Modelli di marketing

Amedeo De Luca

Modelli di marketing

Statistica per le analisi di mercato. Segmentazione, Posizionamento, Comunicazione, Innovazione, Customer satisfaction

I modelli statistici per le analisi di mercato e dei bisogni della clientela hanno assunto oggi un’importanza risolutiva. Su questo terreno l’opera fornisce concreti strumenti metodologici, di supporto alle decisioni aziendali e alle strategie di marketing dell’impresa. Un testo per gli studenti dei corsi di laurea in Scienze Statistiche, Marketing e Comunicazione, i Master in Data Science, i Data scientist e gli analisti di Data mining, i professionisti di ricerche di mercato, i Crm e BI Analyst.

Edizione a stampa

45,00

Pagine: 496

ISBN: 9788891727589

Edizione: 1a edizione 2016

Codice editore: 1059.38

Disponibilità: Discreta

I modelli statistici per le analisi di mercato e dei bisogni della clientela hanno assunto oggi un'importanza risolutiva per l'innovazione, la competitività e lo sviluppo dell'azienda.
Su questo terreno l'opera fornisce concreti strumenti metodologici, di supporto alle decisioni aziendali ed alle strategie di marketing dell'impresa.
Il volume è strutturato in due sezioni: 1. Scelta del mercato-obiettivo, 2. Innovazione di prodotto e Customer satisfaction; suddivise in cinque parti e venti capitoli.
Parte I - Segmentazione di mercato (descrittiva su caratteri quantitativi, qualitativi e misti; predittiva con gli alberi decisionali; flessibile).
Parte II - Posizionamento di prodotti e marche (con l'analisi delle componenti principali, delle corrispondenze multiple, il multidimensional scaling).
Parte III - Misurazione dell'efficacia della comunicazione (nuovo approccio di valutazione degli effetti della pubblicità con le equazioni strutturali).
Parte IV - Innovazione e conjoint analysis (modello di stima di più funzioni di utilità per il lancio di nuovi prodotti; modelli basati sulla regressione logistica ordinale e multivariata; modello composito).
Parte V - Customer satisfaction (modello di valutazione con la regressione lineare multivariata, logistica, sulle componenti principali, con le equazioni strutturali). I modelli presentati (tutti originali (c) nelle tre Parti III-V) utilizzano dati aziendali reali.
L'opera si indirizza agli studiosi di analisi di mercato, agli studenti dei corsi di laurea
di Scienze Statistiche, Marketing e Comunicazione; ai Master in Data Science, ai Data scientist e agli analisti di Data mining. Il volume si rivolge anche agli Istituti di ricerche di mercato, ai Crm e BI Analyst ed ai Manager operanti nelle funzioni Commerciale, Marketing e Vendite.

Amedeo De Luca è professore a contratto stabilizzato di Analisi di mercato presso l'Università Cattolica del Sacro Cuore di Milano, nella quale svolge - da oltre trent'anni - attività didattica e di ricerca, sui modelli di mercato e sull'analisi dei dati. È stato docente in numerosi corsi di statistica applicata presso varie facoltà (Economia; Scienze Bancarie; Psicologia; ecc.) e università. È docente di discipline manageriali in Master di Marketing e in Business School. Ha operato per oltre trent'anni presso aziende di rilevanza nazionale. È autore di numerosi volumi e di articoli scientifici pubblicati su riviste nazionali ed internazionale. È Referee di varie riviste.

