facebook, foursquare ed il settore ho.re.ca: i servizi di geolocalizzazione tra oppurtunità e...
DESCRIPTION
progetto realizzato nell'ambito del corso di studi di "market research", dal team formato da - emanuele arena, alessia ciaccio, elisa floridia classe 7, corso di marketing management, università commerciale luigi bocconi Finalità principali del progetto: -Indagare le caratteristiche socio-demografiche e di media habit relative sia agli attuali Utilizzatori dei servizi di geo-localizzazione sia ai Non Utilizzatori -Individuare ed approfondire le motivazioni sottostanti all’utilizzo e al non utilizzo di tali servizi al fine identificare gruppi di individui omogenei internamente ed eterogenei esternamente accomunati da inclinazioni ed atteggiamenti simili verso i servizi di geo-localizzazione; -indagare le percezioni di valore dei rispondenti in riferimento a diversi profili promozionali al fine di pervenire alla identificazione di segmenti, che possano rappresentare dei target interessanti per eventuali azioni di mobile marketing da parte di The Bagel Factory,una start appartenente al gruppo California Bakery il cui format si i n s e r i s c e n e l l a r e c e n t e t e n d e n z a spiccatamente milanese delle caffetterie e pasticcerie American style. Per info contattare: [email protected] [email protected] [email protected]TRANSCRIPT
CClasse lasse 0707 _ AA 20_ AA 201111/20/201212MMarket arket RResearchesearch _ _ 2017320173
EMANUELE ARENAALESSIA CIACCIOELISA FLORIDIA
138530113856081348127
GRUPPO
2
AGENDA
Realtà aziendale di riferimentoObiettivi della ricercaFonti Analisi deskAnalisi qualitativa – focus groupAnalisi quantitativa – questionario Analisi descrittiva
Analisi univariataAnalisi bivariata
Processo di segmentazione: approccio classicoCluster analysis
Processo di segmentazione: approccio flessibile Conjoint analysisCluster analysis
Limiti dell’analisiImplicazioni di marketingConclusioni
The Bagel Factory è una start appartenente al gruppo California Bakery il cui format si i n s e r i s c e n e l l a r e cen t e t e nden za spiccatamente milanese delle caffetterie e pasticcerie American style. Il locale, situato in piazza XXIV Maggio, trae profonda ispirazione dalle bakery americane sia per la formula take-away sia per il menù in lingua inglese. In particolare The Bagel Factory si caratterizza per un mix d’offerta focalizzato s u uno de i p rodot t i magg io rmen te r a p p r e s e n t a t i v i d e l l a t r a d i z i o n e gastronomica statunitense: il bagel, una ciambella salata di pasta dapprima lievitata e poi fatta bollire, che si presta a farciture sia dolci che salate.
3
LA REALTA’ AZIENDALE DI RIFERIMENTO
COME THE BAGEL FACTORY POTREBBE UTILIZZARE I SERVIZI DI GEO-LOCALIZZAZIONEPER FINI PROMOZIONALI?
OBIETTIVO 1Indagare le caratteristiche socio-demografiche e di media habit relative sia agli attuali Utilizzatori dei servizi di geo-localizzazione sia ai Non Utilizzatori
OBIETTIVO 2Individuare ed approfondire le motivazioni sottostanti all’utilizzo e al non utilizzo di tali servizi al fine di:
User ����identificare gruppi di individui omogenei internamente ed eterogenei esternamente accomunati da inclinazioni ed atteggiamenti simili verso i servizi di geo-localizzazione;
Non User ����identificare, in prima istanza, segmenti differenziati sulla base delle attitudini espresse verso i servizi di geo-localizzazione;
OBIETTIVO 3Totale campione �indagare le percezioni di valore dei rispondenti in riferimento a diversi profili promozionali al fine di pervenire alla identificazione di segmenti, che possano rappresentare dei target interessanti per eventuali azioni di mobile marketing da parte di The Bagel Factory.
4
OBIETTIVI DELLA RICERCA
Fonti primarie
Fonti secondarie principali
• Dati e case study presenti su www.foursquareitalia.org
• Ricerca ‘’Facebook placesApi’’ elaborata da Socialbakers (giugno 2011)
Intervista quantitativa
•Questionario
Intervista qualitativa
•Focus group
5
FONTI
I Servizi di geo-localizzazione nascono anni dopo la diffusione del sistema di navigazione Gps (Global Positioning System), che fu concepito dal Ministero della Difesa degli USA come mezzo efficace per determinare con grande precisione le coordinate geografiche di un punto, in cui e' posto il ricevitore dei segnali. Le applicazioni del sistema GPS furono inizialmente limitate al campo militare, successivamente, seppure con qualche limitazione nella precisione ottenibile nelle misure, anche per gli usi civili.
I grandi 2
Face b ook P la ces
Face b ook P la ces
Face b ook P la cesFace b ook P la ces F o u r s q u a r e
F o u r s q u a r eF o u r s q u a r eF o u r s q u a r e
FACEBOOK PLACESNumeri: più di 800 mln di utenti attivi in tutto il mondo (circa 4 milioni di utenti mobile in Italia);
I posti più “loggati”: Aeroporti – Luoghi all’aperto
I posti con più “mi piace”:Eventi – Ristoranti
FOURSQUARENumeri: circa 10 mln di utenti attivi in tutto il mondo (in Italia pare difficile da calcolare dato l’andamento progressivo dei check-in)
I posti più “loggati”: Aeroporti – Localitàturistiche - Ristoranti
6
ANALISI DESKTUTTO HA INIZIO CON IL GPS …
I due principali servizi di geo-localizzazione, Facebook Places e Foursquare, possono essere utilizzati tramite tutti gli strumenti tecnologici che consentano di accedere ad una rete Internet. Tuttavia, dal momento che nei concetti di “tracciabilità” e di “movimento” èracchiusa l’essenza dei geolocal services, esiste un rapporto privilegiato con alcune tipologie di portable device, ossia gli smartphone ed i tablet. Le possibili barriere all’utilizzo non si limitano, però, al possesso di un Blackberry o di un I-pad: molto spesso, davanti a termini come “check-in” e “mayor”, i fraintendimenti sono inevitabili.
Caratteristiche speciali: l’utente che totalizza un certo numero di check-in, ossia di localizzazioni ripetute in giorni diversi nello stesso posto, conquista il titolo di mayor (sindaco) di quella specifica location e riceve un badge (un’icona che attesta il titolo conseguito) che viene mostrato sul profilo Foursquare dell’utente, finché un altro iscritto non effettua il sorpasso in termini di check-in ripetuti.
In pratica: mi trovo in piazza Sraffa a Milano ed effettuo il login. Foursquare mi segnala che sono in prossimità della biblioteca Bocconi. Mi reco in biblioteca ed effettuo il check-in, aggiungendo un tip; condivido localizzazione e commento sul mio profilo Facebook. Nelle due settimane successive, totalizzo 15 check-in e conquisto il badge di mayor della biblioteca Bocconi.
Parole chiave: check-in, mayor, badge, tip
ANALISI DESKI SERVIZI DI GEO-LOCALIZZAZIONE: ISTRUZIONI PER L’USO
UN ESEMPIO con
Come iscriversi? Si scarica l’apposita applicazione sul proprio smartphone o tablet e successivamente si crea il proprio account Foursquare, il tutto gratuitamente.
Come iniziare ad usarlo? Lo stesso Foursquare determinerà, tramite GPS, la posizione dell’utente e segnalerà i luoghi di interesse più vicini. L’utente può scegliere di recarvisi e di localizzarsi, oppure può autonomamente inserire una location in cui effettuare il check-in. In ambedue i casi, è possibile aggiungere al check-in un tip, ossia un breve commento di testo (massimo 140 caratteri), e condividerlo anche sul proprio profilo Twitter o Facebook.
7
Nonostante le componenti di gaming e di intrattenimento rappresentino elementi importanti dei servizi di geo-localizzazione, alcuni brand appartenenti a settori diversi hanno iniziato ad esplorare le opportunità offerte dalla tracciabilità e dalla comparazione informativa immediata per sviluppare iniziative di comunicazione non convenzionale e di mobile commerce mirate.
ESEMPIO : JIMMY CHOO
Il marchio di luxury shoes, per il lancio della collezione sportiva, ha utilizzato congiuntamente Foursquare ed i social network Twitter e Facebook per organizzare l’iniziativa “Catch a Choo”. In questa riedizione moderna della caccia al tesoro, i partecipanti erano chiamati a seguire gli spostamenti ed i check-in nel centro di Londra di alcuni modelli – promoter, con indosso le nuove trainerJimmy Choo. La mappa degli spostamenti veniva pubblicata in tempo reale sul profilo Foursquare corporate, così da permettere ai partecipanti di seguire virtualmente e fisicamente i movimenti dei modelli.
Coloro che, recandosi nelle diverse location segnalate, riuscivano a individuare per primi i promoter, dovevano effettuare un check-in su Foursquare e accompagnarlo con il commento “I’ve been following you”, pubblicando quest’ultimo su uno dei profili di Jimmy Choo (Facebook, Twitter o Foursquare). Come ricompensa per i primi classificati, le nuove trainer del marchio.
8
ANALISI DESKI SERVIZI DI GEO-LOCALIZZAZIONE: OLTRE IL CHECK-IN C’È DI PIÙ
1. Approfondire le modalità di fruizione dei servizi di geo-localizzazione da parte dei giovani, in termini di device utilizzati , frequenza, momenti ed occasioni d’uso;
2. indagare i benefici ricercati nella fruizione dei servizi di geo-localizzazione ed analizzare le motivazioni alla base di un mancato utilizzo;
3. riflettere, tramite le opinioni dei partecipanti, sulle possibili modalità con cui una start-up milanese, appartenente al settore HoReCa (nel nostro caso, The BagelFactory), potrebbe utilizzare i servizi di localizzazione come strumento di marketing per incrementare la sua notorietà e stimolare la fidelizzazione dei clienti.
�� Aspetti socio Aspetti socio –– demografici: demografici: 8 individui (cinque di sesso femminile e tre di sesso maschile) tutti residenti a Milano, di età compresa tra i 15 ed i 30 anni, per la maggior parte studenti universitari a tempo pieno.
�� Aspetti comportamentali: Aspetti comportamentali: i partecipanti si distinguono fra loro per un differente livello di utilizzo dei servizi di geo-localizzazione
Scelta dei partecipanti
9
ANALISI QUALITATIVA- FOCUS GROUPOBIETTIVI
Età: 27Sesso: MTitolo di Studio: Laurea magistraleProfessione: StagistaNickname: Lo StranoLivello di utilizzo: LIGHT User
Età: 25Sesso: FTitolo di Studio: LaureaProfessione: StudenteNickname: la DeterminataLivello di utilizzo: Ex User
Età: 20Sesso: FTitolo di Studio: DiplomaProfessione : StudenteNickname: L’EstrosaLivello di utilizzo: Heavy User
Età: 15Sesso: FTitolo di Studio: Licenza mediaProfessione: StudenteNickname: L’ ‘’Accollativa’’Livello di utilizzo: Ex User
Età: 19Sesso: F
Titolo di Studio: DiplomaProfessione: Studente
Nickname: La ConfusaLivello di utilizzo: Non User
Età: 33Sesso: M
Titolo di Studio: DiplomaProfessione: Impiegato
Nickname: Uomo solareLivello di utilizzo: Non User
Età: 22Sesso: M
Titolo di Studio: LaureaProfessione: StudenteNickname: L’Eclettico
Livello di utilizzo: LIGHT User
Età: 22Sesso: F
Titolo di Studio: LaureaProfessione : Studente
Nickname: Donna solareLivello di utilizzo: Heavy User
5555
6666
7777
8888
1111
2222
3333
4444
PROFILI DEGLI INTERVISTATI
10
ANALISI QUALITATIVA- FOCUS GROUP
La ricerca esplorativa è stata sviluppata seguendo una metodologia ad imbuto, ovvero iniziando da tematiche più generali (il media habit dei partecipanti) per poi convogliare la loro attenzione su argomenti più specifici grazie anche alla presenza di un facilitatore, la cui funzione chiave è stata quella di stimolare le opinioni dei presenti soprattutto su tematiche complesse (privacy, status ed ostentazione) che si mostrano fortemente correlate alla fruizione di tali servizi.
Media habit dei partecipanti e servizi di geo-localizzazione
«Uso spesso Facebook, ecco, magari, per caricare foto in tempi reali oppure, non lo so, a seconda di dove mi trovo, anche per fare la localizzazione; ad esempio se vado da qualche parte, faccio il check-in … utilizzo what’s up anch’io per comunicare con gli altri… e, a volte, lo uso Google Maps, qualora dovessi perdermi …».
Dal focus group è emerso sin da subito che tutti i partecipanti , per la quasi totalitàpossessori di uno smartphone e di un PC, considerano i social network ed i sevizi di geo-localizzazione le applicazioni più utilizzate ed essenziali per relazionarsi ed interagire col loro gruppo di riferimento.
Gli stimoli proposti sono stati di tipo prevalentemente verbale, passando dalle domande dirette, ai giochi top of mind e ai test proiettivi
11
ANALISI QUALITATIVA- FOCUS GROUP
Obiettivo principale: indagare le associazioni che gli intervistati correlano spontaneamente al termine «check-in» ed, in seguito, il grado di awareness registrato dai servizi di geo-localizzazione. Questa fase è servita da momento di transizione per comprendere, in seguito, le percezioni dei diversi brand per i Light User e gli Heavy User e le motivazioni del non utilizzo da parte degli Ex User e dei Non Utilizzatori.
1. «[…] il check-in su Facebook è quello che utilizzi per far capire agli altri dove sei: cioè è una condivisione, per dire “io sono lì”, ed ovviamente ha dei fini commerciali, perché vuoi pubblicizzare il luogo dove ti trovi.»2. « […] su Foursquare l’obiettivo è quello di condividere l’opinione su di un posto: è questo, secondo me, lo rende più importante di Facebook perché il feedback che la gente lascia su Foursquare ha poi un ritorno: quindi se ,ad es.,
un posto ha dei feedback negativi, io non ci vado! »3. «Trovo Foursquare poco intuitivo rispetto a Facebook: devi stare lì a capire come si usa … »
I risultati principali
���� Heavy User e light User- Facebook vs Foursquare
• Il termine check-in è stato associato immediatamente alla pratica del geo-taggingsia da User che da Non User;
• Facebook Places e Foursquare sono risultati i principali se non gli unici servizi di geo-localizzazione conosciuti dai partecipanti a prescindere dal loro livello di utilizzo.
12
ANALISI QUALITATIVA- FOCUS GROUP
Attraverso tale tecnica abbiamo voluto rilevare le principali motivazioni che spingono i Non User a non avvalersi di tali servizi, chiedendo di descrivere l’utente tipo. Dal test, èemerso che tale profilo può essere identificato in uno studente di età compresa fra i 15 ed i 30 anni. Questi appare agli occhi di un Non Utilizzatore come un individuo che:
• «ha molto tempo da perdere e non ha niente da fare»• che ama ostentare la propria posizione sociale attraverso i posti in cui si trova • una «persona egocentrica che vuole far conoscere i posti fighetti che frequenta».
