Decisioni di pricing e dinamiche competitive locali nel grocery retailing
Transcript
Decisioni di pricing e dinamiche competitive locali nel grocery retailing
9th INTERNATIONAL CONGRESS MARKETING TRENDS VENICE, JANUARY 21st 23rd 2010 Università Ca’ Foscari Venezia Prof. Gaetano Aiello Professore Ordinario - Ambito disciplinare SECS/P08 Dipartimento di Scienze Aziendali - Università degli Studi di Firenze Via delle Pandette, 9 - 50127 Firenze - Italy [email protected] tel. +39 055 4374726 Dott. Raffaele Donvito Ricercatore - Ambito disciplinare SECS/P08 Dipartimento di Scienze Aziendali - Università degli Studi di Firenze Via delle Pandette, 9 - 50127 Firenze - Italy [email protected] tel. +39 055 4374726 Dott. Bruno Bertaccini Ricercatore - Ambito disciplinare SECS-S/01 Dipartimento di Statistica "Giuseppe Parenti" Viale Morgagni, 59 - 50134 - Firenze - Italy [email protected] tel. +39 055 4237230 Decisioni di pricing e dinamiche competitive locali nel grocery retailing Abstract 1. I principali caratteri strategici delle decisioni di pricing nel grocery retailing: il ruolo delle marche industriali leader. 2. Le dinamiche competitive locali e le decisioni di prezzo nel grocery retailing. 3. Obiettivi della ricerca e definizione del contesto d’analisi 4. Principali risultati empirici 5. Limitazioni, conclusioni e sviluppi di ricerca futuri Le idee contenute in questo paper sono state elaborate di comune accordo tra gli autori; in sede di stesura, sono comunque da attribuire a Gaetano Aiello il paragrafo 1, a Raffaele Donvito il paragrafo 2 e a Bruno Bertaccini il paragrafo 4. I paragrafi 3 e 5 sono da attribuire a tutti e tre gli autori. Si ringrazia inoltre il Dott. Alessandro Toti per la collaborazione nelle attività di estrazione e di prima elaborazione dei dati empirici contenuti nel presente paper. 1 Abstract This paper aims to better understand grocery retailers’ pricing strategy within a spatial proximity competition framework; particularly we try to analyze retailers’ pricing action and reaction related to the main competitor’s pricing strategy. Here we propose a first empirical study based on a price database referred to the assortment of equal format grocery stores located in the same territorial area. As known the price decisions importance has increased their role within retail management; scholars have detected an intensification of pricecompetition in the distribution sector and it is evident the relevance of this issue during economic crisis when the consumer’s price sensitivity to convenience becomes more pronounced. In particular the paper attempts to empirically study the pricing dynamics of two point of sales ruled by two competing retailers located in an Italian metropolitan area; specifically the paper intends to investigate the role of signaling price of branded leader industry products in the local dynamic retailer’s competition. Il paper intende approfondire la conoscenza sulle scelte di pricing operate dai grocery retailer in un’ottica di competizione di prossimità spaziale; in particolare si cercherà di analizzare il processo di azione-reazione dei retailer alle decisioni di prezzo operate dal concorrente di riferimento. In questa sede si propone una prima verifica empirica basata sull’analisi di un archivio prezzi riferito ai prodotto presenti nell’assortimento di punti vendita grocery di medesimo formato e localizzati nella stessa area territoriale. Come noto le decisioni di prezzo assumono un ruolo di primaria importanza nell’ambito del retail management; in particolare la dottrina sta rilevando una crescente intensificazione delle situazioni di price-competition sul mercato distributivo ed appare evidente la centralità di questo tema nei periodi di crisi economica, nei quali la sensibilità del consumatore alla convenienza di prezzo diviene più marcata. Le scelte di pricing nella distribuzione grocery, pur considerate nelle dimensioni di breve e di lungo periodo, saranno qui intese globalmente, assumendo il punto di vista percettivo del consumatore e con riferimento alla concorrenza in una dimensione prettamente locale. Il paper in termini empirici cerca di interpretare le dinamiche di pricing di due punti vendita di insegne concorrenti della grande distribuzione ed ubicati in un’area metropolitana italiana; in particolare, si intende verificare il ruolo segnaletico del prezzo dei prodotti a marca industriale leader nella dinamica competitiva a carattere locale. 2 1. I principali caratteri strategici delle decisioni di pricing nel grocery retailing: il ruolo delle marche industriali leader. Come noto le decisioni di pricing assumono un portato di rilievo strategico per le imprese del grocery retailing. Si deve, infatti, considerare che le scelte riguardanti la strategia di prezzo si innestano in una gamma integrata di decisioni volte alla definizione di un dato posizionamento competitivo (Lugli, 2005), congiuntamente alla costruzione di uno specifico formato commerciale (Spranzi, 1991, Castaldo, 2006). Gauri et al. (2008) ritengono che la strategia di prezzo abbia un ruolo centrale nella definizione e nel raggiungimento degli obiettivi di lungo periodo; scegliere i livelli di prezzo con i quali operare sul mercato significa incidere sul modello di redditività dell’impresa, stimolando la domanda finale. Tellis (1986) individua tre tipologie di obiettivi generali riferibili alla leva del prezzo: a) gli obiettivi competitivi, che attengono alla definizione delle linee prezzi nei punti vendita rispetto ai concorrenti locali; b) gli obiettivi differenziali, attraverso i quali l’impresa sfrutta le eterogeneità delle condizioni ambientali in cui opera per massimizzare i risultati economici; c) gli obiettivi di coordinamento assortimentale, tesi a sfruttare la complementarità dei prodotti referenziati (cfr. Martinez-Ruiz et al, 2006). In particolare questo lavoro si colloca nell’area concettuale della competizione locale, riferibile alla prima tipologia codificata da Tellis. Accanto agli obiettivi conseguibili tramite le decisioni di prezzo, la dottrina prende in considerazione i principali elementi strategici che incidono sulla determinazione di tali decisioni, interrogandosi su quali siano le fonti del vantaggio competitivo di una determinata formula distributiva (Morschett et al. 2006), sulle modalità di gestione strategica delle relazioni con l’industria per la massimizzazione dei risultati reciproci (Lugli, 2005; Fornari, 2006; Srinivasan et al. 2004), nonché sul processo di fidelizzazione della clientela attraverso la gestione strategica della marca-insegna (Lugli, 2005; Merrilees et al. 2007). Come anticipato, concentrando la nostra attenzione sulle dinamiche dei prezzi dei prodotti a marca industriale leader, ci appare utile approfondire il tema della gestione strategica della marcainsegna alla quale il fenomeno sotto indagine è strettamente connesso. Proprio con riferimento alla gestione della retail brand, Ailawadi e Keller (2004) identificano le priorità di carattere strategico su cui il management è chiamato ad esprimersi con grande decisione. Il retailer, alla stregua di tutte le imprese orientate al mercato, deve infatti chiarire il posizionamento della marca nella mente del consumatore impostando accuratamente l’offerta dei brand di prodotto inseriti in assortimento; a questo proposito una delle principali problematiche è quella della definizione dei rapporti tra marche industriali (leader) e quelle 3 commerciali, dove rispettivamente le prime sono dotate di un forte potere segnaletico ed attrattivo per il consumatore, le seconde sono (tra l’altro) uno strumento per ottenere differenziazione e marginalità (Lugli 1998, Fornari 