Case study: app easypark - Elisabetta Melucci

Ricerca a cura del gruppo: AMRAP
Elisabetta Melucci
Oriola Kalaja
Valeria Daelli
Veronica Lunetti
Analisi
dell’ (in)soddisfazione
dei consumatori

3
Oggetto della ricerca
EasyPark è un’applicazione su smathphone sviluppata da EasyPark AS, utilizzata in
Norvegia, Danimarca, Svezia, Finlandia, Germania, Spagna, Australia, Austria e in alcune
regioni dell’Italia.
L’obiettivo principale che il gruppo EasyPark si prefigge è quello di semplificare la sosta
dell’automobilista consentendogli di parcheggiare l’autovettura in maniera efficiente,
comoda e sicura.
Il cliente avrà a disposizione un servizio ottimale ma soprattutto rapido, dal semplice
utilizzo e intuitivo.
EasyPark è la soluzione ottimale alla vita frenetica di tutti i giorni soprattutto in una città
come Milano, l’unica in cui, grazie al contratto con ATM, non è previsto il 15-25%
aggiuntivo sul costo della sosta.
Con un semplice “click” si potrà trovare in maniera rapida e veloce il tanto desiderato
parcheggio. Il tutto per evitare uno stress che nelle grandi metropoli, rende la sosta una
vera e propria “missione impossibile” giornaliera.

4
OBIETTIVI
●  Analizzare e comprendere il comportamento di consumo del campione rilevato in funzione dell’utilizzo
delle applicazioni su Smartphone.
●  Rilevare le abitudini dei consumatori che effettuano pagamenti attraverso le applicazioni.
●  Individuare le caratteristiche rilevanti dei consumatori che utilizzano l’applicazione Easypark.
●  Sintetizzare i risultati inerenti alla conoscenza/non conoscenza dell’applicazione Easypark; nel caso in
cui sia poco conosciuta fornire un piano di azione concreto per renderla nota al target di riferimento.
●  Raggruppare i consumatori che utilizzano l’applicazione in cluster che siano omogenei al proprio
interno ed eterogenei all’esterno.
●  Profilare i consumatori in funzione delle variabili socio-demografiche.
●  Identificare le variabili che influenzano la soddisfazione dei consumatori e quelle su cui lo sviluppatore
dovrebbe lavorare.

5
RICERCA QUALITATIVA: Focus Group
●  Al fine di ottenere informazioni più precise e più esaustive in relazione alle applicazioni in generale prima e a Easypark poi, abbiamo
creato un’unica sessione di focus group selezionando 6 persone.
●  Il giorno venerdì 18 Marzo alle ore 10 sono stati invitati i partecipanti nell’abitazione di Veronica Lunetti. La scelta dell’abitazione
privata è stata dettata dalla volontà di adottare uno stile di conduzione poco formale e conviviale. In principio i partecipanti erano a
disagio tra loro data anche la non conoscenza personale. Per superare questo “vincolo” abbiamo dato il via all’incontro offrendo del
caffè e dando loro la possibilità di presentarsi.
●  I partecipanti avevano età e professioni eterogenee con l’unica caratteristica comune di utilizzare l’automobile per i propri
spostamenti. Abbiamo scelto due rappresentanti per fasce di età:
●  Al di sotto dei 35 anni:
●  Partecipante A, 21 anni, studente;
●  Partecipante B, 35 anni impiegato;
●  Età dai 36 ai 50 anni:
●  Partecipante C, 46 anni, disoccupato;
●  Partecipante D, 50 anni, lavoratore autonomo;
●  Oltre i 51 anni di età:
●  Partecipante E, 57 anni, casalinga;
●  Partecipante F, 72 anni, pensionato.

6
●  Una volta reso più gioviale l’ambiente si è passati alla discussione vera e propria.
●  Il focus group è di tipo fenomenologico e semi-strutturato.
●  È fenomenologico perché mira a descrivere in profondità l’attitudine e la consuetudine all’utilizzo di applicazioni di tipo utility e, in
un secondo momento, specificatamente attraverso Easypark.
●  È semi-strutturato perché è stato svolto sulla base del confronto di idee tra i partecipanti, lasciando grande spazio al dialogo
spontaneo ma con la conduzione degli argomenti da parte di noi ricercatrici. In particolare abbiamo dettato tre liee guida circa gli
argomenti da trattare e ne abbiamo monitorato l’andamento:
●  Caratteristiche che una applicazione deve possedere per essere ritenuta attrattiva e, quindi, essere scaricata e utilizzata.
●  Discussione circa i pagamenti on line e tramite applicazione.
●  Applicazione Easypark.

