“Le Ricerche di Marketing” Modulo di Marketing Industriale “Le Ricerche di Marketing”

Il sistema Informativo di Marketing Necessità di informazione Gestione dell’informazione Sistema Informativo di Marketing Un Sistema Informativo di Marketing (SIM) è una struttura integrata ed interagente di persone, attrezzature e procedure, finalizzata a raccogliere, classificare, analizzare, valutare e distribuire informazioni pertinenti, tempestive ed accurate, destinate agli operatori di decisioni di mercato

Il Sistema Informativo di Marketing: framework Ambiente di MKT MKT Manager Sistema Informativo di Marketing Analisi Pianificaz. Attuazione Controllo Mercati Obiettivo Canali di MKT Concorrenti Pubblico Forze del Macro- ambiente Sviluppo e Gestione dell’Informazione Valutazione dei bisogni informativi Informazioni interne MKT Intelligence Distribuzione informazione SSD di MKT (MDSS) Ricerche di MKT

Il sistema delle rilevazioni interne Analisi: Finanziarie: indici di bilancio Economiche: Vendite, consumi budget, ecc. Industriali: resi, tempi logistici, WiP, ecc. Data warehouse: a process of centralized data management and retrieval Data mining: a process of information extraction from data

Il sistema di Marketing Intelligence Il sistema di Marketing Intelligence può essere definito come l’insieme delle procedure e delle fonti usato dai dirigenti per ottenere le informazioni correnti sugli sviluppi pertinenti nell’ambiente di marketing

Il sistema di supporto alle decisioni di MKT Un Sistema di Supporto alle Decisioni di Marketing (MDSS) è un insieme di strumenti statistici e modelli di decisione, comprensivi dell’hardware e del software di supporto, in grado di assistere i dirigenti di MKT nell’analisi dei dati e nell’assunzione di migliori decisioni di MTK MDSS Banca dati statistici Banca Modelli Informazioni di MKT Valutazioni e decisioni di di MKT I sistemi a supporto del CRM (customer relationship management)

Le Ricerche di Marketing La ricerca di marketing consiste nella sistematica progettazione, raccolta, analisi e presentazione dei dati e delle informazioni rilevanti per una specifica situazione di marketing a cui l’impresa deve far fronte Ordine di importanza nel contesto aziendale: Mediamente 2,5% fatturato aziendale Picco 3,5-4% fatturato aziendale

Le Ricerche di Marketing: i fornitori La scelta di “make or buy” dipende in larga parte dalle dimensioni aziendali e dalla delicatezza dell’oggetto della ricerca. Le grandi aziende hanno generalmente al loro interno strutture organizzative preposte alle ricerche di mercato, tipicamente inglobate nella funzione marketing. In caso di outsourcing della ricerca: Istituti di ricerca multicliente (A.C. Nielsen) Istituti di ricerca ad hoc (Doxa, Eurisko….) Istituti di servizi per la ricerca (agenzie)

Le Ricerche di Marketing: finalità Perché effettuare una Ricerca di marketing? Analisi delle caratteristiche del mercato (clienti attuali, prospect, quota di mercato, concorrenza…) Stima del potenziale di mercato Analisi degli sviluppi del settore Analisi del posizionamento del prodotto rispetto alla concorrenza Idee di nuovi prodotti e test di concetti Determinazione del prezzo …

Il metodo scientifico della ricerca Obiettività: l’impiego di metodi di indagine non soggettivi ed indipendenti dall’utilizzatore, in grado cioè di restituire le stesse osservazioni per ricercatori/utilizzatori diversi; Confutabilità: la possibilità di sottoporre i risultati a test empirici in grado di invalidarli; Traduzione analitica: la possibilità di trasformare i concetti e le strutture teoriche in forme e configurazioni misurabili empiricamente; Metodo e precisione: una rigorosa definizione delle procedure di rilevazione e la verifica della loro implementazione per limitare/eliminare errori di indagine, sia casuali che sistematici; Approccio critico: l’atteggiamento vigile e dubitativo, anche riguardo a ciò che è già stato convalidato da fatti e/o verifiche, in ogni fase della ricerca; Comunicabilità: i risultati, le conclusioni e la stessa metodologia di una ricerca devono essere caratterizzati da completezza e precisione di presentazione.

