DO IT YOURSELF

Approfittando delle banche dati e delle numerose piattaforme disponibili, molte aziende, utilizzando le ricche banche dati in proprio possesso con anagrafiche dettagliate dei propri clienti, stanno organizzandosi autonomamente per effettuare ricerche di mercato e Customer Satisfaction. ( Leggi tutto )

Customer satisfaction balancing: MICSI


Obiettivo:
Ribilanciare i risultati della customer satisfaction in funzione delle differenti caratteristiche e aspettative della clientela per un corretto confronto della performance della rete vendita
Soluzione / metodo:
Attraverso modelli di tipo regressivo sono stati identificati e calcolati degli indici di performance delle strutture di vendita ed è stato costruito un modello di incentivazione in grado di tener conto della disomogeneità dei clienti finali.
Fonti:
Dati provenienti da una indagine di CS, dati interni del venduto e della struttura dei punti vendita



Stima della potenzialità territoriale


Obiettivo:
Valutare il potenziale di un punto vendita allocato geograficamente e inserito in un contesto ben preciso
Soluzione / metodo:
Il potenziale di vendita dipende, oltre che dalla capacità della struttura, anche dalla collocazione geografica, dalle caratteristiche socio-comportamentali degli abitanti, dal panorama competitivo ecc. Abbiamo sviluppato modelli territoriali-gravitazionali, o più in generale modelli spaziali, per permettere di gestire e considerare una serie di informazioni che sono tipicamente caratteristiche del territorio.
Fonti:
Banche dati interne, banche dati territoriali, fornitori esterni e ricerche sul comportamento di spesa.
Risultati:
I modelli gravitazionali hanno permesso, oltre al calcolo del potenziale annuo di un punto vendita reale o ipotetico, anche la mappa tematica del territorio, come ad esempio la provenienza del fatturato di un punto vendita.



Analisi multivariate per ricerche di mercato


Obiettivo:
Le indagini di mercato permettono di raccogliere sullo stesso soggetto una serie di informazioni "multivariate". La semplice analisi tradizionale basata sulle tavole è sicuramente il metodo più efficace per cogliere gli elementi salienti dello studio, ma data la sua natura "marginale" non permette di cogliere e valutare a pieno le relazioni più profonde, ed addirittura in qualche caso può portare ad interpretazioni errate (cfr. paradosso di Simpson)
Soluzione / metodo:
GMR dispone dei più aggiornati strumenti statistici per la gestione delle analisi multivariate ed è in grado di affrontare un'ampia gamma di analisi, dalle più tradizionali quali regressione, fattoriale, cluster, mappe, alle più sofisticate come le equazioni strutturali, la PLS, le analisi mixed, ed una vasta gamma di modelli sia esplorativi che confirmativi. Una particolare esperienza dei nostri soci è l'analisi, la strutturazione e la gestione di indagini ripetute su panel di soggetti e l'integrazione con fonti informative di varia natura sia interni che esterni ai nostri clienti.
Fonti:
Dati da indagine, banche dati da panel, banche dati di varia natura sia interne che esterne al cliente.



Rischio di credito


Obiettivo:
Valutare la rischiosità di un cliente del settore finanziario
Soluzione / metodo:
Dopo l'integrazione di informazioni derivanti da varie banche dati di diversa natura, abbiamo sviluppato modelli in grado di prevedere la probabilità di "default" della clientela
Fonti:
Dati interni ed Istituzionali



Simulazione di scenari


Obiettivo:
Valutare l'effetto quantitativo di differenti strategie decisionali.
Soluzione / metodo:
La costruzione di modelli quantitativi permette la creazione di tool di simulazione attraverso i quali il cliente può valutare il risultato di differenti azioni. Per esempio i modelli di marketing mix permettono di valutare l'incremento di vendita rispetto a differenti politiche promozionali. I modelli possono essere anche utilizzati per ottenere la strategia ottimale, come la costruzione di piani pubblicitari in grado di massimizzare il GRP atteso.
Fonti:
Dati interni ed esterni
Risultati:
Applicativi informatici in grado di mostrare l'effetto simulato su parametri di interesse delle differenti strategie che l'azienda può intraprendere.



Modelli di marketing mix


Obiettivo:
Valutare l'effetto sulle vendite delle azioni promozionali
Soluzione / metodo:
I modelli di marketing mix permettono di stimare l'incremento di vendita dovuto ad azioni promozionali. Basati su modelli econometrici, sono in grado di identificare le leve più performanti e misurare il ritorno di investimento di una politica promozionale. Integrati con simulatori di scenario permettono l'ottimizzazione di differenti strategie.
Fonti:
Dati interni sulla clientela, banche dati esterne di mercato (es. dati Nielsen / IRI).
Risultati:
Elasticità alle promozioni, vendite incrementali per ciascuna leva, impatto della concorrenza.



Segmentazione della clientela


Obiettivo:
Identificare gruppi di clienti omogenei in base a comportamenti e/o atteggiamenti
Soluzione / metodo:
Identificazione delle variabili che sintetizzano il comportamento o l'atteggiamento dei singoli clienti attraverso analisi multivariate.Definizione dei gruppi in base a misure di distanza sulle variabili considerate dei singoli soggetti.
Fonti:
Banche dati interne, indagini.



Diffusione nuovi prodotti


Obiettivo:
Stimare la penetrazione di un nuovo prodotto
Soluzione / metodo:
Disponendo di banche dati storiche relative al comportamento di acquisto della clientela, vengono costruiti modelli di diffusione che prevedono la velocità e la dimensione della penetrazione di un nuovo prodotto o servizio.
Fonti:
Banche dati interne della clientela e panel di consumatori/vendite
Risultati:
Grafici dell'andamento temporale della diffusione.