1999). Da un punto di vista empirico è stato rilevato (Urbany e Dickson, 1991; Dickson e Urbany, 1994) che le pratiche di riduzione di prezzo dei prodotti ad alta visibilità (prodotti a marca industriale leader) sono monitorate e imitate in modo assai marcato dai grocery retailer in diretta competizione; per queste imprese infatti è essenziale costruire un’immagine di convenienza, basata anche sulle manovre di prezzo riferite ai prodotti marca industriale. In linea con questa posizione, Bolton (1989) sottolinea come le marche leader abbiano una tale rilevanza agli occhi degli acquirenti da risultare significativamente più anelastiche rispetto alle marche non leader, assumendo le prime un elevato valore segnaletico nell’assortimento del retailer. Tuttavia si deve ricordare come l’immagine di convenienza e, più in generale, il posizionamento competitivo di un grocery retailer non si formi solo sulla scorta del livello dei prezzi praticato sui prodotti segnaletici (Lugli, 2009) ma sia il frutto delle percezioni complessive provate dal cliente, e che dunque sia indispensabile tenere sotto controllo non solo i prezzi delle altre marche trattate ma, più in generale, tutte le variabili che incidono sulla qualità percepita nell’erogazione del servizio commerciale (Busacca, 1994). 2. Le dinamiche competitive locali e le decisioni di prezzo nel grocery retailing. La dimensione della competizione locale, come abbiamo osservato, ha un rilievo strategico nelle decisioni di pricing, essendo un riferimento per la definizione degli obiettivi perseguibili con le scelte di prezzo; tale importanza si manifesta anche nella quantificazione puntuale del pricing nel grocery retailing. Secondo la dottrina, le scelte di prezzo e dei margini commerciali devono operativamente considerare tre parametri: i costi del servizio commerciale (Guatri, 1972; Lugli, 2005), l’elasticità della domanda (Rosa Diaz, 2006) nonché l’intensità competitiva locale (McGoldrick, 1987). Tali parametri, compresa l’intensità della competizione globale, si caratterizzano per un rilevante grado di incertezza che ha radice nella complessità delle funzioni svolte dalle imprese dei servizi ed in particolare dai distributori (Hoffman 2002); ciononostante, Fornari e Grandi (2006) ritengono che sia possibile far fronte a questa incertezza assumendo una prospettiva di interpretazione che considera il pricing riferito a determinati mercati serviti ed a specifici formati distributivi. Il nostro lavoro prende le mosse da questa prospettiva, concentrando la propria attenzione 4 sull’influenza esercitata dalle dinamiche competitive locali nelle decisioni di prezzo di punti vendita con formato commerciale comparabile. Al fine di inquadrare concettualmente il rapporto tra dinamiche competitive locali e decisioni di retail pricing presentiamo qui di seguito il contributo della dottrina in merito a tre temi salienti: a) la determinazione spaziale dei contesti locali distributivi; b) la tipologia di competizione tra retailer; c) gli approcci competitivi locali di azione-reazione al livello di prezzo nel grocery retailing. a) La determinazione spaziale dei contesti locali distributivi. Una problematica alla base della comprensione della competizione locale tra retailer è quello della definizione dei confini spaziali di tale contesa. In questa sede ci richiamiamo alla risposta presentata da Binkley e Connor (1996) i quali ritengono che la dimensione più adeguata da considerare sia quella metropolitana o di aggregato metropolitano, intendendo con ciò un continuum urbano omogeneo; per dare operatività a questo concetto gli studiosi identificano quattro grandezze capaci di qualificare specifici contesti locali urbani: la superficie spaziale occupata dall’area metropolitana stessa, la densità della popolazione di tale area, il tasso di crescita della popolazione ivi collocata nonché una misura del reddito della stessa popolazione. Nell’intenzione di Binkley e Connor, le quattro variabili dovrebbero consentire di definire misurare i caratteri di un mercato spaziale urbano e sostenere il management nell’assunzione delle decisioni di pricing. b) La tipologia di competizione tra retailer. Secondo McGoldrick (1987), la corretta individuazione della tipologia di competizione e dei concorrenti di un retailer deve basarsi su una prospettiva di tipo locale. Tuttavia un primo problema a questo riguardo attiene al “mezzo” competitivo oggetto di analisi, ovvero all’opportunità di considerare la competizione tra medesimi formati distributivi o quella tra formati eterogenei. Nel primo caso una chiara individuazione del formato di riferimento dovrebbe agevolare l’identificazione dei concorrenti diretti; tuttavia la richiamata incertezza dei confini delle attività svolte dalle imprese commerciali e la conseguente incertezza dei confini dei formati implica che l’identificazione di prodotti commerciali concorrenti omogenei non sia così agevole. Qualora si consideri invece la competizione tra formati diversi è necessario distinguere tra il concetto di intra-type e di inter-type competition (Lugli, 2005) dove la prima tipologia si configura come concorrenza diretta tra formati sufficientemente omogenei mentre la seconda come concorrenza sostitutiva tra formati eterogenei. Bhatnagar e Ratchford (2003) determinano tale 5 eterogeneità mediante l’individuazione della funzione di utilità del consumatore, evidenziano poi come la scelta del formato sia legata al volume ed alla tipologia degli acquisti pianificati dal consumatore. Pellegrini (2006) su questo tema rileva come la competizione nel retailing oltrepassi di fatto i vincoli teorici del concetto di formato, ponendo in diretta competizione anche prodotti commerciali tra loro eterogenei; l’autore sottolinea come questo fenomeno sia tuttavia il frutto di un evidente grado di omogeneità tra le varie formule distributive e di una forte mobilità del consumatore tra le stesse (cfr. Fornari et al. 2009). Su questa tematica Castaldo (2006) cerca di ricomporre i due livelli di competizione (intra ed inter-type) in seno ad un’unica prospettiva di interpretazione; secondo questo approccio la competizione del dettaglio si manifesta su due piani di diversa natura: uno di taglio “strategico” riferito al posizionamento competitivo dell’insegna nella percezione della domanda, l’altro di taglio “operativo” riferito alla competizione locale del punto vendita; tale configurazione consentirebbe così di dare senso al concetto di formato senza che si istituiscano comparti stagni nell’identificazione delle forme di concorrenza. c) Gli approcci competitivi locali di azione-reazione al livello di prezzo nel grocery retailing. Sul tema delle condotte competitive locali, si deve sottolineare come la leva del prezzo sia molto utilizzata dai grocery retailer per fronteggiare la concorrenza (Fox et al., 2004); ciò dipende dal fatto che il prezzo è sia la leva più facilmente modificabile che quella che incide in maniera più diretta sulla percezione di convenienza dell’insegna. Tra gli approcci analizzati e codificati dalla dottrina qui di seguito richiamiamo tre posizioni teoriche principali: la modellizzazione di Urbany e Dickson sulla reazione alle riduzioni di prezzo, quella di Uusitalo e Rokman sulla sovrapposizione di mercato ed infine quella di Galvagno e Romano sulla concorrenza su più contesti competitivi. Urbany e Dickson (1991) analizzano in particolare il fenomeno della reattività dei concorrenti alle riduzioni di prezzo; gli studiosi osservano cioè che in generale si assiste a una spinta al ribasso dei margini conseguente al taglio dei prezzi praticato da un concorrente aggressivo. Dunque la presenza di una concorrenza accesa