0 Metodi quantitativi per il marketing – Anno Accademico 2012-2013 LIUC INDICE DELLINCONTRO...

1Metodi quantitativi per il marketing – Anno Accademico 2012-2013 LIUC

INDICE DELL’INCONTRO

Analisi di segmentazione

Introduzione

Strategie Aziendali

I diversi approcci

Le metodologie

La Cluster Analysis

Esercitazione

Factor Analysis


ANALISI SEGMENTAZIONE

I presupposti fondamentali della segmentazione di marketing e del targeting (selezione dei mercati obiettivo) sono:

L’ETEROGENEITÀ della domanda, vale a dire una differente elasticità di risposta agli stimoli di marketing (prezzi, prodotti, servizi distributivi e

comunicazione)

IGNORARE l’eterogeneità della domanda: LA FORD “T”

Puoi avere l’auto che desideri… fintanto che sia una Ford modello “T” di colore nero!”

Henry Ford

GOVERNARE PRO-ATTIVAMENTE l’eterogeneità della domanda:

LA FORD MODELLO “TAURUS”

“Puoi avere l’auto che desideri… in 62.548 versioni differenti!”Henry Ford Jr.


ANALISI SEGMENTAZIONELA CAPACITÀ dell’impresa di differenziare la sua offerta, in funzione del:

target – occasione d’uso: FERRERO



LA CAPACITÀ dell’impresa di differenziare la sua offerta, al fine di rendersi preferibile dai clienti (proattivita’ manageriale della segmentazione)


ANALISI DI SEGMENTAZIONE: Strategie Aziendali

Vincoli - opportunità

Marketing

Indifferenziato Differenziato Concentrato

Risorse dell’Impresa

Elevate X X

Scarse X

Differenziabilità del prodotto

Elevata X X

Scarsa X

Omogeneità dei bisogni

Elevata X

Scarsa X X

Strategia di Marketing dei concorrenti

Indiff. X X

Diff. X X

Conc. X X X


ANALISI SEGMENTAZIONE: Approcci

Criterio della “Correlazione”

Segmentazione a priori

Variabili socio-demo

Tecniche di analisi Statistica Bivariata

Modelli di segmentazione

“clusterig based“

Variabili comportamentali

Cluster/Factor Analysys

Criterio della Strumentalità del prodotto

Modelli di segmentazione

“flessibile”

BisogniAspettative

DesideriTrade-off

Conjoint Analysis


ANALISI SEGMENTAZIONE: Criterio di Correlazione

Consiste nell’aggregazione dei consumatori in segmenti sulla base di caratteristiche:

oGeografiche (area territoriale, dimensione dell’area, tipologia urbana,

densità)

oSocio-Demografiche (età, sesso, reddito, professione, istruzione)

oComportamentali (frequenza d’uso, status del cliente, fedeltà alla marca)

oPsicografiche (personalità, stile di vita)

ritenendo che individui simili sotto l’aspetto

geo/socio-demografico, e/o psicografico, e/o comportamentale, lo

siano altrettanto nei comportamenti di consumo


ANALISI SEGMENTAZIONE: Criterio Strum. Prodotto

Ricerca le ragioni d’essere di un segmento, tentando di individuare e selezionare i nessi di causalità che regolano il comportamento del consumatore.

In altre parole tenta di identificare la relazione funzionale tra atteggiamenti (pensiero) e comportamenti (azione).

I segmenti vengono definiti in funzione dei benefici e degli attributi ricercati nel prodotto e solo successivamente descritti sulla base delle loro caratteristiche:

•Geografiche

•Socio-Demografiche

•Psicografiche

•Comportamentali


ANALISI DI SEGMENTAZIONE: le Metodologie

FASE DI RICERCA QUALITATIVA

Viene definita la gerarchia valoriale (ricostruzione del sistema percettivo,

motivante, valoriale e valutativo) attraverso La teoria della catena mezzi-fini

(Means-End Chain Analyses) e la tecnica di laddering.

