ANALISI DI SEGMENTAZIONE:
un’applicazione del metodo CHAID
PRESENTAZIONE A CURA DI :
Chiara Cimini
Miriam Gotti
Alessandro Raspanti
Marco Stella
Dott.ssa Chiara Cimini e-mail: [email protected] Dott.ssa Miriam Gotti e-mail: [email protected]
Dott.re Alessandro Raspanti e-mail: [email protected] Dott.re Marco Stella: [email protected]
OBIETTIVO

Suddividere un insieme di individui,
intervistati presso distributori COOP, in
funzione delle loro caratteristiche sociodemografiche, comportamentali e di giudizio
MODELLO



Segmentazione multipla CHAID (Chi-squared
Automatic Interaction Detection);
Applicazione del test chi-quadro con l’obiettivo di
massimizzare l’eterogeneità tra i gruppi e
l’omogeneità entro i gruppi;
Normalizzazione della significatività del chi-quadro
mediante il fattore di Bonferroni, per rendere
confrontabili situazioni che derivano da tabelle di
contingenza diverse
ANALISI DEL DATASET





Numero di osservazioni: 7200
Variabili suddivise in:
variabili socio-demografiche ed economiche;
punteggi di soddisfazione sul servizio di distribuzione;
variabili “Coop”
ANALISI DEL DATASET
 Variabili socio-demografiche ed economiche:
sesso, età, professione, titolo di studio, stato civile, area di acquisto,
numero componenti famiglia, numero minorenni, numero percettori
reddito, numero occupati, numero auto possedute
 Punteggi di soddisfazione:
generale, prezzi, promozioni, assortimento, personale e servizio, pulizia e
igiene, qualità prodotti freschi, reparto ortofrutta, reparto carne, reparto
pane e pasticceria, reparto salumi, formaggi e gastronomia, reparto pesce
fresco, prodotti non food
Variabili Coop:
canale di vendita, socio/non socio, insegna, numero soci in famiglia, area
di acquisto, preferenza su Coop
ANALISI DEL DATASET
CATEGORIZZAZIONE DELLE VARIABILI






ETA’: <35, 36-50,51-65,>65
PROFESSIONE: 4 modalità
TITOLO DI STUDIO: elementaremedia inferiore, media superioreuniversità
STATO CIVILE: celibe/nubile,
sposato/a, vedovo/a
NUMERO MINORENNI: 1, >1
Area di acquisto: Romagna e
Marche, Veneto, Bologna
NUMERO PERCETTORI
REDDITO: 1, 2, >2






NUMERO OCCUPATI: modalità
corrispondenti
NUMERO AUTO POSSEDUTE: 1, >1
PUNTEGGI DI SODDISFAZIONE:
bassa (da 1 a 7), media (8), alta
(9,10)
PREFERENZA SU COOP: si, no
CANALE DI VENDITA: iper, non iper
NUMERO SOCI IN FAMIGLIA: 1, >1
SCHEMA DEL PROGETTO
PRIMO LIVELLO DI ANALISI
TUTTE LE VARIABILI DISPONIBILI
 VARIABILE TARGET: PRIMO_PV
 DISTRIBUZIONE ASIMMETRICA DELLA VARIABILE
TARGET (94,6% SI, 5,4% NO)

CAMPIONAMENTO DELLA VARIABILE
NELLA PROPORZIONE DI 80% E 20%
NUMERO DI OSSERVAZIONI: 1950
 SUDDIVISIONE DEL CAMPIONE IN TRAINING SET
E VALIDATION SET (80% - 20%)

PRIMO LIVELLO DI ANALISI



VARIABILI CONSIDERATE: TUTTE
Numero di nodi
terminali: 4
Tasso di corretta
classificazione
sul validation
set: 89,49%
PRIMO LIVELLO DI ANALISI

VARIABILI CONSIDERATE: TUTTE
PRIMO LIVELLO DI ANALISI

VARIABILI CONSIDERATE: TUTTE
Numero
segmento
Descrizione
Frequenza
relativa
Coop primo_pv: SI
(freq. rel.)
Segmento 3
Frequentanti altre insegne:
non soci
8,2%
100,0%
Segmento 4
Dato mancante
21,7%
93,2%
Segmento 1
Frequentanti insegna Coop
62,7%
81,8%
% SI (training set)
Segmento 2


