Case study: app easypark - Elisabetta Melucci

Ricerca a cura del gruppo: AMRAP

Elisabetta Melucci Oriola Kalaja Valeria Daelli Veronica Lunetti

Analisi dell’ (in)soddisfazione

dei consumatori

2 Indice

3 Oggetto della ricerca

EasyPark è un’applicazione su smathphone sviluppata da EasyPark AS, utilizzata in Norvegia, Danimarca, Svezia, Finlandia, Germania, Spagna, Australia, Austria e in alcune regioni dell’Italia.

L’obiettivo principale che il gruppo EasyPark si prefigge è quello di semplificare la sosta dell’automobilista consentendogli di parcheggiare l’autovettura in maniera efficiente, comoda e sicura.

Il cliente avrà a disposizione un servizio ottimale ma soprattutto rapido, dal semplice utilizzo e intuitivo.

EasyPark è la soluzione ottimale alla vita frenetica di tutti i giorni soprattutto in una città come Milano, l’unica in cui, grazie al contratto con ATM, non è previsto il 15-25% aggiuntivo sul costo della sosta.

Con un semplice “click” si potrà trovare in maniera rapida e veloce il tanto desiderato parcheggio. Il tutto per evitare uno stress che nelle grandi metropoli, rende la sosta una vera e propria “missione impossibile” giornaliera.

4 OBIETTIVI

●  Analizzare e comprendere il comportamento di consumo del campione rilevato in funzione dell’utilizzo delle applicazioni su Smartphone.

●  Rilevare le abitudini dei consumatori che effettuano pagamenti attraverso le applicazioni. ●  Individuare le caratteristiche rilevanti dei consumatori che utilizzano l’applicazione Easypark. ●  Sintetizzare i risultati inerenti alla conoscenza/non conoscenza dell’applicazione Easypark; nel caso in

cui sia poco conosciuta fornire un piano di azione concreto per renderla nota al target di riferimento. ●  Raggruppare i consumatori che utilizzano l’applicazione in cluster che siano omogenei al proprio

interno ed eterogenei all’esterno. ●  Profilare i consumatori in funzione delle variabili socio-demografiche. ●  Identificare le variabili che influenzano la soddisfazione dei consumatori e quelle su cui lo sviluppatore

dovrebbe lavorare.

5 RICERCA QUALITATIVA: Focus Group

●  Al fine di ottenere informazioni più precise e più esaustive in relazione alle applicazioni in generale prima e a Easypark poi, abbiamo creato un’unica sessione di focus group selezionando 6 persone.

●  Il giorno venerdì 18 Marzo alle ore 10 sono stati invitati i partecipanti nell’abitazione di Veronica Lunetti. La scelta dell’abitazione privata è stata dettata dalla volontà di adottare uno stile di conduzione poco formale e conviviale. In principio i partecipanti erano a disagio tra loro data anche la non conoscenza personale. Per superare questo “vincolo” abbiamo dato il via all’incontro offrendo del caffè e dando loro la possibilità di presentarsi.

●  I partecipanti avevano età e professioni eterogenee con l’unica caratteristica comune di utilizzare l’automobile per i propri spostamenti. Abbiamo scelto due rappresentanti per fasce di età:

●  Al di sotto dei 35 anni: ●  Partecipante A, 21 anni, studente;

●  Partecipante B, 35 anni impiegato;

●  Età dai 36 ai 50 anni: ●  Partecipante C, 46 anni, disoccupato;

●  Partecipante D, 50 anni, lavoratore autonomo;

●  Oltre i 51 anni di età: ●  Partecipante E, 57 anni, casalinga;

●  Partecipante F, 72 anni, pensionato.


●  Una volta reso più gioviale l’ambiente si è passati alla discussione vera e propria. ●  Il focus group è di tipo fenomenologico e semi-strutturato.

●  È fenomenologico perché mira a descrivere in profondità l’attitudine e la consuetudine all’utilizzo di applicazioni di tipo utility e, in un secondo momento, specificatamente attraverso Easypark.