In particolare, l’indagine approfondisce la conoscenza del modo in cui i

consumatori attribuiscono al prodotto un significato, una rilevanza personale, che

ne motivi l’acquisto.

Il marketing utilizza la teoria mezzi-fini a fondamento di metodologie d’indagine

qualitativa sul consumatore, il cui scopo è quello di approfondire le motivazioni

alla base delle scelte d’acquisto attraverso l’interpretazione dei processi cognitivi

del consumatore



Fase di ricerca qualitativa: un esempio – telefoni cellulari -

Peso

Dimensione

Colori

Vibracall

WAP

Dotaz. Auricolare

Display

Maneggevolezza Tastiera

Giochi

Prezzo

Attivaz. Vocale

Capacità di memorizz.

Radio

Autonomia

Indipendenza da rubriche

Mobilità

Libertà

Individualismo

Utilizzo senza impegnare le

mani

Risparmio di tempo

Produttività

Guadagno e realizzazione

Valori

Benefici

Attributi

Autonomia



Catena Mezzi – Fini Kinder sorpresa



Catena Mezzi – Caffè

CAFFEINA AROMA FORZA MARCAPREZZOGUSTO

Rituale

Cura perle relazioni

Sicurezzasulla qualità

DigestioneBuon

Umore

Stimola

Socializzare

AppagamentoResponsabilità

Risparmio

CapacitàAmbizioneAgonismo

Autostima

Buon saporein bocca

AumentoEfficienza

BeneficiSimbolici

BeneficiFunzionali

Attributi



FASE DI RICERCA QUANTITATIVA

• Campionamento, test, questionario

• Rilevazione del profilo ideale attraverso la valutazione di importanza sugli

attributi; Tecnica: Scala di importanza o Differenziale Semantico

• Riduzione del numero di attributi in fattori e interpretazione dei benefici

ricercati; Tecnica: Factor Analisys

• Aggregazione dei “profili ideali” sulla base dei fattori individuati ed

interpretati; Tecnica: Cluster Analysis

• Descrizione dei clusters individuati in base a variabili descrittori (Socio-

demo/Geografiche; Psicografiche; Comportamentali)



Esemplificazioni di scale

Scala Univoca

Indichi con quale affermazione si trova d’accordo

L’ AMBIENTE UNIVERSITARIO è interessante

L’ AMBIENTE UNIVERSITARIO è stressante

Scala Likert

Valuti secondo una scala a 7 punti, 1 per niente d’accordo – 7 totalmente d’accordo, le seguenti affermazioni

L’ AMBIENTE UNIVERSITARIO è interessante

L’ AMBIENTE UNIVERSITARIO è stressante

Differenziale Semantico

Giudichi su ognuna delle scale formate dalle coppie di aggettivi il concetto AMBIENTE UNIVERSITARIO

INTERESSANTE -------------- NOIOSO

STIMOLANTE ------- STRESSANTE


CLUSTER ANALYSIS: definizione

La Cluster Analysis ha l’obiettivo di raggruppare in classi (cluster) elementi appartenenti ad un insieme più ampio, in modo tale che gli elementi appartenenti ad

ogni gruppo siano il più possibile omogenei tra loro e che i diversi gruppi siano invece il più possibile eterogenei.

Tipicamente, si applica per analisi di segmentazione, per identificare gruppi di consumatori con preferenze simili all’interno e diverse intergruppo

Le applicazioni di marketing più ricorrenti:

• analisi di segmentazione

o classica, fondata sui giudizi di importanza degli attributi di un prodotto (in questo caso, la cluster analysis può essere preceduta dalla factor analysis);

o flessibile, fondata sulle valutazioni complessive fornite su diverse configurazioni di prodotto (in questo caso, la cluster analysis è preceduta dalla conjoint analysis).

