REPORT DATA ANALYSIS, Prove d'esame di Management Analysis And Systems

Scarica REPORT DATA ANALYSIS e più Prove d'esame in PDF di Management Analysis And Systems solo su Docsity!

REPORT DATA

ANALYSIS

CONFRONTO A LIVELLO

DI BRAND TRA

PETTINICCHIO E

VALLELATA

A cura di: Alice Barbazza 1037756 Anna Bonassi 103871 Gaia Eleonora Caner 1027631 Marta Grieco 1027134

Indice

Obiettivi e formula di ricerca

Analisi fattoriale

Anova

Regressione

Cluster Analysis

Brand Mapping

Conclusioni

2. ANALISI FATTORIALE

Per condurre la nostra analisi, è stato necessario fare un’ analisi fattoriale al fine di aggregare gli attributi di marca presenti nel dataset. Questa scelta è stata presa con l’intento di semplificare quanto più possibile le relazioni delle variabili, individuando più fattori (dimensioni latenti) che potrebbero avere dato origine alle somiglianze tra le variabili del dataset. Nel nostro caso, il numero di fattori presi in esame è 4 (vedi Fig. 2):

Una volta arrivati a questo punto, si è deciso di facilitare l’interpretazione dei dati tramite l’operazione di rotazione dei fattori. Dalla rotazione delle componenti principali (nel nostro caso 11) sulle correlazioni a 4 fattori (ruotati Varimax) si spiega il 76,52% della varianza.

Figura 2: Analisi fattoriale degli attributi di marca a 4 fattori.

Figura 3: Analisi fattoriale degli attributi di marca a 4 fattori ruotati

Fattore 1: nel diagramma dei pesi, il Fattore 1 non ruotato conteneva tutti gli attributi di marca, esprimendo quindi una certa generalità. A seguito della rotazione dei fattori, il Fattore 1 identifica e raggruppa tutte quelle variabili che esprimono il concetto di qualità. In questo modo il Fattore 1 è maggiormente specifico rispetto a prima.

Fattore 2: i coefficienti degli item a seguito della rotazione si sono avvicinati maggiormente al valore uno (tutti tranne “con prodotti a Denominazione di Origine Protetta). Questo implica una forte correlazione tra i primi due. Per tale ragione, si è deciso di non considerare l’item “con prodotti a Denominazione di Origine Protetta” dato il valore basso del suo coefficiente. Vedremo poi come questo item si sposterà nel Fattore 3.

·Fattore 3: prima della rotazione dei fattori, il Fattore 3 conteneva altrettanti item (Specializzata nella mozzarella di Bufala, prodotti a Denominazione di Origine Protetta, Propone offerte commerciali). In seguito alla rotazione, i valori degli item si sono avvicinati maggiormente a uno e “propone offerte commerciali” si è spostato nel fattore 4. Il fattore 3 indica quindi, ora, un concetto legato al prestigio e all'alta qualità dei suoi prodotti.

·Fattore 4: a seguito della rotazione, il Fattore 4 identifica un solo item andando quindi a rappresentare quelle che sono le promozioni di Pettinicchio. Prima della rotazione, invece, il Fattore 4 conteneva più item esprimendo una certa generalità.

In seguito alla rotazione delle componenti principali (Fig. 3) il significato di queste è cambiato significativamente:

i 4 fattori (qualità, customer oriented, prodotti di qualità, promo) le due marche per noi oggetto di esame: Pettinicchio e Vallelata.

Una volta semplificato e individuato le strutture latenti, continuiamo con la nostra ricerca. La seguente analisi si propone di scoprire se i fattori precedentemente rilevati risultino essere decisivi per orientare le decisioni di acquisto dei consumatori finali. Per rispondere a questa domanda, è stato necessario svolgere l'analisi della varianza (Anova).

