Strategie Di Prezzo Per Club Calcistici

1,690 views

Published on

Strategie Di Prezzo Per Club Calcistici
lezione del prof. Carlo Amenta al corso di Marketing del prof. Gandolfo Dominici Facoltà di Economia università di Palermo

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

  • Be the first to like this

No Downloads
Views
Total views
1,690
On SlideShare
0
From Embeds
0
Number of Embeds
14
Actions
Shares
0
Downloads
304
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Strategie Di Prezzo Per Club Calcistici

  1. 1. When you walk through a storm Hold your head up high And don't be afraid of the dark At the end of the storm Is a golden sky And the sweet silver song of a lark Walk on through the wind Walk on through the rain Tho' your dreams be tossed and blown Walk on, walk on With hope in your heart And you'll never walk alone You'll never walk alone Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  2. 2. I Prezzi nel marketing sportivo ● Prodotti sportivi; ● Eventi (Biglietti); ● Atleti; ● Merchandising e attrezzatura sportiva; ● Diritti TV; ● Sponsorizzazioni; Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  3. 3. Ricerca sul campo ● Analisi del calcio professionistico italiano con l’utilizzo di strumenti e teorie di strategia d’impresa ed econometria articoli su: ● Le determinanti dei ricavi da media ● Accordi per la ripartizione di diritti televisivi ● competitive balance (Neale, 1964); ● Gestione degli stadi e strategie di coopetition Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  4. 4. Alcune questioni teoriche ● Inelastic sport pricing (Fort, 2004); ● Variable ticket pricing (Rascher et al., 2007); ● Profit maximization o utility maximization owner(Sloane, 1971)? Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  5. 5. The role of attendance • I tifosi possono essere considerati un fattore di produzione per una squadra di calcio professionistica (strategie di cocreazione del valore)? ● Esiste il 12mo uomo in campo? ● Quali sono le conseguenze sulla vendita dei biglietti? ● Le strategie relative ai ricavi da gestione dello stadio possono avere un impatto sullo sviluppo di una strategia di CSR per le società di calcio professionistico? Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  6. 6. The role of attendance ● L’esistenza del fattore campo è stata documentata per vari sport (Schwartz and Barsky, 1977; Pollard, 1986; Neville and Holder, 1999; Smith, 2005; Wolfson et al., 2005; Boyko R.H. et al. 2007) ● Il pubblico ha un impatto sulle performance degli atleti o sul comportamento dell’arbitro? Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  7. 7. Supply side Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  8. 8. Demand side Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  9. 9. Cross Section Supply side: Sporting production function winperch i = C 0 + β 1 log att i + β 2 cap i + + β 3 goalsdiffh i + β 4 managerch i + β 5 away + εi i Demand side log att i = C 0 + β 1 winperch i + β 2 log avpr 0506 i + + β 3 riot i + β 4 addedval i + β 5 pop i + β 6 dumseriea i + β 7 star + ε ι Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  10. 