appare condurre a una contrazione della marginalità e a livelli di pricing più bassi su scala locale. Secondo le osservazioni di Urbany e Dickinson tale effetto risulterà tanto più spiccato quanto più elevata è la sensibilità della domanda alle riduzioni di prezzo. Dal canto loro Uusitalo e Rokman (2007) hanno codificato interessanti risultati empirici relativi alle dinamiche di pricing conseguenti a cambiamenti nel quadro competitivo locale. Ciò che emerge è la presenza di una relazione diretta tra sovrapposizione di mercato (area 6 geografica) e abbassamento dei prezzi in relazione al concorrente diretto. Cioè, più la concorrenza è marcata a livello locale più si manifesta un allineamento al ribasso dei prezzi tra i diretti competitors. Tuttavia, oltre ad un’analisi delle dinamiche di prezzo che si focalizzi solo una specifica area, altri sottolineano l’importanza di considerare l’effetto di una competizione che si svolge contemporaneamente su più aree urbane. Zeithaml e Bitner (2002), a questo proposito, sottolineano che la probabile discriminazione dei margini rispetto alle diverse aree territoriali eventualmente coperte dal retailer, e quindi i diversi contesti competitivi locali che il distributore affronta, dipende dallo sfruttamento del differenziale di luogo, legato alla determinazione spaziale dell’area di pertinenza stessa. In questa ottica, Galvagno e Romano (2006) affermano l’esistenza di una relazione inversa tra il numero di mercati in cui due concorrenti si raffrontano e l’intensità competitiva, misurato come la pressione sui margini realizzata; questo effetto, secondo gli autori, si può spiegare in quanto i due concorrenti imparano nel tempo a tollerarsi e differenziarsi a vicenda cercando di sottrarsi il più possibile a guerre di prezzi che potrebbero affliggere i risultati economici di entrambi. In questa sede, pur avendo consapevolezza del rilievo di una analisi che consideri molteplici contesti locali, si farà riferimento alle dinamiche competitive connesse ad un’unica arena locale. 3. Obiettivi della ricerca e definizione del contesto d’analisi In linea con quanto precedentemente affermato, questo lavoro vuole approfondire la conoscenza sulle scelte di pricing operate dai grocery retailer in un’ottica di competizione di prossimità spaziale, focalizzando la propria attenzione sulle dinamiche di prezzo che interessano i prodotti a marca industriale (prevalentemente leader) ovvero quei prodotti che costituiscono la parte sovrapposta e direttamente comparabile dell’assortimento di punti vendita diversi; è in questa parte dell’assortimento che vi è l’interesse ad applicare prezzi fortemente “segnaletici”, cioè influenti nel confronto con la concorrenza. In particolare, da un punto di vista empirico, la ricerca si è posta l’obiettivo di: 1) verificare il valore segnaletico delle strategie di pricing dei prodotti a marca nazionale leader nelle dinamiche competitive locali di grocery retailer; 2) verificare l’eventuale presenza di referenze dell’assortimento sovrapposto per le quali si manifestano, nel corso del tempo, disallineamenti di prezzo significativi; 7 3) in caso affermativo, verificare se tali referenze fanno parte di particolari categorie merceologiche e/o se sono contrassegnati dalla stessa marca. A tale scopo sono stati selezionati due grocery retailer concorrenti, appartenenti al gruppo strategico della grande distribuzione italiana (da qui in poi genericamente denominati AAA e BBB); successivamente si è circoscritto il contesto geografico dell’analisi empirica scegliendo una vasta area metropolitana italiana, nell’ambito della quale le due insegne sono dominanti nella numerica e detengono nel complesso una quota di mercato particolarmente elevata. Poiché ambedue i retailer sono presenti nell’aerea oggetto d’analisi con più formati commerciali in diretta concorrenza fra loro, si è deciso di orientare la ricerca sul solo formato supermercato, formato per il quale ogni insegna è presente nell’area con più punti vendita di dimensione comparabile per superficie commerciale e varietà dell’assortimento. È noto che le strategie di pricing sono decise a livello di insegna e di formato, per cui ciascun prodotto, presente nel comune assortimento di tutti i supermercati della stessa insegna dislocati nell’area oggetto d’analisi, viene, in un dato istante di tempo, commercializzato allo stesso prezzo. Considerata l’assenza di variabilità di prezzo di ciascun prodotto in assortimento, in un dato istante di tempo, nei diversi superstore della stessa insegna, per analizzare il rapporto di concorrenza diretta tra i retailer AAA e BBB sono state condotte 21 rilevazioni periodiche (che coprono un arco temporale di circa un anno e mezzo - da gennaio 2007 ad giugno 2009) sui prezzi di tutti i prodotti a marchio leader nazionale presenti nell’assortimento di due superstore campione concorrenti (un superstore per ciascuno dei due retailer analizzati)1. I prodotti oggetto d’indagine, che sono stati commercializzati da entrambe i superstore per tutta la durata del periodo d’indagine, sono 561. I prezzi sono stati rilevati considerando anche le eventuali promozioni praticate dalle due insegne, in quanto si è deciso di considerare la politica promozionale come parte integrante della retailer pricing strategy. 4. Principali risultati empirici Qui di seguito sono sintetizzati i principali risultati emersi dall’analisi dei prezzi rilevati durante l’intero periodo d’indagine nei due superstore presi a riferimento delle scelte di pricing dei grocery retailer AAA e BBB. 1 Le 21 rilevazioni sono state condotte da una società di ricerca multinazionale che rileva i prezzi dell’assortimento nei punti vendita grocery e che fornisce le sue analisi ai principali grocery retailer attivi sul mercato italiano. 8 La Figura 1 illustra, per insegna e per ciascuna delle 21 rilevazioni, le distribuzioni dei prezzi con cui sono stati commercializzati i 561 prodotti a marchio leader nazionale presenti nell’assortimento sovrapposto dei due punti vendita analizzati. Gli indici caratteristici di tali 15 20 5 10 15 20 0 5 10 15 20 0 5 10 15 20 0.30 0.20 0.00 5 10 15 Time: 12 0.10 0.00 0 5 10 15 20 0 5 10 Time: 17 15 0 5 10 15 20 0 5 10 15 Time: 21 0.20 5 10 15 20 0 5 10 15 20 Time: 18 0.00 0 20 0.20 Time: 11 0.30 Time: 16 0 0.30 0.30 20 0.10 20 0.10 0.20 0.10 0.00 15 0.20 15 20 0.20 10 0.10 0.00 0.00 10 15 0.10 5 GrRet BBB 5 10 0.00 0 GrRet AAA 0 5 0.20 Time: 15 0 0.10 20 Time: 6 0.00 15 0.20 Time: 20 0.30 0.30 0.20 0.00 0.10 10 0.10 0 Time: 10 0.10 Time: 19 5 0.30 10 0.30 5 0.30 0 0 0.00 0.10 0.20 Time: 14 20 0.30 20 15 0.20 15 10 0.30 10 5 0.20 5 0 0.00 0.10 0 0.00 0.00 0.10 0.20 Time: 13 20 0.10 20 15 Time: 9 0.30 15 10 0.20 10 5 0.00 0.10 0.20 Time: 8 0.30 5 0.30 0 0 0.10 20 Time: 5 0.00 15 0.30 10 0.20 5 0.00 0.00 0.10 0.20 Time: 7 0.10 0.20 0.10 0 Time: 4 0.00 20 0.30 15 0.20 10 0.30 5 0.30 0 Time: 3 0.00 0.10 0.20 Time: 2 0.00 0.00 0.10 0.20 Time: 1 0.30 0.30 0.30 distribuzioni sono sintetizzati in Tavola 1. 20 Figura 1 – distribuzioni dei prezzi rilevati sui 561 prodotti a marchio leader nazionale che sono stati commercializzati, per tutta la durata del periodo d’indagine, da entrambe le insegne concorrenti In generale, le distribuzioni dei prezzi rilevati sono fortemente asimmetriche con un campo di variazione dei valori assunti che va da un minimo di circa 25 centesimi di euro ad un massimo di poco meno di 22 euro; il prezzo medio oscilla attorno a 3 euro. Come si nota, nessuna delle 21 rilevazioni evidenzia apprezzabili differenze di forma tra le distribuzioni delle insegne concorrenti. Una lettura superficiale di questo dato potrebbe condurre all’erronea conclusione che le due insegne praticano gli stessi prezzi come conseguenza della competizione diretta in cui si trovano a operare sull’area oggetto d’indagine. 