L'adozione dell'e-commerce nel settore del fashion: caratteristiche e benefici

1. L’adozione dell’e-commerce nel settore del
fashion: caratteristiche e benefici
Facoltà di Ingegneria dei Sistemi Corso di Laurea Magistrale in Ingegneria Gestionale
Anno scolastico 2011-2012
Relatore Prof.Federico Caniato
Correlatori: Ing. Antonella Moretto
Prof.ssa Maria Caridi
Tesi di laurea a cura di: Elena Comunian 716376

2.  Introduzione
 Obiettivi
 Metodologia
 Risultati
 Conclusioni
Agenda 1/1Agenda

3. Review della letteratura 1/1Review della letteratura
Argomento Temi trattati Letteratura
Il contesto economico
•Crisi economica
•Liberalizzazione dei mercati
•Aumento della competizione
•Aumento potere contrattuale del
consumatore e sua evoluzione
tecnologica
•Processo d’internazionalizzazione
CNMI, SMI, Ciappei,2006
I tratti identificativi del prodotto
•Breve ciclo di vita
•Acquisto ad impulso
•Elevata volatilità della domanda
•Difficoltà di previsione della domanda
Fernie & Sparks,2004
Strategie di Supply Chain
Management nel fashion
•Lean
•Agile
•Leanagile
•Quick Reponse
•Efficient Consumer Response
•Fast fashion
Albernathy ,2000, Bruce,2004 Mason Jones
et al. , 2000, Swinney,2011 Fernie &
Sparks,2008,Hines, 2004,2007,
Swinney,2011
Internazionalizzazione della supply
chain del fashion
•Configurazioni utilizzate
•Made in Italy
Whitely 1998, Turban et al. 2006, Kurnia et
al.,2005, Zhang, 2010
E-commerce
•Concetto
•Driver che determinano adozione EC
•Performance aziendali grazie a EC
Zhu et al, 2005 , Bordonaba-Juste et
al.2012 , Bayo-Moriones, Alberto et al.,
2007, Broillet et al.,2009-2010, Joseph
,2008, Weijers et al.2002, studio di Yoox,
Rodriguez-Ardura et al.,2010 Wu et al.,2003
Kraemer et al. 2006, Theodosiou, 2009
Salwani et al., 2009, Frohlich, 2002, Jeffrey,
2001,Loane, 2006, Knight, 2001, Hwang et
al., 2004

4. Obiettivi 1/1Obiettivi
GAP: e-commerce nel settore del fashion è un tema poco studiato
• Studio dei driver che determinano l’adozione dell’e-commerce
•Analisi della relazione esistente tra e-commerce e performance aziendali
Obiettivi
Definizione e-commerce utilizzata:
•Transazione online
•Condivisione informazioni tramite ICT lungo la filiera

5. Metodologia Metodologia 1/3
Osservatorio Sistema Moda • Collaborazione tra Politecnico di Milano e Università di Padova
• obiettivo: esaminare le fonti di vantaggio competitivo nel settore moda
Survey •Contattate 406 imprese
•Contributo personale
•Questionario online:131 questionari →79
•Tasso di risposta del 32%
Posizionamento
Caratteristiche del campione di analisi
Dimensioni Categoria merceologica
Grado d’internazionalizzazione
Accessori
26%
34%
40%
<50
>250
50-250
39%
61%
lusso
non lusso
55%
45%
<50
estero
>50
estero
34%
66% accessori
abbigliamento
50%
32%
14%
4% scarpe
borse
occhiali
orologi
•Sistema moda Italia
•Abbigliamento/accessori
•2 collezioni/anno B2C
•Brand di proprietà/in licenza

6. Metodologia Metodologia 2/3
Variabili
Argomento Item Media
Factor
loading
Cronbach’s
alpha
Collezioni su E-commerce
Sviluppo progetti EC B2C 2,4156 0,903
0,897
Vendita prodotti fascia alta EC 2,2564 0,909
Vendita prodotti fascia bassa EC 2,1039 0,876
Vendita prodotti Basic/Continuativi EC 2,0385 0,848
Vendita edizioni limitate EC 1,4359 0,637
Personalizzazione prodotti EC 1,2468 0,903
ICT per scambio e
condivisione informazioni
Sito per feedback consumatori 2,5195 0.668
0.783
Piattaforma web per condivisione info
operative con retailer
2,3974 0.905
Piattaforma web per condivisione
informazioni con retailer/partner distributivi
2,2500 0.905
Piattaforma web da punto vendita per
effettuare ordini
2,4054 0.659
Fattori di contesto
Anno di nascita 1965,684 - -
Posizionamento - - -
Categoria merceologica - - -
Configurazione Wholesale 62% - -
Configurazione Retail 34% - -
Variabili di controllo
Dimensioni (dipendenti) 1573,923 - -
Internazionalizzazione 45% - -

