Siamo tutti Soddisfatti? Customer Satisfaction ed Eterogeneità delle Preferenze: Il Contributo dei Modelli Mistura

Transcript

1 Siamo tutti Soddisfatti? Customer Satisfaction ed Eterogeneità delle Preferenze: Il Contributo dei Modelli Mistura Elisa Montaguti * Chiara Orsingher ** Introduzione Il meccanismo che sostiene e giustifica l interesse accademico e manageriale al tema della soddisfazione del cliente si basa su un modello relativamente semplice, dapprima sviluppato in ambito teorico e successivamente testato empiricamente: lo sforzo di miglioramento della qualità delle imprese produce livelli di soddisfazione dei consumatori più elevati. Ciò si traduce in una maggiore fedeltà da parte dei clienti e in un comportamento di passaparola positivo. Questi fattori conducono all'aumento della quota di mercato dell'impresa che, a sua volta, produce nel lungo periodo redditività (Rust et al. 1995). I numerosi contributi sviluppati sul tema della customer satisfaction hanno trovato la loro genesi e la loro applicazione soprattutto nella disciplina del marketing dei servizi. In quest'ambito, i ricercatori hanno cercato dapprima di definire il territorio del concetto di soddisfazione e, successivamente, di sviluppare misure valide ed affidabili. Tradizionalmente, le analisi dei dati di customer satisfaction hanno due obiettivi conoscitivi. Il primo è quello di individuare le dimensioni fondamentali che sottostanno al giudizio di soddisfazione. Il secondo è quello di identificare il peso relativo di queste diverse dimensioni sul livello globale di soddisfazione. Questa analisi risponde all esigenza di identificare quali, tra le dimensioni emerse, richiedano una priorità di intervento. Questo compito è tradizionalmente svolto ricorrendo alla regressione lineare, regredendo la soddisfazione complessiva sulle variabili (o sulle dimensioni) esplicative. In realtà, questo tipo di analisi contiene un limite fondamentale: ipotizza la sostanziale omogeneità delle preferenze dei rispondenti, un ipotesi che in molte situazioni può apparire troppo restrittiva. Ad esempio, è possibile immaginare che sottoinsiemi diversi di clienti interrogati (i pensionati vs. occupati) attribuiscano all attributo rapidità del servizio un valore completamente diverso. Nella * Elisa Montaguti è Professore Associato presso la Facoltà di Scienze Statistiche di Bologna, Dipartimento di Scienze Aziendali, Via Capo di Lucca 34, Bologna, Tel , Montagut@economia.unibo.it ** Chiara Orsingher è Professore Associato presso la Facoltà di Economia e Commercio di Bologna, Dipartimento di Scienze Aziendali, Via Capo di Lucca 34, Bologna, Tel , chiara.orsingher@unibo.it 1

2 stima delle variabili che esercitano un impatto sul livello di soddisfazione globale deve essere presa in considerazione l esistenza di queste due sottopopolazioni (Marzocchi e Costabile 2005). Questa ricerca affronta questo problema e si propone di identificare, a partire da un campione indifferenziato di clienti di località balneari, i segmenti fondamentali che lo compongono e di stimare, per ogni gruppo individuato, la probabilità di appartenenza al gruppo e la sensibilità nei confronti delle diverse dimensioni della soddisfazione. Per fare questo, utilizziamo il modello di regressione mistura, una classe di modelli di clustering, che ipotizza che la distribuzione statistica dei giudizi di customer satisfaction, empiricamente osservati su un campione di consumatori, rappresenti la somma (mistura) delle distribuzioni proprie di due o più gruppi fra loro distinti ma mescolati in proporzioni incognite. Teoria e misurazione della customer satisfaction Sono ormai vent anni che il tema della customer satisfaction attrae intellettualmente il mondo accademico e quello manageriale. Le ragioni di questo interesse sono duplici: da un lato, la customer satisfaction è un costrutto complesso. E difficile da definire, in special modo nei servizi, ha una natura multidimensionale e si sovrappone ad altri concetti collegati alla valutazione, come quello di qualità percepita. Dall altro, la soddisfazione del consumatore presenta delle implicazioni manageriali importanti che riguardano il suo effetto positivo sul comportamento di riacquisto e sul passaparola favorevole. I contributi sviluppati su questo tema anno affrontato l argomento con diversi obiettivi conoscitivi: da un lato, i ricercatori hanno cercato di fornire una definizione concettuale di soddisfazione e di distinguerla dal concetto di qualità percepita e di atteggiamento, dall altro, lo sforzo si è concentrato sullo sviluppo di misure valide ed affidabili di entrambi i concetti. Con riferimento alla distinzione tra soddisfazione e qualità percepita, Oliver (1997) sostiene che mentre la prima è collegata ad una transazione specifica, la qualità percepita è simile ad un atteggiamento, indipendente dalla situazione di servizio. Ad esempio, un individuo che non ha mai preso un aereo può valutare il servizio offerto dalla First Class di British Air come un servizio di elevata qualità ma non essere in grado di esprimere il proprio livello di soddisfazione nei confronti dello stesso. La soddisfazione richiede quindi che il servizio sia vissuto dal cliente, mentre il giudizio di qualità percepita può prescindere dall esperienza. Questa definizione è in parte condivisa da Parasuraman et al. (1985) che definiscono la qualità percepita come una valutazione globale per molti versi simile al concetto di atteggiamento e la soddisfazione come il risultato 2

