Evidenza empirica dei modelli di geomarketing per ridurre la ridondanza delle informazioni

1

CONVEGNO NAZIONALE Il valore della statistica per le imprese e la società. Ricerche di opinioni e di mercato

Evidenza empirica dei modelli di geomarketing per ridurre la ridondanza

delle informazioni

II Sessione: Evoluzione del geomarketing

Prof.ssa Augusta ConsortiOrdinario in Statistica Università G.d’Annunzio Chieti-PescaraDott. Riccardo Di NisioRicercatore in Statistica Università G.d’Annunzio Chieti-Pescara

http://www.unicattolica.it/

http://convegni.unicatt.it/meetings_4316.html

2

Indice1. Il problema della ridondanza in azienda

2. Contributo del geomarketing in azienda

3. Gestione dinamica dei bacini di utenza dei centri commerciali come risposta alla ridondanza

4. Applicazione

5. Discussione

A.Consorti – R. Di NisioIl valore della statistica per le imprese e la società Milano 14 – 15 febbraio 2013

3

Il problema della ridondanza in Azienda

4

Aumento della complessitàPROCESSO DECISIONALE

Diagnosi – Progettazione – Realizzazione

Sistemi Informativi

•Fatturato•Indici redditività

•Passività

•.....

Dati di Bilancio

•Aree vendite

•Agenti

•Clienti

•Competitors•Serie storiche•Preferenze

Vendite

•Facebook

•Linkedin

•Twitter

•......

Social Networks


5

Eccesso di dati

Correlazioni spurie che originano “ridondanza”

Un eccesso di dati potrebbe rallentare l’assunzione di scelte strategiche


6

L’impiego del geomarketing

http://www.expopage.net/portal/pages/geomarketing/valuelab.jsp

7

GEOMARKETING

Definizione: Il Geomarketing è una tecnica di analisi che permette di trattare informazioni di mercato riferendole alla loro localizzazione sul territorio.

Permette di analizzare le variabili di segmentazione rilevanti:

– in un’ottica di mktg (sesso, età, professione, dati interni aziendali come fatturati ecc)– incrociandole con la variabile territoriale

Il geomarketing permette un’analisi più razionale delle informazioni disponibili in azienda. Tramite l’incrocio con basi dati esterne, la componente territoriale permette di realizzare analisi non consentite dai tradizionali strumenti di valutazione globale


8

Elementi del geomarketing Banche dati di contesto e aziendali, con informazioni socio-

demografiche ed economiche, per descrivere correttamente la domanda del mercato, e con informazioni sulla propria struttura, al fine di definire la propria capacità di offerta nei mkt di riferimento;

Mappe cartografiche per rappresentare sul territorio le differenti caratteristiche spaziali del mkt analizzato;

Strumenti di elaborazione dati, descrittivi e cartografici, in grado di analizzare e rappresentare in modo idoneo le informazioni prodotte;

Modelli interpretativi delle caratteristiche strutturali del mercato, per correlare le informazioni relative alla domanda con determinate caratteristiche dell’offerta;


9

VantaggiAttraverso la dimensione spaziale dei dati è possibile cogliere contemporaneamente le evoluzioni dei mercati in funzione delle seguenti domande

dove risiedono i clienti? dove lavorano?

dove si recano per gli acquisti? dove vanno nel tempo libero?

dove sono i concorrenti? dove configurare i giri di visite dei venditori?

dove sono le postazioni migliori per aprire nuovi negozi/nuove attività?

Chi? Fa cosa? Dove?+ +


Domande ricorrenti

10

Il geomarketing e le aree aziendali

Ricerca e SviluppoPermette di supportare i processi creativi attravero monitoraggi spaziali in funzione delle risposte a modifiche di: design, prodotto, funzionalità, etc...

MarketingLa visualizzazione spaziale delle reazioni della clientela permette di migliorare le strategie connesse alla distribuzione, comunicazione, pricing e prodotto. [Finazzi 2011]

PromozioneConsente di approfondire le dinamiche sulla reazione della clientela a specifiche strategie promozionali comparando gli effetti di flyers o di volantini [Gijsbrechts, 2003]

VenditePossibilità di visualizzare distribuzioni spaziali degli utenti che esprimono il loro “entusiasmo” nei social networks e verificare come questi influenzano il mercato


11

Esempio di problema connesso con la ridondanza Gestione dinamica dei bacini di utenza dei centri commerciali in condizione di sovrapposizione delle isocrone Area Chieti – Pescara


12

Modelli gravitazionali

Relly (1929)

Christaller, 1933; Losch, 1939

Huff (1962; 1981)

La domanda è attratta in misura direttamente proporzionale alla popolazione di ciascuna città e in misura inversamente al quadrato della distanza dalla città

Utilizzano l’importanza del centro e la distanza economica come concetti fondamentali

L’attrazione di un centro Ai come funzione dell’area di vendita (S), divisa per una potenza (λ) del tempo necessario ad arrivarci (T). Da evidenze empiriche (Wee e Pearce – 1985) risulta che può essere considerata λ = 2.


