Appunti completi di Analisi quantitative di mercato (Corso Progredito) - AQM CP

Statistica: analisi quantitative di mercato (corso progredito)

L'analisi di mercato nel mondo 3.0: opportunità e sfide con i Big Data

Il marketing è costituito da tre elementi che interagiscono fra loro:

• La ricerca
• La strategia
• L'azione

Il suo fine consiste nell'individuazione dei bisogni e dei desideri dei consumatori, nella loro soddisfazione con maggiore efficacia ed efficienza. L'impresa cerca di reperire informazioni dall'ambiente esterno (mercato) e farle proprie, per produrre e poi trasmettere nuove informazioni nuovamente verso l'esterno.

Ma come fa l'impresa ad ottenere informazioni sui consumatori? Quando l'impresa acquisisce queste informazioni da parte dei consumatori? Quando acquistiamo un prodotto. All'atto dell'acquisto, l'impresa acquisisce informazioni che le permetteranno di conoscere meglio i consumatori in modo da poter sviluppare nuovi prodotti o modificarne di già esistenti, oltre che consigliare il consumatore durante la fase d'acquisto attuale o futura grazie a degli algoritmi che vengono creati analizzando gli acquisiti precedenti.

Il prodotto è un complesso progetto che contiene l'identità dell'impresa stessa. La scelta di un prodotto o di una marca rispetto ad altro, fa parte di un processo più complesso rispetto alla semplice necessità di usufruire di quel prodotto/servizio: il prodotto ci rappresenta e permette di comunicare la nostra idea all'esterno e, allo stesso modo, dà feedback all'azienda che approva e sostiene l'idea/progetto che l'impresa ha avuto.

L'azienda, avendo ricevuto questo feedback, sarà in grado di produrre ulteriori prodotti/servizi che rispondono al meglio a quella "visione di mondo".

Se è vero che è sempre stato importante raccogliere informazioni durante l'acquisto, ciò diventa ancor più essenziale oggigiorno. Strumento fondamentale per l'acquisizione delle informazioni relative all'acquisto sono le fidelity card con cui si possono conoscere gli importi delle spese, la frequenza e i prodotti acquistati dal consumatore. Al momento della sottoscrizione della fidelity card, il commerciante cerca di profilare al meglio il consumatore chiedendo informazioni sociodemografiche (genere, età, ...). Ciò aiuta sicuramente in caso di successo del prodotto, ma permette di trovare soluzioni anche in caso di insuccesso attraverso il riposizionamento del prodotto (es. Coca-Cola che negli anni ’80 fu presa di mira da persone attente al fitness. Coca-Cola per rispondere a questa esigenza produsse la diet coke, prodotta fino a quando Coca-Cola si accorse che la diet coke era un prodotto femminile, ciò spinse a creare la coca zero) trovando nuovi sistemi di vendita del prodotto (es. esselunga predilige la vendita di prodotti monoporzione perché più frequentata da single e coop prodotti formato famiglia perché più frequentata da famiglie). Anche la scelta di advertising viene fatta in base ad uno studio dettagliato di variabili sociodemografiche (es. i prodotti rivolti ai giovani non vengono più pubblicizzati in TV, bensì attraverso i social network). È attraverso l'analisi di tipo quantitativo dei clienti o futuri clienti che si basano i budget d'impresa.

Ricerche di mercato e big data

Durante il meeting di ASSIRM, "Il futuro delle ricerche di mercato tra big data e smart value" il 30/10/2015 emergono due aspetti:

• L'idea di poter estrapolare ed utilizzare i big data che provengono dal web impatta sulle ricerche di mercato: le aziende oggi vogliono usarli sebbene non sappiano cosa siano nel concreto e come si usano, ma sanno che possono essere utili.
• Le ricerche classiche mantengono un ruolo fondamentale perché così come possiamo distinguere un dato certificato proveniente da istituti certificati (es. Istat) anche il dato prodotto con survey classiche ha un'affidabilità estremamente grande perché viene veicolato e pensato su un campione tendenzialmente rappresentativo della popolazione di nostro riferimento; i big data non hanno una valenza così importante... pensiamo ai like su facebook: non si sa da cosa è stato generato, non si può indagare più di tanto, posso averlo lasciato perché l'ha messo un mio amico, l'ho messo per vedere i commenti, ecc. Il ricorso delle interviste tradizionali quindi non può essere tralasciato.