●  È semi-strutturato perché è stato svolto sulla base del confronto di idee tra i partecipanti, lasciando grande spazio al dialogo spontaneo ma con la conduzione degli argomenti da parte di noi ricercatrici. In particolare abbiamo dettato tre liee guida circa gli argomenti da trattare e ne abbiamo monitorato l’andamento:

●  Caratteristiche che una applicazione deve possedere per essere ritenuta attrattiva e, quindi, essere scaricata e utilizzata.

●  Discussione circa i pagamenti on line e tramite applicazione.

●  Applicazione Easypark.


●  Il campione non conosce Easypark. ●  Abbiamo mostrato l’applicazione e spiegato cos’è e come funziona (senza la

possibilità di testarla) ●  Abbiamo osservato le reazioni e ascoltato i commenti senza inizialmente

intervenire. La reazione iniziale è stata entusiasmo e stupore (“che figata”) immediatamente dopo perplessità, dubbi e diffidenza: ●  “devo per forza mettere la targa?” ●  “ma se ho già pagato e interrompo la sosta?” ●  “devo pagare per forza con carta di credito?” ●  “come fa l’ausiliare del traffico a sapere che io ho pagato?”

8 RICERCA QUALITATIVA: attributi Focus Group

Riflessioni più interessanti (citazioni) : ●  Applicazioni:

●  Facilità di utilizzo (“a volte non riesco a utilizzare un’app perché non la capisco”);

●  Download gratuito (“non mi va di pagare anche per le app”);

●  Ridotto consumo energia dello smartphone (“sto via da casa tutto il giorno e mi serve la batteria”);

●  Limitato consumo connessione dati (“ci sono app che consumano troppo”);

●  Precisa localizzazione (“voglio far sapere dove mi trovo o voglio condividere la mia posizione con i miei amici”);

●  Grafica (“mi piacciono le app colorate”).

●  Pagamenti

●  “inserisco solo i dati della prepagata per sicurezza”

●  “acquisto solo oggetti di poco valore soprattutto vestiti e accessori”

●  “no, non mi piace e non mi fido”

●  “se avessi più garanzie forse acquisterei online”

9

●  EasyPark

Abbiamo chiesto loro, intervenendo nella discussione, se utilizzerebbero l’applicazione e quali caratteristiche dovrebbe avere per sostituirla al metodo tradizionale (cartaceo):

●  “se mi permette di risparmiare tempo sì”

●  “se non devo impazzire per capire come usarla allora sì”

●  “io non trovo mai il parchimetro”

●  “quando piove è un disastro”

●  “voglio trovare parcheggio in fretta”

●  “voglio un sistema comodo di pagamento

RICERCA QUALITATIVA: attributi Focus Group

10

POSITIVE

NEGATIVE

No moneta

No ipad/tablet

App gratuita

Localizzazione imprecisa

Ti dice dove parcheggiare

Pagamento commissioni (eccetto Milano

per accordo con ATM)

Richiede dati sensibili

Data la poca/non conoscenza dell’applicazione Easypark da parte del campione intervistato, per maggiore completezza del fenomeno, abbiamo deciso di considerare anche i feedback presenti nei diversi store online. Le recensioni di chi lo ha provato sono state sia negative che positive:

RICERCA QUALITATIVA: feedback online

11 RICERCA QUALITATIVA: interviste individuali

●  Caratteristiche: ●  È stato esplicitato agli intervistati che l’intervista sarebbe stata registrata

●  NON gli è stato richiesto alcun tipo di dato sensibile

●  Il contesto di analisi è stato l’università degli studi di Milano-Bicocca

●  L’ intervista è stata breve e molto generica per non influenzare le risposte conoscendo a priori il fine ultimo dell’analisi

12

●  la preferenza di applicazioni social piuttosto che utility.

Per il pagamento on line e tramite applicazione:

●  una parte non li effettua

●  una parte li effettua e si divide in:

●  chi utilizza la carta di credito,

●  chi utilizza la carta pre-pagata.

Per la localizzazione:

●  chi acconsente (“a volte non me ne accorgo nemmeno”; “mi importa poco”; “mi fa comodo”)

●  chi non acconsente (“sono contrario a meno che non è strettamente necessario”).