10. Cross section – Season 2006/2007 Summary statistics . sum Variable Obs Mean Std. Dev. Min Max winperch 42 .4736842 .1797085 .157895 .894737 away 42 20.85714 8.567014 4 49 pop 42 1109151 1070752 172672 3854127 dumseriea 42 .4761905 .5054867 0 1 star 42 2.738095 4.345222 0 17 avpr0506 42 45.78968 25.50629 17 128 addedval 42 23641.12 5803.515 12760 34184 riot 42 6.472619 3.930475 2.81 28.62 att 42 262907.1 215951.8 36563 917496 cap 42 31782.12 21117.94 8412 81193 goalsdiffh 42 7.714286 11.54902 -19 38 managerch 42 .4761905 .5054867 0 1 Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  11. 11. Cross section – Supply . reg winperch logatt cap goalsdiffh managerch away Source SS df MS Number of obs = 42 F( 5, 36) = 44.82 Model 1.14085136 .228170271 Prob > F = 0.0000 5 Residual R-squared = 0.8616 .183249514 36 .005090264 Adj R-squared = 0.8424 Total 1.32410087 .032295143 Root MSE = .07135 41 winperch Coef. Std. Err. t P>|t| [95% Conf. Interval] logatt .0275393 .0242299 1.14 0.263 -.0216012 .0766798 cap 8.49e-07 -8.47e-07 8.37e-07 -1.01 0.318 -2.54e-06 goalsdiffh .0162762 .0132858 .0014745 9.01 0.000 .0102953 managerch .0334481 -.0158797 .0243222 -0.65 0.518 -.0652075 away .0061435 .0021085 .0019896 1.06 0.296 -.0019266 _cons .5907571 .0255319 .2786977 0.09 0.928 -.5396933 Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  12. 12. Cross section – Demand . reg logatt winperch logavpr0506 riot addedval pop dumseriea star Source SS df MS Number of obs = 42 F( 7, 34) = 16.12 Model 17.0298915 Prob > F = 7 2.43284165 0.0000 Residual 5.13003263 R-squared = 34 .150883313 0.7685 Adj R-squared = 0.7208 Total 22.1599242 Root MSE = 41 .540485955 .38844 logatt Coef. Std. Err. t P>|t| [95% Conf. Interval] winperch 1.204149 .5052014 2.230842 2.38 0.023 .1774565 logavpr0506 -.4242791 .1803088 -.0578477 -2.35 0.025 -.7907106 riot .0221655 .0177467 .0582311 1.25 0.220 -.0139001 addedval -.0000216 .0000133 5.34e-06 -1.63 0.112 -.0000486 pop 2.27e-07 8.53e-08 4.00e-07 2.66 0.012 5.34e-08 dumseriea .7004871 .1873976 1.081325 3.74 0.001 .3196492 star .0484331 .0288189 1.68 0.102 -.0101339 .1070001 _cons 12.85801 .7942763 14.47218 16.19 0.000 11.24385 Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  13. 13. 2SLS – 2 instruments . ivreg winperch away managerch goalsdiffh cap (logatt=pop addedval), first First-stage regressions Source SS df MS N u mbe r of obs = 4 2 F ( 6 , 35) = . 9 8 9 Model P r ob >F = 0 13.936518 6 2.32275299 0 . 0 0 0 Residual .234954463 R - squ ared = 6 8.22340619 35 0 . 2 8 9 A d jR -squared = 0 . 5 6 5 3 Total R o ot MSE = 8 22.1599242 41 .540485955 . 4 4 7 2 logatt Coef. Std. Err. t P>|t| [95% Conf. Interval] aw a y . 4 9 -.04 9 -. 0 1 1 6 8 6 4 . 0 1 5 2 7 7 9 -0 . 7 6 0 4 2 7 0 2 2 .01 3 2 9 4 manager c h . 8 8 -.29 .38 0 . 0 4 4 8 5 8 1 . 1 6 5 4 9 5 2 0 . 2 7 0 7 1 1 1 4 9 8 3 1 2 goalsdif f h . 5 9 -.00 3 . 0 1 9 3 2 6 4 . 0 0 9 9 0 2 2 1 . 9 5 0 0 0 7 7 6 2 .0 9 4 2 9 c a p . 1 9 2.8 0 . 0 0 0 0 1 6 6 6 . 7 8 e - 0 6 2 . 4 5 0 0 6 e - 0 6 .00 0 3 0 4 p o p . 4 2 -1.3 7 1 . 8 7 e - 0 7 1 . 5 7 e - 0 7 1 . 1 9 0 2 2 e - 0 7 5.0 e - 0 7 addedv a l . 8 5 -.00 0 -. 0 0 0 0 1 2 7 . 