Condoms Market Research
description
Transcript of Condoms Market Research
Il Mercato dei PreservativiCorso di Market Research 8427- LS in Marketing ManagementGRUPPO 13:CARAVETTA,Elio 1463355
CARUSO, Marco 1458512
CIRULLI, Antonio 1461771
MARMINA, Simona 1422989
Index
Il mercato dei Preservativi! 2
Analisi Univariata! 6
Factor Analysis! 24
Regressione! 29
Cluster Analysis! 33
Il mercato dei PreservativiLe analisi Qualitative & Il questionario somministrato
La nostra analisi mira ad indagare quelli che sono i driver di
soddisfazione degli utilizzatori di preservativi, focalizzandoci sulla
fascia studenti universitari milanesi tra i 18 e i 28 anni.
In primis, abbiamo realizzato delle interviste in profondità, ciò in
quanto, queste ultime risultano più adatte ad analizzare in
profondità le esigenze ed i benefici ricercati dagli individui,con
l’obiettivo di indagare le abitudini e le preferenze del consumo di
preservativi. Inoltre, gli attributi e i driver d’acquisto estratti si sono
rivelati utili nel proseguimento dell’analisi, specialmente in fase di
analisi quantitativa.
2
Le domande che sono state poste sono le seguenti:
• Introduzione all’argomento
• Presentazione dell’intervistato (nome, età, università, lavoro, etc.)
• Ti consideri consumatori assidui o occasionali di preservativi? E perché?
• Perché utilizzi i preservativi?
• Dia tre elementi che possano definire il consumatore tipo di preservativi?
• Secondo lei in quale fascia d’età il consumo è più elevato?
• Perché preferisce i preservativi ad altri metodi contraccettivi di pari grado?
• In che occasione utilizza preservativi? (è single, ha un rapporto stabile)?
• Utilizza i preservativi anche in caso di un rapporto stabile, se si perchè?
• Sapreste elencarmi le marche di preservativi che conoscete? Creeresti dei sottogruppi sulla base di caratteristiche? (se si quali – variabile: diversità, benefici,etc)
• Se avete bisogno di preservativi ma non c’è la vostra marca preferita, che fate?
• In base a cosa comprate preservativi? Quali attributi valutate per l’acquisto?
• Pensa al marchio Durex che immagini ti vengono in mente?
• Cosa rappresenta Durex nel mondo dei preservativi?
• Sei a conoscenza di tutta la gamma Durex?
• Quanto conta la pubblicità nell’acquisto dei preservativi?
• A vostra memoria quali sono le cose che guardate quando
scegliete i preservativi?
3
Da queste interviste è emerso che i consumatori in generale
prediligono i preservativi ad altri metodi contraccettivi poiché li
ritengono più pratici e sicuri. Le donne scelgono principalmente in
base alle funzioni e al gusto mentre gli uomini principalmente in
base alle funzioni e allo spessore. Le marche più citate sono state
Durex, Control e Akuel. Gli intervistati hanno inoltre dichiarato di
essere abbastanza influenzati dall’immagine di marca e dalla
pubblicità.
Passiamo adesso alla descrizione delle singole domande del
questionario e ad una rapida analisi delle motivazioni e de fini per
cui sono state inserite.
Il questionario inizia con una domanda “SI” o “NO”, sul consumo di
preservativi che funge
d a f i l t r o p e r
l ’ ind iv iduaz ione de i
nostr i consumator i .
N e l l a p r i m a p a r t e
andiamo ad analizzare
le abitudini di utilizzo degli intervistati, indagando quindi la
frequenza, il motivo d’acquisto e il luogo d’acquisto e chi li acquista.
Prevedendo risposte che vanno da un uso sporadico ad uno più
assiduo per la frequenza; per il motivo d’acquisto si è pensato a
ragioni di carattere strettamente salutistico, a ragioni collegate alle
specifiche funzioni del preservativo e infine anche alla richiesta del
partner, infine per il luogo sono stati inseriti i centri di vendita più
comuni, ma anche quelli legati ai giovani (pub, discoteche, internet).