9 20 Tavola 1 – Valori caratteristici delle distribuzioni dei prezzi rilevati durante l’indagine su 561 prodotti a marchio leader nazionale, per insegna Rilevazione 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 Insegna MIN 1° quartile MEDIANA MEDIA 3° quartile MAX AAA 0,28 1,39 BBB 2,06 3,01 3,44 21,95 0,28 AAA 0,24 1,40 1,99 2,98 3,41 21,95 1,40 1,99 2,97 3,38 BBB 21,95 AAA 0,28 1,40 2,00 2,98 3,38 21,95 BBB 0,27 1,39 1,95 2,91 3,34 21,95 0,27 1,38 1,99 2,97 3,38 21,93 AAA 0,28 1,40 1,98 3,00 3,35 21,93 BBB 0,28 1,39 1,97 2,98 3,35 21,93 AAA 0,28 1,35 2,08 3,00 3,35 21,93 BBB 0,28 1,35 1,97 2,97 3,35 21,93 AAA 0,27 1,39 2,09 3,01 3,34 21,93 BBB 0,28 1,40 2,10 3,00 3,32 21,93 AAA 0,27 1,42 2,10 3,05 3,39 21,93 BBB 0,28 1,40 2,10 3,03 3,38 21,93 AAA 0,38 1,40 2,10 3,07 3,46 21,93 BBB 0,26 1,40 2,10 3,04 3,45 21,93 AAA 0,26 1,40 2,10 3,04 3,46 21,93 BBB 0,26 1,40 2,10 3,05 3,37 21,93 AAA 0,27 1,44 2,16 3,09 3,49 21,93 BBB 0,27 1,40 2,10 3,08 3,46 21,93 AAA 0,28 1,40 2,12 3,11 3,46 21,93 BBB 0,29 1,40 2,11 3,09 3,45 21,93 AAA 0,29 1,43 2,16 3,12 3,49 21,93 BBB 0,29 1,40 2,15 3,09 3,45 21,93 AAA 0,29 1,45 2,15 2,96 3,40 21,93 BBB 0,29 1,45 2,10 2,95 3,33 21,93 AAA 0,29 1,43 2,16 2,99 3,45 21,93 BBB 0,29 1,41 2,12 2,96 3,31 21,93 AAA 0,29 1,45 2,16 2,99 3,42 21,93 BBB 0,29 1,42 2,14 2,90 3,41 21,92 AAA 0,29 1,44 2,18 2,98 3,45 21,93 BBB 0,29 1,45 2,14 2,96 3,45 21,92 AAA 0,29 1,45 2,19 2,98 3,45 21,92 BBB 0,29 1,45 2,12 2,97 3,44 21,92 AAA 0,29 1,45 2,15 2,99 3,45 21,92 BBB 0,29 1,45 2,14 2,96 3,44 21,92 AAA 0,29 1,43 2,16 2,98 3,44 21,92 BBB 0,29 1,44 2,14 2,97 3,45 21,92 AAA 0,29 1,45 2,14 2,95 3,35 21,92 BBB 0,29 1,45 2,14 2,99 3,45 21,92 AAA 0,29 1,43 2,19 2,99 3,45 21,92 BBB 0,29 1,41 2,12 2,95 3,40 21,92 10 In realtà, questa informazione è del tutto insufficiente ad avvalorare tale tesi, in quanto la quasi esatta sovrapposizione delle distribuzioni in ciascuna delle 21 rilevazioni non garantisce che ciascun prodotto venga sempre commercializzato allo stesso prezzo nel corso del tempo; in altre parole, alcune referenze, in uno dei due superstore in un particolare istante di tempo, potrebbero scambiarsi i prezzi – evidenziando così un disallineamento rispetto al prezzo praticato dal concorrente –, senza provocare alcun effetto sul grado di sovrapposizione delle distribuzioni. Si ha conferma di ciò esaminando il grado dispersione delle combinazioni dei prezzi rilevati per ogni referenza in ciascuno dei due superstore concorrenti. Per ciascuna rilevazione, infatti, i prezzi rilevati sulle 561 referenze oggetto d’indagine possono essere sintetizzati mediante scatter-plot, ovvero mediante una semplice rappresentazione grafica basata su assi cartesiani in cui ciascun prodotto viene rappresentato mediante un punto individuato dalla combinazione dei prezzi rilevati, ovvero un punto le cui coordinate sono, in ascissa, il prezzo rilevato nel punto vendita dell’insegna AAA e, in ordinata, il prezzo rilevato nel punto vendita dell’insegna BBB. Se i vari scatter-plot evidenziassero addensamenti allineati sulla bisettrice, sarebbe possibile affermare che le due insegne concorrenti applicano gli stessi prezzi; viceversa se gli stessi scatter-plot mettessero in evidenza dispersioni di forma approssimativamente circolare, sarebbe legittimo sostenere che le due insegne concorrenti non applicano gli stessi prezzi e che in alcuni casi è più conveniente l’insegna AAA mentre in altri lo è l’insegna BBB. Dalle nostre rilevazioni, la matrice degli scatter-plot riprodotta in Figura 2, evidenzia una situazione nella quale le insegne praticano prezzi allineati; come si deduce infatti dalle percentuali riportate nei 21 quadranti, che indicano - per ogni periodo di rilevazione - rispettivamente la quota di prodotti che si collocano sopra e sotto la bisettrice, la percentuale di prodotti con stesso prezzo praticato dai due concorrenti (ovvero la percentuale di prodotti che si collocano esattamente sulla bisettrice di ciascun grafico) è almeno del 58% - con una media sulle 21 rilevazioni pari al 72% - e raggiunge quasi l’82% nella 19° rilevazione. La Figura 3 ripropone l’analisi grafica precedente, limitatamente ai prodotti con prezzo inferiore a 5 euro: per questo specifico sottoinsieme di referenze, in almeno il 60% dei casi i prodotti vengono commercializzati dalle due insegne con lo stesso prezzo, con una media sulle 21 rilevazioni pari al 73%, ed un massimo nella 19° rilevazione pari al 83%. 11 20 20 GrRet BBB 20 15 15 20 0 20 15 % goods: 10.9% 5 0 5 10 15 20 0 5 15 20 Tim e: 18 % goods: 10.2% 10 5 10 GrRet BBB % goods: 7.5% 15 20 Tim e: 17 15 10 GrRet AAA % goods: 11.9% 0 % goods: 14.6% 20 20 Tim e: 12 GrRet AAA 15 15 10 GrRet BBB 20 15 10 GrRet BBB 5 0 20 10 10 % goods: 17.6% 5 5 5 GrRet AAA 0 20 % goods: 7.8% 0 15 GrRet BBB 5 0 0 20 % goods: 11.9% % goods: 15.2% 20 10 20 15 GrRet BBB 5 10 20 15 GrRet BBB 5 0 10 15 20 10 15 0 5 GrRet AAA 10 15 20 0 5 GrRet AAA 10 15 20 GrRet AAA Tim e: 21 % goods: 10% 5 10 GrRet BBB % goods: 16.2% 15 Tim e: 16 GrRet AAA Tim e: 20 10 5 5 10 % goods: 14.4% 0 0 0 % goods: 16.6% 0 0 GrRet BBB 5 15 20 15 5 5 10 15 10 5 % goods: 18.4% % goods: 10% Tim e: 11 GrRet AAA % goods: 14.3% % goods: 8.2% 20 0 Tim e: 15 GrRet AAA 15 20 5 5 % goods: 9.3% 10 15 0 0 % goods: 9.1% 5 10 5 % goods: 20.5% 10 GrRet BBB 20 15 10 GrRet BBB 20 Tim e: 19 0 5 Tim e: 6 GrRet AAA % goods: 15.9% % goods: 18.5% 0 15 GrRet AAA 0 Tim e: 10 GrRet AAA % goods: 11.9% 20 0 0 Tim e: 14 15 GrRet BBB 20 5 10 5 10 15 GrRet BBB 15 10 % goods: 16.8% % goods: 13.9% 0 5 10 20 20 10 % goods: 11.4% 0 % goods: 16.9% 5 5 5 GrRet AAA Tim e: 9 GrRet AAA % goods: 14.3% 0 0 0 % goods: 10.9% 0 20 20 20 15 15 10 20 15 GrRet BBB 5 10 10 GrRet AAA 0 0 5 5 % goods: 16% Tim e: 13 15 20 0 % goods: 12.5% GrRet AAA GrRet BBB 20 Tim e: 8 % goods: 16.2% 20 15 10 20 10 15 % goods: 16.6% 5 GrRet BBB 10 15 5 GrRet AAA Tim e: 7 0 15 5 0 0 Tim e: 5 % goods: 13.7% 10 20 % goods: 8.7% % goods: 13% GrRet BBB 15 15 10 GrRet AAA Tim e: 4 10 5 % goods: 18.9% % goods: 23% 0 0 Tim e: 3 % goods: 13.9% 0 % goods: 18.7% GrRet BBB GrRet BBB 15 10 GrRet BBB % goods: 19.3% 10 20 Tim e: 2 5 10 15 % goods: 11.8% 5 GrRet BBB 20 Tim e: 1 0 5 GrRet AAA 10 15 20 0 5 GrRet AAA 10 15 20 GrRet AAA 5 3 5 2 3 4 4 3 2 GrRet BBB 4 % goods: 18.7% 5 0 1 3 5 4 3 1 2 GrRet BBB 3 2 % goods: 11.1% 0 % goods: 14% 0 1 2 3 GrRet AAA 4 5 0 1 2 3 GrRet AAA 4 1 1 2 3 GrRet AAA 4 % goods: 16.3% 5 0 1 2 3 4 5 Tim e: 18 % goods: 9% 0 0 4 GrRet AAA Tim e: 17 % goods: 6.6% 4 5 2 5 GrRet AAA 4 5 1 1 GrRet AAA GrRet BBB 3 4 0 0 5 2 3 Tim e: 12 % goods: 11.4% % goods: 15.1% 5 2 5 5 3 4 Tim e: 11 % goods: 12.6% % goods: 13.6% 1 1 GrRet AAA 2 GrRet BBB 4 Tim e: 16 % goods: 7.8% 0 3 0 1 3 2 1 0 0 % goods: 10.4% 5 0 2 5 5 GrRet BBB 4 3 1 2 GrRet BBB 5 5 5 4 3 2 1 0 4 3 2 GrRet BBB 1 1 1 4 4 Tim e: 21 % goods: 10.5% % goods: 8.4% 5 3 3 3 GrRet BBB 4 3 2 GrRet BBB Tim e: 20 % goods: 16.6% 1 4 2 GrRet AAA 0 3 1 2 GrRet AAA 0 0 5 5 4 3 2 1 2 GrRet AAA 3 4 4 1 GrRet AAA Tim e: 15 % goods: 14% GrRet AAA 0 1 0 5 2 0 % goods: 22.2% 5 1 1 % goods: 8.8% 0 4 0 0 GrRet AAA Tim e: 19 % goods: 8.8% 3 2 GrRet BBB 4 3 2 GrRet BBB 1 4 2 % goods: 17.2% 0 3 1 Tim e: 6 % goods: 18.7% % goods: 13.8% 5 0 0 GrRet AAA Tim e: 14 % goods: 12.5% 4 Tim e: 10 % goods: 14.3% % goods: 17.1% 5 5 5 3 2 1 2 3 4 4 3 1 3 2 5 5 2 1 GrRet AAA 1 1 % goods: 13.9% 0 1 0 0 0 % goods: 11.5% 0 5 Tim e: 9 % goods: 15.4% GrRet AAA Tim e: 13 % goods: 14.4% 4 0 5 3 4 4 2 2 GrRet BBB 4 3 2 GrRet BBB 1 3 1 GrRet AAA 0 2 GrRet BBB 4 0 % goods: 15.4% 0 1 3 5 5 5 4 3 2 1 GrRet