Università degli Studi Roma Tre
Dipartimento di Ingegneria
Corso di laurea Magistrale in
INGEGNERIA DELLE INFRASTRUTTURE VIARIE E TRASPORTI
RELAZIONE DI FINE TIROCINIO
ACQUISIZIONE DEI METODI PER L’ELABORAZIONE DI UN MODELLO
COMPORTAMENTALE PER LA DISTRIBUZIONE DI PRODOTTI
AGROALIMENTARI NELL’E-COMMERCE
Tutor universitario: Laureanda:
Prof. Stefano Carrese Ornella Gargiulo
Matricola:
451173
Anno Accademico 2016 / 2017
1
INDICE
PREMESSA................................................................................................................ 4
INTRODUZIONE ...................................................................................................... 5
METODOLOGIA ....................................................................................................... 6
Focus group ............................................................................................................. 6
I livelli degli attributi .............................................................................................. 9
Disegno sperimentale ............................................................................................ 10
Modelli a scelta discreta ........................................................................................ 14
LO SVILUPPO DEL QUESTIONARIO ................................................................. 17
Questionario A ...................................................................................................... 18
Questionario B ...................................................................................................... 20
DESCRIZIONE DEL CAMPIONE ......................................................................... 21
RISULTATI ECONOMETRICI - OUTPUT DEL MODELLO .............................. 31
Fase 1 .................................................................................................................... 33
Fase 2 .................................................................................................................... 34
Fase finale ............................................................................................................. 35
POLICY IMPLICATION ......................................................................................... 36
CONCLUSIONI ....................................................................................................... 44
BIBLIOGRAFIA ...................................................................................................... 45
SITOGRAFIA .......................................................................................................... 45
2
INDICE DELLE TABELLE
Tabella 1 - Descrizione degli attributi nelle tre modalità di scelta ............................. 7
Tabella 2 - Lista dei 13 attributi con le relative medie ............................................... 8
Tabella 3 - Numero di livelli e ranges degli attributi scelti ........................................ 9
Tabella 4 - Numero di livelli e nuovi ranges degli attributi scelti .............................. 9
Tabella 5 - Esempio di output del software Ngene .................................................. 12
Tabella 6 - Struttura di una choise task .................................................................... 12
Tabella 7 - Struttura del questionario A ................................................................... 19
Tabella 8 - Struttura del questionario B ................................................................... 20
Tabella 9 - Report fase 1 .......................................................................................... 33
Tabella 10 - Report fase 2 ........................................................................................ 34
Tabella 11 - Report fase finale ................................................................................. 35
Tabella 12 - Catene di supermercati e modalità di spesa online .............................. 36
Tabella 13 - Simulazione della spesa in relazione agli attributi di riferimento ........ 37
Tabella 14 - Valori degli attributi ottenuti dalla simulazione .................................. 38
Tabella 15 - Situazione attuale in funzione dei valori medi degli attributi .............. 38
Tabella 16 - Probabilità di scelta: caso migliore ...................................................... 39
Tabella 17 - Probabilità di scelta: caso peggiore ...................................................... 39
Tabella 18 - Probabilità di scelta: casi differenti a seconda degli attributi variati ... 40
Tabella 19 - Simulazioni delle probabilità di scelta per ciascuna catena di
supermercati analizzati ............................................................................................. 42
3
INDICE DELLE FIGURE
Figura 1 - Suddivisione in percentuale del sesso del campione ............................... 21
Figura 2 - Percentuale di studenti fuori sede ........................................................... 21
Figura 3 - Percentuale di acquisti online .................................................................. 22
Figura 4 - Percentuale di chi è a conoscenza della possibilità di effettuare la spesa
online ........................................................................................................................ 22
Figura 5 - Percentuale di chi ha mai pensato di fare la spesa online ........................ 23
Figura 6 - Motivi che impediscono di effettuare la spesa online ............................. 23
Figura 7 - Luoghi per fare la spesa abitualmente ..................................................... 24
Figura 8 - Mezzi utilizzati per fare la spesa ............................................................. 25
Figura 9 - Percentuale di chi fa un viaggio dedicato per fare la spesa ..................... 25
Figura 10 - Giorno in cui si fa la spesa ..................................................................... 26
Figura 11 - Fascia oraria degli acquisti .................................................................... 26
Figura 12 - Scelta dell'utente: prima ondata di interviste ......................................... 27
Figura 13 - Preferenza dell'utente tra Home Delivery e Click and Pick (fase I) ...... 28
Figura 14 - Scelta dell'utente: seconda ondata di interviste ..................................... 28
Figura 15 - Preferenza dell'utente tra Home Delivery e Click and Pick (fase II) .... 29
Figura 16 - Scelta dell'utente finale .......................................................................... 29
Figura 17 - Preferenza dell'utente finale tra Home Delivery e Click and Pick ........ 30
4
PREMESSA
In questa relazione si vuole descrivere l’attività di tirocinio svolta presso il Laboratorio di
Trasporti della facoltà di Ingegneria Civile dell’Università degli studi Roma Tre.
Il tirocinio, svolto tra il 3/01/2018 e il 6/02/2018, ha avuto durata complessiva di 100 ore,
pari a 4 CFU.
Lo scopo del seguente lavoro è stato quello di acquisire i metodi utili per l’elaborazione della
tesi e in particolare capire come incentivare l’e-grocery, ovvero l’insieme dei prodotti
alimentari, quelli per la pulizia della persona e della casa, che abitualmente compongono una
parte fondamentale dell’assortimento dei negozi, rispetto al negozio fisico tradizionale.
Quando si parla di e-grocery si parla di conseguenza di logistica dell’ultimo miglio che
rappresenta l’ultima fase del processo logistico.
La consegna della merce inizia nel momento in cui la merce lascia l’ultimo livello della
distribuzione ovvero un magazzino o un centro di smistamento per arrivare alla destinazione
finale concordata con l’acquirente. Quest’ultima può avvenire attraverso due differenti
modalità: l’home delivery e il click and pick. Questi due servizi presentano vantaggi e
svantaggi e devono continuamente fare i conti con lo status quo, ossia con l’abitudine di
andare ad acquistare i prodotti direttamente al supermercato.
Tutto ciò può essere reso possibile attraverso Internet che è una rivoluzione e rappresenta un
vantaggio in grado di arricchire il negozio tradizionale. Essere presenti sul web significa
possedere un “secondo” negozio. Ciò che è emerso è che il negozio fisico ricopre un ruolo
centrale ma è rivolto ad una clientela limitata e in tempi prestabiliti, mentre il web non ha
limiti di clientela e non ha restrizioni temporali.
Nel seguente lavoro è stato necessario capire come soddisfare i clienti attraverso l’incentivo
dei sistemi e-commerce assicurando una riduzione di CO2, in quanto il trasporto urbano è
responsabile di circa un quarto delle emissioni di CO2 del settore dei trasporti, e nelle città
la concentrazione di emissioni aumenta sensibilmente.
5
INTRODUZIONE
Nel seguente lavoro si affronta il tema dell’e-grocery e dei canali distributivi ad esso
associati. Il motivo principale che ha dato inizio a questa indagine è stata proprio la
considerazione dell’importanza di rilevare le quote di mercato future che l’e-grocery
potrebbe occupare nel nostro paese. Risulta fondamentale sapere quali modalità di consegna
preferiscono gli italiani, a quali condizioni e quali siano le variabili che più incidono nel
cambiare il loro comportamento di acquisto dal negozio tradizionale all’online.