Una ricerca del 2020 rivolta ai lavoratori del settore marketing aziendale (aziende italiane e internazionali) rivela che:

• Il 92% ricorre ad indagini digitali
• Il 89% ricorre ad interviste "tradizionali"
• Il 55% ricorre ai social media

Informazioni offline

Se dovessimo fare una survey, quali informazioni necessita il questionario? Tramite il questionario possiamo acquisire informazioni che in modi alternativi è impossibile catturare. Non bisogna fermarsi alle informazioni socio-demografiche, ma andare oltre.

• Informazioni socio-demografiche:
  • Età
  • Genere
  • Reddito (importante per capire il potere di spesa del consumatore, variabile molto difficile da catturare in Italia)
  • Occupazione
  • Livello d'istruzione (categorie di prodotto si differenziano proprio sulla base d'istruzione)
• Profili psicografici: vanno oltre lo studio dell'atteggiamento del consumatore rispetto ad un prodotto o servizio. È molto importante analizzare i profili psicografici, e essi sono sostanzialmente analizzabili solamente tramite questionario.
  • Abitudini
  • Atteggiamenti
  • Valori
  • Interessi
  • Opinioni

La segmentazione

La segmentazione moderna è sempre più dinamica, nel grafico vediamo come le informazioni che vogliamo acquisire passano in un continuum da statico a dinamico.

• Analisi statica: acquisiamo informazioni come il genere, la geo localizzazione e il profilo (consumatore o azienda)
• Analisi transazionale: si monitora l'approccio del consumatore rispetto al prodotto o servizio che si vende. Il problema è che solitamente ci si ferma qui, senza andare ad indagare sulle motivazioni che portano un consumatore ad approcciarsi in una certa maniera al prodotto o servizio.

Possiamo ampiamente analizzare i like su Facebook, ma non riusciremo ad indagare sulle motivazioni che hanno spinto a mettere il like, non riusciamo a capire se i like sono per noi importanti o no.

Il World Wide Web

Internet è una rete informatica d'interconnessione globale ad accesso pubblico che connette dispositivi nel mondo. La connessione avviene tramite protocolli TCP/IP che costituiscono la lingua comune con cui i computer connessi a Internet (gli host) sono interconnessi e comunicano. Il web rappresenta una componente del nuovo modo di fare ricerche di mercato (es. si veicolano le survey via web).

Dal Web 1.0 al Web 3.0

• Web 1.0: Modello di comunicazione unidirezionale, un solo autore responsabile di pubblicare i contenuti e diversi lettori che vi accedono. Gli aggiornamenti dei contenuti sono visibili sul portale d'interesse. Forum e community caratterizzate da interessi comuni.
• Web 2.0: Modello di comunicazione bidirezionale (many to many) gli utenti partecipano alla costruzione dei contenuti e diffusione grazie all'uso dei blog, forum e social network. Gli aggiornamenti dei contenuti sono visibili tramite RSS (Rich Site Summary) formato su cui si basano i flussi d'informazione che permettono di essere aggiornati su articoli e commenti d'interesse.
• Web 3.0: Trasformazione del web in un super-database ricco di informazioni per poter facilitare l'accesso ai contenuti da parte dei web-software in modo da migliorare sempre di più la ricerca agli utenti. Prevalgono le tecnologie basate sull'intelligenza artificiale e sulla realtà aumentata.

Le informazioni online

Il passaggio da web 1.0 a web 3.0 ha fatto sì che la maggior parte delle informazioni oggi attraversi il web e, attraverso la condivisione degli interessi, vi è l'opportunità di monitoraggio degli utenti e delle loro informazioni. Il fatto che l'informazione sia online e sia pubblica non vuol dire che sia etico e permesso scaricare queste informazioni, e quindi l'attività di profiling diventa sempre più difficile.

