IL CINEMA
Monosala vs Multisala
Gruppo SPSoS
Agenda
Inquadramento del fenomeno e obiettivi
Metodi:
Campo d’indagine
Costruzione questionario
Statistiche descrittive
Interpretazione dei dati attraverso elaborazioni in SPSS
Approccio classico: Factor analysis e Cluster analysis
Approccio flessibile: Conjoint analysis e Cluster analysis
Segmentazione per obiettivi: analisi discriminante
Implicazioni manageriali
Limiti
Inquadramento del fenomeno e obiettivi
La scelta di questo argomento nasce in seguito alla forte ascesa del cinema multisala negli
ultimi anni, che ha portato ad un repentino declino dei monosala, che stanno pian piano
scomparendo. Il fine del nostro lavoro, è quello di individuare in un primo momento i driver
che influenzano il processo di scelta degli spettatori, per giustificare questo trend e poi
cercare di suggerire soluzioni manageriali, che permettano ai gestori dei monosala di
mettere in atto un’insieme di azioni che cerchino di invertire, o comunque arginare, tale
tendenza.
Una fotografia del settore oggi:
3600 schermi cinematografici
DISTRIDUZIONE SALE CINEMATOGRAFICHE IN
ITALIA
2300 strutture
Tipologia CINEMA
2004
2006
Variaz.
MONOSALA
70%
41%
- 29%
MULTISALA
16%
34%
+ 18%
MULTIPLEX*
14%
25%
+ 11%
1,2 milioni di posti a sedere
Fonte: Annuario statistico del cinema europeo 2004
*Noi abbiamo chiamato sempre il MULTIPLEX (più di cinque sale) “MULTISALA FUORI CITTA’” per rendere la distinzione più
chiara per i respondent che non la conoscevano.
Campo d’indagine
Universo di riferimento: residenti in Milano e provincia dai 15 agli 80 anni (3.201.280 al 1
gennaio 2006)
Periodo di rilevazione: 1 - 26 maggio
Dimensione del campione: 285 respondent
Metodo di campionamento : abbiamo utilizzato un campionamento non probabilistico,
che può essere ricondotto a quello “per quote”. Infatti, pur non avendo fissato a priori un
numero preciso di osservazioni da effettuare, abbiamo suddiviso la popolazione di
riferimento in base a “Sesso”, “Residenza”, “Età” e volevamo che il numero delle
osservazioni rispettasse una suddivisione in quote, approssimabili al 50% per le variabili
dicotomiche, e che ci fosse una distribuzione dei respondent in ogni classe di “Età” con una
concentrazione maggiore per le fasce centrali. Abbiamo iniziato a intervistare nostri
conoscenti, per poi andare a verificare se le distribuzioni di frequenza delle variabili sopra
esposte rispettavano i requisiti che ci eravamo preposti; abbiamo però rilevato un'eccessiva
concentrazione delle fasce di età fino ai 25 anni, mentre per le altre due variabili i requisiti
prefissati erano rispettati. Siamo quindi passati a intervistare direttamente fuori dai
cinema, cercando di raggiungere le quote prefissate per quanto riguardava la variabile di
segmentazione “Età”, e continuando a controllare il rispetto delle quote per le altre
variabili di segmentazione.
Costruzione del questionario e
somministrazione…
Individuazione delle variabili critiche: abbiamo provato a immaginare quali potessero essere
le variabili che influenzano maggiormente il processo di scelta di un cinema piuttosto che di
un altro. Ne abbiamo individuate 22:
Numero sale
Orari
Programmazione/rotazione film
Prezzi
Promozioni
Prevendita
Prenotazione/acquisto on line
Possibilità scelta posto
Numero di casse/tempo d'attesa
Comodità poltrone
Impianto audio
Grandezza schermo
Grandezza sala
Pulizia
Assortimento bar (pop-corn, caramelle, patatine)
Ristorante
Negozi
Raggiungibilità con mezzi di trasporto
Prossimità
Parcheggio
Cinecard
Aspetti emotivi/affettivi (familiarità, atmosfera)
…Costruzione del questionario e
somministrazione
Costruzione del questionario sulle seguenti dimensioni:
A.
Informazioni socio-demografiche
B.
Informazioni abitudinali
C.
Valutazione rating dell’importanza delle 22 variabili sopra descritte
D.
Valutazione della soddisfazione nei confronti degli aspetti considerati più
importanti tra i 22, distinta per monosala e multisala
E.