Lo scopo del lavoro di tesi è quello di determinare i fattori che incidono e individuano la
scelta di un consumatore per l’acquisto della spesa online ovvero il comportamento del
cliente in funzione della distribuzione della merce e della modalità di ritiro della stessa.
Per cercare di capire dove effettivamente potesse spostarsi la preferenza dell’utente sono
stati individuati degli scenari di scelta all’interno dei quali il consumatore doveva preferire
tra le tre modalità di consegna: status quo, home delivery e click and pick. Lo status quo si
riferisce alla spesa effettuata nel negozio fisico tradizionale mentre le altre due modalità sono
relative alla spesa online, nel dettaglio l’home delivery è la consegna dei prodotti
direttamente a casa, mentre il click and pick è un servizio dove l’ordine effettuato online
viene preparato e imbustato in modo che il cliente possa ritirarlo direttamente al
supermercato oppure in punti di ritiro prestabiliti.
L’acquisizione metodologica, oggetto del lavoro sviluppato, è caratterizzata dall’esposizione
dei metodi e degli approcci utilizzati per l’evoluzione dello studio, partendo dal focus group
fino alla realizzazione del questionario sottoposto ai consumatori utile per ottenere dei
risultati relativi alla preferenza del cliente stesso. Per la realizzazione del questionario sono
stati quindi definiti l’experimental design da utilizzare per l’ottimizzazione del modello e i
modelli a scelta discreta come metodi di supporto alle decisioni.
6
METODOLOGIA
Focus group
Il primo passo svolto per la concretizzazione di questo studio è stato sviluppato attraverso
un focus group formato da circa 15 persone. Questa tecnica utilizzata altro non è che un
confronto attentamente pianificato tra un gruppo di persone, le quali sono libere di
confrontarsi con gli altri membri del medesimo gruppo, seguiti dalla supervisione di un
moderatore, per ottenere informazioni su una specifica area di interesse che nel dettaglio ha
permesso di individuare i principali attributi da utilizzare per la definizione del contesto di
scelta e del servizio stesso. Si valorizza così l’interazione tra i partecipanti che possono
modificare la loro opinione nel corso della discussione. Nel caso specifico il gruppo era
formato da 13 persone con la supervisione di 2 moderatori.
Gli attributi risultati da tale focus group, attraverso la tecnica del brainstorming, sono di
seguito elencati e definiti:
❖ Costo di acquisto: ovvero l’eventuale variazione del costo dei prodotti tra le 3 scelte:
status quo, click and pick e home delivery;
❖ Spesa Minima: ovvero quella soglia minima al fine di avere lo sconto relativo al costo
di trasporto;
❖ Costo di trasporto: ovvero il sovrapprezzo dovuto al trasporto nel solo caso
dell’home delivery;
❖ Lead Time: ovvero il tempo di preparazione dell’ordine definito come il tempo che
trascorre tra la prenotazione della merce online e la possibilità di ritirarlo;
❖ Time Windows: ovvero la finestra temporale di consegna intesa come l’intervallo
temporale in cui l’utente è disposto ad attendere a casa l’arrivo della merce;
❖ Facilità di acquisto: ovvero la facilità di utilizzo del sito web nell’acquistare i
prodotti;
❖ Metodo di pagamento per l’acquisto della merce: ovvero come pagare i bene
acquistati;
❖ Assistenza tecnica all’acquisto: ovvero la possibilità di contattare un assistente che
aiuti nella risoluzione dei problemi;
❖ Accessibilità punto di ritiro: ovvero la facilità di raggiungere il punto di ritiro;
7
❖ Gamma di prodotti disponibili: ovvero la percentuale di disponibilità dei prodotti tra
le 3 diverse scelte;
❖ Errore nella preparazione dell’ordine: ovvero il rischio che arrivi un prodotto diverso
rispetto a quello ordinato;
❖ Indisponibilità della merce: ovvero l’acquisto di merce online non realmente
disponibile;
❖ Limite sacchetti massimo: ovvero il limite del numero di sacchetti trasportati per la
consegna.
In relazione agli attributi descritti precedentemente, e facendo riferimento alla possibilità di
effettuare la spesa online, è importante definire e distinguere le due tipologie principali di
modalità di ritiro dell’ordine: home delivery e click and pick.
Questo perchè alcuni attributi vengono considerati in maniera differente nei due casi e
soprattutto non tutti gli attributi sono presenti nei 3 scenari di scelta posti all’utente.
Di seguito, nella Tabella 1, si nota la rappresentazione in forma tabellare degli attributi nelle
3 modalità di scelta.
Tabella 1 - Descrizione degli attributi nelle tre modalità di scelta
Quindi da una lista di 13 attributi ne sono stati scelti poi 5 attraverso un sondaggio composto
da 39 interviste, ovvero sono state effettuate 3 interviste da ciascuno dei 13 membri del focus
group, escludendo i 2 coordinatori.
Il sondaggio aveva come scopo quello di assegnare ai 13 attributi un punteggio variabile da
1 a 13, considerando 1 la voce più importante e 13 la voce meno importante. In questo modo
è stato possibile selezionare quelli con maggior peso tra gli intervistati.
È stata poi effettuata una media di tutti i punteggi ottenuti, riportata in Tabella 2, per ogni
singolo attributo e ciò ha fornito i 5 attributi più significativi da inserire all’interno del
disegno sperimentale.
8
Tabella 2 - Lista dei 13 attributi con le relative medie
Nonostante i due attributi “Spesa minima” e “Metodo di pagamento” avessero ottenuto dei
punteggi considerevoli durante il sondaggio, si è scelto di non considerarli in quanto ritenuti
poco significativi ai fini della scelta reale.
I primi 5 attributi scelti sono risultati i seguenti:
❖ Costo di acquisto;
❖ Costo di trasporto;
❖ Lead Time;
❖ Time Windows;
❖ Gamma di prodotti disponibili.
9
I livelli degli attributi
Ciascuno dei 5 attributi scelti per la realizzazione del modello del questionario risulta essere
formato da 3 livelli di seguito esposti in Tabella 3.
Tabella 3 - Numero di livelli e ranges degli attributi scelti
I livelli di tre attributi PC, TC e RP sono stati modificati, vedi Tabella 4, in seguito al primo
pilota effettuato in quanto ci si è resi conto che questi valori non spiegavano bene la realtà.
Tale problematica è stata dovuta principalmente ai livelli scelti, rivelatisi troppo poco
significativi per l’utenza. In un secondo momento sono quindi risultati:
Tabella 4 - Numero di livelli e nuovi ranges degli attributi scelti
Individuati gli attributi e i rispettivi livelli si è scelto di utilizzare un questionario
attentamente sottoposto al campione studentesco al fine di raccogliere i dati relativi alla
preferenza del consumatore attraverso l’ausilio di scenari di scelta.
Individuati gli attributi e i rispettivi livelli, nello studio affrontato sono stati utilizzati due
strumenti: il disegno sperimentale e i modelli a scelta discreta.