3 emotivo/cognitivo di una specifica transazione. Secondo questa interpretazione, è possibile distinguere un accezione transazionale versus una relazionale dei due concetti, in cui la soddisfazione è maggiormente collegata alla prima e la qualità percepita alla seconda. Oliver (1997) è tra gli autori che maggiormente hanno contribuito allo studio del concetto di soddisfazione. L autore nota che in letteratura la soddisfazione è stata definita in diversi modi: - una valutazione che il consumatore effettua nel momento in cui l esperienza di consumo è stata buona almeno quanto ci si aspettava (Hunt 1977); - uno stato psicologico sintetico, che emerge nel momento in cui lo stato emotivo che accompagna una disconferma delle attese è associato al sentimento che il cliente aveva nei confronti dell esperienza di consumo prima che questa avvenisse (Oliver 1971); - la risposta valutativa del consumatore nel momento in cui percepisce un disallineamento tra le aspettative antecedenti (o un altro tipo di standard di riferimento) ed il risultato effettivamente ottenuto dal prodotto così come questo viene percepito dal consumatore (Tse e Wilton 1988). Queste diverse definizioni mettono in luce l assenza di una definizione univoca del concetto di soddisfazione, sebbene tutte condividano il fatto di descrivere il meccanismo attraverso il quale il giudizio di soddisfazione si produce. All interesse nei confronti del dibattito teorico è seguito quello relativo alla misurazione. Le metodologie di tipo quantitativo sviluppate in ambito accademico e non sono numerose: esperimenti di miglioramento della qualità, analisi dei problemi e misure conjoint sono solo alcune tra le tecniche disponibili. Tuttavia, i sondaggi di customer satisfaction rappresentano ad oggi il metodo maggiormente diffuso (Crosby 1993); un fatto che ha richiamato l attenzione nei confronti del problema dell affidabilità e della validità delle misure utilizzate. A questo proposito, i ricercatori (Oliver 1980; Oliver et al. 1983; Churchill et al. 1982), in accordo con le definizioni concettuali, hanno sviluppato scale di giudizio della qualità percepita che derivano dalle esperienze cumulate nel tempo o scale multi-item destinate a catturare le componenti cognitive, affettive o conative della soddisfazione. Questi strumenti si identificano anche in base al tipo di scala di misura scelta: valutazioni della performance, aspettative nei confronti del servizio, scale di tipo Likert, differenziale semantico, ecc. In un analisi della letteratura, Hausknecht (1990) recensisce trenta diversi tipi di scale di misurazione della soddisfazione, variabili in base al contenuto valutativo/cognitivo, emotivo/affettivo o conativo/comportamentale. La caratteristica della maggior parte di queste scale di misurazione, è quella di possedere ambizioni di generalizzabilità (la scala Servqual di Parasuraman, Zeithaml e Berry del 1988 costituisce un ottimo esempio in questo senso), ovvero di rappresentare una misura valida in numerosi contesti di 3

