Friendz Research - Caso Studio AUTOMOTIVE con TEXT ANALYTICS

Friendz Research - Automotive
Abbiamo chiesto a 5.000 persone di rispondere a delle domande a risposta aperta riguardanti
la propria auto con l’obiettivo di usare strumenti di text analytics per estrarre KPI (indici di
fidelizzazione, raccomandazione, vettori di influenza che fanno tendere i consumatori a
cambiare automobile o a restare sulla propria).
Gli step di questa ricerca sono 5:
o Analisi dei consumatori con targetizazione per brand, sesso, età e provenienza
o Analisi dei fattori che portano i proprietari di un’auto a cambiare modello
o Creazione di un indice di fidelizzazione sull’history del rapporto brand-consumatore
o Analisi domande sulla raccomandazione del brand
o Text analytics sui commenti della CTA pubblicata dall’utente sui social
Panel

Abbiamo coinvolto 5.000 utenti per ottenere un campione statistico affidabile di
persone che fossero in possesso di un’auto o che fossero in fase di acquisto.
100%
3:50100%5.000
utenti coinvolti completamento tempo medio
di completamento
Il 100% delle persone coinvolte ha portato a termine una survey di 20 domande. Il
tempo medio di completamento è quasi di 4 minuti.
Panel - Target

Panel
Abbiamo effettuato l’analisi su un campione formato dai seguenti lock:
Uomini
50%
Donne
50%
Nord
42,8%
Centro
Sud e Isole
38,4%
18,8%

Vuoi cambiare auto? Si v
Abbiamo chiesto ai nostri utenti che auto possedessero e quale modello, e abbiamo filtrato questa
prima fase analizzando le risposte di chi aveva manifestato intenzione a passare ad un nuovo modello
di auto.
Panel 1- Cambio auto sì
Successivamente è stato chiesto loro di argomentare questo feeling scrivendo i motivi per i quali
comprare una nuova auto sarebbe stato un miglioramento e in quali termini; abbiamo effettuato text
analytics e creato delle macro-categorie per rendere l’output di facile comprensione.

0,4%
SKODA
0,6%
Dacia
1,2%
Audi
4,1%
Toyota
6,6%
Renault
6,8%
Opel
31,1%
Fiat
9,7%
Ford
6,1%
Citroen
5,11%
Lancia
4,4%
Peugeot
1,9%
Nissan
4,3%
Volkswagen
2,5%
Alfa Romeo
2,5%
Smart
1,9%
Hyundai
1,7%
Kia
1,4%
Mercedes
1,2%
Suzuki0,8%
Daewoo
1,4%
Seat
0,9
%
Chevrolet
0,8%
BMW
0,4%
HONDA
0,2%
JEEP
0,52%
MINI
0,4%
VOLVO
0,11%
ABARTH
Distribuzione costruttori su 1800 persone che cambierebbero auto,
le % sono riferite al totale di chi cambierebbe automobile.
Panel 1- Cambio auto sì

Report | Cambio auto si – TEXT ANALYSIS
Abbiamo creato aree semantiche strutturate per analizzare in maniera statistica le risposte aperte;
avendo individuato più di 30 fattori di cambiamento, per la text analysis estrapoleremo graficamente
solo i dati di risposta aperta dei possessori dei 3 brand più presenti: Fiat (31,1%), Ford (9,7%) e Opel
(6,8%).
Nelle prossime slide saranno presenti invece risultati generali dell’indagine; agli utenti che avevano
espresso interesse nel cambiare automobile è stata posta la seguente domanda:
«Spiega in poche righe perché vorresti cambiare auto e quali caratteristiche dovrebbe avere»

Report |
Distribuzione change factors su 1800 persone che cambierebbero auto
Cambio auto si – TEXT ANALYSIS
24.80%
12.50%
7.30%
7.10%
6.40%
5.90%
4.20%
3.90%
3.40%
3.40%
3.40%
2.60%
2.60%
2.10%
2.00%
1.90%
1.90%
1.90%
1.60%
1.50%
1.40%
1.40%
1.30%
1.20%
1.00%
1.00%
0.80%
0.80%
0.70%
0.70%
0.60%
0.30%
0.30%
0.20%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%

Categorie con incidenza >5%
24.8%
12.5%
7.3% 7.1% 6.4% 5.9%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
Cerco auto
che consumi
meno
Voglio auto
più grande
Auto vecchia Voglio auto
sportiva
Vorrei auto più
spaziosa
Cerco un auto
più piccola
Report |
Distribuzione change factors su 1800 persone che cambierebbero auto

Report |
Distribuzione change factors su 1800 persone che cambierebbero auto, split per regione
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Cerco un'auto che consumi meno
Voglio un'auto più grande
Auto Vecchia
Voglio un'auto più sportiva
Voglio un'auto più spaziosa
Cerco un'auto più piccola

