ANALISI DEGLI EFFETTI COMPETITIVI TRA MARCHE

Slides:



Advertisements
Presentazioni simili
Parlando di variabili….
Advertisements

FUNZIONI REALI DI DUE VARIABILI REALI
La matematica e l’economia
Come organizzare i dati per un'analisi statistica al computer?
Dipartimento di Economia
Tecniche di analisi dei dati e impostazione dellattività sperimentale Relazioni tra variabili: Correlazione e Regressione.
Monitor Alimentare DOXA Seconda Edizione Autunno 2001 Roma, 5 dicembre 2001 per Federalimentare.
Fattori produttivi a fecondità ripetuta
2 Marketing La ricerca di marketing J. Paul Peter
I concorrenti L’ambiente competitivo di un’impresa è costituito dalle altre imprese che convergono nel servire gli stessi mercati-obiettivo nonché da.
Analisi di covarianza L'analisi di covarianza è un'analisi a metà strada tra l'analisi di varianza e l'analisi di regressione. Nell'analisi di covarianza.
Analisi di covarianza L'analisi di covarianza è un'analisi a metà strada tra l'analisi di varianza e l'analisi di regressione. Nell'analisi di covarianza.
Variabili di stato x 1 x 2 … x n (t) Problema: dato lo stato del sistema in un dato istante, t 0, quale sarà il suo stato futuro e da quali stati precedenti.
T0t0 t1t1 t2t2 t.... tntn Rt = ricavi (t 0 _ t n ) - costi (t 0 _ t n ) reddito totale reddito di periodo Rp = ricavi (t 1 _ t 2 ) - costi (t 1 _ t 2 )
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 10.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
Ipotesi e proprietà dello stimatore Ordinary Least Squares (OLS)
IL MODELLO DI REGRESSIONE MULTIPLA
Capitolo 17 Le decisioni di prezzo
Risorse finanziarie: Apporto dei soci per ciascuno a formare un capitale sociale di umane: La società è composta da 12 soci, che oltre ad.
Metodi di ricerca in Psicologia
Metodi della ricerca in Psicologia
1 La frazione come numero razionale assoluto
LEZIONE 4 FALLIMENTI DI MERCATO E MONOPOLIO.
Lezione 8.
Modello di regressione lineare semplice
TRINOMIO DI II °: fattorizzazione o completamento del quadrato?
Capitolo 10 La determinazione del prezzo Comprendere e cogliere
Check list delle informazioni necessarie per operare in un mercato Emanuele Gabardi.
Fisica laboratoriale Il Pendolo semplice.
STATISTICA PER LE DECISIONI DI MARKETING
Marketing: prezzi e consumo
Caso Aziendale Duetto s.r.l..
Processi di Marketing Le varie fasi.
STATISTICA PER LE DECISIONI DI MARKETING
STATISTICA PER LE DECISIONI DI MARKETING
A) approccio ad alcuni concetti micro-economici funzionali alle tematiche del marketing management.
S.Affuso,L.Antolini,L.Longo
La regressione come strumento di sintesi delle relazioni tra variabili
DATA MINING PER IL MARKETING
MARKETING Prof. Gianfranco Brusa
DATA MINING PER IL MARKETING
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso ESTENSIONI DEL MODELLO DI REGRESSIONE LINEARE MULTIPLA.
Analisi Bivariata: Test Statistici
DATA MINING PER IL MARKETING
Metodi Quantitativi per Economia, Finanza e Management Lezione n°13 Regressione Logistica: La stima e l’interpretazione del del modello.
Gli indici di dispersione
DATA MINING PER IL MARKETING
redditività var. continua classi di redditività ( < 0 ; >= 0)
Analisi Multivariata dei Dati
Modelli di Attrazione ad effetti completi
Dipartimento di Scienze Statistiche, ALMA MATER STUDIORUM – Università di Bologna1 MODELLO RAZIONALE DI SCELTA TRA MARCHE PRESENTAZIONE A CURA DI: Chiara.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
Dipartimento di Scienze Statistiche, ALMA MATER STUDIORUM – Università di Bologna Modello di scelta tra marche: il caso dei piani tariffari Di: Lucia.
MODELLO DI SCELTA DEL PIANO TELEFONICO FISSO  Giulia Bravo  Valeria Carloni  Andrea Coralli  Elena Santi.
Modelli di scelta del piano telefonico
La segmentazione a priori: CHAID
Dipartimento di Scienze Statistiche, ALMA MATER STUDIORUM – Università di Bologna Un’applicazione dei Modelli di Risposta delle Quote di Mercato di Giulia.
Altri concetti sulla regressione. Multicollinearità Varianza comune fra le VI: se è molto elevata produce stime instabili. Ci sono degli indici per indicare.
Rappresentazione Del Modulo di una Costante Per calcolare il punto dove la costante si interseca con l’asse y: 20log 10 della costante |G| W [ ]
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
L’unità frazionaria ESEMPIO Rappresentazione
Laboratorio di Creazione d’Impresa L-A Strategia, Business, Settore.
Scientific Life Gruppo 3. Organigramma A.D. Giovanni Soardo Responsabile Amm.vo Carmen Vadicamo Responsabile Produzione Cinzia Ilardi Responsabile R&S.
A cura di Lorenzo Bacci – IRPET – IRPET Istituto Regionale Programmazione Economica Toscana LE INFRASTRUTTURE TURISTICHE PER UN OFFERTA COMPETITIVA Interventi.
L’indice dei prezzi al consumo Consideriamo il modo in cui viene misurato il livello dei prezzi complessivo in una economia Gli obiettivi sono due: mostrare.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
ROMA 23 GIUGNO 2016 AREA TEMATICA 1. PROSPETTIVE DEI SISTEMI STATISTICI Validation: un approccio metodologico comune per la validazione dei dati e l’automazione.
Transcript della presentazione:

ANALISI DEGLI EFFETTI COMPETITIVI TRA MARCHE Valeria Carloni Emilio Gagliardi Elena Santi Agnese Vasai

OBIETTIVI Esaminare come le varibili di marketing hanno influenzato le vendite del caffè all’interno dei supermercati Conad, nel periodo 31/01/2000-31/10/2000 Determinare quali concorrenti si influenzano a vicenda e quali interferiscono tra loro

MODELLO DI ATTRAZIONE VARIABILI DIPENDENTI: VARIABILI INDIPENDENTI: QUOTE DI MERCATO delle diverse marche di caffè VARIABILI INDIPENDENTI: L’unico dato rilevato è il PREZZO Strumenti di marketing

MODELLO DI ATTRAZIONE Forma generale: i influenza costante della marca i (quota base) Xkj livello della variabile di marketing k relativo alla marca j kij effetto competitivo esercitato dalla variabile di marketing k della marca j sulla quota di mercato della marca i f funzione di trasformazione monotona su Xkj (f(.) >0) i termine d’errore riferito alla relazione che riguarda la marca i

MODELLO DI ATTRAZIONE A seconda della forma funzionale scelta otteniamo: Multiplicative Competitive Interaction (MCI) Multinomial Logit (MNL)

DATI DI PARTENZA I dati analizzati sono quelli rilevati nel supermercato IMPERIA 2 Formato di caffè considerato: 250x2 Marche di caffè commercializzate: 1  Lavazza Qualità Rossa 2  Lavazza Crema e Gusto 3  Lavazza Oro 4  Lavazza Gusto Dolce 5  Segafredo Intermezzo 6  Suerte 7  Vergnano

STRUTTURA DEL DATASET Il dataset iniziale contiene 3773 osservazioni I dati non presentano stagionalità OPERAZIONI EFFETTUATE PER RENDERE IL DATASET ‘ANALIZZABILE’: Aggregazione dei dati in 40 settimane; Aggregazione dei dati per marca; Depurazione degli importi dagli sconti; Calcolo della quota di mercato e della sua log-centratura; Calcolo del prezzo medio per marca e settimana.

