Presentata da:Luca Risi

Relatrice:Prof.ssa Elisa Montaguti

Corso di laurea magistrale: Statistica Economia e Impresa

Anno Accademico 2010/2011 – II sessione

IL PROCESSO DI SCELTA DEL

CONSUMATORE NELL’HOME DELIVERY:

IL CASO PIZZABO.IT

In particolare è stato condotto uno studio sulla significatività

e sulle modalità di impatto della piattaforma di

intermediazione online PizzaBo.it sui processi decisionali di

scelta.

OBIETTIVI DELLA RICERCA

L’obiettivo principale di questa ricerca è

l’analisi della dinamica concorrenziale del

settore delle pizzerie di asporto.

Per raggiungere questo scopo sono stati implementati tre

modelli statistici:

1) Regressione lineare

multipla su dati panel

2) Regressione logistica

3) Regressione logistica

MODELLO VAR. DIPENDENTE

Distanza dalla pizzeria

Fedeltà del consumatore

Popolarità del punto

vendita

ANALISI EMPIRICHE

PizzaBo.it è un innovativo sistema di ordinazione on-line di pizza a

domicilio, paragonabile ad un motore di ricerca per le pizzerie d’asporto.

Dall’inizio del 2009 oltre 11.000 utenti si sono registrati ed hanno

acquistato tramite il sito, che attualmente coinvolge più di 50 attività

commerciali di Bologna e provincia.

Nel mese di ottobre 2011 il servizio è stato esteso alla città di Pisa.

DESCRIZIONE DEL SITO

Visitatori Giornalieri = 481

Alexa Rank in IT = 9.478

Alexa Rank in BO = 463

Google Page Rank = 1

IL DATASET

Il dataset utilizzato per le analisi è costituito da 6.714 ordinazioni effettuate da 1.713 individui.

L’intervallo temporale a cui le transazioni fanno riferimento va dall’1 ottobre 2009 al 13 aprile 2010.

Le 6.714 ordinazioni comprendono 15.358 prodotti per una spesa complessiva di 63.929,60 € e sono state inoltrate presso 34 delle pizzerie affiliate a PizzaBo.

In media ognuno dei clienti ha realizzato 3,9 acquisti nel periodo di osservazione ed il 62,1% ha compiuto più di un acquisto.

Il 29,9% dei consumatori ha mostrato un tasso di fedeltà ad una pizzeria superiore all’80%.

LE VARIABILI

Il sito offre l’opportunità di valutare le possibili alternative

confrontando simultaneamente diverse caratteristiche

precedentemente non note ai clienti oppure di non immediata

reperibilità.

Rating (scala da 1 a 5)

Numero di voti espressi

Assortimento

Distanza

Tempo di consegna

Costo di consegna

Promozioni (omaggi/sconti/menù)

Orario d’apertura

I principali attributi utilizzabili per la scelta sono:

MODELLO 1L’ANALISI DELLA SCELTA: IL FATTORE DISTANZA

Il modello di regressione lineare per dati panel è stato implementato

utilizzando la procedura Time Series Cross Section Regression.

È stata posta come dipendente la variabile Distanza del cliente dalla

pizzeria al fine di indagare come le informazioni messe a disposizione

degli utenti del sito influenzano la scelta di una pizzeria più o meno

distante dalla propria abitazione.

N = 6.064 ordinazioni

effettuate dai 1.063 clienti che hanno realizzato almeno due acquisti

Sono stati testati i modelli ad effetti casuali e ad effetti fissi ad una via.

Stime dei parametri

R2 SSE MSE RMSE DFE0,594 1027,957 0,206 0,454 49970,594

Variabili β S.E. DF Valore t Pr > |t| Intercetta 1,015 0,448 1 2,27 0,0233 Rating 0,307 0,048 1 6,37 < ,0001 Omaggi 0,152 0,024 1 6,4 < ,0001 N° ordini 0,122 0,008 1 15,4 < ,0001 Prezzi -0,288 0,051 1 -5,61 < ,0001 CS1 -0,147 0,414 1 -0,35 0,7238 CS2 0,408 0,331 1 1,23 0,2180 ...... CS1061 -0,265 0,415 1 -0,64 0,5236 CS1062 1,278 0,454 1 2,81 0,0049

Statistiche di

adattamento

Rating

MODELLO 1RISULTATI DELL’ANALISI

Prezzi

Lo scopo di questo modello è prevedere la probabilità degli individui

di essere fedeli ad una pizzeria ed individuare le caratteristiche che

determinano una maggiore fidelizzazione della clientela.

La variabile dipendente Fedeltà assume valore 1 per gli utenti che

hanno effettuato almeno l’80% dei loro acquisti nella stessa pizzeria

e valore 0 per tutti gli altri.