Report |
Prima di scendere nel dettaglio dei 3 brand più presenti tra chi vorrebbe comprare un’auto nuova, è
utile visualizzare una distribuzione geografica dei driver di cambiamento principali splittati per
regione.
Nelle mappe di seguito visualizzate, a maggior intensità di colore corrisponderà maggior influenza del
determinato fattore, con influenza massima in legenda riferita alla regione più evidenziata

Report |
Distribuzione change factors su 1800 persone che cambierebbero auto, split per regione

Cerco auto
che
consumi
meno
Voglio
auto più
grande
Cerco un
auto più
piccola
Auto
vecchia
Vorrei
auto più
spaziosa
Voglio
prestazioni
migliori
Voglio un
GPL-
metano
Vorrei
auto più
moderna
Voglio
auto più
bella
esteticame
nte
Serve auto
familiare
Vorrei una
più
accessoriat
a
Vorrei
auto più
comoda
Voglio un
diesel
Cerco un
ibrida
Voglio un
SUV
Fiat 24.90% 10.93% 7.49% 7.29% 6.07% 5.06% 4.05% 3.85% 3.64% 2.63% 2.23% 2.23% 2.23% 2.02% 2.02%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
Report |
Distribuzione categorie su Fiat (31,1% campione), categorie con incidenza >2%)

Cerco auto che
consumi meno
Voglio auto più
grande
Auto vecchia
Voglio auto più
bella
esteticamente
Vorrei auto più
spaziosa
Vorrei auto più
moderna
Voglio un GPL-
metano
Cerco un auto
più piccola
Vorrei auto
con interni
migliori
Serve auto
familiare
Cerco un ibrida
Fiat 27.63% 9.87% 9.21% 5.92% 5.92% 3.95% 3.95% 3.95% 2.63% 2.63% 2.63%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
Report |
Distribuzione categorie su Ford (9,7% campione), categorie con incidenza >2%)

Cerco auto
che consumi
meno
Vorrei auto
più spaziosa
Auto
vecchia
Voglio auto
più grande
Vorrei auto
con interni
migliori
Cerco un
auto più
piccola
Voglio auto
più bella
esteticamen
te
Vorrei auto
più
moderna
Voglio un
GPL-metano
Vorrei una
più
accessoriata
Serve auto
familiare
Vorrei auto
più comoda
Voglio un
SUV
Ford 27.03% 9.91% 9.01% 7.21% 5.41% 5.41% 4.50% 2.70% 2.70% 2.70% 2.70% 2.70% 2.70%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
Report |
Distribuzione categorie su Opel (6,8% campione), categorie con incidenza >2%)

Indice di fidelizzazione
Come tecnica di indagine dell’indice di fidelizzazione abbiamo creato 3 domande che pongono in
relazione l’andamento del feeling nei confronti del marchio.
Per farlo abbiamo indagato il rapporto PASSATO-PRESENTE-FUTURO chiedendo all’intero campione
di 5.000 persone le seguenti domande:
«In passato, quando dovevi scegliere quale auto acquistare, come valutavi il brand?»
«Ad oggi compreresti di nuovo l’auto che hai comprato?»
«In futuro credi che ricomprerai un’auto della stessa marca?»

In base alla risposta del consumatore è stato affidato un peso diverso alle risposte in funzione della
variabile temporale, ad esempio: un consumatore poco loyal in passato ma che comprerebbe
un’auto dello stesso brand in futuro a parità di media matematica nell’analisi sarà più fidelizzato di
un altro che ha sempre comprato auto di quel brand in passato ma non la ricomprerebbe in futuro

4.12
4.38
4.55
4.57
4.57
4.68
4.74
4.79
5.26
5.40
5.43
5.76
6.00
6.21
6.40
6.58
6.61
0 5 10
Hyundai
Dacia
Toyota
Jeep
Jeep
Land Rover
Honda
Alfa Romeo
Mini
Volkswagen
Abarth
Mercedes-…
Ferrari
Audi
Bmw
Rover
Jaguar
Fidelizzazione dei consumatori nello storico del loro rapporto con il brand in scala da 1 a 10
2.68
2.83
3.00
3.56
3.56
3.60
3.60
3.60
3.72
3.75
3.76
3.77
3.84
3.93
4.00
4.08
0 5
Daihatsu
Daewoo
Chevrolet
Suzuki
Citroen
Renault
Opel
Fiat
Seat
Lancia
Mazda
Skoda
Nissan
Peugeot
Kia
Ford

Come per il text analytics di chi cambierebbe auto
andremo a visualizzare solo i 3 brand più diffusi nel
campione

Georeferenziazione della
fidelizzazione (regioni più
scure sono più fidelizzate
al brand)

Raccomandazione del brand
E’ stato chiesto ai consumatori
di dare una raccomandazione
della propria auto da 1 a 10,
solo i possessori di Fiat hanno
espresso raccomandazione sul
marchio Fiat e lo stesso vale
per tutti gli altri brand.
Abarth
Alfa Romeo
Altro
Audi
Bmw
Chevrolet
Citroen
Dacia
Daewoo
Daihatsu
FerrariFiat
Ford
Honda
Hyundai
Jaguar
Jeep
Kia
Lancia
Land Rover
Mazda