0 0 0 0 1 4 4 -0 . 8 8 0 3 0 0 4 1 9 .00 0 1 6 6 _co n s . 0 0 10. 6 1 1 . 8 4 3 5 2 . 4 1 8 4 4 4 5 28 . 3 0 0 0 9 9 4 0 3 12. 9 3 0 1 Instrumental variables (2SLS) regression Source SS df MS N u mbe r of obs = 4 2 F ( 5 , 36) = . 2 3 6 0 Model P r ob >F = 0 .976346494 5 .195269299 0 . 0 0 0 Residual .347754377 .009659844 R - squ ared = 7 36 0 . 3 7 4 A d jR -squared = 0 . 7 0 0 9 Total R o ot MSE = 9 1.32410087 41 .032295143 . 0 8 2 8 winperch Coef. Std. Err. t P>|t| [95% Conf. Interval] log a t t . 5 8 -.40 .187 -. 1 1 0 2 0 4 1 . 1 4 7 0 1 3 2 -0 . 7 5 0 4 8 3 6 0 7 9 5 2 4 a w a y . 9 3 -.00 .007 . 0 0 1 5 1 6 3 . 0 0 2 8 0 9 1 0 . 5 4 0 5 4 1 8 0 7 2 1 3 4 manage r c h . 1 4 -.07 .061 -. 0 0 8 1 4 5 9 . 0 3 4 4 5 6 5 -0 . 2 4 0 8 8 0 2 6 9 7 3 5 1 goalsdi f f h . 0 0 .00 .0 . 0 1 5 5 6 3 5 . 0 0 3 1 1 9 5 4 . 9 9 0 0 9 2 3 6 9 2 1 8 9 c a p . 1 1 -4.7 9.36 2 . 3 1 e - 0 6 3 . 4 8 e - 0 6 0 . 6 6 0 5 4 e - 0 6 e - 0 6 _co n s . 4 8 -1.8 5.00 1 . 5 9 7 7 5 8 1 . 6 7 8 7 0 2 0 . 9 5 0 3 0 6 8 0 8 2 3 2 4 Instrumented: logatt Instruments: away managerch goalsdiffh cap pop addedval Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  14. 14. Cross section: more L’interazione tra stadium capacity e attendance non è significativa Se utilizziamo l’attendance in livelli i risultati non cambiano Se utilizziamo il tasso di occupazione al posto dell’attendance i risultati non cambiano Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  15. 15. Panel data model – Supply side: Sporting production function winperch it = C 0 + γι + β 1 log att it + β 2 cap it + + β 3 goalsdiffh it + β 4 managerch it + β 5 away + ε it it Demand side log att it = C 0 + γ ι + β 1 winperch it + β 3 riot it + β 4 addedval it + + β 5 pop it + β 6 dumseriea it + ε ιt Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  16. 16. Panel data – 2004/05-2006/07 • Non abbiamo dati su Average price e Star • Abbiamo utilizzato un modello ad effetti fissi per ragioni teoriche Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  17. 17. Panel data – 2004/05-2006/07 – Supply Fixed-effects (within) regression Number of obs = 126 Group variable: t e a m Number of groups = 49 R-sq: within = 0 . 7 7 3 5 Obs per group: min = 1 between = 0 . 8 4 3 0 avg = 2.6 overall = 0 . 8 1 8 8 max = 3 F(5,72 ) = 57 49.19 corr(u_i, Xb) = -0.2779 Prob > F = 0.0000 winperch Coef. Std. Err. t P>|t| [95% Conf. Interval] logatt 0.900 .0731507 .0043447 .0345158 0.13 -.0644612 cap 0.409 3.51e-06 1.03e-06 1.24e-06 0.83 -1.44e-06 goalsdiffh 0.000 .0143019 .0122568 .0010259 11.95 .0102117 managerch 0.731 .043179 .0063715 .0184641 0.35 -.0304361 away 0.058 .0060762 .0029843 .001551 1.92 -.0001077 _cons 0.638 1.074304 .2056569 .4357476 0.47 -.6629899 sigma_u .05328257 sigma_e .06628723 rho (fraction of variance due to u_i) .39250947 F test that all u_i=0: F(48 , 7 2 ) = 4 Prob > F = 0 . 7 1 5 5 0.86 Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  18. 