JMP Background

Ricerca sui consumatori e di mercato con JMP®

Il marketing è un settore complesso, strettamente legato alla rapida evoluzione delle tecnologie digitali. Eppure vi sono problematiche aziendali di primaria importanza da risolvere: individuare le opportunità di crescita più redditizie, sviluppare prodotti e servizi di qualità impeccabile, intraprendere azioni di marketing efficaci e massimizzare l'impatto trasversale sull'azienda.

Oltre a garantire una costante attenzione al cliente, è fondamentale poter contare su dati affidabili. I dati sono onnipresenti in tutti gli aspetti del marketing: ricerca e soddisfazione dei consumatori, lancio di nuovi prodotti o servizi, posizionamento, gestione del marchio, pubblicità, segmentazione e promozione. Anche se la rivoluzione digitale offre la promessa di influire positivamente sulle dinamiche con i consumatori, questa opportunità potrà essere colta esclusivamente da coloro che sapranno sfruttare con successo i nuovi dati a disposizione, sia per comprendere i desideri dei gruppi specifici di consumatori, sia per capire come soddisfare o addirittura influenzare i loro bisogni.

Ideale per ricerche esplorative, descrittive o causali con fonti primarie o secondarie, JMP offre un repertorio completo di strumenti per trarre preziose informazioni da dati quantitativi, metrici e non, in modo semplice e veloce.

In genere sono coinvolte numerose variabili. Le tecniche a interdipendenza trattano tutte le variabili su una stessa base, mentre le tecniche a dipendenza mirano a identificare le relazioni tra gruppi di variabili, generalmente tra input (X) e output, risultati o elementi (Y).

Grazie all'elevato livello di agilità e interattività, JMP risulta particolarmente adatto per l'esecuzione di studi ad hoc; la sua programmabilità offre inoltre opzioni per velocizzare gli studi di routine, entro i confini di un'applicazione desktop.

Indipendentemente dall'esperienza dell'operatore con l'analisi statistica, JMP consente di comprendere i dati, inquadrare i consumatori e comunicare rapidamente le informazioni estrapolate ai soggetti interessati contribuendo a livello decisionale ed esecutivo.

Ricerca esplorativa

Per chiarire e delineare ulteriormente opportunità e problemi poco definiti relativi ai consumatori si utilizza in genere una combinazione di interviste, gruppi di discussione e studi osservazionali e demografici. La ricerca esplorativa viene impiegata anche per formulare ipotesi e sviluppare scale di misurazione. Si riscontra spesso una penuria di dati primari e un'abbondanza di dati secondari.

JMP offre numerose opzioni per la gestione dei dati primari, tra cui le piattaforme Disponi in tabella, Costruttore di grafici e Categorico. È possibile definire in maniera interattiva tabelle di statistiche di riepilogo con variabili di raggruppamento e generare numerose tipologie di grafici, tra cui mappe geografiche. È possibile esplorare e analizzare lo schema di risposte categoriche provenienti dai sondaggi e gestire dati in numerosi formati. Se disponete di dati sparsi, la definizione di "super categorie" permette di combinare i livelli per aumentare il conteggio delle celle e, di conseguenza, l'affidabilità dei risultati. L'analisi degli elementi offre un approccio alternativo in presenza di una serie di elementi a cui è stato assegnato un valore di tipo sì/no. Tramite test esatti e asintotici, JMP Pro indica con maggiore affidabilità se un'associazione è reale o meno.

Tutte queste analisi possono essere eseguite anche con dati secondari; potrebbe tuttavia risultare più difficile elaborarli in maniera efficace, dal momento che sono stati raccolti per scopi diversi. La Procedura guidata di importazione di JMP supporta numerose tipologie di file, incluso SPSS Desktop Reporter. Il flusso di lavoro di analisi statistica di JMP è particolarmente adatto a situazioni in cui non è perfettamente chiaro quali siano le potenziali informazioni nascoste nei dati e in che modo possano (o non possano) aiutare a raggiungere gli obiettivi. La funzione Pattern dati mancanti permette di isolare rapidamente i casi più indicativi. I grafici collegati dinamicamente in JMP permettono di individuare rapidamente strutture interessanti a livello dei dati, isolare casi insoliti e gestirli adeguatamente. Per modellizzare le relazioni in maniera efficace, la piattaforma Valuta disegno mostra i modelli effettivamente supportati dai dati, oltre a stimare il potenziale di ciascun termine interessato.

In presenza di numerose colonne, anche quando i dati a disposizione sono disordinati e presentano numerosi outlier, le funzioni Screening delle risposte o Partizione possono comunque aiutare a identificare le X con cui spiegare la variazione in una particolare Y.

Ricerca descrittiva

In genere la ricerca descrittiva parte dalle esplorazioni precedenti per descrivere mercati, segmenti, concorrenti e consumatori. È altresì impiegata per misurare le prestazioni all'interno di una struttura concordata, generalmente su base continua.