Amedeo De Luca, Presentazione
(Ringraziamenti)
Sezione A. Scelta del mercato-obiettivo
Parte I. Segmentazione di mercato
Segmentazione di mercato descrittiva con la cluster analysis su caratteri quantitativi
(Introduzione; Livelli di misurazione dei caratteri statistici; Classificazione generale delle variabili e dei corrispondenti metodi di segmentazione; Metodi di segmentazione descrittivi: la cluster analysis metrica; Metodi di segmentazione gerarchica; Metodi di segmentazione non gerarchica; Appendice metodologica; Riferimenti bibliografici)
Segmentazione di mercato descrittiva con la cluster analysis su caratteri qualitativi e quantitativi
(Introduzione; Gli Indici di similarità; Indici di similarità per caratteri dicotomici; Segmentazione non gerarchica basata su variabili binarie: applicazione; Segmentazione gerarchica in base a variabili dicotomiche: un'applicazione; Segmentazione sulla base di caratteri misti: qualitativi e quantitativi; Altri metodi di segmentazione: cenni; Riferimenti bibliografici)
Segmentazione di mercato predittiva con gli Alberi decisionali
(Introduzione; Metodologia degli Alberi decisionali; Segmentazione con variabili esplicative qualitative: algoritmo CHAID; Applicazione: segmentazione con l'albero di classificazione CHAID; Profilazione dei segmenti individuati; Segmentazione con variabili esplicative qualitative e quantitative: alberi di classificazione e di regressione (CART); Applicazione: albero di regressione con la metodologia CART; Appendice: Regole prodotte dall'albero decisionale; Riferimenti bibliografici)
Segmentazione di mercato composita con la conjoint analysis
(Introduzione e sintesi; Conjoint analysis classica e sue fasi; Segmentazione di mercato composita con la conjoint analysis metrica: metodologia; Riferimenti bibliografici)
Parte II. Posizionamento di prodotti e marche
Posizionamento di prodotti e marche con l'Analisi delle Componenti Principali
(Introduzione; Impiego dell'Analisi delle Componenti Principali (ACP) per il posizionamento di marche: un'applicazione; Riferimenti bibliografici)
Posizionamento di prodotti e marche con l'Analisi delle Corrispondenze Multiple
(Introduzione; Richiami all'analisi delle Corrispondenze Multiple; Aspetti metodologici dell'ACM; Un caso applicativo dell'ACM per l'analisi di posizionamento di marchi di gioielli Pret a porter nella mappa percettiva; Conclusioni; Riferimenti bibliografici)
Posizionamento di prodotti e marche con il Multidimensional scaling
(Introduzione; Strategie di posizionamento; Tecniche di Multidimensional Scaling (MDS) per la costruzione di mappe percettive; Applicazione del MDS: posizionamento di cinque marche di autovetture nella mappa percettiva; Appendice: Questionario di rilevazione; Riferimenti bibliografici)
Parte III. Valutazione dell'efficacia della comunicazione pubblicitaria
Comunicazione pubblicitaria e misurazione della sua efficacia: lo stato dell'arte
(Il dibattito sul ruolo della pubblicità; La comunicazione aziendale e il problema della misurazione della sua efficacia; La misurazione dell'efficacia della comunicazione; I modelli ad equazioni strutturali a variabili latenti; Riferimenti bibliografici)
Un nuovo approccio di misurazione dell'efficacia della comunicazione pubblicitaria con le equazioni strutturali a variabili latenti
(Introduzione e sintesi; Il caso in studio: misurazione dell'efficacia della comunicazione pubblicitaria nel settore del retail; Concetto di interesse e relativo costrutto concettuale; Misurazione degli elementi collegati al costrutto concettuale; Collegamenti causali tra gli elementi del costrutto concettuale: il modello per la valutazione dell'impatto globale della comunicazione pubblicitaria; I risultati conseguiti; Adattamento del modello stimato ai dati osservati; Valutazione degli effetti diretti ed indiretti sull'efficacia della comunicazione pubblicitaria; Direttrici di futuri sviluppi del modello: valutazione degli effetti di una singola azione sull'efficacia della pubblicità; Conclusioni; Appendice metodologica; Riferimenti bibliografici)
Sezione B. Innovazione di prodotto e customer satisfaction
Parte IV. Innovazione e conjoint analysis
Lancio di un nuovo prodotto con la conjoint analysis metrica
(Introduzione; La conjoint analysis (COA) come strumento decisionale e di segmentazione; Modelli di utilità della COA; Fasi operative della metodologia COA; Piano sperimentale della ricerca; COA metrica e non metrica; Funzioni di utilità individuale e funzione di utilità aggregata; La conjoint analysis metrica; Riferimenti bibliografici)
Un nuovo approccio alla conjoint analysis: stima di molteplici funzioni di risposta
(Introduzione e sintesi; Approccio alla COA non metrica; Il modello di regressione multipla multivariata generalizzata: stima di piu funzioni aggregate di risposta; Applicazione del modello proposto: stima di più funzioni di risposta o utilità nella COA; Grado di bontà del modello COA stimato; Conclusioni ed interpretazione dei coefficienti del modello in ottica di marketing operativo; Appendice: Codifica dummy; Riferimenti bibliografici)
Modello di conjoint analysis con la regressione logistica ordinale
(Introduzione e sintesi; Stima di più funzioni di risposta con il modello logit cumulativo; Applicazione del modello logit cumulativo; Conclusioni; Riferimenti bibliografici)
Modello di conjoint analysis con la regressione logistica multivariata: stima di molteplici funzioni di risposta ad effetti principali
(Introduzione e sintesi; Stima delle funzioni di risposta; Applicazione del modello; Riferimenti bibliografici)
Modello di conjoint analysis con la regressione logistica multivariata: stima di molteplici funzioni di risposta ad effetti principali e di interazione
(Presentazione; Introduzione; Stima di funzioni di risposta con la regressione logistica multipla multivariata su variabili dummy; Applicazione del modello; Significato del modello interpretativo e risultati empirici; Considerazioni finali; Appendice: Codifica dummy; Riferimenti bibliografici)
Parte V. Customer satisfaction e fidelizzazione della clientela
Un modello di regressione lineare multivariata con variabile risposta ordinale per la valutazione della customer satisfaction
(Introduzione e sintesi; Il modello generale di regressione lineare multipla multivariata; Il modello di regressione lineare multipla su variabili indicatrici; Il modello di regressione lineare multipla multivariata su variabili indicatrici; Presentazione del modello vincolato di regressione multipla multivariata su variabili indicatrici; Applicazione del modello proposto; Estensione del modello a più di due attributi di prodotto; Riferimenti bibliografici)
Un modello di regressione logistica con variabile risposta dicotomica e codifica binaria disgiuntiva/additiva dei predittori ordinali per la valutazione della customer satisfaction
(Introduzione e sintesi; Formulazione del modello con la regressione logistica su predittori ordinali indipendenti tra di loro; Formulazione del modello di customer satisfaction con la regressione logistica su variabili ordinali interdipendenti; Stima del modello di regressione logistica su predittori ordinali; Applicazione del modello di regressione logistica a risposta dicotomica su variabili ordinali per la valutazione della customer satisfaction; Conclusioni; Riferimenti bibliografici)
Un modello di regressione logistica con variabile risposta binaria e stima degli effetti principali e di interazione per la valutazione della customer satisfaction
(Introduzione e sintesi; Applicazione del modello; Un'interpretazione alternativa dei parametri del modello; Bontà di adattamento del mo

Potrebbero interessarti anche