Lavoro Di Gruppo customer satisfaction metropolitane milanesi

50 %
50 %
Information about Lavoro Di Gruppo customer satisfaction metropolitane milanesi

Published on June 10, 2008

Author: saverio4zanetti

Source: slideshare.net

ANALISI DI CUSTOMER SATISFACTION: LE METROPOLITANE MILANESI

Agenda Obiettivi Le Metropolitane Milanesi Scelta del target Struttura del questionario Somministrazione questionario Descrizione del database Analisi statistiche descrittive Analisi statistiche bivariate Analisi multivariate: Segmentazione in base ad un approccio classico (Factor analysis + Cluster analysis ) Regressione lineare multipla (Individuazione dei driver di soddisfazione) Quadrant Analysis (Confronto importanza / soddisfazione) Implicazioni di marketing

Obiettivi

Le Metropolitane Milanesi

Scelta del target

Struttura del questionario

Somministrazione questionario

Descrizione del database

Analisi statistiche descrittive

Analisi statistiche bivariate

Analisi multivariate:

Segmentazione in base ad un approccio classico

(Factor analysis + Cluster analysis )

Regressione lineare multipla

(Individuazione dei driver di soddisfazione)

Quadrant Analysis

(Confronto importanza / soddisfazione)

Implicazioni di marketing

Obiettivi L’obiettivo del nostro lavoro è l’analisi della soddisfazione che gli studenti universitari milanesi hanno nei confronti del servizio delle MM. La struttura del lavoro comprende: Analisi delle caratteristiche attorno cui ruota il servizio; Individuazione dei punti di forza/debolezza del servizio; Possibili azioni manageriali per aumentare la CS.

L’obiettivo del nostro lavoro è l’analisi della soddisfazione

che gli studenti universitari milanesi hanno nei confronti

del servizio delle MM.

La struttura del lavoro comprende:

Analisi delle caratteristiche attorno cui ruota il servizio;

Individuazione dei punti di forza/debolezza del servizio;

Possibili azioni manageriali per aumentare la CS.

Le Metropolitane Milanesi Attualmente, la rete metropolitana si compone di 3 linee: M1 M2 M3 L'estensione della rete è pari a 74.6 Km. Circa 50 km di rete si snodano attraverso il territorio comunale di Milano, mentre i restanti 26 raggiungono i comuni dell'hinterland. 51,5 km di rete sono sotterranei, i restanti sono sopraelevati, in trincea o a raso. Il numero totale delle stazioni è pari ad 88, di cui 19 extraurbane. Le tre linee sono chiamate comunemente con i colori che le identificano: "la rossa" ( M1 ), "la verde" ( M2 ), "la gialla" ( M3 ). Il colore è utilizzato nelle mappe, nella livrea dei treni e nell'arredo delle stazioni. Da fine del 2007 sono incominciati i lavori per coprire le linee metropolitana con la rete UMTS. Il progetto prevede la totale copertura sulle 3 linee per il 2010. All'inizio del 2008 partirà la copertura HSDPA. La tecnologia utilizzata è la RF over fiber. Linea Percorso Inaugurazione Lunghezza Stazioni Sesto I Maggio ↔ Rho Fiera / Bisceglie 1964 27,0 km 38 2 Abbiategrasso ↔ Cologno Nord / Gessate 1969 34,6 km 33 San Donato ↔ Maciachini 1990 13,0 km 17

Attualmente, la rete metropolitana si compone di 3 linee:

L'estensione della rete è pari a 74.6 Km. Circa 50 km di rete si snodano attraverso il territorio comunale di Milano, mentre i restanti 26 raggiungono i comuni dell'hinterland. 51,5 km di rete sono sotterranei, i restanti sono sopraelevati, in trincea o a raso. Il numero totale delle stazioni è pari ad 88, di cui 19 extraurbane.

Le tre linee sono chiamate comunemente con i colori che le identificano: "la rossa" ( M1 ), "la verde" ( M2 ), "la gialla" ( M3 ). Il colore è utilizzato nelle mappe, nella livrea dei treni e nell'arredo delle stazioni.

Da fine del 2007 sono incominciati i lavori per coprire le linee metropolitana con la rete UMTS. Il progetto prevede la totale copertura sulle 3 linee per il 2010. All'inizio del 2008 partirà la copertura HSDPA. La tecnologia utilizzata è la RF over fiber.

Scelta del target Come target della nostra analisi abbiamo scelto gli STUDENTI UNIVERSITARI DI ATENEI MILANESI , utenti per lo più abituali del servizio offerto dalle MM per recarsi in diverse destinazioni con diversa frequenza. La scelta del target è ricaduta sullo studente universitario poiché è giovane ed attento ai cambiamenti , ma allo stesso tempo anche maturo ed accorto sulle valutazioni da esprimere a riguardo del servizio. Il target, e quindi il campione, per i motivi di cui sopra, risulta ottimo a nostro giudizio per un’analisi di Customer Satisfaction, ed è anche buono dal punto di vista della reperibilità , data la numerosità della popolazione.

Come target della nostra analisi abbiamo scelto gli STUDENTI UNIVERSITARI DI ATENEI MILANESI , utenti per lo più abituali del servizio offerto dalle MM per recarsi in diverse destinazioni con diversa frequenza.

La scelta del target è ricaduta sullo studente universitario poiché è giovane ed attento ai cambiamenti , ma allo stesso tempo anche maturo ed accorto sulle valutazioni da esprimere a riguardo del servizio.

Il target, e quindi il campione, per i motivi di cui sopra, risulta ottimo a nostro giudizio per un’analisi di Customer Satisfaction, ed è anche buono dal punto di vista della reperibilità , data la numerosità della popolazione.

Struttura del questionario Il questionario somministrato al campione è suddiviso in 4 aree: Informazioni sulle abitudini di uso; Domande sulle specifiche abitudini; Valutazioni sull’importanza e sulla soddisfazione su 22 caratteristiche del servizio; Informazioni su caratteristiche socio-demografiche. Il questionario è composto da 23 domande e 22 item da valutare per importanza e soddisfazione, e la sua compilazione richiede al massimo 4-5 minuti, risultando quindi non troppo pesante da completare.

Il questionario somministrato al campione è suddiviso in 4 aree:

Informazioni sulle abitudini di uso;

Domande sulle specifiche abitudini;

Valutazioni sull’importanza e sulla soddisfazione su 22 caratteristiche del servizio;

Informazioni su caratteristiche socio-demografiche.

Struttura del questionario Sebbene la modalità CAWI ci avesse inizialmente attratto per capillarità, agilità nella compilazione e assenza di materiale cartaceo, abbiamo scelto il classico formato cartaceo (2 pagine in A4 f/r) per tre buoni motivi: Maggiore visibilità dei risultati ; Maggiore controllo in sede di compilazione e di ritorno del questionario; Minori costi e minor complessità , infatti i software freeware disponibili in rete ( www.polldaddy.com/features , freeonlinesurveys.com , questionform.com ) non offrivano grandi potenzialità e non elaboravano output in seguito gestibili su SPSS o Excel (altri programmi non scaricabili gratis ma con queste qualità avevano un prezzo molto elevato, come per esempio www.esurveyspro.com ).

Sebbene la modalità CAWI ci avesse inizialmente attratto per capillarità, agilità

nella compilazione e assenza di materiale cartaceo, abbiamo scelto il classico

formato cartaceo (2 pagine in A4 f/r) per tre buoni motivi:

Maggiore visibilità dei risultati ;

Maggiore controllo in sede di compilazione e di ritorno del questionario;

Minori costi e minor complessità , infatti i software freeware disponibili in rete ( www.polldaddy.com/features , freeonlinesurveys.com , questionform.com ) non offrivano grandi potenzialità e non elaboravano output in seguito gestibili su SPSS o Excel (altri programmi non scaricabili gratis ma con queste qualità avevano un prezzo molto elevato, come per esempio www.esurveyspro.com ).