N = 1.063 individui che hanno effettuato almeno 2 ordini

Le variabili esplicative sono state calcolate aggregando (attraverso

una media aritmetica semplice) i singoli record appartenenti ad

ognuno dei ri-acquirenti del sito.

MODELLO 2L’ANALISI DELLA FEDELTA’

PCC = 72,25%

PCM =

65,66%

PRE = 19,19%

-2 Log likelihood

Cox & Snell R2

Nagelkerke R2

1168 0,115 0,163

Matrice di corretta

classificazione

OsservatiPrevisti

% CorrettiFedeltà0 1

Fedeltà 0 698 47 93,7%1 248 70 22,0%

Variabili β S.E. Wald DF Sig. Exp(β) Intercetta -19,43 6,01 10,47 1 0,001 0,000 Rating 7,88 1,35 34,29 1 0,000 2632,706 Assortimento 2,44 0,67 13,14 1 0,000 11,509 Menù App 0,19 0,12 2,8 1 0,094 1,214 Numero Voti 0,05 0,01 63,57 1 0,000 1,056 Tempo consegna 0,03 0,01 5,06 1 0,024 1,034 Rating * N°voti -0,01 0 60,02 1 0,000 0,986 Numero ordini -0,32 0,11 8,05 1 0,005 0,725 Somma Ore -0,68 0,14 23,18 1 0,000 0,508 Distanza -0,88 0,22 16,27 1 0,000 0,414 Prezzi -1,78 0,56 10,17 1 0,001 0,169

Stime dei

parametri

PrezziDistanza

AssortimentoRating

MODELLO 2: RISULTATI DELL’ANALISI

Statistiche di adattamento

In questo modello è stata analizzata la probabilità degli utenti di scegliere

negozi appartenenti a due diverse categorie, “Popolari” e “Non Popolari”,

individuate attraverso una cluster analysis realizzata con il metodo delle k-

medie.

N = 6.059 transazioni effettuate da 1.641 clienti

Distribuzione: Binomiale

Funzione di collegamento: Logit

Metodo di stima: GEE (Generalized Estimating Equations)

Cluster DimensioneVariabili di segmentazione

N° ordini (std.) N° Voti

1 5 1,676 276,9

2 28 0,484 185,7

MODELLO 3LA SCELTA DELLA PIZZERIA: L’EFFETTO DELLA

POPOLARITÀ

PCC = 86,12%

PCM = 57,62%

PRE = 67,25%

Variabili β S.E. Wald 95% Limiti di confidenza

Chi- quadrato

Pr > Chi-quadrato

exp(β)

Intercetta 27,683 4,372 19,114 36,252 6,33 < ,0001 1,05E+12 Omaggi = 0 1,146 0,161 0,830 1,4615 7,11 < ,0001 3,15 Omaggi = 1 0 0 0 0 . . 1,00 Costo consegna 0,764 0,106 0,556 0,9724 7,19 < ,0001 2,15 Total Amount 0,025 0,008 0,010 0,0402 3,33 0,0009 1,03 Rating -4,598 0,960 -6,480 -2,716 -4,79 < ,0001 0,01 Hours Sum -1,171 0,010 -1,367 -0,976 -11,74 < ,0001 0,64 Menù App -0,451 0,062 -0,572 -0,329 -7,25 < ,0001 0,31

Omaggi = 0

Costo consegna

RatingHours Sum

Stime dei parametri GEE

Matrice di corretta classificazione

OsservatiPrevisti

%CorrettiCluster1 2

Cluster1 1733 723 70,6%2 118 3485 96,7%

MODELLO 3: RISULTATI DELL’ANALISI

NOTA: è stata modella la probabilità dell’evento CLUSTER = ‘2' (Non Popolare)

Il continuo e crescente aumento

del numero di utenti registrati (11.082 in data 23/7/2011)

del tasso di riutilizzo dei servizi offerti (72,39%)

e della frequenza di transazioni giornaliere (203,1)

possono senza ombra di dubbio convalidare l’utilità del servizi offerti

dalla piattaforma PizzaBo.it e la loro adeguatezza ai bisogni dei

consumatori del settore.

OSSERVAZIONI FINALI (1 di 2)

Uno dei vantaggi evidenziati è la capacità di PizzaBo di estendere il

“raggio competitivo” e quindi il bacino d’utenza delle pizzerie.

Dai riscontri empirici spicca sopra tutte le altre la variabile Rating,

che risulta significativa nello spiegare tutte e tre le variabili risposta

dei modelli implementati.

OSSERVAZIONI FINALI (2 di 2)

PizzaBo.it è anche un ottimo strumento di benchmarking che

permette di confrontare e monitorare nel tempo le peculiarità dei

propri competitors diretti ed indiretti, al fine di ottimizzare al meglio

la propria offerta e le iniziative pubblicitarie e promozionali.

Grazie dell’attenzione