"Il Paradiso della Brugola" a cura di Luca Callegari

1,966 views

Published on

A cura di Luca Callegari
Il caso “Il Paradiso della Brugola” è una simulazione la quale ha lo scopo di evidenziare le potenzialità delle tecniche di Market Basket Analysis. Queste tecniche hanno l’obiettivo di identificare le abitudini d’acquisto dei consumatori per evidenziare affinità esistenti tra prodotti o gruppi di prodotti venduti.

Published in: Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,966
On SlideShare
0
From Embeds
0
Number of Embeds
54
Actions
Shares
0
Downloads
14
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

"Il Paradiso della Brugola" a cura di Luca Callegari

  1. 1. CASO <br />IL PARADISO DELLA BRUGOLA<br />
  2. 2. Presentazione del Dataset e dell’Analisi<br />La ferramenta “IL PARADISO DELLA BRUGOLA” gestita dagli intraprendenti Aldo, Giovanni e Giacomo, ha installato nell’ultimo mese un sistema informativo che raccoglie gli acquisti effettuati dai clienti possessori della carta fedeltà (carta BRUGAJJ) nel proprio negozio. Il database consegnatoci ha registrato 1486 transazioni che presentano gli acquisti effettuati nei seguenti reparti:<br />Giardinaggio<br />Materiale<br />Elettrico<br />Accessori per Auto<br />Strumenti di Misurazione<br />Abbigliamento da Lavoro<br />Elettroutensili<br />Articoli per la casa<br />Mat.Fissaggio Foratura<br />Servizio per Chiavi<br />Idraulica<br />Pitture<br />Queste variabili sono variabili Dummy trasformate assegnando il valore 1 qualora il cliente avesse effettuato un acquisto nel reparto indicato (1=T) e 0 altrimenti (0=F). Ogni carta fedeltà presenta anche 8 variabili descrittive raccolte in sede di adesione alla carta fedeltà:<br />ID Carta<br />Valore della Transazione<br />Reddito<br />Single<br />Sesso<br />Metodo di Pagamento<br />Età<br />Fasi<br />1<br />
  3. 3. Presentazione del Dataset e dell’Analisi<br />Obiettivo dell’Analisi<br />I “lungimiranti” proprietari, nell’ottica di voler sfuggire al periodo di crisi e di mettere a frutto l’investimento fatto chiedono il nostro aiuto nell’analisi dei dati raccolti. <br />In particolare vogliono conoscere meglio la clientela che visita il proprio negozio e vorrebbe ricevere dei consigli per sviluppare il proprio fatturato e incrementare la redditività.<br />STRUMENTI<br />OBIETTIVO<br />COME<br />Identificando le caratteristiche <br />Analisi esplorativa univariata e bivariata<br />Chi sono i nostri clienti?<br />Sviluppare iniziative promozionali per il sostegno del fatturato e posizionamento reparti <br />Capendo se vi sono affinità tra le categorie di prodotto acquistate<br />Market Basket Analysis<br />Fasi<br />1<br />
  4. 4. Analisi Esplorativa del Dataset<br />Per dare risalto alle caratteristiche del campione, le variabili numeriche Reddito, Età, Valore Transazione sono state trasformate in Variabili Categorizzate così da poter raggruppare i record in fasce. Come è possibile vedere dai grafici sottostanti il nostro campione è uniformemente ripartito tra uomini e donne e tra single e coniugati.<br />Il nostro cliente medio ha speso 88,14 €, dispone di un reddito medio di 20261,31,€, è un giovane trentenne, ha preferito pagare i propri acquisti mediante carta di credito e ha acquistato prevalentemente nei seguenti reparti:<br />Pitture (30,2%)<br />Idraulica (31,5%)<br />Elettroutensili (30,2%)<br />Materiale Fissaggio e Foratura (29,2%)<br />Giardinaggio (30%)<br />Fasi<br />2<br />