Conjoint analysis
F.
Valutazione rating dell’importanza di alcuni prodotti tecnologici
Somministrazione: abbiamo inizialmente intervistato nostri conoscenti, per poi passare a
intervistare direttamente fuori dal cinema, dopo aver controllato i requisiti che
avrebbero dovuto avere i respondent per rispettare le quote di campionamento
prefissate.
Statistiche descrittive
Descrizione delle caratteristiche dell’insieme di dati raccolti, attraverso tecniche di
statistica descrittiva univariata:
•Distribuzioni di frequenza per fasce d’età (grafico 1), per professione (grafico 2), per sesso
(grafico 3) e per residenza (grafico 4).
Distribuzione di frequenza per professione
Distribuzione di frequenza delle fasce d'età'
Studente
Impiegato
50%
Libero professionista
40%
27,72%
30%
23,51%
Casalinga
Altro
13,68%
20%
10%
Pensionato
28,42%
6,67%
Imprenditore
Operaio
0%
Disoccupato
<18
18-24
25-34
35-60
>60
Grafico 1
Grafico 2
0%
5%
10% 15% 20% 25% 30% 35%
Statistiche descrittive
Distribuzione di frequenze per Sesso
Maschio
52%
Distribuzione di frequenze per Residenza
Fuori
Milano
42%
Femmina
48%
Milano
58%
Grafico 3
Grafico 4
•Media e deviazione standard dell’importanza delle nostre 22 variabili originarie (Tabella 1)
•Media della soddisfazione rilevata per il Monosala e il Multisala, divisa per caratteristiche e
poi a livello aggregato (Grafico 5)
• Media e varianza dei giudizi dati ad ogni genere di film e dell’importanza delle variabili di
scelta del film (tabelle slides 93-94)
Descriptive Statistics
N
N°_Sale
Orari
Programmazione
Rotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Valid N (listwise)
285
285
Minimum Maximum
1
9
1
9
Mean
Std. Deviation
3,61
1,934
5,85
1,946
285
1
9
5,51
2,126
285
285
285
285
285
285
285
285
285
285
285
285
285
285
285
285
285
285
285
285
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
5,56
5,07
3,89
4,10
5,44
5,03
6,28
6,41
6,56
5,86
6,39
3,82
3,27
3,02
5,15
6,36
6,31
4,29
4,31
2,086
2,219
1,981
2,292
2,332
2,237
2,043
2,009
1,780
1,932
2,143
2,190
2,033
2,047
2,497
1,991
2,365
2,759
2,332
Tabella 1
Analizzando la tabella della media
dell’importanza data alle 22 variabili dai
respondent, si può notare che quelle
considerate più importanti sono legate alle
caratteristiche della sala (Audio, Schermo,
Pulizia, Prossimità). Per contro, quelle che
risultano aver importanza minore per il
campione analizzato sono legate ai servizi
aggiuntivi (Ristorante e negozi). E’ considerato
poco importante anche il numero di sale.
Questo ci fa, inizialmente, dedurre che possa
esserci una reale possibilità di manovra per i
monosala che, pur non potendo offrire i servizi
aggiuntivi, possono agire sulle caratteristiche
tecnologiche e qualitative dell’offerta proposta.
La soddisfazione, per quanto
riguarda i multisala, risulta
essere, in media, leggermente
superiore a quella espressa nei
riguardi del monosala.
Soddisfazione Monosala Vs Multisala
Media
Aspetti sensoriali
Atmosfera
Servizi
Parking
Prossimità
Multisala
Pulizia
Monosala
Sala
Schermo
Audio
Poltrone
N°casse
Prevendita
0
2
4
6
8
Grafico 5
Le caratteristiche per le quali
la soddisfazione espressa per
il multisala è
significativamente superiore a
quella per il monosala sono
quelle relative alla sala e alla
qualità audiovisiva, oltre che
quelle che rendono più
semplice “andare al cinema”
(il parcheggio, il numero delle
casse e la possibilità di
prenotare con anticipo i
biglietti).
Approccio classico: Factor analysis
Il primo step, per l’impostazione della nostra factor, consiste nell’individuare le k
componenti principali.
