IL CINEMA Monosala vs Multisala Gruppo SPSoS
IL CINEMAMonosala vs
MultisalaGruppo SPSoS
Agenda Inquadramento del fenomeno e obiettivi
Metodi:
Campo d’indagine
Costruzione questionario
Statistiche descrittive
Interpretazione dei dati attraverso elaborazioni in SPSS
Approccio classico: Factor analysis e Cluster analysis
Approccio flessibile: Conjoint analysis e Cluster analysis
Segmentazione per obiettivi: analisi discriminante
Implicazioni manageriali
Limiti
La scelta di questo argomento nasce in seguito alla forte ascesa del cinema multisala negli ultimi anni, che ha portato ad un repentino declino dei monosala, che stanno pian piano scomparendo. Il fine del nostro lavoro, è quello di individuare in un primo momento i driver che influenzano il processo di scelta degli spettatori, per giustificare questo trend e poi cercare di suggerire soluzioni manageriali, che permettano ai gestori dei monosala di mettere in atto un’insieme di azioni che cerchino di invertire, o comunque arginare, tale tendenza.
Una fotografia del settore oggi:3600 schermi cinematografici2300 strutture1,2 milioni di posti a sedere
DISTRIDUZIONE SALE CINEMATOGRAFICHE IN ITALIA
Tipologia CINEMA
2004
2006
Variaz.
MONOSALA 70% 41% - 29%
MULTISALA 16% 34% + 18%
MULTIPLEX* 14% 25% + 11%
Fonte: Annuario statistico del cinema europeo 2004
*Noi abbiamo chiamato sempre il MULTIPLEX (più di cinque sale) “MULTISALA FUORI CITTA’” per rendere la distinzione più chiara per i respondent che non la conoscevano.
Inquadramento del fenomeno e obiettivi
Universo di riferimento: residenti in Milano e provincia dai 15 agli 80 anni (3.201.280 al 1 gennaio 2006)
Periodo di rilevazione: 1 - 26 maggio
Dimensione del campione: 285 respondent
Metodo di campionamento : abbiamo utilizzato un campionamento non probabilistico, che può essere ricondotto a quello “per quote”. Infatti, pur non avendo fissato a priori un numero preciso di osservazioni da effettuare, abbiamo suddiviso la popolazione di riferimento in base a “Sesso”, “Residenza”, “Età” e volevamo che il numero delle osservazioni rispettasse una suddivisione in quote, approssimabili al 50% per le variabili dicotomiche, e che ci fosse una distribuzione dei respondent in ogni classe di “Età” con una concentrazione maggiore per le fasce centrali. Abbiamo iniziato a intervistare nostri conoscenti, per poi andare a verificare se le distribuzioni di frequenza delle variabili sopra esposte rispettavano i requisiti che ci eravamo preposti; abbiamo però rilevato un'eccessiva concentrazione delle fasce di età fino ai 25 anni, mentre per le altre due variabili i requisiti prefissati erano rispettati. Siamo quindi passati a intervistare direttamente fuori dai cinema, cercando di raggiungere le quote prefissate per quanto riguardava la variabile di segmentazione “Età”, e continuando a controllare il rispetto delle quote per le altre variabili di segmentazione.
Campo d’indagine
Costruzione del questionario e somministrazione…
Numero sale
Orari
Programmazione/rotazione film
Prezzi
Promozioni
Prevendita
Prenotazione/acquisto on line
Possibilità scelta posto
Numero di casse/tempo d'attesa
Comodità poltrone
Impianto audio
Grandezza schermo
Grandezza sala
Pulizia
Assortimento bar (pop-corn, caramelle, patatine)
Ristorante
Negozi
Raggiungibilità con mezzi di trasporto
Prossimità
Parcheggio
Cinecard
Aspetti emotivi/affettivi (familiarità, atmosfera)
Individuazione delle variabili critiche: abbiamo provato a immaginare quali potessero essere le variabili che influenzano maggiormente il processo di scelta di un cinema piuttosto che di un altro. Ne abbiamo individuate 22:
Somministrazione: abbiamo inizialmente intervistato nostri conoscenti, per poi passare a intervistare direttamente fuori dal cinema, dopo aver controllato i requisiti che avrebbero dovuto avere i respondent per rispettare le quote di campionamento prefissate.