Struttura del questionario QUESTIONARIO SUL SERVIZIO DELLE METROPOLITANE MILANESI A) INFORMAZIONI SULLE ABITUDINI DI CONSUMO 1) Usi la Metropolitana? 2) Sei studente universitario in un ateneo milanese? S ì S ì No  chiudere No  chiudere B) QUESTIONARIO 3) Quali sono le prime TRE parole che ti vengono in mente e che associ alla Metropolitana? 1_____________ 2_____________ 3_____________ 4) Quale/quali linea/linee utilizzi con maggiore frequenza? (possibilit à di scelta multipla) LINEA ROSSA LINEA VERDE LINEA GIALLA 5) Quali altri tipi di mezzi utilizzi? (possibilit à di scelta multipla) Mezzi di superficie ATM Auto Moto Bicicletta Mi muovo a piedi 6) Con quale frequenza fruisci del servizio della metropolitana? Solo in particolari circostanze Pi ù volte in un mese Pi ù volte in una settimana Quotidianamente PAGINA 1 PAGINA 2 7) Qual è , in media, la durata del tuo tragitto in Metropolitana? Meno di 5 minuti Tra 5 e 15 minuti Tra 15 e 30 minuti Pi ù di 30 minuti 8)Quanto sei soddisfatto globalmente? scala 1-9 (1-3 poco soddisfatto, 4-6 abbastanza soddisfatto, 7-9 molto soddisfatto) 1 2 3 4 5 6 7 8 9 9)Che tipo di ticket utilizzi? Corsa singola Giornaliero Settimanale Mensile Annuale 10)Per quali motivi usi la Metropolitana? (possibilit à di scelta multipla) Minor fatica, posso rilassarmi, leggere, usare il cellulare, ascoltare musica, … Evitare di guidare nel traffico Difficolt à nel parcheggiare l ’ auto Minor costo Minor tempo di percorrenza Non guido/non possiedo l ’ auto Scomodit à degli altri mezzi pubblici Altro (__________________) 11)Verso quale/quali destinazione/destinazioni la usi pi ù spesso? (possibilit à di scelta multipla) Casa Universit à Divertimento (Bar, Cinema, Stadio, … ) Altro (__________________)

Struttura del questionario C) MOTIVAZIONI D ’ USO 12) Quanto valuti importanti le seguenti caratteristiche per l ’ uso della Metropolitana? scala 1-9 (1-3 bassa importanza, 4-6 media importanza, 7-9 alta importanza) IMPORTANZ A 1 2 3 4 5 6 7 8 9 1) Puntualit à del servizio 2) Frequenza del servizio 3) Confort del viaggio 4) Silenziosit à durante il tragitto 5) Possibilit à di trovare posto a sedere 6) Stile di guida 7) Cortesia del personale 8) Informazioni al pubblico 9) Sicurezza per le persone 10) Sicurezza per le cose (no possibilit à di furto, etc) 11) Convenienza biglietto singolo 12) Convenienza abbonamento 13) Reperibilit à abbonamento (Dislocazione ATM Points) 14) Facilit à di accesso ai treni 15) Chiarezza della segnaletica 16) Orari di servizio notturni/festivi 17) Brevit à del tempo per attesa per le coincidenze 18) Rispetto dell ’ ambiente 19) Bellezza estetica dei treni e delle stazioni 20) Prossimit à delle stazioni ai luoghi d ’ interesse (casa,universit à ) 21) Possibilit à di combinazione con mezzi di superficie 22) Possibilit à di uso del telefonino sui treni e nelle stazioni 13) Quanto reputi soddisfacente il servizio delle Metropolitane Milanesi sulle stesse caratteristiche? scala 1-9 (1-3 poco soddisfacente, 4-6 abbastanza soddisfacente, 7-9 molto soddisfacente) SODDISFAZIONE 1 2 3 4 5 6 7 8 9 1) Puntualit à del servizio 2) Frequenza del servizio 3) Confort del viaggio 4) Silenziosit à durante il tragitto 5) Possibilit à di trovare posto a sedere 6) Stile di guida 7) Cortesia del personale 8) Informazioni al pubblico 9) Sicurezza per le persone 10) Sicurezza per le cose (no possibilit à di furto, etc) 11) Convenienza biglietto singolo 12) Convenienza abbonamento 13) Reperibilit à abbonamento (Dislocazione ATM Points) 14) Facilit à di accesso ai treni 15) Chiarezza della segnaletica 16) Orari di servizio notturni/festivi 17) Brevit à del tempo per attesa per le coincidenze 18) Rispetto dell ’ ambiente 19) Bellezza estetica dei treni e delle stazioni 20) Prossimit à delle stazioni ai luoghi d ’ interesse (casa,universit à ) 21) Possibilit à di combinazione con mezzi di superficie 22) Possibilit à di uso del telefonino sui treni e nelle stazioni PAGINA 3 (Versione Alfa)

Struttura del questionario C) MOTIVAZIONI D ’ USO 12) Quanto valuti importanti le seguenti caratteristiche per l ’ uso della Metropolitana? scala 1-9 (1-3 bassa importanza, 4-6 media importanza, 7-9 alta importanza) IMPORTANZ A 1 2 3 4 5 6 7 8 9 1) Convenienza biglietto singolo 2) Convenienza abbonamento 3) Reperibilit à abbonamento (Dislocazione ATM Points) 4) Facilit à di accesso ai treni 5) Chiarezza della segnaletica 6) Orari di servizio notturni/festivi 7) Brevit à del tempo per attesa per le coincidenze 8) Rispetto dell ’ ambiente 9) Bellezza estetica dei treni e delle stazioni 10) Prossimit à delle stazioni ai luoghi d ’ interesse (casa,universit à ) 11) Possibilit à di combinazione con mezzi di superficie 12) Possibilit à di uso del telefonino sui treni e nelle stazioni 13) Puntualit à del servizio 14) Frequenza del servizio 15) Confort del viaggio 16) Silenziosit à durante il tragitto 17) Possibilit à di trovare posto a sedere 18) Stile di guida 19) Cortesia del personale 20) Informazioni al pubblico 21) Sicurezza per le persone 22) Sicurezza per le cose (no possibilit à di furto, etc) 13) Quanto reputi soddisfacente il servizio delle Metropolitane Milanesi sulle stesse caratteristiche? scala 1-9 (1-3 poco soddisfacente, 4-6 abbastanza soddisfacente, 7-9 molto soddisfacente) SODDISFAZIONE 1 2 3 4 5 6 7 8 9 1) Convenienza biglietto singolo 2) Convenienza abbonamento 3) Reperibilit à abbonamento (Dislocazione ATM Points) 4) Facilit à di accesso ai treni 5) Chiarezza della segnaletica 6) Orari di servizio notturni/festivi 7) Brevit à del tempo per attesa per le coincidenze 8) Rispetto dell ’ ambiente 9) Bellezza estetica dei treni e delle stazioni 10) Prossimit à delle stazioni ai luoghi d ’ interesse (casa,universit à ) 11) Possibilit à di combinazione con mezzi di superficie 12) Possibilit à di uso del telefonino sui treni e nelle stazioni 13) Puntualit à del servizio 14) Frequenza del servizio 15) Confort del viaggio 16) Silenziosit à durante il tragitto 17) Possibilit à di trovare posto a sedere 18) Stile di guida 19) Cortesia del personale 20) Informazioni al pubblico 21) Sicurezza per le persone 22) Sicurezza per le cose (no possibilit à di furto, etc) PAGINA 3 (Versione Beta)

Struttura del questionario D) INFORMAZIONI SOCIO-DEMOGRAFICHE 14) Et à : ____ 15) Sesso: M F 16) Componenti del nucleo famigliare (compreso l ’ intervistato): ____ 17)Numero auto possedute:____ 18) Dove abiti (per motivi di studio)? Milano Hinterland Milanese Lombardia 19) Zona di residenza Milano (specificare zona___________ ) Hinterland Milanese (specificare zona___________) Lombardia (specificare provincia___________) Italia (specificare regione___________) Altro (specificare___________) 21) Ateneo Frequentato Bocconi Cattolica Politecnico Iulm Bovisa Statale (Festa del Perdono) Statale (Citt à Studi) Bicocca Altro (_____________________) 22)Anno accademico frequentato: 1 2 3 4 5 Fuori Corso 23)Fai acquisti on line (via internet)? S ì No PAGINA 4

Struttura del questionario CONSIDERAZIONI: Abbiamo deciso di chiedere all’intervistato un giudizio globale (domanda 8) di soddisfazione sul servizio prima della valutazione degli item. In questo modo il giudizio sarebbe stato il più spontaneo possibile. La domanda 3 (Tre Parole) cerca di rappresentare l’immagine che l’intervistato ha delle MM, dandone i connotati che, come “top of mind”, emergono per primi nella sua mente. Le informazioni socio-demografiche, per comodità dell’intervistato, sono state messe in fondo al questionario.

CONSIDERAZIONI:

Abbiamo deciso di chiedere all’intervistato un giudizio globale (domanda 8) di soddisfazione sul servizio prima della valutazione degli item. In questo modo il giudizio sarebbe stato il più spontaneo possibile.

La domanda 3 (Tre Parole) cerca di rappresentare l’immagine che l’intervistato ha delle MM, dandone i connotati che, come “top of mind”, emergono per primi nella sua mente.

Le informazioni socio-demografiche, per comodità dell’intervistato, sono state messe in fondo al questionario.

