Project Work Data Analysis (Mozzarella) - A.A. 2020/2021, Esercizi di Analisi Dei Dati

Scarica Project Work Data Analysis (Mozzarella) - A.A. 2020/2021 e più Esercizi in PDF di Analisi Dei Dati solo su Docsity!

INDICE

INTRODUZIONE

Obiettivi e formule di ricerca,

Descrizione del campione

ANALISI DESCRITTIVA

Consumo marche per intervistato,

Attributi marca e prodotto

APPROFONDIMENTI SULLA MARCA

Analisi preferenza per marca,

Cluster marche consumate

CONFRONTO CON LA

CONCORRENZA

Rispetto agli attributi del prodotto (Riduzione

dimensioni, differenza tra marche, preferenze

analysis, mapping)

SEGMENTAZIONE PRODOTTI

K-means su attributi/fattori di prodotto, test

cluster per preferenza, marca e area

CONCLUSIONI

Sintesi risultati,

suggerimenti operativi o strategici

UTILIZZO DELLE VARIABILI UTILI

A questo punto, viene effettuata una riduzione della dimensionalità allo scopo di sintetizzare in dimensioni più riassuntive e indipendenti gli attributi per rendere il report meno complesso. Questo perché poi gli attributi vengono utilizzati per confrontare le marche e quindi si rende necessaria una sintesi. È stato deciso di prendere in esame gli attributi della marca per procedere alla stesura del report, perchè la contenuta numerosità delle variabili in esame ci permette di effettuare un’analisi più semplice. La media è intorno al 5,5 ma questo deriva dalle modalità di rilevazione dei dati. Si distribuisce in maniera sostanzialmente simmetrica. Le variabili riguardati gli attributi della marca sono:

• Specializzata nella mozzarella di latte vaccino
• Specializzata nella mozzarella di Bufala
• Affidabile
• Che fa prodotti di qualità
• Che opera da molti anni, ha una lunga esperienza
• Che offre prodotti sempre freschi
• La cui produzione rispetta la tradizione.
• Con una distribuzione nazionale
• Che propone offerte promozionali
• Che fa molta pubblicità
• Con prodotti a Denominazione di Origine Protetta

Come si denota dalla Figura 4, emergono delle uguaglianze in termini di preferenza, presentando delle leggere discrepanze per quanto riguarda il confronto tra marche. In particolare:

• Nella preferenza “Specializzazione delle mozzarelle di Bufala”, Pettinicchio risulta maggiormente apprezzata dai consumatori, differenziandosi da Vallelata per 0,48 punti.
• Nella preferenza “Che fa molta pubblicità”, Vallelata risulta più efficiente rispetto a Pettinicchio che viene apprezzato meno nel campo adv di 0,9 punti.

ANALISI PREFERENZA PER MARCA

Tramite l’analisi della varianza (ANOVA) si verifica la significatività delle differenze tra due o più medie. Nello specifico si indaga sulla presenza di differenze significative tra le medie per quanto riguarda la preferenza associata alle varie marche di mozzarelle. Dopo aver svolto l’analisi tramite il software statistico JMP ed esserci accertati che p-value (Prob

F) sia significativo (p < 0,05) risulta possibile identificare differenze statisticamente significative tra le medie. Il grafico sulla sinistra della Figura 5, mostra la disposizione delle medie per la preferenza delle varie marche. La differenza tra le medie relative alla preferenza per marca si può notare inoltre verificando la tabella sulla destra, sotto la voce “Medie per ANOVA a una variabile”, dove si evidenzia che solo la categoria di marca “produttori locali” ha una preferenza media più alta (7,60265) rispetto a Pettinicchio e che invece “Cuomo” ha una preferenza media nettamente più bassa (4,61308) rispetto a Pettinicchio.

CLUSTER DI MARCHE CONSUMATE

Sono stati effettuati degli approfondimenti su ogni marca mediante una clusterizzazione gerarchica al fine di individuare la distribuzione per cluster delle marche rispetto alle componenti ruotate di marca, come è possibile vedere dalla Figura 6.