Costruzione del questionario sulle seguenti dimensioni:
A. Informazioni socio-demografiche
B. Informazioni abitudinali
C. Valutazione rating dell’importanza delle 22 variabili sopra descritte
D. Valutazione della soddisfazione nei confronti degli aspetti considerati più importanti tra i 22, distinta per monosala e multisala
E. Conjoint analysis
F. Valutazione rating dell’importanza di alcuni prodotti tecnologici
…Costruzione del questionario e somministrazione
Distribuzione di frequenza per professione
0% 5% 10% 15% 20% 25% 30% 35%
Disoccupato
Operaio
Imprenditore
Altro
Casalinga
Pensionato
Libero professionista
Impiegato
Studente
•Distribuzioni di frequenza per fasce d’età (grafico 1), per professione (grafico 2), per sesso (grafico 3) e per residenza (grafico 4).
Descrizione delle caratteristiche dell’insieme di dati raccolti, attraverso tecniche di statistica descrittiva univariata:
Distribuzione di frequenza delle fasce d'età'
6,67%
27,72% 28,42%
13,68%
23,51%
0%
10%
20%
30%
40%
50%
<18 18-24 25-34 35-60 >60
Grafico 2Grafico 1
Statistiche descrittive
•Media e deviazione standard dell’importanza delle nostre 22 variabili originarie (Tabella 1)
•Media della soddisfazione rilevata per il Monosala e il Multisala, divisa per caratteristiche e poi a livello aggregato (Grafico 5)
• Media e varianza dei giudizi dati ad ogni genere di film e dell’importanza delle variabili di scelta del film (tabelle slides 93-94)
Distribuzione di frequenze per Residenza
Milano58%
Fuori Milano
42%
Distribuzione di frequenze per Sesso
Femmina48%Maschio
52%
Grafico 3 Grafico 4
Statistiche descrittive
Tabella 1
Descriptive Statistics
285 1 9 3,61 1,934
285 1 9 5,85 1,946
285 1 9 5,51 2,126
285 1 9 5,56 2,086
285 1 9 5,07 2,219
285 1 9 3,89 1,981
285 1 9 4,10 2,292
285 1 9 5,44 2,332
285 1 9 5,03 2,237
285 1 9 6,28 2,043
285 1 9 6,41 2,009
285 1 9 6,56 1,780
285 1 9 5,86 1,932
285 1 9 6,39 2,143
285 1 9 3,82 2,190
285 1 9 3,27 2,033
285 1 9 3,02 2,047
285 1 9 5,15 2,497
285 1 9 6,36 1,991
285 1 9 6,31 2,365
285 1 9 4,29 2,759
285 1 9 4,31 2,332
285
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation Analizzando la tabella della media dell’importanza data alle 22 variabili dai
respondent, si può notare che quelle considerate più importanti sono legate alle caratteristiche della sala (Audio, Schermo, Pulizia, Prossimità). Per contro, quelle che
risultano aver importanza minore per il campione analizzato sono legate ai servizi
aggiuntivi (Ristorante e negozi). E’ considerato poco importante anche il
numero di sale.
Questo ci fa, inizialmente, dedurre che possa esserci una reale possibilità di manovra per i monosala che, pur non
potendo offrire i servizi aggiuntivi, possono agire sulle caratteristiche tecnologiche e
qualitative dell’offerta proposta.
0 2 4 6 8
Prevendita
N°casse
Poltrone
Audio
Schermo
Sala
Pulizia
Prossimità
Parking
Servizi
Atmosfera
Aspetti sensoriali
Media
Soddisfazione Monosala Vs Multisala
Multisala
Monosala
Grafico 5
La soddisfazione, per quanto riguarda i multisala, risulta essere, in media, leggermente superiore a quella espressa nei riguardi del monosala.Le caratteristiche per le quali la soddisfazione espressa per il multisala è significativamente superiore a quella per il monosala sono quelle relative alla sala e alla qualità audiovisiva, oltre che quelle che rendono più semplice “andare al cinema” (il parcheggio, il numero delle casse e la possibilità di prenotare con anticipo i biglietti).