Struttura del questionario CARATTERISTICHE DEL SERVIZIO : Ascoltando l’esperienza di diversi studenti “pendolari” delle Metropolitane, ed analizzando naturalmente con gli occhi della domanda, è emerso un primo insieme di 12 item sui quali valutare il servizio delle MM. Rendendoci conto della natura abbastanza restrittiva della visione della domanda per poter scoprire le molteplici variabili del servizio, attraverso un’intervista con il Prof. Lanfranco Senn, Presidente Onorario di MM, abbiamo cercato di guardare il servizio anche attraverso la logica dell’offerta . Il risultato è stato molto positivo, poiché abbiamo affinato ed aumentato il nostro bagaglio di item (composto ora da 22) . Per non confondere l’intervistato nell’assegnazione di un punteggio da 1 a 9 per importanza e soddisfazione del servizio, tali item sono stati espressi tutti in versione “positiva”. (ES: Rumorosità durante il tragitto  Silenziosità durante il tragitto)

CARATTERISTICHE DEL SERVIZIO :

Ascoltando l’esperienza di diversi studenti “pendolari” delle Metropolitane, ed analizzando naturalmente con gli occhi della domanda, è emerso un primo insieme di 12 item sui quali valutare il servizio delle MM.

Rendendoci conto della natura abbastanza restrittiva della visione della domanda per poter scoprire le molteplici variabili del servizio, attraverso un’intervista con il Prof. Lanfranco Senn, Presidente Onorario di MM, abbiamo cercato di guardare il servizio anche attraverso la logica dell’offerta .

Il risultato è stato molto positivo, poiché abbiamo affinato ed aumentato il nostro bagaglio di item (composto ora da 22) .

Per non confondere l’intervistato nell’assegnazione di un punteggio da 1 a 9 per importanza e soddisfazione del servizio, tali item sono stati espressi tutti in versione “positiva”.



(ES: Rumorosità durante il tragitto  Silenziosità durante il tragitto)

Struttura del questionario Silenziosità durante il tragitto Sicurezza per le persone Sicurezza per le cose Convenienza biglietto singolo Convenienza abbonamento Facilità di accesso ai treni Chiarezza della segnaletica Brevità del tempo per attesa per le coincidenze Possibilità di combinazione con mezzi di superficie Orari di servizio notturni/festivi Rispetto dell’ambiente Bellezza estetica dei treni e delle stazioni + Puntualità del servizio Frequenza del servizio Confort del viaggio Possibilità di trovare posto a sedere Stile di guida Cortesia del personale Informazioni al pubblico Sicurezza Convenienza tariffa Reperibilità abbonamento Prossimità delle stazioni ai luoghi d’interesse(casa,università) Possibilità di uso del telefonino sui treni e nelle stazioni DOMANDA OFFERTA

Silenziosità durante il tragitto

Sicurezza per le persone

Sicurezza per le cose

Convenienza biglietto singolo

Convenienza abbonamento

Facilità di accesso ai treni

Chiarezza della segnaletica

Brevità del tempo per attesa per le coincidenze

Possibilità di combinazione con mezzi di superficie

Orari di servizio notturni/festivi

Rispetto dell’ambiente

Bellezza estetica dei treni e delle stazioni

Puntualità del servizio

Frequenza del servizio

Confort del viaggio

Possibilità di trovare posto a sedere

Stile di guida

Cortesia del personale

Informazioni al pubblico

Sicurezza

Convenienza tariffa

Reperibilità abbonamento

Prossimità delle stazioni ai luoghi d’interesse(casa,università)

Possibilità di uso del telefonino sui treni e nelle stazioni

Struttura del questionario

Versione Alfa e Beta Nell’inserire i questionari, ci siamo accorti come la maggioranza degli intervistati dava alta importanza ai primi tre attributi della lista , ritenuti i più importanti del servizio, creando così un appiattimento nelle valutazioni di importanza. Proprio per questo motivo abbiamo deciso di introdurre una versione Beta del questionario, nella quale i primi 10 attributi , tra cui i tre su cui si stava creando un appiattimento nelle valutazioni, sono in ordine invertito rispetto agli altri 12 . Questo accorgimento ci ha fatto guadagnare in termini di valori medi (diminuiti) e di varianza (aumentata) dei tre attributi. Descriptive Statistics ALFA 122 1 9 8,14 1,307 122 1 9 8,21 1,255 122 1 9 6,68 1,873 122 Importanza Puntualit à del servizio Importanza Frequenza del servizio Importanza Confort del viaggio Valid N (listwise) N Minimum Maximum Mean Std. Deviation Descriptive Statistics BETA 172 1 9 7,47 1,827 172 1 9 7,69 1,561 172 1 9 6,49 2,076 172 Importanza Puntualit à del servizio Importanza Frequenza del servizio Importanza Confort del viaggio Valid N (listwise) N Minimum Maximum Mean Std. Deviation

Nell’inserire i questionari, ci siamo accorti come la maggioranza degli intervistati dava alta importanza ai primi tre attributi della lista , ritenuti i più importanti del servizio, creando così un appiattimento nelle valutazioni di importanza.

Proprio per questo motivo abbiamo deciso di introdurre una versione Beta del questionario, nella quale i primi 10 attributi , tra cui i tre su cui si stava creando un appiattimento nelle valutazioni, sono in ordine invertito rispetto agli altri 12 .

Questo accorgimento ci ha fatto guadagnare in termini di valori medi (diminuiti) e di varianza (aumentata) dei tre attributi.

Somministrazione del questionario Il questionario è stato somministrato a 294 studenti di diverse Università milanesi che fanno uso del servizio delle MM. Riteniamo il campione molto buono per il nostro studio poiché, sebbene non rispecchi perfettamente le effettive quote di iscrizione nei diversi atenei , comporta una notevole eterogeneità a livello di soddisfazione , importanza e linee usate , da noi ritenute fondamentali ai fini dell’analisi.

Il questionario è stato somministrato a 294 studenti di diverse Università milanesi che fanno uso del servizio delle MM.

Riteniamo il campione molto buono per il nostro studio poiché, sebbene non rispecchi perfettamente le effettive quote di iscrizione nei diversi atenei , comporta una notevole eterogeneità a livello di soddisfazione , importanza e linee usate , da noi ritenute fondamentali ai fini dell’analisi.

Statistiche descrittive Il campione intervistato risiede prevalentemente a Milano; ha un’età compresa tra i 19 e i 27 anni, con una media globale di 21,87 anni; è diviso abbastanza equamente tra maschi (44%) e femmine (56%).

Statistiche descrittive * Sotto la voce “Altri Atenei” si includono: Istituto Europeo di Design, San Raffaele, ICOM Il campione risulta essere eterogeneo per numero di atenei presenti nel database, ma fortemente distribuito tra Università Bocconi e Università Statale Festa del Perdono.

Statistiche descrittive Nonostante gli intervistati appartengano prevalentemente a 2 atenei, il campione può ritenersi accettabile in quanto sia il giudizio espresso sulla soddisfazione globale sia la distribuzione di frequenza delle linee utilizzate hanno evidenziato un’eterogeneità di risposte.

Statistiche descrittive Il 46 % degli intervistati appartiene a una famiglia composta da 4 persone. Il 48% del campione possiede 2 automobili, la media dell’intero campione è di 2,2 auto per nucleo familiare.

Statistiche descrittive Mezzi di trasporto utilizzati oltre alla metropolitana * * Domanda con possibilità di risposta multipla

Statistiche descrittive

Statistiche descrittive * Domanda con possibilità di risposta multipla

Statistiche descrittive * Domanda con possibilità di risposta multipla

Analisi statistiche bivariate Variabili qualitative vs variabili quantitative Report ANOVA Table Measures of Association Frequenza di utilizzo vs soddisfazione globale del servizio CONFRONTA MEDIE Il p-value è superiore al 5%: la correlazione non risulta significativa. Con che frequenza usi la MM? Mean N Std. Deviation solo in particolari circostanze 4,57 51 1,616 più volte in un mese 5,25 52 1,631 più volte in una settimana 4,79 56 1,776 quotidianamente 4,76 135 1,842 Total 4,82 294 1,760 Sum of Squares df Mean Square F Sig. Quanto sei soddisfatto globalmente? * Con che frequenza usi la MM? Between Groups (Combined) 13,342 3 4,447 1,443 ,231 Within Groups 894,103 290 3,083 Total 907,446 293 Eta Eta Squared Quanto sei soddisfatto globalmente? * Con che frequenza usi la MM? ,121 ,015

Analisi statistiche bivariate Variabili qualitative vs variabili quantitative Report ANOVA Table Measures of Association Durata tragitto medio vs soddisfazione globale del servizio CONFRONTA MEDIE Il p-value è superiore al 5%: la correlazione non risulta significativa. Quanto dura il tragitto medio? Mean N Std. Deviation meno di 5 minuti 5,35 20 1,927 tra 5 e 15 minuti 4,98 166 1,772 tra 15 e 30 minuti 4,54 87 1,697 più di 30 minuti 4,24 21 1,546 Total 4,82 294 1,760 Sum of Squares df Mean Square F Sig. Quanto sei soddisfatto globalmente? * Quanto dura il tragitto medio? Between Groups (Combined) 23,573 3 7,858 2,578 ,054 Within Groups 883,872 290 3,048 Total 907,446 293 Eta Eta Squared Quanto sei soddisfatto globalmente? * Quanto dura il tragitto medio? ,161 ,026