La maggior parte dei dati derivanti da ricerche di mercato presenta diverse colonne; vengono quindi impiegate tecniche multivariate che sfruttano le correlazioni e le associazioni per descrivere il pattern di variazione utilizzando un numero limitato di dimensioni. Idealmente (ma non sempre) è possibile interpretare in modo diretto le nuove e importanti variabili che ne risultano; in tal caso i dati rivelano pattern ovvi e altamente informativi.

JMP fornisce strumenti per l'analisi delle componenti principali e l'analisi fattoriale; tuttavia, qualora i risultati si rivelassero difficili da interpretare, è possibile ridurre la dimensionalità clusterizzando le variabili originali e identificando la più rappresentativa per ciascun cluster. Questo metodo risulta particolarmente utile per costruire un modello di dipendenza. Le mappe percettuali aiutano a posizionare le offerte rispetto ai concorrenti attraverso un'analisi delle corrispondenze o delle corrispondenze multiple dei dati categorici con tabulazione incrociata. In alternativa, è possibile utilizzare lo scaling multidimensionale per mappare attributi e brand multipli, spesso offrendo una migliore comprensione della percezione dei consumatori e dei mercati.

Per la segmentazione dei casi in gruppi distinti, JMP si avvale di metodi gerarchici o basati sul principio delle k medie con la propria selezione di misure di similarità; nel caso gerarchico è possibile selezionare direttamente nel dendrogramma i cluster da considerare. JMP offre anche l'analisi delle classi latenti come modalità alternativa per raggiungere obiettivi simili.

È possibile identificare le variabili che separano in maniera ottimale i gruppi tramite l'analisi discriminante, spesso come alternativa alla regressione logistica nominale.

JMP permette inoltre di costruire modelli di dipendenza semplice utilizzando la funzione Stima Y rispetto a X, che risponde automaticamente alle tipologie di modellizzazione delle variabili assegnate ai ruoli di X e Y, così da unificare i numerosi approcci utilizzati comunemente, quali analisi ANOVA e di contingenza. Le opzioni specifiche al contesto guidano attraverso analisi successive con risultati visivi.

È possibile adattare un numero maggiore di modelli di dipendenza complessi, selezionando le variabili importanti tramite regressione stepwise. JMP Pro, la versione per analisi avanzate di JMP, include tecniche moderne di selezione delle variabili per la costruzione di modelli parsimoniosi. Viene inoltre calcolata la massima verosimiglianza dei residui per garantire stime affidabili indipendentemente dall'equilibrio dei dati a disposizione.

Sebbene le stime dei coefficienti possano risultare utili, il profiling della dipendenza ottenuta tra le Y e le X si rivela spesso ancora più indicativo, in particolare quando occorre rivedere modelli concorrenti o comunicare l'esito dell'analisi a terzi per generare consenso. Il Profiler permette di interagire visivamente con i modelli in maniera uniforme, indipendentemente dall'approccio di modellizzazione impiegato. Esso include inoltre un simulatore Monte Carlo che permette di valutare le dinamiche di propagazione della variabilità reale delle X verso quella delle Y.

Infine, per i dati dei punti vendita, è possibile utilizzare l'Analisi delle associazioni (Market Basket) per identificare i prodotti che gli acquirenti tendono ad acquistare insieme.

Ricerca causale

L'individuazione delle cause richiede una teoria esplicativa, una relazione statistica, un ordinamento temporale corretto e un controllo adeguato di tutte le altre X considerate come estranee.

Gli esperimenti progettati statisticamente, in cui le X vengono manipolate secondo un piano specifico per indurre deliberatamente una variazione a livello delle Y, rappresentano una potente arma al servizio della ricerca causale. Indipendentemente dal tipo di esperimento, il piano plasma l'analisi successiva e JMP offre una serie completa di funzionalità per soddisfare tutti gli obiettivi sperimentali in un formato facilmente comprensibile e fruibile: individuazione affidabile delle differenze tra due trattamenti, ottimizzazione congiunta di diverse Y influenzate da una moltitudine di X, di cui alcune potrebbero essere difficili o molto difficili da variare nella pratica.

Oltre ai disegni classici, JMP offre un innovativo piano personalizzato che permette di adattare il piano al problema e non viceversa. Inoltre, i nuovi ed esclusivi piani di screening definitivi di JMP offrono vantaggi evidenti in presenza di problemi che richiedono un approccio sequenziale.

JMP permette anche di generare disegni in cui i consumatori possono scegliere facilmente le caratteristiche di un prodotto o servizio, così da poter esprimere in modo più chiaro e semplice sia le preferenze che le "non preferenze". Per poter generare un disegno efficace di tali esperimenti di scelta occorre provvedere ad un accertamento delle conoscenze pregresse. L'inclusione del costo tra i fattori e l'esecuzione di tali esperimenti in fase preliminare per un prodotto o servizio offrono numerosi vantaggi.