Total Variance Explained
Il processo di scelta si basa su:
1) Numero di variabili di partenza
rapportato al n. componenti 
circa 7/8 su 22
2) Percentuale di varianza spiegata
dalle prime k  sono accettabili
dalla 4 in poi
Component
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Total
6,656
2,571
1,922
1,601
1,359
1,179
,828
,787
,721
,666
,533
,480
,444
,388
,325
,315
,275
,252
,226
,213
,144
,115
Initial Eigenvalues
% of Variance Cumulative %
30,254
30,254
11,686
41,941
8,734
50,675
7,278
57,953
6,179
64,132
5,360
69,492
3,762
73,254
3,577
76,831
3,278
80,110
3,028
83,138
2,422
85,560
2,182
87,742
2,018
89,760
1,765
91,525
1,478
93,003
1,431
94,434
1,249
95,683
1,144
96,828
1,025
97,853
,970
98,823
,656
99,479
,521
100,000
Extraction Method: Principal Component Analysis.
Extraction Sums of Squared Loadings
Total
% of Variance Cumulative %
6,656
30,254
30,254
2,571
11,686
41,941
1,922
8,734
50,675
1,601
7,278
57,953
1,359
6,179
64,132
1,179
5,360
69,492
Factor analysis
3) Comunalità  Nell’analizzare le tabelle delle comunalità, ci siamo focalizzati sui valori
delle variabili più importanti per le implicazioni manageriali; in particolare abbiamo scelto:
•Orari
•Prossimità
•Audio
•Programmazione/rotazione •Raggiungibilità
•Pulizia
•Comodità
•Promozioni
•Schermo
4) Analisi dello scree plot  da 7
componenti in avanti il contributo
aggiuntivo è minimo
•Scelta posto
•Parcheggio
Factor analysis con 4 fattori
Communalities
N°_Sale
Orari
Program m azione
Rotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_cass eAttes a
Com odità
Audio
Scherm o
Grandezza_s ala
Pulizia
Bar
Ris torante
Negozi
Raggiungibilità
Pross im ità
Parcheggio
Cinecard
Em otiviaffettivi
Initial
1,000
1,000
Extraction
,463
,616
1,000
,611
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,763
,719
,540
,409
,548
,578
,686
,804
,767
,553
,564
,659
,808
,738
,405
,256
,343
,631
,290
Extraction Method: Principal Com ponent Analysis .
• N° componenti / n° variabili:
OK
• Varianza spiegata 58% : OK
• Comunalità: 80% ristorante vs 26 % prossimità
 troppo distanti
Factor analysis con 5 fattori
Communalities
N°_Sale
Orari
Program m azione
Rotazione
Prezzi
Promozi oni1
Prevendita
Onl ine
Scelta_posto
N°_cass eAttes a
Com odi tà
Audio
Scherm o
Grandezza_s ala
Puli zia
Bar
Ris torante
Negozi
Raggi ungi bi lità
Pross im ità
Parcheggi o
Cinecard
Em oti viaffetti vi
Initi al
1,000
1,000
Extraction
,478
,619
1,000
,618
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,765
,733
,779
,775
,698
,595
,690
,820
,806
,603
,576
,694
,838
,768
,436
,464
,392
,635
,328
Extraction Method: Pri ncipal Com ponent Analysi s.
• N° componenti / n° variabili:
OK
• Varianza spiegata 64% : OK
• Comunalità : 82% audio vs 39 % parcheggio
 troppo distanti
Factor analysis con 6 fattori
Communalities
N°_Sale
Orari
Program m azione
Rotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_cass eAttes a
Com odità
Audio
Scherm o
Grandezza_s ala
Pulizia
Bar
Ris torante
Negozi
Raggiungibilità
Pross im ità
Parcheggio
Cinecard
Em otiviaffettivi
Initial
1,000
1,000
Extraction
,582
,718
1,000
,690
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,809
,779
,780
,809
,707
,619
,701
,835
,822
,666
,596
,744
,863
,776
,528
,670
,399
,637
,558
Extraction Method: Principal Com ponent Analysis.
• N° componenti / n° variabili:
OK
• Varianza spiegata 69,5% : OK
• Comunalità : 84% audio vs 40 % parcheggio
 troppo distanti
Factor analysis con 7 fattori
Communalities
N°_Sale
Orari
Program m azione
Rotazione
Prezzi
Promozi oni1
Prevendita
Onl ine
Scelta_posto
N°_cass eAttes a
Com odi tà
Audio
Scherm o
Grandezza_s ala
Puli zia
Bar
Ris torante
Negozi
Raggi ungi bi lità
Pross im ità
Parcheggi o
Cinecard
Em oti viaffetti vi
Initi al
1,000
1,000
Extraction
,599
,724
1,000
,714
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,809
,799
,780
,809
,712
,619
,704
,835
,822
,685
,618
,760
,866
,776
,678
,723
,731
,645
,706
Extraction Method: Pri ncipal Com ponent Analysi s.