Analisi statistiche bivariate Variabili qualitative vs variabili quantitative Report ANOVA Table Measures of Association Tipologia di ticket utilizzata vs soddisfazione globale del servizio CONFRONTA MEDIE Il p-value è superiore al 5%: la correlazione non risulta significativa. Che tipo di ticket utilizzi? Mean N Std. Deviation corsa singola 4,94 88 1,670 giornaliero 4,56 16 1,896 settimanale 5,00 13 1,080 mensile 4,75 131 1,899 annuale 4,83 46 1,664 Total 4,82 294 1,760 Sum of Squares df Mean Square F Sig. Quanto sei soddisfatto globalmente? * Che tipo di ticket utilizzi? Between Groups (Combined) 3,496 4 ,874 ,279 ,891 Within Groups 903,949 289 3,128 Total 907,446 293 Eta Eta Squared Quanto sei soddisfatto globalmente? * Che tipo di ticket utilizzi? ,062 ,004

Set evocato riguardo alla metropolitana caldo confusione sporco affollata puzza comodità veloce gente treno gialla verde rossa ritardo borseggiatori biglietto fretta rumore sottoterra fermata extracomunitari

Percezione del campione

Segmentazione Classica Questa tipologia di segmentazione prevede l’utilizzo congiunto di due tecniche statistiche: Factor Analysis Cluster Analysis

Questa tipologia di segmentazione

prevede l’utilizzo congiunto di due

tecniche statistiche:

Factor Analysis

Cluster Analysis

Factor Analysis Scopo dell’analisi Identificare dei fattori che spiegano il modello di correlazioni all’interno di un insieme di variabili osservate. Viene utilizzata per la riduzione dei dati, in quanto consente di identificare un numero ridotto di componenti che spiegano la maggior parte di varianza osservata in numerose variabili. Variabili selezionate I 22 item: Puntualità del servizio; Frequenza del servizio; Confort del viaggio; Silenziosità durante il tragitto; Possibilità di trovare posto a sedere; Stile di guida; Cortesia del personale; Informazioni al pubblico; Sicurezza per le persone; Sicurezza per le cose; Convenienza biglietto singolo; Convenienza abbonamento; Reperibilità abbonamento; Facilità di accesso ai treni; Chiarezza della segnaletica; Orari di servizio notturni/festivi; Brevità del tempo per attesa per le coincidenze; Rispetto dell’ambiente; Bellezza estetica dei treni e delle stazioni; Prossimità delle stazioni ai luoghi d’interesse; Possibilità di combinazione con mezzi di superficie; Possibilità di uso del telefonino sui treni e nelle stazioni.

Factor Analysis Descrittive : Soluzione iniziale Estrazione Metodo: Componenti principali Analizza: Matrice di correlazione Visualizza: Soluzione fattoriale non ruotata + Scree plot Numero di fattori: 3 Massimo numero di interazioni per la convergenza: 50 Rotazione : Equamax Opzioni : Sostituzione con media per i valori mancanti RAPPORTO TRA NUMERO COMPONENTI E NUMERO VARIABILI 3 componenti su 22 variabili  14% % DI VARIANZA SPIEGATA 54,46% COMUNALITA’ Tra 0,250 e 0,703

Descrittive : Soluzione iniziale

Estrazione

Metodo: Componenti principali

Analizza: Matrice di correlazione

Visualizza: Soluzione fattoriale non ruotata + Scree plot

Numero di fattori: 3

Massimo numero di interazioni per la convergenza: 50

Rotazione : Equamax

Opzioni : Sostituzione con media per i valori mancanti

Factor Analysis Descrittive : Soluzione iniziale Estrazione Metodo: Componenti principali Analizza: Matrice di correlazione Visualizza: Soluzione fattoriale non ruotata + Scree plot Numero di fattori: 4 Massimo numero di interazioni per la convergenza: 50 Rotazione : Equamax Opzioni : Sostituzione con media per i valori mancanti RAPPORTO TRA NUMERO COMPONENTI E NUMERO VARIABILI 4 componenti su 22 variabili  18% % DI VARIANZA SPIEGATA 59,78% COMUNALITA’ Tra 0,308 e 0,759

Descrittive : Soluzione iniziale

Estrazione

Metodo: Componenti principali

Analizza: Matrice di correlazione

Visualizza: Soluzione fattoriale non ruotata + Scree plot

Numero di fattori: 4

Massimo numero di interazioni per la convergenza: 50

Rotazione : Equamax

Opzioni : Sostituzione con media per i valori mancanti

Factor Analysis Descrittive : Soluzione iniziale Estrazione Metodo: Componenti principali Analizza: Matrice di correlazione Visualizza: Soluzione fattoriale non ruotata + Scree plot Numero di fattori: 5 Massimo numero di interazioni per la convergenza: 50 Rotazione : Equamax Opzioni : Sostituzione con media per i valori mancanti RAPPORTO TRA NUMERO COMPONENTI E NUMERO VARIABILI 5 componenti su 22 variabili  23% % DI VARIANZA SPIEGATA 64,33% COMUNALITA’ Tra 0,455 e 0,761

Descrittive : Soluzione iniziale

Estrazione

Metodo: Componenti principali

Analizza: Matrice di correlazione

Visualizza: Soluzione fattoriale non ruotata + Scree plot

Numero di fattori: 5

Massimo numero di interazioni per la convergenza: 50

Rotazione : Equamax

Opzioni : Sostituzione con media per i valori mancanti

Factor Analysis Descrittive : Soluzione iniziale Estrazione Metodo: Componenti principali Analizza: Matrice di correlazione Visualizza: Soluzione fattoriale non ruotata + Scree plot Numero di fattori: 6 Massimo numero di interazioni per la convergenza: 50 Rotazione : Equamax Opzioni : Sostituzione con media per i valori mancanti RAPPORTO TRA NUMERO COMPONENTI E NUMERO VARIABILI 6 componenti su 22 variabili  28% % DI VARIANZA SPIEGATA 68,55% COMUNALITA’ Tra 0,498 e 0,773

Descrittive : Soluzione iniziale

Estrazione

Metodo: Componenti principali

Analizza: Matrice di correlazione

Visualizza: Soluzione fattoriale non ruotata + Scree plot

Numero di fattori: 6

Massimo numero di interazioni per la convergenza: 50

Rotazione : Equamax

Opzioni : Sostituzione con media per i valori mancanti

Factor Analysis Descrittive : Soluzione iniziale Estrazione Metodo: Componenti principali Analizza: Matrice di correlazione Visualizza: Soluzione fattoriale non ruotata + Scree plot Numero di fattori: 7 Massimo numero di interazioni per la convergenza: 50 Rotazione : Equamax Opzioni : Sostituzione con media per i valori mancanti RAPPORTO TRA NUMERO COMPONENTI E NUMERO VARIABILI 7 componenti su 22 variabili  32% % DI VARIANZA SPIEGATA 71,90% COMUNALITA’ Tra 0,572 e 0,850

Descrittive : Soluzione iniziale

Estrazione

Metodo: Componenti principali

Analizza: Matrice di correlazione

Visualizza: Soluzione fattoriale non ruotata + Scree plot

Numero di fattori: 7

Massimo numero di interazioni per la convergenza: 50

Rotazione : Equamax

Opzioni : Sostituzione con media per i valori mancanti

Factor Analysis - Sintesi 3 componenti 4 componenti 5 componenti 6 componenti 7 componenti % varianza globale spiegata 54,46% 59,78% 64,33% 68,55% 71,90% Rapporto tra numero di componenti e numero di variabili numero di componenti insufficiente numero di componenti insufficiente numero di componenti insufficiente OK numero di componenti troppo elevato Comunalità Tra 0,284 e 0,703 Tra 0,308 e 0,759 Tra 0,455 e 0,761 Tra 0,498 e 0,773 Tra 0,572 e 0,850 Correlazioni tra componenti e variabili originarie Componenti 1,2 e 3 problematiche Componenti 2 e 4 problematiche La matrice ruotata secondo metodo Equamax fallisce nel convergere dopo 50 iterazioni Ottimale* Componenti 2 e 6 problematiche; la 7 contiene solamente una variabile originaria (Item n°11); poca coerenza tra variabili e componenti Giudizio sintetico NON ACCETTABILE    NON ACCETTABILE NON ACCETTABILE    ADEGUATO NON ADEGUATO 

Soluzioni scartate: 3 componenti

Soluzioni scartate: 4 componenti

Soluzioni scartate: 5 componenti

Soluzioni scartate: 7 componenti .

