Appunti Analisi di mercato

1. Le ricerche di mercato

Perché fare una ricerca di mercato?

1) La conoscenza dei clienti e dei concorrenti può offrire all’impresa (che si rivolge ad aziende specializzate, società di consulenza) un vantaggio competitivo:

• Rispondere ai bisogni dei clienti in modo più preciso.
• Differenziarsi rispetto ai concorrenti.

2) Conoscere il mercato costituisce un elemento fondamentale per un’impresa che intende operare in un’ottica orientata al mercato (market oriented):

• Costruire una chiara immagine di marca.
• Fidelizzare i clienti (rispondere meglio alle loro esigenze).
• Consolidare le relazioni con i fornitori e i distributori più utili per creare valore per l’impresa (valutazione degli effetti delle promozioni).

Le fasi di una ricerca di mercato

1. Descrizione del problema di marketing (es. posizionamento del brand, rispetto ai concorrenti)
2. Definizione del tema di ricerca (es. selezionare i brand concorrenti, restringendo l’ambito di osservazione e rilevare le differenze tra i brand percepite dal consumatore; definendo le variabili utili per rilevare queste differenze)
3. Definizione della formula della ricerca:

• Individuazione delle fonti di dati [es. dati campionari o dati panel (insieme di individui intervistati più volte nel tempo) o dati provenienti da fonti esterne, ufficiali e gratuite come ISTAT, o non ufficiali e non gratuite];
• Scelta della tecnica di raccolta dei dati (intervista telefonica o via web, dipende anche da quanto si vuole spendere);
• Individuazione dei metodi di analisi (es. regressione o analisi dei gruppi).

4. Esecuzione della ricerca (somministrazione del questionario, raccolta delle informazioni ed elaborazione)
5. Presentazione dei risultati della ricerca

Le tipologie di dati

• Dati primari: sono dati raccolti con lo scopo di effettuare un’analisi specifica (raccolti con indagini campionarie ad hoc).
• Essi rispondono a dei bisogni conoscitivi precisi, che non possono essere soddisfatti ricorrendo a fonti informative già esistenti, esterne o interne all’impresa.
• I dati collezionati con un’indagine campionaria sono dati primari.
• Dati secondari: sono dati collezionati per altri scopi, che possono essere utilizzati per le ricerche che l’impresa intende effettuare. Si distinguono in due categorie:
• Dati secondari interni: sono già disponibili all’interno dell’impresa ma sono stati archiviati per finalità non statistiche (ad esempio, amministrative o commerciali).
• Dati secondari esterni: sono accessibili consultando delle fonti informative esterne all’impresa (ad esempio, Istat o Eurostat) e sono stati collezionati in modo indipendente dai bisogni conoscitivi dell’impresa. 1

Le indagini campionarie

La realizzazione di un’indagine campionaria si sviluppa secondo alcune fasi fondamentali, comuni a ogni indagine.

1. Formulazione dell’obiettivo dell’indagine: si decide quali informazioni si vogliono raccogliere (si devono trovare delle domande mirate, per raccogliere le informazioni strettamente necessarie).
2. Individuazione della popolazione obiettivo: si individua l’insieme di unità su cui si vogliono rilevare le informazioni (es. per un’azienda di cosmetici: donne comprese tra 18 e 50 anni).
3. Scelta della tecnica di campionamento: campionamento probabilistico, non probabilistico, ripetuto (per dati panel).

Probabilistico: es. CCS (estrazione del tutto casuale). Posso calcolare la probabilità di estrazione di ciascun campione + necessità di avere a disposizione tutti gli individui possibili ovvero della lista della Campionamento popolazione obiettivo, ma nella pratica spesso non è disponibile una lista, quindi si usa un campionamento non probabilistico.

1. R

Non probabilistico: scelta non casuale, ma arbitraria (da parte di chi

2. G

conduce l’indagine).