• N° componenti / n° variabili:
• Varianza spiegata 73% :
OK
OK
• Comunalità : 84% audio vs 62 % pulizia
OK
Procediamo con le matrici delle saturazioni
Factor analysis: matrice delle saturazioni
Abbiamo provato ad analizzare le componenti applicando tutte le rotazioni.
Rotated Component Matrix(a) EQUAMAX
Rotated Component Matrix(a) QUARTIMAX
Component
3
4
5
Component
3
4
5
1
N°_Sale
Orari
Programmazion
eRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
2
6
7
1
2
6
7
Rotated Component Matrix(a) VARIMAX
1
2
Component
3
4
5
6
7
0,15 0,51 0,31 0,07 0,40 -0,09 0,20
0,07 0,04 -0,01 0,83 0,08 -0,07 -0,12
0,25 0,54 0,29 0,37 0,02 -0,13 0,13
0,18 0,05 -0,03 0,07 0,81 -0,08 -0,13
0,21 0,53 0,31 0,38 0,04 -0,11 0,15
0,14 0,04 -0,02 0,07 0,82 -0,07 -0,13
0,11 0,15 0,15 0,78 0,20 0,00 0,05
0,26 0,18 0,13 0,18 0,75 -0,02 0,02
0,20 0,17 0,14 0,19 0,77 -0,01 0,03
0,07
-0,02
0,06
0,04
0,43
0,12
0,04
0,21
0,19
0,54
0,10
0,01
0,15
0,12
0,50
0,01
0,05
0,28
0,08
0,07
-0,05
0,18
0,78
0,86
0,71
0,21
0,00
0,04
0,09
0,08
0,86
0,85
0,24
0,13
-0,05
0,10
0,20
0,12
0,12
0,09
0,12
0,07
0,12
0,11
0,05
0,05
0,10
0,32
0,12
0,07
-0,02
0,22
0,77
0,86
0,63
0,85
0,84
0,20
0,09
-0,09
0,20
0,00
0,01
0,07
0,00
0,10
0,18
0,08
0,08
0,04
0,09
0,03
0,03
0,04
-0,03
0,04
0,08
0,30
0,11
0,07
-0,02
0,21
0,78
0,87
0,67
0,86
0,84
0,21
0,10
-0,08
0,21
0,00
0,02
0,08
0,03
0,10
0,19
0,09
0,09
0,05
0,10
0,04
0,05
0,06
-0,01
0,49 0,15 0,45 0,35 0,02 0,14 0,11
0,61 0,16 0,38 -0,01 0,26 0,09 0,03
0,56 0,16 0,42 0,00 0,30 0,11 0,05
Comodità
Audio
Schermo
Grandezza_sala
0,75 0,14 0,26 0,16 0,02 0,02 0,19
0,85 0,06 0,20 0,16 0,11 0,07 0,17
0,85 0,07 0,11 0,20 0,12 0,08 0,16
0,81 0,12 0,15 -0,01 0,05 -0,02 0,11
0,90 0,04 0,09 0,08 0,03 0,03 0,09
0,89 0,04 0,00 0,09 0,07 0,04 0,09
0,79 0,13 0,20 0,00 0,09 0,00 0,13
0,89 0,06 0,14 0,09 0,08 0,05 0,11
0,88 0,06 0,05 0,10 0,12 0,05 0,11
0,68 0,36 0,14 0,00 0,18 0,17 0,08
0,72 0,34 0,04 0,15 -0,11 0,12 -0,01
0,71 0,36 0,09 0,16 -0,07 0,13 0,01
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
0,58
0,17
0,10
0,05
0,08
0,07
0,20
-0,09
0,64
0,23
0,19
0,13
0,14
0,12
0,23
-0,02
0,62
0,20
0,15
0,10
0,11
0,10
0,22
-0,05
0,12
0,82
0,88
0,83
0,12
-0,01
-0,10
0,24
0,08
0,06
0,17
0,17
0,22
-0,08
-0,02
0,28
0,47
0,17
0,11
0,09
-0,07
0,05
-0,14
-0,28
-0,10
0,13
0,03
0,01
0,19
0,08
0,17
0,22
0,09
0,08
0,12
0,19
0,75
0,82
0,05
0,43
-0,15
-0,08