4 servizio. Tuttavia, l esperienza dei ricercatori (Finn e Lamb 1991; McDougall e Levesque 1992) ha insegnato che le scale di misurazione costruite ad hoc per particolari tipologie di servizio permettono di identificare con maggiore precisione i fattori collegati al giudizio di soddisfazione. Una scala costruita per la specifica situazione di servizio valorizza gli aspetti situazionali dell esperienza e permette di identificare puntualmente le aree di successo e di quelle di intervento. Ai fini manageriali, infatti, due informazioni risultano fondamentali: 1. l identificazione degli elementi specifici alla situazione di servizio 2. la priorità di intervento nella correzione degli elementi di insoddisfazione. A questo scopo, parte della letteratura accademica e molta pratica manageriale suggeriscono di far valutare, in sede di raccolta dati, la performance percepita degli attributi del servizio e l importanza in termini assoluti degli stessi attributi. I dati ottenuti sono presentati attraverso un'analisi "importanza/performance" in cui le misure di importanza dichiarata sono incrociate con quelle di performance. La media viene utilizzata come criterio per l assegnazione degli attributi ad una della quattro categorie (2 livelli, alto-basso per performance e importanza). Benché apparentemente attraente, questo tipo di analisi e la matrice che la rappresenta hanno il grave limite di non fornire alcuna indicazione sulla relazione che esiste tra la performance e l'importanza né tanto meno tra la performance e la soddisfazione. Pertanto, ogni decisione presa sulla base di questa analisi rischia di non riflettere le reali priorità del segmento considerato. La misurazione diretta dell importanza in termini assoluti pone un ulteriore problema. I rispondenti hanno la tendenza ad attribuire giudizi di importanza elevati a tutti gli attributi sottoposti alla valutazione. La bassa variabilità ottenuta nelle risposte tende però ad abbassare il livello di correlazione tra il giudizio di importanza e quello di soddisfazione, nascondendo parte del fenomeno. Una soluzione a questi problemi è data dal calcolo indiretto dell importanza degli elementi che contribuiscono alla soddisfazione attraverso l analisi di regressione. Quest analisi procede alla stima dell impatto dei singoli attributi del servizio sulla soddisfazione globale. Molto spesso tuttavia, la presenza di una relazione lineare tra le variabili esplicative il fenomeno della multicollinearità rende complicata la determinazione dei contributi individuali delle variabili esplicative e fa diminuire il valore del coefficiente di determinazione. La riduzione a fattori delle variabili esplicative risolve questo problema tecnico permettendo di identificare correttamente il contributo di ciascun fattore alla soddisfazione globale. Nel processo di identificazione dell impatto dei diversi driver di soddisfazione/insoddisfazione sulla valutazione globale dei consumatori, i ricercatori formulano molto spesso l ipotesi implicita che le preferenze del campione analizzato sono omogenee. In altre parole, si considera che i consumatori 4

5 di un impresa di servizi sottoposti ad indagine abbiano uguali funzioni di risposta ai diversi elementi di soddisfazione. In molte situazioni, quest ipotesi può apparire eccessivamente restrittiva e condurre a stime imprecise. Il recupero dell eterogeneità delle preferenze dei singoli individui rappresenta quindi un momento fondamentale dell analisi dei dati. I metodi di recupero dell eterogeneità delle preferenze Numerosi lavori di ricerca nel marketing sono motivati dall interesse per i meccanismi che determinano le reazioni dei consumatori agli stimoli forniti dalle imprese nei diversi contesti competitivi. Secondo questa prospettiva, è compito del ricercatore tentare di modellare i processi decisionali individuali e grazie a questo sforzo cercare di fornire delle raccomandazioni precise circa le azioni che possono ottimizzare le risposte degli stessi consumatori. (Allenby e Rossi 2005). Ancora, in questa ottica è fondamentale riflettere circa la possibilità che le reazioni di questi ultimi agli stimoli di marketing non sia omogenea ovvero che tutti gli individui non rispondano nel medesimo modo alle azioni delle imprese. Sovente, infatti, i consumatori differiscono per bisogni, motivazioni e preferenze e quindi rispondono in modo diverso alle azioni di mercato. Tener conto di queste differenze, ovvero tenere conto dell eterogeneità nel mercato, è fondamentale per sviluppare delle strategie efficaci. Nel corso degli ultimi decenni numerosi sono i lavori che hanno cercato di fornire una risposta a questa necessità. In particolare, tre sono le principali soluzioni proposte dai ricercatori: i) la prima, inizialmente introdotta da Guadagni e Little (1983) nel contesto della modellizzazione dei processi di scelta, presuppone l identificazione di una misura diretta delle differenze individuali. Questi ricercatori, infatti, hanno sviluppato una misura definita fedeltà alla marca capace di catturare le differenze nelle preferenze individuali rispetto alla scelta della marca. L utilizzo di questo approccio, benché produca soluzioni di facile interpretazione, è complicato dalla difficoltà di identificare misure dirette capace di catturare le differenze nelle preferenze; ii) la seconda, invece comprende i metodi di classificazione a posteriori o modelli mistura finita, secondo i quali è possibile ipotizzare che le differenze tra gli individui derivino dalle differenze tra gruppi relativamente omogenei (Kamakura e Russell 1989; Wedel e Desarbo 1992). Come evidenziato dal presente studio questi metodi tentato di identificare sottoinsiemi omogenei di consumatori sulla base della relazione stimata fra una variabile dipendente ed un insieme di variabili indipendenti (Marzocchi e Costabile 2005). L ultimo approccio, infine, comprende i cosiddetti modelli gerarchico bayesiani che si basano sull ipotesi che le differenze tra gli individui possano essere descritte da distribuzioni parametriche. In questo modo le differenze tra i comportamenti possono 5