RICERCA QUALITATIVA: attributi interviste individuali

13 RICERCA QUALITATIVA: interviste individuali

●  L’ordine di domande, di tipo descrittivo, seguito è il seguente: ●  Rapporto con le applicazioni/ motivazioni per cui sono scaricate/ quali

applicazioni vengono scaricate principalmente.

●  Abitudini di pagamento (tramite sito/applicazione).

●  Disponibilità a fornire i propri dati circa la propria carta di credito/prepagata.

●  Esigenze che un’applicazione deve soddisfare.

●  Disponibilità a fornire il consenso all’applicazione di accedere alla propria localizzazione

14 ANALISI QUANTITATIVA: il questionario

15 ANALISI QUANTITATIVA:struttura del questionario

Il questionario è diviso in quattro parti. Informazioni rilevate: ●  1. Utilizzo applicazioni:

●  Possesso di uno smartphone;

●  Tipologia di applicazioni maggiormente utilizzate;

●  Consenso alla geolocalizzazione e ad informazioni personali;

●  Importanza delle caratteristiche di utilizzo delle applicazioni.

●  2. Pagamento tramite applicazioni: ●  propensione a effettuare pagamenti tramite applicazioni;

●  tipologia di acquisti maggiormente effettuati;

●  motivi per cui non si utilizzano le applicazioni per effettuare pagamenti;

●  livello di sicurezza nella fruizione del servizio di pagamento tramite applicazioni;

●  variabili che fornirebbero maggiore sicurezza in fase di acquisto.

16 ANALISI QUANTITATIVA:struttura del questionario

●  3. Easypark: ●  Utilizzo parcheggi a pagamento;

●  Conoscenza del servizio easypark;

●  Mezzi tramite i quali si é venuti a conoscenza del servizio;

●  Utilizzo dell’applicazione;

●  Frequenza con cui viene utilizzata;

●  Motivi per cui non viene utilizzata;

●  Caratteristiche che dovrebbe possedere per sostituirla al metodo tradizionale;

●  Interesse verso il servizio;

●  Importanza dei diversi attributi del servizio;

●  4. Informazioni socio-demografiche:

●  Sesso

●  Età

●  Titolo di studio

●  Professione

17 Il campione:

Il campione è tendenzialmente uniforme tra maschi e femmine.

Più del 50% del campione ha un’età inferiore ai 35 anni, il restante è ben equilibrato tra le altre due fasce.

18 Il campione:

Il nostro campione è composto prevalentemente da lavoratori dipendenti.

Il nostro campione è composto prevalentemente da soggetti con diploma scuola superiore.

19 Comportamento di consumo: utilizzo applicazioni

Quasi il 90% del nostro campione possiede uno smartphone.

Prime 3 categorie di applicazioni maggiormente utilizzate: - social network (82,5%) - lavoro/studio (52,9%) - spostamento (52,4%)


Le caratteristiche più importanti per il campione sono: -facilità di utilizzo; -download gratuito; -ridotto consumo di energia; -limitato consumo di connessione dati.

Nello specifico facilità di utilizzo viene considerata come “abbastanza importante” o come la caratteristica “più importante” in una applicazione ( 77% della popolazione).


Download gratuito è la caratteristica “più importante” in un’applicazione. Il 59,2% di coloro che possiedono uno smartphone lo considera molto importante.

Nonostante ridotto consumo di energia sia considerata dal campione come una caratteristica “più importante” o “abbastanza importante” in un’applicazione, all’interno del campione vi è comunque una percentuale di soggetti “indifferenti” (24,8%) a tale caratteristica.


Anche limitato consumo di connessione dati è una caratteristica considerata“più importante” o “abbastanza importante” in un’applicazione, ma nonostante ciò all’interno del campione vi è comunque una percentuale di soggetti “indifferenti” (23,9%) a tale caratteristica.

Precisa geo-localizzazione è una caratteristica “indifferente”ai soggetti del campione. Infatti viene valutata come ‘’più importante’’ e ‘’abbastanza importante’’ solamente dal 37% del campione.


Grafica accattivante è una caratteristica “indifferente” ai soggetti del campione. Il 61,2% del campione si posiziona nelle prime 3 fasce di valutazione (“meno importante”, “poco importante”,”indifferente”).