0,15
0,10
0,01
0,17
0,79
0,43
-0,10 0,30 0,15 0,38 -0,16 0,37 0,53
0,09
0,81
0,89
0,84
0,16
0,03
-0,06
0,30
-0,02
0,01
0,13
0,14
0,23
-0,05
0,01
0,33
-0,12
0,09
-0,01
-0,03
0,17
0,08
0,18
0,21
0,38
0,12
0,06
0,05
-0,10
0,03
-0,17
-0,28
0,05
0,03
0,07
0,14
0,73
0,83
0,08
0,43
-0,21
-0,16
0,06
0,02
-0,06
0,12
0,78
0,37
0,04 0,36 0,19 -0,17 0,37 0,37 0,48
0,10
0,82
0,89
0,84
0,14
0,02
-0,07
0,28
0,03
0,04
0,16
0,16
0,24
-0,06
0,01
0,32
-0,11
0,10
0,00
-0,02
0,18
0,08
0,18
0,21
0,41
0,14
0,07
0,06
-0,09
0,04
-0,16
-0,28
0,06
0,04
0,09
0,16
0,74
0,83
0,07
0,43
-0,20
-0,14
0,09
0,04
-0,04
0,14
0,78
0,39
-0,01 0,34 0,19 -0,17 0,38 0,37 0,49
Factor analysis
Poiché risultava difficile
interpretare le variabili “Cinecard”
e “Aspetti emotivi/affettivi”
insieme alla variabile “Parcheggio”,
abbiamo deciso di fare altri
tentativi.
Abbiamo allora provato a togliere la valutazione sulla
“Cinecard” e sugli “Aspetti emotivi/affettivi”. La
soluzione senza entrambe sembrava essere
accettabile, nonostante la bassissima comunalità della
variabile “Parcheggio”.
Rimanevano però forti dubbi sulla correttezza
metodologica di questa esclusione. Abbiamo, quindi,
preferito aumentare il numero dei fattori a 8
(nonostante lo scree plot suggerisse di considerare 7
come numero ideale di variabili in quanto il contributo
di varianza spiegata dalle successive era marginale).
N°_Sale
Orari
Programmazione
Rotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_cass eAttes a
Comodità
Audio
Schermo
Grandezza_s ala
Pulizia
Bar
Ris torante
Negozi
Raggiungibilità
Pross imità
Parcheggio
Communalities
Initial
1,000
1,000
Extraction
,586
,733
1,000
,698
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,816
,770
,786
,812
,709
,623
,704
,834
,830
,661
,614
,750
,867
,788
,680
,745
,427
Extraction Method: Principal Component Analysis.
Factor analysis con 8 fattori
Communalities
N°_Sale
Orari
Programmazione
Rotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_cass eAttes a
Comodità
Audio
Schermo
Grandezza_s ala
Pulizia
Bar
Ris torante
Negozi
Raggiungibilità
Pross imità
Parcheggio
Cinecard
Emotiviaffettivi
Initial
1,000
1,000
Extraction
,600
,751
1,000
,716
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
1,000
,810
,805
,780
,810
,726
,696
,704
,840
,849
,728
,641
,773
,876
,789
,716
,751
,910
,758
,875
Extraction Method: Principal Component Analysis.