Tipologie di Ricerca Ricerche Esplorative: consistono nella raccolta preliminare dei dati per delineare più chiaramente la natura di un problema ed eventualmente suggerirne un approccio risolutivo (documentale-qualitativa) Ricerche Descrittive: destinate alla descrizione, appunto, di determinate grandezze o fenomeni (Es.: profilo socio-demografico di un segmento di utenza, descrizione del comportamento di acquisto…) Ricerche Causali: ricavare le relazioni di causa-effetto fra le variabili/caratteristiche in esame (Es.:variazione volume di acquisti in base al prezzo…)

Ricerche di MKT: altre caratterizzazioni On field – On desk: metodo di rilevazione Totali – Parziali – Campionarie: numero e caratteristiche delle unità della popolazione di riferimento indagate Pilota: precedono la fase di ricerca estensiva

Le fasi del processo di ricerca 1. Definizione problema, ipotesi, obiettivi d’indagine 2. Definizione Piano di ricerca 3. Raccolta dati 4. Analisi dati 5. Presentazione risultati 2.1 Piano di campionamento 2.2 Metodo di contatto 2.3 Strumento di rilevazione

Criticità nelle ricerche di MKT Veridicità delle ipotesi iniziali; Grado di definizione dell’oggetto d’osservazione; Precisione degli strumenti di rilevazione; Numero di osservazioni, anche e non solo in riferimento alla numerosità della popolazione d’interesse; Presenza di errori sistematici; Potenza dell’analisi (ad es. finezza dei metodi di analisi statistica utilizzati)

La Tecnica Campionaria Modalità per pervenire alla conoscenza statistica di un fenomeno 1. Rilevazione esaustiva delle manifestazioni (censimento) 2. Rilevazione parziale (campione statistico) Alti costi Lunghi tempi di analisi Buchi Costi contenuti Tempi di analisi contenuti Possibilità di integrazione dei dati mancanti

Numerosità Campionaria La numerosità (n) del campione dipende 1.Dimensione dell’universo (N) 2.Errore di campionamento (e) 3.Livello fiduciario (z) 4. Grado di eterogeneità dell’universo (SD) Esistono tavole prontuario per la determinazione della numerosità campionaria

N - Dimensione dell’Universo All'aumentare di N tende a crescere anche n. L'aumento (o la diminuzione) dell’ampiezza del campione è però meno che proporzionale rispetto all'aumento (o alla diminuzione) della dimensione dell’universo. Spesso l’operazione più difficile è proprio la quantificazione di N. Si consideri però che da un certo N1 in poi, anche all’aumentare di N, non occorre incrementare sostanzialmente la numerosità del campione n; anzi per livelli di numerosità della popolazione sufficientemente alti, la stessa viene di solito considerata come infinita.

e - Errore di campionamento Il valore rilevato (sia esso una media o una percentuale) attraverso un'indagine campionaria non potrà mai corrispondere perfettamente al valore reale dell'universo; sarà invece caratterizzato da un errore (e) per eccesso o per difetto. Il valore dell'universo che vogliamo stimare risulterà quindi compreso entro un certo intervallo (detto intervallo di confidenza) rispetto al valore misurato sul campione. È nella fase di impostazione della ricerca che si decide quale è l'errore di campionamento che si è disposti ad accettare. Chiaramente all'aumentare dell'errore accettato, si riduce l'ampiezza del campione e viceversa.