6 essere riassunte attraverso la stime di questi parametri nell ipotesi che essi siano capaci di fornire una buona rappresentazione dell eterogeneità nei parametri. Metodologia della ricerca Il contesto della ricerca è il settore del turismo balneare di massa. In particolare, i dati sono stati raccolti nelle località balneari del comune di Rimini, durante la stagione estiva L indagine è stata svolta attraverso un questionario all interno del quale sono state raccolte le informazioni seguenti: 1. Motivazioni di scelta della località 2. Familiarità e conoscenza della località 3. Comportamento di acquisto della vacanza 4. Comportamento durante il soggiorno 5. Comportamento di spesa durante la vacanza 6. Soddisfazione nei confronti di diversi attributi della località 7. Intenzione di comportamento futuro 8. Profilo del cliente La scelta del campione e delle modalità di somministrazione L indagine si è svolta necessariamente su base campionaria, cioè osservando un solo sottoinsieme della popolazione statistica da analizzare, costituita dai turisti presenti nelle località del comune di Rimini durante la stagione estiva. Si è proceduto attraverso un campionamento per aree, cioè associando gli individui della popolazione ad una particolare zona geografica. La spiaggia si configura come il luogo in cui è più facile reperire un certo numero di individui in grado di rappresentare l universo di riferimento. Posto un vincolo di costo e uno di tempo è stato giudicato tollerabile un errore massimo di circa due punti percentuali in più o in meno per ciascuna modalità di ogni caratteristica da analizzare, ad un livello di confidenza del 95%. Per garantire questa rappresentatività è stata giudicata sufficiente la rilevazione di 1728 turisti nel comune di Rimini. La rilevazione si è svolta durante l intero arco della stagione estiva per un totale di 12 settimane ed ha coinvolto 216 stabilimenti balneari estratti sui 235 totali. 6

7 Risultati Il profilo degli intervistati Il campione è costituito da un 42,2% di individui di sesso maschile e da un 57,8% di individui di sesso femminile. L età media è di 47 anni. Solo l 8,6% ha meno di 26 anni, costituendo la classe di età che si presenta meno frequentemente nel campione. Al contrario, la classe con la maggior frequenza (23,8%) è quella che comprende la fascia di età tra i 36 e i 45 anni. Infine, le altre classi si distribuiscono con una frequenza molto simile, pari a circa il 17%, ad eccezione dei turisti che hanno più di 66 anni che rappresentano il 15,4% del campione. La condizione di stato civile più diffusa è sposato con figli. Il 67,7% dei turisti, infatti, sono sposati ed hanno figli. I celibi e le nubili presentano una percentuale pari a circa il 18% e nella classifica della frequenza occupano la seconda posizione. I coniugati senza figli sono il 7,8%. Ai fini di questa ricerca, sono stati utilizzati 272 casi sul totale di quelli rilevati. Le ragioni di questa selezione sono riconducibili all eliminazione di quei rispondenti che, non avendo utilizzato il servizio, non avevano risposto ad uno o più item di soddisfazione presenti all interno del questionario. La soddisfazione Il livello di soddisfazione globale dei rispondenti nei confronti della località è piuttosto elevato. Il 73% di questi si dichiara soddisfatto o molto soddisfatto e il 64% dichiara un elevata intenzione di ritornare nello stesso luogo di vacanza l anno successivo. Tra gli elementi di forte soddisfazione emergono l organizzazione dei servizi e delle strutture della spiaggia, la cortesia del personale turistico e la varietà e la qualità della ristorazione. Tra gli elementi di minor soddisfazione emergono la pulizia del mare, la viabilità locale e la sicurezza del luogo di vacanza. Il primo passo dell analisi consiste nella riduzione dei dati. Si tratta di ridurre le 15 variabili di soddisfazione iniziali ad un numero inferiore di dimensioni che mantengano tuttavia il più possibile il contenuto informativo delle variabili iniziali. Quest analisi risponde a due obiettivi. Il primo, di natura descrittiva, è quello di identificare le dimensioni che sottostanno al giudizio di soddisfazione nei confronti della località. Il secondo, di natura tecnica, è quello di trasformare delle variabili iniziali tra loro correlate in dimensioni indipendenti, evitando in questo modo il fenomeno della multicollinearità ed i suoi effetti negativi sul risultato della regressione. La soluzione finale dell Analisi delle Componenti Principali fa emergere 5 fattori che spiegano il 65% della variabilità totale. La matrice dei pesi ruotati appare in Figura 1. 7