Total Variance Explained
6,656 30,254 30,254 6,656 30,254 30,254
2,571 11,686 41,941 2,571 11,686 41,941
1,922 8,734 50,675 1,922 8,734 50,675
1,601 7,278 57,953 1,601 7,278 57,953
1,359 6,179 64,132 1,359 6,179 64,132
1,179 5,360 69,492 1,179 5,360 69,492
,828 3,762 73,254
,787 3,577 76,831
,721 3,278 80,110
,666 3,028 83,138
,533 2,422 85,560
,480 2,182 87,742
,444 2,018 89,760
,388 1,765 91,525
,325 1,478 93,003
,315 1,431 94,434
,275 1,249 95,683
,252 1,144 96,828
,226 1,025 97,853
,213 ,970 98,823
,144 ,656 99,479
,115 ,521 100,000
Component1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Total % of Variance Cumulative % Total % of Variance Cumulative %
Initial Eigenvalues Extraction Sums of Squared Loadings
Extraction Method: Principal Component Analysis.
Il primo step, per l’impostazione della nostra factor, consiste nell’individuare le k componenti principali.
2) Percentuale di varianza spiegata dalle prime k sono accettabili dalla 4 in poi
1) Numero di variabili di partenza rapportato al n. componenti circa 7/8 su 22
Il processo di scelta si basa su:
Approccio classico: Factor analysis
3) Comunalità Nell’analizzare le tabelle delle comunalità, ci siamo focalizzati sui valori delle variabili più importanti per le implicazioni manageriali; in particolare abbiamo scelto:
4) Analisi dello scree plot da 7 componenti in avanti il contributo aggiuntivo è minimo
•Prossimità
•Pulizia
•Schermo
•Orari
•Programmazione/rotazione
•Promozioni
•Scelta posto
•Raggiungibilità
•Parcheggio
•Audio
•Comodità
Factor analysis
Communalities
1,000 ,463
1,000 ,616
1,000 ,611
1,000 ,763
1,000 ,719
1,000 ,540
1,000 ,409
1,000 ,548
1,000 ,578
1,000 ,686
1,000 ,804
1,000 ,767
1,000 ,553
1,000 ,564
1,000 ,659
1,000 ,808
1,000 ,738
1,000 ,405
1,000 ,256
1,000 ,343
1,000 ,631
1,000 ,290
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Initial Extraction
Extraction Method: Principal Component Analysis.
• N° componenti / n° variabili: OK• Varianza spiegata 58% : OK• Comunalità: 80% ristorante vs 26 % prossimità
troppo distanti
Factor analysis con 4 fattori
• N° componenti / n° variabili: OK• Varianza spiegata 64% : OK• Comunalità : 82% audio vs 39 % parcheggio
troppo distanti
Communalities
1,000 ,478
1,000 ,619
1,000 ,618
1,000 ,765
1,000 ,733
1,000 ,779
1,000 ,775
1,000 ,698
1,000 ,595
1,000 ,690
1,000 ,820
1,000 ,806
1,000 ,603
1,000 ,576
1,000 ,694
1,000 ,838
1,000 ,768
1,000 ,436
1,000 ,464
1,000 ,392
1,000 ,635
1,000 ,328
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Initial Extraction
Extraction Method: Principal Component Analysis.
Factor analysis con 5 fattori
Communalities
1,000 ,582
1,000 ,718
1,000 ,690
1,000 ,809
1,000 ,779
1,000 ,780
1,000 ,809
1,000 ,707
1,000 ,619
1,000 ,701
1,000 ,835
1,000 ,822
1,000 ,666
1,000 ,596
1,000 ,744
1,000 ,863
1,000 ,776
1,000 ,528
1,000 ,670
1,000 ,399
1,000 ,637
1,000 ,558
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Initial Extraction
Extraction Method: Principal Component Analysis.
• N° componenti / n° variabili: OK• Varianza spiegata 69,5% : OK• Comunalità : 84% audio vs 40 % parcheggio
troppo distanti
Factor analysis con 6 fattori
Communalities
1,000 ,599
1,000 ,724
1,000 ,714
1,000 ,809
1,000 ,799
1,000 ,780
1,000 ,809
1,000 ,712
1,000 ,619
1,000 ,704
1,000 ,835
1,000 ,822
1,000 ,685
1,000 ,618
1,000 ,760
1,000 ,866
1,000 ,776
1,000 ,678
1,000 ,723
1,000 ,731
1,000 ,645
1,000 ,706
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Initial Extraction
Extraction Method: Principal Component Analysis.