Livello fiduciario (%) z - Livello fiduciario Nel proiettare sull’universo i risultati ottenuti da un’indagine campionaria non si può avere certezza assoluta che il valore dell’universo sia effettivamente compreso entro l’intervallo di confidenza rispetto al valore del campione. Esiste infatti una certa probabilità che il valore reale dell’universo risulti fuori da questo intervallo. Il livello di certezza che il valore dell’universo ricada all’interno dell’intervallo di confidenza viene chiamato livello fiduciario o livello di confidenza. Naturalmente maggiore è il grado di certezza che si vuole, più grande dovrà essere il campione su cui lavorare. Solitamente il livello fiduciario accettato è pari al 95% per la gran parte delle indagini. Il livello fiduciario è espresso in termini di z (ricavabile da tavole della distribuzione normale). A ogni livello fiduciario prescelto, corrisponde un valore di z. Livello fiduciario (%) Valore di z 99 2,58 98 2,33 95 1,96 90 1,65

SD - Eterogeneità dell’universo All'aumentare del grado di eterogeneità dell'universo, crescono i rischi connessi al campionamento. Più l'universo è eterogeneo, infatti, maggiori sono le probabilità di fornire (tramite l'indagine su campione) una stima distante dal corrispondente valore dell'universo, in quanto sono maggiori anche le probabilità di lavorare su un campione meno rappresentativo. Il problema che a questo punto si incontra è dato dal fatto che, prima di fare un'indagine, non si conoscono le caratteristiche dell'universo e la sua eterogeneità. Se si disponesse di queste informazioni, si potrebbe evitare di effettuare l'indagine. La variabile che misura l’eterogeneità è la SD (Dev. St. - dispersione dei valori rispetto alla media). Informazioni da indagini preliminari Ipotesi più pessimistica: massima eterogeneità possibile

Formule per il calcolo del campione Livello fiduciario (%) Stima di una media: Stima di una percentuale: Livello fiduciario (%) Valore di z 99 2,58 98 2,33 95 1,96 90 1,65

Esempio di calcolo del campione (1/2) Un Urp intende svolgere un'indagine su un campione di utenti di un determinato mese, per stimare il livello medio di soddisfazione, in una scala da 1 a 5. In tutto, gli utenti mensili sono 2.500: questo è l'universo di riferimento (N). Non sempre è facile quantificare N (l’universo), in quanto ci possono essere utenti che frequentano spesso il servizio, per cui in un mese c’è un certo numero (ignoto) di sovrapposizioni. Da un'indagine svolta due anni prima, era emersa una deviazione standard pari a 1,2. Ipotizzando che vengano ritenuti accettabili un livello fiduciario del 95% e un margine di errore di ± 0,15 punti (della scala 1-5), n (il campione) risulta: Se dopo avere effettuato le 224 interviste, dal campione risulta un livello medio di soddisfazione pari a 4,1, si potrà dire che nell'universo in esame il punteggio medio di soddisfazione è compreso tra 3,95 e 4,25 (ossia, 4,1 ± 0,15). Possiamo fare questa affermazione con un livello di certezza del 95% (abbiamo cioè 95 probabilità su 100 che questo risultato sia corretto).

Esempio di calcolo del campione (2/2) Immaginiamo di volere stimare la percentuale di cittadini che hanno richiesto almeno una volta un’informazione a un determinato sportello (da quando è stato avviato). Questa percentuale va calcolata sul totale delle persone residenti in età adulta (70.000). Siamo disposti ad accettare un livello fiduciario del 95% e un errore di campionamento di ± 3%. Se da un piccolo sondaggio preliminare emerge una quota di richiedenti pari a circa il 25% del totale residenti, possiamo ricavare n (il campione) nel seguente modo: Se dopo avere effettuato le 791 interviste, risulta dal campione una quota di risposte affermative pari al 29% del totale, potremo dire che nell'universo in esame la quota di residenti che ha richiesto l’informazione in questione è compresa tra il 26 e il 32% (ossia, 29 ± 3). Possiamo fare questa affermazione con un livello di certezza del 95% (abbiamo cioè 95 probabilità su 100 che questo risultato sia corretto).