BBB 4 Tim e: 8 % goods: 12.7% GrRet AAA 4 3 GrRet AAA % goods: 17.5% 0 GrRet BBB 2 3 1 GrRet AAA Tim e: 7 % goods: 17.3% % goods: 12.6% 0 0 2 5 GrRet BBB 4 Tim e: 5 % goods: 11.3% 2 3 2 1 1 2 Tim e: 4 % goods: 9.3% % goods: 23.6% 0 1 Tim e: 3 % goods: 18.6% % goods: 14.5% 0 % goods: 17.8% 0 GrRet BBB GrRet BBB 3 4 Tim e: 2 % goods: 18.5% 2 GrRet BBB 3 2 1 GrRet BBB 4 Tim e: 1 % goods: 13% 5 5 5 Figura 2 – scatter-plot dei prezzi rilevati sui 561 prodotti a marchio leader nazionale che sono stati commercializzati, per tutta la durata del periodo d’indagine, da entrambe le insegne concorrenti 5 GrRet AAA Figura 3 – scatter-plot dei prezzi rilevati sui prodotti a marchio leader nazionale con prezzo inferiore a 5 euro, che sono stati commercializzati, per tutta la durata del periodo d’indagine, da entrambe le insegne concorrenti 12 4 5 Dall’analisi delle due matrici di scatter-plot risulta ora evidente la tendenza delle due insegne a praticare strategie di pricing di imitazione in relazione alla maggior parte dei prodotti dell’assortimento sovrapposto, a causa del loro elevato potere “segnaletico” sulle decisioni d’acquisto dei consumatori; tali strategie non si concentrano solo su particolari marche leader e/o su particolari fasce di prezzo ma sono, di fatto, applicate indistintamente su tutto l’assortimento sovrapposto. Appurato ciò, risulta spontaneo chiedersi perché un certo numero di prodotti, o categorie di prodotto, sembra però sfuggire alle regole imposte da tale strategia imitativa. Una quantificazione delle differenze medie di prezzo – calcolate, in termini sia assoluti che percentuali rispetto al prezzo più basso praticato da uno dei due retailer, sia sul sottoinsieme di referenze per le quali l’insegna AAA ha praticato un prezzo inferiore all’insegna BBB sia sul sottoinsieme di referenze per le quali l’insegna AAA ha praticato un prezzo superiore all’insegna BBB – è riportata in Tavola 2. Eccetto rari casi, in quasi tutti i sottoinsiemi di referenze per le quali sono stati rilevati disallineamenti di prezzo, le variazioni medie percentuali rispetto al prezzo inferiore rilevato hanno raggiunto livelli sensibili (valori superiori al 10%), toccando punte del 31%, nel sottoinsieme di referenze per le quali AAA si è dimostra l’insegna più conveniente, e del 42%, nel sottoinsieme di referenze per le quali l’insegna più conveniente è stata BBB. Ricapitolando, la maggior parte dei 561 prodotti dell’assortimento sovrapposto sono stati commercializzati allo stesso prezzo durante tutto il periodo d’indagine; laddove è stato rilevato un prezzo differente, tali differenze hanno evidenziato livelli di disallineamento che sembrano però contraddire la tesi di comportamento imitativo adottato dalle due insegne. Alla luce di tali considerazioni, risulta necessario introdurre un’appropriata modellistica statistica in grado di spiegare al meglio le dinamiche di pricing di medio periodo (il periodo d’indagine è di un anno e mezzo), spostando il focus dell’analisi dal livello del singolo periodo di rilevazione al livello della singola referenza. Per ogni referenza, sono stati calcolati i 21 rapporti tra i prezzi rilevati nei due superstore concorrenti durante tutto il periodo d’indagine; in caso di identità della strategia di pricing da parte delle due insegne concorrenti, tutti i rapporti dovrebbero tendenzialmente allinearsi attorno al valore 1, come ad esempio accade per la situazione illustrata in Figura 4, dove la linea di tendenza, espressa dalla retta interpolante i punti, è stata ottenuta stimando un modello di regressione lineare semplice. 13 Tavola 2 – quantificazione delle variazioni percentuali medie rispetto al prezzo inferiore, rilevate per tutta la durata del periodo d’indagine prezzo BBB > prezzo AAA Rilevazione 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 medi a variazione % media rispetto al prezzo praticato da AAA differenze medie in € 14,3 10,8 14,0 16,2 13,3 9,8 9,2 11,4 13,3 14,2 14,8 14,3 13,6 14,7 11,6 25,3 31,8 10,8 16,1 19,0 17,7 0,31 0,33 0,50 0,47 0,38 0,25 0,22 0,30 0,45 0,47 0,37 0,35 0,41 0,31 0,35 0,53 0,78 0,37 0,44 0,43 0,40 15,1 0,40 prezzo AAA > prezzo BBB % referenze variazione % media rispetto al prezzo praticato da BBB differenze medie in € % referenze 11,8 19,3 18,9 8,7 10,9 18,4 16,6 12,5 16,9 15,9 11,9 10,9 14,3 11,9 14,3 7,8 7,5 10,2 9,1 16,2 10,0 12,6 16,6 8,3 14,9 17,3 20,5 15,2 16,5 20,6 18,8 17,9 20,2 26,1 17,6 42,2 13,8 19,3 20,7 20,4 19,5 24,8 0,36 0,38 0,17 0,40 0,49 0,54 0,40 0,42 0,44 0,43 0,45 0,40 0,65 0,46 0,75 0,38 0,48 0,51 0,54 0,36 0,49 18,7 13,9 23,0 13,0 13,7 10,0 16,2 16,0 16,8 20,5 14,4 17,6 11,4 13,9 18,5 15,2 14,6 11,9 9,3 8,2 16,6 19,2 0,45 Il modello di regressione è forse il più importante strumento statistico adoperato nelle applicazioni della statistica alle varie discipline scientifiche; in generale, si ricorre ad un modello di regressione lineare quando l’obiettivo è quello di quantificare l’effetto medio che una o più variabili indipendenti hanno su una variabile dipendente: per questo motivo la variabile dipendente presente nell’equazione del modello è funzione di una combinazione lineare delle variabili indipendenti più un termine d'errore. Quest'ultimo è una variabile casuale e rappresenta una variazione non controllabile nella combinazione lineare delle variabili dipendenti. I parametri del modello sono i coefficienti della combinazione lineare e possono essere stimati in vari modi: tra i possibili metodi di stima, il metodo dei minimi quadrati (Ordinary Least Squares) può essere considerato una delle pietre miliari della 14 statistica classica Se il numero dei dati a disposizione è sufficientemente elevato oppure se è ipotizzabile la normalità distributiva del termine d’errore, è inoltre possibile effettuare considerazioni inferenziali di significatività sui parametri stimati. 1.05 1.00 0.90 0.95 price BBB / price AAA 1.10 1.15 MulinoBianco MACINE 800g 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 rilevazione Figura 4 – rapporti tra i prezzi rilevati nei due supermercati concorrenti durante tutto il periodo d’indagine, calcolati per una specifica referenza, con relativa linea di tendenza Nell’analisi in questione, il modello è stato implementato al fine di valutare l’effetto medio del trascorrere del tempo sulla variabile dipendente, espressa dal rapporto tra i prezzi rilevati nei due superstore concorrenti; in questa situazione, è plausibile ipotizzare la normalità distributiva del termine d’errore. Nel caso illustrato in Figura 4, la retta di regressione stimata ha intercetta pari a 1,008 e coefficiente angolare pari a 0,0001, valore questo che il procedimento di stima segnala non essere significativamente diverso da zero. Per la referenza in questione, la lieve pendenza della retta di regressione (seppur non significativa) è pertanto certamente attribuibile all’effetto di leva provocato dai disallineamenti anomali che si sono verificati nel corso delle rilevazioni 9, 10 e 14. Si osservi che tali anomalie potrebbero essere il frutto sia di errori di lettura commessi durante la rilevazione, sia di particolari politiche promozionali praticate da 15 uno dei due retailer, ma potrebbero anche (e soprattutto) essere causate da ritardi di acquisizione dell’informazione sul prezzo praticato da parte del concorrente; in altre parole, la specifica rilevazione non è riuscita a cogliere l’allineamento di prezzo poiché questo potrebbe essersi verificato successivamente alla stessa come, ad esempio, sembrano indicare i rapporti calcolati in Figura 4. La necessità di replicare questo tipo di analisi su tutti i prodotti dell’assortimento sovrapposto ha richiesto la stima di un modello di regressione lineare semplice a livello di singola referenza. La Figura 5 sintetizza i risultati dell’intero processo di stima, distinguendo le referenze che hanno evidenziato rette di regressione con coefficienti angolari non significativamente diversi da zero (cfr. pannello di sinistra di Fig. 5) da quelle per le quali la pendenza di tali rette è, invece, risultata significativa (cfr. pannello di destra di Fig. 5). 