10
Disegno sperimentale
Individuati gli attributi si è proceduto con la ricerca del disegno sperimentale più idoneo. Le
tipologie di disegno sperimentale sono “Full Factorial Design” o “Fractional Design”. Nel
“Full Factorial Design” vengono rappresentate tutte le possibili combinazioni dei livelli degli
attributi; richiede molte prove e costi elevati. Il numero di choice task sarà determinato dal
numero delle alternative, degli attributi e dei livelli secondo la seguente espressione:
Dove:
• T rappresenta il numero delle choice task;
• K il numero degli attributi;
• L il numero dei livelli;
• A il numero delle alternative.
Il problema principale del full factorial design è dato dall’enorme numero di choice task, e
quindi di interviste da effettuare, al fine di coprire l’intero disegno sperimentale
all’aumentare del numero delle alternative e dei livelli appartenenti a ciascun attributo.
Nel “Fractional Design” si ha un sottoinsieme di choice task del “Full Factorial Design”,
ovvero è possibile selezionare frazioni determinate dell'intero design al fine di escludere gli
effetti meno importanti e analizzare solo quelli considerati rilevanti. In questo caso la
combinazione di livelli degli attributi dipende se il disegno è un “Design Ortogonale” o un
“Design Efficiente”. Un disegno è ortogonale se bilanciato, ovvero ogni livello appare lo
stesso numero di volte per ogni attributo ed ortogonale, ovvero se gli attributi non sono
correlati tra loro. Un disegno ortogonale può essere sequenziale o simultaneo. È sequenziale
se l’ortogonalità viene mantenuta all’interno di ogni alternativa X che compone il choice set,
in questo caso la correlazione è nulla tra gli attributi all’interno di ogni alternativa; mentre è
simultaneo se è ortogonale in ogni alternativa e tra le alternative. La problematica principale
dei disegni ortogonali è la presenza di alternative dominanti, che non forniscono contributo
ai risultati del questionario.
11
L’ortogonalità è importante per lo studio dei modelli lineari, ma non è fondamentale nel caso
dei modelli non lineari, come per esempio quelli a scelta discreta.
Partendo da un disegno sperimentale è possibile ottenere un disegno efficiente andandone a
stimare i valori dei parametri del modello. Più l’errore standard del modello sarà contenuto,
più il disegno sarà efficiente.
L’errore standard infatti non dipende dai dati, quindi noto un disegno sperimentale ed
assumendo i valori della stima dei parametri è possibile calcolarne l’efficienza attraverso la
misura del D-error.
Dove:
• 𝑠𝑒(𝛽𝑘) rappresenta l’errore standard di 𝛽𝑘.
Minore è il valore del D-error, maggiore sarà l’efficienza del disegno.
Il numero di Choice Task da includere nel questionario dipenderà dalla complessità dello
stesso, un numero troppo piccolo non consentirà di ottenere risultati completi, ma un numero
troppo grande rischia di risultare troppo oneroso per l’intervistato e quindi produrre risultati
poco corretti. A tale scopo è sempre utile produrre un questionario pilota, in modo da testare
sia il numero delle choice task adottato, sia i livelli degli attributi.
Nel caso specifico, il disegno sperimentale utilizzato è quello ortogonale simultaneo nel
quale gli attributi sono non correlati sia all’interno della stessa alternativa che tra le varie
alternative.
Per la realizzazione del suddetto disegno sperimentale è stato usato "Ngene", software
progettato per creare esperimenti di scelta il quale ha una serie estesa di caratteristiche e
produzioni. Tramite Ngene è infatti possibile fare disegni con grande flessibilità ed
efficienza con un certo numero di alternative, attributi e livelli di attributo, in quanto
dandogli in input il numero di alternative, il numero degli attributi ed i loro livelli, restituisce
in output la struttura del disegno sperimentale da adottare e quindi le choice task che è
12
possibile inserire nei questionari. In particolare la T indica la Task, ed in riga vengono
elencati gli attributi, i cui valori indicano il livello che corrisponde ad un valore mostrato
all’intervistato a cui fare riferimento per ogni choice task.
Di seguito viene riportato in Tabella 5 un esempio di disegno sperimentale dato in output
dal software Ngene, utilizzato all’interno dei questionari per definire i diversi scenari di
scelta.
Tabella 5 - Esempio di output del software Ngene
Il disegno sperimentale viene infatti utilizzato per rappresentare le possibili combinazioni
tra i livelli degli attributi. Esso viene rappresentato tramite una matrice in cui righe e colonne
rappresentano, rispettivamente, gli attributi delle alternative e le alternative che
caratterizzano ciascuna “Choice Task”. I valori sono, invece, i livelli degli attributi.
Di seguito, è riportata in Tabella 6 la struttura di una choice task utilizzata all’interno del
questionario, in cui compaiono appunto gli attributi, le alternative di scelta e i livelli degli
attributi.
Tabella 6 - Struttura di una choise task
Inizialmente era stato realizzato un design comprendente 9 choice task, che a causa della sua
onerosità a seguito di uno studio pilota è stato ridotto nella versione somministrata a 6 choice
task. In seguito è stato effettuato un ulteriore studio pilota e i risultati da questo ottenuti sono
13
stati utilizzati per stimare i parametri del modello finale. Il design è stato, così, reso efficiente
andando ad imporre una serie di vincoli al modello risultato dall’indagine e utilizzando i
coefficienti β stimati dallo studio pilota per rendere il design efficiente. Questa versione non
differiva dalla precedente per quanto riguarda il numero di domande effettuate, ma soltanto
per il design delle choice task somministrate.
Nel dettaglio si può dire che la progettazione risulta più efficiente quanto più affidabili
risultano essere le stime dei parametri (piccoli errori standard).
14
Modelli a scelta discreta
I modelli di scelta sono modelli matematici che si basano sul comportamento di ogni singolo
utente tramite un approccio disaggregato comportamentale. Questi modelli permettono di
rappresentare come un utente si comporta di fronte ad un insieme di alternative j. Secondo
tali modelli l’utente è razionale ovvero sceglie l’alternativa a massima utilità U, che però
non è uguale per tutti gli utenti, nel senso che ogni utente associa una propria utilità ad ogni
alternativa.
L'utilità di ogni alternativa è costituita, secondo la formula riportata di seguito, da una
componente deterministica, definita come utilità sistematica Vj e da una componente
stocastica, ovvero il residuo aleatorio ε, che è una distribuzione che permette di osservare la
variabilità attorno al valor medio e indica quindi il margine di errore della previsione del
valore dell’utilità.
Un’alternativa per poter essere scelta deve avere l’utilità maggiore di tutte le altre alternative.
Perciò, risulta possibile associare ad ogni alternativa la probabilità di essere scelta, ovvero
la probabilità che la sua utilità sia maggiore di tutte le utilità delle altre alternative.
Quindi il concetto si basa sul calcolo della probabilità di scelta dell'alternativa da parte
dell'utente.
Esistono vari modelli di scelta tra cui:
- modello logit multinomiale: è il più semplice e le alternative sono indipendenti le une dalle
altre; non c’è correlazione tra loro;
- modello logit gerarchizzato: è costituito da più livelli e da una correlazione a gruppi e
anch'esso ci permette di esprimere la probabilità di scelta delle alternative da parte
dell’utente;
- modello probit: è possibile avere il massimo grado di dipendenza delle alternative,
consentendo di superare i limiti dei modelli Logit.