Successivamente,nel secondo blocco di domande, abbiamo chiesto
agli intervistati di darci la loro “Top of Mind”, senza influenzarli in
alcun modo sulle possibili risposte. Appartengono a questo gruppo di
4
domande anche quelle riguardanti le azioni che vengono compiute
quando non è possibile acquistare la propria marca preferita.
Abbiamo proposto soluzioni che puntano verso l’acquisto di una
seconda preferenza, di una marca più economica o addirittura di
recarsi in un altro luogo di acquisto per trovare la propria preferita.
La domanda successiva riguarda la frequenza di cambio, quindi
siamo andati a indagare sull’orizzonte temporale con cui i nostri
intervistati cambiano marca, nel caso di risposta affermativa era
prevista un’altra domanda in cui chiedevamo il motivo del cambio.
Nel terzo blocco, appartengono le domande riguardanti le marche
conosciute, le marche consumate e quelle che non sarebbero mai
acquistate. L’elenco di marche proposte è stato ottenuto con una
indagine effettuata presso numerosi punti vendita quali farmacie,
supermercati, shop on line e sexy shop.
Appartengono al quarto blocco le valutazioni sui diversi attributi che
un preservativo può avere e quelli riguardanti la marca preferita,
nonché una valutazione sulla soddisfazione globale relativa a essa.
Gli attributi sono stati ricavati dalle interviste in profondità, che
abbiamo svolto in principio, ma anche dalle indagini svolte sul
campo.
Il quinto blocco introduce altri metodi/prodotti anticoncezionali
utilizzati in alternativa al preservativo, chiedendo agli intervistati
quale sia il più economico, il più pratico, il più sicuro, quello che
permette una maggiore sensibilità e il più facile da reperire.
Il questionario si chiude con le domande riguardanti la parte
anagrafica quindi sesso,età, provenienza e stato sentimentale.
5
Analisi Univariata“Usi i preservativi?”
Alla domanda filtro “Usi i Preservativi?” il
77,1% del nostro campione, ovvero 256 individui sui 332 analizzati,
ha risposto affermativamente, confermando così ciò che era stato
riscontrato in fase di analisi qualitative ovvero che l’utilizzo dei
preservativi da parte del nostro target composto da studenti
universitari milanesi tra i 18 e i 28 anni è elevato.
Alla domanda successiva, “Con che frequenza in media ti capita
di usare i preservativi?” abbiamo riscontrato quanto segue:
6
La maggior parte degli intervistati ha dichiarato di fare uso dei
profilattici più volte a settimana (83 individui, il 32,4% del
campione) le frequenze cumulate a questa domanda sono infatti del
89,5%, seguono coloro che li utilizzano piu’ volte al mese (66
individui, 25,8% del campione)
Mentre alla domanda “Per quale motivo utilizzi i preservativi?”la
maggior parte degli intervistati ha dichiarato di preferire questi
ultimi ad altri metodi principalmente per la loro funzione
anticoncezionale (201 intervistati) ovvero piu’ della meta’ del
campione (52,3%) e in seguito per la loro funzione di prevenzione
delle malattie veneree (123 intervistati).
7
Abbiamo dunque chiesto al nostro campione, dove in genere
acquista i profilattici tramite la domanda “Dove acquisti
principalmente i preservativi?” e dando alcune indicazioni di
luoghi d’acquisto soliti.
La maggior parte del nostro campione si affida ai distributori
automatici cioe’ il 34% sul totale (163 individui) anche se questo
numero si avvicina molto a coloro che li acquistano presso le
farmacie ovvero 158 individui (il 32,9%)sul totale analizzato.
Andando ancora chiedere ai nostri intervistati “Quali sono le
prime tre marche che ti vengono in mente?” abbiamo ottenuto
la “top of mind” del nostro campione attraverso un’evocazione libera
delle marche produttrici di preservativi.
8
Vediamo come, Durex è il leader incontrastato in quanto è la marca
più citata dai nostri rispondenti (49,5%)segue Control con il 26,7%,
e Akuel con solo il 7,3%.