Attenzione i dati devono essere con uguale scala di misura o standardizzati, si tratta di “distanze metriche”


CLUSTER ANALYSIS: flusso

1. Scelta delle unità di osservazione

2. Scelta delle variabili

3. Omogeneizzazione scale di misura

4. Scelta della misura di similarità o diversità tra unità statistiche

5. numero di gruppi

6. Scelta del criterio di raggruppamento

7. Scelta dell’algoritmo di classificazione

8. Interpretazione dei risultati ottenuti


CLUSTER ANALYSIS: requisiti dei Cluster

• “Utilizzabilità” manageriale

• Misurabilità

• Accessibilità (fisica, mediatica)

• Dimensioni economiche attuali e potenziali

• Posizione/compatibilità attuale e potenziale

• Pressione competitiva attuale e prospettica

• Ritorni di immagine attuali e potenziali

• Generazione di conoscenza attuale/potenziale


CLUSTER ANALYSIS: scelta del numero clusterPer la scelta del numero dei cluster si deve tenere conto di tre output:

1) confrontare le colonne con il RATIO F (F=varianza tra gruppi/varianza nei gruppi) contenute nelle tabelle ANOVA. E’ preferibile la clusterizzazione che esprima F con i valori più elevati (clusterizzazione preferibile in quanto a valori maggiori di F corrisponde una maggiore eterogeneità tra i cluster e/o una minore eterogeneità nei cluster) e contemporaneamente una buona significatività (Sig. < 0,05)

2) valutare la tabella in output con il NUMERO DI CASI di ogni cluster per verificare l’omogeneità della numerosità dei diversi cluster

3) valutare le tabelle con i CENTRI DEI CLUSTER finali; più precisamente può ritenersi preferibile la clusterizzazione che complessivamente presenti valutazioni eterogenee tra i gruppi rispetto alle variabili in input;


CLUSTER ANALYSIS: esemplificazione

Esempio: file : dati.sav domanda d5_1 – d5_14

Introduzione dell’analisi, lettura questionario, individuazione obiettivi:

•Quanti cluster possiamo individuare?

•Come è possibile “caratterizzare” i cluster individuati?


ESERCITAZIONE

Considerando il questionario sviluppato

Quali approcci di segmentazione proponete?

Con quali obiettivi?

Quali analisi effettuereste?


FACTOR ANALYSIS

Consideriamo il file analisi_clima.sav, si tratta di un’analisi di clima aziendale.

Gli item rispetto ai quali si chiede una valutazione di importanza e soddisfazione sono 35, volendo fare un’analisi sintetica potrebbe essere interessante analizzare:

Il “posizionamento” dei diversi attributi relativamente al loro livello di importanza e di soddisfazione – Quadrant Analisys

Identificare segmenti/cluster omogenei relativamente all’importanza attribuita ai diversi fattori


ANALISI DI SEGMENTAZIONE: QUADRANT ANALISYS

vivere in ambienti e strutture di lavoro adeguati

che i capi sappiano creare il gruppo, fare squadra

avere possibilita` di crescita prof.

che al personale venga dato maggior potere operativoche i capi sappiano ascoltare i

collaboratoriche il cliente riceva informazioni

precise

che i capi definiscano con chiarezza gli obiettivi del

settorepoter avere corsi di formazione

tecnica e gestionaleche ci sia scambio di informazioni

tra repartiche i capi gestiscano

responsabilmente i collaboratoriessere valutati a tutti i livelliche i capi vengano scelti sulla base delle loro capacita`avere con i colleghi rapporti di

collaborazioneche gli organici vengano dimensionati adeguatamente

percepire l'utilita` del lavoro svolto

che l'azienda metta la persona giusta al posto giusto poter dialogare con i miei capi