7. Metodologia Metodologia 3/3
Variabili
Argomento Item Media
Factor
loading
Cronbach’s
alpha
Made in Italy
Produzione in Italia FCS 3,3421 ,914
0.9405
Marchio Made in Italy 3,1795 ,850
Tracciabilità filiera Made in Italy 3,1818 ,751
Made in Italy qualità 3,2987 ,928
Brand Made in Italy 3,2597 ,852
Campionario italiano 3,4103 ,845
Tracciabilità
Tracciabilità merce fornitori 3,1795 ,936
0.869
Tracciabilità consegna 3,2468 ,927
Performance di efficienza
Riduzione costi produzione 2,453125 ,652
Aumento sostenibilità 2,819672 ,825 0.6701
Aumento flessibilità 3,430769 ,786
Performance di tempo Tempi(Puntualità consegne) 3,756098 - -
Performance d’innovazione
Aumento qualità grazie a innovazione
processo
3,387097 ,646
Differenziazione per innovazione
processo
2,952381 ,887 0.659
Differenziazione vs i concorrenti grazie a
innovazione prodotto/materiali
3,692308 ,701
Performance finanziarie
ROI 5% - -
Fatturato 220,3789 - -

8. Modello concettuale 1. I Drivers che determinano l’adozione dell’e-commerce
Framework e Risultati 1/12Framework e Risultati
Ipotesi Letteratura
Ipotesi H1: Maggiori sono le dimensioni dell’impresa più elevata
sarà l’intensità d’ adozione dell’ e-commerce
Bell, 1995, Knight, 2001,
Hwang et al., 2004 Cohen and
Levin, 1989)
Ipotesi H2: Maggiore è l’età dell’impresa più elevata sarà
l’intensità d’ adozione dell’ e-commerce
(Evans, 1987 Jagoda et al.,
2010,Saini, 2005, Fujun La et
al., 2006)
Ipotesi H3: Maggiore è il grado di internazionalizzazione
dell’impresa più elevata sarà l’intensità d’ adozione dell’ e-
commerce
Rodríguez-Ardura et al.,
A.2010, Martínez-López, et al.
2008, Gibbs et al., 2003 ,2006
Ipotesi H4: Le imprese che appartengono alla categoria high
luxury saranno caratterizzate da una maggiore intensità d’uso
dell’e-commerce.
Broillet et al.,2009,2010
(contro)
Joseph, 2008, Weijers et al.,
2002 (a favore)
Ipotesi H5: Le imprese che appartengono alla categoria
merceologica accessori saranno caratterizzate da una maggiore
intensità d’ uso dell’e-commerce rispetto a quella abbigliamento.
Casaleggio e associati,
Convegno “Le sfide del
sistema moda “,Yoox

9. 16%
35%
49%
Collezionisue-commerce
ICT per condivisione e scambio informativo
Cluster analysis
N %
CollEC
ICT per condivisione e
scambio informativo
Mean Std. Deviation Mean Std. Deviation
Cluster
E-commerce
oriented 12 16% 4,0167 ,73588 3,7431 1,05017
Supply chain
integrated 27 35% 1,8593 ,76624 3,1481 ,55582
Traditional
oriented 38 49% 1,5842 ,76883 1,4167 ,42492
Combined 77 100% 2,0597 1,13974 2,3864 1,14898
Framework e Risultati 2/12Framework e Risultati
Supply chain
integrated
Traditional
oriented
E-commerce
oriented
E-commerce oriented: elevata
adozione EC e Scambio informativo
tramite ICT con partner distributivi
Supply chain integrated: bassa
adozione EC elevato Scambio
informativo tramite ICT con partner
distributivi
Traditional oriented: bassa adozione
EC e Scambio informativo tramite ICT
con partner distributivi