13

Un’applicazione

17 centri commerciali181.100 mq superficie media550.000 abitanti residenti nei 30 minuti di percorrenza

Minuti Centro Abruzzo

Auchan Arca Megalò Pe Nord

00-05 11799 15488 9757 6684 303805-10' 60329 84543 36004 42847 4857910-15' 105216 71411 135925 30379 3359515-20' 93717 60386 92934 26032 8212820-25' 41334 62264 47688 61827 6510125-30' 21890 35017 21639 128921 41100Totale 334285 329109 343947 296690 273541

Centri commerciali BaricentricitàCentro d'Abruzzo 13.371 Auchan 13.164 L'Arca 13.758 Megalò 11.868 Pescara Nord 10.942


14

Ridondanza delle informazioni

Maggiore concorrenza

Intersezione delle isocrone e bacini sovrapposti

Nuove variabili entrano in gioco

Crisi EconomicaCambiano gli atteggiamenti e le necessità dei consumatori. Dal marketing emozionale al marketing funzionale?

Bacini dinamiciA causa della sovrapposizione dei bacini, le capacità attrattive del centro cambiano nel tempo e occorre una gestione dinamica del bacino


15

Soluzione propostaSotto le ipotesi:

tassi di acquisto = preferenze

prodotti = stimoli

Simulazione dinamica delle preferenze sul territorio

Binom. Negativa

Conjoing An.

Stima i tassi di acquisto

Simula scenari di mercato e identifica i prodotti ideali per singole aree territoriali


Strumenti

16

Esempio applicativo


17

Supponiamo di voler confrontare 3 attributi: Marca = [A,B,C]Colore = [Rosso, Blu]Prezzo = [€ 10,00; € 20,00; € 40,00]In totale si avrebbero 3 x 2 x 3 = 18 prodotti (stimoli) che possono essere considerati attraverso la seguente matrice booleiana rappresentativa del piano fattoriale

Stimolo B C Blu 40 601 0 0 0 0 02 0 0 0 1 03 0 0 1 0 14 0 0 1 0 05 0 0 1 1 06 0 0 1 0 17 1 0 0 0 08 1 0 0 1 09 1 0 0 0 110 1 0 1 0 011 1 0 1 1 012 1 0 1 0 113 0 1 0 0 014 0 1 0 1 015 0 1 0 0 116 0 1 1 0 017 0 1 1 1 018 0 1 1 0 1

Ciascuna riga corrisponde ad un particolare prodotto avente le caratteristiche osservate


18

Come stimare le preferenze?Con riferimento ad un intervallo di tempo unitario, è possibile ipotizzare la stazionarietà del mercato. La probabilità che un consumatore effetturi r acquisti (r = 0,1,2...) segue, allora, una distribuzione di Poisson𝑃𝑟ሺ𝑟 𝜇Τ ሻ= 𝜇𝑟𝑒−𝜇𝑟! 𝑐𝑜𝑛 𝜇> 0

Nel lungo periodo, invece, i tassi di acquisto seguno una gamma con parametri m e k

𝑓ሺ𝜇ȁ�𝑚,𝑘ሻ= ቀ𝑘𝑚ቁ

𝑘 𝜇𝑘−1𝑒−𝑘𝜇𝑚𝛤ሺ𝑘ሻ 𝑐𝑜𝑛 𝑚 > 0:𝑘 > 0

Sotto queste ipotesi, e considerando k numero intero, è possibile dimostrare che la distribuzione di frequenza degli acquisti dell’intera popolazione segue una binomiale negativa di parametri m e k. La probabilità di fare r acquisti è:

𝑃𝑟ሺ𝑟ȁ�𝑚,𝑘ሻ= න𝑃𝑟ሺ𝑟ȁ�𝜇ሻ𝑓𝑃𝑟ሺ𝜇ȁ�𝑚,𝑘ሻ𝑑𝜇=∞0

ሺ𝑘+ 𝑟− 1ሻ!𝑟!ሺ𝑘− 1ሻ! ൬ 𝑘𝑚+ 𝑘൰𝑘൬1− 𝑘𝑚+ 𝑘൰𝑟


19

Stima dei tassi di acquistoSotto ipotesi di stazionarietà del mercato, si dimostra che la distribuzione di frequenza degli acquisti in un periodo di ampiezza T è ancora binomiale negativa di parametri 𝑚𝑟 = 𝑇𝑚 e 𝑘𝑇 = 𝑘

Quindi, la proporzione di acquirenti del prodotto in tale periodo è data da:

𝑏𝑇 = 1−൬𝑘𝑇𝑚+ 𝑘൰𝑘

Data la frequenza di acquisto b (o tasso di penetrazione del prodotto), si è in grado di calcolare, per ciascun periodo, i tassi di acquisto con la possibilità di differenziarli per coloro che acquistano per la prima volta e coloro che hanno già acquistato in precedenza.