1.5 302 126 427 402 324 301 26 516 254 189 272 51 95 464 559 293 99 62 267 217 1 188 416 214 430 36 46 435 64 439 91 63 1.0 124 529 314 88 431 417 125 145 499 479 320 322 194 339 517 520 157 352 135 505 240 354 477 536 191 270 366 489 500 531 21 241 268 338 242 337 274 480 134 154 323 155 249 280 455 548 328 331 347 415 201 225 252 436 16 41 170 174 238 271 286 475 474 473 485 484 483 482 481 555 14 101 185 258 278 362 502 549 156 209 212 235 256 309 321 467 542 32 139 136 215 247 308 357 369 393 389 541 550 15 38 34 33 78 81 97 115 228 236 239 255 310 327 329 333 396 395 450 460 537 40 8 128 190 226 266 261 259 303 312 311 381 441 476 47 52 75 83 93 111 138 199 251 334 340 399 545 11 73 9 108 107 121 260 275 296 344 343 394 420 463 470 515 61 82 92 110 113 123 131 130 129 182 223 246 277 289 292 353 359 448 465 459 471 494 493 509 526 538 17 24 60 72 103 100 122 132 127 165 169 192 200 198 197 222 221 220 227 244 248 265 263 283 285 315 325 330 335 345 348 351 350 356 363 371 392 388 398 401 412 454 453 457 456 492 491 508 507 506 533 543 39 45 66 65 59 77 76 96 3 7 104 102 106 133 149 160 177 204 229 264 269 281 287 298 295 294 306 332 355 364 379 391 413 438 472 469 478 514 539 552 560 10 20 35 48 53 71 70 84 94 5 140 137 175 210 262 317 342 360 358 384 390 418 445 462 461 495 498 497 530 553 37 42 116 120 153 216 233 232 290 307 377 387 406 419 519 524 522 544 13 29 69 86 85 105 109 119 141 183 230 245 276 279 341 407 487 561 58 57 74 80 98 187 208 207 206 205 273 386 403 504 12 22 31 50 89 117 151 195 211 282 284 313 452 466 468 511 513 535 547 558 23 90 112 146 150 162 231 253 428 426 424 442 447 458 496 523 528 527 546 25 6 114 144 172 257 305 380 425 488 486 490 503 518 30 28 147 168 218 361 444 443 525 554 18 55 68 79 152 161 166 184 203 411 449 510 556 158 164 163 167 219 300 383 382 501 87 4 193 196 422 521 540 43 54 159 316 370 414 27 180 299 429 440 446 451 534 557 19 49 171 291 378 410 2 250 319 375 405 437 142 173 213 346 421 67 367 400 56 397 404 512 532 202 368 148 176 186 318 365 224 433 179 326 336 118 243 349 434 234 304 408 178 423 181 372 373 376 374 288 44 409 price BBB / price AAA 1.5 237 1.0 price BBB / price AAA 2.0 Coeff. angolare significativamente <> 0 2.0 Coeff. angolare non significativo 432 385 0.5 0.5 143 551 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 rilevazione 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 rilevazione Figura 5 – referenze dell’assortimento che hanno evidenziato rette di regressione con coefficienti angolari non significativamente diversi da zero distinte dalle 37 referenze per le quali la pendenza di tali rette è invece risultata significativa Le referenze che originano le rette di regressione riportate nel pannello di destra di Figura 5 sono solo 37 (ovvero il 6,7% di tutte le referenze presenti nell’assortimento sovrapposto). Un rapido esame di queste particolari referenze ha evidenziato estrema eterogeneità sia tra i marchi di produzione che tra le categorie di prodotto. 16 Pertanto, è possibile affermare che la strategia imitativa adottata dai due grocery retailer nell’area oggetto d’analisi è tale da coinvolgere almeno il 93% delle referenze a marchio leader nazionale, indistintamente dal produttore/fornitore o dalla categoria di prodotto cui appartengono. Alla luce di queste considerazioni, non sembra però plausibile ritenere che poche referenze siano in grado di sfuggire a questa strategia. Un esame approfondito dei rapporti tra i prezzi a cui sono stati commercializzati buona parte di questo ristretto gruppo di prodotti, durante tutto il periodo di rilevazione, chiarisce ogni dubbio. La Figura 6, ad esempio, illustra il grado di disallineamento tra i prezzi rilevati per la referenza cui era associata, nel pannello di destra di Figura 5, la retta che evidenziava, in valore assoluto, il coefficiente angolare più elevato. È immediato rendersi conto che la significatività della pendenza di tale retta è causata dall’effetto leva provocato dai disallineamenti anomali che si verificano nelle ultime rilevazioni del periodo d’indagine, disallineamenti che però non sono stabili ma, al contrario, sembrano essere il risultato di strategie imitative che, di fatto, si concretizzano nelle rilevazioni 18 e 21. Ancora una volta, il sospetto è che alcune rilevazioni non siano riuscite a cogliere l’allineamento di prezzo poiché questo si è verificato in un momento successivo alle stesse. Contesti d’analisi di questo tipo evidenziano la scarsa affidabilità delle stime prodotte dal modello di regressione lineare qualora queste debbano essere calcolate sulla base di un insieme d’osservazioni in cui sono presenti dati anomali. Un valore anomalo può essere in generale definito come un’osservazione che appare non compatibile con il modello probabilistico che ha generato il resto dei dati (Barnett e Lewis, 1993). La rilevanza del problema dei valori anomali portò inizialmente Box e Andersen (1955) a coniare il termine “robusto” in relazione a quei metodi di stima che continuano a possedere proprietà desiderabili, nonostante parte dei dati possa, presumibilmente, risultare in qualche misura contaminata. In linea con questa definizione, per ovviare alla presenza di eventuali valori anomali, sono stati recentemente proposti nuovi metodi di stima definiti robusti o resistenti, così qualificati per la loro proprietà di produrre stime non facilmente condizionabili da dati contaminati. In particolare, per il modello di regressione lineare, Atkinson e Riani (2000) hanno proposto una tecnica diagnostica chiamata dagli autori “Forward Search”, capace di investigare l’eventuale presenza di valori anomali e di valutarne gli effetti prodotti sulle stime dei parametri del modello. 17 4 3 0 1 2 price BBB / price AAA 5 6 BANFI - Rosso Montalcino DOCG 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 rilevazione Figura 6 – analisi di una delle referenze dell’assortimento per la quale è stata stimata una retta di regressione a pendenza significativamente diversa da zero In sintesi, la strategia di avanzamento che caratterizza la Forward Search inizia adattando il modello di regressione ipotizzato ad un sottoinsieme di m osservazioni ritenuto libero da anomalie. Tutte le osservazioni a disposizione vengono quindi ordinate in base alla loro prossimità a tale modello. Il modello viene quindi riadattato utilizzando il sottoinsieme delle prime (m + 1) osservazioni più vicine al modello stimato in precedenza. Tutte le osservazioni a disposizione vengono quindi ordinate di nuovo in base alla loro prossimità al modello stimato, il modello viene quindi riadattato al sottoinsieme delle (m + 2) osservazioni più vicine al modello stimato in precedenza e questo processo iterativo continua fino a quando tutti i dati non sono entrati nel modello. Ad ogni passo del processo di avanzamento, l’adattamento del modello al crescente sottoinsieme di osservazioni produrrà tutta una serie di statistiche utili a valutare il grado di influenza di ogni osservazione sul processo di stima. Cambiamenti rilevanti nei valori assunti da tali statistiche sono sintomi della presenza di osservazioni anomale nell’insieme delle informazioni disponibili. Purtroppo, l'identificazione dei valori anomali, nella proposta iniziale dei due autori, è in gran parte