possibilita` di ruotare gli incarichipoter lavorare in modo

organizzatoche i nostri capi siano l'esempio di

valori positiviavere occasioni di incontro con il

vertice aziendaleconoscere le reali possibilita` di

mantenere il posto di lavoroche il personale sia selezionato

con criteri trasparentiche ogni ruolo disponga di

strumenti di lavoro adeguatimigliorare la sicurezza sulla strada

che i capi forniscano ai collaboratori le informazioni che ci sia trasparenza sulle

direttive aziendalisvolgere compiti adeguati alle

attitudiniche ci sia migliore diffusione delle informazioni

che i capi prestino molta attenzione alla formazione dei

loro collaboratoriche i ruoli, funzioni e

responsabilita` siano chiariavere un sistema di incentivazione

basato sui meriti

avere procedure operative chiare e ben definite

sodd

isfa

zion

e 2,

6

importanza 4,6


ANALISI DI SEGMENTAZIONE: CLUSTER ANALISYS

Dato il analisi_clima.sav, si provi ad identificare se è possibile raggruppare i dipendenti in segmenti omogenei rispetto all’importanza attribuita ai vari fattori

Cosa differenzia il cluster 1 dagli altri cluster ????

1 2 3 4 5

vivere in ambienti e strutture di lavoro adeguati 4,8 4,6 4,1 1,9 3,9

che i capi sappiano creare il gruppo, fare squadra 4,8 4,3 4,0 1,1 3,1

avere possibilita` di crescita prof. 4,8 4,4 4,1 1,1 3,1

che al personale venga dato maggior potere operativo 4,7 4,2 3,7 1,3 3,1

che i capi sappiano ascoltare i collaboratori 4,9 4,5 4,1 1,3 3,3

che il cliente riceva informazioni precise 4,9 4,5 4,1 2,2 3,4

che i capi definiscano con chiarezza gli obiettivi del settore 4,8 4,1 3,8 1,5 2,8

poter avere corsi di formazione tecnica e gestionale 4,8 4,2 3,8 1,3 3,1

che ci sia scambio di informazioni tra reparti 4,9 4,3 3,9 1,3 3,1

che i capi gestiscano responsabilmente i collaboratori 4,9 4,3 4,0 1,3 3,0

essere valutati a tutti i livelli 4,9 4,5 4,1 1,1 3,1

che i capi vengano scelti sulla base delle loro capacita` 4,9 4,7 4,3 1,2 3,4

avere con i colleghi rapporti di collaborazione 4,9 4,7 4,1 1,9 3,7

che gli organici vengano dimensionati adeguatamente 4,8 4,3 4,0 2,0 3,4

percepire l'utilita` del lavoro svolto 4,9 4,4 3,9 1,6 3,3

che l'azienda metta la persona giusta al posto giusto 4,9 4,7 4,2 1,2 3,3

poter dialogare con i miei capi 4,9 4,3 3,8 1,3 2,9

possibilita` di ruotare gli incarichi 4,2 3,4 3,0 1,2 2,6

poter lavorare in modo organizzato 4,9 4,4 3,8 1,7 3,1

che i nostri capi siano l'esempio di valori positivi 4,9 4,6 4,0 1,3 3,1

avere occasioni di incontro con il vertice aziendale 4,7 3,9 3,3 1,5 2,2

conoscere le reali possibilita` di mantenere il posto di lavoro 4,9 4,7 4,2 1,8 3,8

che il personale sia selezionato con criteri trasparenti 4,9 4,6 4,0 1,7 3,1

che ogni ruolo disponga di strumenti di lavoro adeguati 4,9 4,6 4,0 1,4 3,3

che i capi coinvolgano i collaboratori 4,9 4,2 3,7 1,1 2,5

migliorare la sicurezza sulla strada 4,9 4,7 4,3 1,5 3,8

che i capi forniscano ai collaboratori le informazioni 4,9 4,5 4,0 1,6 3,2

che ci sia trasparenza sulle direttive aziendali 4,9 4,4 3,9 1,5 3,0

svolgere compiti adeguati alle attitudini 4,8 4,5 4,0 1,5 3,2

che ci sia migliore diffusione delle informazioni 4,8 4,3 3,7 1,8 3,1

che i capi prestino molta attenzione alla formazione dei loro collaboratori 4,9 4,3 3,7 1,3 2,9