8 Tabella 1. Matrice delle Componenti Ruotate per la soluzione a cinque fattori 18% 17% 11% 9% 9% Soddisfazione attività ricreative in spiaggia.878 Soddisfazione sport in spiaggia.877 Soddisfazione servizi e strutture in spiaggia.695 Soddisfazione attività per bambini.604 Soddisfazione professionalità personale turistico.849 Soddisfazione cortesia ospitalità del personale turistico.841 Soddisfazione cortesia ospitalità abitanti del luogo.741 Soddisfazione qualità e varietà ristorazione.525 Soddisfazione accesso alla località.685 Soddisfazione pulizia e conservazione dell'ambiente.638 Soddisfazione qualità e varietà shopping.518 Soddisfazione viabilità e traffico locale.741 Soddisfazione sicurezza del luogo.614 Soddisfazione qualità pulizia mare.827 Soddisfazione qualità pulizia spiaggia.599 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 9 iterations. Si tratta ora di interpretare le dimensioni emerse, ovvero di identificare il senso comune delle variabili che formano ogni dimensione. Le cinque dimensioni possono essere denominate come segue: 1. Spiaggia. Questa dimensione riunisce quelle variabili che riguardano le attrezzature e le attività ricreative organizzate all interno degli stabilimenti balneari. 2. Cortesia e Professionalità. Su questa dimensione caricano tutte le variabili che si riferiscono al ruolo relazionale ed operativo delle persone in contatto con i turisti. E 8

9 interessante notare che confluiscono in questa dimensione anche le valutazioni riguardo agli abitanti del luogo (molto spesso gli abitanti del luogo sono impiegati in attività turisticoricettive) e la valutazione della ristorazione (il ruolo relazionale sembra avere una funzione particolarmente importante nella fruizione del servizio di ristorazione). 3. Ambiente. Questa dimensione sintetizza la valutazione dell ambiente da parte degli intervistati e si declina nell accesso alla località, nella sua pulizia e nella presenza di attività commerciali attraenti. 4. Sicurezza della località. La dimensione sicurezza è composta da due variabili. La prima è una generale sensazione di essere in un luogo sicuro, mentre la seconda è la sensazione di essere in un luogo non eccessivamente trafficato, in cui muoversi non rappresenta un problema. 5. Pulizia balneare. Questa dimensione riunisce due aspetti basici della vacanza balneare: la pulizia del mare e quella della spiaggia. L analisi si concentra ora sul peso relativo che ogni dimensione esercita sul giudizio di soddisfazione globale. Tuttavia, nell intento di superare i limiti - già discussi - della regressione condotta sulla totalità del campione, abbiamo stimato attraverso gli algoritmi di massimizzazione della funzione di verosimiglianza il modello di regressione di stima di distribuzione miste. Come sottolineato nei precedenti paragrafi, i modelli mistura appartengono all insieme delle modalità attraverso le quali è possibile modellizzare l eterogeneità. In linea con questo obiettivo, è nostra intenzione fornire una rappresentazione della struttura del mercato che colga le differenze nei processi di sviluppo della soddisfazione dei clienti. L analisi condotta ha richiesto in primo luogo l identificazione di una variabile concomitante (l età) grazie alla quale procedere ad una analisi preliminare dei segmenti che caratterizzano questo mercato. In particolare, l esame dei criteri di informazione BIC e CAIC ci ha indotto a preferire il modello con quattro classi latenti. I coefficienti di regressione relativi alle determinanti della soddisfazione per il modello aggregato e all interno di ciascuna classe ci permettono di illustrare il diverso contributo dei driver di soddisfazione al meccanismo di soddisfazione all interno delle classi. 9

