ASPETTI INTRODUTTIVI
1. Statistica e Ricerche di Marketing
1.1 Statistica, Informazione, Incertezza e Conoscenza: il Paradigma Informazionale, l’Approccio Statistico al Processo Cognitivo e la Metodologia Statistica.
1.2 Ricerche di Marketing: le Ricerche di Mercato e le Ricerche di Marketing; L’interazione del marketing con alcune discipline scientifiche; fasi delle Ricerche di Marketing; classificazione tipologica delle Ricerche di Marketing.
1.3 L’interazione tra Statistica e Ricerche di Marketing: tipologie di Ricerche di Marketing e metodi statistici; le ricerche per la segmentazione del mercato e per il posizionamento dei prodotti e i metodi statistici per l’analisi dei dati.
FASE PRE-OSSERVAZIONALE: supporti informativi, tecniche di campionamento e di raccolta dell’informazione per le ricerche di marketing
2. Supporti informativi, campionamento statistico e tecniche per la raccolta dell’informazione:
2.1 Il Sistema Informativo di Marketing: tipologie di dati e fonti informative per le ricerche di marketing.
2.2 Campionamento statistico: tecniche di campionamento e numerosità campionaria: campionamento casuale semplice; campionamento stratificato; campionamento a grappolo; campionamento a due stadi; campionamento sistematico.
2.3 Tecniche per la raccolta dei dati: tecniche qualitative: focus group, interviste in profondità, metodo Delphi, tecniche proiettive, tecniche creative, tecniche cognitive; tecniche quantitative: intervista diretta, telefonica e postale; intervista web-based (e-mail e internet); questionario. Applicazioni nel marketing: il campionamento statistico nelle ricerche di mercato; i sistemi CATI e CAPI per l’indagine sui consumi; le ricerche psicografiche.
FASE POST-OSSERVAZIONALE: metodi statistici multivariati per le ricerche di mercato
3. L’approccio informazionale nel processo di analisi dei dati: paradigma informazionale; informazione empirica e teorica; analisi dei dati e data mining.
4. Rappresentazioni matriciali di dati multidimensionali
4.1 Matrice dei dati, pre-trattamento dei dati e trasformazioni: matrice dei dati “unita’´variabili”; data cleaning; dati mancanti; errori; valori anomali, osservazioni influenti e boxplot; matrici dei dati percentuali; matrice centrata; matrice degli scarti standardizzati; aspetti computazionali; esempi applicativi.
4.2 Matrici di covarianza e di correlazione: definizioni e proprietà; aspetti computazionali ed esempi applicativi.
4.3 Matrici di prossimità: concetto di distanza tra unità statistiche; distanza di Minkowski; distanza di Canberra; indici di dissimilarità e di similarità; aspetti computazionali ed esempi applicativi.
5. Rappresentazioni grafiche di dati multidimensionali: rappresentazioni tridimensioni; bubbleplot; scatterplot matrix; grafici in coordinate parallele; grafici a stella; facce di Chernoff; aspetti computazionali ed esempi applicativi.
6. Tecniche di analisi di dati multidimensionali
6.1 Cluster Analysis: la Cluster Analysis: aspetti generali e approcci metodologici; la Cluster Analysis gerarchica aggregativa: verifica dell’esistenza di cluster naturali; fasi dei metodi di clustering; metodo del legame singolo; metodo del legame completo; metodo del legame medio; metodo dei centroidi; metodo di Ward; il dendrogramma; proprietà dei metodi di clustering; determinazione del numero ottimo di cluster; interpretazione dei cluster della partizione “ottima”; metodi di clustering vincolati; la Cluster Analysis non gerarchica: il metodo delle k-medie; metodo k-medoids; metodo delle k-medie fuzzy e criteri di cluster validity; metodo k-medoids fuzzy; metodo relazionale fuzzy; aspetti computazionali ed esempi numerici. Applicazioni nel marketing: la segmentazione del mercato e della clientela; aree-test di mercato; il geomarketing; stili di vita e strategie pubblicitarie; neuromarketing; partizioni economiche del territorio; e-marketing; shopping behaviour (shopping paths).
6.2 Analisi in Componenti Principali (ACP): approcci metodologici; determinazione delle Componenti Principali (CP); proprietà; scores e loadings; l’ACP basata sulla matrice di correlazione; interpretazione delle CP; scelta del numero delle CP; il Biplot; la Tandem Analysis. Applicazioni nel marketing: posizionamento di un prodotto; indicatori sintetici di customer satisfaction; comportamenti d’acquisto; la segmentazione della domanda turistica; la segmentazione della popolazione italiana: la “Grande Mappa” Eurisko.
6.3 Multidimensional Scaling (MDS): il modello metrico classico (formalizzazione matematica; validità della soluzione e scelta del numero di dimensioni; interpretazione della configurazione); i modelli non metrici (definizioni; validità delle soluzioni e scelta del numero di dimensioni); il MDS per differenze individuali; aspetti computazionali. Applicazioni nel marketing: le mappe percettive.
6.4 Analisi delle Corrispondenze (AC): l’Analisi delle Corrispondenze Semplici: aspetti introduttivi e principi fondamentali; distanza tra profili e metrica del chi-quadrato; scomposizione dell’inerzia e valori singolari; indici di qualità dell’analisi e punteggi; contributi dei profili riga (colonna); aspetti computazionali. Applicazioni nel marketing: mappe di posizionamento dei prodotti; analisi sui tipi di acquisto nei centri commerciali.
6.5 Regole di associazione: associazione in una tabella 2×2; misure basate sulla statistica di Pearson; misure basate sul rapporto dei prodotti incrociati. Applicazioni nel marketing: la Market Basket Analysis.
6.6 Alberi di classificazione e metodi di segmentazione: regole di classificazione e segmentazione delle unità; fasi di una procedura di segmentazione gerarchica; metodi di segmentazione con variabili esplicative qualitative: AID e CHAID; il metodo CART; aspetti computazionali. Applicazioni nel marketing: il rischio di credito; churn analysis.
6.7 Reti neurali non supervisionate: le Self-Organizing Maps di Kohonen. Applicazioni nel marketing: la segmentazione del mercato delle telecomunicazioni.
7. Esercitazioni con software statistico: R; SPSS.