• Non ci sono risultati.

Tecniche di Data Mining per il Category Management nella grande distribuzione

N/A
N/A
Protected

Academic year: 2021

Condividi "Tecniche di Data Mining per il Category Management nella grande distribuzione"

Copied!
49
0
0

Testo completo

(1)

1

Facoltà di Economia

Facoltà di Scienze, Matematiche, Fisiche e Naturali

Corso di laurea specialistica in Informatica per l’economia e per l’azienda

TESI DI LAUREA

Tecniche di Data Mining per il Category

Management nella grande distribuzione

RELATORE

Prof. Dino PEDRESCHI

CORRELATORI

Prof. Alessandro GANDOLFO

Dott. Mirco NANNI

Candidato Salvatore COSI

(2)

2

INDICE

1. Introduzione……….………...pag. 3 2. L’orientamento customer based…….……….pag. 4 1. Tendenze principali………...…. pag. 7 3. Come sceglie il cliente……….………...pag. 8 4. Com’è nato il category management………..pag. 11

1. Brand management vs category management...pag. 12 2. Cos’è il category management………...pag. 13 5. Il processo di category management……… ……..pag. 15 1. La definizione delle categorie………pag. 15 6. Che cos’è la Market Basket Analysis……… .pag. 18

1. Come opera la market basket analysis…….……...pag. 20 7. Approccio operativo alla market basket analysi..…………pag. 22 1. Analisi dei dati………pag. 22 2. Data preparation……….……….pag. 32 8. Risultati analisi di mining………pag. 37 1. Association analysis………...………….pag. 37 1. Private label………...………..pag. 43 2. Sequential patterns………...pag. 45 9. Conclusioni……….………..pag. 48

(3)

3

1. Introduzione

Il lavoro di tesi si è concentrato sulla creazione di alcuni modelli di analisi a partire dai dati di vendita della grande distribuzione utili al processo di category management.

L’analisi è stata effettuata sulle transazioni commerciali del database di COOP e hanno riguardato un periodo della durata di 2 anni.

Oltre alle transazioni commerciali, il lavoro di analisi ha preso in considerazione alcuni degli aspetti, socio demografici dei soci coop, al fine di isolare particolari tipi di utenti e trovare relazioni e differenze interessanti.

Le analisi si sono svolte utilizzando gli strumenti della market basket analysis, ed in particolare l’association analysis e i pattern sequenziali. Lo scopo è dunque quello di fornire uno strumento utile al category manager al fine di poter definire in modo più accurato le categorie e quindi le aree strategiche d’affari dell’azienda, capire le esigenze del consumatore e quindi poter offrire una maggiore soddisfazione al cliente, e poter infine riorganizzare il layout dell’area di vendita al fine di promuovere alcuni tipi di categorie.

Le aziende della distribuzione e COOP in particolare stanno puntando molto sulle private label in quanto esse forniscono un ottimo margine di guadagno, in questo caso sono state fatte delle analisi per capire come i prodotti a marchio si relazionino tra di loro e di conseguenza per capire come vengono intese dal consumatore.

Sono state inoltre analizzate con particolare attenzione alcuni tipi di categorie quali pet food & care e igiene personale.

(4)

4

2. L’orientamento customer based

L’orientamento aziendale può essere diviso in due approcci fondamentali, quello basato sull’offerta e l’approccio basto sulla domanda.

Da sempre l’atteggiamento delle aziende è stato orientato al prodotto proposto al cliente cercando di offrire sempre di più un prodotto migliore rispetto a quello dei concorrenti, e cercando quindi di realizzare strategie di product leadership.

Tale strategia d’azienda mira a creare beni e servizi leader del

proprio mercato, e richiede capacità di innovazione e potenziamento di specifiche competenze quali:

• competence building (capacità di innovare in modo radicale) • competence leveraging (capacità di innovare in modo

continuo e incrementale).

L’impresa che vuole essere product leader deve differenziare la sua offerta di valore rispetto ai suoi competitori e affrontare tre

fondamentali criticità, quella di strategie di prodotto, di

organizzazione dei progetti di innovazione e di realizzazione di tali progetti.

Attuare una strategia di product lerdearship in un ambiente

concorrenziale molto diversificato come quello attuale, nel quale le proposte di offerta sono innumerevoli per il cliente, non è

sufficiente. Emerge quindi come strategia dominante quella dell’azienda customer responsive che ricerca il suo vantaggio in proposizioni di valore che sorprendono il cliente perché rispondono alle sue priorità più specifiche.

Uno dei limiti da sempre evidenziati nell’approccio delle aziende alla creazione della propria offerta, è l’assenza di attenzione nei confronti della domanda, intesa come domanda individuale di ogni singolo soggetto,quindi visto come un individuo e non

come,nell’ottica della segmentazione della clientela, un membro di una massa.

Al fine di ottenere vantaggi competitivi durevoli nei confronti dei concorrenti, l’azienda che incentra la propria attività di analisi sul cliente, cerca di creare un circolo virtuoso in grado di garantire un certo livello di customer retention, che si traduce poi in un vantaggio competitivo e in un fattore non trascurabile di crescita e profitto.

(5)

Per ciò al clien riveder del clie In parti sulla ba logistic comme uniform distribu Abbiam alle car trasmes general di leade che conc nte, porta l re le propr ente. icolare è u ase dell’om co delle m erciale e lo me in term utive. mo invece ratteristich sso, che si le di fedel ership sul erne il cat le imprese rie scelte s una scelta mogeneità merci, in qu ogistico no mini di ben visto che he del clie i traduce i ltà del clie mercato. tegory man e di produz strategiche fondamen à merceolo uanto ques on fanno a ni e sopratt proporre nte perme n un più a ente, porta nagement zione e di e in funzio ntale non d ogica, opp ste scelte d altro che d tutto in ter un’offerta ette di aum alto valore ando enorm t, una visio distribuzi one del com

definire la pure sul tra

di caratter dare vita a rmini di fo a altament mentare il v e di retenti mi benefic one orient ione a mportame a categoria attamento re strettam d un’offer ormule te aderente valore fin ion e in ci di profit 5 tata ento a mente rta e ale tto e

(6)

6

L’azienda customer responsive deve essere eccellente su i seguenti fronti:

• apprendimento • attitudine innovativa

• reingegnerizzazione dei processi • sistemi logistici integrati

Questa impresa deve continuamente confrontarsi con i propri competitori, mettersi in discussione e migliorarsi.

Deve essere fortemente orientata alla conoscenza, come risorsa fondamentale, sfruttando risorse informatiche di trattamento dei dati dei clienti e dell’azienda stessa.

(7)

7

2.1Tendenze principali

Le tendenze principali in questa ottica strategica sono il database marketing, definito dallo US National Center for Database

Marketing come:

“Gestire un database relazionale informatizzato, in tempo reale, contenente dati esaurienti, aggiornati e rilevanti su clienti, indagini, possibili clienti, allo scopo di identificare i clienti più sensibili per sviluppare azioni promozionali ripetute di alta qualità e di lunga durata, tramite lo sviluppo di modelli predittivi che ci consentano di inviare i messaggi opportuni al momento giusto, nella giusta forma e alla persona giusta – tutto ciò con il risultato di compiacere il cliente, accrescere il nostro tasso di risposta alle attività promozionali, abbassare il costo per ordine, espandere l’attività e aumentare i profitti.”