L’analisi della varianza (Anova) ci permette di confrontare le varianze tra le medie di gruppi diversi, ossia verificare il rapporto esistente tra gli attributi rilevati e le marche. A tal proposito si è messo a confronto:

Il livello di significatività scelto è pari al 95%. Il risultato del test F fornisce un valore di p-value significativo: nel concreto, tutti e quattro i fattori hanno un valore di p-value piccolo (p < 0,05). I quattro fattori non hanno, quindi, tutti la stessa media. Per tale ragione, dobbiamo rifiutare l’ipotesi nulla (H0) a favore di quella alternativa (H1). Vedi Fig. 4.

Concludendo, possiamo affermare che attraverso questa analisi è risultato possibile osservare come tutti e quattro i fattori , data la significativa differenza in media, influiscono sulle decisioni di acquisto da parte dei consumatori sui due brand.

3. ANOVA

Figura 4: Anova a una via.

Qualità Customer Oriented Promo

Approfondiamo ora solo questi tre, in quanto gli unici risultati singnificativi. Spostando l'attenzione sul loro coefficiente di regressione dalla colonna "Stima" si può osservare sia il tipo di relazione (se positiva o negativa) sia il loro contributo relativo di ognuno di essi. Tutti e tre i predittori hanno un coefficiente positivo , per cui all'aumentare di questi aumenta in maniera più che lineare la preferenza. Fornendo un esempio, all'aumentare del fattore "Customer oriented", la preferenza per il brand Pettinicchio aumenta a sua volta. Stesso discorso quale per "Qualità" e per "Promo". Per quanto riguarda, invece, il loro contributo relativo : il fattore Qualità ha un impatto relativo più alto rispetto agli altri predittori.

Concludendo, dall'analisi di regressione si è potuto dimostrare come i predittori Qualità, Customer Oriented e Promo influenzano positivamente la variabile dipendente "Preferenza " nei confronti del brand Pettinicchio. Probabilmente il fattore "Prodotti ad alta qualità" non influenza la preferenza nei confronti del brand Pettinicchio dato che viene già percepito come un brand attento a questo aspetto, tramite la proposta di mozzarelle pregiate. .

Figura 5: Regressione Lineare Pettinicchio

Qualità Prodotti ad alta qualità Promo ,

VALLELATA

Continuiamo ora con l’analisi di regressione del secondo brand: Vallelata. Il primo step consiste nell'osservare la significatività dell'Anova: nel caso di Vallelata è significativa (p < 0,05) e possiamo procedere com la nostra analisi.

R-quadrato assume un valore pari a 0,306 (leggermente inferiore a quello di Pettinicchio), quindi il modello stima in modo decente la variabile risposta "preferenza" (31%). Con un livello di significatività sempre pari al 95%, possiamo constatare come l'analisi risulti significativa per:

in quanto il loro p-value risulta essere molto piccolo (p < 0,05). Il fattore "Customer Oriented" non risulta, quindi, significativo per quanto concerne l'analisi di regressione per il brand Vallelata. Vedi Fig. 6.

Figura 6: Regressione Lineare Vallelata

5. CLUSTER ANALYSIS

Se prima abbiamo iniziato la nostra analisi ordinando le colonne tramite l’analisi fattoriale, ora faremo lo stesso ma con le righe. Per fare ciò è necessario clusterizzare, ossia classificare le unità statistiche in gruppi omogenei.

Si è deciso di clusterizzare le variabili che si riferiscono alle caratteristiche del prodotto. Nel concreto, abbiamo valutato un range di cluster da 3 a 5 e si è riscontrato come la soluzione a 3 cluster risulti essere maggiormente rappresentativa dell’intero campione, in quanto i cluster sono ben distribuiti. In seguito all’analisi dei dati ottenuti e al trasferimento di questi su Excel, è stato possibile visualizzare in maniera più chiara la composizione di ciascun cluster (Vedi Fig. 7).