Durex gode quindi di una brand awareness superiore a tutti gli altri
brand.
Abbiamo dunque fornito ai nostri intervistati una lista di brand
produttrici di preservativi che vengono commercializzati in Italia e
abbiamo chiesto loro di segnalarci le marche che conoscevano.
9
I risultati mostrano come Durex, sia la marca più citata, con il
23,7% sul totale, seguita sempre da Control e Akuel. Cio’
rispecchia tout court i risultati della top of mind che avevamo
ottenuto in precedenza.
Successivamente, sempre proponendo loro la stessa lista di marche,
abbiamo chiesto quali tra le marche elencate consumavano.
10
Anche in questo caso, Durex viene indicata nella maggior parte dei
casi ovvero nel 47,6% del totale.
Proseguendo, abbiamo chiesto” Se non trovi la tua marca
preferita, cosa fai?” volendo indagare la fedeltà o meno alla marca
dei consumatori.
Le risposte in questo caso hanno dimostrato come, la maggior parte
degli individui intervistati, ovvero il 44,5%, ha una seconda
preferenza e si orienta su quella nel caso la propria marca di fiducia
non dovesse essere disponibile presso il punto vendita al momento
dell’acquisto(114 individui).
11
Seguono coloro che sono invece fedeli alla propria marca e
dunque pur di acquistarla vanno a cercarla in un altro posto, circa il
23,8% degli intervistati ovvero 61 individui.
Proseguendo, abbiamo voluto chiedere chi fosse il responsabile
dell’acquisto dei profilattici, e l’abbiamo fatto attraverso la domanda
“Chi acquista solitamente i preservativi?”
Abbiamo riscontrato che nel 60,2% dei casi, i nostri intervistati
sono i principali responsabili dell’acquisto (154 individui) mentre solo
13 persone hanno dichiarato di acquistare i preservativi
congiuntamente al proprio partner.
Alla domanda, “Con quale frequenza ti capita di cambiare marca?”
12
La maggior parte degli invididui ha dichiarato di cambiare marca
“Raramente” (109 individui) ovvero il 42,6% del totale. Solo il
3,1%(frequenze cumulate) ha dichiarato di cambiare marca molto
spesso o spesso (8 individui su tutto).
In generale possiamo dunque dedurre che i consumatori abbiano
un’alta fedeltà verso la propria marca.
Spingendo oltre la nostra analisi abbiamo chiesto ai nostri
intervistati i motivi per il quale decidono di cambiare marca.
La maggior parte di loro ha risposto “per aspettative deluse dopo
il primo utilizzo” (19,9%) anche se i rispondenti distribuiscono
abbastanza eterogeneamente le loro scelte, seguono infatti coloro
che preferiscono cambiare per desiderio di vanità e che
rappresentano il 16,8% del totale, e ancora i consumatori più
sensibili a promozioni/sconti che rappresentano il 13,5% del
campione.
13
Volendo indagare quali fossero le marche preferite dai consumatori
abbiamo dunque chiesto “Qual è la tua marca preferita?” A
questa domanda, i nostri intervistati sono stati lasciati liberi di
indicare la loro preferenza senza alcuna indicazione da parte nostra.
L’80,5% dei nostri intervistati ha dichiarato di preferire la marca
“DUREX”(206 individui) seguita da “CONTROL” 11,7%, “HATU”
4,3% e infine “AKUEL” preferita da soli 9 individui ovvero il 3,5%
sul totale intervistati.
Infine, abbiamo chiesto loro: “Oltre al preservativo o in
alternativa a questo, quali metodi anticoncezionali alternativi
sono usati da te o dal tuo partner?” Ottenendo le seguenti
risposte:
14
La maggior parte degli intervistati (143) ha dichiarato di utilizzare
come metodo alternativo, il coito interrotto, seguito dalla pillola
anticoncezionale (119 preferenza) ciò tenendo conto sia della loro
prima che seconda scelta che terza scelta.