15
Le ipotesi di base del multinomial logit sono fatte sui residui aleatori: essi sono Indipendenti
e Identicamente Distribuiti (IID), ciò permette di considerare una funzione di densità,
distinta per ogni residuo aleatorio di ogni alternativa, ma tutte con una distribuzione identica,
una Gumbel di parametro θ che dovrà essere stimato partendo dall’analisi di dati reali.
L'utilità sistematica V è data dalla seguente espressione:
ovvero essa è data dal prodotto tra i coefficienti βk e gli attributi X.
β è il coefficiente che permette di omogeneizzare tutti gli attributi e rappresenta il peso
dell'attributo; può assumere sia valore positivo che negativo a seconda che l'attributo sia
un'utilità o una disutilità.
Gli attributi sono tutti quegli elementi che possono essere utilizzati per descrivere l'utilità o
la disutilità associata ad un’alternativa, sono perciò qualcosa di spiegabile; quindi possono
essere tempi, costi monetari o caratteristiche socio-economiche.
Come è possibile notare dalla formula nelle utilità sistematiche è presente un altro termine,
il cosiddetto CSA (coefficiente specifico dell'alternativa) che è moltiplicato per l'ASA
(attributo specifico dell'alternativa). L'introduzione del CSA nasce dall'esigenza di
descrivere l'utilità sistematica tramite ciò che non è rappresentabile e quindi spiegato tramite
gli attributi X.
I β e i CSA, per arrivare al calcolo delle probabilità di scelta devono essere calibrati in quanto
β è il peso che si dà all'attributo ma quest'ultimo varierà da un utente all'altro mentre il CSA
essendo ciò che non è spiegato dagli attributi deriverà anch'esso da calibrazione.
Per fare la calibrazione dei modelli si utilizza il metodo della massima verosimiglianza con
il quale è possibile ottenere i valori dei coefficienti da calibrare.
La verosimiglianza L è una produttoria di probabilità. Questa produttoria riguarda tutti gli
utenti intervistati effettuando le interviste agli utenti che sono tra loro indipendenti nella
scelta delle alternative possibili.
16
La funzione di verosimiglianza è definita in modo tale da massimizzare le previsioni ottenute
dal modello. La probabilità P di questo metodo è la probabilità che l'utente i scelga
l'alternativa j che è l'alternativa che ha scelto effettivamente nella realtà.
Massimizzando L si sta tentando quindi di massimizzare le probabilità di scelta per le
alternative all’interno dei dati. Tuttavia potrebbe non essere possibile massimizzare ognuna
di queste e quindi l’obiettivo è quello di individuare i parametri che producono la probabilità
di scelta migliore su tutto il campione.
Il modello deve ribattere il più possibile la realtà e quindi la probabilità deve tendere il più
possibile all'unità.
Una volta effettuata la calibrazione, si deve verificare l'efficacia dei coefficienti che derivano
da calibrazione e quindi verificare il modello ottenuto tramite dei test.
La prima verifica riguarda i segni dei coefficienti β, che dovranno essere positivi per gli
attributi che rappresentano le utilità e negativi per gli attributi che rappresentano le disutilità.
Successivamente è necessario verificare:
- il value of time (VOT) - il valore del tempo, che rappresenta il rapporto tra il βtempo/βcosto
monetario;
- il valore del CSA, in quanto se è troppo elevato vuol dire che è più quello che non si riesce
a spiegare attraverso gli attributi.
Quindi, per calcolare la probabilità di scelta di un’alternativa è necessario conoscere il valore
delle utilità sistematiche Vj.
La suddetta probabilità di scelta può quindi essere definita in forma chiusa come:
17
LO SVILUPPO DEL QUESTIONARIO
Al fine di attuare la modellistica precedentemente descritta è necessario pervenire alle
informazioni indispensabili per riuscire ad attuare il progetto di ricerca. La preferenza del
consumatore sulla possibilità di effettuare o meno la spesa online è stata sviluppata attraverso
l’ausilio di un questionario, realizzato sulla base di un’attenta discussione. Questa è stata
fondata sulla scelta di domande tramite un focus group mirate in conclusione alla stima dei
dati utili alla ricerca. Quindi, alla base dello sviluppo dei questionari sono state determinate
due domande filtro da somministrare all’intervistato come incipit dell’intervista.
Le due domande filtro sono le seguenti:
1° domanda filtro: FAI LA SPESA?
2° domanda filtro: FAI LA SPESA PREVALENTEMENTE ONLINE?
In particolare non sono stati sottoposti al sondaggio coloro i quali avessero dato una risposta
negativa alla prima domanda, ma è stato comunque appuntato il numero di tali soggetti.
In funzione della seconda domanda filtro invece, sono stati realizzati due questionari:
o Questionario A: per chi avesse risposto “NO”, ovvero lo studente che fa la spesa
prevalentemente presso il negozio fisico;
o Questionario B: per chi avesse risposto “SI”, ovvero lo studente che fa la spesa
prevalentemente online.
Entrambi i questionari sono stati strutturati su un foglio di lavoro Excel in modo tale che le
risposte date dagli intervistati venivano direttamente impilate in un foglio chiamato “Dati”
così da poter estrapolare nel modo più rapido possibile i risultati ottenuti.
18
Questionario A
Come detto in precedenza, il questionario A è stato somministrato a coloro i quali non
facevano la spesa di generi alimentari prevalentemente online.
In una prima fase dello sviluppo del questionario A è stato realizzato un questionario pilota
caratterizzato da 27 scenari di scelta e 3 blocchi, ovvero 3 questionari denominati A1, A2 e
A3. Ognuno di questi era formato da 9 scenari, da presentare allo studente intervistato, utili
per ottenere informazioni sulla preferenza dello stesso e in ciascuno di essi lo studente
doveva inserire la propria preferenza tra le 3 alternative (Status Quo, Home Delivery e Click
and Pick). Questo pilota è stato somministrato da ciascuno dei 13 intervistatori a 3 studenti,
per un totale quindi di 39 interviste.
Il questionario così realizzato è risultato eccessivamente lungo per quanto riguarda la durata
dello svolgimento e soggetta a distrazioni da parte dell’intervistato. Infatti, lo studente
rispondeva in modo rapido, falsando i risultati dell’intervista e rendendo poco attendibile il
dato finale. Ciò a causa degli eccessivi scenari di scelta per ogni intervista.
Quindi in una seconda fase il design del questionario è stato riorganizzato ed è stato
modificato e distinto in 36 scenari di scelta e 6 blocchi, ovvero 6 questionari denominati A1,
A2, A3, A4, A5 e A6. Ognuno di questi risulta essere formato da 6 scenari da presentare allo
studente intervistato.
Quella riportata di seguito in Tabella 7 è la struttura del foglio Excel che ciascun
intervistatore aveva a disposizione.
19
Tabella 7 - Struttura del questionario A
La prima cosa da fare al momento dell’intervista era quella di inserire l’identificativo “id” e
il numero dell’intervista “n_int”, posti in alto a sinistra della prima pagina del questionario.
Il questionario A è stato suddiviso nelle seguenti parti:
▪ Pre-intervista: domande sugli acquisti online in generale, sulla frequenza di fare la
spesa e sulla spesa tipica;
▪ Intervista in funzione degli scenari: riguarda sostanzialmente la preferenza
dell’utente tra home delivery, click and pick e status quo;
▪ Post-intervista: domande extra relative alle emissioni di CO2, alla possibilità di
installare un dispositivo all’interno del frigorifero e alla variazione del
comportamento attuale del cliente in funzione della soddisfazione di tutte le esigenze
dello stesso;
▪ Variabili socio demografiche e attitudinali: domande relative al sesso, all’età, al
reddito, alla cerchia sociale e al budget mensile di cui dispone il cliente.