Tuttavia, secondo un altro partecipante, lo User può essere identificato anche nel «ragazzo che per motivi di studio si trova ad abitare lontano dai suoi amici ..e vuole, in questo modo, far sapere cosa fa, tenersi, attraverso questo servizio, in contatto con loro».
���� Ex User e le motivazioni alla base del non utilizzo In un secondo momento della ricerca esplorativa , si è deciso in indagare le principali motivazioni che hanno spinto gli Ex User ad abbandonare la pratica del geo-tagging.
���� Non User e test proiettivo
La privacy si è rilevata essere uno dei motivi fondanti assieme alla volontà di “staccare la spina” da tali servizi che, a detta degli stessi User, possono creare alla lunga una forma di consapevole assuefazione.
13
ANALISI QUALITATIVA- FOCUS GROUP
Introdotta, dunque, la nostra start up e le finalità della nostra ricerca, abbiamo sottoposto ai partecipanti dei profili d’offerta (con finalità puramente esemplificative) che potrebbero essere utilizzati per lanciare il suo servizio unico ed originale e promuoverlo presso il target dei giovani.I principali risultati:Utilizzare Facebook places o Foursquare?: «Facebook Places, perché comunque è il piùdiffuso. Non avrebbe senso vincolare con l’utilizzo di Foursquare, se poi sono in pochi ad usarlo»Sconto o menù in omaggio?: « Si potrebbero fare varie opzioni o entrambe a scelta. Secondo me, la cosa fondamentale è dare un impatto significativo di qualcosa che ti dàsoddisfazione»
Il focus dell’intervista è stato, in seguito, posto sul ritorno economico e di informazioni che potrebbe essere associato al geo-tagging; tali aspetti sono emersi come i benefici piùimportanti correlati all’utilizzo di tali servizi. Pertanto è stato chiesto quale tipologia di prodotto o servizio potesse essere piùconfacente a questa pratica; tutti i partecipanti si sono trovati d’accordo nell’affermare che i servizi, proprio per il loro contenuto fortemente esperienziale, si prestano ad essere facilmente oggetto di feedback e passaparola tra gli utenti e quindi maggiormente associabili a promozioni attraverso i servizi di geo-localizzazione.
14
ANALISI QUALITATIVA- FOCUS GROUP
Per pervenire alla catena – mezzi fini sulla base di quanto emerso nel focus group è stata adottata la metodologia del laddering.
Il laddering è un approccio di analisi qualitativa secondo la quale un individuo può considerare un prodotto/servizio come uno strumento per raggiungere obiettivi di diversa portata, che spaziano dalla dimensione utilitaristica alla sfera dei valori personali. Le percezioni individuali in riferimento al prodotto/servizio vengono codificate, attraverso la tecnica del laddering, in associazioni cognitive , a loro volta ordinate secondo una logica di astrazione crescente.
Nel nostro caso:
•alla base della catena mezzi – fini si trovano le associazioni relative ad attributi concreti dell’offerta e a tratti intangibili strettamente legati al contenuto della stessa ,ad esempio la facilità d’uso e la condivisibilità;
•al livello intermedio si collocano le conseguenze attribuite alla fruizione del servizio, ovvero i benefici, distinti a seconda del grado di astrazione in espliciti (informazione, beneficio economico, divertimento) ed impliciti (mantenere rapporti a distanza e parlare di sé);
•al vertice della catena si trovano le associazioni cognitive riferibili ai valori, ovvero interazione sociale, status, riconoscimento ed affermazione sociale.
15
ANALISI QUALITATIVA- FOCUS GROUPCOSTRUZIONE DELLACATENA MEZZI – FINI : METODOLOGIA
ATTRIBUTI multifunzionalità
accessibilità Intuitività/facilità d’uso
condivisibilità
BENEFICI ESPLICITIinformazione beneficio
economico
BENEFICI IMPLICITIparlare di sé
VALORIstatus
affermazionesociale
riconoscimento
interazionesociale
divertimento
rapporti adistanza
su cosa faremo leva
16
ANALISI QUALITATIVA- FOCUS GROUPCATENA MEZZI-FINI
Il questionario è stato realizzato prendendo spunto dagli elementi più rilevanti emersi dall’analisi desk e dall’analisi qualitativa, seguendo dei precisi obiettivi:
DOMANDA.1 Quali fra i seguenti strumenti tecnologici possiedi? (più di una risposta possibile)RISPOSTE: Cellulare, Smartphone, Tablet, PC, Netbook
FASE 1_STUDIO DEI MEDIA HABIT DEGLI INTERVISTATI
OBT � individuare il bacino di utenti che possiede uno strumento tecnologico, utile alla fruizione di un servizio di localizzazione fuori casa
DOMANDA.2Quanto tempo destini, ogni giorno, all’uso di Internet?RISPOSTE: Meno di un’ora, Da una a tre ore, Oltre tre ore
OBT � indagare il tasso di utilizzo di Internet fra gli intervistati
17
ANALISI QUANTITATIVA- QUESTIONARIO
DOMANDA.3Di quale fra i seguenti strumenti ti avvali più spesso per collegarti ad Internet? RISPOSTE: Cellulare, Smartphone, Tablet, PC, Netbook
OBT � ottenere una proxy dei potenziali Utilizzatori di servizi di localizzazione fra gli intervistati
DOMANDA.4Per quali finalità utilizzi maggiormente Internet? (massimo tre risposte)RISPOSTE: Ricerche scolastiche/universitarie, News ed attualità,
Informazioni ed opinioni su servizi e prodotti, E-shopping, Social networkE-mail, Download e upload di contenuti audio e video, Streaming, Indicazioni stradali, Altro
OBT � indagare le principali motivazioni alla base dell’utilizzo di Internet
18
ANALISI QUANTITATIVA- QUESTIONARIO
DOMANDA.5Quali, fra i seguenti social network, utilizzi di più? (massimo due risposte)RISPOSTE: Linkedin, Twitter, Badoo, Facebook, MySpace, Google +, Netlog
OBT � individuare la percentuale di intervistati che utilizza regolarmente Facebook, per ottenere una proxy dei potenziali Utilizzatori del servizio di localizzazione Facebook
Places
DOMANDA.6Hai mai utilizzato i servizi di geo-localizzazione?RISPOSTE: Sì (reindirizzamento alla parte del questionario dedicata agli User)
No (reindirizzamento alla parte del questionario dedicata ai Non User)
OBT � discriminare fra Utilizzatori e Non Utilizzatori di servizi di geo-localizzazione
DOMANDA FILTRO
19
ANALISI QUANTITATIVA- QUESTIONARIO
DOMANDA.7 Non UserQuali dei seguenti servizi di geo-localizzazione hai mai sentito nominare?RISPOSTE: Gowalla, Fousquare, Facebook Places, Loopt, Google Latitude,
Nessuno dei precedenti
FASE 2Non User_STUDIO DELLA PROPENSIONE ALL’UTILIZZO DEI SERVIZI DI GEO-LOCALIZZAZIONE
User_INDAGARE LE MODALITA’ DI UTILIZZO DEI SERVIZI DI GEO-LOCALIZZAZIONE
DOMANDA.7a UserQuale tra i seguenti servizi di geo-localizzazione usi di più?RISPOSTE: Facebook Places, Gowalla, Foursquare, Google Latitude, Loopt, AltroDOMANDA 7b UserIn che occasione ti localizzi più frequentemente? (una sola risposta possibile)RISPOSTE: Eventi esclusivi (sfilate, closing party, vernissage, etc.), Nella quotidianità,
Non c’è un’occasione in particolareDOMANDA 7c UserDove ti localizzi più frequentemente? (massimo tre risposte)RISPOSTE: Ristorante/pub, Località turistiche, Negozi/boutique, Aeroporto/stazione,
Luoghi d’interesse (es. musei, teatri, cinema), Discoteche/locali notturni, Università/scuola, Posto di lavoro, Casa, Palestra, Luoghi all’aperto
20
ANALISI QUANTITATIVA- QUESTIONARIO
DOMANDA.8 Non UserEsprimi il tuo grado di accordo/disaccordo con le seguenti affermazioni, tenendo presente che:1-3 pienamente in disaccordo4-6 indifferente7-9 pienamente d’accordo
Natura del servizioI servizi di localizzazione non hanno alcuno scopo e non offrono alcun beneficio a chi li usa.
AbusoI servizi di localizzazione creano dipendenza.
Barriera tecnologicaL’utilizzo di un servizio di localizzazione richiede il possesso di un dispositivo di ultima generazione (smartphone, tablet).
Facilità di utilizzoI servizi di localizzazione hanno un’interfaccia poco chiara e scarsamente intuitiva.
StatusChi utilizza i servizi di localizzazione vuole comunicare la propria posizione sociale attraverso i posti che frequenta.
PrivacyChi utilizza i servizi di localizzazione non teme di far sapere agli altri dove si trovi e cosa stia facendo.
TempoChi utilizza i servizi di localizzazione ha molto tempo da perdere.
Item987654321
21
ANALISI QUANTITATIVA- QUESTIONARIO
DOMANDA.8 UserEsprimi il tuo grado di accordo/disaccordo con le seguenti affermazioni, tenendo presente che:1-3 pienamente in disaccordo4-6 indifferente7-9 pienamente d’accordo
Benefici funzionaliI servizi di localizzazione mi permettono di ottenere anche dei vantaggi di tipo economico (sconti, omaggi).
AbusoI servizi di localizzazione creano dipendenza.
CondivisibilitàI servizi di localizzazione mi permettono di conoscere e di confrontare opinioni e giudizi provenienti da fonti diverse.
Facilità di utilizzoI servizi di localizzazione hanno un’interfaccia chiara e sono semplici da utilizzare.
StatusMi piace condividere con gli altri informazioni sui posti che frequento.
PrivacyUsare i servizi di localizzazione non costituisce un pericolo per la mia privacy.
TempoFare il check-in con un servizio dilocalizzazione richiede poco tempo
item987654321
22
ANALISI QUANTITATIVA- QUESTIONARIO
FASE 3 (comune ad User e Non User)_VALUTAZIONE DEI PROFILI D’OFFERTA PRESENTATI
DOMANDA.9Esprimi un giudizio in scala 1-9 (dove 1 = giudizio pessimo; 9 = giudizio ottimo) per i seguenti 8 profili di offerta, relativi ad una promozione che un ristorante o un pub potrebbe riservare ai clienti che utilizzano i servizi di geo-localizzazione
LIVELLIServizio di localizzazione da utilizzare:
Facebook Places, Foursquare o a scelta dell'utenteNumero massimo di localizzazioni giornaliere:
una al giorno o nessun limiteNumero totale di localizzazioni richieste:
10 oppure 20Durata del vantaggio:
1 mese o 6 mesiValore del vantaggio: 5 euro oppure 10 euro
23
ANALISI QUANTITATIVA- QUESTIONARIO
FACEBOOK PLACESNO LIMITI DI CHECK-IN20 LOCALIZZAZIONI6 MESI DI VALIDITA’BONUS 10€
A SCELTA DELL’UTENTE1 CHECK-IN AL GIORNO20 LOCALIZZAZIONI6 MESI DI VALIDITA’BONUS 5€
FACEBOOK PLACES1 CHECK-IN AL GIORNO10 LOCALIZZAZIONI1 MESE DI VALIDITA’BONUS 5€
A SCELTA DELL’ UTENTENO LIMITI DI CHECK-IN10 LOCALIZZAZIONI1 MESE DI VALIDITA’BONUS 10€
FACEBOOK PLACESNO LIMITI DI CHECK-IN20 LOCALIZZAZIONI1 MESE DI VALIDITA’BONUS 5€
FOURSQUARE1 CHECK-IN AL GIORNO20 LOCALIZZAZIONI1 MESE DI VALIDITA’BONUS 10€
FACEBOOK PLACES1 CHECK-IN AL GIORNO10 LOCALIZZAZIONI6 MESI DI VALIDITA’BONUS 10€
FOURSQUARENO LIMITI DI CHECK-IN10 LOCALIZZAZIONI6 MESI DI VALIDITA’BONUS 5€
* Le card sono state ottenute mediante l’apposito comando “Orthogonal Design”.
CARD *
24
ANALISI QUANTITATIVA- QUESTIONARIO
DOMANDA.10SessoRISPOSTE: Maschio, Femmina
VARIABILI SOCIO-DEMOGRAFICHE
DOMANDA.11EtàRISPOSTE: 15-19, 20-25, 26-30
DOMANDA.12Provenienza geograficaRISPOSTE: Nord, Centro,
Sud e Isole, Estero
DOMANDA.13Titolo di studioRISPOSTE: Licenza media, Diploma, Laurea triennale
Laurea magistrale o titolo equivalente
DOMANDA.14ProfessioneRISPOSTE: Disoccupato, Studente, Impiegato
Libero professionista, Altro
DOMANDA.15Hobby ed interessi RISPOSTE: Cucinare, Lettura, Viaggiare, Arte, Musica,
Sport, Altro
25
ANALISI QUANTITATIVA- QUESTIONARIO
La tipologia di campionamento utilizzata è quella del Campionamento di Convenienza. Il motivo di tale scelta va ricondotto al fatto che l’analisi vuole concentrarsi su rispondenti di età compresa tra i 15 e i 30 anni e residenti a Milano, in coerenza sia con il target a cui si rivolge The Bagel Factory, sia con il profilo generale dei fruitori di servizi di geo-localizzazione.
Il questionario è stato creato con l’applicazione Qualtrics, ed è stato somministrato attraverso la creazione di un apposito evento su social network. Per ampliare il bacino di rispondenti, il link al questionario è stato postato nei seguenti gruppi di Facebook:
- università degli studi di Facebook (17.955 membri);- gente che ha confuso i social network per il muro del pianto (32.751 membri); - Foursquare Italia (395 membri);- Facebook Italia (2.383 membri).
Le unità di campionamento, che ammontano a 202, si distribuiscono per il 62% in sesso femminile, per il rimanente 38% in sesso maschile. Prevalgono i giovani studenti di etàcompresa tra i 20-25 anni, con una laurea triennale alle spalle e provenienza sud e isole. Nel dettaglio, il campione si suddivide come segue nella slide successiva.
ASPETTI GENERALI
26
ANALISI DESCRITTIVA- CAMPIONE
EtàCome già affermato in fase di premessa, il campione è ripartito in tre classi. La fascia che prevale, come si può evincere dal grafico, èquella dei 20-25 anni, con una percentuale pari al 79%. Seguono le fasce d’età 15-19 e 26-30, molto vicine in termini di distribuzione delle unità, rispettivamente 9% e 11%.
Provenienza geograficaDi contro ad una bassa presenza di intervistati provenienti dal centro Italia (12%), e dall’estero (solo 4 intervistati), prevale una forte affluenza di unitàcampionarie provenienti dal sud ed isole(45%) e dal nord Italia (42%).