24 Abitudini di consumo: pagamenti/acquisti tramite app

Il campione non è del tutto propenso a fare acquisti tramite applicazione. Infatti il 58,3% della totalità dei rispondenti che possiede uno smartphone non è solita ricorrere a questo strumento per fare acquisti o pagamenti, contro il 41,7% che li effettua.

25 Abitudini consumatori: frequenze pagamenti/acquisti tramite app

86 soggetti del campione effettuano pagamenti tramite app. I valori mancanti sono dati dalla somma di coloro che non li effettuano (120) e di coloro che non possiedono uno smartphone (24). I soggetti del campione selezionato acquistano maggiormente viaggi e effettuano operazioni di internet-banking.


I soggetti del nostro campione non acquistano tramite app: alimentari, abbigliamento, arredamento, tecnologie e coupon.


I soggett i del nostro campione acquistano maggiormente viaggi. L’80,2%del campione acquista viaggi una o più volte all’anno/mese/settimana oppure ogni volta che acquista.

I sogget t i de l nost ro campione effe t tuano maggiormente operazioni di internet-banking. Il 74,4% del campione effettua operazioni di internet banking una o più volte all’anno/mese/settimana oppure ogni volta che acquista.


I soggetti del nostro campione non effettuano pagamenti tramite app principalmente per due ragioni: -non si fidano ad inserire dati sensibili (55,8%); -preferiscono tramite sito i n t e r n e t / c o m p u t e r (40,8%).


I soggetti del nostro campione non si sentono particolarmente sicuri ad effettuare pagamenti tramite app.

L’elemento principale che renderebbe più sicuri i soggetti del nostro campione è la possibilità di utilizzare carte virtuali (usa e getta) (48,5%). In misura minore ma sempre di una certa rilevanza: -la possibilità di recesso dell’acquisto o del contratto (41,7%); -feedback positivi di altri utenti (37,4%).

30 Analisi descrittiva: il campione conosce/utilizza Easypark?

Quasi la totalità dei componenti del nostro campione effettua i propri spostamenti in macchina. L’89% dei rispondenti, infatti, alla domanda “si sposta in macchina” indica il sì tra le due opzioni. Questo dato viene confermato dalla moda il cui valore è “1” che è, appunto, il valore assegnato al sì nelle risposte dicotomiche. La distribuzione è asimmetrica positiva, con coda più lunga verso destra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media. È interessante osservare come la stragrande maggioranza del nostro campione utilizzi la macchina per i propri spostamenti.


Ben oltre la metà del nostro campione utilizza parcheggi a pagamento, ovvero il 78,3%. Questo dato viene confermato dalla moda il cui valore è “1” che è, appunto, il valore assegnato al sì nelle risposte dicotomiche. La distribuzione è asimmetrica positiva, con coda più lunga verso destra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media. Questo dato è interessante al fine della nostra analisi, poiché in particolare emerge che il nostro campione effettua per lo più spostamenti in macchina e utilizza parcheggi a pagamento.


Solo il 26,1% dei rispondenti conosce il servizio Easypark. Una percentuale molto bassa se si considera la parte del campione che utilizza parcheggi a pagamento (78,3%). Questo dato viene confermato dalla moda il cui valore è “2” che è, appunto, il valore assegnato al no nelle risposte dicotomiche. La distribuzione è asimmetrica negativa, con coda più lunga verso sinistra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media. Tenendo conto del comportamento di utilizzo molto frequente dell’auto e dell’uso dei parcheggi a pagamento da parte del nostro campione, questo dato evidenzia la scarsa conoscenza del servizio Easypark.


Per quanto riguarda il mezzo attraverso cui il campione che conosce Easypak è venuto a conoscenza del servizio, è evidente come le percentuali non presentino nessun valore nettamente superiore agli altri. Tuttavia, il mezzo che sicuramente risalta rispetto agli altri è il passaparola. Questo dato viene confermato dalla moda il cui valore è “4” che è, appunto, il valore assegnato al passaparola nelle risposte multiple. La distribuzione è asimmetrica positiva, con coda leggermente più lunga verso destra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media. Il passaparola è il mezzo più frequente attraverso cui il campione è venuto a conoscenza del servizio, subito dopo vi è internet. Questo dato può essere pensato come una ricerca di informazioni da parte del consumatore e un basso investimento in sponsorizzazione e media.