• N° componenti / n° variabili:
• Varianza spiegata 76,8% :
OK
OK
• Comunalità : 91% parcheggio vs 60 % n sale
•
Interpretabilità:
OK
OK
Scegliamo definitivamente questa soluzione
Rotated Component Matrix(a)
Component
Experience
Servizi
Processo di acquisto
Programmazione
Pricing
Location
Legame
Parking
Comodità
0,703
0,150
0,276
0,175
-0,001
0,047
0,046
0,278
Audio
0,824
0,063
0,221
0,165
0,091
0,089
0,045
0,250
Schermo
0,856
0,048
0,122
0,182
0,117
0,065
0,103
0,196
Grandezza_sala
0,722
0,328
0,134
-0,028
0,191
0,128
0,158
0,053
Pulizia
0,611
0,094
0,095
0,459
-0,090
0,072
0,062
-0,147
N°_Sale
0,139
0,509
0,296
0,054
0,400
-0,099
0,154
0,191
Bar
0,153
0,828
0,063
0,175
0,117
0,093
0,063
-0,055
Ristorante
0,087
0,868
0,151
0,081
0,029
0,098
0,257
0,095
Negozi
0,035
0,819
0,151
0,067
0,007
0,170
0,241
0,050
Prevendita
0,053
0,264
0,760
0,015
0,256
0,094
0,228
0,064
Online
0,030
0,060
0,842
0,059
0,156
0,080
0,245
0,043
Scelta_posto
0,367
0,099
0,727
0,099
-0,072
0,123
0,019
0,149
N°_casseAttesa
0,381
0,204
0,483
0,392
-0,024
0,213
-0,016
0,276
Orari
0,032
0,067
0,006
0,859
0,060
-0,020
-0,039
-0,037
Programmazione/Rotazione
0,129
0,129
0,128
0,755
0,217
-0,028
0,220
-0,004
Prezzi
0,068
0,015
-0,059
0,211
0,852
0,107
0,026
0,137
-0,005
0,040
0,160
-0,019
0,858
0,180
0,069
0,052
Raggiungibilità
0,029
0,138
0,222
-0,072
0,168
0,776
0,090
0,049
Prossimità
0,036
-0,009
-0,092
0,033
0,064
0,822
0,192
0,153
Cinecard
0,006
0,128
0,205
-0,400
0,294
0,268
0,608
0,110
Emotivi/affettivi
0,038
0,138
0,050
0,217
-0,062
0,151
0,879
0,075
Parcheggio
0,028
-0,041
-0,009
-0,104
0,104
0,126
0,080
0,929
Promozioni1
Offerta Cinema
Per definire il nostro cinema ideale e quindi le eventuali modifiche che andrebbero fatte ci siamo
basati soprattutto sui risultati della conjoint, guardando in particolari i valori della Logit per gli
essenziali e i risparmiatori.
Ipotesi:
Prezzo
Num. Sale
1
2
3
4
5
6
7
8
9
€6
€6
€6
€6
€7
€5
€5
€5
€5
Monosala
Monosala
Monosala
Monosala
Monosala
Monosala
Monosala
Monosala
Monosala
Qualità
Audio/Video
Eccellente
Eccellente
Discreto
Discreto
Eccellente
Discreto
Discreto
Eccellente
Eccellente
Servizi
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Bar
Prenotazione
on-line
Si
No
No
Si
Si
No
Si
No
Si
Analizzando i risultati dell’analisi Logit, possiamo escludere il profilo 3 e 4 perché presentano
probabilità negative di acquisto dovute al prezzo medio e alla qualità audio-video (slide 55).
Anche il profilo 5 viene escluso per la negatività dei risultati (causati dal prezzo elevato) (slide56).
Il profilo 8 e il 9 vengono esclusi perché, nonostante siano considerati i migliori, non è economicamente
possibile per un monosala fissare un prezzo a 5 euro e offrire caratteristiche cosi elevate (slide59).
Offerta Cinema
Per definire il nostro cinema ideale e quindi le eventuali modifiche che andrebbero fatte ci siamo
basati soprattutto sui risultati della conjoint, guardando in particolari i valori della Logit per gli
Essenziali e i Risparmiatori (slides 53, 54, 57, 58).
BTL (%)
cluster
essenziali
risparmiatori
esigenti
offerta
Profilo 1
Profilo 2
Profilo 6
Profilo 7
monosala
3,6
4,3
6,1
2
multisala
36,3
43,3
61,4
20,4
Nuovo monosala
60
52,4
32,5
77,6
monosala
5,5
6,3
4,3
1,9
multisala
30,3
34,3
23,5
10,2
Nuovo monosala
64,2
59,4
72,2
88
monosala
3
3,6
4,7
2,6
multisala
55
66,7
87
48,2
Nuovo monosala
42
29,7
8,3
49,2
Offerta Cinema
Riteniamo, quindi, che il gestore di un cinema monosala alla luce dei risultati della Conjoint e della Cluster
analysis, abbia due diverse possibilità di azione:
1. Agire sulle caratteristiche del cinema: per poter fissare un prezzo “medio”, bisogna migliorare la
qualità audio-video. Questo porterebbe una percentuale di preferenze maggiore. Ad esempio, se si fissa
un prezzo di 6 euro, come nei profili 1 e 2, si ottengono le preferenze degli Essenziali e dei
Risparmiatori e di un discreto 40% degli Esigenti (slides 53,54).