9%
79%
11%
15-19
20-25
26-30
ANALISI UNIVARIATA
27
ANALISI DESCRITTIVA- CAMPIONE
87%
6% 4% 1%1%
Studente
Dipendente
Libero professionista
Disoccupato
Altro
Titolo di studioCome si evince dal grafico a sinistra, il campione si divide per lo più in individui che possiedono un diploma (35,6%) e una laurea triennale (52,5%). La distribuzione trova corrispondenza con le frequenze r iscontrate nel la variabile Età, dove ricordiamo prevale la fascia 20-25. Licenza media e laurea specialistica presentano una frequenza percentuale del 5,9%.
ProfessioneIl campione presenta una netta prevalenza di Studenti (87%), mentre i Dipendenti e i Liberi professionisti sono, rispettivamente, il 6% e il 4%. Solo tre unità per la voce Disoccupato e Altro (due stagisti e un titolare d’impresa).
28
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
MEDIA HABIT degli INTERVISTATIStrumenti tecnologici posseduti
Interessante, invece, la percentuale di proprietari di cellulari Smartphone(58,9%), che supera, seppur di poco, la percentuale di possessori di dispositivi mobili tradizionalmente intesi (i Cellulari), che si attesta al 58,4%. È, inoltre, necessario sottolineare che molti possessori di cellulari dichiarano di avere anche uno smartphone. Poco diffusi all’interno del campione i Netbook(23,8%), e ancora meno i Tablet (12,9%). Anche solo considerando l’ammontare di possessori di smartphone, ci troviamo di fronte ad un significativo bacino di potenziali Utilizzatori dei servizi di geo-localizzazione.
L’84,7% degli intervistati dichiara di possedere un PC. Il dato non sorprende, in quanto è in linea con le aspettative pre-analisi.
29
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
MEDIA HABIT degli INTERVISTATIStrumento più utilizzato per la connessione ad internet
100,0100,0202Total
100,011,411,423Netbook
88,63,03,06Tablet
85,617,817,836Smartphone
67,864,964,9131PC
3,03,03,06CellulareValid
Cumulative PercentValid PercentPercentFrequency
Di quale fra i seguenti strumenti ti avvali più spesso per collegarti ad Internet?
Come si evince dalla tabella, la percentuale maggiore degli intervistati dichiara di utilizzare il PC per la connessione ad internet (64,9%). Solo il 17,8% utilizza lo Smartphone per navigare sul web, seguito dall’11,4% del Netbook. Solo il 3% utilizza il Tablet per connettersi ad internet, e solo in 6 utilizzano il cellulare per la connessione. Preme individuare, però, la percentuale di potenziali utenti che si collegano ad internet fuori casa, il ché si può ricondurre al 35,2 % (frequenze cumulative degli strumenti Cellulare, Smartphone, Tablet e Netbook). Abbiamo escluso il PC, in quanto meno comodo per la connessione ad internet quando ci si trova fuori casa e in movimento.
30
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
100,0100,0202Total
100,053,053,0107Oltre tre ore
47,041,641,684Da una a tre ore
5,45,45,411Meno di un'oraValid
Cumulative PercentValid PercentPercentFrequency
Quanto tempo destini, ogni giorno, all'utilizzo di Internet?
MEDIA HABIT degli INTERVISTATITempo dedicato alla navigazione sul web
La percentuale maggiore di unità campionarie dichiara di dedicare al giorno più di tre oread internet (53%). Seguono gli utenti che si collegano da una a tre ore (41,6%), e chiudono, con una piccola percentuale, coloro che dedicano meno di un’ora al giorno alla navigazione (5,4%).
31
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
MEDIA HABIT degli INTERVISTATIRagione prevalente per la connessione ad internet e Social Network più utilizzato
0,5%1Netlog
15,8%32Twitter
15,3%31Google +
1,5%3Myspace
2,5%5Badoo
98,0%198Facebook
10,4%21LinkedinSocial network più utilizzati
Column N %Count
Il 98% degli intervistati ha dichiarato di utilizzare l’ormai diffuso social network Facebook. Seguono, con percentuali minori e irrilevanti a confronto, tutti gli altri social network, tra cui spiccano Twitter (15,8%) e il nuovo Google + (15,3%). I risultati sulle “finalità di utilizzo di internet” mostrano una percentuale elevata per i Social Network (87,1%), seguiti da E-mail (57,9%) e Ricerche scolastiche/universitarie (51%). Si ricordi che il campione ècaratterizzato in percentuale maggiore da studenti. Il 35% utilizza internet per News ed Attualità, seguito dal 23,8% dello Streaming. Percentuali minori per le altre risposte disponibili.
32
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
Caratteristiche socio-demograficheHobby ed interessi del campione analizzato
Al campione è stato chiesto di spuntare tutti le voci relative ai propri hobby. Piùdella metà degli intervistati (55,4%) ha risposto di amare la musica, seguita da un buon 53% che ha “Viaggiare” tra i propri interessi principali. Come si può notare dal grafico a sinistra, gli hobby ed interessi si distribuiscono bene fra le unitàcampionarie. Al 42,6% piace fare sport, e al 37,6% leggere. Il 33,7% del campione si dedica all’arte, e il 25,7% alla cucina. Varie voci, inoltre, vanno a formare l’opzione Altro (8,9%), tra cui spiccano: shopping, cinema e uscite con gli amici.
33
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
La seconda fase del questionario, come già affermato nelle slide precedenti, si differenzia a seconda della risposta alla domanda “Hai mai utilizzato i servizi di geo-localizzazione?”, la così definita “domanda filtro”. Infatti, da questo punto in poi, il questionario si sdoppia, differenziando con domande differenziate per i due differenti gruppi campionari. Questi ultimi si sostanziano in un 52% di intervistati che non utilizza i servizi di geo-localizzazione, e in un 48% che, invece, fruisce dei servizi.
100,0100,0202Total
100,052,052,0105No
48,048,048,097SìValid
Cumulative
PercentValid PercentPercentFrequency
Hai mai utilizzato i servizi di geolocalizzazione?
34
ANALISI DESCRITTIVA- CAMPIONEANALISI UNIVARIATA
PROFILO DEMOGRAFICO
Hai mai utilizzato i servizi di geolocalizzazione?
Sì No Total
Count Column N % Row N % Count Column N % Row N % Count Column N % Row N %
Sesso M 42 43,3% 54,5% 35 33,3% 45,5% 77 38,1% 100,0%
F 55 56,7% 44,0% 70 66,7% 56,0% 125 61,9% 100,0%
Total 97 100,0% 48,0% 105 100,0% 52,0% 202 100,0% 100,0%
Età 15-19 13 13,4% 68,4% 6 5,7% 31,6% 19 9,4% 100,0%
20-25 73 75,3% 45,6% 87 82,9% 54,4% 160 79,2% 100,0%
26-30 11 11,3% 47,8% 12 11,4% 52,2% 23 11,4% 100,0%
Total 97 100,0% 48,0% 105 100,0% 52,0% 202 100,0% 100,0%
Provenienza Nord 37 38,1% 44,0% 47 44,8% 56,0% 84 41,6% 100,0%
Centro 15 15,5% 62,5% 9 8,6% 37,5% 24 11,9% 100,0%
Sud e isole 42 43,3% 46,7% 48 45,7% 53,3% 90 44,6% 100,0%
Estero 3 3,1% 75,0% 1 1,0% 25,0% 4 2,0% 100,0%
Total 97 100,0% 48,0% 105 100,0% 52,0% 202 100,0% 100,0%
A livello di campione, si registra una distribuzione di frequenze più elevata per individui di sesso femminile: nel dettaglio il 56,7% delle rispondenti di sesso femminile sono User e 66,7% Non User. Per quanto riguarda l’età, si ravvisa una concentrazione di osservazioni nell’intervallo 20-25 anni, la classe modale precedentemente individuata (79,2% a livello di campione totale; 75,3% e 82,95% rispettivamente per User e Non User). Si nota una distribuzione omogenea di osservazioni tra gli individui provenienti dal Nord e dal Sud (rispettivamente 41,6% e 44,6% del campione), seguiti dal Centro e dall’ Estero, con una lieve variazione per gli User.
La tabella traccia un profilo sinottico dei due macro gruppi (User/Non User), in funzione di alcune variabili socio-demografiche, quali sesso, età e provenienza geografica.
35
ANALISI DESCRITTIVA - Utilizzatori vs Non Utilizzatori
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Fare il check-in con un servizio di localizzazione richiede poco tempo. 97 1 9 6,96 1,876
Usare i servizi di localizzazione non costituisce un pericolo per la mia privacy. 97 1 9 4,45 2,203
Mi piace condividere con gli altri informazioni sui posti che frequento. 97 1 9 5,66 2,036
I servizi di localizzazione hanno un'interfaccia chiara e sono semplici da utilizzare. 97 2 9 6,80 1,491
I servizi di localizzazione mi permettono di conoscere e di confrontare opinioni e
giudizi provenienti da fonti diverse.
97 1 9 5,41 2,035
I servizi di localizzazione creano dipendenza. 97 1 9 6,00 2,558
I servizi di localizzazione mi permettono di ottenere anche dei vantaggi di tipo
economico (sconti, omaggi).
97 1 9 4,15 2,698
Valid N (listwise) 97
Attraverso gli item contenuti nella scala likert, abbiamo voluto analizzare i giudizi e le percezioni degli User e dei Non User su alcune caratteristiche funzionali e psico-sociali legate alla pratica del geo-tagging, emerse durante il focus group.
LIKERT UTILIZZATORIANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori
36
Se la media dei giudizi relativo al primo item rivela come gli User considerino tali servizi come immediati e dall’interfaccia molto semplice ed intuitiva, appare tuttavia evidente che tale pratica venga percepita dagli stessi come plausibile di generare, a lungo andare, una vera e propria assuefazione.
Questa dissonanza si riflette anche in relazione alla media dei giudizi sulla privacy: se tale media ci rivela una sostanziale indifferenza di giudizio, l’elevata deviazione standard ci segnala la presenza di opinioni discordanti tra i rispondenti su questo aspetto.
I rispondenti si mostrano, inoltre, mediamente indifferenti sulla possibilità di svelare, attraverso la condivisione dei check-in, i posti frequentati, aspetto questo emerso nel focus group come indissolubilmente legato allo status e all’interazione sociale.
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori37
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation
Chi utilizza i servizi di localizzazione ha molto tempo da perdere. 105 1 9 5,64 2,135
Chi utilizza i servizi di localizzazione non teme di far sapere agli altri dove si
trovi e cosa stia facendo.
105 1 9 6,90 1,816
Chi utilizza i servizi di localizzazione vuole comunicare agli altri la propria
posizione sociale attraverso i posti che frequenta.
105 1 9 7,24 1,884
I servizi di localizzazione hanno un'interfaccia poco chiara e scarsamente
intuitiva.
105 1 9 4,59 1,674
L'utilizzo di un servizio di localizzazione richiede il possesso di un dispositivo
di ultima generazione (smartphone, tablet).
105 1 9 6,57 2,121
I servizi di localizzazione creano dipendenza. 105 1 9 4,81 2,481
I servizi di localizzazione non hanno alcuno scopo e non offrono alcun
beneficio a chi li usa.
105 1 9 5,87 2,496
Valid N (listwise) 105
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori38
LIKERT NON UTILIZZATORI
L’elevata media dei giudizi del secondo e terzo item, ci segnala come sia condivisa tra i non fruitori, la percezione dell’ User come individuo che ama ostentare la propria posizione sociale senza preoccuparsi di preservare la propria privacy.
Proprio come è stato segnalato in relazione agli User, anche per i non fruitori appare discordante, dato il valore della deviazione standard, l’opinione sulla dipendenza correlata a tale pratica.
Inoltre sia per gli User che per i Non User si può sottolineare una certa propensione a considerare i servizi di geo-localizzazione come strumento per ottenere dei ritorni economici; la notevole deviazione standard in entrambi i casi potrebbe dipendere dalla non applicazione nel contesto italiano di attività di marketing che sfruttino tali servizi.
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori39
L’analisi di statistica bivariata è stata condotta considerando le relazioni più interessanti tra variabili qualitative, quantitative, quantitative vs qualitative. Da tale processo sono emerse diverse interazioni statisticamente significative fra le variabili scelte; tuttavia, si èdeciso di presentare e commentare i risultati che, oltre alla rilevanza statistica, assumessero una particolare importanza in termini di congruenza con gli obiettivi della ricerca, rinviando all’output dettagliato per i restanti esiti.
Le analisi effettuate sono le seguenti:
Campione generale- Finalità internet * Hai mai utilizzato i servizi di geo-localizzazione? - Device posseduti * Hai mai utilizzato i servizi di geo-localizzazione? - Social network più utilizzati * Hai mai utilizzato i servizi di geo-localizzazione?- Hai mai utilizzato i servizi di geo-localizzazione? * Device per connessione ad internet
Focus User- Correlazione giudizi likert- Età*Giudizio sulla condivisibilità
Focus Non User- Correlazione giudizi likert- Provenienza*Giudizio sullo status degli User
INTRODUZIONE
40
ANALISI DESCRITTIVA BIVARIATA
202100,0%52,0%105100,0%48,0%97Total
4826,7%58,3%2820,6%41,7%20Streaming
17683,8%50,0%8890,7%50,0%88Social network
10356,2%57,3%5945,4%42,7%44Ricerche
scolastiche/universitarie
7237,1%54,2%3934,0%45,8%33News ad attualità
163,8%25,0%412,4%75,0%12Informazioni su prodotti e servizi
113,8%36,4%47,2%63,6%7Indicazioni stradali
134,8%38,5%58,2%61,5%8E-shopping
11751,4%46,2%5464,9%53,8%63E-mail
2716,2%63,0%1710,3%37,0%10Download e upload di contenuti
audio e video
74,8%71,4%52,1%28,6%2Altro (specificare)FinalitàInternet
CountColumn N %Row N %CountColumn N %Row N %Count
TotalNoSì
Hai mai utilizzato i servizi di geo-localizzazione?
Finalità internet * Hai mai utilizzato i servizi di geo-localizzazione?
ANALISI BIVARIATA
41
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori
,036Sig.
10df
19,354Chi-squareFinalità
Internet
Hai mai utilizzato i
servizi di geo-localizzazione?
Pearson Chi-Square Tests
Nel tentativo di individuare le finalità di utilizzo di internet che prevalgono all’interno dei due macro gruppi di intervistati (User/Non User), si è scelto di porre una particolare attenzione sulle variabili che si differenziano per un numero maggiore di unità.
Nel caso specifico, i Non Utilizzatori di servizi di geo-localizzazione sono indirizzati ad un accesso ad internet, volto alla ricerca di informazioni per la scuola o l’università, e allo stesso tempo ad un uso più edonistico dello stesso, come per lo download e upload di contenuti audio/video, o lo streaming on-line.
Gli Utilizzatori, invece, si orientano ad un utilizzo più utilitaristico del web, come il controllo della casella elettronica, o la ricerca di informazioni su prodotti e servizi.
L’indice Chi-quadro si allontana dal valore nullo, il che ci permette di supporre sia presente un certo legame di dipendenza tra le due variabili scelte.
La relazione tra le due variabili risulta significativa, dato ilvalore del p-value inferiore r i spetto al l imite di significatività prefissato (5%).