3. J

4. Scelta del metodo di rilevazione dei dati (autocompilazione, ovvero via web, o compilazione assistita, ovvero con intervistatore).
5. Progettazione del questionario. Preferiamo questionari a domanda chiusa, sia per una questione di tempistiche sia per comodità di confronto M
6. Raccolta dei dati: dovrebbe avvenire in un intervallo temporale contenuto, evitando i periodi festivi o di vacanza.
7. Codifica e archiviazione dei dati (analisi via web: più comode).
8. Analisi statistica dei dati.
9. Stesura del rapporto di ricerca: si descrive l’indagine e si presentano i risultati, con i commenti opportuni. 2

2. Le indagini statistiche per le ricerche di mercato

2.1 Il campionamento

Indagine censuaria e indagine campionaria - definizioni

Un’indagine conoscitiva può essere condotta secondo due approcci distinti:

1. Indagine totale o censuaria: Il collettivo di unità su cui deve essere effettuata l’indagine è esaminato in maniera completa (troppo lunghe e costose).
2. Indagine parziale o campionaria: È esaminata solo una parte del collettivo - un campione - anziché la sua totalità.

Le fonti di errore

• Errore campionario: differenza tra il valore dello stimatore e quello del parametro. La sua entità dipende dalla variabilità del fenomeno nella popolazione e dalla numerosità campionaria.
• Errore non campionario: derivante da difetti insiti nella tecnica di rilevazione (perché non analizziamo l’intera popolazione ma solo un campione)

Un confronto tra l’indagine censuaria e l’indagine campionaria

Le rilevazioni campionarie

Nell’ambito delle ricerche di mercato è largamente diffuso il ricorso alle rilevazioni campionarie con vari obiettivi:

• Identificazione del mercato di un prodotto (potenziale di mercato di un prodotto);
• Analisi della soddisfazione dei clienti;
• Gradimento rispetto al lancio di nuovi prodotti; Scopo: raccogliere
• Analisi del comportamenti di acquisto; dei dati primari
• Previsione delle vendite.

L’assenza di fonti secondarie che soddisfano un obiettivo conoscitivo motiva il ricorso alla raccolta diretta e sistematica di informazioni con l’intento di comprendere, indagare e prevedere aspetti specifici del comportamento della popolazione di interesse.

Concetti preliminari

Il campionamento rappresenta uno dei principali strumenti della ricerca di mercato per la raccolta, analisi e interpretazione dei dati.

Esso prevede lo studio approfondito di un numero relativamente esiguo di elementi tratti da un insieme vasto.

Chi vuole utilizzare il campionamento deve conoscere:

• I principali metodi di campionamento;
• Il ruolo di ciascun metodo nel processo di ricerca;
• I limiti e le opportunità di ciascun metodo;
• Il grado di affidabilità dei vari disegni. 3

Definizioni

• Popolazione obiettivo (o di riferimento): insieme di elementi (finito o infinito) simili tra loro per una o più caratteristiche, che rappresentano l’oggetto di studio di una particolare indagine.
• Censimento: analisi della popolazione obiettivo nella sua totalità.
• Campione: sottoinsieme di unità estratte dalla popolazione di riferimento.
• Unità elementare di indagine: singolo elemento della popolazione oggetto di indagine (UP).
• Unità elementare di campionamento: singolo elemento da estrarre per comporre il campione (UC).
• Variabilità campionaria: da campioni differenti, estratti dalla stessa popolazione, si ottengono generalmente valori diversi dello stimatore.
• Distribuzione campionaria: distribuzione di frequenza dei valori dello stimatore ottenuti su un certo numero di campioni.

In base alle tecniche utilizzate per la selezione del campione, il campionamento può essere classificato come probabilistico o non probabilistico.

• Nel campionamento probabilistico la scelta delle unità è interamente affidata al caso.
• Nel campionamento non probabilistico è legata alla soggettività di chi raccoglie le informazioni.

Campione probabilistico

• Le unità della popolazione hanno tutte una probabilità nota e non nulla di essere estratte;
• È possibile definire l’insieme dei campioni distinti che possono essere estratti dalla popolazione;
• A ciascuno dei campioni possiamo associare una probabilità di selezione;
• Esiste un meccanismo di selezione casuale che garantisce la selezione di ciascun campione secondo una probabilità teorica.

Campione non probabilistico

La scelta delle unità campionarie avviene su base non casuale, ma secondo criteri di convenienza.