QUOTE DI MERCATO PER MARCA ‘LAVAZZA ROSSA’ e ‘LAVAZZA CREMA E GUSTO’ coprono insieme più della metà (54%) del mercato generale del caffè

PREZZI MEDI PER MARCA I prezzi medi variano da un minimo di £1426 per Suerte fino ad un massimo di £ 2451 circa per Lavazza Oro

STIME OLS Stimiamo i modelli MCI e MNL col metodo dei minimi quadrati ordinari ponendo come variabile dipendente le quote di mercato log-centrate Scegliamo il modello migliore basandoci sui valori del criterio di Schwarz I valori per il modello MNL sono più piccoli Utilizzeremo il MULTINOMIAL LOGIT

STIME SUR DEL MODELLO MNL CON TUTTI I PARAMETRI (COMPLETO) Abbiamo stimato due modelli CON RESTRIZIONE A ZERO PER I PARAMETRI NON SIGNIFICATIVI (RIDOTTO) Dai valori del test F accettiamo il modello RIDOTTO

STIME SUR DEL MODELLO MNL RIDOTTO Nonlinear SUR Parameter Estimates Parameter Stima Approx Std Err Valore t Approx Pr > |t| a1 3.80951 0.8213 4.64 <.0001 a2 0.589707 0.1346 4.38 a3 0.666506 0.0888 7.51 a4 0.36969 0.0969 3.81 0.0005 a5 2.063232 0.4526 4.56 a6 -0.83482 0.1292 -6.46 a7 1.389873 0.5234 2.66 0.0118 a8 -3.44748 1.1997 -2.87 0.0070 b11 -0.00148 0.000375 -3.94 0.0004 b18 -0.00093 0.000316 -2.96 0.0056 b55 -0.00065 0.000227 b78 -0.00084 0.000266 -3.14 0.0034 b83 0.0016 0.000535 2.99 0.0052 b86 -0.00177 0.000414 -4.26 0.0002 b88 0.001165 0.000278 4.19 I parametri del nuovo modello sono tutti significativi

STIME SUR DEL MODELLO MNL RIDOTTO Nelle restanti due non possiamo affermare con certezza la presenza di autocorrelazione (SOGLIA ‘NON SO’ DEL TEST) Dal test di Durbin Watson: In sei equazioni su otto i residui non sono autocorrelati Non è necessario inserire nel modello la componente dinamica

COMPONENTI DI ATTRAZIONE E QUOTE DI MERCATO BASE ‘Caffè Vergnano’ e ‘Segafredo intermezzo’ mostrano una capacità di attrazione in media inferiore ai concorrenti (COMPONENTI COSTANTI PIU’ PICCOLE DI 1) Per il caffè Conad si registra una notevole erosione della quota base: dal 72% si scende al 7% ‘Segafredo intermezzo’ e tutte le tipologie di ‘Lavazza’ hanno ottenuto quote di mercato molto superiori rispetto a quelle base; Principali effetti delle variazioni di prezzo:

MATRICE DELLE ELASTICITA’ AI PREZZI Le elasiticità dirette ai prezzi per Vergnano e per Segafredo intermezzo non sono negative i consumatori associano alla diminuzione di prezzo un calo della qualità del prodotto Per quasi tutte le marche le elasticità dirette e incrociate sono inferiori a 1 le marche si influenzano poco tra loro

MATRICE DELLE ELASTICITA’ AI PREZZI Valori più elevati dell’elasticità rivelano una concorrenza più intensa:si può affermare quindi che Vergnano si trova in una situazione di concorrenza più immediata con Lavazza Gusto Dolce e Segafredo Intermezzo

Il mercato del caffè è altamente competitivo: CONCLUSIONI Il mercato del caffè è altamente competitivo: mentre alcune marche hanno rilevato un aumento della quota di mercato in seguito a variazioni di prezzo,altre ne hanno risentito negativamente Elasticità incrociate quasi sempre positive, mostrano una certa asimmetria nella risposta per le diverse marche di caffè