Risultati Per la nostra Factor Analysis si è deciso di scegliere 6 componenti , (ottenute attraverso una matrice ruotata con metodo Equamax, combinazione tra Quartimax e Varimax, che permette una migliore interpretabilità delle componenti) per i seguenti motivi: Complessità ridotta per l’aggregazione delle 22 variabili originarie in 6 componenti; Buona correlazione tra componenti e variabili originarie*; Percentuale della varianza spiegata elevata (68,554%); Buona coerenza tra item e componenti d’appartenenza. Proprio per questi motivi ci siamo fermati a 6 componenti, perché già passando a 7 sarebbe aumentata la complessità e diminuita la coerenza tra gli item e le relative componenti. *Ai fini di una fattorizzazione più sensata abbiamo deciso di spostare l’item n°14 (facilità d’accesso ai treni) dalla componente n°4 (Caratteristiche Tariffa) alla componente n°6 (Accessibilità + Ambiente). Il coefficiente di correlazione scende da 0,582 a 0,364, ma questo sacrificio ci sembra opportuno per garantire coerenza tra le componenti.

Per la nostra Factor Analysis si è deciso di scegliere 6 componenti , (ottenute attraverso una matrice ruotata con metodo Equamax, combinazione tra Quartimax e Varimax, che permette una migliore interpretabilità delle componenti) per i seguenti motivi:

Complessità ridotta per l’aggregazione delle 22 variabili originarie in 6 componenti;

Buona correlazione tra componenti e variabili originarie*;

Percentuale della varianza spiegata elevata (68,554%);

Buona coerenza tra item e componenti d’appartenenza.

Proprio per questi motivi ci siamo fermati a 6 componenti, perché già passando a 7 sarebbe aumentata la complessità e diminuita la coerenza tra gli item e le relative componenti.

Tabella delle Comunalità I valori assunti dalle comunalità sono abbastanza buoni in quanto oscillano tra 0.498 (Rispetto dell’ambiente) e 0.773 (Reperibilità abbonamento). Si è considerata accettabile questa soluzione perché, sebbene aumentando il numero di componenti fino a 7, non si avrebbero avuti risultati nettamente migliori, in cambio però di una componente in più, che avrebbe reso molto più complessa l’analisi.

I valori assunti dalle comunalità sono abbastanza buoni in quanto oscillano tra 0.498 (Rispetto dell’ambiente) e 0.773 (Reperibilità abbonamento).

Si è considerata accettabile questa soluzione perché, sebbene aumentando il numero di componenti fino a 7, non si avrebbero avuti risultati nettamente migliori, in cambio però di una componente in più, che avrebbe reso molto più complessa l’analisi.

Tabella della varianza spiegata Riteniamo il livello di varianza spiegata molto buona (un livello accettabile è compreso tra il 50% e il 60%), essendo circa il 70% (68,554%). Anche se aumentassimo il numero delle componenti a 7 avremmo un incremento della varianza spiegata di +3,346, arrivando fino a 71,9%, in cambio però di una maggiore complessità di analisi.

Riteniamo il livello di varianza spiegata molto buona (un livello accettabile è compreso tra il 50% e il 60%), essendo circa il 70% (68,554%).

Anche se aumentassimo il numero delle componenti a 7 avremmo un incremento della varianza spiegata di +3,346, arrivando fino a 71,9%, in cambio però di una maggiore complessità di analisi.

Interpretazioni delle componenti Componente 1 : Frequenza del servizio, Prossimità delle stazioni a luoghi d’interesse, Puntualità del servizio, Possibilità di combinazione con mds, Brevità del tempo per attesa coincidenze. Componente 2 : Stile di guida, Cortesia del personale, Informazioni al pubblico. Componente 3 : Silenziosità durante il tragitto, Possibilità di uso del telefonino, Bellezza estetica treni/stazioni, Possibilità di sedersi, Confort del viaggio. Componente 4 : Reperibilità abbonamento, Convenienza abbonamento, Facilità accesso ai treni * , Convenienza biglietto singolo. Componente 5 : Sicurezza per le cose, Sicurezza per le persone. Componente 6 : Orari di servizio extra, Chiarezza della segnaletica, rispetto dell’ambiente.

Componente 1 : Frequenza del servizio, Prossimità delle stazioni a luoghi d’interesse, Puntualità del servizio, Possibilità di combinazione con mds, Brevità del tempo per attesa coincidenze.

Componente 2 : Stile di guida, Cortesia del personale, Informazioni al pubblico.

Componente 3 : Silenziosità durante il tragitto, Possibilità di uso del telefonino, Bellezza estetica treni/stazioni, Possibilità di sedersi, Confort del viaggio.

Componente 4 : Reperibilità abbonamento, Convenienza abbonamento, Facilità accesso ai treni * , Convenienza biglietto singolo.

Componente 5 : Sicurezza per le cose, Sicurezza per le persone.

Componente 6 : Orari di servizio extra, Chiarezza della segnaletica, rispetto dell’ambiente.

Factor Analysis - Conclusioni L’analisi ha quindi permesso di individuare 6 componenti , composti da variabili tra loro aggregabili, in base alle valutazioni d’importanza sui 22 item. Alle componenti è stato assegnato un nome coerentemente rispetto agli item in esse contenuti e verranno poi utilizzate come input per la Cluster Analysis: Componente 1 : SERVIZIO BASE Componente 2 : RAPPORTO CLIENTE-PERSONALE Componente 3 : PIACEVOLEZZA/COMODITA’ DEL VIAGGIO Componente 4 : CARATTERISTICHE TARIFFA Componente 5 : SICUREZZA Componente 6 : ACCESSIBILITA’ + AMBIENTE

L’analisi ha quindi permesso di individuare 6 componenti , composti da variabili

tra loro aggregabili, in base alle valutazioni d’importanza sui 22 item.

Alle componenti è stato assegnato un nome coerentemente rispetto agli item in

esse contenuti e verranno poi utilizzate come input per la Cluster Analysis:

Componente 1 : SERVIZIO BASE

Componente 2 : RAPPORTO CLIENTE-PERSONALE

Componente 3 : PIACEVOLEZZA/COMODITA’ DEL VIAGGIO

Componente 4 : CARATTERISTICHE TARIFFA

Componente 5 : SICUREZZA

Componente 6 : ACCESSIBILITA’ + AMBIENTE

Matrice delle Saturazioni * *Ai fini di una fattorizzazione più sensata abbiamo deciso di spostare l’item n°14 (facilità d’accesso ai treni) dalla componente n°4 (Caratteristiche Tariffa) alla componente n°6 (Accessibilità + Ambiente). Il coefficiente di correlazione scende da 0,582 a 0,364, ma questo sacrificio ci sembra opportuno per garantire coerenza tra le componenti.

Cluster Analysis Scopo dell’analisi Cercare di classificare il campione in gruppi omogenei al loro interno e disomogenei tra di loro. Variabili selezionate Le 6 componenti provenienti dalla Factor Analysis: SERVIZIO BASE, RAPPORTO CLIENTE-PERSONALE, PIACEVOLEZZA/COMODITA’ DEL VIAGGIO, CARATTERISTICHE TARIFFA, SICUREZZA, ACCESSIBILITA’ + AMBIENTE.

Le 6 componenti provenienti dalla Factor Analysis:

SERVIZIO BASE,

RAPPORTO CLIENTE-PERSONALE,

PIACEVOLEZZA/COMODITA’ DEL VIAGGIO,

CARATTERISTICHE TARIFFA,

SICUREZZA,

ACCESSIBILITA’ + AMBIENTE.

Cluster Analysis 3 cluster 4 cluster 5 cluster Numerosità Osservazioni Numero di osservazioni soddisfacente (>2%) Numero di osservazioni soddisfacente (>2%) Numero di osservazioni soddisfacente (>2%) Tabella analisi varianza Significatività di ogni componente con livello 5% (test F) Significatività non del tutto soddisfacente per la componente RAPPORTO CLIENTE/SERVIZIO (0,058>0,05) Significatività di ogni componente con livello 5% (test F) Caratteristiche dei centri finali Buona interpretabilità dei cluster a livello di marketing Bassa interpretabilità dei cluster a livello di marketing Bassa interpretabilità dei cluster a livello di marketing e ridotta respingenza esterna tra gli stessi

Soluzioni scartate: 5 cluster

Soluzioni scartate: 4 cluster

Soluzione scelta: 3 cluster

Numerosità delle osservazioni Il numero dei casi presente in ciascun cluster è accettabile: oscilla tra 47 (16%)del cluster 3 e 180(67%) del cluster 2.

Tabella ANOVA I livelli di significatività del test sono ottimi perché tutti inferiori al 5%, il che porta a rifiutare l’ipotesi nulla.

Tabella dei centri finali: interpretabilità dei cluster E’ possibile osservare una divisione molto significativa, a livello di marketing, per i vari cluster: Cluster 1: molto attento agli aspetti tecnici; Cluster 2 : attento a tutte le componenti, in particolar modo a Caratteristiche Tariffa, Sicurezza e Rapporto Cliente Servizio; Cluster 3: non dà importanza a nessuna delle componenti.