• Diverse tipologie: a scelta ragionata, per quote, volontario, a valanga.
• La soggettività di chi raccoglie i dati condiziona la scelta delle unità di rilevazione, introducendo una - distorsione da selezione del campione.

E

• Non si può ottenere una stima della precisione dei risultati (non si può ottenere una stima dell’errore campionario).
• Non si possono estendere i risultati campionari all’intera popolazione di riferimento.

-

• Il principale vantaggio è quello di non richiedere la formazione di una lista di campionamento.

Es. Persona che intervista fuori da Tes. persona un centro ↑ che va a casa commerciale di ogni ~X individuo per Svantaggi X intervistarlo ~X Vantaggi ~X ~(+) necessità di No Si ~X una lista 4

Definizione della popolazione

Prima di iniziare un’indagine campionaria è fondamentale definire con precisione la popolazione oggetto di indagine, in termini di:

• Unità di analisi. Esempio: Unità di analisi per indagine sui consumi: nucleo familiare (non singolo individuo);
• Ambito territoriale;
• Periodo di riferimento.

Valutazione della lista

Criteri:

• Adeguatezza: la lista copre la popolazione da campionare in modo adeguato agli scopi dell’indagine.
• Completezza: la lista contiene tutti gli elementi della popolazione.
• Assenza di doppioni: la lista non contiene più di una volta lo stesso elemento.
• Accuratezza: la lista è aggiornata e priva di errori. Convenienza: la lista è accessibile e gli elementi sono ordinati in modo tale da facilitare l’estrazione campionaria.

Fonti di liste a livello nazionale: esempi di liste

1. Registro elettorale: elenco degli individui aventi diritto al voto (è necessaria l’autorizzazione per usarlo).

Opportunità >-

• Elenco nazionale (ambito territoriale).

Limiti >- →

• Ritardi nell’aggiornamento scarsa accuratezza;
• Popolazione parziale (solo i maggiorenni) incompletezza
• È complicato selezionare le famiglie.

(Non adeguata per un’analisi sui consumi)

2. Registro delle imprese delle Camere di Commercio

Opportunità >-

• Elenco nazionale.

Limiti - →

• Mancano i professionisti (=lavoratori autonomi) e i coltivatori diretti incompletezza

Vedi slide per:

• Stime
• Stimatori
• Proprietà stimatori 5

2.2 I disegni campionari

1. Il campionamento casuale semplice (CCS)

Si estrae casualmente un campione di numerosità n da una popolazione di N elementi, senza o con - - ripetizione, in modo tale che ogni possibile campione abbia uguale probabilità di essere estratto. --

L’assenza di ripetizione sta a significare che un’unità non può entrare a far parte dello stesso campione più di una volta. Il CCS senza ripetizione è il più utilizzato.

La procedura di estrazione nel CCS senza ripetizione

• La prima unità è estratta casualmente tra le N disponibili, quindi una singola unità è inclusa nel campione alla prima estrazione con probabilità 1/ N
• La seconda unità è estratta casualmente tra le N − 1 disponibili, quindi una singola unità è inclusa nel campione alla seconda estrazione con probabilità 1/(N − 1)
• …
• La n-esima unità viene estratta a sorte tra le N−n+1 disponibili, quindi una singola unità è inclusa nel campione alla n-esima estrazione con probabilità 1/(N −n + 1).
• Le unità appartenenti alla popolazione sono numerate da 1 a 50, alle quali corrisponde in maniera univoca una lista di campionamento.
• Per estrarre un CCS di 10 unità (f = 1/5) con un opportuno software o mediante la tavola dei numeri casuali si genera una sequenza di numeri casuali, ad esempio {3, 6, 11, 12, 25, 28, 31, 37, 44, 46}.
• Le unità corrispondenti a tali numeri d’ordine costituiscono il campione.

Vantaggi del CCS

• La semplicità di esecuzione di questo tipo di campionamento è il suo principale punto di forza.

Svantaggi del CCS

• Il campione potrebbe presentarsi sparso sul territorio - con conseguenti costi elevati di organizzazione;
• Dal momento che tutti i possibili campioni hanno uguale probabilità di essere estratti è possibile estrarre un “cattivo campione”, ossia poco rappresentativo della popolazione.