7
●  Il campione non conosce Easypark.
●  Abbiamo mostrato l’applicazione e spiegato cos’è e come funziona (senza la
possibilità di testarla)
●  Abbiamo osservato le reazioni e ascoltato i commenti senza inizialmente
intervenire. La reazione iniziale è stata entusiasmo e stupore (“che figata”)
immediatamente dopo perplessità, dubbi e diffidenza:
●  “devo per forza mettere la targa?”
●  “ma se ho già pagato e interrompo la sosta?”
●  “devo pagare per forza con carta di credito?”
●  “come fa l’ausiliare del traffico a sapere che io ho pagato?”

8
RICERCA QUALITATIVA: attributi Focus Group
Riflessioni più interessanti (citazioni) :
●  Applicazioni:
●  Facilità di utilizzo (“a volte non riesco a utilizzare un’app perché non la capisco”);
●  Download gratuito (“non mi va di pagare anche per le app”);
●  Ridotto consumo energia dello smartphone (“sto via da casa tutto il giorno e mi serve la batteria”);
●  Limitato consumo connessione dati (“ci sono app che consumano troppo”);
●  Precisa localizzazione (“voglio far sapere dove mi trovo o voglio condividere la mia posizione con i miei amici”);
●  Grafica (“mi piacciono le app colorate”).
●  Pagamenti
●  “inserisco solo i dati della prepagata per sicurezza”
●  “acquisto solo oggetti di poco valore soprattutto vestiti e accessori”
●  “no, non mi piace e non mi fido”
●  “se avessi più garanzie forse acquisterei online”

9
●  EasyPark
Abbiamo chiesto loro, intervenendo nella discussione, se utilizzerebbero l’applicazione e quali
caratteristiche dovrebbe avere per sostituirla al metodo tradizionale (cartaceo):
●  “se mi permette di risparmiare tempo sì”
●  “se non devo impazzire per capire come usarla allora sì”
●  “io non trovo mai il parchimetro”
●  “quando piove è un disastro”
●  “voglio trovare parcheggio in fretta”
●  “voglio un sistema comodo di pagamento
RICERCA QUALITATIVA: attributi Focus Group

10
POSITIVE NEGATIVE
No moneta No ipad/tablet
App gratuita Localizzazione imprecisa
Ti dice dove parcheggiare Pagamento commissioni (eccetto Milano
per accordo con ATM)

Richiede dati sensibili
Data la poca/non conoscenza dell’applicazione Easypark da parte del campione
intervistato, per maggiore completezza del fenomeno, abbiamo deciso di considerare
anche i feedback presenti nei diversi store online.
Le recensioni di chi lo ha provato sono state sia negative che positive:
RICERCA QUALITATIVA: feedback online

11
RICERCA QUALITATIVA: interviste individuali
●  Caratteristiche:
●  È stato esplicitato agli intervistati che l’intervista sarebbe stata registrata
●  NON gli è stato richiesto alcun tipo di dato sensibile
●  Il contesto di analisi è stato l’università degli studi di Milano-Bicocca
●  L’ intervista è stata breve e molto generica per non influenzare le risposte conoscendo a priori il fine
ultimo dell’analisi

12
●  la preferenza di applicazioni social piuttosto che utility.
Per il pagamento on line e tramite applicazione:
●  una parte non li effettua
●  una parte li effettua e si divide in:
●  chi utilizza la carta di credito,
●  chi utilizza la carta pre-pagata.
Per la localizzazione:
●  chi acconsente (“a volte non me ne accorgo nemmeno”; “mi importa poco”; “mi fa comodo”)
●  chi non acconsente (“sono contrario a meno che non è strettamente necessario”).
RICERCA QUALITATIVA: attributi interviste
individuali

13
RICERCA QUALITATIVA: interviste individuali
●  L’ordine di domande, di tipo descrittivo, seguito è il seguente:
●  Rapporto con le applicazioni/ motivazioni per cui sono scaricate/ quali
applicazioni vengono scaricate principalmente.
●  Abitudini di pagamento (tramite sito/applicazione).
●  Disponibilità a fornire i propri dati circa la propria carta di credito/prepagata.
●  Esigenze che un’applicazione deve soddisfare.
●  Disponibilità a fornire il consenso all’applicazione di accedere alla propria
localizzazione