soggettiva, ovvero demandata esclusivamente all'analisi grafica degli andamenti delle stime e delle statistiche prodotte ad ogni passo dell’analisi. Bertaccini e Polverini (2006) 18 hanno cercato di ovviare a questa limitazione proponendo una tecnica per l’automatizzazione del processo di identificazione dei valori anomali, denominata Automatic Forward Search (AFS). La linea tratteggiata illustrata in Figura 6 rappresenta la retta di regressione ricalcolata a seguito dell’applicazione di questa particolare tecnica diagnostica di identificazione automatica dei valori anomali: l’impiego di tale tecnica ha reso possibile la corretta identificazione di tutti i rapporti anomali in quanto la nuova linea di tendenza evidenzia un valore di intercetta pari 1 e coefficiente angolare nullo. Tale approccio robusto all’analisi di regressione è stato pertanto applicato sia al gruppo delle referenze per le quali erano state stimate delle rette di regressione con coefficiente angolare non significativamente diversi da zero, sia al gruppo delle 37 referenze che, viceversa, avevano evidenziato disallineamenti di prezzo significativi nel corso del tempo2. 1.5 302 439 189 95 1.0 price BBB / price AAA 1.5 88 145 479 320 194 181 505 191 499 529 531 274 312 331 415 477 16 473 555 270 421 549 80 309 321 139 247 356 389 15 38 81 115 310 417 203 261 359 423 441 47 52 83 199 323 334 340 404 9 174 217 303 311 397 420 502 82 371 393 418 114 113 112 111 110 109 108 107 106 105 104 103 102 101 100 138 137 136 135 134 133 132 128 127 124 123 122 121 120 119 118 117 116 141 140 144 143 147 165 162 161 160 159 158 157 156 155 154 153 152 151 150 149 170 169 173 177 180 185 184 183 182 190 188 187 193 192 198 197 196 201 200 242 241 238 236 235 234 233 232 231 230 229 228 227 226 225 224 223 222 221 220 219 218 213 212 210 209 207 206 205 204 246 245 244 249 248 260 259 258 257 256 255 254 252 251 269 268 267 266 265 264 263 272 271 299 298 296 295 294 293 292 291 290 289 288 287 286 285 284 283 282 281 280 279 278 277 276 275 308 307 306 315 313 319 318 317 322 330 329 328 327 326 325 333 332 336 335 348 346 345 344 343 342 341 355 354 353 352 351 350 357 364 363 362 361 360 370 369 368 366 388 387 386 384 383 382 381 380 379 377 399 398 396 395 392 391 403 402 401 407 406 412 411 416 419 422 440 438 436 434 433 429 428 426 448 447 446 445 444 443 442 472 471 470 469 468 467 465 464 463 462 461 460 459 458 457 456 455 454 453 451 450 476 475 474 478 498 497 496 495 494 493 492 491 490 489 488 487 486 485 484 483 482 481 500 503 515 514 513 512 511 510 509 508 507 506 524 523 522 521 520 518 517 528 527 526 530 545 540 539 538 537 536 534 533 532 554 553 552 550 561 560 559 557 14 13 11 10 26 25 24 23 22 21 20 19 18 17 35 34 33 32 31 30 28 43 41 40 39 45 48 51 63 62 61 60 59 58 56 54 53 66 65 79 78 77 76 75 74 73 72 71 70 69 68 87 86 85 99 98 97 96 94 93 92 90 89 8 6 5 4 3 2 1 131 130 129 126 125 164 163 240 239 237 216 215 297 301 324 337 347 394 390 413 437 427 425 480 519 548 543 542 37 29 84 7 175 262 358 367 405 42 55 211 339 544 541 424 504 57 208 314 378 12 50 195 466 452 547 535 558 146 253 546 172 273 305 431 168 525 166 338 449 556 64 167 300 501 316 414 27 49 171 410 516 250 375 142 67 400 202 148 176 186 365 179 243 304 44 408 178 1.0 price BBB / price AAA 2.0 AFS: coeff. angolare significativamente <> 0 2.0 AFS: coeff. angolare non significativo 214 430 36 46 435 409 349 91 376 374 372 373 551 432 0.5 0.5 385 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 rilevazione 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 rilevazione Figura 7 – Automatic Forward Search per l’identificazione dei valori anomali nel modello di regressione lineare semplice: referenze dell’assortimento che hanno evidenziato coefficienti angolari non significativamente diversi da zero distinte dalle 13 referenze per le quali la pendenza di tali rette è invece risultata significativa I risultati del processo robusto di stima sono illustrati in Figura 7; anche in questo caso la figura distingue le referenze che hanno evidenziato rette di regressione con coefficienti 2 Siccome i prezzi rilevati nelle 21 indagini contengono anche le promozioni praticate dai due retailer analizzati, l’approccio robusto all’analisi di regressione dovrebbe permettere anche di attenuare l’eventuale peso di promozioni particolarmente rilevanti in termini di taglio di prezzo. 19 angolari non significativamente diversi da zero (cfr. pannello di sinistra) da quelle per le quali la pendenza di tali rette è, invece, risultata significativa (cfr. pannello di destra). Adesso il pannello di sinistra, in confronto a quello illustrato in Figura 5, evidenzia una maggior concentrazione del fascio di rette attorno al valore di ascissa 1; inoltre, nel pannello di destra, sono rappresentate solo 13 referenze (poco più del 2% di tutto l’assortimento sovrapposto) per le quali si rilevano disallineamenti di prezzo strutturali durate tutto il periodo di indagine. Verosimilmente, un periodo d’indagine più prolungato consentirebbe un’ulteriore riduzione del contingente di queste particolari referenze. Tutte le analisi condotte consentono quindi di affermare i due grocery retailer analizzati adottano una strategia di prezzo imitativa con un’intensità tale da coinvolgere circa il 98% delle referenze a marchio leader nazionale, indistintamente dal produttore/fornitore o dalla categoria di prodotto cui esse appartengono. 5. Limitazioni, conclusioni e sviluppi di ricerca futuri L’obiettivo del presente lavoro era misurare, tramite l’analisi delle dinamiche di pricing delle referenze dell’assortimento sovrapposto, l’intensità competitiva di due tra i principali attori della grande distribuzione italiana che si trovano ad operare in un mercato localizzato: questo lavoro è infatti il frutto di un’analisi ancora in corso d’opera, e, pertanto, per il momento riferita soltanto ad una particolare area metropolitana italiana. Come più volte sottolineato nel lavoro, le usuali analisi statistiche di tipo descrittivo condotte a livello di singolo periodo di rilevazione sono in grado di evidenziare, in un particolare istante di tempo, quote significative di referenze commercializzate allo stesso prezzo, ma si rivelano assolutamente insufficienti a far luce sulle dinamiche di pricing di medio periodo; questi motivi hanno indotto gli autori ad introdurre un’appropriata modellistica statistica capace di spostare il focus dell’analisi dal livello del singolo periodo di rilevazione al livello della singola referenza. Quindi, tramite la stima di un appropriato modello di regressione lineare per ciascuna referenza oggetto d’analisi, si è potuto verificare come la strategia imitativa adottata dai due grocery retailer sia stata tale da coinvolgere circa il 93% dei prodotti a marchio leader nazionale, indistintamente dal produttore/fornitore o dalla categoria di prodotto cui appartengono. Questa percentuale sale al 98% a seguito dell’introduzione di moderne tecniche di stima dei parametri del modello di regressione definite robuste o resistenti perché capaci di continuare a possedere proprietà desiderabili, nonostante una parte dei dati possa risultare in qualche misura contaminata da valori anomali. Nel caso in oggetto, 20 tali tecniche sono state introdotte con l’obiettivo di resistere agli effetti leva provocati da sporadici disallineamenti anomali che sembrano essere solo il frutto di un ritardo nell’attuazione della strategia imitativa da parte di uno dei due retailer. Questi risultati confermano pienamente le tesi sostenute da Dickson e Urbany (1994) e da Uusitalo e Rokman (2007): le strategie di prezzo dei prodotti ad alta visibilità sono monitorate e imitate in