42
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
202100,0%52,0%105100,0%48,0%97Total
268,6%34,6%917,5%65,4%17Tablet
11943,8%38,7%4675,3%61,3%73Smartphone
17186,7%53,2%9182,5%46,8%80PC
4823,8%52,1%2523,7%47,9%23Netbook
11869,5%61,9%7346,4%38,1%45CellulareDevice posseduti
CountColumn N %Row N %CountColumn N %Row N %Count
TotalNoSì
Hai mai utilizzato i servizi di geolocalizzazione?
Device posseduti * Hai mai utilizzato i servizi di geo-localizzazione?
43
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
,000*Sig.
5df
35,994Chi-squareDevice posseduti
Hai mai utilizzato i
servizi di geo-
localizzazione?
Pearson Chi-Square Tests
Dall’incrocio tra le due variabili emerge che il 59% del campione totale possiede uno smartphone, e di questi il 61,3% usufruisce dei servizi di geo-localizzazione. Approssimativamente la stessa percentuale di intervistati dichiara di possedere un dispositivo mobile tradizionale (il cellulare), con la differenza che in questo caso il numero maggiore di unità (il 61,9%) afferma di non essere un Utilizzatore. Lo stessa situazione si manifesta tra i possessori di dispositivi portatili. I possessori di tablet si orientano ai servizi di geo-localizzazione (in 17 su 26 possessori); i proprietari di PC, invece, sono più propensi al non uso degli stessi servizi.
Possiamo, dunque, affermare che vi sia una certa propensione all’innovazione da parte degli Utilizzatori di servizi di geo-localizzazione, che di fatti dichiarano di possedere smartphone e tablet in quantità maggiore rispetto ai più tradizionalisti Non Utilizzatori.
L’indice Chi-quadro si allontana in misura maggiore dal valore nullo. Le variabili mostrano pertanto una relazione di dipendenza.
Il legame tra le due variabili risulta, inoltre, essere significativa, dato il valore del p-value inferiore rispetto al livello di significatività prefissato (5%).
44
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
202100,0%52,0%105100,0%48,0%97Total
328,6%28,1%923,7%71,9%23Twitter
11,0%100,0%1Netlog
31,0%33,3%12,1%66,7%2Myspace
218,6%42,9%912,4%57,1%12Linkedin
3114,3%48,4%1516,5%51,6%16Google +
19899,0%52,5%10496,9%47,5%94Facebook
55,2%100,0%5BadooSocial network più utilizzati
CountColumn N %Row N %CountColumn N %Row N %Count
TotalNoSì
Hai mai utilizzato i servizi di geolocalizzazione?
Social network più utilizzati * Hai mai utilizzato i servizi di geo-localizzazione?
45
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
,013Sig.
7df
17,732Chi-squareSocial network più utilizzati
Hai mai
utilizzato i servizi di geo-
localizzazione?
Pearson Chi-Square Tests
46
Partendo dalla considerazione che la quasi totalità dei rispondenti utilizza Facebook (198 individui su 202, il 52,5% dei quali Non Utilizzatori di servizi di geo-localizzazione), si identifica una distribuzione omogenea di scelte all’interno dei due gruppi individuati, User e Non User, in riferimento ai social network più utilizzati.
Inoltre, emerge che il 46,53% di intervistati che utilizzano Facebook sono anche utilizzatori dei servizi di geo-localizzazione, mentre i Non User iscritti a Facebook rappresentano il 49% dell’intero campione.
Una differenza sintomatica si evidenza per Twitter. Infatti il 15,8% del campione totale utilizza il social network appena citato; tale percentuale è in maggioranza (72%) costituita da User.
Il valore dell’indice Chi-quadro supportato dalla presenza di un p-value di molto inferiore al 5% permettono di affermare l’esistenza di un legame significativo fra le variabili considerate.
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
100,0%11,4%3,0%17,8%64,9%3,0%% of Total
100,0%11,4%3,0%17,8%64,9%3,0%% within Hai mai utilizzato i servizi di geolocalizzazione?
202236361316CountTotal
52,0%7,9%1,0%4,5%37,1%1,5%% of Total
100,0%15,2%1,9%8,6%71,4%2,9%% within Hai mai utilizzato i
servizi di geolocalizzazione?
1051629753CountNo
48,0%3,5%2,0%13,4%27,7%1,5%% of Total
100,0%7,2%4,1%27,8%57,7%3,1%% within Hai mai utilizzato i
servizi di geolocalizzazione?
977427563CountSìHai mai utilizzato i servizi di geolocalizzazione?
NetbookTabletSmartphonePCCellulare Total
Di quale fra i seguenti strumenti ti avvali più spesso per collegarti ad Internet?
Hai mai utilizzato i servizi di geolocalizzazione? * Di quale fra i seguenti strumenti ti avvali più spesso per collegarti ad Internet? Crosstabulation
Hai mai utilizzato i servizi di geo-localizzazione? * Device per connessione ad internet
47
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
202N of Valid Cases
,9671,002Linear-by-Linear
Association
,003416,164Likelihood Ratio
,004415,652aPearson Chi-Square
Asymp. Sig. (2-sided)dfValue
Chi-Square Tests
202N of Valid Cases
,004,278Cramer's V
,004,278PhiNominal by Nominal
Approx. Sig.Value
Symmetric Measures
,003Di quale fra i seguenti strumenti ti avvali più
spesso per collegarti ad Internet? Dependent
,278Hai mai utilizzato i servizi di
geolocalizzazione?
Dependent
EtaNominal by Interval
Value
Directional Measures
48
Dalla cross-tabulation riportata nella slide precedente, possiamo ravvisare come oltre al PC (che registra la percentuale di utilizzo più elevata) il 28% degli User si avvale anche di smartphone ed il 4% di tablet mentre i Non User prediligono quasi esclusivamente il computer. In linea con quanto analizzato in precedenza in relazione al media habit dei rispondenti e ai device posseduti, possiamo ravvisare come coloro che utilizzano il geo-taggingprediligano quegli strumenti tecnologici più sofisticati che gli consentono di accedere ad Internet fuoricasa e in ogni momento della giornata.Guardando i p-value possiamo ravvisare come essi si attestino al di sotto del livello di significatività prefissato, segnalando l’esistenza di un significativo legame tra le variabili prese in considerazione.
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
49
97979797979797N
,086,000,189,364,693,622Sig. (2-tailed)
1-,175,449**,135,093,041,051Pearson CorrelationBenefici del servizio
97979797979797N
,086,756,915,436,046,950Sig. (2-tailed)
-,1751-,032,011-,080,203*,007Pearson CorrelationAbuso
97979797979797N
,000,756,001,001,088,008Sig. (2-tailed)
,449**-,0321,319**,346**,174,266**Pearson CorrelationCondivisibilità
97979797979797N
,189,915,001,000,447,000Sig. (2-tailed)
,135,011,319**1,489**,078,474**Pearson CorrelationFacilità di utilizzo
97979797979797N
,364,436,001,000,050,001Sig. (2-tailed)
,093-,080,346**,489**1,200*,332**Pearson CorrelationStatus
97979797979797N
,693,046,088,447,050,772Sig. (2-tailed)
,041,203*,174,078,200*1,030Pearson CorrelationPrivacy
97979797979797N
,622,950,008,000,001,772Sig. (2-tailed)
,051,007,266**,474**,332**,0301Pearson CorrelationTempo
Benefici del servizioAbusoCondivisibilitàFacilità di utilizzoStatusPrivacyTempo
Correlations
Correlazione giudizi likert USER
ANALISI DESCRITTIVA- Utilizzatori vs Non UtilizzatoriANALISI BIVARIATA
L’analisi ottenuta incrociando le variabili quantitative discrete rappresentate dal grado di accordo/disaccordo (scala 1-9) degli Utilizzatori in merito a diversi aspetti dei servizi digeo-localizzazione ha portato alla luce tre correlazioni statisticamente significative fra iseguenti item:
Tempo (“Fare il check-in con un servizio di localizzazione richiede poco tempo”) & Facilitàdi utilizzo (“I servizi di localizzazione hanno un’interfaccia chiara e sono semplici dautilizzare”)�correlazione 0,474;
Status (“Mi piace condividere con gli altri informazioni sui posti che frequento”)& Facilità di utilizzo (“I servizi di localizzazione hanno un’interfaccia chiara e sono semplici da utilizzare”)�correlazione 0,489;
Benefici del servizio (“I servizi di localizzazione mi permettono di ottenere anche dei vantaggi di tipo economico”) & Condivisibilità (“I servizi di localizzazione mi permettono di conoscere e di confrontare opinioni e giudizi provenienti da fonti diverse”) �correlazione 0,449.
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori50
ANALISI BIVARIATA
Tal i correlazioni sono r isultate particolarmente interessanti per approfondire l’atteggiamento degli Utilizzatori nei confronti dei servizi geolocal, infatti:
• l’esistenza di una relazione diretta e positiva fra l’item “facilità di utilizzo” e, rispettivamente, “tempo” e “status” suggerisce la presenza di una rete di reciproche influenze fra l’immediatezza temporale e tecnologica del check-in e la propensione all’appagamento sia di un bisogno funzionale di informazione, sia di un bisogno sociale di interazione e condivisione;
• la relazione diretta e positiva fra gli item “benefici del servizio” e “ condivisibilità” fornisce uno spunto di riflessione sul collegamento fra la capacità di information pooling dei servizi geolocal, che consente una riduzione dei costi di ricerca pre-acquisto, e le potenzialitàdegli stessi come mezzi attraverso i quali conseguire vantaggi simili a quelli delle promozioni tradizionali.
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori51
96397,505Total
3,71194348,823Within Groups
,0026,55924,341248,682(Combined)Between
Groups
Condivisibilità *
Età
Sig.FMean
SquaredfSum of
Squares
ANOVA Table
Le medie dei giudizi espressi dagli Utilizzatori, su scala 1-9, in merito all’item “condivisibilità”(I servizi di localizzazione mi permettono di conoscere e di confrontare opinioni e giudizi provenienti da fonti diverse) sono diverse nelle tre classi di età?
2,035975,41Total
1,834117,1826-30
1,930735,3320-25
1,981134,3815-19
Std. DeviationNMeanEtà
Condivisibilità
Report
Osservando il valore del p-value per il test F, pari a 0,002 < 0,05 (livello di significativitàfissato), si può affermare che esista un legame fra le due variabili, nonostante si noti una numerosità di osservazioni piuttosto diversa nelle tre classi.
Pertanto, l’età degli Utilizzatori sembra giocare un ruolo significativo nell’influenzare il loro giudizio sulla capacità di information pooling dei servizi di geo – localizzazione.
ANALISI BIVARIATA _ CONFRONTA MEDIE USERANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori
52
Età * Giudizio sulla condivisibilità
105105105105105105105N
,000,012,073,007,004,000Sig. (2-tailed)
1,345**,243*,175,260**,279**,555**Pearson CorrelationNatura del servizio
105105105105105105105N
,000,020,642,030,139,000Sig. (2-tailed)
,345**1,227*,046,211*,145,408**Pearson CorrelationAbuso
105105105105105105105N
,012,020,754,001,000,004Sig. (2-tailed)
,243*,227*1-,031,317**,341**,275**Pearson CorrelationBarriera tecnologica
105105105105105105105N
,073,642,754,799,367,214Sig. (2-tailed)
,175,046-,0311,025-,089,122Pearson CorrelationFacilità di utilizzo
105105105105105105105N
,007,030,001,799,000,040Sig. (2-tailed)
,260**,211*,317**,0251,403**,201*Pearson CorrelationStatus
105105105105105105105N
,004,139,000,367,000,050Sig. (2-tailed)
,279**,145,341**-,089,403**1,192*Pearson CorrelationPrivacy
105105105105105105105N
,000,000,004,214,040,050Sig. (2-tailed)
,555**,408**,275**,122,201*,192*1Pearson CorrelationTempo
Natura del servizioAbuso
Barriera tecnologica
Facilità di utilizzoStatusPrivacyTempo
Correlations
Correlazione giudizi likert NON USER
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori53
ANALISI BIVARIATA
Correlazioni statisticamente significative:
Tempo (“Chi utilizza i servizi di localizzazione ha molto tempo da perdere”) & Abuso (“I servizi di localizzazione creano dipendenza”) �correlazione 0,408;
Tempo (“Chi utilizza i servizi di localizzazione ha molto tempo da perdere”) & Natura del servizio (“I servizi di localizzazione non hanno alcuno scopo e non offrono alcun beneficio a chi li usa”) �correlazione 0,555;
Privacy (“Chi utilizza i servizi di localizzazione non teme di far sapere agli altri dove si trovi e cosa stia facendo”) & Status (“Chi utilizza i servizi di localizzazione vuole comunicare la propria posizione sociale attraverso i posti che frequenta”) �correlazione 0,403.
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori54
ANALISI BIVARIATA
I risultati dell’analisi di correlazione consentono di riflettere su due particolari aspetti dell’atteggiamento dei Non Utilizzatori:
• La relazione diretta e positiva esistente, rispettivamente, fra i giudizi relativi agli item “tempo” e “abuso” e fra quelli espressi riguardo “privacy” e “status” sembra richiamare quanto già emerso nel focus group. Infatti, chi non utilizza i servizi geolocal e ha delle percezioni negative rispetto agli User, ritenendoli persone con molto tempo da perdere e che ostentano la propria condizione sociale, appare conseguentemente più incline a considerare rilevanti i rischi in termini di assuefazione e di riservatezza;
• La relazione diretta e positiva fra i giudizi sugli item “tempo” e “natura del servizio”sembra suggerire l’esistenza di un rapporto fra la percezione relativa agli Utilizzatori deiservizi geolocal e la loro utilità in termini di benefici ottenibili. In particolare, si potrebbe ipotizzare che chi considera in maniera negativa gli User (“persone con molto tempo da perdere”) sia portato ad estendere tale giudizio anche agli aspetti intrinseci dei servizi stessi
ANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori55
ANALISI BIVARIATA
Le medie dei giudizi espressi dai Non Utilizzatori, su scala 1-9, in merito all’item “status” (Chi utilizza i servizi di localizzazione vuole comunicare la propria posizione sociale attraverso i posti che frequenta) cambiano a seconda della provenienza dei rispondenti?
Se ci si sofferma sul valore del p-value per il test F, pari a 0,005 < 0,05 (livello di significativitàfissato), si può affermare che esista un legame fra le due variabili, anche se è necessario notare una sostanziale eterogeneità nel numero delle osservazioni in ciascuna classe, probabilmente dovuta alla modalità con la quale è stato distribuito il questionario (somministrazione via web).
Pertanto, considerando le finalità descrittive della ricerca, sembra legittimo affermare che la provenienza geografica possa giocare un ruolo nell’influenzare il giudizio dei Non Usersulla presunta ostentazione sociale di chi usa i servizi di geo-localizzazione.