Oltre agli esperimenti di scelta, JMP permette di disegnare e analizzare esperimenti congiunti sulla valutazione e l'assegnazione di ranghi. Il piano personalizzato supporta disegni con valutazioni dei consumatori sulla base di una scala Likert; quando si desidera invece spingere gli intervistati a distinguere marchi o caratteristiche di prodotti è possibile ricorrere all'assegnazione dei ranghi o a un piano MaxDiff che si concentri sull'opzione "migliore" e "peggiore" di un set di scelte.

La definizione di fattori difficili o molto difficili da modificare permette di generare piani di assegnazione di ranghi con attività multiple per ciascun intervistato. In questo modo è possibile migliorare la copertura limitando al tempo stesso la pressione sull'intervistato, al quale può essere proposto un numero inferiore di domande. È inoltre possibile eliminare le domande prive di senso definendo combinazioni non consentite nel piano personalizzato generato da JMP. Oppure, è possibile modellizzare le differenze tra gli intervistati utilizzando un approccio di Bayes gerarchico.

Studi sensoriali

Lo scopo è quello di comprendere in che modo i sensi umani contribuiscono all'esperienza complessiva di consumo o utilizzo di un prodotto. I panel sensoriali sono composti da esperti appositamente formati che forniscono un feedback molto dettagliato e vengono generalmente impiegati per consentire lo sviluppo di nuovi prodotti e, quando vengono apportate modifiche, per salvaguardare la qualità di quelli esistenti. I panel di consumatori sono simili, ma solitamente sono meno rigidi e maggiormente incentrati sull'accettabilità di mercato. Sebbene entrambi siamo importanti, combinando adeguatamente i risultati dei panel sensoriali con i risultati dei panel di consumatori per una categoria di prodotti specifici è possibile ottenere risultati ancora più efficaci.

Indipendentemente dal flusso di lavoro di analisi preferito, JMP fornisce tutti gli strumenti grafici e statistici necessari per garantire che l'assegnazione dei ranghi e le valutazioni prodotte dai valutatori siano affidabili, nonché per verificare che il panel sensoriale o di consumatori consenta effettivamente di differenziare i prodotti in maniera oggettiva e quantitativa. In genere vengono utilizzati il metodo ANOVA e/o la regressione con effetti casuali, spesso in combinazione con l'analisi delle componenti principali. Anche i minimi quadrati parziali permettono di modellizzare la relazione tra i risultati sensoriali e dei consumatori.

Una volta definito chiaramente l'approccio, è possibile costruire facilmente applicazioni che permettano di ripetere l'analisi in futuro, internamente o a beneficio di terzi, o semplicemente di rivedere o esporre i risultati chiave. L'applicazione permette di includere un livello adeguato di automazione, guida e interpretazione, con gestione delle sfumature legate alla situazione e ai dati specifici.

Previsione di comportamenti


Le Y vengono previste in base alle X tramite dati osservazionali, generalmente già disponibili. Sebbene carenti dal punto di vista della determinazione della causalità, le previsioni sul comportamento futuro dei consumatori, se affidabili, possono risultare incredibilmente preziose. La disponibilità di previsioni efficaci, ad esempio, può contribuire a stimolare nuovi consumatori, oppure permette di indirizzare offerte mirate ai clienti meno affezionati.

Generalmente associati al settore del data mining, JMP e JMP Pro, in modo particolare, permettono di costruire e confrontare in modo semplice e rapido modelli di reti neurali e modelli basati su alberi che catturano comportamenti dei consumatori ripetibili piuttosto che casuali. Onde evitare i problemi legati alla sovraparametrizzazione, è possibile gestire i modelli derivanti da regressione e minimi quadrati parziali all'interno della stessa struttura di partizione dati.

Inoltre, JMP Pro fornisce funzioni di modellizzazione uplift per migliorare la gestione delle relazioni con i consumatori che rispondono unicamente ad azioni di marketing mirate. È possibile anche modellizzare l'impatto incrementale delle azioni o dei trattamenti su una risposta individuale, così da comprendere se le azioni o i trattamenti hanno avuto l'effetto desiderato.

Il Depot delle formule di JMP offre un modo semplice e veloce per confrontare e contrapporre modelli concorrenti. Dopo aver selezionato il vincitore, è possibile generare il codice in C, Python, JavaScript e SAS e distribuirlo in altri ambienti per lo scoring di nuovi casi.

Sebbene sia generalmente considerato riservato a professionisti esperti, JMP offre le suddette tecniche in un ambiente coerente, facile da usare e accessibile a qualsiasi ricercatore, senza compromettere le potenzialità degli algoritmi sottostanti.

Back to Top