Frequentanti altre insegne
soci
79,7%
7,4%
0,0%
In termini relativi predomina chi frequenta insegne
Coop
In relazione alla variabile risposta primo_pv Coop il
segmento con la percentuale maggiore è quello dei
non soci che frequentano altre insegne
PRIMO LIVELLO DI ANALISI

PRIMO PV - VARIABILI CONSIDERATE TUTTE
Confusion Matrix
Valori osservati
SI
NO
Totale
Valori previsti
SI
NO
317
0
41
32
358
32
Totale
317
73
390
 Nessun frequentatore di Coop come “Primo PV” è malclassificato
 Il 56% dei non frequentatori di Coop come “Primo PV” sono
malclassificati
PRIMO LIVELLO DI ANALISI


VARIABILI CONSIDERATE: SODDISFAZIONE
Il tasso di
corretta
classificazione
risulta
costante
PRIMO LIVELLO DI ANALISI

VARIABILI CONSIDERATE: SODDISFAZIONE
NESSUNA SEGMENTAZIONE
PRIMO LIVELLO DI ANALISI



VARIABILI CONSIDERATE: “COOP”
Numero di nodi
terminali: 4
Tasso di corretta
classificazione
sul validation
set: 89,49%
PRIMO LIVELLO DI ANALISI

VARIABILI CONSIDERATE: “COOP”
PRIMO LIVELLO DI ANALISI

VARIABILI CONSIDERATE: “COOP”
Numero
segmento
Descrizione
Frequenza
relativa
Coop primo_pv: SI
(freq. rel.)
Segmento 3
Frequentanti altre insegne:
non soci
8,2%
100,0%
Segmento 4
Dato mancante
21,7%
93,2%
Segmento 1
Frequentanti insegna Coop
62,7%
81,8%
% SI (training set)
Segmento 2


Frequentanti altre insegne
soci
79,7%
7,4%
0,0%
In termini relativi predomina chi frequenta insegne
Coop
In relazione alla variabile risposta primo_pv Coop il
segmento con la percentuale maggiore è quello dei
non soci che frequentano altre insegne
PRIMO LIVELLO DI ANALISI

PRIMO PV - VARIABILI CONSIDERATE TUTTE
Confusion Matrix
Valori osservati
SI
NO
Totale
Valori previsti
SI
NO
317
0
41
32
358
32
Totale
317
73
390
 Nessun frequentatore di Coop come “Primo PV” è malclassificato
 Il 56% dei non frequentatori di Coop come “Primo PV” sono
malclassificati
PRIMO LIVELLO DI ANALISI


VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
Il tasso di
corretta
classificazione
risulta
costante fino
alla foglia 8 e
poi decresce
PRIMO LIVELLO DI ANALISI

VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
NESSUNA SEGMENTAZIONE
PRIMO LIVELLO DI ANALISI



CONFRONTO TRA MODELLI
RISULTATI UGUALI
PER I MODELLI
“COOP” E
“PPVTUTTE”
LE VARIABILI
DEMOGRAFICHE E
SODDISFAZIONE
NON GENERANO
PARTIZIONI
SIGNIFICATIVE
PRIMO LIVELLO DI ANALISI

CONFRONTO TRA MODELLI
TUTTE
SODDISFAZIONE
COOP
DEMOGRAFICHE
FIT STATISTICS
TRAINING VALIDATION TRAINING VALIDATION TRAINING VALIDATION TRAINING VALIDATION
AVERAGE SQUARED ERROR 0,070
0,065 0,160
0,152 0,070
0,065 0,160
0,152
SUM OF SQUARED ERROR 216,100
50,686 505,170 118,872 216,100 50,686 505,170 118,872
MISCLASSIFICATION RATE 0,100
0,095 0,200
0,187 0,100
0,095 0,200
0,187