• N° componenti / n° variabili: OK• Varianza spiegata 73% : OK• Comunalità : 84% audio vs 62 % pulizia OK
Procediamo con le matrici delle saturazioni
Factor analysis con 7 fattori
1 2 3 4 5 6 7
0,15 0,51 0,31 0,07 0,40 -0,09 0,20
0,07 0,04 -0,01 0,83 0,08 -0,07 -0,12
0,11 0,15 0,15 0,78 0,20 0,00 0,05
0,07 0,01 -0,05 0,21 0,86 0,10 0,12
-0,02 0,05 0,18 0,00 0,85 0,20 0,07
0,06 0,28 0,78 0,04 0,24 0,12 0,12
0,04 0,08 0,86 0,09 0,13 0,12 0,11
0,43 0,07 0,71 0,08 -0,05 0,09 0,05
0,49 0,15 0,45 0,35 0,02 0,14 0,11
0,75 0,14 0,26 0,16 0,02 0,02 0,19
0,85 0,06 0,20 0,16 0,11 0,07 0,17
0,85 0,07 0,11 0,20 0,12 0,08 0,16
0,68 0,36 0,14 0,00 0,18 0,17 0,08
0,58 0,12 0,08 0,47 -0,10 0,09 -0,15
0,17 0,82 0,06 0,17 0,13 0,08 -0,08
0,10 0,88 0,17 0,11 0,03 0,12 0,15
0,05 0,83 0,17 0,09 0,01 0,19 0,10
0,08 0,12 0,22 -0,07 0,19 0,75 0,01
0,07 -0,01 -0,08 0,05 0,08 0,82 0,17
0,20 -0,10 -0,02 -0,14 0,17 0,05 0,79
-0,09 0,24 0,28 -0,28 0,22 0,43 0,43
-0,10 0,30 0,15 0,38 -0,16 0,37 0,53
Component
Rotated Component Matrix(a) EQUAMAX
1 2 3 4 5 6 7
0,25 0,54 0,29 0,37 0,02 -0,13 0,13
0,18 0,05 -0,03 0,07 0,81 -0,08 -0,13
0,26 0,18 0,13 0,18 0,75 -0,02 0,02
0,12 0,05 -0,02 0,85 0,20 0,10 0,09
0,04 0,10 0,22 0,84 0,00 0,18 0,03
0,21 0,32 0,77 0,20 0,01 0,08 0,03
0,19 0,12 0,86 0,09 0,07 0,08 0,04
0,54 0,07 0,63 -0,09 0,00 0,04 -0,03
0,61 0,16 0,38 -0,01 0,26 0,09 0,03
0,81 0,12 0,15 -0,01 0,05 -0,02 0,11
0,90 0,04 0,09 0,08 0,03 0,03 0,09
0,89 0,04 0,00 0,09 0,07 0,04 0,09
0,72 0,34 0,04 0,15 -0,11 0,12 -0,01
0,64 0,09 -0,02 -0,12 0,38 0,05 -0,21
0,23 0,81 0,01 0,09 0,12 0,03 -0,16
0,19 0,89 0,13 -0,01 0,06 0,07 0,06
0,13 0,84 0,14 -0,03 0,05 0,14 0,02
0,14 0,16 0,23 0,17 -0,10 0,73 -0,06
0,12 0,03 -0,05 0,08 0,03 0,83 0,12
0,23 -0,06 0,01 0,18 -0,17 0,08 0,78
-0,02 0,30 0,33 0,21 -0,28 0,43 0,37
0,04 0,36 0,19 -0,17 0,37 0,37 0,48
Component
Rotated Component Matrix(a) QUARTIMAX
1 2 3 4 5 6 7
0,21 0,53 0,31 0,38 0,04 -0,11 0,15
0,14 0,04 -0,02 0,07 0,82 -0,07 -0,13
0,20 0,17 0,14 0,19 0,77 -0,01 0,03
0,10 0,04 -0,02 0,86 0,21 0,10 0,10
0,01 0,08 0,21 0,84 0,00 0,19 0,04
0,15 0,30 0,78 0,21 0,02 0,09 0,05
0,12 0,11 0,87 0,10 0,08 0,09 0,06
0,50 0,07 0,67 -0,08 0,03 0,05 -0,01
0,56 0,16 0,42 0,00 0,30 0,11 0,05
0,79 0,13 0,20 0,00 0,09 0,00 0,13
0,89 0,06 0,14 0,09 0,08 0,05 0,11
0,88 0,06 0,05 0,10 0,12 0,05 0,11
0,71 0,36 0,09 0,16 -0,07 0,13 0,01
0,62 0,10 0,03 -0,11 0,41 0,06 -0,20
0,20 0,82 0,04 0,10 0,14 0,04 -0,14
0,15 0,89 0,16 0,00 0,07 0,09 0,09
0,10 0,84 0,16 -0,02 0,06 0,16 0,04
0,11 0,14 0,24 0,18 -0,09 0,74 -0,04
0,10 0,02 -0,06 0,08 0,04 0,83 0,14
0,22 -0,07 0,01 0,18 -0,16 0,07 0,78
-0,05 0,28 0,32 0,21 -0,28 0,43 0,39
-0,01 0,34 0,19 -0,17 0,38 0,37 0,49
Component
Rotated Component Matrix(a) VARIMAX
N°_Sale
Orari
ProgrammazioneRotazionePrezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Abbiamo provato ad analizzare le componenti applicando tutte le rotazioni.
