Pagina 1 Database studenti partecipanti al progetto di gruppo: "Il

Database studenti partecipanti al progetto di gruppo: "Il sistema Oasi del WWF"
Corso di marketing ambientale e territoriale AA. 2009/10 - Prof. M. Addis
Università degli Studi di Roma Tre - Facoltà di Economia
2)
3)
1)
Articolazion Ampiezz
Inquadra e del piano
ae
mento di lavoro e coerenz
teorico
sua
a della
Membri
del
coerenza raccolta
del
problem
interna
dati
team a (10%)
(25%)
(20%)
Agnoni,
Blasi,
Ioni,
Paciolla,
Vita
Moricoli,
Rannall
etta,
Rossi,
Sancinel
li,
Santucci
30
30
30
30
30
30
progetto di gruppo
5)
Conclusio
ni,
4) Rigore implicazio
6)
ni
nell'analisi
Creatività
dei dati e managerial nella
ie
interpretazi
conduzio
one dei generalizz ne del
Media
azioni
risultati
lavoro pondera
(15%)
(20%)
(10%)
ta
28
25
25
25
commento
30
Il progetto è molto bello, davvero. Solo due notazioni che
giustificano i voti diversi dal 30: (1) nella presentazione
mancano i risultati della regressione multipla, a supporto delle
conclusioni; (2) le implicazioni manageriali sono poco
sviluppate: avreste potuto espandere questa sezione alla luce
delle importanti analisi che avete ben condotto. L'analisi dei
dati qualitativi è fatta molto bene. Manca l'indicazione del
numero di intervistati: ve lo segnalo anche se l'ho considerato
28,85 nella valutazione
30
Il progetto è molto ben fatto. Alcune cose però potrebbero
essere riviste: (1) la factor analysis è mal presentata. Non si
capisce su quali variabili è stata condotta, quali sono i factor
loadings considerati; (2) la cluster analysis sembra buttata là,
senza chiarire né la profilazione dei cluster, né l'utilità per il
vostro obiettivo; (3) le implicazioni manageriali sono appenna
accennate. Non si coglie il valore della cluster per le strategie
28,25 di differenziazione. Per il resto va benissimo. Bravi!
Pagina 1
Romeo,
Trentino
, Rossi,
Maggion
i,
Zanello,
Riccioni,
Ariota,
Rossetti
Agrippin
etti,
Campid
onico,
Caucci,
De
Luca,
Tortorell
a,
Sneider,
Pierava
nti
Brivio,
Cerreti,
De
Maria,
Giannott
i,
Paglialu
nga,
Russo
28
30
30
23
23
30
30
28
30
23
25
30
30
27
30
30
30
30
Purtroppo il progetto, seppur impostato molto bene, ha un
problema grosso relativamente alle analisi dei dati: factor e
cluster vanno condotti sull'importanza degli attributi e non
sulle valutazioni. La logica è che per definire le strategie di
marketing, bisogna partire dalle diverse sensibilità dei clienti
agli attributi dell'offerta e quindi dall'importanza degli attributi.
Questa criticità dell'analisi fa sì che anche le implicazioni
manageriali siano avventate rispetto alle analisi effettuate.
Inoltre, attenzione: la slide che ha per titolo “la catena mezzifini” non presenta la catena mezzi-fini, bensì gli attributi distinti
per tipo di bar. Infine, nel background avreste potuto inserire
le fonti delle varie affermazioni che definiscono lo scenario in
27,35 cui vi muovete
Il progetto è molto ben impostato. Ci sono però alcune
criticità: (1) non si capisce perchè una volta che avete definito
la lista di attributi dalla qualitativa, poi in slide 12 presentate
solo alcuni di essi come rilevanti ai fini della vostra analisi; (2)
per quanto riguarda l'analisi dei dati univariati, vi ricordo che
per le variabili quantitative come l'età non si presenta la
distribuzione di frequenza, ma si usano gli indici sintetici
(media, moda, ...); (3) la factor analysis ai fini della definizione
delle strategie di marketing si fa solo sulla importanza degli
attributi, non sulla valutazione. Peccato perchè la descrizione
dei cluster era fatta molto molto bene. Le implicazioni
manageriali ovviamente risentono di queste debolezze
dell'analisi, perchè assumete di derivarle dall'importanza,
27,35 quando invero le derivate dalle valutazioni
Il progetto è fatto molto bene. Solo una leggera incoerenza fra
gli obiettivi presentati (esiste una correlazione?) e le analisi
condotte. Siete andati ben più lontani di un'analisi di
correlazione. Valeva la pena quindi ridefinire i termini della
questione dall'inizio. Un'altra cosa: se la factor non gira, è
inutile presentarne l'impostazione. In questi casi, essendo
importante la coerenza, bisogna saltare le analisi che non
girano (ogni tanto capita), pur di presentare un progetto
29,25 metodologicamente inattaccabile.
Pagina 2
Alzari,
Bellante
, De
Angelis,
Diglio,
Di
Pietro,
Mazzi,
Pellegri
ni
Farletti,
Mittiga,
Pullano,
Ruggio,
Belli
29
27
23
25
27
25
23
23
25
24
30
Purtroppo ci sono alcuni punti deboli, più o meno importanti:
(1) nel target non definite il termine “abitualmente”. Come
avete fatto a scegliere il campione? (2) la struttura della
presentazione è poco logica: dove sono i risultati dell'analisi
qualitativa? Partite direttamente da quella quantitativa (3) non
trovo corrispondenza fra le analisi che riportate e la lettura
che ne fate. Ad esempio commentate un'analisi di regressione
(per definizione causale) con la percentuale dei rispondenti
che ha dichiarato alcune cose (la % per definizione è un
indicatore di analisi descrittiva) (4) a volte il testo è poco
comprensibile: che vuol dire ad es. alla slide 10 “abbiamo
messo ...”? (5) sempre nella slide 10 si parla di correlazioni,
ma nell'analisi non avete condotto alcun test di correlazione
(6) la struttura della presentazione non è agevole se saltata
dalle analisi alle implicazioni, man mano che fate qualche test.
È un continuo salto logico (7) non è chiaro perchè fate due
factor e due cluster. Non solo non è chiara la logica, ma non è
chiaro neanche su cosa avete condotto le 4 analisi (8) infine,
25,40 le conclusioni sono scarne
30
Il progetto ha alcuni limiti importanti: (1) nell'introduzione fate
riferimento alle 4C. Ma di che si tratta? Peraltro non indicate
le fonti, quindi è difficile seguirvi; (2) non si evince quante
persone intervistate, il che rende l'analisi qualitativa un po'
debole, (3) nella slide 20 indicate la composizione del
campione con la frequenza assoluta, quando in questi casi si
utilizzano le %; è una scelta poco efficace (4) 80 persone per
una quantitativa sono un po' poche, (5) slide 21: dite che la
variabile usata è il canale di distribuzione, ma in realtà questa
non è una variabile, è un oggetto. Quale è la variabile
utilizzata? (6) s. 22 e 23 mancano i risultati dell'analisi di
regressione, per cui è difficile valutare la correttezza di quello
che scrivete (7) slide 24: nella matrice di Fishbein non
compare l'importanza degli attributi. Senza questa
informazione, non potete costruire la matrice (8) la cluster
analysisi su quali variabili relativi agli attributi è stata condotta
(9) se non fate la factor, va bene, ma allora non va proprio
citata (10) manca la definizione delle strategie per ogni cluster
25,15 identificato
Pagina 3