La difficoltà è meno evidente per aziende come Google che hanno possibilità di monitorare l'attività di noi utenti attraverso l'utilizzo degli smartphone in quanto si ha geolocalizzazione immediata e indicizzazione delle ricerche attraverso i motori di ricerca.

L'individuo come data manager

L'individuo lascia nel tempo sempre più tracce nel web. Nel 2005 i dati prodotti a livello globale sul web erano pari a 160 Exabytes e si stimava che nel 2020 sarebbero diventati 35 Zettabytes. Twitter produce circa 7TB al giorno e facebook 10TB: è questa osservazione che ha messo in crisi la capacità di analisi di questi numeri, ed è dunque nata la necessità di definire un nuovo tipo di dato, il dato che noi chiamiamo Big Data.

Il big data è il dato che rivoluziona sia la business analytics sia l'atteggiamento e monitoraggio dei clienti. I big data dunque pongono due problemi: l'analisi e l'archiviazione dei dati vista la mole d'informazioni.

Tre definizioni di Big Data

• I big data è un tipo di dato che è difficile da poter essere archiviato e che richiede dei software e tool speciali per poterlo gestire e processare. – Teradata Magazine article, 2011
• Ci si riferisce a dei dataset che sono difficili da catturare, gestire, sintetizzare ed analizzare. – McKinsey Global Institute, 2012
• Il big data è una raccolta estesa in termini di volume, velocità e varietà tali che per essere analizzati devono essere usati dei tool specifici per l'estrazione di valore – Wikipedia, 2016

Le 5V dei Big Data

Nel 2001 l'analista Dog Laney aveva definito il modello di crescita dei dati come tridimensionale 3V: volume, velocità e varietà.

• Volume: Se dieci anni fa il problema delle aziende era il lato del volume (non esistevano sistemi hardware in grado di archiviare una grande quantità di dati) si è abbastanza lavorato, ora è possibile. La sfida successiva è estrarre informazioni dalle informazioni che abbiamo salvato.
• Velocità: Il fatto che il volume sia così grande è anche perché questi dati vengono creati in maniera estremamente veloce (es. in facebook ogni secondo ci sono persone che forniscono informazioni in quel sistema).
• Varietà: Se considero twitter, ci permette di creare un dato non strutturato che contiene le informazioni degli utenti (es. informazioni di localizzazioni o sociodemografiche) e poi c'è uno spazio in cui scrivo il mio pensiero. La parte testuale è un dato variabile e destrutturato cioè non è un dato che viene codificato a priori. La variabilità dei dati è ancora più visibile su facebook in quanto non abbiamo limiti rispetto alla scrittura e possiamo condividere foto, video, post. Inizia a diventare difficoltoso quando cerchiamo di estrarre del valore da questi dati.

Nel 2013 Demchenko, Y. And Grosso, P. And de Laat, C. and Membrey P. aggiungono altri 2 ulteriori valori V: Veridicità e Valore

• Veridicità: possibilità di verificare l'autenticità di quello che viene dichiarato attraverso i social media e quanto questa informazione sia realmente accessibile. Il poter credere che la persona esprima le preferenze sia il profilo corrispondente alla persona che effettivamente si sta monitorando. Bisogna inoltre essere sicuri che le preferenze/post della persona siano provenienti da questa persona. Questo problema è nato dalla presenza di un mezzo che appunto media. Nell'esempio di analisi su social media potremmo incappare in profili fake, oppure profili gestiti in coppia di persone, tutto ciò sporca le analisi.
• Valore: capacità di poter fornire un'informazione che sia interessante all'analisi. Fatte determinate ipotesi possiamo confermare o disconfermare la nostra idea. Le indagini standard hanno un elevato valore perché permettono attraverso i metodi statistici ad estrarre conoscenza dai dati ed evidenziare correlazioni tra dati che possono essere utili a strategie o fare ulteriori ipotesi sui dati a disposizione. Con i big data il valore non è ancora stato dimostrato e di conseguenza è ancora un punto aperto rispetto a cui riflettere.