20

Esempio di stima dei tassi

Sulla base del tipo di prodotto (convenience, shopping, speciality goods) è possibile stimare il tasso di acquisto scegliendo un determinato intervallo di tempo (ad esempio trimestrale) funzionale al tipo di prodotto considerato.


per la prima volta

21

Stimolo B C Blu 40 60 Pref.1 0 0 0 0 0 42 0 0 0 1 0 53 0 0 1 0 1 04 0 0 1 0 0 85 0 0 1 1 0 56 0 0 1 0 1 27 1 0 0 0 0 78 1 0 0 1 0 59 1 0 0 0 1 310 1 0 1 0 0 911 1 0 1 1 0 612 1 0 1 0 1 513 0 1 0 0 0 1014 0 1 0 1 0 715 0 1 0 0 1 516 0 1 1 0 0 917 0 1 1 1 0 718 0 1 1 0 1 6

I tassi di acquisto rappresentano le preferenze osservate su un determinato territorio

Matrice delle preferenze dell’area/bacino


22

Stima dei parametri con la conjoint analysis

Ipotizzando una funzione di utilità parziale, è possibile scomporre la preferenza globale in preferenze parziali ed ottenere la stima dei singoli parametri.

È possibile stabilire anche l’importanza relativa a ciascun attributo come segue:

si calcola la differenza tra il valore massimo 𝐷𝑖 = ሺ𝑈𝑚𝑎𝑥ሻ𝑖 −ሺ𝑈𝑚𝑖𝑛ሻ𝑖 si calcola la somma delle differenze di tutti gli attributi 𝑆= 𝐷𝑖𝑖

l’importanza di ogni attributo è pari alla rispettiva differenza divisa per la somma totale S

𝐼𝑖 = ൬𝐷𝑖𝑆൰× 100

Preferenze Media Um-UmMarca A 5 8 3 5,3 3 66,7

Marca B 5 7 5 5,7

Marca C 5 1 2 2,7

Rosso 5 1 8 5 5 3 4,5 0,16 3,6Blu 5 2 7 4,7

€ 20,00 5 7 3 5,0 1,33 29,6

€ 40,00 8 2 5 5,0

€ 60,00 5 1 5 3,7

4,5A.Consorti – R. Di NisioIl valore della statistica per le imprese e la società Milano 14 – 15 febbraio 2013

23

DiscussioneIl geomarketing permette di spostare l’attenzione da analisi globali a analisi locali consentendo di verificare spazialmente gli effetti dovuti a più variabili;

Il problema della ridondanza può essere affrontato spazialmente, come mostrato per i centri commerciali, consentendo un’analisi dinamica dei bacini di utenza;

Resta aperto, nel caso specifico dei centri commerciali, il problema della scelta dei tipi di “stimoli”, ovvero, dei tipi di prodotti da considerare e tale che soddisfino il piano fattoriale della conjoint;

Un’altra ipotesi da verificare è la stazionarietà dei mercati nel breve periodo.


24

Bibliografia

Bernoff, J., Li, C., 2008. Harnessing the power of the oh-so-social web. MIT Sloan Management Review 49, 36.Finazzi, F., 2011. Geostatistical modelling of spatial potentials, Department of Information Technology and Mathematical Methods.Gijsbrechts, E., Campo, K., Goossens, T., 2003. The impact of store flyers on store traffic and store sales: a geo-marketing approach. Journal of Retailing 79, 1-16.Rigby, D.K., Ledingham, D., 2004. CRM done right. Harvard Business Review 82, 118-130.Wenzl, P.G., Winter, S., 2000. Geomarketing on Pay-per-Use Basis.Sincron inova, L’area Chieti-Pescara. In Mark-up 2008Robert East 2008. Il comportamento del consumatore


Evidenza empirica dei modelli di geomarketing per ridurre la ridondanza delle informazioni

Documents

Transcript of Evidenza empirica dei modelli di geomarketing per ridurre la ridondanza delle informazioni