Un’altra tendenza che ha riscosso molto successo nell’approccio

customer based è il Customer Relationship Management (CRM) che

è una evoluzione del concetto di database marketing in quanto esso si avvale appunto del database marketing come strumento

fondamentale per gestire le relazioni con i clienti.

Esso è un approccio globale basato sulla visione “Cliente centrica” del modello di business aziendale, dove cooperano in modo

armonico tutte le aree coinvolte (marketing, vendite, supporto clienti, ecc.) mediante l’integrazione di persone, processi e tecnologie.

Con esso si cerca di creare delle relazioni con i clienti personalizzate e di lunga durata, per aumentare la soddisfazione e la fidelizzazione del cliente, incrementando di conseguenza la Customer Equity.

(8)

8

3. Come sceglie il cliente

Vediamo ora come è possibile capire i criteri di scelta del consumatore, e quali le leve per creare valore.

L’obbiettivo è dunque quello di capire cosa da valore al cliente e in che modo egli compie le proprie scelte, tutto ciò si traduce in

innovative modalità di aggregazione dei beni, generando criteri di definizione delle categorie non più basti sulla logica dell’offerta ma su quella della domanda.

Lo strumento è ovviamente lo studio della domanda.

Studiare la domanda significa approfondire le conoscenze sulle

esigenze del consumatore, analizzarne i comportamenti di consumo e i processi cognitivi ad essi sottostanti.

È dunque facilmente intuibile, come in una gestione delle categorie improntata sul cliente, un aspetto dell’analisi del consumatore molto rilevante va alla comprensione dei suoi processi di valutazione e di acquisto.

In particolare è importante riuscire a definire i parametri di scelta per ogni singola categoria di prodotto.

Le aree di indagine più rilevanti sono:

• il livello di coinvolgimento nella categoria;

• le tipologie di conoscenze e i criteri attivati all’atto dell’acquisto;

• le regole decisionali su cui si fondano le comparazioni; • l’impatto dell’articolazione e dell’estensione dell’insieme di

alternative proposto;

L’analisi del livello di coinvolgimento psicologico del consumatore verso una categoria, è importante per determinare il ruolo strategico della categoria, possiamo distinguere in alto e modesto

coinvolgimento nella categoria, in base al quale cambia il processo di acquisto del soggetto.

(9)

Le tipol l’organ Le rego possibil dell’off La mia il client Come h un ottim regole d Tali reg specific dove le marca e di aggre logie di co izzazione ole decisio lità di defi ferta e il d attenzion te nella co ho già dett male gestio decisional gole posso cità, distin prime si e della cat egazione. Proc onoscenze dell’offer onali dell’a finire i crit isplay del e si focali omparazion to per un’ one dello li che guid ono essere nguendo le caratterizz tegoria, m cesso di acqui e permetto rta. attività di teri esposit la categor zzerà sull ne tra i va efficace a spazio esp dano il clie e differenz e procedu zano per u entre le se

sto del cliente

ono di defi comparaz tivi, per co ria. e regole d ari prodott assortimen positivo è ente. ziate sulla re analitic un alto live econde han e inire in mo zione offro omunicare decisionali ti della cat nto della c opportuno a base del che da que ello di con nno un liv odo ottima ono la e la variet i che guida tegoria. ategoria, e o analizza loro livel elle sintet noscenza d vello magg 9 ale à ano e per are le lo di iche, della giore

(10)

10

Le decisioni analitiche dei soggetti posso anche essere riassunte in valutazioni basate sull’oggetto e sugli attributi.

Dove le prime prendono in esame l’atteggiamento del soggetto nei confronti di una marca e la scelta viene fatta sulla base degli attributi ritenuti rilevanti al fine della comparazione.

Per quanto invece riguarda le valutazioni basate sugli attributi, implicano un confronto delle marche “caratteristica per caratteristica”, andando a valutare e comparare tutti gli attributi ritenuti rilevanti un criterio per volta.

La necessità dunque di capire come il consumatore si pone nei confronti della categoria, ha determinato la nascita di un approccio alle merci per categoria e non più per singolo prodotto, al fine di mettere in evidenza le relazioni esistenti tra prodotti della stessa categoria merceologica e non.

(11)

11

4. Com’è nato il category management

Il category management nasce come naturale evoluzione della collaborazione tra industria e distribuzione al fine di fornire al consumatore un valore aggiunto, esso è quindi il risultato di un iter evolutivo dei rapporti tra industria e distribuzione.

Tale iter si è articolato nel corso degli anni attraverso tre passaggi fondamentali il primo dei quali vedeva il ruolo della distribuzione delegato ad un ramo dell’azienda produttrice che gestiva la sua attività sulla base delle scelte produttive.

Il secondo passaggio evolutivo vede la distribuzione prendere coscienza della propria autonomia e quindi la nascita di una vera e propria figura distributiva distaccata dalla realtà della produzione, in questo punto cruciale produzione e distribuzione vedono i propri ruoli molto distinti e lontani infatti la produzione sarebbe in grado di offrire un’ampia gamma di brand, ma ciò non è supportato dalla capacità distributiva dei partner commerciali, ed è a questo punto che di fronte all’aumentata complessità ambientale produzione e distribuzione hanno avuto la necessità di tessere una rete di relazioni molto più fitta, che in molti casi sfocia nella necessità di

collaborazione.

A questo punto per il consumatore si apre uno scenario molto vario e ricco di alternative, il category management rappresenta in questo contesto il metodo migliore per confrontarsi e interagire

(12)

12

4.1 Brand management vs category management

Molto può essere detto pro e contro il brand management come filosofia decisionale e di organizzazione, esso è indispensabile per tutti quei brand (soprattutto quelli nuovi e rischiosi) che hanno bisogno di essere seguiti affondo per aumentarne il potenziale di mercato, ciò significa che senza una campagna dedicata un

particolare brand non riceverà adeguate attenzioni e sarà destinato a soccombere nei confronti di brand più forti.

Questo approccio stimola la nascita di un ambiente “Darwiniano” nel quale solo il brand più forte e seguito sopravvivrà, e quindi per molte aziende il brand management è un percorso di crescita del tipo

up or out.

Oltre a questi aspetti il brand management può portare, se lasciato incontrollato a dei processi di cannibalizzazione tra brand, causati da competitività tra brand manager per la stessa fascia di clientela. Inoltre c’è un diffuso decremento della fedeltà della clientela al marchio in favore della sensibilità al prezzo, dovuto in parte alla regressione economica osservata negli ultimi anni, ed in parte al modo in cui i prodotti vengono commercializzati.

Infine il trend di abbandono del brand management è stato

probabilmente accelerato dall’aumento del potere dei distributori, infatti mentre le vecchie aziende di distribuzione confidavano

nell’esperienza e nelle informazione ottenute dalla produzione, ora le aziende distributrici sono sempre più spesso nella condizione di dettare le politiche di marketing ai produttori, i quali sempre più spesso adeguano la loro attività sulle decisioni dei marketing manager della distribuzione.

(13)

13

4.2 Cos’è il category management

Il category management può essere definito come una nuova filosofia di management che riconosce le categorie come

fondamentali aree strategiche di affari (ASA), che ha come obiettivo quello di soddisfare i bisogni del cliente e conseguire

contemporaneamente adeguati obiettivi economici a livello di impresa.

Dalla definizione emerge chiaramente qual è l’oggetto di studio e quali sono i mezzi principali per implementarlo.