Abbiamo dunque chiesto di indicare massimo tre motivi per il quale
venivano preferiti questi metodi ai profilattici.
il 38,1% degli intervistati ha risposto “Per una maggiore sensibilità”
mentre il 31,3% per una questione di “praticità”.
Volendo indagare i dati anagrafici forniti dai nostri rispondenti,
abbiamo chiesto loro inanzitutto a quale sesso appartenessero, e
abbiamo cosi’ riscontrato una maggioranza di rispondenti uomini
(ben il 60,9% sul totale intervistati) ovvero 156 individui su 256.
15
Per quanto riguarda la loro età, premettendo che il nostro target era
composto da studenti universitari dai 18 ai 28 anni, abbiamo
riscontrato che la maggior parte degli intervistati ha 22 anni (103
individui) ovvero il 40,2% del totale, le frequenze cumulate fino ai
25 anni infatti sono il 96,9%.
Riguardo la provenienza geografica, i nostri intervistati che
ricordiamo essere studenti universitari, provengono piu’ o meno
eterogeneramente da tutta Italia.
Abbiamo infatti, 107 rispondenti provenienti dal Nord Italia e 102
Provenienti dal Sud Italia, 40 del centro e solo 7 provenienti
dall’Estero.
16
Infine, abbiamo chiesto quale fosse lo status sentimentale degli
intervistati.
La maggior parte si dichiara fidanzato (144 intervistati) ovvero il
56,3%. La percentuale restante si divide tra 43,4% di single e solo 1
intervistato risulta essere coniugato.
17
Analisi Bivariate
Tavola di contingenza tra la variabile “SESSO” e la variabile
“CHI ACQUISTA IL PRODOTTO”.
Dalla tabella è possibile ricavare che in un rapporto di coppia è
l’uomo che acquista in maggioranza il prodotto, infatti dai dati risulta
uno schiacciante 53,5% e a conferma di ciò anche le donne
sostengono che è il proprio partner il responsabile dell’acquisto.
Relativamente bassa risulta la percentuale di donne che comprano e
ancora di più quella degli uomini che dichiarano di non acquistarli da
se.
Degna di nota risulta essere la variabile “insieme” che non è stata
inserita nel questionario da noi somministrato, ma è stata comunque
indicata dal 5,1% degli intervistati, rispettivamente con 2,7% e il
2,3% delle donne.
18
In base ai grafici dell’indice chi-quadrato e dell’indice V di Cramer si
può osservare come il valore dell’indice V di Cramer risulti elevato:
quindi possiamo concludere che non c’è dipendenza statistica tra
le variabili “SESSO” e “CHI ACQUISTA IL PRODOTTO”.
19
Tavola di contingenza tra la variabile “FREQUENZA DI OGNI
RAPPORTO” e la variabile “SITUAZIONE SENTIMENTALE”.
Dalla tabella è possibile esaminare come tra le situazioni
sentimentali la variabile “sposato/a” sia stata poco considerata tra le
varie opzioni, anche perché il nostro target riguardava gli studenti
universitari milanesi tra i 18 e i 28 anni. In totale nei questionari
raccolti le persone sposate sono 6, ma 5 persone non utilizzano il
preservativo.
Osservando le altre variabili, si esamina come sia per i single che i
fidanzati ci siano rapporti al mese (14,8% per i single e 10,5% per i
fidanzati); mentre la percentuale cresce per la popolazione dei
fidanzati con più rapporti alla settimana, 24,2% con 62 osservazioni.
20
Dalle analisi sugli indici statistici chi-quadrato e V di Cramer
possiamo osservare come il valore della V di Cramer sia inferiore a
0,3, cioè un valore medio quindi è possibile sostenere che le variabili
“SITUAZIONE SENTIMENTALE” e “FREQUENZA DI OGNI RAPPORTO”
ci sia dipendenza statistica.
21
Tavola d i cont ingenza t ra la var iab i le “METODO
ANTICONCEZIONALE TOTALE” e la variabile “SITUAZIONE
SENTIMENTALE”.