10. Anova Oneway
Data Dimensioni Internazionalizzazione Abbigliamento/Accessori Lusso/Non Lusso
Mean
Std.
Deviation
Sig.Anova
complessiva
Mean
Std.
Deviation
Sig.Anova
complessiva
Mean
Std.
Deviation
Sig.Anova
complessiva
Mean
Std.
Deviation
Sig.Anova
complessiva
Mean
Std.
Deviation
Sig.Anova
complessiva
E-commerce
oriented
1971,92 23,9297
0,689
6963,75 17197,5
,015*
0,3489 0,2408
,047*
1,3636 0,50452
0,723
0,1667 0,38925
0,114
Supply chain
integrated
1964,78 34,9013
993,3462 2080,695 0,3521 0,37199 1,2963 0,46532 0,3704 0,4921
Traditional
oriented
1962,92 30,8128
349,4737 693,4547 0,5465 0,28606 1,3947 0,49536 0,5 0,50671
Total 1964,97 31,1697 1614,105 7111,995 0,4503 0,32533 1,3553 0,48177 0,4026 0,49364
Anova condotta sui tre cluster in base a dimensioni, anno di nascita, grado di internazionalizzazione e posizionamento competitivo
E-commerce oriented→maggiori dimensioni → Test di Scheffe
Traditional oriented →più internazionalizzate
Framework e Risultati 3/12Framework e Risultati
H1: Maggiori sono le dimensioni dell’impresa più elevata sarà l’intensità d’ adozione dell’ e-
commerce
Statisticamente significativa e
confermata
H2: Maggiore è l’età dell’impresa più elevata sarà l’intensità d’ adozione dell’ e-commerce Statisticamente non significativa
H3: Maggiore è il grado di internazionalizzazione dell’impresa più elevata sarà l’intensità
d’adozione dell’ e-commerce
Statisticamente significativa
non confermata
H4: Le imprese che appartengono alla categoria high luxury saranno caratterizzate da una maggiore
intensità d’uso dell’e-commerce.
Statisticamente non significativa
H5: Le imprese che appartengono alla categoria merceologica accessori saranno caratterizzate
da una maggiore intensità d’ uso dell’e-commerce rispetto a quella abbigliamento.
Statisticamente non significativa

11. Anova Oneway
Whosale Retail
Pratiche Made in Itlay
FStrategy Made in Italy Ftracciabilità Made in Italy
Mean
Std.
Deviation
Sig.Anova
complessiva
Mean
Std.
Deviation
Sig.Anova
complessiv
a
Mean
Std.
Deviation
Sig.Anova
complessiva
Mean
Std.
Deviation
Sig.Anova
complessiva
E-
commerce
oriented
0,71083 0,22277
0,556
0,249 0,13634
0,604
2,6389 1,35556
,011*
3,5417 1,07573
0,326
Supply
chain
integrated
0,57083 0,39931 0,3778 0,38135 2,9014 1,21208 3,26 1,38534
Traditional
oriented
0,59272 0,39964 0,3617 0,36812 3,6968 1,20703 2,9054 1,45219
Total 0,60584 0,3732 0,3499 0,34632 3,2614 1,29758 3,1284 1,38005
Anova condotta sui tre cluster in base al format distributivo e alle pratiche di Made in Italy.
I cluster si differenziano per la variabile Strategy Made in Italy→Test di Scheffe
Traditional oriented → valore elevato Strategy Made in Italy
E-commerce oriented → basso valore Strategy Made in Italy
Framework e Risultati 4/12Framework e Risultati

12. Modello concettuale 2. L’adozione e-commerce→ performance di efficienza
Performance di efficienza le imprese che si sono avvalse dell’e-commerce hanno ottenuto migliori
risultati in termini di efficienza ( riduzione costi, aumento flessibilità, aumento sostenibilità) (Zhu et
al.,2005, Hinson et al.,2006).
Framework e Risultati 5/12Framework e Risultati
H6a : Le imprese con un maggiore utilizzo
dell’e-commerce presentano migliori
performance di efficienza.
H6b: : Le imprese con maggiore
condivisione e scambio informativo tramite
ICT presentano migliori performance di
efficienza.
COLLEZIONI SU
E-COMMERCE
ICT PER CONDIVISIONE E
SCAMBIO INFORMAZIONI
PERFORMANCE DI
EFFICIENZA
VARIABILI DI CONTROLLO
-Dimensioni
-Grado
d’internazionalizzazione
H6a(+)
H6b(+)

