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
Top Related