TASSO DI ERRATA CLASSIFICAZIONE MIGLIORE: 9,5%
( VARIABILI “TUTTE” E “COOP” )
CONCLUSIONI: primo livello





PRIMO PV
Le variabili COOP sono quelle che generano la
segmentazione migliore;
le variabili socio-demografiche e quelle di soddisfazione non
sono utili ai fini della segmentazione per la variabile target
primo_pv;
i soci scelgono COOP come primo punto vendita e tendono
a frequentare l’insegna COOP;
coloro che frequentano altre insegne sono prevalentemente i
non soci anche se scelgono COOP come primo punto
vendita;
SCHEMA DEL PROGETTO
SECONDO LIVELLO DI ANALISI:
CANALE
VARIABILE TARGET: CANALE
 CREAZIONE NUOVO DATASET CONTENENTE SOLO
LA MODALITA’ “SI’” PER LA VARIABILE PRIMO_PV
 DISTRIBUZIONE QUASI SIMMETRICA DELLA
VARIABILE TARGET :





IPER 31,28%
NON IPER 47,82%
MISSING 20,90%
NUMERO DI OSSERVAZIONI: 1560
SECONDO LIVELLO DI ANALISI:
CANALE



VARIABILI CONSIDERATE: TUTTE
Numero di nodi
terminali: 5
Tasso di corretta
classificazione
sul validation
set: 72,24%
SECONDO LIVELLO DI ANALISI:
CANALE

VARIABILI CONSIDERATE: TUTTE
SECONDO LIVELLO DI ANALISI:
CANALE






VARIABILI CONSIDERATE: TUTTE
Segmento più numeroso risulta
essere quello della zona RomagnaMarche
Prevale il canale non Iper in Veneto
ed in Romagna-Marche (intero
campione 59%);
Segmentazione della zona di
Bologna anche in base alla
soddisfazione per l’assortimento
canale Iper in caso di soddisfazione
alta o media dell’assortimento
Canale non Iper in caso di
soddisfazione bassa
dell’assortimento
Non iper
Frequenza
(freq.
relativa
rel.)
15.26% 84,0%
Numero
segmento
Descrizione
Segmento 5
Veneto
Segmento 4
Romagna - Marche
31,5%
73,0%
Segmento 3
Bologna - soddisf.
assortimento bassa
17,6%
70,0%
Segmento 2
Bologna - soddisf.
assortimento media
17,8%
43,0%
Segmento 1
Bologna - soddisf.
assortimento alta
17,8%
19,0%
SECONDO LIVELLO DI ANALISI:
CANALE

CANALE - VARIABILI CONSIDERATE “TUTTE”
Confusion Matrix
Valori osservati
IPER
NON IPER
Totale
Valori previsti
IPER
NON IPER
44
41
27
133
71
174
Totale
 Il 48% dei frequentatori “Iper ” è malclassificato
 Il 17% dei frequentatori “Non Iper” è malclassificato
85
160
245
SECONDO LIVELLO DI ANALISI:
CANALE



VARIABILI CONSIDERATE: SODDISFAZIONE
Numero di nodi
terminali: 7
Tasso di corretta
classificazione
sul validation
set: 68,98%
SECONDO LIVELLO DI ANALISI:
CANALE

VARIABILI CONSIDERATE: SODDISFAZIONE
SECONDO LIVELLO DI ANALISI:
CANALE



VARIABILI CONSIDERATE: SODDISFAZIONE
Nel canale non Iper si
registra una prevalenza
di soddisfazione bassa
per l’assortimento ma
alta per il personale
Al contrario nel canale
Iper la soddisfazione per
il personale è più bassa
e quella per il pesce è
più alta
Numero
segmento
Descrizione
Soddisf. pesce Missing
S. pesce medioSegmento 3
bassa/S. ass.
media/S. pers. alta
Soddisf. pesce medioSegmento 6
bassa/Soddisf.
assort. bassa
% Non Iper (training set)
Segmento 7
Frequenza
relativa
Non iper
(freq.
rel.)
35,8%
81,0%
3,7%
68,0%
15,3%
65,0%
59,0%
Segmento 4
S. pesce mediobassa/S. ass.
media/S. pers. media
10,1%
50,0%
Segmento 1
Soddisf. pesce alta
19,4%
40,0%
Segmento 5
S. pesce mediobassa/S. ass.
media/S. pers. bassa
5,3%
37,0%
Segmento 2
Soddisf. pesce mediobassa/Soddisf.
assort. alta
10,4%
29,0%
SECONDO LIVELLO DI ANALISI:
CANALE