104369,048Total
3,218101325,047Within Groups
,0054,55714,667344,001(Combine
d)
Between
Groups
Status *
Provenienza
Sig.FMean
SquaredfSum of
Squares
ANOVA Table
1,8841057,24Total
.16,00Estero
2,163486,56Sud e isole
1,41497,67Centro
1,393477,87Nord
d
i
m
e
n
s
i
o
n
1
Std. DeviationNMeanProvenienza
Status
Report
ANALISI BIVARIATA _ CONFRONTA MEDIE NON USERANALISI DESCRITTIVA- Utilizzatori vs Non Utilizzatori
Provenienza * Giudizio sullo status degli User
Premessa: nel perseguire il secondo obiettivo della nostra ricerca (condurre un’analisi diversificata per Utilizzatori e Non Utilizzatori dei servizi di geo-localizzazione), si è scelto di esaminare separatamente le due categorie attraverso la predisposizione di due data set specifici.
Il procedimento seguito per pervenire alla determinazione dei segmenti finali è stato articolato coerentemente con i seguenti obiettivi:
STEP 1: costruzione di variabili di sintesi dei giudizi espressi su scala 1-9 dagli Utilizzatori e dai Non Utilizzatori in riferimento ai sette item della scala Likert.
TECNICA UTILIZZATA: analisi fattoriale
STEP 2: determinazione di segmenti omogenei internamente ed eterogenei fra loro, con valori simili sui fattori precedentemente individuati.
TECNICA UTILIZZATA: cluster analysis
METODOLOGIAIL PROCESSO DI SEGMENTAZIONE: L’APPROCCIO CLASSICO
57
Per determinare la validità e l’adeguatezza della soluzione ottenuta, sono stati considerati i seguenti elementi:
• il rapporto tra numero di componenti e di variabili; • la percentuale di varianza globale spiegata; • le comunalità;• lo screeplot; • la leggibilità e significatività in termini operativi delle componenti stesse, attraverso la matrice delle componenti ruotata.
STEP 1 ANALISI FATTORIALESEGMENTAZIONE CLASSICA: Utilizzatori
58
Metodo di estrazione: componenti principaliMetodo di rotazione: VarimaxMax iterazione convergenza: 100Analizza: matrice di correlazioneVisualizza: soluzione fattoriale non ruotata, scree plotOpzioni : Esclusione listwise
Output ottenuto: • Tabella delle comunalità• Varianza totale spiegata• Scree plot• Matrice delle componenti• Matrice delle componenti ruotata• Matrice di trasformazione delle
componenti: 3 fattori
Total Variance Explained
ComponentInitial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings
Total
% of
Variance
Cumulative
% Total
% of
Variance
Cumulative
% Total
% of
Variance
Cumulative
%
di mension0
1 2,276 32,510 32,510 2,276 32,510 32,510 1,950 27,860 27,860
2 1,276 18,234 50,744 1,276 18,234 50,744 1,499 21,417 49,277
3 1,128 16,108 66,852 1,128 16,108 66,852 1,230 17,575 66,852
4 ,811 11,585 78,437
5 ,593 8,466 86,903
6 ,503 7,185 94,088
7 ,414 5,912 100,000
Extraction Method: Principal Component Analysis.
Dalla tabella si può notare che i primi tre item riescono a spiegare il 66,85% della varianza totale . Tale risultato è accettabile poiché la perdita di informazioni si attesta al di sotto del 30%
STEP 1.1 VARIANZA TOTALE SPIEGATASEGMENTAZIONE CLASSICA: Utilizzatori
59
Communalities
Initial Extraction
Tempo 1,000 ,620
Privacy 1,000 ,688
Status 1,000 ,572
Facilità di utilizzo 1,000 ,693
Condivisibilità 1,000 ,693
Abuso 1,000 ,639
Benefici del servizio 1,000 ,776
Extraction Method: Principal Component Analysis.
La tabella delle comunalità evidenzia una percentuale di varianza spiegata singolarmente da ciascun item compresa fra il 57,2% dell’item ‘’status’’ ed il 77,6% dell’item ‘’Benefici del servizio’’.
STEP 1.2 TABELLA DELLA COMUNALITA’SEGMENTAZIONE CLASSICA: Utilizzatori
60
Dallo scree plot è possibile ravvisare una considerevole riduzione di pendenza tra il primo ed il secondo componente, anche se il risultato finale dell’output indica un numero di fattori pari a tre. Tuttavia si ricordi che le indicazioni fornite da tale grafico possono spesso rivelarsi ingannevoli e di difficile applicabilità. Pertanto, si considera un numero di fattori pari a tre.
STEP 1.3 SCREE PLOTSEGMENTAZIONE CLASSICA: Utilizzatori
61
Rapporto tra numero componenti e numero variabili
ACCETTABILEPer un insieme di 7 item, sono state individuate 3 componenti
% Varianza globale spiegata ACCETTABILE 66,85%
ComunalitàACCETTABILE
Valori compresi tra 57,2% e 77,6%
Il rapporto fra numero di componenti e numero di fattori individuati potrebbe apparire non soddisfacente in relazione alla finalità principale dell’analisi fattoriale, ossia quella di riduzione della complessità informativa dei dati considerati.
In realtà, bisogna tenere in adeguata considerazione l’attuale diffusione e conoscenza dei servizi di geo-localizzazione nel contesto italiano, ambedue piuttosto modeste, e la conseguente difficoltà nel determinare un insieme numeroso di item non solo comprensibili per gli intervistati, ma anche dotati di valore aggiunto per gli obiettivi di ricerca.
Alla luce di ciò, si è scelto di accettare la soluzione a 3 fattori.
STEP 1.4 CONSIDERAZIONI DI RIEPELOGOSEGMENTAZIONE CLASSICA: Utilizzatori
62
0,748-0,281-0,011Abuso
0,7900,2450,060Privacy
0,1390,7370,361Condivisibilità
-0,1210,872-0,023Benefici del servizio
0,1020,2080,720Status
-0,048-0,0260,785Tempo
0,0210,1130,824Facilità di utilizzo
Aspetti psicologiciVantaggi funzionaliImmediatezza della condivisione
63
La tabella che segue riporta le correlazioni tra le variabili originarie e le componenti individuate. Ciascuna variabile viene associata al fattore con il quale possiede la correlazione più alta.
SEGMENTAZIONE CLASSICA: UtilizzatoriSTEP 1.5 MATRICE DELLE COMPONENTI RUOTATA
Dall’analisi della matrice delle saturazioni è possibile individuare i caratteri delle 3 componenti:
• La prima componente è ampiamente spiegata dai caratteri Facilità di utilizzo, Tempo e Status, che sono stati raccolti nell’attributo “Immediatezza della condivisione”;
• La seconda componente è collegata a Benefici del servizio e Condivisibilità, che sono stati riassunti in “Vantaggi funzionali”;
• La terza componente, infine, è rappresentata dai temi Privacy e Abuso. La condizione che si viene a generare verrà chiamata “Aspetti psicologici”.
STEP 1.6 COMMENTO ALLA MATRICE DELLE COMPONENTI RUOTATA
64
SEGMENTAZIONE CLASSICA: Utilizzatori
1°Tentativo: numero di cluster = 2
Number of Cases in each Cluster
Cluster 1 42,000
2 55,000
Valid 97,000
Missing ,000
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Immediatezza della
condivisione
36,369 1 ,628 95 57,939 ,000
Vantaggi funzionali ,002 1 1,011 95 ,002 ,962
Aspetti psicologici 24,692 1 ,751 95 32,896 ,000
Sulla base dei valori fortemente eterogenei degli F e data la non significatività del fattore ‘’vantaggi funzionali’’ nel discriminare fra i cluster, si è scelto di non accettare questa soluzione, procedendo con un ulteriore tentativo.
Metodo di classificazione: procedura non gerarchica delle K medieMax di iterazioni: 100Opzioni : Centri iniziali dei cluster e tabella Anova; esclusione listwise
Output ottenuto:• Tabella dei centri iniziali dei cluster;• Tabella delle iterazioni;• Tabella dei centri finali dei cluster;• Tabella Anova• Numero di osservazioni in ciascuno
dei clusters individuati
65
SEGMENTAZIONE CLASSICA: UtilizzatoriSTEP 2 CLUSTER ANALYSIS
2°Tentativo: numero di cluster da 2 a 3
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Immediatezza della
condivisione
22,033 2 ,552 94 39,879 ,000
Vantaggi funzionali 13,023 2 ,744 94 17,500 ,000
Aspetti psicologici 20,981 2 ,575 94 36,498 ,000
Number of Cases in each Cluster
Cluster 1 38,000
2 36,000
3 23,000
Valid 97,000
Missing ,000
Il secondo tentativo ha portato ad una soluzione soddisfacente, infatti:
• il numero di osservazioni in ciascun cluster risulta essere omogeneo;• non si riscontrano valori fortemente eterogenei degli F;• le tre variabili considerate si dimostrano tutte in grado di discriminare in maniera significativa fra i cluster (p-value del test F < 0,05).
Pertanto, la soluzione con tre cluster è stata considerata quella ottimale.
66
SEGMENTAZIONE CLASSICA: UtilizzatoriSTEP 2 CLUSTER ANALYSIS
2.1 RISULTATI DELLA SOLUZIONE A TRE CLUSTER
-,43044-,58655,81621Aspetti psicologici
,04787,59384-,59156Vantaggi funzionali
-1,18750,51785,22816Immediatezza della condivisione
321
Cluster
Final Cluster Centers
231Aspetti psicologici
132Vantaggi funzionali
312Immediatezza della condivisione
Cluster
Final Cluster Centers
- -- -+ + +Aspetti psicologici
=++- -Vantaggi funzionali
- - -+++ Immediatezza della condivisione
GLI
APATICI
GLI HOMO
GEO-
ECONOMICUS
I NARCISISTI
67
SEGMENTAZIONE CLASSICA: Utilizzatori
STEP 2.2 GRAFICO RADAR
68
SEGMENTAZIONE CLASSICA: Utilizzatori
I narcisistiGli homo geo-economicusGli apatici
69
SEGMENTAZIONE CLASSICA: UtilizzatoriSTEP 3 PROFILAZIONE
I NARCISISTI (39,2%)I NARCISISTI (39,2%)
chi è il check-in più bello del reame?
La volontà di svelare agli altri aspetti della loro sfera personale si consuma, dunque, nei termini di un vero e proprio auto-appagamento fine a sé stesso: la pratica del geo-taggingnon viene, inoltre, percepita come lesiva della propria privacy ma ritengono, comunque, che essa possa creare una vera e propria dipendenza.Servendoci delle variabili socio-demografiche e di media habit solo per fini descrittivi, tale cluster vede la prevalenza di rispondenti di sesso femminile provenienti dal Sud e dalle Isole. Inoltre, tale cluster è propenso in prevalenza a localizzarsi in luoghi di interesse (musei, teatri,ecc), aeroporti e stazioni, località turistiche e discoteche.
Gli individui appartenenti a questo cluster guardano ai servizi di geo-localizzazione come strumento attraverso il quale è in media facile ed immediato fare check-in, data anche l’interfaccia intuitiva e semplice che li contraddistingue: non a caso questi Utilizzatori si avvalgono prevalentemente di Facebook Places. Per questi, la propensione al geo-taggingsi correla, inoltre, con la possibilità di comunicare al proprio network di amici e conoscenti attraverso i posti frequentati il proprio status, mostrandosi, invece, per niente interessati alla possibilità di trarne vantaggi funzionali.
70
SEGMENTAZIONE CLASSICA: Utilizzatori
GLI HOMO GEOGLI HOMO GEO--ECONOMICUS (37,1%)ECONOMICUS (37,1%)
utilità = check-in x vantaggio ottenuto
Non a caso, accanto a Facebook, il servizio più utilizzato è Foursquare che, come ribadito precedentemente, consente di avere feedback costanti sui posti frequentati da terzi e condividere opinioni sui servizi in generale.In altre parole, essi si approcciano in maniera razionale a questi strumenti, consapevoli, inoltre, che essi possano rappresentare un pericolo per la privacy ma non tali da creare un’assuefazione nel tempo.In termini puramente descrittivi, gli individui appartenenti a questo cluster provengono sia dal Nord che dal Sud, sono studenti la cui età è compresa tra 20-25 anni e che tendono a localizzarsi in prevalenza in località turistiche, ristoranti/pub e luoghi di interesse.
Il profilo di utente appartenente a questo cluster guarda ai servizi non solo come strumenti intuitivi, immediati e di facilefruizione, ma dotati anche di notevole utilità: attraverso di questi è possibile condividere informazioni su se stesso e raccogliere opinioni provenienti da fonti diversi, nonchéottenere dei benefici economici.
STEP 3 PROFILAZIONE
71
SEGMENTAZIONE CLASSICA: Utilizzatori
GLI APATICI (23,7%)GLI APATICI (23,7%)
quel checkare pallido e assolto.
Si tratta, in altre parole, di individui che si approcciano in maniera distaccata a tale pratica, ritenendo che essa non comporti dipendenza nel tempo o che possa ledere la propria immagine.In termini demografici e di media habit, gli apatici, provenienti sia dal Nord che dal Sud, effettuano i check-in in bar e ristoranti, ma anche in università e a casa.
Gli individui che appartengono a questo cluster, pur utilizzando i servizi di geo-localizzazione, percepiscono tali strumenti come poco intuitivi ed immediati. Non a caso, utilizzano solo ed esclusivamente strumenti di geo-tagging piùsemplici come Facebook Places e Google Latitude. Sono inoltre indifferenti sulla possibilità di trarre vantaggi funzionali da tali strumenti, mostrandosi, inoltre, poco propensi a condividere informazioni e posti frequentati col proprio network di amici e conoscenti.
STEP 3 PROFILAZIONE
L’analisi fattoriale svolta per i Non Utilizzatori ha comportato la risoluzione di una criticitàriguardante il trade – off creatosi fra interpretabilità dei fattori e perdita di informazioni. Pertanto, il procedimento che ha portato alla soluzione ritenuta ottimale per le finalitàdella ricerca si è così sviluppato:
•tentativo di aumentare la percentuale di varianza totale spiegata fissando un numero di fattori pari a 3;
•confronto fra la soluzione iniziale e quella alternativa alla luce del trade-offinformazione/interpretabilità;
•scelta della soluzione iniziale a 2 fattori.
72
SEGMENTAZIONE CLASSICA: Non UtilizzatoriSTEP 1 ANALISI FATTORIALE
Metodo di estrazione: componenti principali; per il secondo tentativo, fissato numero di fattori pari a 3Metodo di rotazione: VarimaxMax iterazione convergenza: 100Analizza : matrice di correlazioneVisualizza : soluzione fattoriale non ruotata, scree plotOpzioni : Esclusione listwise
Output ottenuto: Tabella delle comunalitàVarianza totale spiegataScree plotMatrice delle componentiMatrice delle componenti ruotataMatrice di trasformazione delle componenti
Extraction Method: Principal Component Analysis.
100,0006,000,4207
94,0007,892,5526
86,1079,786,6855
76,3219,996,7004
66,32512,983,9093
53,34225,8631,81053,34217,7781,24453,34217,7781,2442
27,47927,4791,92435,56335,5632,48935,56335,5632,4891
di mension0
Cumulative %% of
VarianceTotalCumulative %% of
VarianceTotalCumulative %% of
VarianceTotal
Rotation Sums of Squared LoadingsExtraction Sums of Squared LoadingsInitial EigenvaluesComponent
Total Variance Explained
Come si può notare, le prime due componenti spiegano complessivamente il 53,34% della varianza totale dei dati. La perdita informativa è, quindi, da tenere in debita considerazione, in quanto vicina al 50%.