14
ANALISI QUANTITATIVA: il questionario

15
ANALISI QUANTITATIVA:struttura del questionario
Il questionario è diviso in quattro parti.
Informazioni rilevate:
●  1. Utilizzo applicazioni:
●  Possesso di uno smartphone;
●  Tipologia di applicazioni maggiormente utilizzate;
●  Consenso alla geolocalizzazione e ad informazioni personali;
●  Importanza delle caratteristiche di utilizzo delle applicazioni.
●  2. Pagamento tramite applicazioni:
●  propensione a effettuare pagamenti tramite applicazioni;
●  tipologia di acquisti maggiormente effettuati;
●  motivi per cui non si utilizzano le applicazioni per effettuare pagamenti;
●  livello di sicurezza nella fruizione del servizio di pagamento tramite applicazioni;
●  variabili che fornirebbero maggiore sicurezza in fase di acquisto.

16
ANALISI QUANTITATIVA:struttura del questionario
●  3. Easypark:
●  Utilizzo parcheggi a pagamento;
●  Conoscenza del servizio easypark;
●  Mezzi tramite i quali si é venuti a conoscenza del servizio;
●  Utilizzo dell’applicazione;
●  Frequenza con cui viene utilizzata;
●  Motivi per cui non viene utilizzata;
●  Caratteristiche che dovrebbe possedere per sostituirla al metodo tradizionale;
●  Interesse verso il servizio;
●  Importanza dei diversi attributi del servizio;
●  4. Informazioni socio-demografiche:
●  Sesso
●  Età
●  Titolo di studio
●  Professione

17
Il campione:
Il campione è tendenzialmente uniforme tra
maschi e femmine.
Più del 50% del campione ha un’età inferiore ai 35
anni, il restante è ben equilibrato tra le altre due
fasce.

18
Il campione:
Il nostro campione è composto prevalentemente da
lavoratori dipendenti.
Il nostro campione è composto prevalentemente
da soggetti con diploma scuola superiore.

19
Comportamento di consumo:
utilizzo applicazioni
Quasi il 90% del nostro campione possiede
uno smartphone.
Prime 3 categorie di applicazioni maggiormente utilizzate:
- social network (82,5%)
- lavoro/studio (52,9%)
- spostamento (52,4%)

20
Le caratteristiche più importanti per il
campione sono:
-facilità di utilizzo;
-download gratuito;
-ridotto consumo di energia;
-limitato consumo di connessione dati.
Nello specifico facilità di utilizzo viene
considerata come “abbastanza
importante” o come la caratteristica “più
importante” in una applicazione ( 77%
della popolazione).

21
Download gratuito è la caratteristica “più importante”
in un’applicazione. Il 59,2% di coloro che
possiedono uno smartphone lo considera molto
importante.
Nonostante ridotto consumo di energia sia considerata
dal campione come una caratteristica “più importante”
o “abbastanza importante” in un’applicazione,
all’interno del campione vi è comunque una
percentuale di soggetti “indifferenti” (24,8%) a tale
caratteristica.

22
Anche limitato consumo di connessione dati è una
caratteristica considerata“più importante” o
“abbastanza importante” in un’applicazione, ma
nonostante ciò all’interno del campione vi è comunque
una percentuale di soggetti “indifferenti” (23,9%) a tale
caratteristica.
Precisa geo-localizzazione è una caratteristica
“indifferente”ai soggetti del campione. Infatti viene
valutata come ‘’più importante’’ e ‘’abbastanza
importante’’ solamente dal 37% del campione.

23
Grafica accattivante è una caratteristica
“indifferente” ai soggetti del campione.
Il 61,2% del campione si posiziona nelle prime 3
fasce di valutazione (“meno importante”, “poco
importante”,”indifferente”).

24
Abitudini di consumo: pagamenti/acquisti
tramite app
Il campione non è del tutto propenso a
fare acquisti tramite applicazione. Infatti
il 58,3% della totalità dei rispondenti che
possiede uno smartphone non è solita
ricorrere a questo strumento per fare
acquisti o pagamenti, contro il 41,7%
che li effettua.