I vantaggi che tale processo offre riguardano sia il consumatore - con un marketing mix del distributore più efficace per una maggiore soddisfazione del consumatore stesso - che l'azienda di distribuzione - con una maggiore redditività complessiva del proprio assortimento. Il category management mira dunque ad aumentare il valore e la soddisfazione del cliente, che sono il presupposto principale per un’elevata customer retention, tutto ciò si traduce in un vantaggio competitivo per l’azienda rispetto ai concorrenti, oltre che in un incremento delle performance aziendali.

L’obiettivo del category management è dunque quello di definire e proporre al consumatore un’offerta, che risponda nel miglior modo possibile alle specifiche esigenze della domanda, sfruttando le caratteristiche delle singole categorie.

Il processo del category management, dal punto di vista della distribuzione, prevede alcune fasi critiche:

1. Fase Preliminare: definizione delle categorie;

2. Fase Strategica: analisi cross-categorie, ruoli delle singole categorie all'interno del portafoglio, analisi della singola categoria, definizione degli obiettivi di categoria;

3. Fase Attuativa: strategie e tattiche per singola categoria, piano di azione, verifica dei risultati.

In pratica, il category management si riferisce, in ultima analisi, alla costruzione di assortimenti mirati per cluster di punti vendita, o di singolo punto vendita, alla ideazione di promozioni mirate per

(14)

14

cluster di consumatori o, in alcuni casi particolari, per singolo consumatore.

(15)

15

5. Il processo di category management

Il processo di category management si articola su cinque punti fondamentali:

1.

Definizione delle categorie

2.

Analisi delle categorie

3.

Definizione strategica delle categorie

4.

Disegno del piano d’azione

5.

Definizione del piano operativo

5.1 La definizione delle categorie

Definire in modo appropriato il concetto di categoria è di basilare importanza per un’azienda che voglia passare da un approccio funzionale ad un’organizzazione per aree strategiche d’affari. Infatti il primo passo è sicuramente definire le categorie come aree d’affari rilevanti e successivamente quello di definire i processi manageriali, la struttura organizzativa e i meccanismi operativi che permettano di gestire in modo adeguato le nuove ASA.

Da quanto detto la definizione delle categorie è alla base

dell’approccio a questo nuovo orientamento manageriale, vediamo ora come è possibile andare a definirle.

(16)

Un prim categor ma in u si spost che è la In base funzion sostituz di acqu compor Per la d process categor riusciva process Definir consum da una tradizio l'eleme mo approc rie sulla ba un orientam ta verso l’ a soddisfa e a tale con ni d’uso de zione che uisto e di c rtamento d definizion so, l’appro ry manage a a definir so. re dunque matore ved definizion onalmente ento unific Process ccio comu ase della c mento cus obiettivo azione del nstatazion el prodotto determina consumo c del cliente e delle cat occio class er il quale re le princ la categor de fungibil ne "merce e definite d cante dei p so di definizio une a tutte classificaz stomer bas fondamen cliente. ne la categ o, sui rapp ano le rela che emerg e. tegorie, ch sico si è av sulla base cipali macr ria come " li o compl eologica" d dalle azien prodotti all

one delle categ

le impres zione merc sed l’ogge ntale del ca oria viene porti di co azioni fra i gono dall’a he è il prim vvalso del e delle pro ro-categor "gruppo di lementari delle categ nde della d l'interno d gorie e è la defi ceologica etto di ana ategory m e definita p omplement i prodotti, analisi atte mo dei pas ll’esperien oprie cono

rie alla bas i prodotti tra loro" s gorie, com distribuzio della categ inizione de delle stess alisi cambi managemen partendo d tarietà e d tra i proc enta del ssi del nza del oscenze se del che il sposta l'en me one, dove goria ha in 16 elle se, ia e nt, dalle di essi nfasi n

(17)

17

comune caratteristiche di realizzazione, ad una definizione

"commerciale" che consideri centrale il consumatore e i suoi bisogni, dove elemento unificante dei prodotti all'interno di ciascuna

categoria è la funzione d'uso e la soluzione ad un bisogno identificato.

Appare evidente come il secondo, con una impostazione più

nettamente orientata al marketing, del quale il category management può considerarsi la traduzione per l'azienda della distribuzione, fornisca un punto di vista potenzialmente rivoluzionario, dai confini molto ampi.

L’attuazione del processo di category management va dall'analisi degli spazi, all'allocazione a scaffale e ristrutturazione dei display, ai test di efficacia dei progetti di space allocation il tutto grazie anche all’utilizzo delle carte fedeltà e all'analisi dei dati ad esse connesse. Il passo successivo consiste nella predisposizione di attività

promozionali mirate e personalizzate, e la successiva analisi puntuale delle performance.

Il punto di arrivo è lo sviluppo di piani integrati di business dove ciascuna categoria giochi un ruolo identificato all'interno

dell'assortimento e abbia specifici obiettivi strategici di marketing ed economici; la costruzione di un piano strategico di categoria; la predisposizione di azioni individuate; la verifica delle coerenze assortimentali e di prezzo con le politiche di marketing di categoria. Oggi vogliamo puntare l’attenzione su un approccio diverso che si avvale di strumenti informatici per lo studio della domanda, e in particolare cerca di applicare i criteri della market basket analysis per spiegare i comportamenti e le scelte di acquisto dei consumatori, al fine di fornire una base per lo studio della domanda necessaria alla fase strategica, che comprende analisi delle cross-categorie, ruoli delle singole categorie all'interno del portafoglio, analisi della singola categoria, definizione degli obiettivi di categoria. La mia attenzione si focalizzerà dunque sul supporto alla fase strategica, e in particolare sulla definizione di cross-categorie che emergeranno dal processo di market basket analysis.

(18)

18

6. Che cos’è la Market Basket Analysis

La market basket analysis è uno strumento analitico dei dati di vendita, che ci permette di studiarne le abitudini di acquisto del consumatore e mettere in evidenza affinità esistenti tra prodotti o gruppi di prodotti venduti.

In alcuni casi tale studio si traduce in significativi incrementi del

cross-selling, infatti conoscendo le abitudini di acquisto del

consumatore, quali:

• le combinazioni di prodotti comprati, • quando li hanno comprati e

• in che sequenza,

possiamo sviluppare adeguate campagne promozionali, oppure incoraggiare i clienti a comprare beni che avrebbero ignorato o dimenticato.

Lo scopo è quello di inferire delle implicazioni, del tipo if condition

then result che esprimano la probabilità di acquisto di prodotti

differenti, e appartenenti anche a categorie diverse, al fine di stabilire il grado di relazione tra i due prodotti.

L’analisi delle regole associative darà informazioni del tipo: I clienti che acquistano pane acquisteranno anche miele, con una probabilità del 67%.

così da poter affermare che esiste una correlazione tra i due prodotti. In questo modo emergono evidenti relazioni tra prodotti, anche appartenenti a categorie merceologiche diverse, che sono giustificate dalle scelte di acquisto del consumatore, che diversamente sarebbe difficile mettere in evidenza.

Ai fini del management aziendale avere informazioni estratte dai comportamenti di acquisto dei consumatori, si concretizza nella possibilità di produrre azioni di mercato mirate a migliorare la

vendita di certe categorie di prodotti, promuovere promozioni mirate oppure creare maggiore valore per il consumatore, sfruttandone la conoscenza delle attitudini di acquisto.

(19)

19

Ovviamente tutto questo si traduce in un vantaggio competitivo nei confronti dei diretti concorrenti, in quanto esso ha il duplice

beneficio di essere sia un vantaggio in termini assoluti di profitto, che un vantaggio nella fidelizzazione del cliente, il quale riconosce nell’offerta proposta i propri gusti e le proprie abitudini.