E’ possibile osservare una divisione molto significativa, a livello di marketing, per i vari cluster:

Cluster 1: molto attento agli aspetti tecnici;

Cluster 2 : attento a tutte le componenti, in particolar modo a Caratteristiche Tariffa, Sicurezza e Rapporto Cliente Servizio;

Cluster 3: non dà importanza a nessuna delle componenti.

Radar 3 cluster Ranking dei fattori per ogni singolo cluster

Tabella dei centri finali - Sintesi Attraverso queste tabelle vogliamo riassumere in maniera sintetica la tabella dei centri finali, cercando di individuare le preferenze di ciascun cluster . Abbiamo lavorato sull’ordinamento dei cluster per ciascun fattore (ranking per riga) e letto in seguito la tabella per colonna (cioè per ciascun cluster). Cluster 1 2 3 SERVIZIO_BASE 1 2 3 RAPPORTO_CLIENTE_PERSONALE 3 1 2 PIACEVOLEZZA_COMODITA_VIAGGIO 1 2 3 CARATTERISTICHE_TARIFFA 3 1 2 SICUREZZA 2 1 3 ACCESSIBILITA_AMBIENTE 2 1 3 Cluster 1 2 3 SERVIZIO_BASE + + -- RAPPORTO_CLIENTE_PERSONALE - + - PIACEVOLEZZA_COMODITA_VIAGGIO + = - CARATTERISTICHE_TARIFFA -- ++ = SICUREZZA + + -- ACCESSIBILITA_AMBIENTE = + -

Analisi del Cluster 1 - Pratici (23%) Gli appartenenti a questo cluster prestano maggiore attenzione ai Servizi Base, Piacevolezza Comodità e Viaggio e Sicurezza. Profilando il cluster attraverso le variabili più significative per la nostra analisi si nota che: Ateneo frequentato : il cluster presenta una distribuzione allineata a quella del campione. Frequenza utilizzo : il cluster utilizza il servizio prevalentemente più volte alla settimana (+4,83%) ed in particolari circostanze (+3,55%); l’uso quotidiano è inferiore del 10% rispetto al campione. Tipologia ticket : il cluster usa prevalentemente le tipologie di ticket di corsa singola e di tariffa mensile in modo più intensivo rispetto al campione (rispettivamente +11% e +4,7%); parallelamente al discorso della frequenza si osserva come l’uso della tariffa annuale scenda quasi del 10%. Durata tragitto : il cluster presenta una maggiore attitudine a viaggiare tra i 15 ed i 30 minuti del +4,74% rispetto al campione.

Gli appartenenti a questo cluster prestano maggiore attenzione ai Servizi Base, Piacevolezza Comodità e Viaggio e Sicurezza.

Profilando il cluster attraverso le variabili più significative per la nostra analisi si nota che:

Ateneo frequentato : il cluster presenta una distribuzione allineata a quella del campione.

Frequenza utilizzo : il cluster utilizza il servizio prevalentemente più volte alla settimana (+4,83%) ed in particolari circostanze (+3,55%); l’uso quotidiano è inferiore del 10% rispetto al campione.

Tipologia ticket : il cluster usa prevalentemente le tipologie di ticket di corsa singola e di tariffa mensile in modo più intensivo rispetto al campione (rispettivamente +11% e +4,7%); parallelamente al discorso della frequenza si osserva come l’uso della tariffa annuale scenda quasi del 10%.

Durata tragitto : il cluster presenta una maggiore attitudine a viaggiare tra i 15 ed i 30 minuti del +4,74% rispetto al campione.

Analisi del Cluster 2 – Esigenti (61%) Gli intervistati appartenenti a questo cluster reputano di primaria importanza le Caratteristiche della Tariffa prestando nello stesso tempo particolare attenzione alla Sicurezza e Rapporto Cliente-Servizio. In misura marginale presta attenzione anche ad Accessibilità & Ambiente. Profilando il cluster attraverso le variabili più significative per la nostra analisi si nota che: Ateneo frequentato : il cluster presenta un leggero incremento degli universitari della Bocconi (+3,50%). Frequenza utilizzo : il cluster, rispetto al campione, denota una minore frequenza di utilizzo “in particolari circostanze” (-2,9%) e un maggiore uso quotidiano (-2,97%). Tipologia ticket: il cluster presenta una preferenza del + 2,13% verso l’abbonamento annuale; mentre, sempre rispetto al campione, utilizza meno abitualmente la tariffa di corsa singola (-2,15%) e l’abbonamento mensile (-2,34%).

Gli intervistati appartenenti a questo cluster reputano di primaria importanza le Caratteristiche della Tariffa prestando nello stesso tempo particolare attenzione alla Sicurezza e Rapporto Cliente-Servizio. In misura marginale presta attenzione anche ad Accessibilità & Ambiente.

Profilando il cluster attraverso le variabili più significative per la nostra analisi si nota che:

Ateneo frequentato : il cluster presenta un leggero incremento degli universitari della Bocconi (+3,50%).

Frequenza utilizzo : il cluster, rispetto al campione, denota una minore frequenza di utilizzo “in particolari circostanze” (-2,9%) e un maggiore uso quotidiano (-2,97%).

Tipologia ticket: il cluster presenta una preferenza del + 2,13% verso l’abbonamento annuale; mentre, sempre rispetto al campione, utilizza meno abitualmente la tariffa di corsa singola (-2,15%) e l’abbonamento mensile (-2,34%).

Analisi del Cluster 3 – Indifferenti (16%) Il cluster si caratterizza dall’assenza di interesse nei confronti di tutti i fattori. Infatti, secondo i valori di correlazione nella tabella dei centri finali, nessun fattore viene percepito positivamente dai soggetti indagati. Profilando il cluster attraverso le variabili più significative per la nostra analisi si nota che: Ateneo frequentato : il cluster presenta una forte diminuzione rispetto alla media campionaria della percentuale degli iscritti alla Bocconi (-14,36%); d’altro canto presenta un significativo aumento della presenza nel cluster degli atenei della Statale di Città Studi (+6,73%) e di Festa del Perdono (+2,34%). Frequenza utilizzo : il cluster usa il servizio prevalentemente quotidianamente (+3,02%) ed in particolari circostanze (+6,06%); l’uso mensile e l’uso settimanale si riducono rispettivamente del -4,92% e del -4,15% rispetto al campione. Tipologia ticket : il cluster usa prevalentemente l’abbonamento annuale e giornaliero (rispettivamente +5,63% e +3,07%); parallelamente al discorso della frequenza si osserva come l’uso della tariffa singola e della tariffa settimanale scenda del -8,66% e del -2,29%. Durata tragitto : il cluster presenta una maggiore attitudine a viaggiare più di 30 minuti del +5,62% rispetto al campione, mentre presenta una minore concentrazione rispetto al campione ad effettuare tragitti di durata compresa tra 15 e 30 minuti.

Il cluster si caratterizza dall’assenza di interesse nei confronti di tutti i fattori. Infatti, secondo i valori di correlazione nella tabella dei centri finali, nessun fattore viene percepito positivamente dai soggetti indagati.

Profilando il cluster attraverso le variabili più significative per la nostra analisi si nota che:

Ateneo frequentato : il cluster presenta una forte diminuzione rispetto alla media campionaria della percentuale degli iscritti alla Bocconi (-14,36%); d’altro canto presenta un significativo aumento della presenza nel cluster degli atenei della Statale di Città Studi (+6,73%) e di Festa del Perdono (+2,34%).

Frequenza utilizzo : il cluster usa il servizio prevalentemente quotidianamente (+3,02%) ed in particolari circostanze (+6,06%); l’uso mensile e l’uso settimanale si riducono rispettivamente del -4,92% e del -4,15% rispetto al campione.

Tipologia ticket : il cluster usa prevalentemente l’abbonamento annuale e giornaliero (rispettivamente +5,63% e +3,07%); parallelamente al discorso della frequenza si osserva come l’uso della tariffa singola e della tariffa settimanale scenda del -8,66% e del -2,29%.

Durata tragitto : il cluster presenta una maggiore attitudine a viaggiare più di 30 minuti del +5,62% rispetto al campione, mentre presenta una minore concentrazione rispetto al campione ad effettuare tragitti di durata compresa tra 15 e 30 minuti.