che i ruoli, funzioni e responsabilita` siano chiari 4,9 4,5 4,1 1,9 3,2

avere un sistema di incentivazione basato sui meriti 4,9 4,5 4,2 1,7 2,9

che nel mio settore ci sia un clima di fiducia 4,9 4,6 4,1 1,8 3,0

avere procedure operative chiare e ben definite 4,9 4,4 3,9 1,8 3,4

Cluster


ANALISI DI SEGMENTAZIONE: FACTOR ANALYSIS

La Factor Analysis si pone l’obiettivo di condensare e ridurre i dati, quindi di sintetizzare l’informazione 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



I dati da raccogliere come input dell’analisi 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)



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, 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.



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%).



Quanti fattori prendere in considerazione?..osservare lo screen testscreen test

0

1

2

3

4

5

61 3 5 7 9

11 13 15 17 19

Sequenze componenti

Au

tov

alo

ri


Matrice di componenti.

Indica la correlazione dei fattori estratti con le variabili osservate e permette l’interpretazione dei fattori. Componente per componente si individuano le variabili con un elevato indice di correlazione (si considera solo il valore assoluto, poiché interessa l’entità ma non il “verso” della si considera solo il valore assoluto, poiché interessa l’entità ma non il “verso” della correlazionecorrelazione) ossia un indice maggiore di 0,5.

Per avere una visione più chiara e per potere definire il nome di ognuno dei fattori è preferibile analizzare la Matrice di componenti ruotata. Si tratta della matrice delle componenti sopra esaminata ruotata al fine di migliorare l’interpretazione dei fattori.

In sede di affinamento, si potranno eliminare dall’analisi le variabili che non “girano” su nessun fattore (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 l’analisi escludendo una variabile per volta. Basta infatti che il modello cambi di una sola variabile per essere potenzialmente diverso nei risultati.



Esempio: file clima, domanda dimp_1-dimp_35

Individuazione obiettivi:

1.Quanti e quali fattori possiamo individuare?

2.Quanti cluster individuiamo?

3.Come li possiamo caratterizzare?

4.Come possiamo descriverli?

5.È possibile una rappresentazione matriciale dei fattori Importanza Vs

Soddisfazione?