Da questa tabella possiamo comprendere come in generale i due
metodi anticoncezionali più utilizzati sono il coito interrotto con
55,9% e la pillola anticoncezionale con 46,5%. Il coito interrotto è
utillizzato maggiormente dai fidanzati mentre per quanto riguarda la
pillola anticoncezionale il risultato è simile tra single e fidanzati.
Da sottolineare il 15,2% della pillola del giorno dopo, utilizzata
principalmente dai single.
Come evidenziato in precedenza la variabile “sposato/a” non è
basilare per la notra analisi.
22
Tavola di contingenza tra la variabile “SESSO” e la variabile “CHI ACQUISTA IL PRODOTTO”
In base ai dati si osserva come il coito interrotto e la pillola sono il metodo anticoncezionale preferito sia dagli uomini che dalle donne.
I dati però risultano poco significativi perché la percentuale di uomini è diversa da quella delle donne. Quindi ponderando i singoli valori otterremmo dati mediamente uguali per tutte le variabili.
23
Factor Analysis
Le caratteristiche prese in considerazione nel nostro questionario
sono 13, e più precisamente:
-notorietà della marca
-lubrificazione
-aroma
-colore
-dimensioni
-tipologia di pacchetto
-funzioni specifiche
-spessore
-materiale
-sicurezza percepita
-forma
-pubblicità
-rapporto qualità/prezzo.
Abbiamo chiesto ai nostri intervistati di darci una valutazione
d’importanza sulle singole caratteristiche e dalle risposte ottenute
abbiamo realizzato la factor analysis, che è servita come punto di
partenza per la cluster analysis.
24
La factor analysis è molto utile nello studio delle relazioni tra
variabili, al fine di trovarne un nuovo insieme di dimensioni minori
rispetto a quello originiamo, che esprima ciò che è in comune fra le
variabili originarie stesse.
Il primo passo dell’analisi è stato valutare il numero di variabili e il
numero di componenti da tenere in considerazione, dato che l’utilità
dell’analisi fattoriale è un’effettiva riduzione della complessità.
Il numero di componenti tipicamente
considerato in un’analisi fattoriale sui
benefici (12-18 items) varia tra 3 e 6.
Il secondo step è stato analizzare la
percentuale di varianza cumulata
spiegata, in seguito abbiamo posto
attenzione sulle comunalità, che sono
le varianze delle singole variabili, e
sullo scree plot, un grafico che riporta
la percentuale di varianza spiegata da
ciascun fattore.
Nella nostra analisi abbiamo deciso di utilizzare 5 componenti perché
già rappresentano una notevole semplificazione rispetto alle 13
caratteristiche di partenza, e perché la percentuale di varianza
spiegata dai primi 5 fattori è del 67,433%, che è un valore più
accettabile , dato che si considerano valide le analisi che riescono a
spiegare una varianza cumulata compresa tra il 60 e il 70%.
25
La percentuale di varianza spiegata è un buon indicatore anche della
media tra le varianze delle singole componenti ovvero le comunalità,
che nel nostro caso oscillano tra 0,428 per il pacchetto, e 0,823 per
la notorietà della marca, quindi un valore di 0,674 rappresenta una
buona approssimazione della media.
Anche osservando lo screen plot ci siamo resi conto che un’analisi
con 5 componenti vada bene in quanto la pendenza della retta
raffigurata nel grafico dalla componente 5 in poi si riduce
notevolmente. In seguito abbiamo ragionato sul metodo di rotazione
più adatto da utilizzare. Lo scopo della rotazione è individuare una
struttura dei fattori più semplice. Da un lato si desidera che ciascun
fattore abbia correlazioni non nulle solo per alcune variabili, dall’altro
si desidera che le variabili abbiano correlazioni non nulle solo per
alcuni fattori.
26
Tra i molteplici output che è possibile ottenere dagli stessi input
iniziali è opportuno scegliere quelli che forniscono una più chiara e
comprensibile evidenza delle correlazioni tra variabili e fattori. Per
questa ragione abbiamo deciso di utilizzare il metodo di rotazione
Varimax, in quanto i risultati ottenuti con gli altri due metodi
Equimax e Quartimax non ci permettevano una buona
interpretazione dell’output.