Tabelle di sintesi delle caratteristiche dei cluster ATENEO   Totale del campione cluster 1 cluster 2 cluster 3   f.ass f.rel. f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione Bocconi 86 29,25% 20 29,85% 0,60% 59 32,78% 3,53% 7 14,89% -14,36% Bovisa 2 0,68% 1 1,49% 0,81% 1 0,56% -0,12% 0 0,00% -0,68% Cattolica 20 6,80% 6 8,96% 2,15% 11 6,11% -0,69% 3 6,38% -0,42% Iulm 7 2,38% 1 1,49% -0,89% 4 2,22% -0,16% 2 4,26% 1,87% Politecnico 7 2,38% 1 1,49% -0,89% 4 2,22% -0,16% 2 4,26% 1,87% Statale Città Studi 24 8,16% 5 7,46% -0,70% 12 6,67% -1,50% 7 14,89% 6,73% Statale Festa del Perdono 137 46,60% 30 44,78% -1,82% 84 46,67% 0,07% 23 48,94% 2,34% ICOM 2 0,68% 0 0,00% -0,68% 2 1,11% 0,43% 0 0,00% -0,68% IED 6 2,04% 2 2,99% 0,94% 2 1,11% -0,93% 2 4,26% 2,21% San Raffaele 2 0,68% 0 0,00% -0,68% 1 0,56% -0,12% 1 2,13% 1,45% Accademia di Brera 1 0,34% 1 1,49% 1,15% 0 0,00% -0,34% 0 0,00% -0,34%   294 100,00% 67 100,00%   180 100,00%   47 100,00%   FREQUENZA   Totale del campione cluster 1 cluster 2 cluster 3   f.ass f.rel. f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione Quotidianamente 135 45,92% 24 35,82% -10,10% 88 48,89% 2,97% 23 48,94% 3,02% Particolari circostanze 51 17,35% 14 20,90% 3,55% 26 14,44% -2,90% 11 23,40% 6,06% Più volte al mese 52 17,69% 13 19,40% 1,72% 33 18,33% 0,65% 6 12,77% -4,92% Più volte alla settimana 56 19,05% 16 23,88% 4,83% 33 18,33% -0,71% 7 14,89% -4,15%   294 100,00% 67 100,00%   180 100,00%   47 100,00%  

Tabelle di sintesi delle caratteristiche dei cluster TICKET   Totale del campione cluster 1 cluster 2 cluster 3   f.ass f.rel. f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione Annuale 46 15,65% 4 5,97% -9,68% 32 17,78% 2,13% 10 21,28% 5,63% Singola 88 29,93% 28 41,79% 11,86% 50 27,78% -2,15% 10 21,28% -8,66% Mensile 131 44,56% 33 49,25% 4,70% 76 42,22% -2,34% 22 46,81% 2,25% Settimanale 13 4,42% 1 1,49% -2,93% 11 6,11% 1,69% 1 2,13% -2,29% Giornaliero 16 5,44% 1 1,49% -3,95% 11 6,11% 0,67% 4 8,51% 3,07%   294 100,00% 67 100,00%   180 100,00%   47 100,00%   DURATA   Totale del campione cluster 1 cluster 2 cluster 3   f.ass f.rel. f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione f.ass f.rel. Δ su campione <5min 20 6,80% 4 5,97% -0,83% 11 6,11% -0,69% 5 10,64% 3,84% 5<x<15 min 166 56,46% 37 55,22% -1,24% 103 57,22% 0,76% 26 55,32% -1,14% 15<x<30 min 87 29,59% 23 34,33% 4,74% 54 30,00% 0,41% 10 21,28% -8,32% >30min 21 7,14% 3 4,48% -2,67% 12 6,67% -0,48% 6 12,77% 5,62%   294 100,00% 67 100,00%   180 100,00%   47 100,00%  

Regressione Lineare Multipla L’uso di questa tecnica ha lo scopo di individuare, partendo dal voto di soddisfazione globale degli utenti del servizio della Metropolitana Milanese, quali siano le variabili che più impattano sul voto stesso. Inizialmente la nostra analisi verterà sull’analisi della soddisfazione sul servizio tout-court, mentre poi separeremo le valutazioni per le 3 diverse linee. I fattori usati nella ricerca dei driver di soddisfazione sono i 22 item del questionario. Infine valuteremo la soddisfazione per macro-driver, usando i 6 fattori derivanti dalla nostra Factor Analysis.

L’uso di questa tecnica ha lo scopo di individuare, partendo dal voto di soddisfazione globale degli utenti del servizio della Metropolitana Milanese, quali siano le variabili che più impattano sul voto stesso.

Inizialmente la nostra analisi verterà sull’analisi della soddisfazione sul servizio tout-court, mentre poi separeremo le valutazioni per le 3 diverse linee.

I fattori usati nella ricerca dei driver di soddisfazione sono i 22 item del questionario.

Infine valuteremo la soddisfazione per macro-driver, usando i 6 fattori derivanti dalla nostra Factor Analysis.

Backward elimination Si elimina una variabile per volta, partendo da quella con p-value maggiore (il meno significativo) e mi fermerò quando tutte le variabili saranno significative. LIMITI: Alcune variabili prese singolarmente possono essere escluse al primo tentativo (con alta correlazione con la variabile dipendente per problemi di collinearità non va, ma può far scoprire sinergie).

Si elimina una variabile per volta, partendo da quella con p-value maggiore (il meno significativo) e mi fermerò quando tutte le variabili saranno significative.

LIMITI:

Alcune variabili prese singolarmente possono essere escluse al primo tentativo (con alta correlazione con la variabile dipendente per problemi di collinearità non va, ma può far scoprire sinergie).

Output Backward Nella tabella dei coefficienti si nota come nel primo modello, che include l’intero set di variabili, il primo item ad essere escluso sarà POSSIBILITA’ DI SEDERSI (p-value=0,917>10%). Nel 14° modello vediamo come tutti i coefficienti delle variabili siano significati ad un livello del 10%.

Nella tabella dei coefficienti si nota come nel primo modello, che include l’intero set di variabili, il primo item ad essere escluso sarà POSSIBILITA’ DI SEDERSI (p-value=0,917>10%).

Nel 14° modello vediamo come tutti i coefficienti delle variabili siano significati ad un livello del 10%.

Output Backward Anova Dalla tabella Anova si nota come il 14° modello sia significativo anche a livello dell’1% (p-value=0,000). In aggiunta, si nota come l’ R² sia buono (R² =0,454) ma degli altri 13 modelli risulta essere quello di minore bontà. Questa situazione può essere spiegata dal fatto che eliminando man mano le variabili meno significative si possa cogliere una varianza spiegata sempre inferiore . Facendo riferimento alla precedente tabella dei coefficienti si rileva che tutti i parametri del 14° modello risultino significativi ad un livello del 10%.

Dalla tabella Anova si nota come il 14° modello sia significativo anche a livello dell’1% (p-value=0,000).

In aggiunta, si nota come l’ R² sia buono (R² =0,454) ma degli altri 13 modelli risulta essere quello di minore bontà.

Questa situazione può essere spiegata dal fatto che eliminando man mano le variabili meno significative si possa cogliere una varianza spiegata sempre inferiore .

Forward elimination Il metodo opera inserendo nella regressione le variabili più correlate con la dipendente, partendo da un modello inizialmente bivariato, arrivando in conclusione ad un modello ad n variabili che soddisfino i requisiti di significatività imposti per l’ultimo inserimento. LIMITI: Avrò dunque delle variabili singolarmente significative, ma non c’è controllo sulle variabili precedentemente inserite, che, a causa di eventuali problemi di collinearità, potrebbero non risultare più significative. Inoltre non sono contemplate eventuali sinergie tra variabili.

Il metodo opera inserendo nella regressione le variabili più correlate con la dipendente, partendo da un modello inizialmente bivariato, arrivando in conclusione ad un modello ad n variabili che soddisfino i requisiti di significatività imposti per l’ultimo inserimento.

LIMITI:

Avrò dunque delle variabili singolarmente significative, ma non c’è controllo sulle variabili precedentemente inserite, che, a causa di eventuali problemi di collinearità, potrebbero non risultare più significative.

Inoltre non sono contemplate eventuali sinergie tra variabili.

Output Forward Nel 7° modello si nota, invece, come le variabili esplicative siano tutte significative al 5% e non all’1% come nel modello precedente. A compensazione di questa diminuzione di precisione vi è un notevole aumento della bontà della regressione (R²=0,442). Nel 3° modello si nota che tutte le variabili inserite nel modello siano significative all’1% ; ma confrontando il risultato ottenuto con l’ R² di riferimento si rileva che la bontà della regressione non sia ancora ottimale (R²=0,387).

Output Forward La regressione è ottenuta sulla base di 7 variabili esplicative ed il relativo test-F indica che la stessa è significativa con un intervallo di confidenza dell’1% (p-value=0.000). Nello specifico tutte le 7 variabili risultano secondo il test-T significative con un intervallo di confidenza pari al 10%. Anova

La regressione è ottenuta sulla base di 7 variabili esplicative ed il relativo test-F indica che la stessa è significativa con un intervallo di confidenza dell’1% (p-value=0.000).

Nello specifico tutte le 7 variabili risultano secondo il test-T significative con un intervallo di confidenza pari al 10%.

Stepwise elimination Ad ogni passo, la variabile indipendente non presente nell'equazione che ha la più bassa probabilità di F viene inserita, se quella probabilità è sufficientemente piccola. Le variabili già presenti nell'equazione di regressione vengono rimosse se la loro probabilità di F diviene sufficientemente elevata. Il metodo termina quando nessuna variabile rispetta il criterio di inserimento o quello di rimozione.