Quanti considerare…. 1- Analisi autovalori


Autovalori della matrice di correlazione: Totale

= 35 Media = 1

Autovalore Differenza Proporzione Cumulata

1 13.2280932 11.5860867 0.3779 0.3779

2 1.6420065 0.4001979 0.0469 0.4249

3 1.2418086 0.1624509 0.0355 0.4603

4 1.0793576 0.0700202 0.0308 0.4912

5 1.0093374 0.0574494 0.0288 0.5200

6 0.9518880 0.0916451 0.0272 0.5472

7 0.8602429 0.0095734 0.0246 0.5718

8 0.8506695 0.0572741 0.0243 0.5961

9 0.7933954 0.0253405 0.0227 0.6188

10 0.7680549 0.0520441 0.0219 0.6407

11 0.7160108 0.0194733 0.0205 0.6612

12 0.6965375 0.0169880 0.0199 0.6811

13 0.6795495 0.0393844 0.0194 0.7005

14 0.6401650 0.0115826 0.0183 0.7188

15 0.6285824 0.0254145 0.0180 0.7367

16 0.6031679 0.0297036 0.0172 0.7540

17 0.5734643 0.0142771 0.0164 0.7704

18 0.5591872 0.0196923 0.0160 0.7863

19 0.5394950 0.0021112 0.0154 0.8017

20 0.5373837 0.0169369 0.0154 0.8171

21 0.5204468 0.0071291 0.0149 0.8320

22 0.5133178 0.0134595 0.0147 0.8466

23 0.4998583 0.0073720 0.0143 0.8609

24 0.4924863 0.0321139 0.0141 0.8750

25 0.4603724 0.0093219 0.0132 0.8881

26 0.4510505 0.0084124 0.0129 0.9010

27 0.4426381 0.0123683 0.0126 0.9137

28 0.4302698 0.0157585 0.0123 0.9260

29 0.4145113 0.0199593 0.0118 0.9378

30 0.3945520 0.0240569 0.0113 0.9491

31 0.3704951 0.0015858 0.0106 0.9597

32 0.3689094 0.0044933 0.0105 0.9702

33 0.3644161 0.0111604 0.0104 0.9806

34 0.3532557 0.0282325 0.0101 0.9907

35 0.3250232 0.0093 1.0000


Quanti considerare…. 1- Analisi autovalori anche grafica…. quanti fattori 5,6 o 7 ?


0

0,5

1

1,5

2

2,5

3

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Autovalore



Scelti i fattori, cercare di “nominarli” ATTRIBUTI FAT1 FAT2 FAT3 FAT4 FAT5

che i capi prestino molta attenzione alla formazione dei loro collaboratori 0,6102che i capi coinvolgano i collaboratori 0,6072che nel mio settore ci sia un clima di fiducia 0,606che i ruoli, funzioni e responsabilita` siano chiari 0,6013che ci sia trasparenza sulle direttive aziendali 0,5887che i capi forniscano ai collaboratori le informazioni 0,5886che ci sia migliore diffusione delle informazioni 0,5354poter dialogare con i miei capi 0,5125avere occasioni di incontro con il vertice aziendale 0,481avere un sistema di incentivazione basato sui meriti 0,4783che i nostri capi siano l'esempio di valori positivi 0,4304poter lavorare in modo organizzato 0,4096svolgere compiti adeguati alle attitudini 0,4046percepire l'utilita` del lavoro svolto 0,3875conoscere le reali possibilita` di mantenere il posto di lavoro 0,6564che il personale sia selezionato con criteri trasparenti 0,6174migliorare la sicurezza sulla strada 0,6043che ogni ruolo disponga di strumenti di lavoro adeguati 0,6029vivere in ambienti e strutture di lavoro adeguati 0,5396avere procedure operative chiare e ben definite 0,5193che l'azienda metta la persona giusta al posto giusto 0,4683avere con i colleghi rapporti di collaborazione 0,4663che i capi sappiano creare il gruppo, fare squadra 0,6991che i capi sappiano ascoltare i collaboratori 0,6533che ci sia scambio di informazioni tra reparti 0,5349che il cliente riceva informazioni precise 0,528che i capi definiscano con chiarezza gli obiettivi del settore 0,5033che al personale venga dato maggior potere operativo 0,3959essere valutati a tutti i livelli 0,6095che i capi vengano scelti sulla base delle loro capacita` 0,6084che i capi gestiscano responsabilmente i collaboratori 0,5518che gli organici vengano dimensionati adeguatamente 0,5234possibilita` di ruotare gli incarichi 0,7733poter avere corsi di formazione tecnica e gestionale 0,5534 avere possibilita` di crescita prof. 0,4405

Proporreste delle Proporreste delle ulteriori analisi?ulteriori analisi?

Perche?Perche?