(20)

20

6.1 Come opera la market basket analysis

L’analisi del venduto con strumenti predittivi di mining mira a identificare beni o eventi che si verificano (o non si verificano) insieme, al fine di metterne in risalto le correlazioni.

Ad esempio nell’ambito della vendita retail possono essere

considerati prodotti “correlati” il pane e il burro, oppure il latte e i biscotti.

In questo caso si capisce chiaramente qual è la correlazione che lega i prodotti, ma in molti casi tali relazioni potrebbero non essere così scontate, e l’obbiettivo di questo tipo di analisi è proprio ricercare quelle relazioni “interessanti” che sono di difficile comprensione. I parametri che vengono utilizzati sono molto differenti e vanno da dati anagrafici del cliente quali residenza, età, sesso, a dati relativi ai prodotti acquistati, come prodotti biologici, prodotti di marca e prodotti white label ecc.

I mezzi che sono utilizzati vanno da un’analisi dei pattern frequenti o

association analysis, a un’analisi della sequenzialità degli stessi

(sequential patterns), il primo tipo di analisi ci da indicazioni in termini assoluti delle relazioni tra due o più prodotti senza tener conto della componente temporale, mentre la seconda permette di seguire nell’arco della propria esperienza da cliente determinati soggetti, e capire come si evolve il loro approccio all’offerta. Gli approcci descritti possono essere usati in diversi domini

applicativi come la bioinformatica, diagnosi mediche, web mining ecc.

L’association analysis permette di definire delle regole associative, che sono delle implicazioni nella forma X→Y, dove X e Y sono itemsets diversi, la forza di una regola può essere misurata in termini di supporto e confidenza, il supporto determina quanto spesso una regola è applicabile ad un dato data set, mentre la confidenza

determina quanto spesso un oggetto in Y compare in una transazione commerciale che contiene X.

(21)

21

Supporto, s(X→Y) = X U Y

N

Confidenza, c(X→Y) = σ X U Yσ X

Il supporto è un’importante misura perché le regole che hanno un supporto molto basso possono verificarsi semplicemente per caso. Le regole con un basso supporto non sono molto interessanti in una prospettiva di business, in quanto non è profittevole promuovere beni che vengono acquistati di rado dai consumatori.

Il supporto dunque è un buon parametro per eliminare le regole poco interessanti.

La confidenza misura l’affidabilità della regola, infatti maggiore è la confidenza maggiore sarà la possibilità che in una transazione

commerciale in cui X è presente sia presente anche Y, ci da quindi una stima della probabilità condizionata dell’acquisto di Y dato l’acquisto di X.

Sia supporto che confidenza sono 2 parametri fondamentali per la creazione di un modello di mining, infatti permettono di fissare delle soglie minime sotto le quali le regole trovate non vengono prese in considerazione.

(22)

22

7. Approccio operativo alla market basket analysis

7.1 Analisi dei dati

I dati a disposizione sono presi dal data warehouse realizzato per Coop nell’ambito di un progetto di business intelligence, essi prendono in esame un periodo di due anni solari.

La struttura è realizzata con uno schema a stella nel seguente modo (comprende solo la parte di dati utilizzati nell’analisi):

(23)

23

Tabella dei fatti VENDUTO:

contiene i dati relativi alle vendite, eventuali sconti praticati, promozioni attive sugli acquisti e tutti i dati di dettaglio di ogni singola transazione.

Dimensione CLIENTE:

contiene tutti i dati di dettaglio per i clienti soci di Coop, e colleziona i dati anagrafici del cliente.

CLIENTE

COLONNA TIPO DESCRIZIONE

Cliente_id number (8) Chiave surrogata Cliente_base_id number (8) Codice cliente

Categoria varchar2 (25) Cooperativa di appartenenza

Cooperativa varchar2 (25) Specifica della cooperativa di appartenenza Nro_cliente number (8) Codice cliente

Nro_carta number (10) Numero carta cliente

Nome varchar2 (200) Nome

Data_associazione date Data di iscrizione Anno_socio number (4) Anno di data_socio

Fascia_anno_socio varchar2 (20) Fascia decennio di anno_socio Data_nascita date Data di nascita

Sesso char (5) Sesso “Uomo”, “Donna”

Stato_civile varchar2 (20) “Coniugato”, “Celibe”, “Non indicato”, “Vedovo”, “Separato”, “Divorziato” Professione varchar2 (200) Professione

Titolo_studio varchar2 (200) Titolo studio

Geocode char (1) Georeferenziazione indirizzo: codice di geodecodifica

Longitudine number (22,20)

Georeferenziazione indirizzo: longitudine Latitudine number

(22,20)

Georeferenziazione indirizzo: latitudine Indirizzo varchar2 (200) Via e numero

Cap char (5) CAP

Citta varchar2 (200) Città Provincia char (4) Provincia Regione varchar2 (25) Regione Flag_invio_rivista char (2) “Si”, “No”

Data_esclusione date Data di esclusione da socio

Motivo_esclusione char (1) Motivo esclusione da socio “D” decesso, “E” esclusione

Cod_negozio number (4) Chiave operazionale del negozio in cui il socio è iscritto

Categoria: “Socio UNICOOP Tirreno”, “Socio Altre COOP”,”Non socio”,

(24)

Cooper Altre C Data di minimo diventa acquisto Dimens mantien 0 20000 40000 60000 80000 100000 120000 rativa: nel Coop” spec associazi o tra quand ato socio, p o. sione ETA ne traccia 16 21 25 29 caso il ca cifica la co one: per i do ha fatto per soci A A: dell’età d Distr 29 33 37 41 45 ampo categ ooperativa soci Unic o la doman Altre Coop dei soci Co ribuzione di et 45 49 53 57

ETA

goria sia v a di appart coop Tirre nda di reg prima dat oop. tà sul db clien 61 65 69 73

'

valorizzato tenenza. eno valoriz gistrazione ta in cui si nti 77 81 85 89 o con “Soc zzato con e e quando i è rilevato 93 97 Età Conteggio 24 cio il o è o un

(25)

25

Dimensione DATA:

dimensione temporale di analisi, con gerarchie sulla data e sul giorno della settimana.

DATA

COLONNA TIPO DESCRIZIONE

Data_id number (5) Chiave surrogata, id consecutivi rispetto alle date

data date Data

Giorno varchar2 (20) Formato gg mm aa es.: 23 Maggio 2005 Giorno_n number (2) Giorno del mese in numero

Mese varchar2 (15) Mese dell’anno in lettere Mese_n number (2) Mese dell’anno in numero

Trimestre varchar2 (25) Gennaio-Marzo, Aprile-Giugno, Luglio-Settembre, Ottobre-Dicembre

Trimestre_n number (1) 1,2,3,4 trimestri in numero Anno number (4) Anno in numero

Giorno_settimana varchar2 (15) Giorno della settimana in lettere Giorno_settimana_n number (1) Giorno della settimana in numero Settimana_anno number (2) Settimana dell’anno

Tipologia varchar2 (7) “festivo”, “Feriale” Periodo_id number (4) Chiave esterna periodo

(26)

26

Dimensione ARTICOLO:

contiene tutti i dati descrittivi del prodotto, e oltre a dati quali marca e descrizione, come si può vedere dalla tabella, essa comprende anche i dati di dettaglio dell’articolo come la sua appartenenza a particolari categorie di prodotti quali prodotti “private label”, prodotti biologici, per celiaci, DOP, DOCG, IGP, prodotti tipici e solidali.