Il questionario “A” è stato somministrato complessivamente a 352 studenti, di cui 12 hanno
risposto di non fare la spesa e 28 di non volersi sottoporre al questionario. Attraverso questa
intervista si è cercato di indagare sul comportamento degli studenti che effettuano
prevalentemente la spesa presso i punti vendita “tradizionali” in modo da comprenderne la
propensione a cambiare modalità nel momento in cui gli vengono proposte le alternative di
acquisto online.
20
Questionario B
Il questionario B, come detto in precedenza, è stato somministrato a coloro i quali facessero
la spesa di generi alimentari prevalentemente online. Quella riportata di seguito, in Tabella
8, è la struttura del foglio Excel che ciascun intervistatore aveva a disposizione.
Tabella 8 - Struttura del questionario B
Tale questionario è stato suddiviso in due parti:
▪ L’intervista con domande relative alla spesa tipica che l’utente fa online che sono
distinte tra le due modalità di consegna della merce: home delivery e click and pick
e domande relative ad alcuni attributi presi in considerazione, come il metodo di
pagamento oppure il punto di ritiro della merce;
▪ L’intervista contenente le variabili socio demografiche e attitudinali con domande
relative al sesso, all’età, al reddito, alla cerchia sociale e al budget mensile di cui
dispone il cliente.
Il questionario “B”, rispetto al questionario A, ha un carattere prevalentemente descrittivo,
in quanto essendo indirizzato a studenti che già effettuano la spesa prevalentemente online,
mira ad ottenere informazioni riguardo le loro esperienze. Quindi, essendo tale questionario
privo di choise task non è stato necessario effettuare uno studio pilota al fine della sua
realizzazione.
21
DESCRIZIONE DEL CAMPIONE
Terminata la somministrazione dei questionari agli studenti universitari, i dati sono stati
analizzati. Attraverso questa analisi sono emersi alcuni aspetti, che verranno rappresentati di
seguito attraverso grafici a torta e istogrammi.
Come punto di partenza si evince, come si può notare dalla Figura 1, che il 56% del campione
è di sesso femminile e il 44% è di sesso maschile, con un’età media di 24 anni. Mentre in
Figura 2, si nota che il 35% del campione studentesco intervistato è fuori sede, mentre il
65% restante non lo è.
Figura 1 - Suddivisione in percentuale del sesso del campione
Figura 2 - Percentuale di studenti fuori sede
44%56%
SESSO
Femmina Maschio
35%
65%
SEI UNO STUDENTE FUORI SEDE?
Si No
22
Il 92% del campione ha effettuato acquisti di qualsiasi tipo online, come ad esempio biglietti
del treno, libri, abbigliamento e accessori, mentre una quota parte dell’8% non ne ha mai
effettuati, vedi Figura 3.
Figura 3 - Percentuale di acquisti online
Una buona parte del campione intervistato, vedi Figura 4, è a conoscenza della possibilità di
effettuare la spesa di generi alimentari online, ovvero il 76% e il restante 24% non ne è a
conoscenza.
Figura 4 - Percentuale di chi è a conoscenza della possibilità di effettuare la spesa online
Nonostante la percentuale di intervistati che è a conoscenza della possibilità di effettuare la
spesa online è risultata alta, soltanto il 31% degli stessi intervistati ha pensato di effettuarla,
mentre il 69% non ci ha mai pensato, vedi Figura 5.
92%
8%
HAI MAI EFFETTUATO ACQUISTI
ONLINE?
Si No
76%
24%
SEI A CONOSCENZA DELLA POSSIBILITA'
DI EFFETTUARE LA SPESA ONLINE?
Si No
23
Figura 5 - Percentuale di chi ha mai pensato di fare la spesa online
In Figura 6, sono schematizzate le principali motivazioni per cui non vengono effettuati
acquisti di e-grocery online. Queste sono i costi di spedizione elevati e le modalità di
pagamento che può essere giustificata dalla scarsa fiducia verso i metodi di pagamento
online:
Figura 6 - Motivi che impediscono di effettuare la spesa online
Nella sezione “altro” del grafico sopra riportato, sono state specificate alcune motivazioni
quali:
31%
69%
HAI MAI PENSATO DI FARE LA SPESA
ONLINE?
Si No
12%
17%
7%
6%
6%
9%
QUALI SONO I MOTIVI CHE TI IMPEDISCONO DI
FARLA?
Modalita’ di pagamento Costi di spedizione
Corrispondenza tra i prodotti ordinati/ricevuti Errore di composizione
Difficolta’ di utilizzo dei portali e-commerce Altro
24
• la praticità dell’acquisto presso i punti vendita tradizionali;
• il tempo di attesa per ricevere la merce;
• la necessità di dovere essere presente al momento del ritiro;
• la possibilità di visionare direttamente la freschezza e la qualità del prodotto;
• la bassa copertura del servizio;
• la difficoltà nel completare la spesa online nei portali.
Per quanto riguarda i luoghi fisici in cui effettuare la spesa, riportati in Figura 7, gli studenti
intervistati hanno risposto nel 79% in un supermercato, il 10% in un discount, il 5% in un
centro commerciale e nel mini market.
Figura 7 - Luoghi per fare la spesa abitualmente
Le motivazioni di questi risultati percentuali potrebbero essere legate alla vicinanza rispetto
al luogo abitativo o lavorativo o la fidelizzazione con l’esercente. Non sorprende il fatto che
solo una bassa percentuale di utenti si rechi al centro commerciale appositamente per
effettuare la spesa, essendo quest’ultimo un luogo dedicato allo shopping e allo svago.
Per quanto riguarda invece il come andare a fare la spesa al negozio fisico, il 28% degli
intervistati non possiede un mezzo privato mentre il restante 72% degli studenti sì.
In particolare, le modalità con cui andare a fare la spesa sono state riportate in Figura 8 e
sono suddivise in auto privata (54%), veicolo a due ruote (6%), bici (2%), a piedi (32%),
metropolitana (2%), autobus (4%) e mobilità condivisa (0%). Ciò che è risultato, è che
5%
79%
5% 10%
DOVE FAI LA SPESA ABITUALMENTE?
Mini market Supermercato Centro commerciale Discount
25
nessuno di tutto il campione intervistato ha mai usufruito della mobilità condivisa per andare
a fare la spesa.
Figura 8 - Mezzi utilizzati per fare la spesa
Come si nota dal grafico riportato di seguito Figura 9, emerge che il 67% del campione
solitamente fa un viaggio dedicato per fare la spesa con un tempo medio per raggiungere il
supermercato di 5 minuti, e il 33% invece si trova è di passaggio o di ritorno a casa e decide
di fermarsi.
Figura 9 - Percentuale di chi fa un viaggio dedicato per fare la spesa
54%
6%2%
4%
2%
32%
QUALE MEZZO UTILIZZI TIPICAMENTE
PER FARE LA SPESA?
