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