CANALE - VARIABILI CONSIDERATE “SODDISFAZIONE”
Confusion Matrix
Valori osservati
IPER
NON IPER
Totale
Valori previsti
IPER
NON IPER
46
39
37
123
83
162
Totale
 Il 46% dei frequentatori “Iper ” è malclassificato
 Il 23% dei frequentatori “Non Iper” è malclassificato
85
160
245
SECONDO LIVELLO DI ANALISI:
CANALE



VARIABILI CONSIDERATE: “COOP”
Numero di nodi
terminali: 5
Tasso di corretta
classificazione
sul validation
set: 68,98%
SECONDO LIVELLO DI ANALISI:
CANALE

VARIABILI CONSIDERATE: “COOP”
SECONDO LIVELLO DI ANALISI:
CANALE



VARIABILI CONSIDERATE: “COOP”
Il nodo più numeroso
risulta quello dei
frequentatori dell’insegna
Coop dell’area di Bologna
(dove prevale Iper)
Tra coloro che
frequentano altre insegne
nell’area di Bologna
prevale il canale non Iper
così come in RomagnaMarche e Veneto
Numero
segmento
Descrizione
Frequenza
relativa
Non iper
(freq. rel.)
3,1%
94,0%
Segmento 5
Bologna - insegna
missing
Veneto
15,3%
84,0%
Segmento 4
Romagna - Marche
31,5%
73,0%
Segmento 3
% Non Iper (training set)
Bologna - altre
Segmento 1
6,1%
insegne
Bologna - insegna
Segmento 2
44,0%
Coop
59,0%
58,0%
38,0%
SECONDO LIVELLO DI ANALISI:
CANALE

CANALE - VARIABILI CONSIDERATE “COOP”
Confusion Matrix
Valori osservati
IPER
NON IPER
Totale
Valori previsti
IPER
NON IPER
55
30
46
114
101
144
Totale
 Il 35% dei frequentatori “Iper ” è malclassificato
 Il 29% dei frequentatori “Non Iper” è malclassificato
85
160
245
SECONDO LIVELLO DI ANALISI:
CANALE



VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
Numero di nodi
terminali: 6
Tasso di corretta
classificazione
sul validation
set: 68,98%
SECONDO LIVELLO DI ANALISI:
CANALE

VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
SECONDO LIVELLO DI ANALISI:
CANALE




VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
Il nodo più numeroso risulta
quello della zona RomagnaMarche
In Veneto, Romagna – Marche e a
Bologna (tra coloro che sono in
possesso di un basso titolo di
studio e con un solo componente
in famiglia, quindi,
presumibilmente, gli anziani)
prevale il canale Non Iper
Nell’area di Bologna, in famiglie
con 3 componenti e basso titolo
di studio così come tra coloro che
hanno un titolo più alto, prevale il
canale Iper
Numero
segmento
Segmento 6
Segmento 5
Segmento 4
Descrizione
Frequenza
relativa
Non iper
(freq.
rel.)
Veneto
15,3%
84,0%
31,5%
73,0%
2,8%
64,0%
Romagna Marche
Bologna ele/inf - 1
compo.
% Non Iper (training set)
Segmento 3
Segmento 1
Segmento 2
Bologna ele/inf - 2,
>3 compo.
Bologna sup/univ
Bologna ele/inf - 3
compo.
59,0%
18,6%
53,0%
23,3%
37,0%
8,5%
35,0%
SECONDO LIVELLO DI ANALISI:
CANALE

CANALE - VARIABILI CONSIDERATE “SOCIO-DEMO”
Confusion Matrix
Valori osservati
IPER
NON IPER
Totale
Valori previsti
IPER
NON IPER
40
45
31
129
71
174
Totale
 Il 53% dei frequentatori “Iper ” è malclassificato
 Il 19% dei frequentatori “Non Iper” è malclassificato
85
160
245
SECONDO LIVELLO DI ANALISI:
CANALE



CONFRONTO TRA MODELLI
RISULTATI SIMILI PER I
MODELLI
TUTTI MODELLI
RISULTANO MIGLIORI
RISPETTO
ALL’ESTRAZIONE
CASUALE
SECONDO LIVELLO DI ANALISI:
CANALE