Auto privata Veicolo a due ruote Metro Autobus Bici Piedi
67%
33%
SOLITAMENTE FAI UN VIAGGIO
DEDICATO PER FARE LA SPESA?
Si No
26
Nel 75% dei casi la spesa avviene nei giorni feriali, mentre nel 25% nei giorni festivi (vedi
Figura 10).
Figura 10 - Giorno in cui si fa la spesa
Per ciò che riguarda invece la distribuzione oraria giornaliera per effettuare la spesa, questa
è stata suddivisa in 5 fasce orarie, vedi Figura 11: fino alle 11, tra le 11 e le 14, tra le 14 e le
17, tra le 17 e le 20 e infine dopo le 20. Di seguito vengono riportati i risultati percentuali.
Figura 11 - Fascia oraria degli acquisti
75%
25%
IN QUALE GIORNO FAI LA SPESA
PREVALENTEMENTE?
Feriale Festivo
11%
18%
14%52%
5%
IN QUALE FASCIA ORARIA FAI LA SPESA
SOLITAMENTE?
Fino alle 11 11-14 14-17 17-20 Dopo le 20
27
Uno dei principali motivi che spingono gli utenti a non amare il negozio fisico tradizionale
è il numero di buste da trasportare per ogni acquisto. Questo numero è risultato mediamente
pari a 2 buste. Gli altri motivi sono la coda alla cassa o al banco frigo, dover cercare
parcheggio, il disordine e l’affollamento dei negozi e le avverse condizioni metereologiche
quando bisogna uscire di casa per andare al supermercato.
Le motivazioni che più spingono i clienti invece ad acquistare nei punti vendita sono:
l’abitudine, il piacere di fare la spesa, la possibilità di visionare i beni prima di acquistarli,
la fidelizzazione, il possesso istantaneo dei prodotti e motivi di svago.
Questa prima parte dello studio è stata effettuata per capire quale fosse la scelta del
consumatore per l’acquisto della spesa online ovvero capire il suo comportamento in
funzione della distribuzione della merce e della modalità di ritiro della stessa.
In seguito alla somministrazione dei primi 78 questionari, quindi dopo la prima ondata di
interviste, il risultato ottenuto tramite le scelte degli utenti è stato del 20% per quanto
riguarda l’Home Delivery, 15% per quanto riguarda il Click and Pick ed il 65% per quanto
riguarda lo Status Quo riportati in Figura 12.
Figura 12 - Scelta dell'utente: prima ondata di interviste
La preferenza dell’utente tra la sola consegna home delivery e il ritiro tramite il click and
pick è riportata di seguito in Figura 13 ed è risultata pari a:
20%15%
65%
0%
10%
20%
30%
40%
50%
60%
70%
Home delivery Click and Pick Status Quo
S CELTA DELL'UTENTE
P RIMA ONDATA DI INTERVIS TE
28
Figura 13 - Preferenza dell'utente tra Home Delivery e Click and Pick (fase I)
In seguito alla somministrazione dei successivi 234 questionari, quindi dopo la seconda
ondata di interviste, il risultato ottenuto tramite le scelte degli utenti è stato del 25% per
quanto riguarda l’Home Delivery, 19% per quanto riguarda il Click and Pick ed il 56% per
quanto riguarda lo Status Quo, riportato in Figura 14.
Figura 14 - Scelta dell'utente: seconda ondata di interviste
La preferenza dell’utente tra la sola consegna home delivery e il ritiro tramite il click and
pick è riportata di seguito in Figura 15 ed è risultata pari a:
48%52%
0%
10%
20%
30%
40%
50%
60%
Home delivery Click and Pick
PREFERENZA DELL'UTENTE
S ENZA S TATUS QUO
25%
19%
56%
0%
10%
20%
30%
40%
50%
60%
Home delivery Click and Pick Status Quo
S CELTA DELL'UTENTE
S ECONDA ONDATA DI INTERVIS TE
29
Figura 15 - Preferenza dell'utente tra Home Delivery e Click and Pick (fase II)
A differenza della prima fase di interviste, in cui gli utenti avevano preferito il Click and
Pick (52%) all’Home Delivery (48%), in questa seconda ondata è risultata maggiore la
percentuale della consegna Home Delivery (64%) rispetto al Click and Pick (36%).
L’analisi dei dati ottenuta dalla somministrazione totale dei questionari, somma delle due
ondate di interviste, ha mostrato i seguenti risultati riportati in Figura 16: il 24% per l’Home
Delivery, 18% per il Click and Pick ed il 58% per lo Status Quo.
Figura 16 - Scelta dell'utente finale
La preferenza finale dell’utente tra la sola consegna home delivery e il ritiro tramite il click
and pick è riportata in Figura 17 ed è risultata pari a:
64%
36%
0%
10%
20%
30%
40%
50%
60%
70%
Home delivery Click and Pick
PREFERENZA DELL'UTENTE
SENZA STATUS QUO
24%18%
58%
0%
10%
20%
30%
40%
50%
60%
Home delivery Click and Pick Status Quo
S CELTA DELL'UTENTE
FINALE
30
Figura 17 - Preferenza dell'utente finale tra Home Delivery e Click and Pick
I risultati finali hanno quindi confermato ciò che già era emerso dai risultati precedenti,
ovvero che gli utenti sceglierebbero lo status quo, ma in assenza di questo la loro scelta
sarebbe l’home delivery rispetto al click and pick.
59%
41%
0%
10%
20%
30%
40%
50%
60%
Home delivery Click and Pick
PREFERENZA DELL'UTENTE
FINALE
31
RISULTATI ECONOMETRICI - OUTPUT DEL MODELLO
L’applicazione del modello di scelta ha prodotto dei risultati econometrici che verranno
adesso descritti. Questi risultati saranno esposti attraverso un’analisi statistica e in
particolare verranno verificati i seguenti parametri stimati:
➢ segni dei coefficienti β;
➢ errore standard;
➢ t-statistico;
➢ pseudo-R2.
I coefficienti β vengono definiti in seguito al processo di calibrazione, con il segno negativo
indicano delle disutilità e con il segno positivo delle utilità.
Lo standard error è l'errore standard, denotato dalle radici delle diagonali della matrice
varianza-covarianza. La misura più efficiente è l'errore D ovvero più basso è l'errore D, più
efficiente è il design.
Il t-statistico, o chiamato Wald test, verifica la probabilità che il coefficiente calibrato sia
effettivamente diverso da zero, al massimo si pone che questa probabilità sia uguale a zero
nel 5% dei casi. Il T-stat si calcola dividendo il valore calibrato del coefficiente per il suo
errore standard secondo la seguente formula:
Lo pseudo-R2 è invece un test formale ed è dato dalla seguente relazione:
Questo valore è compreso tra 0 e 1.
La funzione di tale parametro è quella di dare una rappresentazione della bontà del modello.
All’interno della formula compare, come si evidenzia, la funzione di verosimiglianza o
chiamata “likelihood” volta a massimizzare i risultati ottenuti.
32
Come detto nel paragrafo dedicato alla metodologia e in particolare ai modelli di scelta, per
calcolare la probabilità di scelta di un’alternativa è necessario conoscere il valore delle utilità
sistematiche Vj.