25
Abitudini consumatori: frequenze pagamenti/acquisti
tramite app
86 soggetti del campione effettuano pagamenti tramite app.
I valori mancanti sono dati dalla somma di coloro che non li effettuano (120) e di coloro che non possiedono
uno smartphone (24).
I soggetti del campione selezionato acquistano maggiormente viaggi e effettuano operazioni di internet-
banking.

26
Abitudini consumatori: frequenze
pagamenti/acquisti tramite app
I soggetti del nostro campione non acquistano tramite app: alimentari, abbigliamento, arredamento, tecnologie e
coupon.

27
I soggetti del nostro campione acquistano
maggiormente viaggi.
L’80,2%del campione acquista viaggi una o più volte
all’anno/mese/settimana oppure ogni volta che
acquista.
I soggetti del nostro campione effettuano
maggiormente operazioni di internet-banking.
Il 74,4% del campione effettua operazioni di internet
banking una o più volte all’anno/mese/settimana
oppure ogni volta che acquista.

28
I soggetti del nostro
campione non effettuano
pagamenti tramite app
principalmente per due
ragioni:
-non si fidano ad inserire
dati sensibili (55,8%);
-preferiscono tramite sito
i n t e r n e t / c o m p u t e r
(40,8%).

29
I soggetti del nostro campione non si
sentono particolarmente sicuri ad
effettuare pagamenti tramite app.
L’elemento principale che renderebbe più
sicuri i soggetti del nostro campione è la
possibilità di utilizzare carte virtuali (usa e
getta) (48,5%).
In misura minore ma sempre di una certa
rilevanza:
-la possibilità di recesso dell’acquisto o
del contratto (41,7%);
-feedback positivi di altri utenti (37,4%).

30Analisi descrittiva: il campione conosce/
utilizza Easypark?
Quasi la totalità dei componenti del nostro
campione effettua i propri spostamenti in macchina.
L’89% dei rispondenti, infatti, alla domanda “si
sposta in macchina” indica il sì tra le due opzioni.
Questo dato viene confermato dalla moda il cui
valore è “1” che è, appunto, il valore assegnato al sì
nelle risposte dicotomiche.
La distribuzione è asimmetrica positiva, con coda
più lunga verso destra.
La deviazione standard ha un valore pressoché
basso, ciò significa che i dati non si discostano tanto
dalla media.
È interessante osservare come la stragrande
maggioranza del nostro campione utilizzi la
macchina per i propri spostamenti.

31
Analisi descrittiva: il campione conosce/
utilizza Easypark?
Ben oltre la metà del nostro campione utilizza
parcheggi a pagamento, ovvero il 78,3%.
Questo dato viene confermato dalla moda il cui valore
è “1” che è, appunto, il valore assegnato al sì nelle
risposte dicotomiche.
La distribuzione è asimmetrica positiva, con coda più
lunga verso destra.
basso, ciò significa che i dati non si discostano tanto
dalla media.
Questo dato è interessante al fine della nostra analisi,
poiché in particolare emerge che il nostro campione
effettua per lo più spostamenti in macchina e utilizza
parcheggi a pagamento.

32
utilizza Easypark?
Solo il 26,1% dei rispondenti conosce il servizio Easypark.
Una percentuale molto bassa se si considera la parte del
campione che utilizza parcheggi a pagamento (78,3%).
Questo dato viene confermato dalla moda il cui valore è
“2” che è, appunto, il valore assegnato al no nelle risposte
dicotomiche.
La distribuzione è asimmetrica negativa, con coda più
lunga verso sinistra.
La deviazione standard ha un valore pressoché basso, ciò
significa che i dati non si discostano tanto dalla media.
Tenendo conto del comportamento di utilizzo molto
frequente dell’auto e dell’uso dei parcheggi a pagamento
da parte del nostro campione, questo dato evidenzia la
scarsa conoscenza del servizio Easypark.

33
utilizza Easypark?
Per quanto riguarda il mezzo attraverso cui il campione che conosce
Easypak è venuto a conoscenza del servizio, è evidente come le
percentuali non presentino nessun valore nettamente superiore agli
altri. Tuttavia, il mezzo che sicuramente risalta rispetto agli altri è il
passaparola.
Questo dato viene confermato dalla moda il cui valore è “4” che è,
appunto, il valore assegnato al passaparola nelle risposte multiple.
La distribuzione è asimmetrica positiva, con coda leggermente più
lunga verso destra.
La deviazione standard ha un valore pressoché basso, ciò significa
che i dati non si discostano tanto dalla media.
Il passaparola è il mezzo più frequente attraverso cui il campione è
venuto a conoscenza del servizio, subito dopo vi è internet. Questo
dato può essere pensato come una ricerca di informazioni da parte
del consumatore e un basso investimento in sponsorizzazione e
media.