Rotated Component MatrixaRotated Component MatrixaRotated Component MatrixaRotated Component MatrixaRotated Component MatrixaRotated Component Matrixa
ComponentComponentComponentComponentComponent 1 2 3 4 5
Colore_imp ,855 Aroma_imp ,832 ,198 ,214 Funzioni_imp ,561 ,402 ,416Sicurezza_imp ,777 ,242 -,198
Materiale_imp ,208 ,712 -,121 ,321 Spessore_imp -,114 ,646 ,136 ,264 ,197
Notorietà_imp ,903 Pubblicità_imp ,262 ,284 ,704
Pacchetto_imp ,293 ,492 ,260 ,178
Dimensioni_imp ,112 ,854
Forma_imp ,355 ,195 ,638
Lubrificazione_imp -,163 ,340 ,177 ,776
QP_imp ,239 ,345 -,210 ,638Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 8 iterations.a. Rotation converged in 8 iterations.a. Rotation converged in 8 iterations.a. Rotation converged in 8 iterations.a. Rotation converged in 8 iterations.a. Rotation converged in 8 iterations.
Una volta stabilito il numero di componenti, ed il criterio di rotazione
abbiamo ottenuto questa tabella che mostra le correlazioni tra le
variabili originarie e le componenti individuate.
27
Ciascuna variabile viene associata al fattore col quale possiede la
correlazione più elevata. Il fattore viene quindi interpretato
considerando le variabili ad esso associate.
Passiamo adesso all’analisi dei risultati ottenuti con la factor
analysis:
Il primo componente risulta particolarmente correlato a colore,
aroma e funzioni specifiche, e per questo lo abbiamo definito con il
nome “caratteristiche tangibili”.
Il secondo componente è molto correlato con sicurezza, materiale e
spessore e per questo abbiamo deciso di chiamarlo “caratteristiche
intrinseche”.
Al terzo componente risultano correlate notorietà, pubblicità e
pacchetto che abbiamo definito come “riconoscibilità esterna”.
Correlate al quarto componente sono risultate dimensioni e forma
che abbiamo definito come “caratteristiche anatomiche”.
Al quinto componente per esclusione sono risultate correlate le
ultime due caratteristiche, lubrificazione e rapporto qualità/prezzo, e
dunque abb iamo dec i so d i de f in i r l o come “rapporto
lubrificazione/prezzo”.
28
Regressione
E’ stata effettuata un’analisi di regressione
per capire quale fosse l’impatto dei driver di
sodd i s faz ione per i consumator i d i
preservat iv i . Le var iabi l i sono state
selezionate per passi (Stepwise).
Inizialmente abbiamo provato ad analizzare tutte le variabili di
soddisfazione presentate nel nostro questionario (notorietà,
lubrificazione, aroma, colore, dimensioni, pacchetto, funzioni,
spessore, materiale, rapporto qualità/prezzo, sicurezza, pubblicità,
forma).
29
Tuttavia procedendo in questa maniera ci risultavano dei coefficienti
beta negativi per il quinto item.
Per ovviare il problema abbiamo analizzato la correlazione di
ciascuna variabile rispetto tutte le altre. Andando per tentativi, pur
tenendo conto di quanto ci mostrava la tabella di correlazione tra le
variabili, abbiamo escluso alcuni driver di soddisfazione dall’elenco
delle variabili indipendenti. Ad un primo momento abbiamo escluso
le sole variabili “funzioni” e “sicurezza”.
Per l’ultimo, invece, oltre a “funzioni” e “sicurezza” abbiamo escluso
anche la variabile “aroma”. Di seguito la tabella defintiva con i
coefficienti beta:
30
Il quarto modello della nostra ultima analisi di regressione è quello
che presenta un R-quadro maggiore, quindi il più significativo.