Le suddette utilità sistematiche Vj, nei 3 casi specifici di scelta dell’utente, sono così definiti:
𝑽𝑯𝒐𝒎𝒆_𝑫𝒆𝒍𝒊𝒗𝒆𝒓𝒚 = 𝑃𝐶 ∗ 𝛽𝑃𝐶 + 𝑇𝐶 ∗ 𝛽𝑇𝐶 + 𝐿𝑇 ∗ 𝛽𝐿𝑇 + 𝑇𝑊 ∗ 𝛽𝑇𝑊 + 𝑅𝑃 ∗ 𝛽𝑅𝑃
𝑽𝑪𝒍𝒊𝒄𝒌_𝑷𝒊𝒄𝒌 = 𝑃𝐶 ∗ 𝛽𝑃𝐶 + 𝐿𝑇 ∗ 𝛽𝐿𝑇 + 𝑅𝑃 ∗ 𝛽𝑅𝑃
𝑽𝑺𝒕𝒂𝒕𝒖𝒔_𝑸𝒖𝒐 = 𝑃𝐶 ∗ 𝛽𝑃𝐶 + 𝑅𝑃 ∗ 𝛽𝑅𝑃
Dove:
▪ PC: attributo relativo al costo di acquisto;
▪ TC: attributo relativo al costo di trasporto;
▪ LT: attributo relativo al lead time;
▪ TW: attributo relativo al time windows;
▪ RP: attributo relativo alla gamma dei prodotti disponibili.
Ognuno di questi attributi è moltiplicato per il relativo coefficiente β.
33
Fase 1
La prima fase della somministrazione del questionario riguarda le prime sei interviste pilota
effettuate da ciascuno degli intervistatori, per un totale di 78 interviste. Tali interviste hanno
prodotto dei risultati che sono rappresentati nella schermata riportata di seguito Tabella 9.
In particolare questo pilota è costituito da un campione di numerosità N pari a 468 e un
numero di attributi K pari a 7.
Tabella 9 - Report fase 1
I coefficienti β risultano tutti significativi tranne la finestra temporale ovvero ciò significa
che questo attributo non ha un peso rilevante nel senso che non ha un impatto forte. Il fatto
di non essere significativo potrebbe riguardare non tanto l’attributo in sé ma i livelli scelti
per descriverlo all’interno degli scenari. Quattro di questi coefficienti su cinque
rappresentano delle disutilità tranne la gamma dei prodotti disponibili. L’errore standard
risulta essere basso per tutti gli attributi e quindi il design si può ritenere efficiente.
Il range di oscillazione del t-statistico è esterno ai valori -1.96 e +1.96 quindi in questo caso
specifico tutti i valori soddisfano la verifica tranne il valore -0.76 corrispondente alla finestra
temporale.
Per quanto riguarda il valore ottenuto dello pseudo-R2 risulta essere:
𝑃𝑠𝑒𝑢𝑑𝑜-𝑅2 = 1 − − ln 𝐿(𝑓)
ln 𝐿(0)= 1 −
−377.62496
(ln(0.33)∗468= 0.272
34
Fase 2
La seconda fase della somministrazione è caratterizzata dalle restanti 18 interviste a testa,
effettuata con lo sviluppo del design efficiente, per un totale di 234 interviste.
Nella schermata riportata di seguito, Tabella 10, si nota che il campione ha una numerosità
N pari a 1404.
Tabella 10 - Report fase 2
I coefficienti β risultano tutti significativi ovvero è risultato che tutti gli attributi sono
caratterizzati da un livello di significatività inferiore all’1%. Quattro di questi coefficienti
su cinque rappresentano delle disutilità tranne la gamma dei prodotti disponibili.
L’errore standard risulta essere basso per tutti gli attributi e quindi il design si può ritenere
efficiente.
Il range di oscillazione del t-statistico è esterno ai valori -1.96 e +1.96 quindi in questo caso
specifico tutti i valori soddisfano la verifica.
Per quanto riguarda il valore ottenuto dello pseudo-R2 risulta essere:
𝑃𝑠𝑒𝑢𝑑𝑜-𝑅2 = 1 − − ln 𝐿(𝑓)
ln 𝐿(0)= 1 −
−1158.45979
(ln(0.33)∗1404= 0.256
35
Fase finale
In seguito è riportata la schermata dell’output del modello con i parametri stimati della fase
finale, Tabella 11, ovvero la somma delle fasi precedenti, per un totale di 312 interviste.
Quindi si ha che il campione ha una numerosità di 1872.
Tabella 11 - Report fase finale
Per la significatività è risultato che tutti gli attributi sono caratterizzati da un livello di
significatività inferiore all’1%. Si può notare che i coefficienti β risultano tutti significativi
e quattro di questi su cinque rappresentano delle disutilità tranne la gamma dei prodotti
disponibili. L’errore standard risulta essere basso per tutti gli attributi e quindi il design si
può ritenere efficiente.
Il range di oscillazione del t-statistico è esterno ai valori -1.96 e +1.96 quindi in questo caso
specifico tutti i valori soddisfano la verifica.
Per quanto riguarda questa fase specifica il valore ottenuto dello pseudo-R2 è:
𝑃𝑠𝑒𝑢𝑑𝑜-𝑅2 = 1 − − ln 𝐿(𝑓)
ln 𝐿(0)= 1 −
−1540.32904
(ln(0.33)∗1872= 0.258
36
POLICY IMPLICATION
Questo capitolo riguarda l’applicazione del modello ai dati reali. Ciò che è stato fatto altro
non è che una simulazione, ovvero sono state evidenziate le implicazioni nel contesto reale.
Al fine di attuare questa simulazione è stata effettuata un’indagine per capire come
cambierebbe la modalità di scelta del canale di distribuzione soprattutto nel caso delle
principali catene di supermercati e ipermercati Italiani. Quindi, per prima cosa, è stato
costruito un “template”, ovvero è stata realizzata, attraverso delle approfondite ricerche, una
lista di supermercati ed è stata verificata per ciascuno di essi la possibilità o meno di
effettuare la spesa online e con quale modalità, l’Home Delivery e/o il Click and Pick, come
descritto in Tabella 12. In riferimento alle principali catene di punti vendita, soltanto Coop,
Conad, Carrefour, Esselunga e Simply effettuano la modalità online.
Tabella 12 - Catene di supermercati e modalità di spesa online
Per riuscire poi ad ottenere i valori reali degli attributi utilizzati, per ciascuna catena dei
supermercati, è stata fatta la spesa nel negozio tradizionale e poi simulata online, in modo
da studiare tutti gli attributi e ottenendo dei numeri reali utili alla fine per la simulazione.
37
Di seguito, nella Tabella 13, sono riportate le spese simulate con i relativi valori per ciascuno
degli attributi presi in esame.
Tabella 13 - Simulazione della spesa in relazione agli attributi di riferimento
38
Prendendo in considerazione questi valori ottenuti dalla simulazione sono stati evidenziati
in Tabella 14 la media, il valore massimo e il valore minimo.
Tabella 14 - Valori degli attributi ottenuti dalla simulazione
Sulla base dei valori medi è stata simulata la situazione attuale in modo da ottenere le
percentuali di scelta tra home delivery, click and pick e status quo riportate in Tabella 15.
Tabella 15 - Situazione attuale in funzione dei valori medi degli attributi
Ciò che è emerso è che, in funzione dei suddetti valori, la scelta del consumatore si orienta
verso lo status quo. Infatti, come si può notare, la sua percentuale di scelta è molto rilevante
pari al 68%, a differenza delle modalità online che ricoprono un utilizzo piuttosto basso, pari
al 10% per l’home delivery e il 21% del click and pick. Questo dimostra, ciò di cui già si è
a conoscenza, ovvero la scarsità di utilizzo delle modalità di spesa online.