Factor analysis: matrice delle saturazioni
Communalities
1,000 ,586
1,000 ,733
1,000 ,698
1,000 ,816
1,000 ,770
1,000 ,786
1,000 ,812
1,000 ,709
1,000 ,623
1,000 ,704
1,000 ,834
1,000 ,830
1,000 ,661
1,000 ,614
1,000 ,750
1,000 ,867
1,000 ,788
1,000 ,680
1,000 ,745
1,000 ,427
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Initial Extraction
Extraction Method: Principal Component Analysis.
Poiché risultava difficile interpretare le variabili “Cinecard” e “Aspetti emotivi/affettivi” insieme alla variabile “Parcheggio”, abbiamo deciso di fare altri tentativi.
Abbiamo allora provato a togliere la valutazione sulla “Cinecard” e sugli “Aspetti emotivi/affettivi”. La soluzione senza entrambe sembrava essere accettabile, nonostante la bassissima comunalità della variabile “Parcheggio”.Rimanevano però forti dubbi sulla correttezza metodologica di questa esclusione. Abbiamo, quindi, preferito aumentare il numero dei fattori a 8 (nonostante lo scree plot suggerisse di considerare 7 come numero ideale di variabili in quanto il contributo di varianza spiegata dalle successive era marginale).
Factor analysis
Communalities
1,000 ,600
1,000 ,751
1,000 ,716
1,000 ,810
1,000 ,805
1,000 ,780
1,000 ,810
1,000 ,726
1,000 ,696
1,000 ,704
1,000 ,840
1,000 ,849
1,000 ,728
1,000 ,641
1,000 ,773
1,000 ,876
1,000 ,789
1,000 ,716
1,000 ,751
1,000 ,910
1,000 ,758
1,000 ,875
N°_Sale
Orari
ProgrammazioneRotazione
Prezzi
Promozioni1
Prevendita
Online
Scelta_posto
N°_casseAttesa
Comodità
Audio
Schermo
Grandezza_sala
Pulizia
Bar
Ristorante
Negozi
Raggiungibilità
Prossimità
Parcheggio
Cinecard
Emotiviaffettivi
Initial Extraction
Extraction Method: Principal Component Analysis.
