Appunti Analisi Competitiva - Prof.ssa Ardizzone

MAPPE E POSIZIONAMENTO - PREVISIONE QT DELLA DOMANDA E TREND DEISINGOLI SEGMENTI (calcolo elasticità con modelli causali) - SERIE STORICHE(uso media mobile e exponential smoothing)

1-MAPPE PERCETTIVE E DI POSIZIONAMENTO

La segmentazione è dove l'impresa compete all'interno del mercato (in quali porzioni di mercato, a quali consumatori vende) mentre la differenziazione è come l'impresa compete (come si distingue dagli altri, con quali prodotti compete).

Nel campo della segmentazione e della differenziazione è utile rappresentare delle mappe per visualizzare su un grafico come si svolge la competizione sul mercato. Come rappresentare graficamente la competizione in un mercato?

Mappe di posizionamento: - y=caratteristica della differenziazione; - x=prezzo o costo d'uso

Mappe percettive: - Su x e y due caratteristiche della differenziazione

Mappe di posizionamento con JMP

Esercizio con dati nelle colonne marca/modello, prezzo

E cilindrata (non standardizzati) delle automobili. Cioè vogliamo mettere su un grafico i modelli di auto a seconda per prezzo e della cilindrata (due variabili della differenziazione delle auto) quindi selezioniamo dalla tabella i dati delle colonne Marca, Prezzo, Cilindrata; copiamo e poi apriamo jmp, menu modifica--> incolla con noi di colonne. Anche qua guardo se la prima colonna è nominale e se le altre due sono continue.

1. Tasto destro su variabile marca/modello nel box a sx del foglio dati: etichetta (appare un tag giallo accanto alla variabile).
2. Menu grafico, costruttore grafici e ci appare una finestra con le tre variabili e un’anteprima di grafico. Trascinare la variabile prezzo sull’asse x e cilindrata su y. Dopo abbiamo dei punti sul grafico e una curva che non serve in realtà e quindi eliminare la curva di interpolazione cliccando sul quadratino in alto a sx (smoother). Però non sappiamo ogni puntino a cosa corrisponde.
3. Selezionare

tutti i punti del grafico, tasto dx, righe, etichetta righe, fine. Se i nomi sono ammassati bisogna ingrandire il grafico e si vedrà tutto meglio. Se clicchiamo di nuovo tasto destro possiamo colorare il grafico.

4. Per esportare: selezionare la croce latina bianca in alto a sinistra del foglio di output, selezionare il grafico, tasto dx, copia, incolla (oppure menu file, esporta, in formato pdf)

Mappe di posizionamento con SPSS

Dati da esercizi2.xls (foglio correlazione) con dati colonne marca/modello, prezzo e cilindrata (non standardizzati) delle automobili Copiare e incollare con nomi di colonne su un nuovo foglio dati (prima selezionare la prima cella in alto a sinistra, come se fosse A1 in Excel). Si incolla cliccando sulla prima cella e poi cliccando menu modifica, incolla con nomi delle variabili.

1. Menu grafici, finestre di dialogo legacy, dispersione/punti; selezioniamo dispersione semplice, definisci, mettere il prezzo sull'asse delle x e la cilindrata sull'asse delle y,

1. etichetta i casi in base a marca/modello
2. Prima di mettere ok andare Su opzioni, flaggare visualizza grafico con etichette casi (oppure,se si dimentica, poi su grafico nella finestra di output: doppio clic sul grafico, selezionare ipunti, tasto destro, mostra etichette dati (poi formattare a piacere dalla finestra proprietà).
3. A questo punto ci esce la mappa:
4. Per esportare: tasto dx sul grafico, esporta (scegliere il tipo file)

PREVISIONE QUANTITATIVA DELLA DOMANDA

Conoscendo la funzione di domanda, è possibile prevedere i dati di y (vendite per es di un prodotto o ciò che sarà le vendite future). Si può fare in due modi:

1. a seconda dei dati di altre variabili x (conoscendo prezzo, reddito, etc.) (modelli causali)
2. usando modelli autocorrelati (serie storiche in cui la domanda futura dipende dalla domanda nel passato e che influenzano e determinano la domanda)

Quindi, dopo avere stimato una funzione di domanda (del settore o del segmento o della singola impresa),

sistemi: 1. Utilizzando il tag strong per evidenziare il testo in grassetto: sostituendo dei dati di x (riferiti ad altre variabili come nei modelli causali o alle vendite passate come nelle serie storiche) è possibile sapere a quanto sarà uguale la y (le vendite), dati quei valori di x. Cioè, si può fare previsione (nel modo più semplice). Semplicemente analizziamo delle funzioni di regressione per vedere delle previsioni. 2. Utilizzando il tag em per evidenziare il testo in corsivo: Esercizio su previsione domanda: Fare regressione (menu analisi dati, regressione) 3. Utilizzando il tag
per andare a capo: - Equazione di domanda stimata: Batterie auto = 52.429 + 1,92 * immatricolazioni (di due anni prima) Quindi, se sappiamo il numero di immatricolazioni degli anni successivi, possiamo prevedere il numero di batterie che venderemo (sostituendo i valori alla funzione di regressione trovata). Andiamo sul file esercizi 4 e poi sul primo foglio "previsioni domanda 1" che richiede di: fare grafico a dispersione di batterie vendute e immatricolazioni, aggiungendo linea di tendenza (con equazione ed r2). Si può fare in due sistemi.