Marketing

• Con una distribuzione nazionale
• Che propone offerte promozionali
• Che fa molta pubblicità Bufala DOP
• Specializzata nella mozzarella di Bufala
• Con prodotti a Denominazione di Origine Protetta Alla luce delle analisi condotte finora e dei risultati ottenuti, si procede con delle analisi di regressione, iniziando con i 3 attributi di marca ritenuti più significativi. R-quadro permette di verificare quanto la variazione della risposta è attribuita al modello piuttosto che all’errore residuo, per cui, come è possibile verificare dalla Figura 8, i fattori Qualità, Marketing e Bufala DOP presentano si un R-quadro positivo e incluso nel range da 0 a 1, ma non possiedono grande potere esplicativo, in quanto più vicini a 0 che a 1. I risultati evidenziano come la analisi della varianza ANOVA sia significativa per quanto concerne i fattori Qualità e Marketing, ma non significativa per il fattore Bufala DOP. Infine, attraverso questa analisi è risultato possibile osservare come si posizionano i due marchi a confronto per le categorie citate. Pettinicchio dimostra di essere più apprezzato rispetto a Vallelata in termini di qualità e riconoscibilità in quanto produttore di mozzarelle di Bufala DOP, mentre per quanto concerne il fattore Marketing, Vallelata possiede una maggiore brand recognition nell’adv rispetto a Pettinicchio che dovrebbe potenziare la comunicazione in questo senso.

CLUSTER PER ATTRIBUTI DI PRODOTTO

Al fine di raggruppare gli attributi di prodotto in cluster, è stata utilizzato il metodo di clusterizzazione k-means, efficiente per l’analisi, la gestione e la visualizzazione di data-set di grandi dimensioni. Si è scelto quindi di valutare un range di cluster da 3 a 5. La soluzione a 3 cluster, durante l’analisi dei risultati in dettaglio, risulta poco rappresentativa dell’intero campione, in quanto uno dei 3 cluster raggruppa circa il 60% del totale dei casi, quindi l'analisi risulterebbe disomogenea. Abbiamo quindi optato per le soluzioni a 4 e a 5, che al contrario presentano dei cluster più uniformemente distribuiti. Successivamente, è stata effettuata una stima tra Cluster a 4 variabili e Cluster a 5 variabili per verificare la stabilità e composizione dei suddetti cluster. La tabella di contingenza (Figura 9) evidenzia come il cluster 2 dell’analisi a 5 variabili, racchiuda delle “rimanenze” di ciascuno degli altri cluster, nel dettaglio: 1, 3, 4 e 5. Così, dall’incrocio dell’analisi a 4 e a 5 variabili, emerge la seguente corrispondenza:

• Cluster 1 (analisi a 4 variabili) = Cluster 3 (analisi a 5 variabili)
• Cluster 2 (analisi a 4 variabili) = Cluster 5 (analisi a 5 variabili)
• Cluster 3 (analisi a 4 variabili) = Cluster 1 (analisi a 5 variabili)
• Cluster 4 (analisi a 4 variabili) = Cluster 4 (analisi a 5 variabili) Grazie all’analisi dei dati ottenuti, e al trasferimento dei suddetti su Excel, è stato possibile visualizzare in maniera più chiara anche attraverso la formattazione condizionale della tabella di dati, la composizione di ciascun cluster, che ha permesso di categorizzare gli attributi di prodotto, rendendo maggiormente visibili attributi positivi e negativi. Dalle seguenti tabelle (Figura 10) è stato possibile determinare le seguenti interpretazioni. Interpretazione del cluster a 5 :
• Cluster 1: “Da consumare a crudo”
• Cluster 2: “Buone per cucinare ma care”
• Cluster 3: “Eccellenti e sane”
• Cluster 4: “Buone ma gusto un po’ forte”
• Cluster 5: “Brutte, complessivamente mediocri” Interpretazione del Cluster a 4 :
• Cluster 1: “Eccellenti e sane”
• Cluster 2: “Brutte, complessivamente mediocri”
• Cluster 3: “Da consumare a crudo”
• Cluster 4: “Buone ma gusto un po’ forte”

MARCHE

Anche in questo caso è stata effettuata una stima Y (cluster 5) rispetto a X (marca 100+) effettuando un Filtro dati locali e focalizzando l’attenzione sui due brand presi in analisi dall’inizio del nostro report: Pettinicchio e Vallelata. Come è possibile visualizzare dalla Figura 11, composta dall’analisi di contingenza presa dal software JMP e dalla tabella trasportata su file Excel e modificata tramite formattazione condizionale, si verifica come marca per marca se la percentuale con la quale ogni marca è presente in ogni singolo cluster è alta o bassa. La percentuale della marca all’interno dei cluster è diversa? È risultata una totale contrapposizione dei risultati tra i due brand, infatti:

• Pettinicchio : è preponderante la presenza nei Cluster 1 (57,7%) e Cluster 3 (57,5%), mentre per quanto riguarda il Cluster 4, la presenza del marchio copre il 51,1%. Nei restanti Cluster 2 (34,1%) e Cluster 5 (48,6%), Pettinicchio non ricopre una presenza maggioritaria.
• Vallelata : è preponderante la presenza nei Cluster 2 (65,9%), per quanto riguarda il Cluster 5, la presenza del marchio ricopre il 51,4%. Nei restanti Cluster 1 (42,3%), 3 (42,5%) e 4 (48,9%), Vallelata non ricopre una presenza maggioritaria. Dopodiché, sulla medesima tabella, sono stati presi in considerazione, anziché il “conteggio” e la “% di colonne”, le variabili “previsto” e “deviazione” ed è stata calcolata la formula: deviazione / RADQ del valore previsto per ciascuna dei due brand, al fine di valutare se il valore “residuo standard” fosse maggiore di 2 e minore di -2 a confronto con il valore della variabile standard. Dai risultati si evince che c’è un sostanziale equilibrio dei due brand all’interno dei cluster, eccezion fatta per il Cluster 2 nel quale, la presenza di Vallelata è preponderante rispetto a quella di Pettinicchio che è assente.

MAPPING

Secondo i valori analizzati e valutati tramite ANOVA (componenti ruotate dei fattori produttivi per marca 100+), è stato possibile identificare due delle suddette componenti per la loro significatività: gusto e reperibilità. Come si evince dalla Figura 14, i due brand presi in considerazione si trovano esattamente agli antipodi, in quanto Pettinicchio ha un gusto inconfondibile ma una bassa e difficoltosa reperibilità presso i punti vendita, mentre Vallelata di differenzia per un gusto mediocre ma ad una reperibilità capillare sul mercato. I due brand di mozzarelle sui quali abbiamo svolto le analisi dal punto di vista degli attributi di marca e prodotto permettono di osservare sostanziali differenze. Si presentano come due marchi di mozzarelle indipendenti. Tuttavia è stato importante studiarle per cogliere quelli che fossero gli aspetti e le caratteristiche rilevanti e in grado di differenziare l’offerta di Pettinicchio, e per impostare nel miglior modo possibile future valutazioni in materia di marketing. Le analisi effettuate hanno restituito un risultato chiaro. Dai fattori ruotati abbiamo ricavato un brand mapping dal quale emerge come Pettinicchio risulti maggiormente di qualità rispetto a Vallelata, purtroppo però la reperibilità del prodotto Pettinicchio è molto più difficoltosa rispetto ai prodotti della concorrenza. Dall’analisi effettuata e dallo studio dei risultati emerge la necessità di rendere maggiormente capillare la distribuzione del marchio Pettinicchio così da essere maggiormente reperibile. I territori nei quali concentrare gli sforzi logistici si dividono in 3 categorie:

• Nord: buona reperibilità e preferenza all’acquisto. I competitor principali sono Granarolo e Vallelata.
• Centro: reperibilità da migliorare, la preferenza del prodotto Pettinicchio si posiziona dopo Francia, Cuomo, Boiano e Vallelata.
• Sud: buona reperibilità e una preferenza buona. Il brand si posiziona dietro ai produttori locali i quali sono molti attivi nell’area, il competitor più attaccabile è Vallelata. Inoltre, per quanto riguarda la marca, è fortemente consigliato che Pettinicchio investa in maniera massiccia sul lato marketing incentivando iniziative di advertising e promozioni. Le analisi condotte hanno perciò contribuito a rispondere agli obiettivi prefissati, ovvero quelli di evidenziare i fattori di valutazione che influenzano le decisioni d’acquisto degli acquirenti di Pettinicchio e Vallelata, sottolineandone le preferenze; analizzare la concorrenza tenendo conto dei marchi scelti e di indagare in che misura i fattori precedentemente rilevati orientino in generale i consumatori nella scelta di consumo. Abbiamo rilevato una distribuzione in 5 cluster abbastanza omogenei per numerosità dove è possibile valutare le preferenze dei consumatori categorizzate secondo i 5 cluster. I consumatori quindi sono sempre più orientati verso scelte eccellenti e sane, vista la tendenza attuale al consumo di cibi più leggeri ma mantenendo un gusto e una qualità elevati.