CONFRONTO TRA MODELLI
TUTTE
SODDISFAZIONE
COOP
DEMOGRAFICHE
VARIABILE "CANALE"
FIT STATISTICS
TRAINING VALIDATION TRAINING VALIDATION TRAINING VALIDATION TRAINING VALIDATION
AVERAGE SQUARED ERROR 0,4359
0,4390 0,4502
0,4540 0,4499
0,4434 0,4566
0,4484
SUM OF SQUARED ERROR
375,91
94,43 400,87
101,02 400,42
96,35 412,46
98,51
MISCLASSIFICATION RATE
0,272
0,278 0,309
0,310 0,303
0,310 0,323
0,310

IL MODELLO MIGLIORE E’ QUELLLO CHE CONSIDERA TUTTE LE
VARIABILI (TASSO DI ERRATA CLASSIFICAZIONE 27,8%) ANCHE
SE LE DIFFERNZE NON SONO COSI’ EVIDENTI
CONCLUSIONI: CANALE




La segmentazione migliore è quella che utilizza tutte le
variabili;
il campione iniziale è segmentato in base alla variabile
zona e soddisfazione per l’assortimento;
in Veneto ed in Romagna-Marche prevale il canale non
Iper ;
nella zona di Bologna predomina il canale non Iper in
caso di soddisfazione bassa dell’assortimento e il canale
Iper in caso di soddisfazione alta o media
dell’assortimento
SECONDO LIVELLO DI ANALISI:
SOCIO
VARIABILE TARGET: SOCIO
 SELEZIONE DELLE OSSERVAZIONI CON MODALITA’
“SI’” PER LA VARIABILE PRIMO_PV
 DISTRIBUZIONE SIMMETRICA DELLA VARIABILE
TARGET:




SI’ 50,90%
NO 49,10%
NUMERO DI OSSERVAZIONI: 1560
SECONDO LIVELLO DI ANALISI:
SOCIO



VARIABILI CONSIDERATE: TUTTE
Numero di nodi
terminali: 2
Tasso di
corretta
classificazione
sul validation
set: 88,78%
SECONDO LIVELLO DI ANALISI:
SOCIO

VARIABILI CONSIDERATE: TUTTE
SECONDO LIVELLO DI ANALISI:
SOCIO




VARIABILI CONSIDERATE: TUTTE
Il nodo più numeroso
risulta quello dei
frequentatori l’insegna
Coop
Tra questi la percentuale di
soci è notevolmente
superiore rispetto a quella
del training set
chi frequenta altre insegne
non è socio
Numero
segmento
Segmento 1
Descrizione
Frequenza
relativa
Socio: SI
(freq. rel.)
insegna Coop
62,7%
80,0%
% Soci (training set)
Segmento 2
Altre insegne
50,0%
37,3%
0,0%
SECONDO LIVELLO DI ANALISI:
SOCIO

SOCIO - VARIABILI CONSIDERATE “TUTTE”
Confusion Matrix
Valori osservati
NO
SI
Totale
Valori previsti
NO
SI
107
35
0
170
107
205
 Il 25% dei “Non Soci” è malclassificato
 Nessun “Socio” è malclassificato
Totale
142
160
312
SECONDO LIVELLO DI ANALISI:
SOCIO



VARIABILI CONSIDERATE: SODDISFAZIONE
Numero di nodi
terminali: 3
Tasso di corretta
classificazione
sul validation
set: 78,21%
SECONDO LIVELLO DI ANALISI:
SOCIO

VARIABILI CONSIDERATE: SODDISFAZIONE
SECONDO LIVELLO DI ANALISI:
SOCIO



VARIABILI CONSIDERATE: SODDISFAZIONE
Il nodo più numeroso
Numero
Descrizione
risulta quello dei clienti
segmento
con soddisfazione generale
Soddisf. generale
Segmento 1
medio-alta (56,7%)
alta-media
Soddisf. generale
Segmento
2
Tra questi la percentuale di
bassa
soci è notevolmente
% Soci (training set)
superiore rispetto a quella
del training set cioè i
Segmento 3 Valori mancanti
clienti maggiormente
soddisfatti sono i soci
Frequenza Socio: SI
relativa (freq. rel.)
56,7%
70,4%
19,4%
50,0%
50,0%
24,0%
1,7%
SECONDO LIVELLO DI ANALISI:
SOCIO

