Please enable JavaScript.
Coggle requires JavaScript to display documents.
STATISTICA 8: SEGMENTAZIONE DEL MERCATO - Coggle Diagram
STATISTICA 8: SEGMENTAZIONE DEL MERCATO
SEGMENTAZIONE
elemento essenziale dell'analisi di mercato
i segmenti di mercato vengono costruiti a partire da esigenze e desideri dei consumatori
OBIETTIVO:
individuare segmenti omogenei al loro interno e eterogenei fra di loro
I SEGMENTI OMOGENEI DEVONO POSSEDERE
ACCESSIBILITà
STABILITà
CONSISTENZA
REATTIVITà
IDENTIFICABILITà O MISURABILITà
FATTIBILITà
TECNICHE DI CLASSIFICAZIONE DEI SEGMENTI
i gruppi che si vanno a formare tendono ad avere una coesione interna e una separazione esterna
i gruppi vengono costituiti utilizzando i dati raccolti a partire da un set up di variabili quantitative/qualitative, denominato BASE DI SEGMENTAZIONE
i dati raccolti vengono riportati in una matrice X di dimensione nxp
n= righe, riproduce il profilo individuale dell'unità statistica
p= variabili
METODI DI CLASSIFICAZIONE
Classificazione sfocata (fuzzy)
Classificazione gerarchica
Classificazione rigida (hard)
Classificazione non gerarchica
BASE DELLA SEGMENTAZIONE
insieme di variabili utilizzate per costruire gruppi omogenei di consumatori
le variabili possono essere:
Generali
Specifiche per prodotto
Osservabili
Non osservabili
otteniamo cosi le variabili:
Osservabili e di tipo generale
caratteristiche culturali, socio-demografiche,...
Osservabili e specifiche del prodotto
comportamenti di acquisto e consumo
Non osservabili e di tipo generale
tratti della personalità, valori, stili di vita,...
Non osservabili e specifiche del prodotto
variabili psicologiche specifiche del prodotto
DESCRITTORI:
le variabili che entrano in gioco in fase di interpretazione dei profili dei segmenti
ANALISI DEI GRUPPI (CLUSTER ANALYSIS)
OBIETTIVO:
rintracciare gruppi di unità/variabili che hanno una qualche forma di similarità, ossia che appartengano allo stesso gruppo
I PRINCIPALI PASSAGGI:
Scelta delle variabili di segmentazione
Scelta di un criterio per valutare le similarità
Scelta delle unità da classificare
Scelta di un metodo e di un algoritmo di raggruppamento
Individuazione di una partizione ottimale
Analisi dei risultati
CRITERIO DI SIMILARITà
Variabili quantitative
DISTANZE
proprietà delle distanze (slide 16)
Simmetria
Disuguaglianza triangolare
Definizione positiva
Variabili qualitative
INDICI DI SIMILARITà
proprietà delle similarità
massima similarità
simmetria
METODI
NON GERARCHICI/ PARTIZIONALI
Ogni unità è assegnata ad un unico gruppo e i gruppi non sono sovrapponibili
GERARCHICI
ogni gruppo viene suddiviso in sottogruppi, aggiungendo nuovi livelli di gerarchia
ALGORITMI
TIPOLOGIE
CLUSTERING GERARCHICO
DENSITY-BASED CLUSTERING
K-MEDIE
ALGORITMI GERARCHICI
Produce un set di cluster organizzati come un albero gerarchico
Possono essere rappresentati graficamente con un dendrogramma, cioè un diagramma ad albero che registra le sequenze di unioni e divisioni
Non bisogna assumere in partenza un numero definito di gruppi
il numero desiderato di gruppi può essere ottenuto tagliando il dendrogramma al livello desiderato
2 metodologie
Agglomerative
Divisive
METODI (slide 24)
DEL LEGAME SINGOLO
DEL LEGAME COMPLETO
DEL LEGAME MEDIO
DEL CENTROIDE
DI WARD
PARTIZIONE OTTIMALE
Nella scelta della partizione ottimale, ruolo fondamentale assume la scelta del numero di gruppi
questa scelta può essere fatta:
A PRIORI
A POSTERIORI