10 Tabella 2. Coefficienti di regressione standardizzati Aggregato Segmento 1 Segmento 2 Segmento 3 Segmento 4 Intercetta 3.89** 3.90** 3.65** 4.17** 2.17** Spiaggia.28**.88**.65** ** Cortesia e.22**.21**.37** ** Professionalità Ambiente.22**.11**.48**.28**.09** Sicurezza.12**.03**.40** ** Pulizia balneare.15**.21** -.37**.29**.39** Età Adj R % Casi ** significativo ad una soglia p=0.01 La Tabella 2 ci consente di caratterizzare i segmenti rispetto alla loro diversa sensibilità ai driver della soddisfazione. In particolare: Segmento 1: questo segmento si distingue per un elevata attenzione alle componenti centrali del servizio turistico esaminato, ovvero l aspetto balneare e di attenzione al cliente. Ciò è testimoniato dall elevato valore dei coefficienti relativi alle dimensioni Spiaggia, Pulizia balneare e Cortesia. Questo segmento comprende individui la cui soddisfazione è associata a tutto ciò che è collegato con la spiaggia: le attività ricreative e sportive, le attrezzature disponibili ma anche la pulizia dell acqua e della spiaggia. Al contempo, anche la cortesia del personale turistico e non influenza la loro soddisfazione. Segmento 2: questo segmento è caratterizzato dalla più alta età anagrafica media dei componenti. Pur restando la Spiaggia la dimensione ad impatto più elevato nel giudizio di soddisfazione, si nota l elevata attenzione manifestata nei confronti della sicurezza della località così come alla cortesia e alla professionalità nell erogazione del servizio. Ciò suggerisce l immagine di un cliente maturo desideroso di svolgere una vacanza tranquilla, in un ambiente gradevole e cortese. Segmento 3: il segmento 3 è il segmento di dimensione più elevata (46 % del campione) ed un età non difforme da quella del segmento 1 e 3. Due soli fattori contribuiscono a generare la soddisfazione di questo gruppo di clienti: l Ambiente della località e la Pulizia balneare. Questi clienti paiono, infatti, valorizzare la componente di mero intrattenimento associata all ambiente (es. shopping) e alla permanenza sulla spiaggia piuttosto che alle componenti di servizio più tradizionali. Prima di procedere è bene notare che la scarsa capacità di adattamento ai dati del modello illustrato (R 2 =0.197) deve indurre molta cautela nell interpretazione di questo risultato. 10

11 Segmento 4: si tratta del segmento più piccolo (16% del campione). Esso accomuna clienti, indipendenti, disinteressati al ruolo al supporto del personale di contatto (visto lo scarso valore del coefficiente relativo a Cortesia e Professionalità), ma fortemente interessati ai fattori legati alle condizioni di contesto quali l Ambiente declinato nelle caratteristiche di viabilità della città e sicurezza - e la Pulizia della Spiaggia. La descrizione dei gruppi L analisi sinora condotta ha prodotto una rappresentazione delle differenze nella sensibilità degli intervistati ai driver della soddisfazione. Questa rappresentazione deve essere ulteriormente connotata grazie alla descrizione delle caratteristiche socio-demografiche e comportamentali che qualificano i diversi segmenti. Prima di procedere è opportuno verificare se e in che misura i diversi segmenti presentino un diverso livello medio di soddisfazione globale per la località (variabile dipendente nel modello mistura appena descritto). Il primo segmento identificato presenta il più elevato grado di soddisfazione globale. Un tale risultato è interessante se riletto rispetto all importanza attribuita da questi consumatori alle dimensioni centrali del servizio. La maggior parte dei rispondenti a questo sondaggio sono donne (60%). Questa composizione demografica è rispettata anche all interno delle classi, ove si osserva la dominanza della componente femminile nei segmenti 1, 2, 4 mentre il segmento 3 è egualmente diviso in donne e uomini. L attività professionale consente di evidenziare alcune differenze tra i componenti del segmento, tuttavia la capacità esplicativa di questa variabile è ridotta data la sua correlazione con la variabile genere. Il 62% dei componenti il campione è occupato, mentre il restante 32 % è ripartito tra casalinghe (13,6 %; pensionati 15,6 seconda classe per dimensione e studenti 5,6 %). Il Segmento 4 si distingue per il profilo professionale più elevato essendo caratterizzato da impiegati e imprenditori. Analogamente il tasso di scolarizzazione all interno dei segmenti non è del tutto omogeneo. In particolare a livello di popolazione osserviamo come il 43% possegga un titolo di scuola superiore, il 31,6 un titolo di scuola media e solo il 13 % un titolo universitario. I Segmenti 3 e 4 presentano i livelli di istruzione più elevati, in particolare il segmento 4 presenta frequenze più elevate per ciò che riguarda il diploma di scuola superiore (56,8%) e i titoli universitari (18.2%). Si noti, inoltre, che il gruppo 4 presenta il livello di reddito più elevato tra classi. 11