Solo il 10,4% dei rispondenti utilizza Easypark mentre, la quasi totalità del campione non lo utilizza. Questo dato viene confermato dalla moda il cui valore è “2” che è, appunto, il valore assegnato al no nelle variabili dicotomiche. La distribuzione è asimmetrica negativa, con coda più lunga verso sinistra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media. È evidente che il servizio è scarsamente utilizzato.


Il 20% dei soggetti che usufruiscono del servizio Easypark, ut i l izzano l ’app “ogni vol ta che parcheggiano”. Il restante 80% dei soggetti invece “la maggior parte delle volte”. La rilevanza di questo dato viene confermata dalla moda il cui valore è “11” che è, appunto, il valore assegnato alla “maggior parte delle volte” al momento della codifica della variabile. La distribuzione è asimmetrica negativa, con coda più lunga verso sinistra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media. Un aspetto che ha catturato particolarmente la nostra attenzione è il fatto che i pochi soggetti che utilizzano Easypark, ne usufruiscono la maggior parte delle volte e in alcuni casi “ogni volta che parcheggiano”, non è quindi un utilizzo sporadico ma costante, potrebbe essere un segnale di efficienza e soddisfazione del servizio.

36 Analisi descrittiva: il campione conosce/utilizza Easypark

Da questa analisi descrittiva si evincono due aspetti importanti: 1- il 22,9% utilizza metodi alternativi ad Easypark. Il che potrebbe significare una maggiore loro conoscenza. 2- il 57,1% preferisce i sistemi tradizionali invece che questa modalità di pagamento telematico. Questo dato viene confermato dalla moda il cui valore è “17” che è, appunto, il valore assegnato al “preferisco i sistemi tradizionali” al momento della codifica della variabile. La distribuzione è asimmetrica negativa, con coda più lunga verso sinistra. La deviazione standard ha un valore alto, ciò significa che i dati potrebbero discostarsi tanto dalla media. È evidente che lo sviluppatore dell’app non ha puntato nel sottolineare e comunicare le potenzialità che tale servizio potrebbe fornire al consumatore, tant’è che i consumatori continuano a preferire i sistemi tradizionali.


Nonostante all’interno del questionario sia stato spiegato ai consumatori cosa sia Easypark, il 79,4 dei soggetti che compongono il campione non saprebbero se utilizzare tale servizio. Questo dato viene confermato dalla moda il cui valore è “20” che è, appunto, il valore assegnato al “non saprei” al momento della codifica delle variabili. La distribuzione è asimmetrica negativa, con coda più lunga verso sinistra. La deviazione standard ha un alto, ciò significa che i dati potrebbero discostarsi tanto dalla media ma solo per ragioni di codifica. È evidente che il servizio Easypark non riesce comunque a convincere i consumatori.


Tra le caratteristiche più importanti per Easypark ,quelle con valutazione più elevata (ritenute molto importanti) sono: -  Localizzazione parcheggio -  Download gratuito parcheggio -  Facilità utilizzo dell’app Tutte e tre con una media superiore a 4. La distribuzione è asimmetrica negativa, con coda più lunga verso sinistra. La deviazione standard ha un valore pressoché basso, ciò significa che i dati non si discostano tanto dalla media.


Le caratteristiche che spingerebbe i consumatori a sostituire il servizio Easypark tanto caro metodo tradizionale sono: -comodità (26,8%) -riduzione del costo del parcheggio (34,1%) -localizzazione parcheggio (17,1%)

40 Analisi bivariata: correlazione

Le variabil i non sono correlate, nonostante i s o g g e t t i u t i l i z z i n o parcheggi a pagamento, ciò non impl ica l ’uso dell’app per la sosta (cvd). Non tutti i parcheggi a pagamenti consentono di usufruire del serviz io Easypark.

41 Analisi bivariata: correlazione – chi la conosce la utilizza?

Dalla tabella si evince che per la nostra variabile di interesse ‘’utilizza l’applicazione’’ e le caratteristiche che il consumatore ritiene importanti, non c’è correlazione in quanto l’indice di Pearson assume valori inferiori allo 0,5. Tuttavia sussiste correlazione tra le caratteristiche stesse, per esempio l’indice assume valore pari a 0,780 tra ‘’facilità di utilizzo dell’app’’ e ‘’velocità di pagamento’’, poiché il consumatore le ritiene importanti congiuntamente.