Successivamente, partendo dalla situazione attuale sono state effettuate delle combinazioni
ed è iniziato un processo iterativo che ha visto variare passo dopo passo uno o più attributi
rispetto agli altri al fine di studiare, nei vari casi, il cambiamento delle percentuali delle 3
modalità di scelta.
39
❖ Caso migliore
In funzione dei valori ottenuti dalla situazione reale qui di seguito è riportato in Tabella 16
lo scenario migliore, ottenuto utilizzando i valori che favoriscono la spesa online rispetto
allo status quo. Infatti, in questo modo la probabilità di utilizzo del negozio virtuale,
considerando entrambe le modalità, risulta essere piuttosto alta, con il 30% di Home delivery
e il 38 di click and pick.
Tabella 16 - Probabilità di scelta: caso migliore
Caso peggiore
Qui è riportato il caso opposto, ovvero quello peggiore in Tabella 17. Infatti la probabilità di
utilizzo del marketplace virtuale, in questo caso, è irrilevante rispetto al negozio tradizionale.
Tabella 17 - Probabilità di scelta: caso peggiore
40
Tabella 18 - Probabilità di scelta: casi differenti a seconda degli attributi variati
I. Caso peggiore con la modifica di PC (costo di acquisto) e TW (time window):
Sono stati rispettivamente incrementati da 28% a -16% e decrementati da 120 a 60 min gli
attributi relativi al costo di acquisto e alla finestra temporale, ottenendo una probabilità
migliore pari al 30% del click and pick rispetto al 6% del caso peggiore e una probabilità
dell’11% dell’home delivery rispetto all’1% del caso peggiore.
II. Caso peggiore con la modifica di PC e TW precedente e modifica di RP (gamma
prodotti):
Mantenendo invariate le modifiche effettuate precedentemente, si è scelto di variare solo
l’attributo RP da 60% a 93%, ottenendo un ulteriore miglioramento del click and pick e
dell’home delivery, e portando lo status quo al solo 43% di probabilità di scelta.
III. Caso peggiore con la modifica di TC (costo di trasporto) e TW (time window):
Variando gli attributi TC da 7,9€ a 4,5€ e TW da 120 minuti a 60 minuti, si ottengono le
probabilità riportate di seguito. Rispetto al caso I. il click and pick si è ridotto da 30% a 6%,
41
e l’home delivery da 11% a 4%. Questo caso risulta quindi ancora peggiore per la modalità
di acquisto online in generale.
IV. Caso peggiore partendo dal caso precedente e con modifica di PC e RP:
In questo caso riportato si è fatto variare l’attributo PC ed è stato incrementato il valore della
gamma prodotti RP fino a 93%.
Come si può notare, la percentuale di utilizzo sei servizi online è aumentata enormemente,
arrivando al 35% del click and pick e al 28% dell’home delivery.
Ciò che è evidente finora, è che in funzione dei valori inseriti, tra le modalità di servizi online
quello maggiormente scelto è il click and pick rispetto all’home delivery.
L’attributo che più influenza la scelta o meno dell’home delivery, a seguito di prove pratiche,
è prevalentemente il costo di trasporto. Infatti, partendo dal caso migliore, e facendo
diminuire solo il costo di trasporto, ad esempio considerandolo pari a 2€, allora si riesce ad
ottenere un ulteriore buon servizio online, favorendo questa volta l’home delivery al click
and pick.
42
Dopo aver effettuato questo processo iterativo, è stata estesa la simulazione ai soli 5
supermercati che permettono l’effettuazione della spesa online. Di seguito, sono riportate in
Tabella 19, le probabilità di scelta per ognuno di essi in funzione dei valori reali ottenuti.
Tabella 19 - Simulazioni delle probabilità di scelta per ciascuna catena di supermercati
analizzati
43
Ancora una volta, dopo aver effettuato questa ulteriore simulazione, si nota che nella
maggior parte dei supermercati rimane predominante lo status quo e risulta ancor più
evidente come la scelta tra le due alternative online non ricade mai sull’home delivery, bensì
sul click and pick. Questo è dovuto probabilmente a valori troppo elevati degli attributi
propri dell’home delivery.
44
CONCLUSIONI
In questo rapporto, come specificato precedentemente, sono emersi alcuni punti di forza e di
debolezza legati alle singole modalità di ritiro della merce in funzione degli attributi.
Dalla descrizione effettuata nel capitolo precedente è risultato facilmente comprensibile che
per l’home delivery gli attributi significativi sono prevalentemente il costo di trasporto e la
finestra temporale. Questo è legato al fatto che gli utenti non sono disposti a rimanere in casa
a lungo ad attendere l’arrivo della merce e tutto ciò è stato appunto dimostrato
numericamente attraverso il processo di simulazione effettuato tramite l’applicazione del
modello. Per il click and pick, invece, l’attributo significativo che riesce a dimostrare
l’aumento della probabilità dello stesso è prevalentemente la gamma prodotti.
In generale, lo studio ha mostrato come l’acquisto online di generi alimentari online sia
ancora poco diffuso, nonostante ci siano prospettive future di espansione di questa tipologia
di mercato in quanto questo settore è in continua evoluzione, e ciò che si può sperare è che
in un immediato futuro si possa arrivare a rendere il mondo ancora più sostenibile,
continuando proprio verso l’era della spesa di generi alimentari online.
Ad oggi, però, si tratta di una modalità ancora poco conosciuta e compresa da parte dei
consumatori, i quali tendono a prediligere l’acquisto tradizionale ad uno più moderno. Ciò è
legato alla necessità di esperienze sociali, nonché all’impossibilità di vedere i prodotti prima
dell’acquisto e trattandosi di generi alimentari gli utenti risultano piuttosto diffidenti. D’altra
parte però va menzionato, attraverso l’utilizzo della modalità di spesa online, un aumento
del livello di convenienza, in funzione del fatto che il consumatore non è più soggetto a
sforzi fisici in quanto può sfruttare l’opzione di consegna presso il proprio indirizzo nonché
la possibilità di risparmiare in termini di tempo inteso come minor tempo di trasporto, minor
tempo di attesa e quindi minor tempo complessivo richiesto rispetto agli acquisti presso
negozi fisici.
45
BIBLIOGRAFIA
Cantarella, G.E., Sistemi di trasporto: tecnica e economia. UTET, 2009
Cascetta, E., Modelli per i sistemi di trasporto. Teoria e applicazioni. UTET Università,
2006
Gatta V. et al., dispense del corso “Economia dei trasporti”, 2017
Marcucci Edoardo, Sostenibilità, qualità e sicurezza nei siistemi di trasporto e logistica.
SITOGRAFIA
http://www.europafacile.net/Scheda/Documento/10128 (Libro Bianco: Tabella di marcia
verso uno spazio unico europeo dei trasporti - Per una politica deitrasporti competitiva e
sostenibile)
https://myshop.carrefour.it/
https://www.easycoop.com/
https://conadacasa.it/
https://shopmi.auchan.it/
http://www.simplymarket.it/
https://www.esselunga.it/cms/homepage.html