12 Prendendo in considerazione anche gli aspetti comportamentali e attitudinali osserviamo che la popolazione intervistata presenta livelli di fedeltà alla località elevati, infatti soltanto il 20% degli intervistati si è recato nella località per la prima volta, mentre il 40% è ritornato almeno tre volte negli ultimi tre anni. A questo proposito il segmento 4 si distingue poiché il 50% dei rispondenti si è recato almeno tre volte negli ultimi tre anni, mentre il gruppo 2 presenta la più alta percentuale di nuovi clienti (28%). I segmenti differiscono inoltre rispetto alle motivazioni che hanno anticipato la scelta della località. In particolare i componenti i segmenti 1 e 4 tendono a scegliere questa località perché la conoscono attribuendo particolare importanza anche alla capacità della località di organizzare attività. Infine è possibile evidenziare ulteriori differenze rispetto alle attività svolte durante la permanenza nella località. La gran parte dei rispondenti a questo sondaggio indica nella esposizione al sole una delle attività più comunemente svolte, tuttavia, il gruppo 2 è composto da individui particolarmente interessati allo sport praticato in spiaggia, il gruppo 1 è popolato da persone interessate allo shopping ed alle degustazioni, mentre il gruppo 4 comprende persone mediamente più interessate alla visita di luoghi artistici. Conclusioni L obiettivo di questa ricerca è stato quello di identificare, a partire dai dati di customer satisfaction raccolti su un campione di turisti, un numero di segmenti differenziato sulla base dell elasticità ai diversi driver di soddisfazione. L applicazione dei modelli di regressione di distribuzione miste ha permesso di identificare quattro segmenti, che presentano alcune differenze in merito alle determinanti della soddisfazione e al comportamento di fruizione della vacanza. Volendo riassumere i tratti salienti di ciascun segmento emerge che: Il Segmento 1: è composto prevalentemente da donne, in media meno occupate, con tassi di scolarizzazione medio bassi, motivate nella scelta dalla scarsa incertezza circa l esito della vacanza ( visitatori frequenti) e dalla possibilità di partecipare ad attività organizzate. Questo segmento apprezza particolarmente la vita in spiaggia ed è sensibile al comportamento del personale di contatto. Il Segmento 2 è composto da clienti più maturi, prevalentemente donne, con tassi di scolarizzazione medio bassi che tende a fermarsi nella località balneare per almeno due settimane. Questi individui sono particolarmente interessati allo sport ed alle attività di spiaggia. La spiaggia è, anche per questo segmento, il fattore di soddisfazione più importante. E da notare come tra tutti, questo segmento contiene la percentuale di clienti nuovi più elevata. 12

13 Il Segmento 3: è composto equamente di uomini e donne, caratterizzati da tassi di scolarizzazione medio alti. Questo segmento è particolarmente sensibile alle caratteristiche ambientali la pulizia della località, la disponibilità di negozi in cui fare shopping e meno sensibile alla dimensione balneare della località. Il Segmento 4: comprende consumatori caratterizzati da tassi di scolarizzazione medio alti e professioni più redditizie. Si tratta infatti di un segmento che presenta il reddito più elevato tra tutti gli altri segmenti. Questo gruppo di clienti è tendenzialmente fedele alla località. Non è particolarmente interessato alla dimensione balneare della località, ma predilige gli aspetti di viabilità e di sicurezza della città. L interesse verso le attività culturali da parte di questo gruppo di clienti è coerente con i driver di soddisfazione. Le caratteristiche di questo segmento fanno pensare a dei clienti consapevoli dei limiti dell attrattività balneare della località e pertanto interessati alla dimensione più urbana della località. Crediamo che il contributo di questa ricerca si collochi su un piano teorico ed un piano manageriale. Sul piano teorico, la ricerca rafforza i presupposti concettuali dei modelli mistura, sostenendo che l eterogeneità della valutazione è riconducibile non tanto a caratteristiche strutturali dell individuo quanto a differenti livelli individuali di risposta agli attributi dell offerta. Sul piano manageriale, la ricerca permette ai manager si mettere in atto azioni di miglioramento differenziate per ciascun segmento. In effetti, il potenziale informativo connesso alle indagini di customer satisfaction, ormai effettuate su base routinaria da molte imprese, diventa più efficace quando arricchito dalla segmentazione effettuata sulle elasticità ai differenti driver di soddisfazione. Ciò detto, è importante sottolineare i limiti di questa ricerca. Il primo, più importante è la struttura del campione. Come già evidenziato, questa ricerca ha utilizzato i dati provenienti da 272 individui rispetto ai 1728 disponibili. Questa scelta è stata dettata da un esigenza tecnica, ovvero quella di considerare solo gli individui che avevano risposto a tutti gli item di soddisfazione. Questa selezione potrebbe aver ridotto l eterogeneità del campione e, di conseguenza, ridotto le differenze tra i diversi segmenti. Il secondo limite riguarda la struttura del questionario e più precisamente la scala di misura della soddisfazione. In questa ricerca la soddisfazione è stata misurata su una scala di tipo Likert a cinque punti. Una scala a sette punti avrebbe consentito un maggior livello di dettaglio e, con ogni probabilità, la possibilità di individuare meglio le differenze tra i diversi segmenti di clienti. Tuttavia, la scolarità piuttosto bassa della popolazione oggetto di indagine aveva suggerito - già in fase di impostazione della ricerca - una scala di misura facilmente comprensibile. In conclusione, il contributo offerto dai modelli di regressione di distribuzioni miste alla comprensione del giudizio di soddisfazione dei clienti è tuttora molto elevato. La possibilità di 13