34
utilizza Easypark?
Solo il 10,4% dei rispondenti utilizza Easypark
mentre, la quasi totalità del campione non lo
utilizza. Questo dato viene confermato dalla
moda il cui valore è “2” che è, appunto, il valore
assegnato al no nelle variabili dicotomiche.
La distribuzione è asimmetrica negativa, con
coda più lunga verso sinistra.
basso, ciò significa che i dati non si discostano
tanto dalla media.
È evidente che il servizio è scarsamente
utilizzato.

35
utilizza Easypark?
Il 20% dei soggetti che usufruiscono del servizio
Easypark, utilizzano l’app “ogni volta che
parcheggiano”. Il restante 80% dei soggetti invece “la
maggior parte delle volte”. La rilevanza di questo dato
viene confermata dalla moda il cui valore è “11” che è,
appunto, il valore assegnato alla “maggior parte delle
volte” al momento della codifica della variabile.
La deviazione standard ha un valore pressoché basso,
ciò significa che i dati non si discostano tanto dalla
media.
Un aspetto che ha catturato particolarmente la nostra
attenzione è il fatto che i pochi soggetti che utilizzano
Easypark, ne usufruiscono la maggior parte delle
volte e in alcuni casi “ogni volta che parcheggiano”,
non è quindi un utilizzo sporadico ma costante,
potrebbe essere un segnale di efficienza e
soddisfazione del servizio.

36
utilizza Easypark
Da questa analisi descrittiva si evincono due aspetti
importanti:
1- il 22,9% utilizza metodi alternativi ad Easypark. Il che
potrebbe significare una maggiore loro conoscenza.
2- il 57,1% preferisce i sistemi tradizionali invece che
questa modalità di pagamento telematico.
Questo dato viene confermato dalla moda il cui valore è
“17” che è, appunto, il valore assegnato al “preferisco i
sistemi tradizionali” al momento della codifica della
variabile.
La deviazione standard ha un valore alto, ciò significa che
i dati potrebbero discostarsi tanto dalla media.
È evidente che lo sviluppatore dell’app non ha puntato nel
sottolineare e comunicare le potenzialità che tale servizio
potrebbe fornire al consumatore, tant’è che i consumatori
continuano a preferire i sistemi tradizionali.

37
utilizza Easypark
Nonostante all’interno del questionario sia stato
spiegato ai consumatori cosa sia Easypark, il 79,4 dei
soggetti che compongono il campione non saprebbero
se utilizzare tale servizio. Questo dato viene confermato
dalla moda il cui valore è “20” che è, appunto, il valore
assegnato al “non saprei” al momento della codifica
delle variabili.
La deviazione standard ha un alto, ciò significa che i dati
potrebbero discostarsi tanto dalla media ma solo per
ragioni di codifica.
È evidente che il servizio Easypark non riesce
comunque a convincere i consumatori.

38
utilizza Easypark
Tra le caratteristiche più importanti per Easypark ,quelle
con valutazione più elevata (ritenute molto importanti) sono:
-  Localizzazione parcheggio
-  Download gratuito parcheggio
-  Facilità utilizzo dell’app
Tutte e tre con una media superiore a 4.
La deviazione standard ha un valore pressoché basso, ciò
significa che i dati non si discostano tanto dalla media.

39
utilizza Easypark
Le caratteristiche che spingerebbe i
consumatori a sostituire il servizio Easypark
tanto caro metodo tradizionale sono:
-comodità (26,8%)
-riduzione del costo del parcheggio (34,1%)
-localizzazione parcheggio (17,1%)

40
Analisi bivariata: correlazione
Le variabili non sono
correlate, nonostante i
s o g g e t t i u t i l i z z i n o
parcheggi a pagamento,
ciò non implica l’uso
dell’app per la sosta (cvd).
Non tutti i parcheggi a
pagamenti consentono di
usufruire del servizio
Easypark.