2. Agire sul prezzo: nell’eventualità in cui non vi siano le possibilità economiche per migliorare la qualità
audio-video, si può fissare un prezzo basso pari a 5 euro. Così facendo, si potrebbero ottenere le
preferenze del 76% dei Risparmiatori, anche se la maggior parte degli altri cluster preferirebbero
comunque il multisala (slides 57, 58).
A prescindere dalla strategia perseguita, consigliamo in ogni caso l’introduzione della prenotazione
online perchè, a fronte dei bassi costi del servizio, garantisce un valore aggiunto percepito dal cliente
(come evidenziato dall’analisi Logit); infatti, confrontando a coppie i profili che presentano come
differenza solo la presenza della Prenotazione on line, abbiamo verificato che in media la probabilità
d’acquisto aumenta del 6,6%.
L’idea di non intervenire sulla qualità sembra sbagliata, soprattutto in una logica di sostenibilità della
competizione nel futuro. Per tale motivo ci sembra meglio intervenire sulle caratteristiche del cinema,
offrendo al cliente un prezzo più alto in modo da coprire l’investimento (profilo 1).
Dalla tabella delle importanze e dal grafico delle soddisfazioni si evince che ci sono altri aspetti che
bisogna migliorare (slides 9,10):
• Comodità poltrone: spesso vecchie e scomode, bisogna aumentare lo spazio tra le file e dotarsi di
poltrone più moderne, magari con portabibite e pop-corn.
• Parcheggio: essendo i monosala spesso collocati in zone residenziali può risultare problematico trovare
parcheggio. Questo aspetto crea insoddisfazione nei nostri intervistati e porta spesso a preferire i cinema
più facili da raggiungere. Se non si migliora questo aspetto ci si può precludere a priori la possibilità di
raggiungere molti potenziali clienti (la maggior parte del nostro campione si reca in macchina) e
soprattutto difficilmente si attrarrà il cluster degli attenti che come detto è composto prevalentemente
da persone che abitano fuori città. Visto che creare posti auto è difficile, se non impossibile, un’idea
potrebbe essere quella di prendere accordi con garage vicini offrendo a chi mostra il biglietto del cinema
uno sconto sul prezzo (slide 32).
• Pulizia: il fatto di non presentare un gap nei confronti del multisala per quanto riguarda questo aspetto
non deve portare a sottovalutarlo, anzi, esso ha una grande importanza ed è una delle variabili che
determinano il livello di experience. Se a ciò si aggiunge che i cluster a cui miriamo hanno una
soddisfazione inferiore alla media per quanto riguarda questo aspetto, allora si capisce come sarà
assolutamente importante fare in modo che all’entrata in sala il cliente non trovi i rifiuti degli spettatori
dello spettacolo prima (slide 20, 64, 65).
Rassegne d’essay: nonostante pochi dei nostri respondent abbiano partecipato al questo tipo di
iniziative, troviamo che il monosala coerentemente alla propria immagine più classica che commerciale,
dovrebbe riservare una sera, magari quella in cui si prevedono meno spettatori, a rassegne legate a
registi, attori, generi o temi specifici.
Offerta Film
Oltre a cercare di migliorare l’offerta del cinema, inteso come struttura, bisogna tenere in
considerazione l’aspetto più importante, la scelta che come è emerso dalle nostre interviste quasi sempre
precede quella del cinema dove recarsi: il film.
Potendo i monosala proiettare un unico film, la decisione di quale comprare è assolutamente critica.
Non avendo informazioni sulle strategie di scelta della programmazione attuale, sul livello di
soddisfazione della clientela sull’offerta film o sui prezzi che possono avere le pellicole, non possiamo dire
se la programmazione attuale dei monosala sia giusta o sbagliata, però con i dati raccolti e le elaborazioni
fatte con l’analisi discriminante possiamo dire quali sono i film più adatti al nostro campione e nello
specifico ai target che vogliamo raggiungere.
Genere film
Variabili di scelta
3
Thriller
3
Drammatico
Cartoni
Pubblicità
2
Appassionati
Attenti
Mondani
1
Attori
Commedia
Organizzati
1
Affezionati
Passaparola
-3
-2
-1
Attenti
Genere
0
-1
Azione
1
Horror
-2
Affezionati
-1
0
1
Appassionati
2
Viziati
-2
Viziati
-1
1
2
3
-1
0
-4
2
2
Emozioni
Impegnato Vs Commerciale
Premi
3
Regista
Organizzati
Mondani
-2
Generico Vs Specifico
-3
Fantasia
Fantasy
Offerta Film
Dato che gli Appassionati sono quelli che danno meno importanza al genere in quanto li amano più o meno
tutti, nella scelta di questa variabile verranno considerati meno (slide 73).