Riportiamo lo split regionale
per i 3 brand più diffusi nel
segmento. Lo stesso tipo di
analisi può essere svolto per
tutti i costruttori.
Abruzzo
Basilicata
Calabria
Campania
Emilia-
Romagna
Friuli-
Venezia…
Lazio
Liguria
Lombardia
MarcheMolise
Piemonte
Puglia
Sardegna
Sicilia
Toscana
Trentino-
Alto Adige
Umbria
Veneto

Un ulteriore analisi disponibile
ma non approfondita in
questo caso studio è la quota
di raccomandazione che i
consumatori indicano filtrata
per modello di auto
posseduta, qui di lato delle
informazioni riguardanti il
marchio Fiat
Fiat 124
Fiat 126
Fiat 127
Fiat 130
Fiat 500
Fiat 500C
Fiat 500L
Fiat 500L Trekking
Fiat 500X
Fiat Brava
Fiat Bravo
Fiat Cinquecento
Fiat Croma
Fiat Doblo
Fiat Ducato
Fiat Freemont
Fiat Grande PuntoFiat Idea
Fiat Marea
Fiat Multipla
Fiat New Panda
Fiat Palio
Fiat Panda
Fiat Punto
Fiat Punto Evo
Fiat Qubo
Fiat Seicento
Fiat Stilo
Fiat Tempra
Fiat Tipo
Fiat Ulysse
Fiat Uno
Fiat X 1/9

Abruzzo
Basilicata
Calabria
Campania
Emilia-Romagna
Friuli-Venezia
Giulia
Lazio
Liguria
Lombardia
PiemontePuglia
Sardegna
Sicilia
Toscana
Trentino-Alto
Adige
Veneto
Trentino-Alto
Adige
Umbria
Veneto

per modello di auto
marchio Ford
Ford B-Max
Ford C-Max
Ford Capri
Ford
EcoSport
Ford Escort
Ford Fiesta
Ford Focus
Ford Fusion
Ford Ka
Ford Kuga
Ford
Mondeo
Ford Puma
Ford S-Max
Ford Transit

Abruzzo
Basilicata
Calabria
Campania
Emilia-Romagna
Friuli-Venezia Giulia
Lazio
Liguria
Lombardia
MarchePiemonte
Puglia
Sardegna
Sicilia
Toscana
Veneto
Trentino-Alto Adige
Umbria
Veneto

per modello di auto
marchio Ford
Opel Adam
Opel Agila
Opel Astra
Opel Corsa
Opel
Insignia
Opel KarlOpel Meriva
Opel Mokka
Opel Tigra
Opel Vivaro
Opel Zafira

Friendz Listening
Una tecnica sperimentale sviluppata
da Friendz consiste nel far
pubblicare ad un numero definito di
persone una CTA (che può essere
una foto testuale) che inviti gli amici
ad esprimere un’opinione su un
determinato tema.
In breve:
o Pubblicazione CTA sui social
o Commenti dell’audience utente
o Raccolta commenti su DB
o Text Analysis
Sto pensando di cambiare auto,
secondo voi nuova o usata?
E perché?

Friendz Listening
Sono stati raccolti e analizzati più di 3.000 commenti, pubblicati sotto più
di 1.000 contenuti.
E’ il modo più diretto e genuino di raccogliere informazioni sul feeling e
sull’opinione delle persone che fanno parte dell’audience dei nostri utenti.
Di seguito verranno mostrate le macro categorie estratte dai commenti
che suggeriscono in base a quale driver scegliere la prossima auto da
acquistare; si tratta di una vera e propria consulenza social nella quale noi
possiamo inserirci per analizzare il flusso di opinioni da consumatore a
consumatore

Friendz Listening
Il primo dato di insight è la
differenziazione tra chi suggerisce
l’acquisto di un’auto nuova e usata.
E’ interessante notare come la
maggior parte delle persone
suggerisca l’acquisto di un’auto
nuova per motivi quali maggior
fiducia nelle concessionarie,
affidabilità e durata nel tempo.
NUOVA
USATA
20%
80%

Friendz Listening
Di lato sono mostrati i risultati di
text analytics riuniti in macro
categorie.
Questi driver sono motivi secondo
i quali bisognerebbe comprare
un’auto
0
100
200
300
400
500
600
700

Friendz Research - Caso Studio AUTOMOTIVE con TEXT ANALYTICS

Recommended

Recommended

More Related Content

Similar to Friendz Research - Caso Studio AUTOMOTIVE con TEXT ANALYTICS

Similar to Friendz Research - Caso Studio AUTOMOTIVE con TEXT ANALYTICS (20)

Friendz Research - Caso Studio AUTOMOTIVE con TEXT ANALYTICS