41
Analisi bivariata: correlazione – chi la
conosce la utilizza?
Dalla tabella si evince che per la
nostra variabile di interesse ‘’utilizza
l’applicazione’’ e le caratteristiche che
il consumatore ritiene importanti, non
c’è correlazione in quanto l’indice di
Pearson assume valori inferiori allo
0,5.
Tuttavia sussiste correlazione tra le
caratteristiche stesse, per esempio
l’indice assume valore pari a 0,780 tra
‘’facilità di utilizzo dell’app’’ e ‘’velocità
di pagamento’’, poiché il consumatore
le ritiene importanti congiuntamente.

42
Analisi bivariata: correlazione – chi non la
conosce la utilizzerebbe?
Dalla tabella si
evince che non c’è
correlazione tra le
variabili, poiché
l’indice di Pearson è
inferiorie a 0,5,
quindi nessuna
cartteristica influenza
la volontà di
usufruire in futuro del
servizio Easypark.

43
Factor Analysis:
Attraverso il questionario il
campione ha espresso le
proprie valutazioni
sull’importanza di 8 items in
merito all’applicazione
Easypark.
Obiettivo dell’analisi:
evidenziare le caratteristiche
principali che deve possedere
l’applicazione.
Download
gratuito dell’app
Costo del
servizio
Comodità
Facilità di
utilizzo dell’app
Velocità di
pagamento
Modalità di
pagamento
Localizzazione
parcheggio
Comodità

44
Factor Analysis:
Il test di sfericità di Barlett viene
applicato alla matrice di
correlazione. Rifiutando tale ipotesi è
possibile avviare la factor analysis e
ci si aspetta correlazione trale
variabili.
Il test di KMO misura l’adeguatezza
del campionamento ed è costruito
verificando che i coefficienti di
correlazione parziali siano piccoli.
Valori superiori allo 0,7 indicano
l’adeguatezza della factor analysis ai
dati.Il nostro test KMO rientra nella fascia
‘’meritorious’’ (0,80 to 0,89)

45
Factor Analysis:
Una volta estratte le componenti si ottiene la comunalità: somma dei quadrati dei
coefficienti di correlazione tra una variabile z e le componenti estratte. Rappresenta la
quantità di varianza riprodotta dall’insieme delle componenti estratte che esprimono la
variabile z. Qualora si considerassero tutte le componenti estratte, il valore della
comunalità sarà uguale a 1 per tutte le variabili (il 100% della varianza delle variabili è
riprodotta dall’insieme delle componenti). Se invece si considerano solo le prime CP, il
valore della comunalità di ciascuna variabile sarà inferiore a uno, cioè si riproporrà solo
una parte della varianza di tale variabile.
Nel nostro caso l’inerzia complessiva (varianza totale) è
pari a 7 (numero delle variabili): la prima componente
principale da sola ha una varianza spiegata pari a
4,728, il 67,55% della varianza complessiva, la seconda
pari a 0,724% pari al 10,34% della varianza
complessiva. Entrambe le componenti spiegano il
77,88% (frequenza cumulata)della varianza totale.

46
Factor Analysis:
Dallo Scree Plot scegliamo il
numero di componenti in
corrispondenza dei quali il
grafico presenta un ‘gomito’.
Nel nostro caso selezioniamo
le prime due componenti
principali:
-  Localizzazione parcheggio
-  Download gratuito dell’app

47
Cluster Analysis
Cluster TwoStep:
●  È uno strumento di esplorazione che consente di rilevare raggruppamenti naturali,
o cluster, all’interno di data set, che non sarebbero altrimenti evidenti.
●  L’algoritmo utilizzato da questa procedura presenta diverse funzioni che lo
differenziano dalle tecniche di raggruppamento tradizionali:
●  Gestioni di variabili categoriali e continue
●  Selezione automatica del n. di cluster à la procedura è in grado di determinare
automaticamente il numero di cluster
●  scalabilità

48
Cluster Analysis
Misura della distanza: verosimiglianza logaritmica.
Applica una distribuzione per probabilità alle variabili. Si suppone
che le variabili continue vengano distribuite normalmente, mentre
le variabili categoriali in base al modello multinomiale. Si suppone
che tutte le variabili siano indipendenti.
Numero di cluster: 3, determinato automaticamente, mediante i
criteri specificati.
Criterio di clustering: criterio bayesiano di Schwarz (BIC,
Bayesian Information Criterion)

49
Cluster Analysis
Abbiamo clusterizzato in funzione delle caratteristiche principali
emerse dalla factor analysis poiché spiegano il 77,88% del
modello.