• N° componenti / n° variabili: OK• Varianza spiegata 76,8% : OK• Comunalità : 91% parcheggio vs 60 % n sale OK• Interpretabilità: OK
Scegliamo definitivamente questa soluzione
Factor analysis con 8 fattori
Rotated Component Matrix(a)
Component
Experience Servizi Processo di acquisto Programmazione Pricing Location Legame Parking
Comodità 0,703 0,150 0,276 0,175 -0,001 0,047 0,046 0,278
Audio 0,824 0,063 0,221 0,165 0,091 0,089 0,045 0,250
Schermo 0,856 0,048 0,122 0,182 0,117 0,065 0,103 0,196
Grandezza_sala 0,722 0,328 0,134 -0,028 0,191 0,128 0,158 0,053
Pulizia 0,611 0,094 0,095 0,459 -0,090 0,072 0,062 -0,147
N°_Sale 0,139 0,509 0,296 0,054 0,400 -0,099 0,154 0,191
Bar 0,153 0,828 0,063 0,175 0,117 0,093 0,063 -0,055
Ristorante 0,087 0,868 0,151 0,081 0,029 0,098 0,257 0,095
Negozi 0,035 0,819 0,151 0,067 0,007 0,170 0,241 0,050
Prevendita 0,053 0,264 0,760 0,015 0,256 0,094 0,228 0,064
Online 0,030 0,060 0,842 0,059 0,156 0,080 0,245 0,043
Scelta_posto 0,367 0,099 0,727 0,099 -0,072 0,123 0,019 0,149
N°_casseAttesa 0,381 0,204 0,483 0,392 -0,024 0,213 -0,016 0,276
Orari 0,032 0,067 0,006 0,859 0,060 -0,020 -0,039 -0,037
Programmazione/Rotazione 0,129 0,129 0,128 0,755 0,217 -0,028 0,220 -0,004
Prezzi 0,068 0,015 -0,059 0,211 0,852 0,107 0,026 0,137
Promozioni1 -0,005 0,040 0,160 -0,019 0,858 0,180 0,069 0,052
Raggiungibilità 0,029 0,138 0,222 -0,072 0,168 0,776 0,090 0,049
Prossimità 0,036 -0,009 -0,092 0,033 0,064 0,822 0,192 0,153
Cinecard 0,006 0,128 0,205 -0,400 0,294 0,268 0,608 0,110
Emotivi/affettivi 0,038 0,138 0,050 0,217 -0,062 0,151 0,879 0,075
Parcheggio 0,028 -0,041 -0,009 -0,104 0,104 0,126 0,080 0,929
Per definire il nostro cinema ideale e quindi le eventuali modifiche che andrebbero fatte ci siamo basati soprattutto sui risultati della conjoint, guardando in particolari i valori della Logit per gli essenziali e i risparmiatori.
Offerta Cinema
Ipotesi: Prezzo Num. Sale Qualità Audio/ Video
Servizi Prenotazione on-line
1 €6 Monosala Eccellente Bar Si 2 €6 Monosala Eccellente Bar No 3 €6 Monosala Discreto Bar No 4 €6 Monosala Discreto Bar Si 5 €7 Monosala Eccellente Bar Si 6 €5 Monosala Discreto Bar No 7 €5 Monosala Discreto Bar Si 8 €5 Monosala Eccellente Bar No 9 €5 Monosala Eccellente Bar Si
Analizzando i risultati dell’analisi Logit, possiamo escludere il profilo 3 e 4 perché presentano probabilità negative di acquisto dovute al prezzo medio e alla qualità audio-video (slide 55).Anche il profilo 5 viene escluso per la negatività dei risultati (causati dal prezzo elevato) (slide56).Il profilo 8 e il 9 vengono esclusi perché, nonostante siano considerati i migliori, non è economicamente possibile per un monosala fissare un prezzo a 5 euro e offrire caratteristiche cosi elevate (slide59).
Offerta CinemaPer definire il nostro cinema ideale e quindi le eventuali modifiche che andrebbero fatte ci siamo basati soprattutto sui risultati della conjoint, guardando in particolari i valori della Logit per gli Essenziali e i Risparmiatori (slides 53, 54, 57, 58).
BTL (%)
cluster offerta Profilo 1 Profilo 2 Profilo 6 Profilo 7
essenziali
monosala 3,6 4,3 6,1 2
multisala 36,3 43,3 61,4 20,4
Nuovo monosala
60 52,4 32,5 77,6
risparmiatori
monosala 5,5 6,3 4,3 1,9
multisala 30,3 34,3 23,5 10,2
Nuovo monosala
64,2 59,4 72,2 88
esigenti
monosala 3 3,6 4,7 2,6
multisala 55 66,7 87 48,2
Nuovo monosala
42 29,7 8,3 49,2
Riteniamo, quindi, che il gestore di un cinema monosala alla luce dei risultati della Conjoint e della Cluster analysis, abbia due diverse possibilità di azione:
1. Agire sulle caratteristiche del cinema: per poter fissare un prezzo “medio”, bisogna migliorare la qualità audio-video. Questo porterebbe una percentuale di preferenze maggiore. Ad esempio, se si fissa un prezzo di 6 euro, come nei profili 1 e 2, si ottengono le preferenze degli Essenziali e dei Risparmiatori e di un discreto 40% degli Esigenti (slides 53,54).