13. Il modello non è significativo statisticamente
Adozione e-commerce→performance di efficienza
Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 ,175a 0,031 -0,041 0,91292
a. Predictors: (Constant), internazionalizzazione, CollEC,
dimensioni, ICT per condivisione e scambio informativo
Coefficientsa
Model
Standardized
Coefficients T Sig.
Collinearity Statistics Sig.
complessiva
Beta Tolerance VIF
(Constant) 6,718 0
,788a
CollEC 0,015 0,104 0,918 0,83 1,205
ICT per condivisione e
scambio informativo
0,096 0,613 0,542 0,74 1,352
Dimensioni 0,111 0,778 0,44 0,889 1,125
Internazionalizzazione 0,057 0,4 0,69 0,895 1,118
a. Dependent Variable: Performance di efficienza
Framework e Risultati 6/12Framework e Risultati
H6a : Le imprese con un maggiore utilizzo dell’e-commerce presentano un migliori performance di efficienza.
Statisticamente non
significative
H6b: : Le imprese con maggiore condivisione e scambio informativo tramite ICT presentano migliori performance
di efficienza

14. Modello concettuale 3. L’ adozione e-commerce→performance di tempo
H7a : Le imprese con un maggiore
utilizzo dell’e-commerce presentano
migliori performance di tempo.
H7b: Le imprese con maggiore
condivisione e scambio informativo
tramite ICT presentano migliori
performance di tempo.
•Performance di tempo - le aziende che hanno un maggior grado di adozione dell’e-commerce
hanno migliori performance in termini di riduzione dei tempi (Frohlich, 2002).
Framework e Risultati 7/12Framework e Risultati
COLLEZIONI SU
E-COMMERCE
ICT PER CONDIVISIONE E
SCAMBIO INFORMAZIONI
PERFORMANCE
DI TEMPO
VARIABILI DI CONTROLLO
-Dimensioni
-Grado
d’internazionalizzazione
H7a(+)
H7b(+)

15. Model Summary
Model R R Square
Adjusted R
Square
Std. Error of the Estimate
1 ,459a 0,211 0,15 0,92738
a. Predictors: (Constant), internazionalizzazione, CollEC, dimensioni, ICT per
condivisione e scambio informativo
Coefficientsa
Model
Standardized
Coefficients T Sig.
Collinearity Statistics Sig
complessiva
Beta Tolerance VIF
(Constant) 5,721 0
,014a
CollEC 0,048 0,353 0,726 0,83 1,205
ICT cond e scambio info 0,445 3,108 0,003 0,74 1,352
Dmensioni
-0,008 -0,061 0,952 0,889 1,125
Internazionalizzazione 0,207 1,592 0,118 0,895 1,118
a. Dependent Variable: Performance di tempo
Adozione e-commerce→performance di tempo
Il modello è statisticamente significativo.
Framework e Risultati 8/12Framework e Risultati
H7a : Le imprese con un maggiore utilizzo dell’e-commerce presentano migliori performance di tempo. Statisticamente non
significativa
H7b: Le imprese con maggiore condivisione e scambio informativo tramite ICT presentano migliori performance di
tempo.
Statisticamente
significativa confermata

16. Modello concettuale 4. L’ adozione e-commerce→performance d’innovazione
H8a : Le imprese con un maggiore
utilizzo dell’e-commerce hanno
migliori performance d’innovazione.
H8b: Le imprese con maggiore
condivisione e scambio informativo
tramite ICT hanno migliori
performance d’innovazione.
•-Performance d’innovazione Da quanto è stato rilevato dall’analisi della letteratura le
imprese che hanno un maggior grado di adozione dell’e-commerce hanno migliori
performance in termini d’innovazione (Wu et al., 2006)
Framework e Risultati 9/12Framework e Risultati
COLLEZIONI SU
E-COMMERCE
ICT PER CONDIVISIONE E
SCAMBIO INFORMAZIONI
PERFORMANCE
D’INNOVAZIONE
VARIABILI DI CONTROLLO
-Dimensioni
-Grado
d’internazionalizzazione
H8a
H8b