Spazio campionario

Il numero di campioni distinti (cardinalità di Ω) che possono essere selezionati con un CCS senza ripetizione è:

La probabilità di estrazione di ogni campione è:

Nel CCS senza ripetizione le probabilità di inclusione del 1° e del 2° ordine sono:

La quantità f=n/N è chiamata frazione di campionamento e di sondaggio. 6

Il CCS, senza ripetizione, per variabili

Per stimare il valore medio μ di una popolazione si usa lo stimatore:

La varianza dello stimatore della media nel CCS senza ripetizione è 2,

Non essendo noto occorre stimarlo usando lo stimatore (corretto):

Quando è grande, la varianza può essere approssimata:

Se è sufficientemente grande, la distribuzione campionaria dello stimatore della media può essere approssimata con una normale: ,

Sulla base di tali considerazioni, uno stimatore per intervallo per μ, al livello di confidenza 1 − ε/2 dove è il quantile della distribuzione normale standard che lascia alla propria destra una/2 probabilità pari ad (ad esempio, 1,96 se =0,05)

Il CCS, senza ripetizione, per attributi

L’obiettivo di un’indagine può essere stimare la proporzione di unità della popolazione che possiedono un certo attributo o una determinata caratteristica.

Si definisce una variabile dicotomica, che assume il valore 1 per indicare la presenza della caratteristica in esame e il valore 0 per indicarne l’assenza (es. ho acquistato o no un certo prodotto).

Indicata con la frequenza relativa (proporzione) delle unità che presentano l’attributo di interesse nella popolazione, uno stimatore per è dove è la variabile dicotomica che è uguale ad 1 se l’-esima unità estratta presenta l’attributo ed è uguale a 0 in caso contrario.

La varianza dello stimatore per la proporzione è

Quando è grande, la varianza può essere approssimata:

Ora la proporzione non è nota, quindi si usa p per stimare la varianza: Quando la numerosità del campione è sufficientemente grande (n>>0), si accetta che lo stimatore si distribuisca in modo approssimativamente normale. , ,

Uno stimatore per intervallo (approssimato) della proporzione al livello di confidenza 1 − ε/2 dove è il quantile della distribuzione normale standard che lascia alla propria destra una/2 probabilità pari ad (ad esempio, 1,96 se =0,05) 7

2. Il campionamento stratificato

La popolazione obiettivo è classificata in sottopopolazioni - esaustive e mutuamente esclusive - dette strati (per identificare i diversi strati sono necessarie informazioni aggiuntive).

Gli strati devono essere possibilmente omogenei al loro interno ed eterogenei tra essi.

Da ogni strato si estrae un campione casuale semplice.

L’aggregazione di tali campioni produce il campione stratificato.

È necessario disporre di informazioni aggiuntive - variabili ausiliarie - per ogni unità della popolazione (per dividere in strati sono necessarie info aggiuntive, come ad esempio info socio-demo, età, sesso).

L’obiettivo principale di questa tecnica è estrarre un campione più efficiente - stime più precise o ugualmente efficienti ma con numerosità campionaria inferiore - rispetto al CCS.

Aspetti legati alla stratificazione

1. Individuazione dei caratteri correlati con quello oggetto di studio (importante che vi sia un legame).
2. Decisione sul numero di strati.
3. Disponibilità di una lista con le informazioni sui caratteri di stratificazione.
4. Scelta della frazione di campionamento in ogni strato (uniforme, proporzionale, ottimale).

Il guadagno di efficienza sarà tanto maggiore quanto più gli strati sono:

• Omogenei internamente (within);
• Diversi tra di loro (between)

La tecnica di estrazione del CST

• Dato N=50 si fissa la dimensione campionaria n=10 (numerosità campionaria finale) corrispondente a f=1/5
• Nella popolazione sono stati individuati 3 strati: N1=10 N2=25 N3=15
• Applicando f=1/5 ad ogni strato si ottengono le numerosità campionarie di strato: 8

3. Il campionamento a grappoli

Una popolazione oggetto di indagine può essere talvolta considerata come costituita da sottoinsiemi, - esaustivi e mutuamente esclusivi, di unità elementari, legate da un vincolo. I sottoinsiemi sono denominati grappoli (sottogruppi già esistenti