ARTICOLO

COLONNA TIPO DESCRIZIONE

Articolo_id number (7) Chiave surrogata

Cod_mkt_id number (5) Chiave esterna tabella Marketing

Cod_art number (7) Cod. articolo operazionale, vale 0 per no scan Des_art varchar2 (256) Descrizione articolo

Marca_iniziale char (1) Lettera iniziale della marca

Marca varchar2 (30) Marca

Sottomarca varchar2 (30) Sottomarca

Pres_mkt varchar2 (40) Descrizione presentazione marketing Rilevanza varchar2 (50) Descrizione rilevanza

Udm char (3) Unità di misura

Qta number (11,3) Quantità

Fl_coop char (2) “Si” oppure “No” se prodotto coop Fl_bio char (2) “Si” oppure “No” se prodotto biologico Fl_celi char (2) “Si” oppure “No” se prodotto per celiaci Fl_dop char (2) “Si” oppure “No” se prodotto dop Fl_igp char (2) “Si” oppure “No” se prodotto igp Fl_tipico char (2) “Si” oppure “No” se prodotto tipico

Fl_solidale char (2) “Si” oppure “No” se prodotto equo-solidale Fl_docg char (2) “Si” oppure “No” se prodotto docg

(27)

Campo “Descrizi Campo “COLEAD “No”, “ posizio

Ril

Pr

o Rilevanz ione non dis o Pres_mk DER”,“COOP NON DEFINIT one del pro

levanza

es_mkt

za: campo ponibile”, “ Distribu kt: campo v P”,“Descrizi TO”, “PREM odotto sul Distribu

a

t

valorizzat “IGIENE”, “M uzione di rilev valorizzat one non disp MIUM PRICE” mercato r uzione di pres to con “AL MEDIA”, “R

vanza sul vend

to con “ALT ponibile”, “ ”, “PRIMO P rispetto ag s_mkt sul vend LTA”, “ATTA ESTO”. duto TRE MARCHE FOLLOWER” PREZZO”, in gli altri art

duto D di AT BA A IG M R De dis NO AL CO LE PR FO ACCO”, “BAS E”, ”, “LEADER” ndica la ticoli. escrizione no isponibile TTACCO ASSA LTA GIENE MEDIA ESTO escrizione non sponibile ON DEFINITO LTRE MARCHE OOP EADER REMIUM PRIC OLLOWER 27 SSA”, ”, n  n  E CE

(28)

28

Il campo Pres_mkt nonostante sia molto interessante non può essere preso in esame per l’analisi, in quanto è anch’esso non è presente per la quasi totalità di prodotti.

Campo Marca:

il campo marca come quello sottomarca sono poco valorizzati con una percentuale di dati mancanti del 86%, non può quindi essere usato in modo utile per l’analisi, viene fatta un’analisi per i soli prodotti a marchio coop al fine di capire se ci sono relazioni tra tali prodotti.

Essi rappresentano il 1,04% del totale degli articoli commercializzati.

La dimensione MARKETING definisce l’organizzazione iniziale degli articoli, definendo diversi livelli di dettaglio:

• Settore: definisce il livello di dettaglio meno elevato e raggruppa gli articoli in 13 gruppi:

1. CASA 2. CHIMICA

3. CONFEZIONATO PER VENDITA 4. EROGAZIONE CARBURANTI 5. FRESCHI 6. FRESCHISSIMI 7. GROCERY ALIMENTARI 8. INIZIATIVE SPECIALI 9. MULTIMEDIA 10. NON DEFINITO 11. PERSONA 12. SALUTE 13. STAGIONALI BRICO

• Reparto: il livello di dettaglio immediatamente successivo definisce 65 reparti nei quali trovano collocazione i prodotti. • Categoria: le categorie definite sono 462 e rappresentano il

livello di dettaglio medio

• Sottocategoria: una ulteriore categorizzazione degli articoli che contiene 1928 descrizioni più dettagliate dei prodotti. • Segmento: il livello di dettaglio più alto, comprensivo di 4065

(29)

29

MARKETING

COLONNA TIPO DESCRIZIONE

Cod_mkt_id number (7) Chiave surrogata ID marketing Cod_mkt varchar2 (11) Chiave marketing operazionale Settore varchar2 (50) Descrizione settore Cod_sett varchar2 (2) Codice identificativo settore Reparto varchar2 (50) Descrizione reparto Cod_repgest number2 (3) Codice identificativo reparto Categoria varchar2 (50) Descrizione categoria Cod_categ varchar2 (3) Codice identificativo categoria Sottocategoria varchar2 (50) Descrizione sottocategoria Cod_subcateg varchar2 (2) Codice identificativo sottocategoria Segmento varchar2 (50) Descrizione segmento Cod_segmento varchar2 (2) Codice identificativo segmento

Analizzando la distribuzione delle categorie sulla base degli articoli possiamo notare che la categoria con la cardinalità maggiore è VISIONE che raccoglie il 3,22% del totale degli articoli, seguita da articoli che appartengono al settore no food, questo ci fa capire quanto sia dettagliata l’offerta da parte di Coop per i beni nel settore no food.

(30)

30

Guardando invece la distribuzione delle categorie sulle vendite, notiamo che la distribuzione cambia essendoci in primo piano quasi esclusivamente beni di tipo alimentare e come categoria più venduta quella delle bibite, questo è un dato importante che mette in

evidenza quale sia la principale fonte di offerta di Coop.

(31)

Il segm Dall’an importa aggrega categor macro-c correlat mento food nalisi dei d ante, al fin are gli arti ry manage categorie p ti fra di lo

D

d vediamo Dis dati di ven ne di crear icoli per ca ement è fon per poi ric ro. 75

Distribu

Ali che ricopr stribuzione fo ndita e dall re delle ma ategorie p ndamenta cavarne ca 5%

uzione fo

mentare re il 75% od – no food l’anagrafic acro categ più generic ale partire ategorie di 25%

ood ‐ no

Non alimenta del fattura ca degli ar gorie, anda che, dato c dalla defin i prodotti

o food

are ato di COO rticoli è are ad che ai fini nizione di omogenei 31 OP. del i i o

(32)

32

7.2 Data preparation

La preparazione dei dati inizia quindi con l’individuazione di tali macro categorie e le iniziali 462 categorie di prodotti vengono così riunite in 70 macro categorie , elencate qui di seguito, con la relativa percentuale sul venduto:

MACRO CATEGORIA PERCENTUALE SUL VENDUTO

ORTOFRUTTA GASTRONOMIA DOLCI

IGIENE PERSONA

SALSE CONDIMENTO SCATOLAME SHOPPERS LIQUIDI E BIBITE PANE CARNI LATTE E YOGURT PASTA IGIENE AMBIENTI SURGELATI FORMAGGI COLAZIONE ACQUA

USA E GETTA, AVVOLGENTI CANCELLERIA

FAI DA TE

ALIMENTI PER L’INFANZIA ALCOOLICI

SNACK

PET FOOD AND CARE VINI

CAFFE INFUSI PULIZIA

RISTORO BAR PIZZERIA PESCE

AUTO

EDUCAZIONE E INTRATTENIMENTO SPORT E ABBIGLIAMENTO SPECIALE GIOCATTOLO RISO CUCINA CALZATURE INFORMATICA CONSERVE ABBIGLIAMENTO UOMO INTIMO E CALZATURE DONNA FARINA