modi cioè un primo modo è creare il grafico a dispersione e aggiungere la linea e r2 e il secondo modo è usare il menu strumenti, analisi, dati. Creiamo il grafico a dispersione: selezioniamo i dati (colonne b,c fino alla riga 11) e poi inserisci, grafico a dispersione ed esce questo: I puntini rappresentano ognuno un anno. Mettiamo tasto destro e poi aggiungi linea di tendenza. Ci appare una finestra di dialogo sulla parte destra e clicchiamo il grafico lineare. Dobbiamo flaggare anche le ultime due cioè visualizza l'equazione e visualizza il valore r quadrato e possiamo chiudere la nostra finestra. Ci appare sul grafico l'equazione di regressione (sulla foto prima c'è già questo perché la foto è di dopo che abbiamo fatto questo comando). Ora abbiamo l'equazione sul grafico. Quei dati vuol dire che vendiamo più di 5 mila batterie per auto e che per ogni variazioni unitaria di immatricolazioni vendiamo 1,9 batterie

per auto. Oltre a quello che abbiamo fatto prima, l'esercizio ci chiede anche di "calcolare la funzione di domanda" e per farlo facciamo: menu analisi -> dati sulla destra -> regressione. Ora dobbiamo dire qual è la y (batterie, colonna c fino al 2015) e la x (immatricolazioni, colonna b). "Etichetta" deve essere flaggato. Per l'intervallo di output scegliamo noi dove metterlo. Confidenza deve essere 95% e poi clicchiamo su ok.

Ora abbiamo l'output completo della regressione:

Com'è la regressione?

Test f: è significativo perché la probabilità è minore di 0,05

R: gli r sono molto alti quindi vanno bene perché sono molto vicini a 1.

Equazione di regressione: Y=52429 + immatricolazioni x 1,92

Utilizzando l'equazione di regressione possiamo fare delle previsioni e calcolare le batterie che venderemo a distanza di due anni. Ci mettiamo in C12 e calcoliamo quanto saranno le batterie vendute

con le immatricolazioni del 2016. Quindi scriviamo =52429+1,92*b12 (b12 è il valore delle immatricolazioni nel 2016). Per copiare questo nella cella sottostante devo mettere il $ nelle prime due (a b12 no) ed esce questo.

File esercizi4.xls (foglio previsione domanda 2): Stimare la regressione multipla e poi sostituire i valori di x: calcolare la funzione di regressione

(Q_di_polizze=118,43+2,12*Prezzo+1,03*Pconc+3,08*Reddito) nell'equazione sostituire i valori delle variabili in base a cui fare la previsione (P=970, Pconc=960 e Reddito=440) Q_polizze=407,94

Intervallo di confidenza della previsione trovata: - calcolo del valore stimato +2 dev.ste -2 dev.ste oppure/e +3ds e -3ds - nell'intervallo di confidenza scelto (95% in due dev.std, 99% in tre dev.std) - Risultato: valori minimi e massimi assunti dalla variabile nell'intervallo di confidenza scelto

In pratica dobbiamo fare: 1. regressione multipla: menu strumenti → analisi dati → regressione → ok.

Dobbiamo inserire la y (quantità) e x (prezzo, pcone, reddito). Flaggare etichette, mettere il livello di confidenza 0,95 e mettere l'intervallo di output sotto. Viene fuori l'output in cui la regressione ha: test f è 0,0003313 cioè che è significativo e indica che la probabilità che le variabili siano contemporaneamente =0 è molto bassa, che la probabilità che i coefficienti x siano contemporaneamente pari a 0 è minore di 0,05, che la probabilità che i coefficienti beta siano tutti contemporaneamente uguali a 0 è minore del 5%; ora guardiamo gli r che sono molto buoni perché il valore è vicino a 1; l'intercetta non è significativo perché è 0,86 ma non ci interessa perché le altre variabili vanno bene; la equazione è Y= 118,43-2,12*prezzo+ 1,03*pconc + 3,08*reddito. 2. Previsione della domanda nel 2020 con P=970, P conc=960, Y =440 dobbiamo

applicarel’equazione mettendo al posto di p, pcon, y, i valori dati dal esercizio e quindi: ci mettiamo inb19 e scriviamo =b45 + b46*c19+b47*d19+b48*e19

Quindi abbiamo preso i valori dei coefficienti di: intercetta + prezzo nella regressione*prezzodell’esercizio+ pconc nella regressione*pcond dell’esercizio+reddito dellaregressione*reddito dell’esercizio=407,94.

Calcolare intervallo di confidenza del 95% della precedente previsione: ci mettiamo su i19 edobbiamo 407.94-2*errore standard = 289,73 che è il limite inferiore; nella cella sottoscriviamo 407,94+2*errore standard=526,14 che è il limite superiore. Quindi 407,94, che è ilnostro valore stimato, sarà al 95% compreso tra questi due limiti. Non è così precisa questastima perché il range è troppo ampio.

Calcolare intervallo di confidenza del 99% della precedente previsione: mentre per trovare il99% non mettiamo 2 ma mettiamo 3 e il limite inferiore

viene 230,62 e il limite superiore viene 585,25. Calcolare elasticità della domanda al prezzo ed al reddito con i valori medi: l'elasticità della domanda al prezzo misura la reattività della quantità domandata rispetto alla variazione del prezzo. L'elasticità della domanda al reddito misura la reattività della domanda rispetto alla variazione del reddito dei consumatori. L'elasticità incrociata misura la reattività della quantità domandata del bene A rispetto alla variazione del prezzo del bene B che può essere un sostituto o complementare. Per calcolare queste tre elasticità: Quindi per l'esercizio: calcoliamo prima i valori medi di quantità, prezzo, prezzo concorrente e reddito. Usiamo la formula =media(seleziono le celle della quantità) e stessa cosa facciamo con gli altri tre. Per calcolare elasticità D/P facciamo =B46*d25/d24 = -5,8 e questo risultato ci indica che la domanda è molto elastica cioè ogni piccolo aumento del prezzo determina una

più che proporzionale dim