2. Agire sul prezzo: nell’eventualità in cui non vi siano le possibilità economiche per migliorare la qualità audio-video, si può fissare un prezzo basso pari a 5 euro. Così facendo, si potrebbero ottenere le preferenze del 76% dei Risparmiatori, anche se la maggior parte degli altri cluster preferirebbero comunque il multisala (slides 57, 58).
A prescindere dalla strategia perseguita, consigliamo in ogni caso l’introduzione della prenotazione online perchè, a fronte dei bassi costi del servizio, garantisce un valore aggiunto percepito dal cliente (come evidenziato dall’analisi Logit); infatti, confrontando a coppie i profili che presentano come differenza solo la presenza della Prenotazione on line, abbiamo verificato che in media la probabilità d’acquisto aumenta del 6,6%.
Offerta Cinema
L’idea di non intervenire sulla qualità sembra sbagliata, soprattutto in una logica di sostenibilità della competizione nel futuro. Per tale motivo ci sembra meglio intervenire sulle caratteristiche del cinema, offrendo al cliente un prezzo più alto in modo da coprire l’investimento (profilo 1).
Dalla tabella delle importanze e dal grafico delle soddisfazioni si evince che ci sono altri aspetti che bisogna migliorare (slides 9,10):
• Comodità poltrone: spesso vecchie e scomode, bisogna aumentare lo spazio tra le file e dotarsi di poltrone più moderne, magari con portabibite e pop-corn.
• Parcheggio: essendo i monosala spesso collocati in zone residenziali può risultare problematico trovare parcheggio. Questo aspetto crea insoddisfazione nei nostri intervistati e porta spesso a preferire i cinema più facili da raggiungere. Se non si migliora questo aspetto ci si può precludere a priori la possibilità di raggiungere molti potenziali clienti (la maggior parte del nostro campione si reca in macchina) e soprattutto difficilmente si attrarrà il cluster degli attenti che come detto è composto prevalentemente da persone che abitano fuori città. Visto che creare posti auto è difficile, se non impossibile, un’idea potrebbe essere quella di prendere accordi con garage vicini offrendo a chi mostra il biglietto del cinema uno sconto sul prezzo (slide 32).
• Pulizia: il fatto di non presentare un gap nei confronti del multisala per quanto riguarda questo aspetto non deve portare a sottovalutarlo, anzi, esso ha una grande importanza ed è una delle variabili che determinano il livello di experience. Se a ciò si aggiunge che i cluster a cui miriamo hanno una soddisfazione inferiore alla media per quanto riguarda questo aspetto, allora si capisce come sarà assolutamente importante fare in modo che all’entrata in sala il cliente non trovi i rifiuti degli spettatori dello spettacolo prima (slide 20, 64, 65). Rassegne d’essay: nonostante pochi dei nostri respondent abbiano partecipato al questo tipo di iniziative, troviamo che il monosala coerentemente alla propria immagine più classica che commerciale, dovrebbe riservare una sera, magari quella in cui si prevedono meno spettatori, a rassegne legate a registi, attori, generi o temi specifici.
Offerta FilmOltre a cercare di migliorare l’offerta del cinema, inteso come struttura, bisogna tenere in considerazione l’aspetto più importante, la scelta che come è emerso dalle nostre interviste quasi sempre precede quella del cinema dove recarsi: il film.
Potendo i monosala proiettare un unico film, la decisione di quale comprare è assolutamente critica.
Non avendo informazioni sulle strategie di scelta della programmazione attuale, sul livello di soddisfazione della clientela sull’offerta film o sui prezzi che possono avere le pellicole, non possiamo dire se la programmazione attuale dei monosala sia giusta o sbagliata, però con i dati raccolti e le elaborazioni fatte con l’analisi discriminante possiamo dire quali sono i film più adatti al nostro campione e nello specifico ai target che vogliamo raggiungere.
Genere film
Fantasy
Mondani
OrganizzatiViziati
Affezionati
CommediaAttenti
ThrillerDrammatico
AppassionatiCartoni
Horror
Azione
-3
-2
-1
1
2
3
-2 -1 0 1 2 3
Fantasia
Em
ozio
ni
Variabili di scelta
Appassionati
Passaparola
Regista
Attenti
OrganizzatiAttori
Affezionati
Viziati
Genere
Mondani
Pubblicità
Premi
-2
-1
-1
0
1
1
2
2
3
3
-4 -3 -2 -1 0 1 2
Generico Vs Specifico
Imp
egn
ato
Vs
Co
mm
erci
ale
Offerta FilmDato che gli Appassionati sono quelli che danno meno importanza al genere in quanto li amano più o meno tutti, nella scelta di questa variabile verranno considerati meno (slide 73).