Model SummaryModel SummaryModel SummaryModel SummaryModel Summary
Model R R Square Adjusted R Square Std. Error of the Estimate1 ,493a ,243 ,240 ,877
2 ,605b ,366 ,361 ,804
3 ,633c ,401 ,393 ,784
4 ,641d ,411 ,401 ,779
Trasformando i valori dei coefficienti beta in peso percentuale
emerge come il driver relativo alla sicurezza ha l’impatto maggiore
sulla soddisfazione globale (41,25%).
R QUADRO 0,411 COEFFICIENTI %Sicurezza_sod ,373 41,25%Pacchetto_sod ,240 26,55%Forma_sod ,168 18,58%Pubblicità_sod ,123 13,62%
,903 100,00%
31
Nonostante quindi la diffusa differenziazione di prodotti presente nel
mercato (Durex ad esempio offre ben 12 modelli di preservativi
differenti) per il campione considerato ciò che soddisfa
maggiormente è la sicurezza, ovvero l’efficacia del contraccettivo e
la sua funzione di prevenzione delle malattie sessualmente
trasmissibili.
32
Cluster Analysis
La seconda tecnica di analisi
multivariata che abbiamo deciso di
utilizzare è la cluster analysis.
Q u e s t a è u n a t e c n i c a d i
classificazione automatica in gruppi
o m o g e n e i i n t e r n a m e n t e e
disomogenei esternamente, nel marketing viene usata per prendere
decisioni sia strategiche che operative, relative all’analisi di
segmentazione e studio del comportamento della clientela, allo
sviluppo e nella ricerca di opportunità per potenziali nuovi prodotti e
alla scelta di aree-test di mercato. Nel procedimento di realizzazione
dell’analisi, si deve procedere per tentativi, in quanto il numero di
cluster viene stabilito e priori, e un aspetto da tenere in
considerazione è la numerosità delle osservazioni in ciascun cluster,
perché deve essere preferibilmente omogenea o comunque non
inferiore a un limite che definisce la significatività operativa del
cluster. La presenza di cluster formati da un numero ridottissimo di
unità potrebbe segnalare la presenza di dati atipici (outlier) che
andrebbero eliminati prima di lanciare la procedura o comunque
trattai separatamente.
Iniziando l’analisi abbiamo deciso di provare con 3 cluster, scelta che
si è rivelata non adatta per due ragioni. La prima riguarda la
numerosità dei cluster, in quanto al primo tenatativo avevamo un
cluster con solo 4 osservazioni e quindi di scarsa importanza per la
nostra analisi. Questo problema era però risolvibile applicando dei
33
filtri al database dei dati in modo da eliminare quelle osservazioni
che rappresentano degli outlier. Il un secondo tentativo, questa volta
con l’applicazione del filtro, ci ha però fornito un output poco
significativo, perché il livello di significatività del test F, della
componente “caratteristiche anatomiche” era superiore al 5%,
quindi non significativo. In questo caso la numerosità di osservazioni
per ogni cluster era soddisfacente, non avendo nessun cluster con
un numero di osservazioni ridotto.
ClusterCluster ErrorError
F Sig.Mean
Square df Mean Square df F Sig.Caratteristiche tangibili 63,105 2 ,450 249 140,325 ,000
Caratteristiche intrinseche 6,889 2 ,718 249 9,594 ,000
Riconoscibilità esterna 29,447 2 ,683 249 43,118 ,000
Caratteristiche anatomiche 2,019 2 ,916 249 2,203 ,113
Rapporto lubrificazione/prezzo
58,884 2 ,518 249 113,676 ,000
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
Al secondo tentativo dunque abbiamo deciso di provare con 4
cluster. Questa volta l’analisi ci ha fornito dei dati di output
accettabili. Il numero di osservazioni presenti in ogni cluster è
considerevole, e ci consente una buona analisi dei dati raccolti.
Anche i valori che il test F rappresenta indicano una significatività
elevata, e questo rafforza la bontà della nostra scelta. Una
34
soluzione di cluster analysis è accettabile quando tutte le variabili
mostrano un test F significativo.