18. Panel data – 2004/05-2006/07 – Demand . x t r e g l o g a t t w i n p e r c h r i o t a d d e d v a l p o p d u m s e r i e a, f e Fixed-effects (within) regression N u mb e r o f o b s = 126 Group variable: team Number of groups = 49 R-sq: within = 0.2267 Obs per group: min = 1 between = 0.0602 avg = 2.6 overall = 0.0574 max = 3 F(5,72) = 4.22 corr(u_i, Xb) = -0.0885 Prob > F = 0.0020 logatt Coef. Std. Err. t P>|t| [ 9 5 % C on f . I n t e r v a l ] winperch .1502871 .2220544 0.68 0.501 -.2923703 .5929444 riot .0026624 .0134282 0.20 0.843 -.0241062 .029431 addedval -.0000322 .0000452 -0.71 0.479 -.0001222 .0000579 pop -6.32e-08 4.91e-08 -1.29 0.202 -1.61e-07 3.46e-08 dumseriea .3976978 .1059529 3.75 0.000 .1864846 .6089111 _cons 12.75571 1.043303 12.23 0.000 10.67592 14.8355 sigma_u .76100274 sigma_e .21887572 rho .92359784 (fraction of variance due to u_i) F test that all u_i=0: F(48, 72) = 11.03 Prob > F = 0.0000 Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  19. 19. Panel data – 2004/05-2006/07 – 2SLS Fixed-effects (within) IV regression Number of obs = 126 Group variable: team Number of groups = 49 R-sq: within = 0.3129 Obs per group: min = 1 between = 0.2114 avg = 2.6 overall = 0.0199 max = 3 W a l d ch i 2 ( 5 ) = 2036.54 corr(u_i, Xb) = -0.8874 Prob > chi2 = 0.0000 winperch Coef. Std. Err. z P>|z| [ 9 5 % C on f . I n t e r v a l ] logatt .313179 -.4133896 -1.32 0.187 -1.027209 .2004299 cap 2.63e-06 -1.01e-06 -0.39 0.700 -6.18e-06 4.15e-06 goalsdiffh .0027251 .0094605 3.47 0.001 .0041194 .0148017 managerch .0618875 .0782331 1.26 0.206 -.0430641 .1995303 away .0040549 -.0011253 -0.28 0.781 -.0090728 .0068222 _cons 3.931169 5.448098 1.39 0.166 -2.256852 13.15305 sigma_u .36974362 sigma_e .1154689 rho .91113861 (fraction of variance due to u_i) F test that all u_i=0: F(48,72) = Prob > F = 1.0000 0.32 Instrumented: logatt Instruments: c a p g o a l s d i f f h m a n a g e r c h a w a y p o p ad d e d v a l Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  20. 20. You can even walk alone… • Nelle ultime tre stagioni del calcio italiano il 12mo uomo si è rilevato solo un mito per migliorare le performance sportive non serve avere lo stadio stracolmo allora c’è spazio per il profitto nella vendita dei biglietti allo stadio • Fine di lucro: il club può fissare prezzi elevati per i posti di lusso e confortevoli (tipo sky box) per coprire i costi di gestione dello stadio e per i settori in cui oggi vanno i tifosi violenti (curve) Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  21. 21. Conclusions: Need for a CSR policy • Così il profitto dà spazio a strategie di CSR nel senso di ruolo politico nell’ambito della teoria del corporate citizenship (Matten & Crane 2005) • Le strategie di CSR possono essere utilizzate per escludere i fans violenti • Gli altri posti possono andare agli stakeholder importanti: vivaio, studenti, disabili Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI
  22. 22. Conclusions: Proposal • La legge italiana ha dato ai club il ruolo di soggetti che garantiscono la sicurezza negli stadi • Le politiche di inclusione sociale possono essere adottate creando fan club controllati dalle squadre i cui membri (opportunamente controllati) possono ottenere sconti forti sui biglietti Pricing strategies - Amenta Corso di Marketing Prof. Carlo Amenta prof. Gandolfo DOMINICI

×