73
SEGMENTAZIONE CLASSICA: Non UtilizzatoriSTEP 1.1 VARIANZA TOTALE SPIEGATA
Extraction Method: Principal Component Analysis.
,6411,000Natura del servizio
,4231,000Abuso
,4751,000Barriera tecnologica
,4421,000Facilità di utilizzo
,4971,000Status
,6091,000Privacy
,6481,000Tempo
ExtractionInitial
Communalities
La tabella delle comunalità mostra una percentuale di varianza spiegata singolarmente da ciascun item compresa fra il 42,3% dell’item ‘’abuso’’ ed il 64,8% dell’item ‘’Abuso’’.
SEGMENTAZIONE CLASSICA: Non Utilizzatori74
STEP 1.2 TABELLA DELLE COMUNALITÀ
Interpretando, sempre con le dovute cautele, lo scree plot, è possibile notare una rilevante riduzione di pendenza tra il primo ed il secondo componente, coerentemente con il risultato finale pari a due fattori .
SEGMENTAZIONE CLASSICA: Non Utilizzatori75
STEP 1.3 SCREE PLOT
Rapporto tra numero componenti e numero variabili
ACCETTABILEConsiderando 7 item, un numero di fattori pari a due appare accettabile
% Varianza globale spiegata
APPENA ACCETTABILE53,4%
ComunalitàACCETTABILE
Valori compresi fra il 42,3% ed il 64,8%
Il valore della varianza globale spiegata potrebbe sembrare non soddisfacente, soprattutto se si considera la perdita di informazioni che tale soluzione comporta. Tuttavia, dopo aver tentato di ovviare a tale problematica procedendo ad una ulteriore analisi fattoriale con numero di fattori fissato pari a tre, si è scelto di mantenere la soluzione appena illustrata per i seguenti motivi:
• la scarsa leggibilità operativa del risultato a tre fattori (dipendente anche dal ridotto numero di item), dovuta ad un sostanziale appiattimento delle diversità fra le componenti;
• decisione di privilegiare, nel trade – off fra completezza informativa ed interpretabilità, quest’ultimo elemento, anche alla luce degli obiettivi operativi fissati per la ricerca.
SEGMENTAZIONE CLASSICA: Non Utilizzatori76
1.4 CONSIDERAZIONI DI RIEPILOGO
STEP 1.5 MATRICE DELLE COMPONENTI RUOTATA E COMMENTO
0,6530,219Barriera tecnologica
0,6790,190Status
0,7760,078Privacy
-0,3960,533Facilità di utilizzo
0,2270,610Abuso
0,2580,758Natura del servizio
0,2120,776Tempo
Aspetti psicologici ed accessibilitàDisutilità funzionale ed abuso
77
È stata costruita la tabella “variabili originarie*componenti individuate” anche per il gruppo Non User. Ciascuna variabile è collegata al fattore con il quale possiede la correlazione più elevata.
SEGMENTAZIONE CLASSICA: Non Utilizzatori
Analizzata la matrice delle saturazioni, è stato possibile individuare i caratteri delle 2 componenti:• La prima componente comprende i caratteri Tempo, Natura del servizio, Abuso e Facilità d’utilizzo, che sono stati raggruppati in “Disutilità funzionale ed abuso;• Il fattore “Aspetti psicologici e accessibilità” ingloba gli item Privacy, Status e Barriera tecnologica.
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Disutilità funzionale ed
abuso
42,613 1 ,596 103 71,499 ,000
Aspetti psicologici ed
accessibilità
20,244 1 ,813 103 24,895 ,000
1°Tentativo: numero di cluster = 2
Metodo di classificazione: Procedura non gerarchica delle K medieMax di iterazioni: 100Opzioni : Centri iniziali dei cluster e tabella Anova; esclusione listwise
78
SEGMENTAZIONE CLASSICA: Non UtilizzatoriSTEP 2 CLUSTER ANALYSIS
Output ottenuto:• Tabella dei centri iniziali dei clusters;• Tabella delle iterazioni;• Tabella dei centri finali dei clusters;• Tabella Anova;• Numero di osservazioni in ciascuno dei
clusters individuati
Number of Cases in each Cluster
Cluster 1 61,000
2 44,000
Valid 105,000
Missing ,000
Dalle tabelle proposte, possiamo ravvisare come:• i p-value dei delle componenti si attestino perfettamente al livello di significativitàprefissato, nonostante i valori degli F risultino piuttosto distanti;• i cluster siano numericamente omogenei.
2°Tentativo: numero di cluster da 2 a 3
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Disutilità funzionale ed
abuso
28,923 2 ,452 102 63,920 ,000
Aspetti psicologici ed
accessibilità
28,420 2 ,462 102 61,468 ,000
79
SEGMENTAZIONE CLASSICA: Non UtilizzatoriSTEP 2 CLUSTER ANALYSIS
Number of Cases in each Cluster
Cluster 1 26,000
2 25,000
3 54,000
Valid 105,000
Missing ,000
Per quanto propensi ad accettare la soluzione a 2 cluster dati i valori rilevati considerabili comunque adeguati, si è eseguito un ulteriore tentativo, al fine di ottenere valori piùomogenei degli F. In questo secondo caso:
•la significatività risulta essere ancora ottima per tutte le componenti;•il test F è più omogeneo rispetto al caso precedente;•le osservazioni risultano ben distribuite nei tre cluster individuati.
Pertanto, abbiamo optato per la seconda soluzione a 3 cluster.
80
2.1 RISULTATI DELLA SOLUZIONE A 3 CLUSTER
,41816,43056-1,28248Aspetti psicologici ed
accessibilità
,61782-1,21473-,11515Disutilità funzionale ed abuso
321
Cluster
132Aspetti psicologici ed accessibilità
213Disutilità funzionale ed abuso
Cluster
++- - -Aspetti psicologici ed accessibilità
+ + - - --Disutilità funzionale ed abuso
I MORALIZZATORI
RADICALIGLI AMLETICI
I COMING
SOON
Final Cluster CentersFinal Cluster Centers
SEGMENTAZIONE CLASSICA: Non Utilizzatori
81
SEGMENTAZIONE CLASSICA: Non UtilizzatoriSTEP 3 PROFILAZIONE
I COMING SOON (24,9%)I COMING SOON (24,9%)
prima o poi mi checko!
I coming soon si distinguono tra i Non User per la loro propensione ad apprezzare i servizi di geo-localizzazione, sebbene le loro considerazioni sulla natura del servizio nascano da percezioni personali. Immaginano un’interfaccia chiara e semplice da utilizzare, sono convinti che l’uso del servizio non richieda dispendio di tempo e non crei dipendenza, e non si preoccupano di eventuali rischi legati all’immagine, o alla privacy. Peccato che non conoscano i marchi associati a questa tipologia di servizi!
La nomenclatura assegnata al cluster non è del tutto casuale: il gruppo individuato, infatti, pare essere il più vicino al profilo dell’Utilizzatore. I coming soon, dunque, potrebbero un giorno trasformarsi in User; aspettano solo di essere coinvolti!Il profilo appena descritto si può sintetizzare con l’idea che i coming soon siano Non Utilizzatori a causa dell’asimmetria informativa che li lega ai servizi. La loro conoscenza dei servizi di geo-localizzazione è solo di natura percettiva. Il gruppo si caratterizza per individui perlopiù di sesso femminile, di età compresa tra i 20 e i 25 anni, provenienti dal sud ed isole. I coming soon sono degli sportivi, a cui piace ascoltare musica e viaggiare.
82
SEGMENTAZIONE CLASSICA: Non Utilizzatori
GLI AMLETICI (23,8%)GLI AMLETICI (23,8%)essere, o non essere …
User o Non User, questo è il problema! Affascinati dalla natura del servizio e dalla facilità di utilizzo, gli amletici sarebbero propensi a fruire dei servizi di geo-localizzazione, anche perchéconvinti non rappresentino una perdita di tempo, né un rischio di dipendenza. Cosa vincola allora il cluster al non utilizzo del servizio? La privacy e/o la mancanza di un dispositivo adatto.
Gli amletici, infatti, temono che l’utilizzo del servizio possa arrecare danni alla propria immagine e alla propria vita, specie se l’uso che se ne fa interferisca con la proiezione dello propria personalità e delle proprie abitudini sull’intera società. E’ più un servizio per fighetti! Oppure, molti di loro non possono utilizzarli perché privi di un dispositivo mobile di ultima generazione. Anche gli amletici, con opportune strategie di marketing, potrebbero essere coinvolti nella fruizione dei servizi geolocal. Il cluster è formato da individui che, come i coming soon, amano viaggiare, fare sport e ascoltare musica. Sono soprattutto di sesso femminile e si concentrano nella fascia d’etàcompresa tra i 20 e i 25 anni. L’area geografica di provenienza si divide tra nord e sud ed isole. Tra i servizi di localizzazione più conosciuti spiccano Facebook Places e Google Latitude.
STEP 3 PROFILAZIONE
83
SEGMENTAZIONE CLASSICA: Non Utilizzatori
I MORALIZZATORI RADICALI (51,2%)I MORALIZZATORI RADICALI (51,2%)
capra, capra, capra!
Non esiste alcuno scopo e non si trae alcun beneficio nel localizzarsi; i moralizzatori radicali restano fermi sulle proprie idee e hanno una cattiva visione dei servizi di geo-localizzazione: sono poco chiari e creano dipendenza. La concezione negativa, però, riguarda piùla natura del servizio stesso, rispetto alla personalità di chi ne fruisce.
Credono, ad ogni modo, che chi si localizza non tema per la propria privacy e che non sappia impiegare il proprio tempo in qualcosa di più utile e vantaggioso. La negativitànon va ricercata nella mera assenza di informazioni sui servizi in questione, tanto è vero che il cluster conosce bene quali sono i diversi tipi di servizi offerti, specie se si fa riferimento ai più famosi ed utilizzati. Difficilmente è possibile far cambiare loro idea.I moralizzatori radicali provengono in maggioranza dal nord, hanno tra i 20 e i 25 anni, e sono generalmente di sesso femminile. Fra i cluster dei Non Utilizzatori si distinguono per la varietà dei loro hobby ed interessi, che si spaziano dal viaggio alla lettura, dalla musica, all’arte e allo sport.
STEP 3 PROFILAZIONE
OBIETTIVO 3Al fine di analizzare nello specifico come un’azienda appartenente al settore HoReCapotrebbe impostare delle politiche di offerta utilizzando i servizi di geo-localizzazione, indagando congiuntamente le attitudini degli Utilizzatori e dei Non Utilizzatori , abbiamo optato per una segmentazione di tipo flessibile mediante la combinazione di due tecniche:
Si è pertanto proceduto nel seguente modo:
1)Tramite il questionario, tutti i rispondenti, fruitori o meno dei servizi di geo-localizzazione, sono stati chiamati ad esprimere una valutazione di gradimento complessivo (di tipo rating, su scala da 1 a 9) su 8 profili di offerta;2)attraverso la conjoint analysis tali valutazioni globali sono state disaggregate in scale di utilità, corrispondenti ad ognuno degli attributi considerati;3)tramite la cluster analysis, sono stati individuati 4 cluster internamente omogenei sulla base dei valori delle utilità individuali.
Conjoint analysisCluster analysis
84
IL PROCESSO DI SEGMENTAZIONE: L’APPROCCIO FLESSIBILEMETODOLOGIA SEGUITA
Per delineare le caratteristiche principali di una iniziativa promozionale che utilizzi i servizi di geo-localizzazione si è scelto di considerare sia gli aspetti che, per definizione, connotano le promozioni (presenza di una ricompensa monetaria o di un beneficio addizionale rispetto alle normali condizioni dell’offerta, temporaneità del vantaggi), sia i feedback emersi durante il focus group.
Pertanto, gli attributi ed i relativi livelli scelti per la costruzione dei profili promozionali sono stati i seguenti:
1) Servizio di localizzazione da utilizzare (Facebook Places vs Foursquare vs a scelta dell’utente);
2) numero massimo di localizzazioni giornaliere (una sola localizzazione al giorno vs nessun vincolo);
3) numero di check-in richiesti per ottenere il vantaggio promozionale (10 check-in vs 20 check-in);
4) durata del vantaggio (1 mese vs 6 mesi);
5) valore del vantaggio (5 € vs 10 €).
85
CONJOINT ANALYSISINDIVIDUAZIONE DEGLI ATTRIBUTI/LIVELLI RILEVANTI
Sulla base degli attributi e dei livelli individuati, il numero di combinazioni possibili risultava pari a 3 x 2 x 2 x 2 x 2 = 48. Per ridurre tale complessità, si è proceduto alla creazione dei profili di offerta tramite la funzionalità “disegno ortogonale” di SPSS.
Tale funzionalità, sulla base dell’ipotesi che non esistano effetti di interazione fra gli attributi, ha determinato una riduzione dei profili di offerta da 48 ad 8 card. Queste ultime sono state quelle effettivamente valutate dai rispondenti.
86
CONJOINT ANALYSISPREDISPOSIZIONE PROFILI PROMOZIONALI
Come già specificato in sede di presentazione del questionario, ai rispondenti è stato proposto di valutare (scala 1-9) gli otto profili promozionali ottenuti con il disegno ortogonale. I dati relativi a tale domanda sono stati utilizzati per risalire ai valori di utilitàglobali tramite l’impiego della sintassi di SPSS per la Conjoint Analysis
*CONJOINT GLOBALE RATING.
CONJOINT DATA=* /PLAN='C:\Users\ciaccio dott\Desktop\Progetto Market Research\Dataset\Conjoint DEF.sav'/
/SCORE=Profilo1 to Profilo8
/FACTORS=Serv_loc (1 'Facebook' 2 'Foursquare' 3 'A scelta dell utente' ) Num_max_loc ( 1 'una al giorno' 2 'nessun limite‘ )
Num_loc_ric ( 1 '10' 2 '20‘ )
Durata_vantaggio ( 1 '1 mese' 2 '6 mesi‘ )
Valore_vantaggio ( 1 '5 euro' 2 '10 euro‘ )
/print summaryonly.
87
CONJOINT ANALYSISRACCOLTA DEI GIUDIZI ED ELABORAZIONE DEI DATI
SINTASSI
Utilities
Utility Estimate Std. Error
Serv_loc Facebook ,014 ,027
Foursquare -,509 ,031
A scelta dell utente ,495 ,031
Num_max_loc una al giorno -,173 ,020
nessun limite ,173 ,020
Num_loc_ric 10 ,107 ,020
20 -,107 ,020
Durata_vantaggio 1 mese -,134 ,020
6 mesi ,134 ,020
Valore_vantaggio 5 euro -,424 ,020
10 euro ,424 ,020
(Constant) 5,208 ,021
Importance Values
Serv_loc 37,488
Num_max_loc 12,881
Num_loc_ric 7,987
Durata_vantaggio 10,018
Valore_vantaggio 31,625
Averaged Importance Score
Correlationsa
Value Sig.