Aumentando il numero di cluster, la significatività migliora
globalmente (non necessariamente per una variabile specifica). Se,
nonostante l’aumento del numero dei cluster, il livello di
significatività di una singola variabile non migliora, è possibile che
tale variabile sia in realtà tendenzialmente omogenea nei suoi valori
su tutto il campione; pertanto è preferibile eliminarla dalla procedura
di clusterizzazione. Particolare attenzione deve essere posta sulla
significatività delle variabili giudicate più importanti per la
segmentazione dal punto di vista del marketing.
ANOVAANOVAANOVAANOVAANOVAANOVAANOVA
ClusterCluster ErrorError
F Sig. Mean
Square df Mean Square df F Sig.Caratteristiche tangibili 27,754 3 ,625 248 44,426 ,000
Caratteristiche intrinseche
21,294 3 ,519 248 41,039 ,000
Riconoscibilità esterna 39,484 3 ,446 248 88,619 ,000
Caratteristiche anatomiche
14,584 3 ,760 248 19,194 ,000
Rapporto lubrificazione/prezzo
36,359 3 ,555 248 65,494 ,000
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.
La tabella che segue è utile per individuare le caratteristiche dei
cluster rispetto alle variabili considerate e per giudicare
l’interpretabilità dei cluster stessi per le decisioni di marketing.
35
Final Cluster CentersFinal Cluster CentersFinal Cluster CentersFinal Cluster CentersFinal Cluster Centers
ClusterClusterClusterCluster 1 2 3 4
Caratteristiche tangibili -,50273 -,51776 -,58747 ,60357
Caratteristiche intrinseche
,60341 -,01579 -,72500 ,35369
Riconoscibilità esterna -1,52239 ,19080 ,48721 ,27801
Caratteristiche anatomiche
-,18620 ,32941 -,66221 ,29157
Rapporto lubrificazione/prezzo
,01829 -1,86113 ,33121 ,20200
Passiamo ad analizzare i singoli cluster per individuarne le
caratteristiche. Le persone che sono inserite nel primo cluster sono
caratterizzate dall’assegnare un’importanza abbastanza elevata alle
caratteristiche intrinseche e invece sono decisamente poco attratte
dalla riconoscibilità esterna. Il secondo cluster è caratterizzato da un
interesse per le caratteristiche anatomiche e da un quasi
disinteresse per il rapporto lubrificazione/prezzo. Gli intervistati che
sono stati inseriti nel terzo cluster dimostrano un elevato interesse
per la riconoscibilità esterna del prodotto, mentre chi è stato inserito
nel quarto cluster ha manifestato un interesse per tutte le
caratteristiche, anche se un interesse leggermente più spiccato è
stato notato per le caratteristiche tangibili.
La tabella mostrata sopra può essere opportunamente sintetizzata
lavorando sull’ordinamento dei cluster per ciascun fattore (ranking
per riga) e leggendo in seguito la tabella per colonna, cioè per
ciascun cluster.
36
Cluster 1 Cluster 2 Cluster 3 Cluster 4Caratteristiche tangibili 4 3 2 1
Caratteristiche intrinseche
1 4 3 2
Riconoscibilità esterna 4 3 1 2
Caratteristiche anatomiche
3 1 4 2
Rapporto lubri9icazione/prezzo
3 4 1 2
A seguito dell’interpretazione dei dati ci è sembrato utile per una più
facile comprensione dei risultati, dare un nome ai cluster. Il primo
cluster lo abbiamo chiamato i “PRUDENTI”, per l’importanza che
attribuiscono alle caratteristiche intrinseche, come sicurezza,
materiale e spessore. Il nome che abbiamo attribuito al secondo
cluster è i “MAXI”, per la grande importanza attribuita alle
caratteristiche che avevamo definito come anatomiche e che sono
forma e dimensione. Per il terzo cluster caratterizzato per
l’importanza data alla riconoscibilità esterna del prodotto, che
racchiude le caratteristiche di notorietà della marca, pubblicità e
pacchetto, abbiamo scelto il nome di “STILOSI”. Abbiamo deciso di
chiamare il quarto cluster “COMPLETE”, data la notevole
importanza data tutte le caratteristiche.
37