Figura 7: Clusterizzazione per "Caratteristiche di Prodotto"

Le Raffinate (Cluster 1): sono tutte quelle mozzarelle il cui sapore viene apprezzato maggiormente da crude, probabilmente in quanto il loro gusto è delicato. Sono caratterizzate da un colore bianco candido e hanno un costo elevato. Cotte e Mangiate (Cluster 2): anche in questo cluster le mozzarelle presentano un costo elevato e a differenza delle “Raffinate”, sono maggiormente utilizzate per piatti caldi in cucina. Le Fresche (Cluster 3): anche qui le mozzarelle vengono consumate a crudo e la loro caratteristica distintiva è la sensazione di freschezza, infatti il sapore ricorda il latte appena munto.

Dopo aver eseguito la clusterizzazione, abbiamo deciso di confrontare le tipologie di mozzarelle con Pettinicchio e Vallelata, al fine di comprendere se i due brand sono più o meno caratteristici di un cluster o di un altro. Per rendere visibile ciò, si è disposto una tabella di contingenza (Fig. 8), in cui si sono incrociati cluster e marca, limitatamente a Pettinicchio e Vallelata.

Figura 8: Tabella di Contingenza

Pettinicchio risulta essere maggiormente caratteristico dei primi due cluster:

" Le Raffinate" e "Cotte e Mangiate"

Vallelata presenta prevalentemente caratteristiche nel cluster “Le Fresche”

Dalla tabella di contingenza si evince che:

Figura 10. Medie per Anova ad una variabile trasferite su Excel e grafico a dispersione.

Al fine di comprendere meglio le differenze di posizionamento dei due brand concorrenti, abbiamo costruito un’interpretazione grafica in cui proiettare le marche sulla base di due assi. Gli assi in questione sono stati scelti data la loro significatività tramite lo svolgimento dell’Analisi della varianza: i due fattori più significativi ed interessanti da analizzare sono, a nostro avviso, la variabile “Pubblicità” (p < 0,001) ed il fattore “Prodotti ad alta Qualità” (p < 0,0002).

6. BRAND MAPPING

Dal grafico, comprendiamo visivamente come Vallelata occupi una posizione migliore rispetto al concorrente Pettinicchio per quanto riguarda l'aspetto della Pubblicità , ma c'è comunque da precisare che sono entrambi validi sotto questo aspetto. Non si può dire lo stesso per quanto riguarda la L'alta qualità dei prodotti , in quanto Vallelata è posizionata nella media, mentre Pettinicchio ha valori molto alti.

7. CONCLUSIONI

Qualità Customer Oriented Prodotti ad alta qualità Promo

Per Pettinicchio abbiamo compreso che i fattori “Qualità” , “Customer oriented” e “Promo” sono significativi ed influenzano in modo positivo la variabile dipendente "Preferenza". Crediamo sia quindi opportuno investire in questi aspetti al fine di aumentare il gradimento verso il brand. Per Vallelata i fattori “Qualità” , “Prodotti ad alta qualità” e “Promo” sono significativi ed influenzano in modo positivo la variabile dipendente. Anche in questo caso, consigliamo di investire maggiori risorse in questi aspetti così da migliorare la preferenza di marca.

Dalle analisi fin ora condotte, possiamo rispondere agli obiettivi prefissati all’inizio. Tramite l’Analisi Fattoriale è stato possibile semplificare e ridurre i molteplici attributi di marca in 4 Fattori:

Attraverso l’analisi dell’ANOVA abbiamo compreso che questi fattori sono quelli che influenzano maggiormente le decisioni d’acquisto e, inoltre, abbiamo constatato, tramite una Regressione Lineare, come vi sia una relazione positiva tra questi e il gradimento nei confronti dei due brand in questione:

Abbiamo proseguito con la clusterizzazione delle variabili relative alle caratteristiche del prodotto e la divisione più rappresentativa è quella da 3 cluster. Si è poi confrontato le diverse tipologie di mozzarelle con i brand al fine di comprendere se questi ultimi fossero più o meno caratteristici di un cluster o di un altro, ed è evidenziato nei risultati che Pettinicchio è maggiormente caratteristico per i primi due cluster, mentre Vallelata è maggiormente presente nel terzo.

GRAZIE PER

L'ATTENZIONE!