TEMPO LIBERO

COMPLEMENTI D’ARREDO INTIMO E CALZATURE UOMO ALIMENTI PREPARATI 9.87% 8.04% 7.14% 5.92% 5.69% 4.88% 4.75% 4.65% 4.43% 4.25% 3.77% 3.62% 3.54% 3.28% 2.32% 2.10% 1.98% 1.52% 1.25% 1.13% 1.09% 1.09% 1.09% 1.04% 0.91% 0.83% 0.66% 0.59% 0.53% 0.52% 0.51% 0.43% 0.40% 0.39% 0.36% 0.34% 0.34% 0.33% 0.30% 0.30% 0.29% 0.28% 0.26% 0.23%

(33)

33

INTIMO E CALZATURE BAMBINI ABBIGLIAMENTO DONNA SUPER ALCOOLICI TESSILE CASA PICCOLI ELETTRODOMESTICI ABBIGLIAMENTO BAMBINI TV & VIDEO TAVOLA SERVIZI TELEFONIA NEONATO PIANTE E FIORI GIARDINAGGIO FOTO E OTTICA SUONO

ALIMENTI SALUTISTICI BENESSERE COLLEZIONAMENTO ARREDO ACCESSORI COSMESI BANCO ALIMENTI ESTERI GRANDI ELETTRODOMESTICI MATERERIALE CONFEZIONATO 0.22% 0.22% 0.22% 0.21% 0.19% 0.18% 0.14% 0.13% 0.12% 0.10% 0.09% 0.09% 0.09% 0.08% 0.08% 0.07% 0.05% 0.05% 0.04% 0.03% 0.03% 0.01% 0.01%

Come si può notare le prime 3 macro categorie coinvolgono generi di tipo alimentare, infatti i dati sulle vendite vedono coinvolti per il 75% beni di tipo alimentare e solo per il restante 25% beni non alimentari.

Per questo motivo si è preferito creare il flag flag_alimentari per suddividere le due categorie di prodotti al fine di fare delle analisi distinte.

Nel corso della preparazione dei dati viene anche creato un flag per suddividere i prodotti di marca da quelli “white label” o quelli “private label” ma la il campo di riferimento per tale flag non è sufficientemente valorizzato e si preferisce non includerlo ai fini dell’analisi.

(34)

È stato differen molti p dell’org sono st facevan Ad esem due rep GASTR appunto che era COLAZ PRIMA quali F GASTR La nece analisi, aggrega risultat Una vo realizza i segue necessari nte da que prodotti ris ganizzazio tate create no parte d mpio la m parti identi RONOMI o separate a inesisten ZIONE, B A COLAZ ORMAGG RONOMI essità di ri , infatti si assero un ti molto as olta ridefin azione del enti dati: Creazione m io riaggreg ello utilizz sultavano one in mac aggregan i reparti d macro categ ici quali G ICHE, che e, è stata c te e che co BISCOTTI ZIONE, so GI E SAL IA indistin idefinire l rischiava numero m stratti. nite le mac lla tabella macro categorie gare i prod zato preced in reparti cro catego ndo catego differenti. goria Gast GASTRON e nell’orga reata la m omprende I, FETTE ono state c LUMI che ntamente. e macro c di avere d molto cons cro catego per l’anal e e i flags food dotti sulla dentement non appro orie, mentr orie merce tronomia c NOMIA e anizzazion macro categ e le catego BISCOTT reate nuov compariv ategorie n delle macr siderevole orie si proc lisi di data d e marca base di un te da COO opriati ai f re altre ma ologiche s comprend PRODUZ ne di COO goria COL orie CERE TATE e P ve macro c vano nel re nasce da un ro categori di prodot cede con l a mining, e n criterio OP in quan fini acro categ simili che de i prodot ZIONI OP erano LAZIONE EALI PRIM PREPARA categorie eparto n’esigenz ie che tti, avendo la essa conti 34 nto gorie tti di E, MA ATI a di o dei ene

(35)

35

VENDUTO_CLIENTE

COLONNA TIPO DESCRIZIONE

data date Data di acquisto

settimana_anno number (2) Settimana anno di acquisto cliente_id number (8) Identificativo utente

data_nascita date Data di nascita socio

stato_civile varchar2 (20) Stato civile

fl_invio_rivista char (2) Flag invio rivista titolo_studio varchar2 (200) Titolo di studio

des_art varchar2 (256) Descrizione articolo

marca varchar2 (30) Marca

sottomarca varchar2 (30) Sottomarca

fl_coop char (2) FL COOP

fl_bio char (2) Flag biologico

fl_celiaci char (2) Flag celiaci

fl_dop char (2) Flag DOP

fl_igp char (2) Flag IGP

fl_tipico char (2) Flag tipico

fl_solidale char (2) Flag solidale

fl_docg char (2) Flag DOC

fl_carrello char (2) Flag CARRELLO

pres_mkt varchar2 (40) Pres

rilevanza varchar2 (50) Rilevanza sul mercato

settore varchar2 (50) Settore

reparto varchar2 (50) Reparto

categoria varchar2 (50) Categoria

sottocategoria varchar2 (50) Sottocategoria

segmento varchar2 (50) Segmento

flag_alimentarireparto number (1) Flag alimentari flag_di_marca number (1) Flag di marca

macro varchar2 (50) Macro categoria

id_scontrino varchar2 (50) Identificativo scontrino

(36)

Al fine d clientela segmenta di scoprire , si è cerca azione dei e importan ato di indi i clienti, q nti relazion ividuare d quali il ses ni tra segm dei parame so e fasce menti parti etri per la e d’età. icolari del 36 la

(37)

8. Risu

8.1 Ass

Le anal create, categor le anali transaz emerge Gli altr degli ar Per ciò notare articoli conside

ultati an

ociation

lisi svolte esse sono ria, con ris isi tra beni zioni che r ere import ri parametr rticoli (pri che conc dalle rego i del settor erevole de

nalisi di

analysis

sono dun o state con sultati diff i alimenta iguardava tanti corre ri di anali ivate labe erne i risu ole generat re aliment el fatturato

mining

que state f ndotte sia a ferenti, si ari e non, d ano i beni lazioni co si presi in el), l’età de ultati di mi te che esis tare, che c o. fatte sulle a livello di è ritenuto data la gra alimentari on i beni di n considera el socio e ining sulle ste una for ostituiscon due tabel i categoria opportun ande cardin i, e che no i tipo non azione son il sesso. e vendite, rte correla no una pa lle fin’ora a che di m o suddivid nalità di on facevan alimentar no la tipolo possiamo azione tra g arte 37 macro dere no re. ogia gli

(38)

38

Le regole più forti ovviamente legano prodotti tra loro

complementari o beni di acquisto comune come emerge da queste regole abbastanza intuitive:

che ha un supporto del 27% e una confidenza del 68%.

Tra le molte regole generate posso affermare che l’orientamento all’acquisto di articoli collegati all’igiene ha un forte impatto sulle vendite, anche per quanto riguarda il settore alimentare, e per quanto riguarda relazioni che possano essere utili al cross selling abbiamo

Con una confidenza molto vicina al 75% entrambe queste regole mettono in evidenza come ci sia una forte correlazione tra la

categoria alimentare ortofrutta e i prodotti legati all’igiene personale e della casa.

La tendenza degli acquisti nel reparto di igiene, personale e non, è probabilmente dovuta alla forte spinta praticata dai media in tal senso.

I dati delle vendite del reparto igiene intima ci fanno capire quanto sia rilevante tale categoria per la distribuzione.

