativi per il marketing – Anno Accademico LIUC INDICE DELLINCONTRO Segmentazione per omogeneità: La Factor Analysis e la Cluster Analysis Analisi di segmentazione per Obiettivi Introduzione Analisi Discriminante

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Riprendiamo lultimo esempio 36 item – considerazioni sul item 37- …. La Factor Analysis si pone lobiettivo di condensare e ridurre i dati quindi di sintetizzare linformazione contenuta in molte variabili tramite pochi fattori sintetici Il suo uso implica lo studio della correlazione tra le variabili al fine di trovare un nuovo insieme di dimensioni, i fattori, meno numeroso rispetto a quello delle variabili originarie, che esprima ciò che è in comune tra le variabili stesse, perdendo il minor numero di informazioni rilevanti Ogni fattore verrà interpretato sulla base delle variabili ad esso correlate Le applicazioni più frequenti riguardano: Uso esplorativo ridurre il numero di variabili originarie al fine di facilitare la loro lettura ed interpretazione Base preliminare come propedeutica alla cluster analysis

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS I dati da raccogliere come input dellanalisi fattoriale, attraverso il questionario, devono essere di natura quantitativa; in particolare è opportuno raccogliere valutazioni su scala metrica a 7 o 9 punti (es. valutazioni di importanza dei diversi attributi di un certo tipo di prodotto nel processo di scelta) Ad esempio: Potrebbe indicare in che misura i seguente attributi sono importanti nelle sue valutazioni del servizio ?

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Gli output da considerare: Matrice delle correlazioni: contiene le correlazioni fra tutte le variabili osservate e permette di avere una indicazione sui legami fra le variabili osservate. E opportuno Valutare i valori assunti dai 2 indicatori: Indice KMO (Kaiser-Meyer-Olki): costruito comparando i coefficienti di correlazione con quelli di correlazione parziale. Questo rapporto varia tra 0 e 1. Valori bassi dell'indice suggeriscono la potenziale inadeguatezza dell'analisi dei fattori, perché le correlazioni fra coppie di variabili non possono essere spiegate dalla varianza condivisa dall'insieme delle variabili (ovvero non possono essere individuati fattori comuni). Kaiser suggerisce che valori al di sopra di 0,7 sono da ritenersi soddisfacenti, mentre valori al di sotto di 0,5 sono sostanzialmente inaccettabili. Test di sfericità di Bartlett: utilizzato per verificare l'ipotesi che la matrice delle correlazioni sia una matrice identità (con 1 sulla diagonale principale e 0 altrove), ossia che le variabili siano indipendenti. Valori bassi di questo test, e di conseguenza valori elevati di significatività (maggiori di 0,1), indicano che questa ipotesi non può essere esclusa e che l'utilizzo del modello fattoriale potrebbe non essere adeguato.

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Varianza totale spiegata. Sono riportati in tabella: gli autovalori iniziali (indicanti fattore per fattore la varianza complessiva spiegata ed usati per stabilire quali fattori o componenti mantenere nella soluzione); i pesi dei fattori non ruotati - indicano quanta varianza ogni fattore è in grado di spiegare prima della rotazione; i pesi dei fattori ruotati - migliora la leggibilità dell'output - Quanti fattori prendere in considerazione? Premesso che con la sintesi effettuata attraverso una factor analysis è chiaramente opportuno perdere il minor numero di informazioni, la scelta cadrà sul numero di fattori che cumulativamente sono in grado di spiegare almeno la metà (50%) della varianza, anche se sono preferibili soglie più alte (60/ 70%).

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Quanti fattori prendere in considerazione?..osservare lo screen test

Metodi quantitativi per il marketing – Anno Accademico LIUC Matrice di componenti. Indica la correlazione dei fattori estratti con le variabili osservate e permette linterpretazione dei fattori. Componente per componente si individuano le variabili con un elevato indice di correlazione (si considera solo il valore assoluto, poiché interessa lentità ma non il verso della correlazione) ossia un indice maggiore di 0,5. In questa soluzione, però, vengono esposte le correlazioni in ordine gerarchico: il primo fattore sarà quindi quello che attirerà la maggior parte dei coefficienti espressivi delle correlazioni tra le variabili e lo stesso fattore. Per avere una visione più chiara e per potere definire il nome di ognuno dei fattori è preferibile analizzare la matrice dei componenti ruotata, molto più leggibile ed utile a fini interpretativi. ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS

Metodi quantitativi per il marketing – Anno Accademico LIUC Matrice di componenti ruotata. Si tratta della matrice delle componenti sopra esaminata ruotata al fine di migliorare linterpretazione dei fattori. Dopo la rotazione infatti è generalmente più marcata la correlazione di una variabile rispetto ad uno ed un solo fattore. La stessa variabile rispetto agli altri fattori estratti presenterà invece indici di correlazione più contenuti. In sede di affinamento, si potranno eliminare dallanalisi le variabili che non girano su nessun fattore (cioè denotano coefficienti tutti minori di 0,4) oppure che girano su più fattori in modo ambiguo (ad esempio, una variabile con coefficiente 0,6 su un fattore e 0,4 su un altro). Nei successivi tentativi è opportuno rilanciare lanalisi escludendo una variabile per volta. Basta infatti che il modello cambi di una sola variabile per essere potenzialmente diverso nei risultati. ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS

Metodi quantitativi per il marketing – Anno Accademico LIUC Esempio: file clima, domanda dimp_1-dimp_35 Individuazione obiettivi: Quanti e quali fattori possiamo individuare? Quanti cluster individuiamo? Come li possiamo caratterizzare? Come possiamo descriverli? ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS

Metodi quantitativi per il marketing – Anno Accademico LIUC Quanti considerare…. 1- Analisi autovalori ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Autovalori della matrice di correlazione: Totale = 35 Media = 1 AutovaloreDifferenzaProporzioneCumulata

Metodi quantitativi per il marketing – Anno Accademico LIUC Quanti considerare…. 1- Analisi autovalori anche grafica…. quanti fattori 5,6 o 7 ? ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Scelti i fattori, cercare di nominarli

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS 5 CLUSTER

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS 6 CLUSTER

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS 6 CLUSTER

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS Una volta individuata la classificazione migliore si procede a qualificare i cluster individuati in funzione delle variabili disponibili: Sesso df1 Categoria professionale df2 Eta` df3 Titolo di studio df4 Struttura di appartenenza df5 Finalita` prevalente dell'attivita`dfin Sintassi su file: clima_fattori_cluster Descrivi – Analisi Tabelle Inserire le variabili cluster e df1-dfin come var della tabella Costruire le tabelle richieste specificando il test e la % per riga o colonna e percentuale delle celle

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI SEGMENTAZIONE PER OBIETTIVI Obiettivo generale è quello di suddividere la popolazione considerata in sub-popolazioni utilizzando una variabile dipendente conosciuta a priori : per questo motivo si parla anche di tecniche di classificazione ossia quei processi attraverso i quali si cerca di ridurre la complessita di specifici fattori ambientali (ad es. mercati, concorrenti, consumatori,...) attraverso il loro raggruppamento in insiemi aventi caratteristiche simili secondo specifici modelli

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI SEGMENTAZIONE PER OBIETTIVI Lo scopo di tali modelli e duplice: o da un lato identificare le variabili che spiegano in modo più significativo un determinato comportamento cosi da fornire al management utili informazioni per lottimizzazione delle scelte relative al marketing mix o dallaltro e possibile date n osservazioni, distinte in due o più gruppi, stabilire una regola di decisione per assegnare nuove unita ai gruppi, ciò presuppone lidentificazione di una funzione di classificazione che separa in modo ottimale i gruppi, per ridurre il rischio di future classificazioni erronee

Metodi quantitativi per il marketing – Anno Accademico LIUC ANALISI SEGMENTAZIONE PER OBIETTIVI Indipendentemente dal settore in cui opera un azienda (largo consumo, industriale o servizi) le applicazioni di tali metodologie sono molteplici Considerando i clienti attuali: a)studio del grado di conoscenza di un particolare prodotto o azienda; b)misurazione della customer satisfaction c)studio di diversi comportamenti dacquisto relativamente sia alle motivazioni di scelta sia alle occasioni duso di un particolare prodotto/servizio; d)caratterizzazione dei clienti fedeli; e)analisi delle preferenze per diverse forme distributive; f)tipizzazione di particolari comportamenti dacquisto; g)allanalisi degli effetti di diversi mix di prodotto/servizio Considerando i clienti potenziali: a)individuazione di nuovi clienti; b)selezione dei diversi mix di prodotto/servizi ottimali per fronteggiare la concorrenza; c)studio degli effetti dei diversi mix comunicazionali; d)analisi della rete di vendita con riferimento sia alla definizione degli obiettivi sia alla valutazione delle performance

Metodi quantitativi per il marketing – Anno Accademico LIUC SEGMENTAZIONE PER OBIETTIVI: DISCRIMINANTE L'analisi discriminante consente di studiare ed esaminare le differenze esistenti fra g gruppi (definiti a priori, con g>=2) di n osservazioni, in relazione a diverse variabili esplicative; Le informazioni sulle medesime variabili possono anche essere in un secondo momento usate per classificare opportunamente nuove osservazioni, di cui non si conosca il gruppo di appartenenza Perché i risultati dell analisi discriminante siano robusti è necessario che quattro ipotesi fondamentali siano soddisfatte: 1- per ogni variabile esplicativa, le osservazioni devono essere tra di loro indipendenti 2- le variabili esplicative debbono seguire per ciascun gruppo una distribuzione normale multivariata (e ciò implica che ciascuna variabile debba essere normale) 3- le varianze delle variabili esplicative per ciascun gruppo dovrebbero risultare nella popolazione uguali o molto simili 4- per ciascuna coppia di variabili, le covarianze nella popolazione dovrebbero per i diversi gruppi risultare uguali o molto simili

Metodi quantitativi per il marketing – Anno Accademico LIUC SEGMENTAZIONE PER OBIETTIVI: DISCRIMINANTE In generale è opportuno suddividere il database in due parti, modello e validazione, al fine di gararantirsi una buona capacità di generalizzazione del modello In termini di output consideriamo il principale risultato che è rappresentato dalla tabella Risultati della classificazione consente di esaminare la validità della soluzione di analisi discriminante. E infatti una tabella a doppia entrata che incrocia lappartenenza al gruppo originale con lappartenenza al gruppo prevista in base alle funzioni discriminanti

Metodi quantitativi per il marketing – Anno Accademico LIUC SEGMENTAZIONE PER OBIETTIVI: DISCRIMINANTE Esempio: file: dati Caffarel.sav Analisi questionario, obiettivi Analizziamo la propensione (propensione) ad acquistare il gianduiotto Caffarel in funzione del gradimento espresso rispetto ad alcuni attributi D4_6_1--D4_6_7 e D4_10_1D4_10_9 Esempio - PREDITTIVA: file:discrim_predittiva.sav Propensione a scrivere NON sostituibile Var indipendenti: D4ANNO D1TRAT_PER D1NUOVE_PER NUOVEARIMIDEX TRATTARIMIDEX camp_1