  5. 5. Analisi Esplorativa del Dataset<br />Dopo aver realizzato un breve screening del dataset, la nostra analisi è andata più a fondo cercando di capire quali fossero le relazioni più rilevanti presenti all’interno del campione. Tramite una tabella a doppia entrata è stato possibile analizzare le probabilità condizionate tra le variabili descrittive e le “variabili d’acquisto”.<br />Qui sottostante vengono riportate le relazioni più rilevanti tra i reparti con le categorie:<br />MASCHIO<br />FEMMINA<br />SPOSATI<br />GIOVANI<br />Pitture<br />Pitture<br />Idraulica <br />Idraulica <br />Abbigliamento da<br />Lavoro<br />Elettroutensili<br />Materiale Fissaggio <br />e Foratura<br />Materiale Fissaggio <br />e Foratura<br />Giardinaggio <br />Giardinaggio <br />Articoli per<br />la casa<br />Dal punto di vista reddituale non si notano particolari relazioni se non nel reparto ElettroUtensili (acquistato principalmente dai clienti aventi redditi medio alti) e nei reparti di Pitture e Materiale Fissaggio Foratura (acquistato maggiormente dai clienti con minore disponibilità di reddito.<br />Fasi<br />2<br />
  6. 6. Analisi Esplorativa del Dataset<br />Successivamente si è provveduto ad analizzare l’indipendenza statistica tra gli acquisti effettuati nei diversi reparti. Questa prima analisi consente già di capire quali potrebbero essere le relazioni più forti sfruttando la statistica test Chi-Quadrato. In particolare sono stati calcolati i <br />p-valuedi ogni statistica test effettuata, evidenziando quei valori inferiori al 5% (che ci consentono di rifiutare l’ipotesi di indipendenza statistica). Nella slide vengono riportate le relazioni per cui vi è sicuramente una dipendenza statistica significativa (1%):<br />Abbigliamento <br />da Lavoro<br />Materiale<br />Elettrico<br />Pitture<br />Pitture<br />Pitture<br />Idraulica <br />Idraulica <br />Idraulica <br />Idraulica <br />Elettroutensili<br />Elettroutensili<br />Materiale Fissaggio <br />e Foratura<br />Materiale Fissaggio <br />e Foratura<br />Materiale Fissaggio <br />e Foratura<br />Materiale Fissaggio <br />e Foratura<br />Servizio<br />Chiavi <br />Giardinaggio <br />Giardinaggio <br />Accessori<br />Auto<br />Accessori<br />Auto<br />Abbigliamento da<br />Lavoro<br />Articoli per<br />la casa<br />Fasi<br />2<br />
  7. 7. Analisi Esplorativa del Dataset<br />Quanto detto precedentemente è confermato dal GraficoWeb che mostra le relazioni tra gli acquisti effettuati nei diversi reparti. In questo grafico sono state evidenziate solamente le relazioni con almeno 100 istanze. Come è facilmente visibile dal grafico, le relazioni maggiormente evidenziate sono anche quelle con p-value più basso. <br />Fasi<br />2<br />
  8. 8. Costruzione dei Modelli<br />MODELLO GRI 1.0<br />Per la Market Basket Analysisho deciso di adottare il modello GRIutilizzato anche in classe per l’analisi di reparto. Come primo modello ho deciso di imputare tutte le variabili utilizzando come parametri istruttori del software un livello minimo di confidenza di 50, un livello minimo di supporto di 10 e che mi restituisse delle associazioni con al massimo 3 antecedenti. <br />Dall’output del modello processato possiamo notare che la relazione più rilevante è:<br /><ul><li>Materiale Fissaggio Foratura <- Idraulica <- Pitture (86,22% di confidenza)</li></ul>Mat.Fissaggio Foratura<br />La tabella del Modello GRI è molto più generosa e ci rivela che tra le 11 associazioni trovate tra le prime 6 troviamo sempre gli stessi reparti:<br />Idraulica<br />Pitture<br />Queste intuizioni erano note anche ai proprietari. E’ infatti abbastanza logico pensare che se un nostro cliente deve eseguire dei lavori di foratura e idraulica dovrà anche dotarsi di pitture e strumenti di verniciatura per completare il lavoro.<br />I tre reparti sono stati visitati mediamente dal 30% del campione e questa caratteristica confonde il modello evidenziando relazioni banali e nascondendo altre relazioni strategicamente importanti<br />Problema<br />Fasi<br />3<br />