Osserviamo ora il reparto no food al fine di scoprire delle regole che leghino le categorie non alimentari.

IGIENE AMBIENTI FORMAGGI CARNI → ORTOFRUTTA CARNI → ORTOFRUTTA IGIENE PERSONA CARNI SALSE CONDIMENTI E SCATOLAME → ORTOFRUTTA

(39)

39

Per quanto riguarda tale reparto le regole mettono in evidenza una forte correlazione tra prodotti i per la pulizia e altri tipi di prodotti appartenenti a diverse categorie.

regola con un supporto del 10.89% e una confidenza del 76.77%

regola che ha un supporto del 5.36% e una confidenza del 64.93%, come significato intuitivo della regola, possiamo dire che essa mette in evidenza l’attenzione dei consumatori verso l’igiene e in

particolare quando sono possessori di animali domestici.

Il settore dell’igiene come quello del pet food & care sta registrando fortissimi incrementi di fatturato negli ultimi anni in particolare la categoria dedicata agli animali domestici è la prima in Italia per crescita.

Essa si pone a metà tra il food e no food, ricadendo a volte nello scatolame. Ai fini dell’analisi viene comunque trattata come non food.

Dall’analisi dell’assortimento storico del cibo secco per animali, possiamo capire come nel corso degli anni l’offerta si sia fatta man mano piu complessa ed articolata:

PET FOOD & CARE

USA E GETTA AVVOLGENTI → IGIENE PERSONA IGIENE PERSONA

USA E GETTA AVVOLGENTI

(40)

40

Assortimento cibo secco per animali

Lo studio di questa categoria risulta particolarmente interessante visto il crescente sviluppo del mercato verso prodotti per animali domestici, rigurdanti sia l’alimentazione che la cura degli stessi, che in questo caso “trascina” anche quello della pulizia e dell’igiene personale.

I dati su tale nicchia di mercato evidenziano un’aumento delle

vendite, che pone tale categoria in particolare rilievo agli occhi della distribuzione, infatti i dati demografici degli animali presenti nelle nostre case ci dicono che in Italia vivono 15 milioni di animali (7 milioni di cani e 8 milioni di gatti) senza contare pesci, uccelli, criceti, furetti, iguane ecc.

Il 48% delle famiglie italiane ha un animale domestico e come categoria il pet food & care è la prima in crescita data la tendenza a nutrire gli animali con cibi industriali sia per una questione di completeza alimentare che per una questione di praticità.

Ipercoop così come altri grandi distributori dedica a tale categoria fino a 21mt all’interno del proprio spazio di vendita allestendo in alcuni casi sia il lato destro che quello sinistro della corsia, questo sta ad indicare quanto sia rilevante oggi questa categoria per la distribuzione.

Il layout è spesso lasciato a specialisti di category management i quali generalmente optano per un allestimento molto eterogeneo, che

0 20 40 60 80 100 120

Serie 1 Serie 2 Serie 3 Serie 4

Gatto premium Gatto

Cane servizio Cane completo

(41)

41

raggruppa i prodotti per qualità e formato, scendendo in dettaglio solo nel caso del cibo umido per cani e gatti.

Per quanto riguarda l’esposizione, prevede da 3 a 6 ripiani per lo scatolame umido e la sistemazione su pallet per il secco di cani e gatti.

I ripiani superiori sono generalmente destinati a cucce, sabbia per gatti e altri articoli per la cura degli animali, Ipercoop in particolare cura molto i pesci d’acquario anche con personale specializzato in determinati giorni.

L’assortimento di questa categoria è molto ampio e va da un minimo di 290 articoli ad un massimo di 1200, questi dati sono spesso

determinati dalla presenza di numerosi accessori.

Per quanto riguarda il cibo umido abbiamo una sostanziale differenza tra quello per cani e quello per gatti, i quali hanno a disposizione ben il 69% degli articoli, i quali sono molto più segmentati per sapori rispetto a quelli per i cani che hanno meno esigenza in fatto di gusti.

Come detto in precedenza l’analisi ha preso in considerazione anche quelli che sono gli aspetti socio demografici del socio COOP.

In particolare i parametri utilizzati sono età e sesso, al fine di notare differenze nell’approccio all’offerta da tipologie differenti di clienti. Al fine di ricercare pattern interessanti, si è ritenuto opportuno suddividere gli utenti per fasce di età, esse sono state suddivise 3 fasce principali la prima da [0-32], la seconda [32-65] e la terza [65-100], dalle regole emerse ho notato alcune differenze tra gli acquisti in base all’età.

È emerso dall’analisi della prima fascia di età una interessante

correlazione tra la macro categoria dell’igiene personale e il cibo per gli animali domestici, come risulta dalla figura sottostante, si può infatti notare che nel 78% dei casi chi ha comprato nel reparto PET food & care e igiene ambienti, comprerà nel reparto igiene

personale.

PET FOOD & CARE

(42)

42

In questa regola come antecedente compare la macro categoria igiene ambienti, che da quanto risulta in quasi tutte le analisi è

strettamente collegata con l’acquisto nel reparto igiene personale, ma la cosa interessante da notare è che la macro categoria pet food & care nelle altre fasce di età non compare come predittore di igiene personale, o almeno non con la stessa forza, probabilmente

l’acquisto di prodotti per gli animali, è maggiore tra i più giovani e per questa fascia d’età rappresenta un buon predittore dell’acquisto nel reparto di igiene personale.

Le analisi condotte per la fascia di età intermedia mettono in evidenza la presenza di regole che coinvolgono nuove categorie di prodotti, osserviamo ad esempio la presenza di macro categorie quali intimo e calzature per bambini, cancelleria e giocattolo che possono forse essere spiegate con la nascita di bambini all’interno della famiglia.

Le regole trovate sono

INTIMO E CALZATURE BAMBINI IGIENE AMBIENTI → IGIENE PERSONALE CANCELLERIA

USA E GETTA AVVOLGENTI → IGIENE AMBIENTI

GIOCATTOLO

(43)

43

Un altro tipo di segmentazione è stata la suddivisione dei clienti per sesso, da questo tipo di analisi sono emerse alcune lievi differenze di acquisto, e le regole generate hanno di solito una forza, sia in termini di supporto che in termini di confidenza, maggiore nel caso in cui si tratti di una donna ad acquistare, ciò può fare pensare che l’acquisto dell’uomo pur essendo simile a quello della donna presenta una minore “regolarità” negli acquisti.

Le differenze emerse sono maggiormente riscontrabili nel reparto alimentare nel quale le donne sembrano avere dei percorsi

leggermente differenti nell’acquisto di un dato prodotto, rispetto a quello dell’uomo, ma sostanzialmente emerge chiaramente che a meno di categorie specifiche per uomo e donna non ci siano particolari differenze nel comportamento di acquisto.

8.1.1 Private label

L’analisi riguardante la private label risulta molto importante infatti negli ultimi anni COOP ha speso molte energie al fine di potenziare il proprio marchio e ha di recente lanciato il progetto “Approvato dai soci”, nel quale la catena mette alla prova i prodotti a marchio,

confrontandoli con i leader di ogni mercato, ogni prova coinvolge 400 persone e vi partecipano 4 cooperative in 4 differenti zone d’Italia, per questo progetto e in generale per il prodotto a marchio COOP investe all’anno cifre ragguardevoli ed è interessante capire come i prodotti a marchio COOP interagiscono tra di loro.