50
Regressione lineare multipla:
●  L’analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la
relazione tra una variabile dipendente e diverse variabili indipendenti (predittori).
●  La regressione lineare multipla rappresenta un’estensione del modello di regressione lineare semplice.
●  L’OBIETTIVO dell’analisi è prevedere i valori assunti da una variabile dipendente a partire dalla
conoscenza di quelli osservati su più variabili indipendenti.
●  In particolare il nostro obiettivo è quello di comprendere in che misura le variabili indipendenti
(caratteristiche che l’applicazione deve avere) influiscono sulla variabile dipendente (sostituzione del
metodo tradizionale e utilizzo dell’applicazione)

51
Regressione lineare multipla

52
Nel nostro caso R^2 = 0,246 e significa che le variabili indipendenti spiegano il 24,6% (valore molto
basso) della varianza della variabile dipendente.

53
Per quanto riguarda la significatività della varianza spiegata (tabella Anova) è pari a 0,189. Essendo un
valore superiore allo 0,05 (p-value) non vi è correlazione tra le variabili.

54
Analizziamo i coefficienti di regressione riportati nella seguente tabella:

55
L’analisi grafica dei residui viene effettuata esaminando lo scatter plot dei residui rispetto ai valori della
variabile indipendente.
Relazione positiva approssimativamente lineare.

56
●  Per capire quale sia la variabile indipendente più importante per abbandonare il metodo tradizionale
cartaceo calcoliamo il “Beta Somma” di tutte le variabili che presentano un p-value inferiore al 10%
(modalità di pagamento e costo del servizio).
●  BETA SOMMA = 0,13
●  Calcoliamo i rapporti tra i due BETA e BETA SOMMA
Attributi Beta Beta somma Beta i/beta somma
Modalità di pagamento 0,092 0,13 0,7076 (70,76%)
Costo del servizio 0,038 0,13 0,2923 (29,23%)
Modalità di pagamento è
l’attributo che
spingerebbe i
consumatori a sostituire il
metodo tradizionale con
EasyPark (70,76%)

57
Caratteristiche rilevanti dei consumatori
che utilizzano Easypark:
Numero soggetto
intervistato
Con che frequenza
utilizza l’app
Sesso Età Titolo di studio Professione
52 La maggior parte
delle volte
Maschio Sotto i 35 Diploma di scuola
superiore
Lavoratore
autonomo
71 La maggior parte
delle volte
Maschio 35 - 50 Diploma di scuola
superiore
Lavoratore
autonomo
95 La maggior parte
delle volte
superiore
Lavoratore
dipendente
127 Ogni volta che
parcheggio
Maschio Sotto i 35 Master post laurea Lavoratore
dipendente
137 Ogni volta che
parcheggio
superiore
Lavoratore
dipendente

58Caratteristiche rilevanti dei consumatori
che utilizzano Easypark:
-Conclusioni
●  Solo 5 soggetti del nostro campione con una percentuale pari al 10,4% utilizzano l’applicazione
Easypark.
●  “L’insieme dei consumatori che utilizzano l’app” è composto esclusivamente da soggetti di sesso
maschile con un età compresa tra due fasce: sotto i 35 e 36-50.
●  La maggior parte di essi possiede un diploma di scuola superiore e sono sia lavoratori autonomi (2), sia
lavoratori dipendenti (3).
●  Aspetto di una certa rilevanza: essi usufruiscono del servizio Easypark, la “maggior parte delle volte”
oppure “ogni volta che parcheggiano.

59
Implicazioni di marketing:
elementi importanti
●  Come emerge dall’analisi del nostro campione, è evidente come la quasi totalità del campione utilizzi
l’automobile per effettuare spostamenti in macchina. La maggior parte di questi utilizza parcheggi a
pagamento ma non conosce e non utilizza il servizio Easypark.
●  È stato interessante osservare come la maggior parte dei rispondenti non assume una posizione
chiara sull’intenzione di un utilizzo futuro dell’applicazione, infatti, alla domanda “utilizzerebbe il
servizio?” la maggior parte del campione risponde con un “non saprei”.
●  Coloro (purtroppo pochi soggetti) che invece accolgono con entusiasmo la possibilità di un uso futuro
sottolineano: “la possibilità di risparmiare tempo”, “di pagare velocemente il parcheggio anche in
assenza di monete contanti”, “non dover cercare la colonnina del grattino” ed “evitare di stare troppo
tempo sotto la pioggia nelle giornate piovose”. (Citazioni positive rilevate dal questionario).