Si può subito notare che Viziati, Attenti e anche gli Affezionati, che vogliamo prendere in seconda battuta, amano meno degli altri cluster i film a forte contenuto di fantasia, quindi i fantasy e gli horror, che oltretutto hanno ricevuto in media votazioni insufficienti, non dovrebbero mai essere proiettati (slide 73).
Più difficile è la decisione su film d’azione e cartoni animati, essi in generale piacciono, soprattutto i primi (giudizio medio=6,35) ma mantengono un contenuto di irrealtà ancora troppo elevato per il nostro target quindi dovrebbero essere proiettati in modo limitato.
Le tipologie di film quindi da proiettare sono le commedie, i film drammatici e i thriller. Considerando che questo ultimo genere è quello che ha ricevuto in assoluto le votazioni più alte (6,91) dovrebbe ricevere maggior spazio.
Descriptive Statistics
285 1 9 6,24 1,889
285 1 9 5,89 2,041
285 1 9 6,35 1,994
285 1 9 4,17 2,821
285 1 9 4,90 2,412
285 1 9 5,20 2,520
285 1 9 6,90 2,111
285
COMMEDIA
DRAMMATICO
AZIONE
HORROR
FANTASY
CARTONI
THRILLER
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
Offerta FilmUna volta selezionato il genere giusto, i Viziati e gli Attenti (che sono quelli danno maggior peso a questa variabile di scelta) dovrebbero sicuramente valutare in modo positivo l’offerta.
Diventa quindi importante concentrarsi sugli Appassionati. Essi come si vede dalla mappa di posizionamento sono quelli che danno maggior peso alla variabile regista, che riceve anche una buona valutazione generale (slide 77).
Guardando alla tabella media delle altre variabili sembrerebbe che non si possa far a meno di proporre film con attori famosi, poiché è una variabile importante (media alta) per tutti (varianza bassa).
Un’ultima riflessione va fatta su passaparola e premi. La prima variabile non può essere considerata nella scelta del film da proiettare perché non si può sapere a priori quanto una pellicola potrà far parlare di sé. Per quanto riguarda invece la seconda variabile siamo rimasti abbastanza stupiti del fatto che la gente non dia importanza a quanto è promosso un film. Crediamo che la gente probabilmente non si renda conto dell’influenza della comunicazione, pertanto sebbene i nostri dati portino a non dare importanza a questo aspetto riteniamo che comunque bisognerebbe a parità delle altre condizioni dettate preferire i film più “popolari” (slide 77).
Descriptive Statistics
285 1 9 4,71 2,141
285 1 9 6,91 1,510
285 1 9 6,46 1,727
285 1 9 6,15 2,128
285 1 9 4,69 2,184
285 1 9 6,19 1,967
285
PUBBLICITA
GENERE
ATTORI
REGISTA
PREMI
PASSAPAROLA
Valid N (listwise)
N Minimum Maximum Mean Std. Deviation
La nostra offerta in sintesi
CinemaMonosala
Servizio bar
Prezzo: 6 euro
Prenotazione online
Qualità audiovisiva eccellente
Poltrone accessoriate
Attenzione alla pulizia
Convenzione con parcheggi in zona
Film1)Thriller
2)Commedie
3)Film drammatici
4) Film d’azione/cartoni
Fatti da registi affermati…
…con attori famosi…
… e non necessariamente pubblicizzati
Rassegne d’essay settimanali
Limiti
• Campione numericamente limitato• Campione distorto: maggioranza di giovani e di persone con un buon livello
di istruzione.• Interviste eseguite solo in un cinema per ogni categoria: monosala,
multisala in città e multisala fuori città (multiplex). Preferenze e giudizi potrebbero cambiare tra zone.
• Mancanza di dati per un’analisi di regressione sulla soddisfazione• Necessità di una ricerca qualitativa per comprendere meglio il fenomeno di
spostamento monosala-multisala• Accorpamento di multisala in città, multisala fuori città e multiplex in unica
categoria
THE END