42 Analisi bivariata: correlazione – chi non la conosce la utilizzerebbe?

Dalla tabella si evince che non c’è correlazione tra le variabili, poiché l’indice di Pearson è inferiorie a 0,5, quindi nessuna cartteristica influenza la volontà di usufruire in futuro del servizio Easypark.

43 Factor Analysis:

Attraverso il questionario il campione ha espresso le proprie valutazioni sull’importanza di 8 items in merito all’applicazione Easypark.

Obiettivo dell’analisi: evidenziare le caratteristiche principali che deve possedere l’applicazione.

Download gratuito dell’app

Costo del servizio

Comodità Facilità di utilizzo dell’app

Velocità di pagamento

Modalità di pagamento

Localizzazione parcheggio

Comodità

44 Factor Analysis:

Il test di sfericità di Barlett viene applicato alla matrice di correlazione. Rifiutando tale ipotesi è possibile avviare la factor analysis e ci si aspetta correlazione trale variabili. Il test di KMO misura l’adeguatezza del campionamento ed è costruito verificando che i coefficienti di correlazione parziali siano piccoli. Valori superiori allo 0,7 indicano l’adeguatezza della factor analysis ai dati. Il nostro test KMO rientra nella fascia

‘’meritorious’’ (0,80 to 0,89)

45 Factor Analysis:

Una volta estratte le componenti si ottiene la comunalità: somma dei quadrati dei coefficienti di correlazione tra una variabile z e le componenti estratte. Rappresenta la quantità di varianza riprodotta dall’insieme delle componenti estratte che esprimono la variabile z. Qualora si considerassero tutte le componenti estratte, il valore della comunalità sarà uguale a 1 per tutte le variabili (il 100% della varianza delle variabili è riprodotta dall’insieme delle componenti). Se invece si considerano solo le prime CP, il valore della comunalità di ciascuna variabile sarà inferiore a uno, cioè si riproporrà solo una parte della varianza di tale variabile.

Nel nostro caso l’inerzia complessiva (varianza totale) è pari a 7 (numero delle variabili): la prima componente principale da sola ha una varianza spiegata pari a 4,728, il 67,55% della varianza complessiva, la seconda pari a 0,724% pari al 10,34% della varianza complessiva. Entrambe le componenti spiegano il 77,88% (frequenza cumulata)della varianza totale.

46 Factor Analysis:

Dallo Scree Plot scegliamo il numero di componenti in corrispondenza dei quali il grafico presenta un ‘gomito’. Nel nostro caso selezioniamo le prime due componenti principali: -  Localizzazione parcheggio -  Download gratuito dell’app

47 Cluster Analysis

Cluster TwoStep: ●  È uno strumento di esplorazione che consente di rilevare raggruppamenti naturali,

o cluster, all’interno di data set, che non sarebbero altrimenti evidenti.

●  L’algoritmo utilizzato da questa procedura presenta diverse funzioni che lo differenziano dalle tecniche di raggruppamento tradizionali:

●  Gestioni di variabili categoriali e continue

●  Selezione automatica del n. di cluster à la procedura è in grado di determinare automaticamente il numero di cluster

●  scalabilità

48 Cluster Analysis

Misura della distanza: verosimiglianza logaritmica. Applica una distribuzione per probabilità alle variabili. Si suppone che le variabili continue vengano distribuite normalmente, mentre le variabili categoriali in base al modello multinomiale. Si suppone che tutte le variabili siano indipendenti. Numero di cluster: 3, determinato automaticamente, mediante i criteri specificati. Criterio di clustering: criterio bayesiano di Schwarz (BIC, Bayesian Information Criterion)

49 Cluster Analysis

Abbiamo clusterizzato in funzione delle caratteristiche principali emerse dalla factor analysis poiché spiegano il 77,88% del modello.

50 Regressione lineare multipla:

●  L’analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la relazione tra una variabile dipendente e diverse variabili indipendenti (predittori).