  9. 9. Costruzione dei Modelli<br />MODELLO GRI 2.0 <br />Il problema presentatosi mi ha convinto a provare ad eliminare i 3 reparti come variabili output del modello e di considerarli solamente come variabili input. Ho quindi provveduto ad eseguire il modello GRI lasciando lo stello livello di confidenza ma abbassando il livello di supporto al 5%. I risultati del modello hanno consentito di individuare altre 23 relazioni con una confidenza che oscilla dal 50,82% al 66,67% ed un lift compreso tra 1,682 e 2,221. Ecco i risultati più rilevanti! <br />Fasi<br />3<br />
  10. 10. Costruzione dei Modelli<br />MODELLO GRI 2.0 <br />I risultati della seconda Market Basket Analysiseseguita ci consentono di mettere a fuoco altre importanti relazioni che prima non erano state rilevate:<br />Chi ha acquistato nel reparto Giardinaggio è probabilmente passato dal reparto Materiale Elettrico ed Articoli per la Casa. <br />Chi ha acquistato degli Elettro Utensili ha acquistato successivamente dell’Abbigliamento del Lavoro.<br />Questa relazione ci fa capire che all’interno dei reparti vi sono prodotti strettamente correlati (Es. Lampade -> Cavi -> Lampade da Giardino). E’ considerata rilevante anche la relazione inversa.<br />La relazione ha “confidenza logica”. La pericolosità degli Elettro Utensili è molto elevata e per questo è necessario dotarsi di un Abbigliamento da Lavoro che garantisca un alta protezione dai rischi. <br />Fasi<br />3<br />
  11. 11. Costruzione dei Modelli<br />MODELLO GRI 2.0 <br />I risultati della seconda Market Basket Analysiseseguita ci consentono di mettere a fuoco altre importanti relazioni che prima non erano state rilevate:<br />La relazione Articoli per la Casa -> Giardinaggioè considerata rilevante anche nell’ordine inverso. <br />Coloro che hanno acquistato nel reparto Idraulica hanno visitato successivamente i reparti Giardinaggio e Articoli per la Casa<br />Probabilmente il nostro cliente quando si presenta in negozio (Caratteristica del Business) e deve pensare alla propria casa si ferma in tutti i reparti attinenti all’”estetica”di essa. <br />Per coloro che hanno effettuato questo percorso non mi stupirei di notare nel loro scontrino rubinetterie e prodotti di oggettistica idraulica esterna ed interna (ad es. fontane, connettori, ecc.).<br />Fasi<br />3<br />
  12. 12. Costruzione dei Modelli<br />Ricapitolando…<br />1<br />Dalla prima analisi abbiamo visto che i seguenti reparti:<br />Giardinaggio<br />Materiale<br />Elettrico<br />Sono quelli maggiormente visitati e presenti maggiormente nelle transazioni analizzate. La loro relazione è talmente forte che si era intuita già dall’Analisi Esplorativa e si è dovuto ricorrere all’esclusione di questi reparti per individuare altre associazioni importanti.<br />Abbigliamento da Lavoro<br />Elettroutensili<br />Articoli per la casa<br />Mat.Fissaggio Foratura<br />Idraulica<br />Pitture<br />2<br />Il secondo modello ha consentito di visualizzare altre relazioni tutt’altro che irrilevanti:<br />Fasi<br />3<br />
  13. 13. Implicazioni Manageriali<br />Cosa consigliamo ai nostri clienti?<br />a<br />Attività Promozionale<br />Ai proprietari de “Il Paradiso della Brugola”si consiglia di implementare alcune promozioni nei reparti indicati per beneficiare delle dinamiche di cross – selling.<br />Una promozione sul reparto Idraulica dovrebbe “trascinare” le vendite dei reparti Materiale Fissaggio e Foratura e Pitture in quanto la sequenza logica più evidente è quella in cui si pensa prima a risolvere il problema (Dotazione di Rubinetteria e Tubi o Fissaggio e Foratura) e poi a sistemare il lavoro eseguito (Stuccatura e Pittura). La relazione è ben confermata dal modello.