La grande attenzione di COOP nella distribuzione di prodotti private

label è giustificata dai grandi ricavi ottenuti in questo comparto, che

risultano nettamente superiori a quelli degli altri comparti. I prodotti riguardano 288 tipologie merceologiche diverse, che rappresentano circa il 15% dell’assortimento del punto vendita. Negli ultimi anni le vendite hanno registrato delle forti crescite, e in particolare nei reparti dei surgelati +22%, in quello dei freschi +19.1% e delle bevande +17.2%, anche il reparto pet food ha registrato un aumento del 5.7%.

I risultati dell’analisi per i prodotti a marchio, ha confermato i risultati precedenti ottenuti sulle vendite infatti vi è una forte

(44)

presenz l’igiene gastron Possiam prodott l’attegg macro za nelle re e in genera nomia, pan mo dunqu ti private l giamento g categoria egole decis ale, che pr ne e pasta. e dire che label di C generico d le relazion Regole de sionali sia rodotti di . l’atteggia OOP non di acquisto ni tra i pro ecisionali per a di prodot punta dell amento de si distacc o, notiamo odotti rima private label C tti legati a la catena q el cliente r a molto da o infatti ch angono in COOP alla pulizia quali iguardo i a quello ch he a livello nvariate. 44 a e he è o di

(45)

45

8.2 Sequential patterns

I dati di vendita oltre tener traccia delle caratteristiche del socio, quali sesso, età, stato civile ecc., hanno anche una connotazione temporale che può essere usata per cercare di capire se ci sono correlazioni di tipo temporale tra l’occorrere di determinati eventi. L’analisi dei pattern sequenziali come l’association analysis può essere applicata a numerosi contesti quali i dati di vendita di una catena di distribuzione, dati provenienti da un web server, elementi di una sequenza di DNA.

In questo caso particolare il cliente può essere “seguito” nell’arco della sua vita da socio al fine di mettere in risalto l’informazione sequenziale dei dati che emergono dal suo comportamento di acquisto.

L’analisi ha lo scopo quindi di trovare delle sequenze nel

comportamento di vendita e prevedere quale sarà il prossimo passo del socio.

I dati di vendita selezionati sono relativi ai primi tre mesi di vendita dell’anno 2006, e riguardano tutti i clienti COOP che nel periodo hanno fatto degli acquisti.

La granularità temporale utilizzata è la settimana (campo

settimana_anno), considerando infatti il giorno un arco temporale troppo breve per distinguere due transazioni effettivamente diverse, si assume che le visite ripetute nell’arco della stessa settimana facciano parte di un’unica visita,e sono quindi viste come la stessa transazione.

(46)

I risulta Anche articoli macro r ati dell’an per questo i food e no reparti. nalisi attrav Patter o tipo di a o food, per verso i pat rn sequenziali analisi è st r capire le ttern sequ i food e no foo tata fatta u e dinamich uenzaili: od una distinz he esistent zione tra ti nei diver 46 rsi

(47)

Questi categor permet acquist anticipo di prev categor strategi strategi risultati m rie, eviden ttono con u to del soci o l’approv vedere con rie, fornen ica delle c ico. Pa mettono in nziando le una certa p io, permett vigioname n più preci ndo un’util categorie c attern sequenz n evidenza relazioni probabilit tendo di p ento e, nel sione i pro le support che nella f ziali no food le relazio temporali à di preve programm l’ottica de oventi dal to sia alla fase di red oni tra le d i tra gli ac edere le mo are con un el category le categor fase di de dazione de diverse ma cquisti e osse di n certo y managem rie e macro efinizione l piano 47 acro ment o

(48)

48

9. Conclusioni

Il lavoro di tesi ha riguardato la possibilità di utilizzare in modo utile l’analisi e gli strumenti messi a disposizione dal data mining ai fini del supporto al category management.

Dai risultati ottenuti emerge chiaramente che il lavoro di estrazione della conoscenza dai dati di vendita, può essere positivamente

impiegato nella definizione di nuove categorie, nella ridefinizione di quelle che già esistevano e soprattutto per rintracciare le relazioni di interdipendenza che esistono tra le categorie, lasciandosi guidare dalle regole decisionali che emergono dall’analisi delle vendite. Il processo di category management potrà sicuramente essere migliorato dalla conoscenza delle regole sottostanti le decisioni del consumatore, e in molti casi tale conoscenza offrirà la possibilità di ridefinirne il piano strategico da implementare e selezionare nuove e più precise aree strategiche d’affari.

Dai dati raccolti il processo di category management ha portato significativi aumenti di redditività alle aziende, sia nel breve che nel medio – lungo periodo, infatti dall’applicazione di tale modello organizzativo risulta l’aumento del 24% delle vendite nei due anni successivi, e in dettaglio il 16% in più per il reparto bevande dopo un anno, 15% per la categoria snacks dopo 4 settimane e +12% per i detersivi dopo un anno.

Dato tale successo il ricorso al category management in Europa è più che triplicato nel corso degli ultimi anni, mentre in Italia stenta ad imporsi a causa di una acuta disomogeneità tra distribuzione e industria che ne rende difficile l’applicazione su larga scala, inoltre la varietà di piattaforme tecnologiche e le prospettive di investimenti per l’integrazione scoraggiano le imprese meno motivate, ed infine vi è una forte diffidenza tra i partner nella condivisione della

conoscenza.

Una possibile soluzione sarebbe l’introduzione di un modello semplificato di category management con pochi e chiari obiettivi, quali la soddisfazione del cliente e la fidelizzazione, la difesa della redditività delle categorie nel tempo, la differenziazione (di canale, insegna e area geografica), ed una maggiore efficienza della filiera.

(49)

49

Produzione e distribuzione potrebbero decidere gli obiettivi di un’operazione di category management creando i punti della

strategia da perseguire nell’ambito della propria visione del mercato, condividendo informazioni di target, strategia commerciale, di

marketing e di politica logistica.

È di importanza strategica la stima delle categorie valutata in base all’utilità per il consumatore, quella dei margini offerti e di

dimensione del mercato di riferimento.

Le linee guida per il category management appena descritte, valgono in generale per le imprese occidentali, ma trovano poca applicabilità in Italia dove esiste un contesto di medie imprese, che difficilmente sono disposte ad investire in tal senso, ed un altro limite è

rappresentato dalla scarsa presenza di professionalità adatte (category manager)all’interno dell’azienda.

Figura

Tabella dei fatti VENDUTO:
Tabella per analisi

Riferimenti

Documenti correlati

„ In molti casi è essenziale essere in grado di estrarre della conoscenza dai dati, cioè fare Data Mining. Chi possiede i dati potrebbe identificarsi con chi ne estrae

Example applications of relevant knowledge management, data mining, and text mining research are then reviewed in order including: ontologies; knowledge management for

The analysis, carried out on a sample of industrial firms throughout the Campania region, aims at evaluating the capability of a regional model to improve the forecasting

MIME - Multipurposer Internet Mail Extension API - Application Programming Interface IDL - Interface Definition Language DML - Data Manipulation Language DBMS - DataBase

VISTO il documento allegato “Obiettivi di accessibilità per l’anno 2015” (Modello B circolare n. 61/2013 dell’Agenzia per l’Italia Digitale) che racchiude

[r]

Il corso di PROJECT MANAGEMENT in e-learning è propedeutico all’esame di certificazione della competenza di Project Manager secondo quanto previsto dalla Norma Tecnica UNI

Nell’attesa che il Ministero elabori politiche e indicazioni sul Research Data Mana- gement, un gruppo di lavoro costituito da atenei in cui la sensibilità verso il tema della