Data e Big Data a confronto

Dati strutturati: sono spesso gestiti SQL, un linguaggio di programmazione creato per la gestione e l'interrogazione di database. Esempi di dati strutturati includono numeri, parole, date.

Dati non strutturati: sono dati, come ad esempio i messaggi di testo, le informazioni sulla posizione, video e dati di social media, che non seguono un formato specifico. Per essere analizzati si seguono diverse tecniche e software di analisi. Una di queste è la tecnica con architettura Hadoop: i dati vengono tracciati e reindirizzati su dei cluster (computer) diversi in base alla tipologia di informazione ricevuta. Il computer legge le informazioni ricevute, cerca di sintetizzarle e darci una risposta corretta con una certa evidenza.

Uso dei big data

Esempi di successo di Big Data

• Privato: Costruzione dei cosiddetti sistemi di raccomandazione (recommender system), come quelli utilizzati da Netflix e Amazon per fare proposte di acquisto sulla base degli interessi di un cliente rispetto a quelli di milioni di altri. Macy usa Big Data per cambiare quasi in tempo reale i prezzi dei suoi prodotti per circa 73 milioni di oggetti. La variazione della quantità di prezzo avviene in base alla domanda e alla disponibilità di prodotti presenti in magazzino. Wallmart Stores usa BD attraverso analisi testuali, sul machine learning, sul significato dei sinonimi e sui dati semantici, pensata per far funzionare il sistema di ricerca interno allo store Walmart.com. American Express usa i Big Data per cercare tutti quegli indicatori che servono a predire la chiusura anticipata dei conti finanziari. Analizza le transazioni storiche e 115 variabili differenti, con cui Amex è ora capace di individuare circa il 24 percento dei conti che verranno chiusi nei quattro mesi successivi.
• Pubblico: Studio traiettorie delle auto che giornalmente impegnano la rete stradale cittadine per meglio indirizzare traffico. Previsione delle ondate di influenza (Google trends disponibilità Flu) al fine di programmare la forniture dei vaccini. Google trend da appunto solamente il trend, la tendenza di una certa ricerca ma non ci indica il dato assoluto. I trend certificano le ricerche ISTAT ed Eurostat.

Questioni importanti sui Big Data

• Il Big data cambia la definizione di conoscenza: a volte non è scoprire la motivazione ma registrare i movimenti apparenti.
• Obiettività e oggettività sono a volte fuorvianti
• I big data, usati al di fuori del loro contesto, perdono di significato
• Avere tanti dati non significa che siano più informativi di un dataset più piccolo costruito con una survey
• Il fatto che siano accessibili i dati non vuol dire che sia un comportamento eticamente corretto.
• Vi è un limitato accesso ai big data dovuto al digital divide

Il big data è un'opportunità sia per chi fa marketing o business analytics. Bisogna usarli con cautela, e non pensarli come sostitutivi del dato standard.

Il processo di ricerca: costruzione di un'analisi e raccolta delle informazioni

Definizione del problema e degli obiettivi di ricerca: l'azienda ci mette al corrente di un problema che vuole risolvere (es. voglio espandere il mio raggio d'azione, voglio sapere quanto è grande la mia domanda potenziale). È nostro compito capire come tradurre il problema di marketing in una ricerca e gli obiettivi. Quanto più saremo in grado di capire il problema, tanto più saremo in grado di tradurlo in una ricerca che poi darà dei buoni risultati. Dobbiamo chiederci cosa devo misurare? Chi devo intervistare?

Nel caso in cui dovessimo comparare due prodotti, dovremmo prendere in considerazione il set di attributi che li descrive e capire quali sono gli attributi che sono ritenuti più importanti dai nostri clienti o potenziali e porre le domande nel questionario. Nel caso volessimo capire il grado di soddisfazione di un prodotto/servizio, bisogna rilevare le caratteristiche del prodotto e si chiede agli utenti di valutare ciascun attributo.