14 cogliere in maniera più completa l eterogeneità tra i consumatori fornisce al management informazioni utili ai fini della gestione della propria base clienti e ai ricercatori nuovi spunti per migliorare la precisione dei modelli predittivi. Riferimenti bibliografici Allenby, G. M. e Rossi, P. E. (2003) Bayesian Statistics in Marketing, Marketing Science, vol. 22, 3, Summer, pp Churchill, G. e Surprenant, C., (1982), An Investigation into the Determinants of Customer Satisfaction, Journal of Marketing Research, vol. 19, November, pp Crosby, L. A. (1993), "Measuring Customer Satisfaction," in The Service Quality Handbook, Eberhard E. S. e W. Christopher ed. New York, NY: AMACOM, pp Finn D. e Lamb C. (1991). "An evaluation of the SERVQUAL scales in a retailing setting", Advances in Consumer Research, vol. 18, pp Guadagni, P e Little, J. (1983) When and What To Buy: A Nested Logit Model of Coffee Purchase, Journal of Forecasting, 17, pp Hausknecht, D., (1990), "Measurement Scales in Consumer Satisfaction/Dissatisfaction", Journal of Satisfaction, Dissatisfaction and Complaint Behavior, vol.3, pp Hunt, K. (1977) CS/D Overview and Future Directions in H. K. Hunt ed. Conceptualization and Measurement of Consumer Satisfaction and Dissatisfaction, Marketing Science Institute, Cambridge, MA, pp Kamakura, W. A. E Russell, G. J. (1989) A Probabilistic Choice Model for Market Segmentation and Elasticity Structure, Journal of Marketing, vol. 26, November, pp Marzocchi, G.L. e Costabile, M. (2005) La Segmentazione della Base-clienti: Un Applicazione Ibrida di Mixture Regression Model, Micro & Macro Marketing, n 1, Aprile, pp McDougall G. e Levesque T. (1992). "The measurement of service quality: some methodology issues" 2ème Séminaire International de Recherche en management des Activités de Service, La Londe les Maures, France, pp Oliver, R. L. (1997), Satisfaction. A Behavioral Perspective on the Consumer. New York, NY: McGraw-Hill International Editions. 14

15 Oliver, R. L. e Bearden, W.O. (1983), The Role of Involvement in Satisfaction Process Advances in Consumer Research, 10, in R. P. Bagozzi and A. M. Tybout eds., Ann Arbor, MI: Association for Consumer Research, pp Oliver, R. L., (1981), " Measurement and Evaluation of Satisfaction Processes in Retail Settings, Journal of Retailing, vol. 57, pp Oliver, R. L., (1980), " A Cognitive Model of the Antecedents and Consequences of Satisfaction Decisions", Journal of Marketing Research, vol. 17, pp Parasuraman, A., Berry, L. e Zeithaml V. (1988), " SERVQUAL: A Multiple Item Scale for Measuring Customer Perception of Service Quality," Journal of Retailing, vol. 64 (Spring) Parasuraman, A. Berry, L. e Zeithaml V., (1985), "A Conceptual Model of Service Quality and its Implications for Future Research, Journal of Marketing, vol. 49, pp Rust, R., Zahorik A. e Keiningham T. (1995) Return on Quality (ROQ): Making Service Quality Financially Accountable, Journal of Marketing, vol.59, April, pp Tse, D e Wilton P. (1988) Models of Consumer Satisfaction Formation: An Extension, Journal of Marketing Research, vol. 25, May, pp Wedel, M. e. DeSarbo W. (2000), A Review of Recent Developments in Latent Class Regression Models, in Advanced Methods Of Marketing Research, Bagozzi P. Richard ed. Cambridge, UK: Blackwell, pp