17. Model Summary
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
1 ,358a 0,128 0,063 1,07768
a. Predictors: (Constant), internazionalizzazione, CollEC, diimensioni, ICT per
condivisione e scambio informativo
Coefficientsa
Model
Standardized
Coefficients T Sig.
Collinearity Statistics Sig.
complessiva
Beta Tolerance VIF
(Constant) 4,695 0
,115a
CollEC 0,095 0,674 0,503 0,83 1,205
ICT per scambio e
condivisone info
0,313 2,098 0,041 0,74 1,352
Dimensioni 0,006 0,048 0,962 0,889 1,125
Internazionalizzazione 0,145 1,069 0,29 0,895 1,118
a. Dependent Variable: PerfInnov
Adozione e-commerce→performance d’innovazione
Il modello è statisticamente significativo.
Framework e Risultati 10/12Framework e Risultati
H8a : Le imprese con un maggiore utilizzo dell’e-commerce hanno migliori performance d’innovazione. Statisticamente non
significativa
H8b: Le imprese con maggiore condivisione e scambio informativo tramite ICT hanno migliori
performance d’innovazione.
Statisticamente
significativa confermata

18. Modello concettuale 5. L’ adozione e-commerce→ Performance finanziarie
H9a : Maggiore è l’utilizzo dell’e-commerce da parte
delle aziende migliore sarà il ROI.
H9b: Maggiore è la condivisione e lo scambio
informativo tramite ICT migliore sarà il ROI .
•Performance finanziarie- le imprese che hanno un maggior grado di adozione dell’e-
commerce hanno migliori performance finanziarie in termini di ROI (Zhu et al. ,2005,
Gallo, 2010, Rivard, et al., 2006, Jin, 2006).
Framework e Risultati 11/12Framework e Risultati
ICT PER CONDIVISIONE E
SCAMBIO INFORMAZIONI
PERFORMANCE
FINANZIARIE
(ROI)
VARIABILI DI CONTROLLO
-Dimensioni
-Grado
d’internazionalizzazione
H9a(+), H10a(+)
H9b(+),H10b (+)
COLLEZIONI SU
E-COMMERCE

19. Adozione e-commerce→ROI
Coefficientsa
Model
Standardized
Coefficients T Sig.
Collinearity Statistics Sig.
complessiva
Beta Tolerance VIF
(Constant) 0,165 0,869
,777a
CollEC -0,014 -0,095 0,925 0,83 1,205
ICT per scambio e
cond info
0,188 1,221 0,227 0,74 1,352
Dimensioni -0,016 -0,116 0,908 0,889 1,125
Internazionalizzazi
one
0,082 0,583 0,563 0,895 1,118
a. Dependent Variable: ROI
Model Summary
Model R
R
Square
Adjusted
R Square
Std. Error of
the Estimate
1 ,177a 0,031 -0,039 0,1176796
a. Predictors: (Constant), internazionalizzazione, CollEC,
diimensioni, ICT per condivisione e scambio informativo
Framework e Risultati 12/12Framework e Risultati
H9a : Maggiore è l’utilizzo dell’e-commerce da parte delle aziende migliore sarà il ROI.
Statisticamente non
significative
H9b: Maggiore è la condivisione e lo scambio informativo tramite ICT migliore sarà il ROI .
Il modello non è statisticamente significativo.

20. Conclusioni Conclusioni 1/1
Supply chain integratedTraditional oriented
E-commerce oriented
Elevata adozione
EC
Bassa adozione EC
Basso scambio
info tramite ICT
Elevato scambio
info tramite ICT
•Elevata adozione EC e scambio
informativo
•Elevate dimensioni
•Bassa internazionalizzazione
•Elevate performance di tempo
•Elevate performance
d’innovazione
•Bassa adozione EC e scambio
informativo
•Piccole dimensioni
•Rilevanza Made in Italy
•Elevata internazionalizzazione
•Bassa adozione EC elevato
scambio informativo
•Medio-elevate dimensioni
•Bassa internazionalizzazione
•Elevate performance di tempo
•Elevate performance
d’innovazione

21. Sviluppi futuri Conclusioni 2/2
-Ripetere tali analisi su specifico posizionamento/ area geografica più ampia
- Analizzare più nel dettaglio quale tipo di format usato
-Ampliare il campione di ricerca
-Studiare se esiste una relazione tra l’e-commerce, l’internazionalizzazione e la
customizzazione delle collezioni online
Rilevanza letteraria→ studio approfondito e-commerce nel settore fashion
luxury italiano
Rilevanza manageriale →monitoraggio stato dell’arte EC
→fonti di vantaggio competitivo

22. Facoltà di Ingegneria dei Sistemi Corso di Laurea Magistrale in Ingegneria Gestionale
Anno scolastico 2011-2012
Ringrazio:
Prof.Caniato
Prof.ssa Caridi
Ing.Moretto
Le imprese che hanno collaborato a questo progetto
Grazie per l’attenzione