5 CLUSTER

Deviazione std Distanza massima RaggioRMS dal seme superato

all'osservazione1 161 12.211 79.6952 350 6,350694444 77.9283 1114 3,425 33.4614 324 10.309 71.0495 347 6,513888889 72.647

Variabile STD totale Within STD R-quadro RSQ/(1-RSQ)Factor1 100.000 0.77202 0.405027 0.680749Factor2 100.000 0.70145 0.508826 1.035.937Factor3 100.000 0.75645 0.428776 0.750627Factor4 100.000 0.95131 0.096591 0.106918Factor5 100.000 0.77262 0.404098 0.678128

OVER-ALL 100.000 0.79526 0.368664 0.583941

Riepilogo dei clusterCluster Frequenza

Statistiche per le variabili



6 CLUSTER

Deviazione std Distanza massima RaggioRMS dal seme superato

all'osservazione1 201 10.703 58.2022 327 6,225 78.1613 127 11.771 78.2414 332 5,902777778 72.6385 252 6,565972222 70.5996 1057 3,215972222 33.429

Variabile STD totale Within STD R-quadro RSQ/(1-RSQ)Factor1 100.000 0.79367 0.371455 0.590975Factor2 100.000 0.70686 0.501444 1.005.792Factor3 100.000 0.76907 0.409821 0.694401Factor4 100.000 0.83342 0.306925 0.442845Factor5 100.000 0.73786 0.456748 0.840765

OVER-ALL 100.000 0.76942 0.409278 0.692845

Riepilogo dei clusterCluster Frequenza

Statistiche per le variabili



6 CLUSTER

Cluster informazione sicurezza leadership valutazione crescita1 -0.384373740 -1.642.484.826 -0.123218857 -1.247.039.377 0.122431925

2 0.139568666 0.600040459 0.447494426 -0.574585027 -1.366.684.613

3 0.514852411 0.345898962 -2.411.388.477 -0.219319148 -0.146962498

4 -0.213770058 -0.976476618 0.068241158 0.867887842 -0.594908125

5 -1.538.803.287 0.616025992 -0.475087575 0.240585623 0.393314591

6 0.402066225 0.244984616 0.266555018 0.111287994 0.510270113

Medie dei cluster



Una volta individuata la classificazione migliore si procede a “qualificare” i cluster individuati in funzione delle variabili disponibili:

Sesso df1Categoria professionale df2Eta` df3Titolo di studio df4Struttura di appartenenza df5Finalita` prevalente dell'attivita`dfin

Sintassi su file:

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


QUADRANT ANALISYS SUI FATTORI

Considerando i fattori individuati possiamo calcolare le soddisfazioni relative

come media delle valutazioni attribuite ai singoli item che compongono il fattore

1.Per ciascun fattore calcolare il valore della soddisfazione come la media delle

soddisfazioni attribuite agli item che lo compongono

2.Calcolare la media per importanza e soddisfazione per ciascun fattore

3.Ricavare gli scarti dalla media globale come punti per la Quadrant Analisys

Imp Sodd Imp Sodd

Informazione 4,42 2,55 -0,01 -0,04

Sicurezza 4,52 2,42 0,01 -0,09

Leadership 4,41 2,68 -0,02 0,01

Valutazione 4,44 2,84 -0,01 0,07

Crescita 4,61 2,82 0,03 0,06

4,48 2,66

Scarti Media


QUADRANT ANALISYS SUI FATTORI

Considerando i fattori individuati possiamo calcolare le soddisfazioni relative come media delle valutazioni attribuite ai singoli item che compongono il fattore

Informazione

Sicurezza

Leadership

ValutazioneCrescita

Sodd

isfa

zion

e (2

,7)

Importanza (4,5)


ESERCITAZIONE

Commentare l’output “CLUSTER_FACTOR.pdf”. In particolare:

1.Criteri per la scelta del numero dei cluster

2.Criteri per la scelta dei fattori

3.Cosa cambia applicando la cluster analisys sui fattori?

4.Quali caratteristiche “descrittive” differenziano i vari cluster

0 Metodi quantitativi per il marketing – Anno Accademico 2012-2013 LIUC INDICE DELLINCONTRO...

Documents

Transcript of 0 Metodi quantitativi per il marketing – Anno Accademico 2012-2013 LIUC INDICE DELLINCONTRO...