modo assai marcato dai retailer che risultano in competizione diretta, specialmente quando l’ambito della competizione sia un mercato come quello oggetto d’analisi, caratterizzato dalla presenza di due insegne concorrenti, che palesano atteggiamenti da soggetti duopolisti. Si ritiene inoltre che sia stato il consistente livello di intensità competitiva dell’area considerata a determinare, nel corso di tutto il periodo di’indagine, strategie di imitazione non concentrate solo su particolari marche leader e/o su particolari fasce di prezzo, ma tali, al contrario, da coinvolgere tutte le referenze dell’assortimento comune ai due punti vendita considerati. In questo senso, la decisione degli autori di considerare la politica promozionale come parte integrante della retailer pricing strategy si è rivelata determinante: le analisi hanno, infatti, in più occasioni dimostrato come la strategia promozionale possa essere utilizzata dai due retailer per “giustificare” significative variazioni al ribasso dei prezzi di alcune referenze, variazioni che in realtà spesso celano un tentativo di allineamento al prezzo praticato dall’insegna concorrente (in queste situazioni, infatti, la fine del periodo promozionale non ha mai coinciso con la ridefinizione del prezzo della referenza sui livelli di commercializzazione antecedenti la promozione stessa). In termini di futuri percorsi di ricerca gli autori rilevano l’opportunità di sviluppare le seguenti linee di indagine: a) affiancare all’analisi dei prezzi dei prodotti ad alto potere segnaletico inseriti nell’assortimento dei grocery retailer l’indagine delle relative quantità commercializzate; ciò consentirebbe un’evidente approfondimento sulle dinamiche e sugli esiti delle decisioni di pricing su scala locale; b) incrociare i dati desunti dall’analisi prezziquantità con quelli derivanti dalla rilevazione diretta sui soggetti della domanda finale, con particolare riguardo alle loro percezioni sul livello dei prezzi praticati; c) valutare l’eventuale correlazione tra le strategie di prezzo a carattere locale rispetto a quelle assunte su scala geografica più ampia, considerando il rapporto tra le aree geografiche ed i formati commerciali attivati per ciascuna area; d) analizzare (ove possibile) il sottoinsieme assortimentale composto dalla marche commerciali dei retailer; ciò implicherà in primo luogo identificare con accuratezza i caratteri che rendono percettivamente sovrapposte un set di marche che per definizione non sono identiche tra loro. 21 Infine è obiettivo degli autori quello di predisporre uno strumento di analisi, da testare su diverse aree territoriali, basato sia sull’indagine dei prezzi che sulle quantità, capace di misurare l’intensità competitiva locale esercitata dai retailer attivi; si reputa infatti che la disponibilità di un tale strumento sia utile tanto per la produzione di esiti originali di ricerca che per l’assunzione di corrette decisioni manageriali. 22 Bibliografia Ailawadi K.L., Keller K.L., (2004), “Understanding retail branding: conceptual insights and research priorities”, Journal of Retailing, vol.80. Atkinson A., Riani M. (2000), Robust Diagnostic Regression Analysis, Springer-Verlag, New York. Barnett V., Lewis T. (1993), Outliers in Statistical Data (3rd edition), Wiley, New York. Bertaccini B., Polverini F. (2006), “Automatic Forward Search”, Proceedings of the 2006 Joint Statistical Meetings of the American Statistical Association, Seattle, MIRA: Digital Publishing, USA. Bhatnagar A., Ratchford B.T., (2004), “A model of retail format competition for non-durable goods”, International Journal of Research in Marketing, vol.21 Binkley J., Connor J., (1998), “Grocery market pricing and the new competitive environment”, Journal of Retailing, vol.74. Bolton, R.N. (1989) “The relationship between market characteristics and promotional price elasticities”, Marketing Science, 8, pp. 153–69. Box G.E.P., Andersen S.L. (1955), “Permutation theory in the derivation of robust criteria and the study of departures from assumption”, Journal of the Royal Statistical Society Series B, 17, 1-26. Busacca (1994), Le risorse di fiducia dell’impresa, UTET, Torino. Castaldo S. (a cura di), (2006), Distribuzione. Retailing e acquirente, Egea, Milano. Dickson P.R., Urbany J.E., (1994), “Retailer reactions to competitive price changes”, Journal of Retailing, vol.70. Fornari D. (1999), Rivoluzione commerciale e trade marketing, Egea, Milano Fornari D., Grandi S., (2006), “Le nuove dimensioni delle politiche di prezzo”, 3° Convegno annuale della Società Italiana di Marketing, “Marketing distributive e Trade Marketing”, Parma, 24-25 novembre 2006. Fornari D., Grandi S., Fornari E., (2009), Il marketing della convenienza, Egea, Milano. 23 Fox E.J., Montgomery A.L., Lodish L.M., (2004), “Consumer shopping and spending across retail formats.”, Journal of Business, vol.77(2). Galvagno M., Romano M., (2006), “Lo sviluppo della grande distribuzione nella prospettiva della multiple point competition”, 3° Convegno annuale della Società Italiana di Marketing, “Marketing distributive e Trade Marketing”, Parma, 24-25 novembre 2006. Gauri D.K., Trivedi M., Grewal D., (2008), “Understanding the determinants of retail strategy: an empirical analysis.”, Journal of Retailing vol.84. Guatri L., (a cura di) (1972), Manuale di Marketing, ISEDI, Torino. Hoffman K.D., Turley L.W., Kelley S.W., (2002), “Pricing retail services”, Journal of Business Research vol. 55. Lugli G. (1998), Economia e gestione delle imprese commerciali, Utet, Torino. Lugli G., (2005), “Pricing commerciale e valore di marketing.”, Mercati e Competitività, vol.3(3). Lugli G. (2009), Marketing distributivo. La creazione del valore nella distribuzione despecializzata, Utet, Torino. Martinez - Ruiz M.P., Mollà - Descals A., Gomez – Borja M.A., Rojo – Alvarez J.L., (2006), “Using daily store-level data to understand price promotion effects in a semiparametric regression model”, Journal of Retailing and Consumer Services, vol.13. McGoldrick P.J., (1987), “A multi - dimensional framework for Retail Pricing”, International Journal of Retaling. vol.2 (2). Merrilees B., McKenzie B., Miller D., (2007), “Culture and marketing strategy in discount retailing”, Journal of Business Research, vol.60. Morschett D., Swoboda B., Schramm-Klein H., (2006), “Competitive strategie in retailing an investigation of the applicability of Porter’s framework for food retailers.”, Journal of Retailing and Consumer Services, vol.13. Pellegrini D., Viola M., (2006); “Pricing strategies and retailing competition: an exploratory analysis on Italian Market”, 3° Convegno annuale della Società Italiana di Marketing, “Marketing distributive e Trade Marketing”, Parma, 24-25 novembre 2006. Rosa Diaz I.M., (2006), “Demand restrictions in price-based decisions: managers versus consumers”, in Journal of Product & Brand Management n°15. 24 Spranzi A., (1991), La distribuzione commerciale. Economia del commercio e politica commerciale, Franco Angeli, Milano. Srinivasan S., Pauwels K., Hanssens D.M., Dekimpe M.G., (2004), “Do promotion benefit manufacturers, retailers, or both?”, Management Science vol.50(5). Tellis G.J., (1986), “Beyond the many faces of price: an integration of pricing strategies”, Journal of Marketing vol.50. Urbany J.E., Dickson P.R., (1991), “Competitive Price - Cutting Momentum and pricing reactions”, Marketing Letters, 2:4. Uusitalo O., Rokman M., (2007), “The impact of competitive entry on pricing in the Finnish retail grocery market”, International Journal of Retail & Distribution Management, vol.35(2). Zeithaml V.A., Bitner M. J., (2002) “Il marketing dei servizi”, McGraw – Hill, Milano. 25