Tipologie di Campionamento Probabilistico Non Probabilistico Campione casuale Campione sistematico Campione casuale a grappoli Campione casuale a più stadi Campione casuale stratificato Campione per quota Campione a scelta ragionata

Tipologie di Campionamento Probabilistico Campione casuale semplice: Ogni unità della popolazione ha la stessa probabilità (nota) di essere selezionato. Tipo di estrazione: Bernoulliana – In blocco Modalità di estrazione: Selezione da liste attraverso l’ausilio di tavole di numeri casuali Campione sistematico: Ogni unità della popolazione ha la stessa probabilità (nota) di essere selezionato. Tipo di estrazione: In blocco Modalità di estrazione: Selezione da liste attraverso il sistema della decimazione (es. n=10, N=5000, si sceglie un nominativo ogni 500 (5000/10) individui partendo da un primo numero estratto a sorte

Tipologie di Campionamento Probabilistico Campione a grappoli: Segue l’iter del campione casuale semplice con la differenza che ad ogni estrazione si scelgono x unità adiacenti (grappolo) invece di 1 Vantaggi: Nel caso di liste preordinate in base al territorio di residenza si possono ottenere significativi tagli ai costi di indagine Campione casuale a più stadi: consiste in un’estrazione casuale operata per gradi successivi (es. regioni, province, comuni) Campione casuale stratificato: raffina la tecnica del precedente attraverso un’operazione di stratificazione che consiste nel suddividere l’universo in tanti gruppi (strati), in modo che all’interno di ciascuno strato la popolazione risulti la più omogenea possibile rispetto alle caratteristiche che si intendono studiare. NB: si riduce l’entità dell’errore di campionamento.

Tipologie di Campionamento Non Probabilistico Campione per quota: il rilevatore ha la libertà di scegliere le unità da rilevare a patto che le stesse corrispondano ai requisiti fissati a priori dalle quote che rappresentano veri e propri profili dei soggetti da intervistare Campione a scelta ragionata: Viene di solito adoperato quando il numero dei casi da includere nel campione non è sufficientemente numeroso (es. campioni utilizzati per le indagini presso le aziende produttrici: si sceglieranno quelle con maggior peso economico)

Esempio di calcolo del campione La società di servizi che gestisce uno sportello Informagiovani, intende verificare presso la popolazione 20-24 anni residente nel comune, la diffusione dell'utilizzo dello sportello. Più precisamente, vuole stimare la quota di giovani che hanno utilizzato almeno una volta l’Informagiovani nell'ultimo trimestre. Il responsabile del servizio non richiede nessuna disaggregazione dei risultati: né per sesso, né per quartiere di residenza. Cosa significa quest’affermazione? Significa che il risultato può essere costituito da una sola percentuale, relativa a tutti i giovani del comune. Non si vuole conoscere la quota di utilizzo dei maschi e delle femmine, oppure della zona periferica a nord, ecc. L'errore di campionamento accettato è pari al 3,5%, mentre il livello fiduciario accettato è pari al 95%. L'agenzia a cui viene commissionata la ricerca decide di costruire un campione casuale e di ritenere buona la stima di eterogeneità che deriva da alcuni sondaggi informali, secondo i quali la quota di utilizzatori sarebbe pari al 40%.

Esempio di calcolo del campione L’universo di riferimento si presenta secondo la seguente caratterizzazione: Non essendo stata richiesta nessuna disaggregazione dei risultati, è sufficiente calcolare l'ampiezza del campione prendendo come base l'intero universo, ovvero 24.770 persone. Ovviamente, possiamo proiettare sull’universo il risultato che emerge dall’intero campione. Se vogliamo effettuare proiezioni anche di alcuni sub-campioni (per esempio, i giovani di sesso femminile e quelli di sesso maschile, separatamente), possiamo farlo, ma certamente non alle stesse condizioni di precisione, proprio per il fatto che il campione è stato calcolato in riferimento all’intero universo.

Esempio di calcolo del campione Cosa cambierebbe se invece il responsabile dello sportello avesse richiesto risultati disaggregati per area geografica? Invece di utilizzare un campione rappresentativo a livello del comune nel suo complesso, sarebbe stato necessario calcolare tre campioni, relativi ognuno alle singole aree geografiche. Ricordiamo che, al diminuire dell'universo, il campione diminuisce in misura meno che proporzionale. In effetti, il campione assumerebbe le seguenti dimensioni:

Esempio di calcolo del campione Cosa cambierebbe se invece il responsabile dello sportello avesse richiesto risultati disaggregati per genere? Ancora una volta, sarebbe stato necessario calcolare campioni separati con le seguenti dimensioni: Campione MASCHILE Campione FEMMINILE