Si può subito notare che Viziati, Attenti e anche gli Affezionati, che vogliamo prendere in seconda battuta,
amano meno degli altri cluster i film a forte contenuto di fantasia, quindi i fantasy e gli horror, che
oltretutto hanno ricevuto in media votazioni insufficienti, non dovrebbero mai essere proiettati (slide 73).
Più difficile è la decisione su film d’azione e cartoni animati, essi in generale piacciono, soprattutto i
primi (giudizio medio=6,35) ma mantengono un contenuto di irrealtà ancora troppo elevato per il nostro
target quindi dovrebbero essere proiettati in modo limitato.
Le tipologie di film quindi da proiettare sono le commedie, i film drammatici e i thriller. Considerando che
questo ultimo genere è quello che ha ricevuto in assoluto le votazioni più alte (6,91) dovrebbe ricevere
maggior spazio.
Descriptive Statistics
N
COMMEDIA
DRAMMATICO
AZIONE
HORROR
FANTASY
CARTONI
THRILLER
Valid N (lis twis e)
285
285
285
285
285
285
285
285
Minimum
1
1
1
1
1
1
1
Maximum
9
9
9
9
9
9
9
Mean
6,24
5,89
6,35
4,17
4,90
5,20
6,90
Std. Deviation
1,889
2,041
1,994
2,821
2,412
2,520
2,111
Offerta Film
Una volta selezionato il genere giusto, i Viziati e gli Attenti (che sono quelli danno maggior peso a questa
variabile di scelta) dovrebbero sicuramente valutare in modo positivo l’offerta.
Diventa quindi importante concentrarsi sugli Appassionati. Essi come si vede dalla mappa di
posizionamento sono quelli che danno maggior peso alla variabile regista, che riceve anche una buona
valutazione generale (slide 77).
Guardando alla tabella media delle altre variabili sembrerebbe che non si possa far a meno di proporre
film con attori famosi, poiché è una variabile importante (media alta) per tutti (varianza bassa).
Un’ultima riflessione va fatta su passaparola e premi. La prima variabile non può essere considerata nella
scelta del film da proiettare perché non si può sapere a priori quanto una pellicola potrà far parlare di sé.
Per quanto riguarda invece la seconda variabile siamo rimasti abbastanza stupiti del fatto che la gente non
dia importanza a quanto è promosso un film. Crediamo che la gente probabilmente non si renda conto
dell’influenza della comunicazione, pertanto sebbene i nostri dati portino a non dare importanza a questo
aspetto riteniamo che comunque bisognerebbe a parità delle altre condizioni dettate preferire i film più
“popolari” (slide 77).
Descriptive Statistics
N
PUBBLICITA
GENERE
ATTORI
REGISTA
PREMI
PASSAPAROLA
Valid N (lis twis e)
285
285
285
285
285
285
285
Minimum
1
1
1
1
1
1
Maximum
9
9
9
9
9
9
Mean
4,71
6,91
6,46
6,15
4,69
6,19
Std. Deviation
2,141
1,510
1,727
2,128
2,184
1,967
La nostra offerta in sintesi
Cinema
Monosala
Servizio bar
Prezzo: 6 euro
Prenotazione online
Qualità audiovisiva eccellente
Film
1) Thriller
2) Commedie
3) Film drammatici
4) Film d’azione/cartoni
Fatti da registi affermati…
Poltrone accessoriate
…con attori famosi…
Attenzione alla pulizia
… e non necessariamente pubblicizzati
Convenzione con parcheggi in zona
Rassegne d’essay settimanali
Limiti
•
•
•
•
•
•
Campione numericamente limitato
Campione distorto: maggioranza di giovani e di persone con un buon livello di
istruzione.
Interviste eseguite solo in un cinema per ogni categoria: monosala, multisala in città
e multisala fuori città (multiplex). Preferenze e giudizi potrebbero cambiare tra
zone.
Mancanza di dati per un’analisi di regressione sulla soddisfazione
Necessità di una ricerca qualitativa per comprendere meglio il fenomeno di
spostamento monosala-multisala
Accorpamento di multisala in città, multisala fuori città e multiplex in unica
categoria
THE END