La regressione multipla

per l’analisi della

customer satisfaction
Le imprese di successo si qualificano sempre di piu’
per la loro capacita’ di

Creare valore
percepito nel mercato

Tale valore
non e’ espresso semplicemente
dalla produzione di beni o servizi
ma dall’apprezzamento del cliente
nell’ambito del processo negoziale
 LE PAROLE CHIAVE PER LA
SODDISFAZIONE DEL CLIENTE

ASPETTATIVE
Definiscono il sistema di atteggiamenti e di attributi elaborati da un cliente
per giudicare le performance di un prodotto o di un servizio

ESPERIENZA
Definisce il momento delle verità, l’interazione di un cliente con l’impresa
attraverso la relazione con il suo personale, l’utilizzo e il consumo dei suoi
prodotti e servizi. E’ il momento in cui il cliente determina se l’impresa ha
le competenze per soddisfare le sue attese

SODDISFAZIONE
Definisce la misura con cui le attese del cliente sono soddisfatte
attraverso le esperienze maturate
UN CLIENTE INSODDISFATTO E’ UN “KILLER
OCCULTO”

3 RECUPERATI

4 RECLAMANO

9 DIVULGANO
100 A 20 PERSONE
CIRCA 1050
CLIENTI 96 NON CONTATTI
INSODDISFATTI RECLAMANO NEGATIVI
87 DIVULGANO
A 10 PERSONE

91 PERDUTI

Fonte: TARP
PORTARE LA CUSTOMER SATISFACTION
(CS)
IN AZIENDA
Valutazione del proprio orientamento al cliente
Modelli di Customer satisfaction
- Self assessment
- Analisi e razionalizzazione delle azioni di miglioramento
(n.b. solo quando la customer satisfaction è già attiva)

Valutazione del grado di presidio effettivo della CS

- Analisi esterna
- Analisi interna
- Attivazione sistematica di indicatori di CS

Azioni di miglioramento della CS

 IL PROCESSO DI RILEVAZIONE
DELLA CUSTOMER SATISFACTION
IDENTIFICAZIONE
SEGMENTAZIONE SERVIZI
ELEMENTARI

FATTORI PRODUTTIVI

ATTESE PRESTAZIONI

AREE CRITICHE

PRIORITA’ D’INTERVENTO
LE MODALITA’ DI MISURAZIONE DELLA
SODDISFAZIONE DEL CLIENTE
POSSONO ESSERE DISTINTE IN:

SISTEMI DIRETTI

PREVEDONO U N ESPLICITO
COINVOLGIMENTO DEL CLIENTE
(es. ricerche di marketing)

SISTEMI INDIRETTI

CONSENTONO LA RILEVAZIONE
ATTRAVERSO L’IMPIEGO DI INDICATORI
 I PRINCIPALI SISTEMI DIRETTI

1. IL MODELLO SERVQUAL

2. L’ANALISI DI REGRESSIONE MULTIPLA

 IL MODELLO SERVQUAL

• E’ il più conosciuto
• Si usa per misurare la qualità dei servizi
• Misura in forma standardizzata la qualità
• Vengono prese in esame 5 dimensioni ritenute
critiche nell’influenzare la soddisfazione
•aspetti tangibili
•affidabilità
•capacità di risposta
•capacità di rassicurazione
•empatia
 IL MODELLO SERVQUAL

• 22 domande complessive
• Scala di risposta di tipo numerico con intervallo
1-7
• Ogni area viene ponderata
• Si utilizza un criterio sottrattivo
• soddisfazione = percezioni - aspettative
• Punteggio servqual =
• nΣi=1 (Media punteggio soddisfazione
dimensione n X Fattore di ponderazione area
n)
 LIMITI DEL MODELLO SERVQUAL

• Due batterie di domande

• I giudizi sulla percezione sono sufficienti a
esprimere un giudizio sulla prestazione globale

• L’importanza dei singoli elementi dell’offerta può

essere calcolata deduttivamente

• Analisi di regressione lineare multipla

PRESUPPOSTI PER L’IMPIEGO DELLA
RLM NELL’ANALISI DI CUSTOMER
SATISFACTION

‰ Individuare le aree elementari di attributi che

compongono l’offerta
‰ Chiedere al cliente un giudizio di soddisfazione
complessiva
‰ Chiedere al cliente un giudizio di soddisfazione in
ciascuna area elementare
‰ Rilevare l’importanza che il cliente attribuisce ad ogni
area elementare
‰ Rilevare l’importanza ogni singolo fattore nell’ambito
del servizio elementare
 Regressione
“regredire Y su X” vuol dire derivare una relazione
statistica tra una variabile dipendente Y ed una o più
variabili esplicative X, prescelte.

Y = f ( X; β) + ε
Regressione lineare
semplice
In particolare: se la funzione è di 1° grado allora si
parlerà di regressione lineare semplice.

Y = f ( X; β) + ε Æ yi = β0 + β1xi + εi

Componente
Componente
sistematica
accidentale
Significato dell’equazione
Y

• Graficamente:

β0 = intercetta della retta >0

β1 = pendenza della retta <0

εi = errore =0
 Regressione lineare
multipla
Consente di esplicitare la dipendenza di un fenomeno Y rispetto
a più variabili X.
La variabile dipendente Y sarà funzione di k variabili esplicative
X. (per k>1)
Per ogni variabile inserita nel modello si avranno n osservazioni
(serie storiche, panel).

Y = Xb + e Æ yi = β0 + β1x1i + β2x2i + ... + βkxki + εi

Calcolo dei coefficienti di regressione

Metodo dei Minimi quadrati

Si cerca il vettore b tale da minimizzare la Funzione Obiettivo

nΣ
i=1 (Yi – Ŷi)2

con: ei = Yi - Ŷi

Dati realmente Dati stimati

osservati
Calcolo dei coefficienti di regressione

Coefficienti βi Æ come varia Y in corrispondenza di una

variazione unitaria della Xi , considerati gli effetti delle
altre variabili indipendenti.

Yi = β0 + β1X1i +β2X2i +β3X3i +. . . + βpXpi con i = 1, 2, … , k

β0 = intercetta

βi = inclinazione di Y rispetto alla variabile Xp tenendo costanti le

variabili X1, X2, X3, . . . , Xp.

εi = errore in corrispondenza dell’osservazione i-esima.

 L’INTERPRETAZIONE
MANAGERIALE DEI SONDAGGI
SULLA CUSTOMER SATISFACTION

AREA DELLE AREA DELLE

CRITICITA’ COMPETITIVITA’

IMPORTANZA
DEL FATTORE
AREA DELLE AREA DELLE
IRRILEVANZE ILLUSIONI

B
B A
LIVELLO DI SODDISFAZIONE