SOCIO - VARIABILI CONSIDERATE “SODDISFAZIONE”
Confusion Matrix
Valori osservati
NO
SI
Totale
Valori previsti
NO
SI
76
66
2
168
78
234
 Il 21% dei “Non Soci” è malclassificato
 L’1% dei “Soci” è malclassificato
Totale
142
170
312
SECONDO LIVELLO DI ANALISI:
SOCIO



VARIABILI CONSIDERATE: “COOP”
Numero di nodi
terminali: 2
Tasso di corretta
classificazione
sul validation
set: 88,78%
SECONDO LIVELLO DI ANALISI:
SOCIO

VARIABILI CONSIDERATE: “COOP”
SECONDO LIVELLO DI ANALISI:
SOCIO




VARIABILI CONSIDERATE: “COOP”
Il nodo più numeroso
risulta quello dei
frequentatori l’insegna
Coop
Tra questi la percentuale di
soci è notevolmente
superiore rispetto a quella
del training set
chi frequenta altre insegne
non è socio
Numero
segmento
Segmento 1
Descrizione
Frequenza
relativa
Socio: SI
(freq. rel.)
insegna Coop
62,7%
80,0%
% Soci (training set)
Segmento 2
Altre insegne
50,0%
37,3%
0,0%
SECONDO LIVELLO DI ANALISI:
SOCIO

SOCIO - VARIABILI CONSIDERATE “COOP”
Confusion Matrix
Valori osservati
NO
SI
Totale
Valori previsti
NO
SI
107
35
0
170
107
205
 Il 25% dei “Non Soci” è malclassificato
 Nessun “Socio” è malclassificato
Totale
142
170
312
SECONDO LIVELLO DI ANALISI:
SOCIO


VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
Il tasso di corretta
classificazione sul
validation set è
massimo in
corrispondenza di
un nodo terminale
SECONDO LIVELLO DI ANALISI:
SOCIO

VARIABILI CONSIDERATE: SOCIO-DEMOGRAFICHE
NESSUNA SEGMENTAZIONE
SECONDO LIVELLO DI ANALISI:
SOCIO



CONFRONTO TRA MODELLI
I MODELLI MIGLIORI
SONO ALL_SOCIO E
COOP_SOCIO
TUTTI MODELLI
RISULTANO NETTAMENTE
MIGLIORI RISPETTO
ALL’ESTRAZIONE
CASUALE
SECONDO LIVELLO DI ANALISI:
SOCIO

CONFRONTO TRA MODELLI
TUTTE
SODDISFAZIONE
COOP
DEMOGRAFICHE
VARIABILE"SOCIO"
FIT STATISTICS
TRAINING VALIDATION TRAINING VALIDATION TRAINING VALIDATION TRAINING VALIDATION
AVERAGE SQUARED ERROR 0,3186
0,3061 0,4128
0,3946 0,3186
0,3061 0,2500
0,2500
SUM OF SQUARED ERROR
253,43
58,48 425,27
97,16 253,43
56,48 624,00
156,00
MISCLASSIFICATION RATE
0,127
0,112 0,268
0,218 0,127
0,112 0,500
0,455

I MODELLI MIGLIORI SONO QUELLI CHE CONSIDERANO TUTTE
LE VARIABILI E LE VARIABILI “COOP” CON UN TASSO DI ERRATA
CLASSIFICAZIONE DEL 11,2% . TALE TASSO E’
SOSTANZIALMENTE INFERIORE AL 45,5% DEL MODELLO CHE
CONSIDERA LE VARIABILI SOCIO-DEMOGRAFICHE
CONCLUSIONI: SOCIO




Si ripetono gli stessi risultati ottenuti nel primo livello di
analisi (ovvero le variabili COOP permettono la migliore
segmentazione); anche in questo caso le variabili sociodemografiche non sono utili ai fini della segmentazione;
chi frequenta l’insegna COOP, nella stragrande
maggioranza dei casi, è socio;
chi frequenta altre insegne non lo è;
I soci esprimono una soddisfazione generale medio-alta
FINE