●  La regressione lineare multipla rappresenta un’estensione del modello di regressione lineare semplice.

●  L’OBIETTIVO dell’analisi è prevedere i valori assunti da una variabile dipendente a partire dalla conoscenza di quelli osservati su più variabili indipendenti.

●  In particolare il nostro obiettivo è quello di comprendere in che misura le variabili indipendenti (caratteristiche che l’applicazione deve avere) influiscono sulla variabile dipendente (sostituzione del metodo tradizionale e utilizzo dell’applicazione)

51 Regressione lineare multipla


Nel nostro caso R^2 = 0,246 e significa che le variabili indipendenti spiegano il 24,6% (valore molto basso) della varianza della variabile dipendente.


Per quanto riguarda la significatività della varianza spiegata (tabella Anova) è pari a 0,189. Essendo un valore superiore allo 0,05 (p-value) non vi è correlazione tra le variabili.


Analizziamo i coefficienti di regressione riportati nella seguente tabella:


L’analisi grafica dei residui viene effettuata esaminando lo scatter plot dei residui rispetto ai valori della variabile indipendente.

Relazione positiva approssimativamente lineare.


●  Per capire quale sia la variabile indipendente più importante per abbandonare il metodo tradizionale cartaceo calcoliamo il “Beta Somma” di tutte le variabili che presentano un p-value inferiore al 10% (modalità di pagamento e costo del servizio).

●  BETA SOMMA = 0,13

●  Calcoliamo i rapporti tra i due BETA e BETA SOMMA

Attributi Beta Beta somma Beta i/beta somma

Modalità di pagamento 0,092 0,13 0,7076 (70,76%)

Costo del servizio 0,038 0,13 0,2923 (29,23%)

Modalità di pagamento è l’attributo che spingerebbe i consumatori a sostituire il metodo tradizionale con EasyPark (70,76%)

57 Caratteristiche rilevanti dei consumatori che utilizzano Easypark:

Numero soggetto intervistato

Con che frequenza utilizza l’app

Sesso Età Titolo di studio Professione

52 La maggior parte delle volte

Maschio Sotto i 35 Diploma di scuola superiore

Lavoratore autonomo


Maschio 35 - 50 Diploma di scuola superiore

Lavoratore autonomo



Lavoratore dipendente

127 Ogni volta che parcheggio

Maschio Sotto i 35 Master post laurea Lavoratore dipendente

137 Ogni volta che parcheggio


Lavoratore dipendente

58 Caratteristiche rilevanti dei consumatori che utilizzano Easypark: -Conclusioni

●  Solo 5 soggetti del nostro campione con una percentuale pari al 10,4% utilizzano l’applicazione Easypark.

●  “L’insieme dei consumatori che utilizzano l’app” è composto esclusivamente da soggetti di sesso maschile con un età compresa tra due fasce: sotto i 35 e 36-50.

●  La maggior parte di essi possiede un diploma di scuola superiore e sono sia lavoratori autonomi (2), sia lavoratori dipendenti (3).

●  Aspetto di una certa rilevanza: essi usufruiscono del servizio Easypark, la “maggior parte delle volte” oppure “ogni volta che parcheggiano.

59 Implicazioni di marketing: elementi importanti

●  Come emerge dall’analisi del nostro campione, è evidente come la quasi totalità del campione utilizzi l’automobile per effettuare spostamenti in macchina. La maggior parte di questi utilizza parcheggi a pagamento ma non conosce e non utilizza il servizio Easypark.

●  È stato interessante osservare come la maggior parte dei rispondenti non assume una posizione chiara sull’intenzione di un utilizzo futuro dell’applicazione, infatti, alla domanda “utilizzerebbe il servizio?” la maggior parte del campione risponde con un “non saprei”.

●  Coloro (purtroppo pochi soggetti) che invece accolgono con entusiasmo la possibilità di un uso futuro sottolineano: “la possibilità di risparmiare tempo”, “di pagare velocemente il parcheggio anche in assenza di monete contanti”, “non dover cercare la colonnina del grattino” ed “evitare di stare troppo tempo sotto la pioggia nelle giornate piovose”. (Citazioni positive rilevate dal questionario).