Pearson's R ,999 ,000
Kendall's tau 1,000 ,000
a. Correlations between observed and
estimated preferences
A livello di utilità globale, emergono due elementi particolarmente interessanti:• Osservando la tabella delle utilità si nota che la possibilità di poter scegliere il servizio tramite il quale localizzarsi è mediamente preferita sia rispetto al vincolo di utilizzare Facebook Places sia rispetto alla richiesta di utilizzare Foursquare;• A livello di importanze, occorre evidenziare che l’attributo ritenuto più rilevante (37,5%) èil servizio di localizzazione impiegato nell’iniziatica promozionale, seguito a breve distanza dall’entità monetaria del vantaggio (31,7%).L’entità dello sforzo richiesto, racchiusa nel numero di localizzazioni necessarie per godere del vantaggio promozionale, non sembra invece essere rilevante per i rispondenti complessivamente considerati.
88
CONJOINT ANALYSISCONJOINT GLOBALE: VALUTAZIONE RATING
Con l’obiettivo di indagare eventuali differenze nella percezione di utilità relativa ai profili promozionali presentati, a seconda delle caratteristiche demografiche e comportamentali dei rispondenti, abbiamo ritenuto opportuno svolgere la procedura di cluster analysisdividendo il campione secondo:• Sesso• Classe d’età• Device utilizzato per connettersi ad internet
89
CONJOINT ANALYSISCONJOINT DISTINTE: VARIABILI DEMOGRAFICHE E DI MEDIA HABIT
*CONJOINT DIVISA PER SESSO.
SORT CASES by Sessosplit file by Sesso.
conjoint data=* /plan='C:\Users\ciaccio dott\Desktop\Progetto Market Research\Dataset\Conjoint DEF.sav'/
/score=Profilo1 to Profilo8
/FACTORS=Serv_loc ( 1 'Facebook' 2 'Foursquare' 3 'A scelta dell utente' )
Num_max_loc ( 1 'una al giorno' 2 'nessun limite‘ )Num_loc_ric ( 1 '10' 2 '20‘ )
Durata_vantaggio ( 1 '1 mese' 2 '6 mesi‘ )
Valore_vantaggio ( 1 '5 euro' 2 '10 euro‘ )
/print summaryonly.
split file off.
SINTASSI
Importance Values
M Serv_loc 36,290
Num_max_loc 12,231
Num_loc_ric 7,392
Durata_vantaggio 7,930
Valore_vantaggio 36,156
F Serv_loc 38,115
Num_max_loc 13,221
Num_loc_ric 8,298
Durata_vantaggio 11,111
Valore_vantaggio 29,255
Averaged Importance Score
Correlationsa
SessoValue Sig.
M Pearson's R ,999 ,000
Kendall's tau ,982 ,000
F Pearson's R 1,000 ,000
Kendall's tau ,982 ,000
a. Correlations between observed and estimated preferences
Nonostante nei due gruppi gli attributi ritenuti più importanti rimangano quelli emersi a livello complessivo (servizio di localizzazione da utilizzare e valore del vantaggio) èinteressante notare come le donne tendano ad attribuire una importanza relativamente inferiore agli aspetti economici (29,2% vs 36,1% degli uomini) ed a conferire una rilevanza maggiore all’attributo di durata del vantaggio promozionale (11,1% vs 7,9%).
NB: per la visione della tabella “Utilità globale rating – distinta per sesso” si fa rimando all’output fornito in allegato.
90
CONJOINT ANALYSISCONJOINT DISTINTE: SESSO
Correlationsa
EtàValue Sig.
15-19 Pearson's R ,926 ,000
Kendall's tau ,691 ,009
20-25 Pearson's R ,999 ,000
Kendall's tau 1,000 ,000
26-30 Pearson's R ,994 ,000
Kendall's tau ,857 ,001
a. Correlations between observed and estimated preferences
91
CONJOINT ANALYSISCONJOINT DISTINTE: ETA’
Averaged Importance Score
25,911Valore_vantaggio
5,668Durata_vantaggio
16,194Num_loc_ric
10,526Num_max_loc
41,700Serv_loc26-30
33,261Valore_vantaggio
10,367Durata_vantaggio
7,559Num_loc_ric
12,311Num_max_loc
36,501Serv_loc20-25
5,556Valore_vantaggio
12,222Durata_vantaggio
7,778Num_loc_ric
27,778Num_max_loc
46,667Serv_loc15-19
Importance Values
Tre sono i punti più interessanti sui quali soffermarsi:
• rispetto ai valori delle importanze riscontrati a livello complessivo, i rispondenti appartenenti alle fasce di età 15-19 e 26-30 assegnano una rilevanza maggiore (rispettivamente 46,67% e 41,7% vs 37,5% globale) all’attributo “servizio di localizzazione”;
• i rispondenti appartenenti alla fascia di età 15-19 conferiscono agli aspetti economici dei profili promozionali (attributo “valore del vantaggio”) una importanza molto scarsa, in contrasto sia con gli altri due gruppi di intervistati, sia con i risultati riscontrati a livello di conjoint globale;
• chi ha un’età compresa fra 26 e 30 anni attribuisce una rilevanza relativamente maggiore, rispetto agli altri due gruppi, allo sforzo necessario per ottenere il beneficio promozionale (attributo “numero di localizzazioni richieste”), mentre considera relativamente poco importante l’estensione temporale del vantaggio.
92
CONJOINT ANALYSISCONJOINT DISTINTE: ETA’
Importance Values
Cellulare Serv_loc 45,763
Num_max_loc 5,932
Num_loc_ric 5,932
Durata_vantaggio 19,492
Valore_vantaggio 22,881
PC Serv_loc 37,011
Num_max_loc 11,802
Num_loc_ric 8,729
Durata_vantaggio 12,779
Valore_vantaggio 29,679
Smartphone Serv_loc 40,826
Num_max_loc 7,110
Num_loc_ric 8,945
Durata_vantaggio 7,569
Valore_vantaggio 35,550
Tablet Serv_loc 48,148
Num_max_loc 25,926
Num_loc_ric 7,407
Durata_vantaggio ,000
Valore_vantaggio 18,519
Netbook Serv_loc 32,308
Num_max_loc 22,564
Num_loc_ric 3,077
Durata_vantaggio 12,308
Valore_vantaggio 29,744
Averaged Importance Score
Chi utilizza prevalentemente il PC ed il netbook per connettersi alla Rete attribuisce una importanza inferiore (rispettivamente, 37,2% e 32,3%) all’attributo “servizio di localizzazione” rispetto a chi si serve di altri device, come lo smartphone (importanza pari al 40,8%). Coloro che impiegano il tablet come principale mezzo di accesso ad Internet non considerano per nulla importante la durata del vantaggio offerto, mentre si dimostrano molto sensibili al servizio di localizzazione da dover utilizzare ed allo sforzo necessario, in termini di numero di check-in, per conseguire il beneficio promozionale.
CONJOINT ANALYSISCONJOINT DISTINTE: DEVICE UTILIZZATO
93
a. Correlations between observed and estimated preferences
,0001,000Kendall's tau
,000,999Pearson's RNetbook
,0001,000Kendall's tau
,000,980Pearson's RTablet
,000,982Kendall's tau
,0001,000Pearson's RSmartphone
,001,857Kendall's tau
,000,994Pearson's RPC
,005,769Kendall's tau
,001,922Pearson's RCellulare
dimension0
Sig.ValueDi quale fra i seguenti strumenti ti avvali più spesso per collegarti ad Internet?
Correlationsa
Al fine di simulare il processo di scelta delle card da parte dei rispondenti, così da permettere una stima della quota di coloro che sceglieranno un certo profilo d’offerta, sono state create ad hoc tre nuove card, relative a tre ipotetiche configurazioni dell’iniziativa promozionale basata sui servizi di geo-localizzazione:
CONJOINT ANALYSISSIMULAZIONE DELLE QUOTE DI PREFERENZA
94
CONJOINT DATA=* /PLAN='C:\Users\ciaccio dott\Desktop\Progetto Market Research\Dataset\Conjoint SIMULAZIONE.sav'/
/SCORE=Profilo1 to Profilo8/SUBJECT=Rispondente
/FACTORS=Serv_loc ( 1 'Facebook' 2 'Foursquare' 3 'A scelta dell utente' )
Num_max_loc ( 1 'una al giorno' 2 'nessun limite‘ )
Num_loc_ric ( 1 '10' 2 '20‘ ) Durata_vantaggio ( 1 '1 mese' 2 '6 mesi‘ )
Valore_vantaggio ( 1 '5 euro' 2 '10 euro‘ )
/print summaryonly SIMULATION.
SINTASSI
Preference Scores of Simulations
Card NumberID Score
1 9 4,865
2 10 3,860
3 11 6,059
Preference Probabilities of Simulationsb
Card Number
ID Maximum Utilitya
Bradley-Terry-
Luce Logit
1 9 24,9% 33,1% 30,1%
2 10 13,3% 27,2% 17,3%
3 11 61,8% 39,7% 52,6%
a. Including tied simulations
b. 186 out of 202 subjects are used in the Bradley-Terry-Luce and Logit methods because
these subjects have all nonnegative scores.
•A livello complessivo, il profilo 9 ha un valore globale pari a 4,86, il profilo 10 pari a 3,86 mentre la card 11 si attesta su un valore di 6,05. Tale risultato è coerente con le scelte effettuate in sede di costruzione dei profili simulati; nella terza card, infatti, ad eccezione dell’aspetto relativo al servizio di localizzazione, sono state inserite tutte le caratteristiche che connotano il profilo promozionale «ideale»;
• in tutti e tre i modelli simulativi utilizzati, il profilo 11 ottiene la quota di preferenza maggiore, con il risultato migliore nel caso del modello First choice, che tende a privilegiare la card con l’utilità globale più alta. In questo caso, la card 11 sarà scelta con una probabilità del 62,8%, probabilità che si riduce al 39% nel modello BTL e al 52,6% nel caso del Logit.
CONJOINT ANALYSISSIMULAZIONE DELLE QUOTE DI DIFFERENZA
95
Le stime dei coefficienti di utilità individuale, ottenute tramite la conjoint analysis e salvate in un apposito file, sono state utilizzate come input per la procedura di clustering non gerarchica, attraverso il metodo delle k-medie.L’obiettivo perseguito era quello di indagare la presenza, nel totale del campione, di gruppi di rispondenti che condividessero simili percezioni di valori in merito al profilo di una promozione basata sui servizi geo-local.
Per poter ottenere il file contenente i coefficienti di utilità individuale è stata inserita in SPSS la seguente sintassi:
CONJOINT DATA=* /PLAN='C:\Users\ciaccio dott\Desktop\Progetto Market Research\Dataset\Conjoint DEF.sav'/
/SCORE=Profilo1 to Profilo8
/SUBJECT=Rispondente
/FACTORS=Serv_loc ( 1 'Facebook' 2 'Foursquare' 3 'A scelta dell utente' ) Num_max_loc ( 1 'una al giorno' 2 'nessun limite‘ )
Num_loc_ric ( 1 '10' 2 '20 ')
Durata_vantaggio ( 1 '1 mese' 2 '6 mesi‘ )
Valore_vantaggio ( 1 '5 euro' 2 '10 euro‘ )
/print summaryonly/utility= 'C:\Users\ciaccio dott\Desktop\Progetto Market Research\Dataset\Utilità tot rispondenti.sav'/.
CONJOINT ANALYSISCONJOINT E CLUSTER KEY-MEANS: UNA PREMESSA
96
SINTASSI
STEP 1 : PREMESSA E PRIMO TENTATIVO
Per ottenere una soluzione adeguata sia dal punto di vista della significatività statistica, sia in riferimento all’interpretabilità dei risultati in ottica di implicazioni manageriali, sono statieffettuati diversi tentativi di cluster analysis con il metodo delle k-medie.
PRIMO TENTATIVO : numero di cluster pari a 2
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Facebook 51,034 1 ,758 200 67,343 ,000
A scelta dell utente 68,074 1 ,454 200 149,824 ,000
nessun limite 1,829 1 ,499 200 3,667 ,057
10 ,132 1 ,401 200 ,329 ,567
6 mesi 1,959 1 ,389 200 5,036 ,026
10 euro ,122 1 ,508 200 ,241 ,624
Number of Cases in each Cluster
Cluster 1 100,000
2 102,000
Valid 202,000
Missing ,000
Si è scelto di scartare questa prima soluzione, nonostante la soddisfacente ripartizione delle osservazioni nei due cluster, poiché:• tre variabili su sei risultano statisticamente non significative nel discriminare fra i segmenti; • i valori degli F risultano estremamente eterogenei.
CONJOINT ANALYSISSTEP 1 PREMESSA, TENTATIVI E SOLUZIONE OTTIMALE
97
SECONDO TENTATIVO : numero di cluster pari a 3
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Facebook 44,540 2 ,570 199 78,079 ,000
A scelta dell utente 34,890 2 ,448 199 77,864 ,000
nessun limite 7,492 2 ,435 199 17,216 ,000
10 2,644 2 ,377 199 7,015 ,001
6 mesi 2,036 2 ,380 199 5,351 ,005
10 euro 1,206 2 ,499 199 2,419 ,092Number of Cases in each Cluster
Cluster 1 74,000
2 41,000
3 87,000
Valid 202,000
Missing ,000
Anche in questo secondo caso, si è scelto di non accettare la soluzione proposta in quanto non robusta dal punto di vista della significatività statistica, come si può notare dal p-value relativo alla variabile «10 euro» nonché dalle discrepanze nei valori degli F.
CONJOINT ANALYSISSTEP 1 PREMESSA, TENTATIVI E SOLUZIONE OTTIMALE
98
ANOVA
Cluster Error
F Sig.Mean Square df Mean Square df
Facebook 32,574 3 ,530 198 61,497 ,000
A scelta dell utente 22,641 3 ,460 198 49,249 ,000
nessun limite 8,265 3 ,388 198 21,310 ,000
10 2,328 3 ,370 198 6,288 ,000
6 mesi 7,049 3 ,296 198 23,804 ,000
10 euro 9,814 3 ,365 198 26,919 ,000
Number of Cases in each Cluster
Cluster 1 35,000
2 63,000
3 23,000
4 81,000
Valid 202,000
Missing ,000
TERZO TENTATIVO : numero di cluster pari a 4
La soluzione a quattro cluster presenta:• il requisito della significatività statistica, in quanto i p-value per tutte le variabili presentano un valore inferiore al livello di significatività fissato, pari a 0,05;• i valori degli F mostrano una eterogeneità accettabile;• le osservazioni si distribuiscono in maniera soddisfacente nei quattro cluster,
Pertanto, si è deciso di considerare quest’ultima come soluzione ottimale e di procedere nell’interpretazione dei segmenti ottenuti con l’approccio flessibile considerando un numero di cluster pari a 4.
CONJOINT ANALYSISSTEP 1 PREMESSA, TENTATIVI E SOLUZIONE OTTIMALE
99
100
CLUSTER ANALYSIS
,86,47,11-,0510 euro
,49-,35-,17,186 mesi
,28,32-,08-,0910
,37,30-,34,54Nessun
limite
,891,19,35-,61A scelta dellutente
,26-1,62-,20,91Facebook
Plac.
4321
Cluster
123410 euro
32146 mesi
124310
2341Nessun
limite
1243A scelta dellutente
3241Facebook
Plac.