<br />Entrambe le relazioni presentano un buon lift e la promozione su uno dei reparti aumenterebbe le vendite dell’altro<br />/<br />Giardinaggio<br />Materiale<br />Elettrico<br />Articoli per la casa<br />Elettroutensili<br />Idraulica<br />Se si vuole ridurre i costi di promozione si potrebbe pensare ad una promozione in questo reparto per aumentare le vendite sia del reparto Giardinaggio che di quello Articoli per la Casa. Questa scelta andrebbe studiata più a fondo in quanto considerando i prodotti presenti in questo reparto e il business che li caratterizza (spesso sono prodotti definiti commodities) poiché potrebbe non esserci la marginalità necessaria per effettuare le promozioni<br />Una promozione nel reparto Elettroutensili consentirebbe di aumentare le vendite del reparto Abbigliamento da lavoro. <br />Fasi<br />4<br />
  14. 14. Implicazioni Manageriali<br />Cosa consigliamo ai nostri clienti?<br />b<br />Gestione dello spazio espositivo<br />Ai proprietari del negozio “Il Paradiso della Brugola”sono state proposte due soluzioni per la gestione del layout del negozio.<br />b.1<br />”<br />“Il parco giochi”<br />La prima soluzione è quella di far entrare i clienti da un unico accesso e consentirgli liberamente di decidere come muoversi nei vari reparti (es. “Parco Giochi”). Come si vede dal layout, i reparti sono stati posizionati in base alle relazioni evidenziate dalla MBA che ci inducono a posizionare in prossimità e al centro del negozio quei reparti più rilevanti.<br />Giardinaggio<br />Materiale<br />Elettrico<br />Accessori per Auto<br />Strumenti di Misurazione<br />Abbigliamento da Lavoro<br />Elettroutensili<br />Articoli per la casa<br />Mat.Fissaggio Foratura<br />Servizio per Chiavi<br />Idraulica<br />Pitture<br />CASSE<br />ENTRATA<br />USCITA<br />Fasi<br />4<br />
  15. 15. Implicazioni Manageriali<br />Cosa consigliamo ai nostri clienti?<br />b.2<br />“Diventando Grandi”<br />Se invece il nostro cliente avesse “mire espansionistiche” potrebbe riprogettare il proprio negozio obbligando i propri clienti a visitare tutti i reparti. Questa struttura, che viene adottata anche dai grandi “Giganti“ del settore (ad esempio IKEA), consente una maggiore chiarezza del negozio e della disposizione dei reparti ma potrebbe risultare “odiata” dagli esperti che dovranno obbligatoriamente compiere tutto il percorso anche qualora sapessero già cosa acquistare. Anche in questo caso sono state rispettate le relazioni evidenziate dalla MBA per sfruttare gli effetti positivi del cross – sellinge della prossimità.<br />”<br />Giardinaggio<br />Materiale<br />Elettrico<br />Accessori per Auto<br />Strumenti di Misurazione<br />ENTRATA<br />Abbigliamento da Lavoro<br />Elettroutensili<br />Articoli per la casa<br />Mat.Fissaggio Foratura<br />Servizio per Chiavi<br />Idraulica<br />Pitture<br />CASSE<br />USCITA<br />Fasi<br />4<br />
  16. 16. Bibliografia<br /><ul><li> Data Mining, 2^ ed. – Giudici, P. - McGrawHill
  17. 17. Ricerche di Marketing, 2^ ed. - Molteni L., Troilo G - McGraw Hill
  18. 18. Slide del corso 8477 – Data Mining - L. Molteni, E. Feltrinelli, D. Tonini</li></ul>Il caso presentato si basa su dati puramente fittizi o comunque rielaborati. Il riferimento a persone, casi, brand o aziende è puramente casuale e non ha alcun fondamento con la realtà.<br />Vengono riportati i documenti utilizzati per l’analisi operata:<br />Luca Callegari<br />Luca.Callegari.Kalle@gmail.com<br />Corso 8477 – Data Mining – a.a. 2009/2010<br />Docenti: L. Molteni, E. Feltrinelli, D. Tonini<br />Università Commerciale Luigi Bocconi<br />

×