60 Implicazioni di marketing: nello specifico

Il primo punto da risolvere è sicuramente quello relativo alla conoscenza del servizio. È evidente come la propaganda effettuata dall’azienda Easypark non sia affatto sufficiente per mettere a conoscenza del servizio ai potenziali fruitori. Come evidenzia la foto a destra, Easypark pubblicizza il proprio servizio sulle colonnine tradizionali ma noi crediamo che i potenziali consumatori siano sempre troppo di fretta per leggere e prestare attenzione alla pubblicità sulla colonnina.

Data la vastità dei potenziali utilizzatori per sesso, età e professione, la nostra proposta è quella di sfruttare le sponsorizzazioni:

1.  Easypark ha un accordo con ATM che le permette di non aggiungere sovraprezzi alle

tariffe tradizionali dei pagamenti del parcheggio. Poiché il passaparola è risultato come la variabile maggiormente gettonata per la conoscenza del servizio, proponiamo di mettere insieme questi due aspetti. Creare maggiore visibilità di questo accordo all’interno della metropolitana attraverso la cartellonistica e la pubblicità a video, il colore viola attirerà l’attenzione e il resto verrà fatto dal passaparola. Sottolineiamo all’interno della metropolitana, poiché spesso i soggetti in città trafficate come Milano, rinunciano a guidare e a spostarsi in macchina proprio per lo stress del cercare parcheggio. Easypark grazie alla rapida localizzazione ti permette di trovarlo in maniera rapida e in tempi brevi.

61 Implicazioni di marketing:

2. La sponsorizzazione sugli impianti carburanti. L’idea è quella di un accordo commerciale con le società petrolifere che ne permetta la promozione in loco attraverso cartelli pubblicitari e sconti carburante al raggiungimento di un certo cumulo di parcheggi pagati.

3. Banner pubblicitari. La pubblicità tradizionale, come è noto, non è più sufficiente per cui

bisogna incrementare quella sui social media (dato che l’82,5% dei rispondenti utilizza lo smartphone) e attraverso banner pubblicitari che, memorizzando i cookie delle ricerche on-line individuali, mostrano l’icona di Easypark solo a chi potrebbe essere un potenziale fruitore.


Un altro punto importante è legato alla garanzia, per i consumatori che inseriscono i propri dati sensibili, nel trattamento dei propri dati. Il 55,8% dei rispondenti non si fida ad inserire i propri dati sensibili. Questo può essere un grande punto di intoppo per l’azienda Easypark. Per risolvere questo problema la soluzione può essere facilmente raggiunta pubblicando un estratto di

garanzia da parte dell’intermediario finanziario che si occupa della gestione dei pagamenti in cui si spieghi la procedura di transazione. Le banche oggi ne utilizzano diversi (ad esempio attraverso l’inserimento di un codice personale scelto dal fruitore).


Il punto più interessante dell’analisi risulta indubbiamente dal fatto che quasi la totalità di chi non conosceva il servizio prima della nostra indagine, risponde che non saprebbe se utilizzerebbe il servizio Easypark in un futuro. Nonostante noi spiegassimo di cosa tratta il servizio Easypark e quali caratteristiche possiede, i consumatori rimangono comunque interdetti e perplessi di fronte tale servizio. Per tale ragione Easypark deve riuscire a far emergere il vantaggio del suo utilizzo rispetto ai sistemi tradizionali rassicurando nello specifico il consumatore (o meglio il potenziale) circa l’inserimento dei suoi dati sensibili e sulla sicurezza del pagamento tramite app. È importate inoltre che lo sviluppatore utilizzi una forte comunicazione “spinta” che faccia emergere quelle caratteristiche che porterebbero solo benefici al consumatore: velocità nel pagamento, localizzazione precisa del parcheggio e, quindi, niente stress; pagamento solo di quanto si utilizza: “comodamente dal proprio smartphone e direttamente nella propria vettura”. Proponiamo anche uno slogan ad effetto da utilizzare per attrarre il consumatore:

Easypark La soluzione smart garantita per il vostro parcheggio.

Case study: app easypark - Elisabetta Melucci

Data & Analytics

Transcript of Case study: app easypark - Elisabetta Melucci