Cluster
Final Cluster Centers
+ +++=10 euro
+--+6 mesi
++==10
++-+Nessun limite
+ ++ + ++- -A scelta dell
utente
+- - --+ +Facebook Places
GLI
INCONTENTABILI
I
MASSIMIZZATORI
GLI
SCAMBISTI
NO FACEBOOK
PLACES, NO PARTY
Final Cluster Centers
STEP 2 RISULTATI DELLA SOLUZIONE A 4 CLUSTER
STEP 2.1 GRAFICO RADAR
101
SEGMENTAZIONE FLESSIBILE
No FBP, no partyGli scambistiI massimizzatoriGli incontentabili
102
SEGMENTAZIONE FLESSIBILE: CLUSTER INDIVIDUATISTEP 3 PROFILAZIONE
I componenti del primo cluster sono indifferenti sia al vantaggio economico apportato dalle diverse politiche promozionali, sia all’eventuale sforzo necessario (numero di localizzazioni richieste). Le opzioni che conferiscono più utilità, all’interno dei diversi profili d’offerta, sono la possibilità di effettuare il check-in con il servizio di geo-localizzazione preferito (nel caso specifico Facebook Places) e l’estensione temporale in cui si sviluppa la promozione proposta, privilegiando dunque la comodità della fruizione rispetto ad altri aspetti del vantaggio.
Gli individui appartenenti a questo segmento sono in prevalenza Non Utilizzatori (68%), all’interno dei quali appare bilanciata la presenza di coloro che sarebbero propensi all’utilizzo del servizio di geo-localizzazione per questo tipo di attività promozionali, e coloro che mantengono la loro posizione iniziale di rifiuto.
NO FACEBOOK PLACES, NO PARTY (17,3%)NO FACEBOOK PLACES, NO PARTY (17,3%)
103
GLI SCAMBISTI (31,2%)GLI SCAMBISTI (31,2%)
Agli scambisti non interessa tanto il numero di check-in richiesti per partecipare alla campagna promozionale, quanto la possibilità di scegliere il servizio di geo-localizzazione da utilizzare e il vantaggio economico che ne deriva. In cambio sembrano essere disposti ad accettare anche dei vincoli in termini temporali, relativi ad una piùstringente scadenza dell’offerta promozionale. In altri termini, attrarre gli scambisti vuol dire raggiungere un compromesso con essi.
SEGMENTAZIONE FLESSIBILE: CLUSTER INDIVIDUATI
Il cluster è costituito per il 60% (sul totale dei componenti) da Non Utilizzatori, tra i quali emerge una maggiore presenza di individui non disponibili ad usufruire dei servizi per partecipare a offerte promozionali basate sui servizi di geo-localizzazione.
STEP 3 PROFILAZIONE
104
I I ““MASSIMIZZATORIMASSIMIZZATORI”” (11,4%)(11,4%)
I “massimizzatori” prestano più attenzione agli aspetti funzionali ed economici delle diverse offerte presentate. Traggono un’utilità elevata dalla possibilità di scegliere il servizio di geo-localizzazione da utilizzare per partecipare all’iniziativa, lasciando, invece, ampi margini di scelta sulla durata del buono conquistato. La cosa importante, però, è che non vi siano vincoli giornalieri all’effettuazione del check-in, e che venga loro lasciata la possibilità di effettuarne in totale solo 10(anziché 20).
SEGMENTAZIONE FLESSIBILE: CLUSTER INDIVIDUATI
Il cluster è ben diviso tra componenti User e Non User (nello specifico, quasi il 50% sono Utilizzatori). Tra i secondi si presenta una percentuale maggiore di individui potenzialmente “evangelizzabili” (58,3%).
STEP 3 PROFILAZIONE
105
GLI INCONTENTABILI (40,1%)GLI INCONTENTABILI (40,1%)
L’ultimo cluster individuato dall’analisi raduna tutti gli individui che attribuiscono un’utilitàpositiva, seppur di intensità moderata, a tutte le componenti che danno vita ai profili d’offerta. In particolar modo, preferiscono avere la possibilità di scegliere il servizio che più loro aggrada, così come la possibilità di ricevere un buono da 10€, rispetto ad uno di ammontare inferiore.
Gli incontentabili prediligono una durata di validità dello sconto di 6 mesi, e non sono disposti ad andare oltre le 10 localizzazioni totali richieste. Inoltre, vogliono non esser vincolati nel numero di check-in giornalieri da effettuare. Insomma, “o tutto o niente!”. Gli incontentabili sono rappresentati, per la maggioranza, da Utilizzatori di servizi di geo-localizzazione (61,7%). Tra i rimanenti Non Utilizzatori si distingue una grossa fetta di individui che hanno dichiarato di esser disponibili ad utilizzare i servizi per eventuali vantaggi e benefici (19 unità su 31).
SEGMENTAZIONE FLESSIBILE: CLUSTER INDIVIDUATISTEP 3 PROFILAZIONE
106
LIMITI DELL’ANALISI
1) In primo luogo, la natura dei servizi analizzati, la cui conoscenza ed applicazione nel contesto italiano risulta essere poco diffusa o limitata solo ad alcune fasce d’età, ha comportato la necessità di avvalersi di un campionamento di convenienza, con tutte le criticità correlate alla mancanza di un robusto piano di somministrazione del questionario e alle ridotte dimensioni campionarie. La somministrazione via web del questionario, dunque in modalità non assistita, potrebbe aver provocato distorsioni nelle risposte, dovute a fraintendimenti o a una scarsa qualità nel processo di compilazione;
2) la volontà di analizzare le motivazioni e le percezioni dei Non User ha reso necessario duplicare alcune tecniche di analisi utilizzate (in particolare l’approccio di segmentazione classica). Inoltre, questa tipologia di rispondenti è stata chiamata a valutare gli stessi profili di offerta degli utilizzatori, dal momento che non era possibile stabilire a priori se la condizione di Non User fosse correlata alla non conoscenza dei servizi di localizzazione o alla consapevole scelta di non avvalersene;
3) dal momento che la pratica stessa del geo-tagging si correla, come emerso prepotentemente dal focus group, ad alcuni aspetti psicologici di difficile indagine ( dallo status, alla privacy, all’affermazione sociale), il nostro margine di manovra nell’analisi potrebbe essere stato fortemente condizionato dai bias cognitivi degli intervistati, soprattutto se Non Utilizzatori, sui servizi geolocal;
4) dalla scarsa conoscenza e diffusione dei servizi di geo–localizzazione è dipesa, inoltre, l’impossibilità di effettuare un’analisi di posizionamento sui diversi brand.
Alla luce dei risultati delle due procedure di segmentazione effettuate, e considerata la sostanziale eterogeneità dei cluster individuati, si è scelto di riflettere sulle implicazioni manageriali adottando una duplice ottica:
• Prospettiva strategica: sulla base degli atteggiamenti e delle motivazioni rilevati nella fase di segmentazione classica rispetto a User e a Non User, ci si è chiesti quali potessero essere i segmenti più sensibili ad iniziative promozionali basate sui servizi geo-localizzazione, intesi in tale sede essenzialmente come strumenti attraverso i quali incrementare l’awareness di un prodotto o di un servizio mediante la proposta di un incentivo economico e di modalità di comunicazione interattive e coinvolgenti;
• Prospettiva operativa: sulla base dei risultati emersi dalla procedura di segmentazione flessibile condotta a livello di campione totale, definizione di iniziative promozionali mirate a specifici segmenti e declinate in riferimento alle necessità di comunicazione e di fidelizzazione della clientela da parte della nostra realtà aziendale di riferimento (The Bagel Factory)
107
IMPLICAZIONI MANAGERIALIINTRODUZIONE
108
IMPLICAZIONI MANAGERIALILA PROSPETTIVA STRATEGICA: LA SCELTA DEI SEGMENTI
Nel riflettere sulla tipologia di segmento più idoneo ad essere coinvolto in una campagna promozionale basata sui servizi di geo-localizzazione, abbiamo scelto di focalizzarci sugli aspetti motivazionali e di percezione relativi sia agli Utilizzatori sia ai Non Utilizzatori.
Pertanto, alla luce di quanto emerso dal processo di analisi fattoriale e cluster analysis, si èdeciso di puntare in primo luogo sui segmenti degli Homo Geo-economicus, per gli User, e dei Coming Soon, per i Non User. Tale scelta è stata basata sulle seguenti considerazioni:
•per il cluster degli homo geo-economicus è sembrata particolarmente rilevanti l’attenzione mostrata alla presenza dell’incentivo economico, con l’opportunità di bilanciare attraverso l’offerta di un idoneo vantaggio i rischi percepiti dei membri di tale segmento in merito alla privacy;
•per il cluster dei coming soon, è apparsa degna di considerazione la positiva attitudine dimostrata da tali individui nei confronti degli aspetti principali relativi alla fruizione dei servizi di geo-localizzazione, inclusi i benefici di natura funzionale, che essi possono offrire. Tuttavia in riferimento a tale cluster è doveroso ricordare la presenza di una barriera informativa elevata, dovuta alla scarsa conoscenza dei principali brand nello scenario del geo-tagging.
109
IMPLICAZIONI MANAGERIALILA PROSPETTIVA STRATEGICA: POSSIBILI PROPOSTE
Cluster degli homo geo-economicusAl fine di ridurre il trade-off percepito da tale cluster fra rischio per la privacy e beneficieconomici si propone di agire su due principali leve: •azione di breve periodo: incrementare l’entità del vantaggio economico in modo da modificare in maniera positiva per tali cluster il rapporto fra ricompense ottenibili e sacrificio richiesto in termini di parziale rinuncia alla privacy;•azione di lungo periodo: aumentare la percezione di trasparenza delle modalità di condivisione sia dei propri check-in che dei propri feedback attraverso la creazione da parte dell’azienda di un profilo corporate sulla piattaforma di uno dei principali servizi di geo-localizzazione. In relazione a ciò la nostra proposta è di optare per Foursquare in quanto rispetto a Facebook Places consente agli utenti di gestire in maniera personalizzata i meccanismi di sharing prevedendo impostazioni maggiormente rispettose della privacy individuale.
Cluster dei coming soonCome affermato in precedenza, i coming soon sono degli User inconsapevoli, aspettano solo di essere coinvolti. Pertanto si suggerisce di agire sia sulla riduzione del gap informativo che caratterizza tale segmento, sia di sfruttare la positiva predisposizione all’utilizzo dei coming soon, sviluppando iniziative volte a coinvolgerli in attività di gaming in chiave social. Si potrebbe, ad esempio, proporre a tale cluster la partecipazione ad eventi di comunicazione non convenzionale, come la caccia al tesoro organizzata da Jimmy Choo(presentata in fase di analisi desk).
110
IMPLICAZIONI MANAGERIALILA PROSPETTIVA OPERATIVA: SCELTA DEI
SEGMENTI
Focalizzando l’attenzione su The Bagel Factory, in relazione alla quale sono stati concepiti i profili d’offerta sottoposti al giudizio dei rispondenti, abbiamo tentato di individuare i segmenti più idonei a partecipare ad attività mirate di natura promozionale. Alla luce di quanto evidenziato in sede di profilazione dei clusters ottenuti tramite l’approccio flessibile, proponiamo di sviluppare tali attività facendo riferimento, in prima istanza, ai due seguenti segmenti:
• i Massimizzatori, caratterizzati dalla propensione a ricercare il rapporto ottimale fra entitàdel vantaggio economico e sforzo richiesto per ottenerlo. Si riporta alla memoria la composizione del cluster, composto al 50% da Utilizzatori. Tra i Non Utilizzatori emergono gli “evangelizzabili” (58,3%)
• gli Incontentabili, che nutrono aspettative elevate su tutte le componenti peculiari del profilo di offerta promozionale, valore del vantaggio e possibilità di scelta del servizio di geo-localizzazione in primis. Il segmento è composto al 62% circa da User, mentre tra la parte rimanente di coloro che non usufruiscono dei servizi di geo-localizzazione si conta circa il 62% di potenziali utenti disposti a convertirsi.
E’ parso interessante, dunque, cercare di delineare concretamente il profilo di una ipotetica iniziativa promozionale , studiata per adattarsi ad ambedue i cluster e che fosse verosimilmente implementabile da parte di The Bagel Factory.
111
IMPLICAZIONI MANAGERIALIUNA PROPOSTA CONCRETA: THE BAGEL GAME
1. Fino a 10 localizzazioni � Conquista del BASIC BAGEL BADGEPer ottenerlo sarà necessario totalizzare 10 check-in totali nello store di piazza XXIV Maggio, così da conquistare un coupon del valore di 10€, da spendere entro i 6 mesi successivi;
2. Oltre le 10 localizzazioni � Conquista del LOYAL BAGEL BADGEPer conseguirlo i partecipanti dovranno localizzarsi per almeno quindici volte presso The Bagel Factory, così da ricevere oltre ad un coupon di 10€ della durata di 6 mesi anche la possibilità di ottenere il titolo di BIG BAGEL MAN (equivalente della carica di mayor) e di accedere alla fase conclusiva del gioco.
INIZIATIVA PROMOZIONALE: “The Bagel Game”SERVIZIO DI GEO-LOCALIZZAZIONE IMPIEGATO: Foursquare, con possibilità di condividere i check-in effettuati anche sul proprio profilo FacebookDESCRIZIONE DEL GIOCO: i partecipanti saranno chiamati a partecipare ad una competizione articolata in due differenti fasi, concepite, rispettivamente, per i massimizzatori e per gli incontentabili:
Quest’ultima consiste in una competizione sul tema “MAKE YOUR PERSONAL BAGEL”: nell’arco di due settimane, i big bagel men saranno chiamati a creare una ricetta originale per la farcitura del bagel. Le idee verranno poi sottoposte alla valutazione degli utenti iscritti sia alla pagina corporate dell’azienda su Foursquare, sia alla fan page su Facebook. La ricetta che avrà totalizzato il numero maggiore di like e/o di tip di approvazione entro una settimana dalla pubblicazione sul web, sarà inserita all’interno del menu di The Bagel Factory con il nome scelto dal suo ideatore.
112
IMPLICAZIONI MANAGERIALICONCLUSIONI: LE OPPORTUNITA’ PER THE BAGEL FACTORY
Riteniamo che l’iniziativa The Bagel Game consentirebbe alla nostra azienda di riferimento di cogliere delle rilevanti opportunità sia nel breve, che nel lungo termine.
Breve periodoGrazie all’utilizzo di Foursquare, l’azienda sarà in grado di coniugare le esigenze di incrememento della awareness tipiche di una start-up, sia la necessità di incremento e di monitoraggio del traffico in store. Inoltre, la possibilità offerta da tale servizio di geo-localizzazione di condividere la propria posizione, integrata da un commento, anche su profili di diversi social network, sembra costituire un’interessante opportunità in termini di passaparola.
Lungo periodo Se efficacemente implementata in relazione al segmento degli incontentabili tale iniziativa promozionale potrebbe porre le fondamenta il futuro sviluppo di politiche di fidelizzazione della clientela.
Bagel manBagel gameLoyal Bagel Badge Basic Bagel Badge