60
nello specifico
Il primo punto da risolvere è sicuramente quello relativo alla conoscenza del servizio.
È evidente come la propaganda effettuata dall’azienda Easypark non sia affatto
sufficiente per mettere a conoscenza del servizio ai potenziali fruitori.
Come evidenzia la foto a destra, Easypark pubblicizza il proprio servizio sulle
colonnine tradizionali ma noi crediamo che i potenziali consumatori siano sempre
troppo di fretta per leggere e prestare attenzione alla pubblicità sulla colonnina.
Data la vastità dei potenziali utilizzatori per sesso, età e professione, la nostra
proposta è quella di sfruttare le sponsorizzazioni:
1.  Easypark ha un accordo con ATM che le permette di non aggiungere sovraprezzi alle
tariffe tradizionali dei pagamenti del parcheggio. Poiché il passaparola è risultato
come la variabile maggiormente gettonata per la conoscenza del servizio, proponiamo
di mettere insieme questi due aspetti. Creare maggiore visibilità di questo accordo
all’interno della metropolitana attraverso la cartellonistica e la pubblicità a video, il
colore viola attirerà l’attenzione e il resto verrà fatto dal passaparola. Sottolineiamo
all’interno della metropolitana, poiché spesso i soggetti in città trafficate come Milano,
rinunciano a guidare e a spostarsi in macchina proprio per lo stress del cercare
parcheggio. Easypark grazie alla rapida localizzazione ti permette di trovarlo in
maniera rapida e in tempi brevi.

61
2. La sponsorizzazione sugli impianti carburanti. L’idea è quella di un accordo commerciale
con le società petrolifere che ne permetta la promozione in loco attraverso cartelli
pubblicitari e sconti carburante al raggiungimento di un certo cumulo di parcheggi pagati.
3. Banner pubblicitari. La pubblicità tradizionale, come è noto, non è più sufficiente per cui
bisogna incrementare quella sui social media (dato che l’82,5% dei rispondenti utilizza lo
smartphone) e attraverso banner pubblicitari che, memorizzando i cookie delle ricerche on-
line individuali, mostrano l’icona di Easypark solo a chi potrebbe essere un potenziale
fruitore.

62
Un altro punto importante è legato alla garanzia, per i consumatori che inseriscono i propri dati sensibili,
nel trattamento dei propri dati. Il 55,8% dei rispondenti non si fida ad inserire i propri dati sensibili.
Questo può essere un grande punto di intoppo per l’azienda Easypark.
Per risolvere questo problema la soluzione può essere facilmente raggiunta pubblicando un estratto di
garanzia da parte dell’intermediario finanziario che si occupa della gestione dei pagamenti in cui si
spieghi la procedura di transazione. Le banche oggi ne utilizzano diversi (ad esempio attraverso
l’inserimento di un codice personale scelto dal fruitore).

63
Il punto più interessante dell’analisi risulta indubbiamente dal fatto che quasi la totalità di chi non
conosceva il servizio prima della nostra indagine, risponde che non saprebbe se utilizzerebbe il servizio
Easypark in un futuro. Nonostante noi spiegassimo di cosa tratta il servizio Easypark e quali
caratteristiche possiede, i consumatori rimangono comunque interdetti e perplessi di fronte tale servizio.
Per tale ragione Easypark deve riuscire a far emergere il vantaggio del suo utilizzo rispetto ai sistemi
tradizionali rassicurando nello specifico il consumatore (o meglio il potenziale) circa l’inserimento dei
suoi dati sensibili e sulla sicurezza del pagamento tramite app. È importate inoltre che lo sviluppatore
utilizzi una forte comunicazione “spinta” che faccia emergere quelle caratteristiche che porterebbero solo
benefici al consumatore: velocità nel pagamento, localizzazione precisa del parcheggio e, quindi, niente
stress; pagamento solo di quanto si utilizza: “comodamente dal proprio smartphone e direttamente nella
propria vettura”.
Proponiamo anche uno slogan ad effetto da utilizzare per attrarre il consumatore:
Easypark
La soluzione smart garantita per il vostro parcheggio.

Case study: app easypark - Elisabetta Melucci

Recommended

Recommended

More Related Content

Similar to Case study: app easypark - Elisabetta Melucci

Similar to Case study: app easypark - Elisabetta Melucci (20)

Case study: app easypark - Elisabetta Melucci