












































































Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Documento completo dove ho integrato slide, dispense e appunti presi a lezione nell'anno accademico 2025/2026.
Tipologia: Appunti
1 / 84
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!













































































Le ANALISI DI MERCATO le fanno:
SOFTWARE PER DATA SCIENCE: PLAYER PRINCIPALI -> Nel contesto della data science applicata al marketing e alla gestione dei clienti, spesso si lavora con dataset estratti da sistemi CRM, ovvero archivi contenenti informazioni sui clienti di un’azienda. Durante l’analisi è anche possibile generare nuovi dati, ad esempio costruendo un modello interpretativo della customer satisfaction. Questi dati derivati sono preziosi e diventano parte integrante del patrimonio informativo aziendale. Il churn è un termine nato nel settore delle telecomunicazioni e indica il comportamento di abbandono da parte di un cliente, che passa da un’azienda concorrente a un’altra. È una metrica centrale nell’analisi della customer retention. I software possono essere classificati in base a diversi criteri:
SONDAGGIO = rilevazione di dati primari ottenuti tramite interviste strutturate rivolte a un campione di soggetti. Le interviste strutturate prevedono un questionario con domande definite e ordinate secondo gli obiettivi della ricerca. Il sondaggio presenta alcune caratteristiche fondamentali:
Formulazione delle domande -> Molti errori nascono da una formulazione sbagliata delle domande. Alcuni esempi di domande errate:
Raccomandazioni per formulare buone domande :
Tutte le analisi di mercato utilizzano come input una matrice di dati unità × variabili, cioè una tabella in cui:
Obiettivi:
meglio la popolazione che si voleva rappresentare. È una tecnica fondamentale quando, dopo la raccolta dei dati, ci si accorge che alcune categorie sono sovra- o sotto-rappresentate. Ponderare significa aggiungere una colonna di pesi alla matrice dei dati , così che ogni unità contribuisca all’analisi in misura proporzionata e non abbiano tutte la stessa importanza:
In queste situazioni, la mancanza non è un semplice errore: diventa parte del fenomeno da interpretare. Esistono test statistici specifici che permettono di verificare se i missing sono casuali o sistematici.
PROBABILITA’ = misura della possibilità che un evento si verifichi. Intuitivamente si può definire come il rapporto tra: Esempio: lanciamo una moneta, la probabilità di ottenere testa è 1/2, perché ci sono due possibili risultati e uno solo è favorevole. La probabilità è sempre un numero compreso tra 0 e 1 :
Esempi pratici di distribuzioni discrete – caso CALL CENTER: Molti fenomeni reali sono modellabili con distribuzioni discrete. Consideriamo un call center o una persona che deve contattare l’INPS. Variabile casuale: prendere la linea / trovare la persona → chiamato “successo” Ipotesi tipiche del modello:
Le distribuzioni normali non sono una sola, ma infinitamente molte, perché ogni combinazione di media (μ) e varianza (σ²) genera una diversa curva normale. Per semplificare i calcoli, si usa una distribuzione di riferimento: DISTRIBUZIONE NORMALE STANDARD -> caratterizzata da: cioè media = 0 e varianza = 1 (deviazione standard = 1). Ogni variabile normale 𝑥~𝑁(𝜇; 𝜎2) può essere trasformata in una variabile standardizzata 𝑧~𝑁 (0; 1). Come? Attraverso la standardizzazione -> Se la varianza è 0 -> significa che tutte le osservazioni sono identiche, quindi non c’è area. Alcuni valori convenzionali -> Nella distribuzione 𝑁 (0; 1) valgono le seguenti percentuali fondamentali:
Esempi di domande di marketing:
Vallelata prod locali Francia Boiano Granarolo Cuomo 23,6% 24,0% 30,8% 31,5% 33,3% 94, numero citazioni n % Vallelata 427 94, prod locali 151 33, Francia 143 31, Boiano 140 30, Granarolo 109 24, Cuomo 107 23, attributi med devs prodotti sempre 7,58 1, prodotti di qualità 7,57 1, affidabile 7,46 1, lunga esperienza 7,20 1, distribuzione 7,19 1, rispetta la 7,11 1, molta pubblicità 6,63 1, prodotti DOP 6,23 1, offerte 5,70 2, mozzarella di 5,27 2,
esegue la media tra tutti gli attributi riferiti alla mozzarella (per ciascuna variabile si esegue una media). In riferimento alla diversificazione dei pareri, si risponde con le varianze e in particolare con le devianze standard: sui prodotti di qualità gli intervistati sono più d’accordo rispetto a quanto dimostrato dalle offerte promozionali (si guarda il secondo valore).
𝑛
𝑖 = 1
Media degli scarti di x dalla sua media * media degli scarti di y dalla sua media = TOT / N
compresi tra –1 e +1:
deduzione teorica, non un’informazione fornita dalla correlazione stessa. In questi casi, una correlazione elevata non dimostra la causalità: può solo confermare una teoria già esistente.