Valutazione delle preferenze e customer satisfaction: un approccio basato sulla conjoint analysis e sui modelli mistura

Preference evaluation methods like Conjoint Analysis and Choice Based Conjoint Analysis have been described as the most used methods among marketing operators (Green and Srinivasan, 1990; Green et al., 2001). The concept of preference evaluation is linked to the Customer Satisfaction measurement with the latter a direct measure of preferences and expectations (Grigoroudis and Siskos, 2002). Within the choice of a suitable statistical model, Combination Uniform Binomial (CUB) models have been developed with the aim to explain the psychological mechanism underlying the choice process (D’Elia, 2003; D’Elia and Piccolo, 2005). Several model extensions have been developed (Iannario, 2013) in order to take into account the multifaceted individual choice behaviour. Within the framework of preference evaluation and Customer Satisfaction measurement, CUB models are suited to many real cases (Piccolo and D’Elia, 2008; Corduas et al., 2009; Cicia et al., 2010; Iannario et al., 2012; Iannario and Piccolo, 2012; Bordignon and Salmaso, 2013; Arboretti and Bordignon, 2014), confirming CUB models as useful and theorem based (Iannario and Piccolo, 2014) statistical models. Feeling and Uncertainty are supposed to be latent variables involved in the choice process of an item. The interpretation is very flexible with the “feeling” parameter explaining for the meaning (satisfaction, preference or attention) the measurement scale is supposed to measure. The CUB model extension involving the introduction of covariates to explain feeling and uncertainty latent variables is the main extension applied to an integrated approach.

I metodi di valutazione delle preferenze come la Conjoint Analysis e la Choice Based Conjoint Analysis vengono descritti come i metodi più usati dagli addetti ai lavori nel marketing (Green e Srinivasan, 1990; Green et al., 2001). Il concetto di valutazione delle preferenze è collegato a quello di misurazione della Customer Satisfaction dove questa ultima è considerata una misura diretta di preferenza ed aspettativa (Grigoroudis e Siskos, 2002). Nel valutare la scelta di un modello statistico appropriato, i modelli CUB (Combination Uniform Binomial) sono stati sviluppati allo scopo di spiegare il meccanismo psicologico alla base del processo di scelta (D’Elia, 2003; D’Elia e Piccolo, 2005). Molte sono state le estensioni del modello sviluppate (Iannario, 2013) al fine di spiegare comportamenti diversi coinvolti nel processo di scelta. In riferimento alla valutazione delle preferenze e alla misurazione della Customer Satisfaction, i modelli CUB si sono rivelati adatti in molti casi reali (Piccolo e D’Elia, 2008; Corduas et al., 2009; Cicia et al., 2010; Iannario et al., 2012; Iannario e Piccolo, 2012; Bordignon e Salmaso, 2013; Arboretti e Bordignon, 2014), confermandoli come uno strumento utile oltre che basato su una teoria dimostrata (Iannario e Piccolo, 2014). Le variabili latenti feeling e uncertainty si ipotizza siano coinvolte nel processo di scelta di un item. L’interpretazione è molto flessibile, infatti il parametro “feeling” è collegato al costrutto (soddisfazione, preferenza o attenzione) che si intende misurare. La principale estensione del modello CUB presa in considerazione è quella che prevede l’introduzione di covariate al fine di spiegare le variabili latenti feeling e uncertainty. Lo scopo principale della Tesi è mostrare come l’applicazione dei modelli CUB e della Conjoint Analysis danno un valore aggiunto rispetto alla applicazione della sola Conjoint Analysis. Un’analisi più approfondita degli studi sulla valutazione delle preferenze ha permesso di identificare il secondo scopo della ricerca: l’applicazione dei modelli CUB successivamente ad uno studio di Conjoint Analysis permette di ottenere maggiori informazioni sulla percezione dei rispondenti? Allo scopo di ottenere una misura della Customer Satisfaction, i modelli CUB applicati alle valutazioni di soddisfazione di alcune scuole di sci ha mostrato che attraverso una analisi a due fasi è stato possibile identificare rilevanti covariate coinvolte nel ranking delle migliori scuole. Successivamente è stata condotta una survey sul packaging alimentare. L’applicazione dei modelli CUB ad alcuni aspetti di soddisfazione sul packaging alimentare ha rivelato il feeling a l’uncertainty dei rispondenti e ha gettato luce su importanti caratteristiche dei soggetti collegate a quegli aspetti. I modelli CUB sono stati applicati a specifici gruppi di profili selezionati in base ai risultati della Conjoint Analysis. L’approccio integrato ha permesso di stimare feeling e uncertainty dei soggetti per i livelli degli attributi aventi l’utilità più elevata come il packaging biodegradabile e il formato multipla divisibile. L’introduzione delle covariate ha mostrato che determinate caratteristiche demografiche sono collegate sia al feeling che all’uncertainty. I risultati della segmentazione “data-driven” dell’approccio integrato “CUB models e Conjoint Analysis” è stato il contributo più importante. Infine vengono discussi i limiti della ricerca e le direzioni di ricerca future.