Ad ogni passo, la variabile indipendente non presente nell'equazione che ha la più bassa probabilità di F viene inserita, se quella probabilità è sufficientemente piccola.

Le variabili già presenti nell'equazione di regressione vengono rimosse se la loro probabilità di F diviene sufficientemente elevata.

Il metodo termina quando nessuna variabile rispetta il criterio di inserimento o quello di rimozione.

Output Stepwise Con il metodo Stepwise otteniamo il medesimo modello che viene prodotto dalla tecnica Forward, in quanto il primo metodo opera attraverso il metodo Forward nella prima fase dell’applicazione della tecnica . Dall ’ output si osserva come tutti i 7 parametri siano significativi al 5%.

Con il metodo Stepwise otteniamo il medesimo modello che viene prodotto dalla tecnica Forward, in quanto il primo metodo opera attraverso il metodo Forward nella prima fase dell’applicazione della tecnica .

Output Stepwise A compensazione di questa diminuzione di precisione vi è un notevole aumento della bontà della regressione (R²=0,442). Anova

Output Stepwise Sebbene il valore sia significativo al valore 0,007, il segno inatteso comporta l’eliminazione della variabile “Reperibilità Abbonamento”. PESO PERCENTUALE DEI DRIVER         Beta std.   Peso Confort del viaggio 0,28617242 31,5% Puntualità del servizio 0,126401944 13,9% Rispetto dell'ambiente 0,189151903 20,8% Convenienza abbonamento 0,181243896 19,9% Reperibilità abbonamento -0,1330277 -14,6% Possibilità di combinazione mds 0,107835457 11,9% Frequenza del servizio 0,152059334 16,7%

Output Stepwise PESO PERCENTUALE DEI DRIVER         Beta std.   Peso Confort del viaggio 0,28617242 27,4% Rispetto dell'ambiente 0,189151903 18,1% Convenienza abbonamento 0,181243896 17,4% Frequenza del servizio 0,152059334 14,6% Puntualità del servizio 0,126401944 12,1% Possibilità di combinazione mds 0,107835457 10,3%

Quadrant Analysis La Quadrant Analysis permette di visualizzare con chiarezza i punti di forza e di debolezza sostanziali e marginali, in ottica di analisi à la Fishbein. La posizione di ogni attributo è determinata dalla media della soddisfazione per quell’attributo (asse x) e dalla media dell’importanza per l’attributo stesso (asse y). La matrice mette in luce dove il servizio della metropolitana è adeguato (quali sono i suoi punti di forza) e dove, invece, il servizio è debole e carente. Quadrante 1: PRESIDIARE in quanto gli attributi presentano sia soddisfazione e importanza superiore alla media (sono punti di forza sostanziali). Quadrante 2: INVESTIRE/MIGLIORARE in quanto questi attributi sono ritenuti importanti dal clienti, ma presentano un livello di soddisfazione inferiore alla media. Sono gli attributi dove dobbiamo focalizzarci in futuro (sono punti di debolezza sostanziali). Quadrante 3: ABBANDONARE in quanto sia la soddisfazione sia l’importanza degli attributi è inferiore alla media (sono punti di debolezza marginale). Quadrante 4: MONITORARE In quanto su questi attributi abbiamo un livello di soddisfazione della nostra clientela superiore alla media, ma allo stesso tempo i medesimi attributi non sono considerati importanti dal nostro cliente (sono punti di forza marginali).

La Quadrant Analysis permette di visualizzare con chiarezza i punti di forza e di debolezza sostanziali e marginali, in ottica di analisi à la Fishbein.

La posizione di ogni attributo è determinata dalla media della soddisfazione per quell’attributo (asse x) e dalla media dell’importanza per l’attributo stesso (asse y).

La matrice mette in luce dove il servizio della metropolitana è adeguato (quali sono i suoi punti di forza) e dove, invece, il servizio è debole e carente.

Quadrante 1: PRESIDIARE in quanto gli attributi presentano sia soddisfazione e importanza superiore alla media (sono punti di forza sostanziali).

Quadrante 2: INVESTIRE/MIGLIORARE in quanto questi attributi sono ritenuti importanti dal clienti, ma presentano un livello di soddisfazione inferiore alla media. Sono gli attributi dove dobbiamo focalizzarci in futuro (sono punti di debolezza sostanziali).

Quadrante 3: ABBANDONARE in quanto sia la soddisfazione sia l’importanza degli attributi è inferiore alla media (sono punti di debolezza marginale).

Quadrante 4: MONITORARE In quanto su questi attributi abbiamo un livello di soddisfazione della nostra clientela superiore alla media, ma allo stesso tempo i medesimi attributi non sono considerati importanti dal nostro cliente (sono punti di forza marginali).

Quadrant Analysis 1 2 3 4

Quadrant Analysis Possiamo confrontare le diverse soddisfazioni sul diverso uso delle 3 linee, vedendo per ognuna quali differenze ci siano. In questo modo trattiamo le 3 linee come 3 brand diversi. Diventa quindi necessario “sdoppiare” (se non in alcuni casi addirittura “triplicare”) le nostre osservazioni, a causa dell’uso congiunto di 2 o 3 linee. Così facendo si avranno 2 (o 3) giudizi di importanza/soddisfazione uguali per le 2 (o 3) linee utilizzate.

Possiamo confrontare le diverse soddisfazioni sul diverso uso delle 3 linee, vedendo per ognuna quali differenze ci siano.

In questo modo trattiamo le 3 linee come 3 brand diversi.

Diventa quindi necessario “sdoppiare” (se non in alcuni casi addirittura “triplicare”) le nostre osservazioni, a causa dell’uso congiunto di 2 o 3 linee.

Così facendo si avranno 2 (o 3) giudizi di importanza/soddisfazione uguali per le 2 (o 3) linee utilizzate.

Quadrant Analysis

Quadrant Analysis

Quadrant Analysis

Quadrant Analysis

Quadrant Analysis

Quadrant Analysis

Quadrant Analysis 1 4 3 2

Quadrant Analysis Dopo aver effettuato l’analisi in generale su tutte e tre le linee metropolitane si è svolta la medesima analisi per singola linea: Linea rossa più eventualmente una o entrambe le altre linee (per chi le usa) Linea verde più eventualmente una o entrambe le altre linee (per chi le usa) Linea gialla più eventualmente una o entrambe le altre linee (per chi le usa) Solo linea rossa Solo linea verde Solo linea gialla Si può osservare come le sei matrici siano identiche alla matrice generale, in quanto nel questionario da noi redatto, l’intervistato giudica ogni singolo attributo sulle tre linee in generale, non percependo quindi alcuna differenza tra le diverse linee. Il giudizio di ogni intervistato, quindi, è un giudizio complessivo e non differenziato per ogni singola linea. Purtroppo questo è un limite della nostra analisi. Ciononostante, si rileva come il giudizio globale , per singola linea e per s

Add a comment

Related presentations

Related pages

- Metropolitana Milanese

... the leading designer of urban structures and infrastructures since 1955 and since 2003 Metropolitana Milanese manager of the ... Customer service;
Read more

Lavorare in ATM ATM, Azienda Trasporti Milanesi

Bandi di gara; Lavorare in ATM; ... Ricerca avanzata: Portale Azienda Trasporti Milanesi. Menu sito. GiroMilano; Viaggia con noi; Altri servizi; Il Gruppo ...
Read more

Azienda Trasporti Milanesi S.p.A - - Lavorare in ATM ATM ...

Il Gruppo; ATM News; ATM Risponde; Multimedia; ... Di sessione: garantiscono la normale navigazione e fruizione del sito web (permettendo, ad esempio, ...
Read more

Home ATM, Azienda Trasporti Milanesi ATM, Azienda ...

Portale Azienda Trasporti Milanesi. ... Altri servizi; Il Gruppo; ATM ... Affiancamento di NOME/LOGO/MARCHIO alla denominazione delle Linee Metropolitane 1 ...
Read more

Offerte di lavoro per Hse | LinkedIn

Hse nuove offerte di lavoro ... all'interno di un Gruppo Industriale Manifatturiero avrà la ... Engage in HSE management Enhance customer satisfaction ...
Read more

Report Sportello Green Jobs

Report schede di Customer Satisfaction utenti. ... lavoro. Invece di appiattircisi su percorsi ... Stiamo parlando di un gruppo di ragazzi milanesi ...
Read more

Imprese eccellenti. Le aziende milanesi che non temono la ...

Le aziende milanesi di eccellenza hanno saputo raggiungere e mantenere il successo ... customer satisfaction, CRM; ... lavoro di gruppo; ...
Read more

Il primo principio di libertà è mantenere un’identità.”

L’alto livello della customer satisfaction conferma il valore e il potenziale della vision e del modello. L’IMPEGNO ... Lavoro di gruppo
Read more