LIUC Papers n. 45, settembre 1997 - Metodi quantitativi, 4

Le reti neurali nel marketing: il problema della segmentazione per obiettivi.

Luca Molteni, Michele Gnecchi

Note biografiche dell'autore  Luca Molteni

Nato a Varese nel 1962 e ivi residente, è ricercatore di statistica presso il LIUC. È autore di numerose pubblicazioni su temi di statistica applicata alle ricerche di marketing, tra cui il testo "L'Analisi Multivariata nelle Ricerche di Marketing" Egea 1993.

Michele Gnecchi

Nato a Milano nel 1963 e residente a Varese, è docente presso l'Area Marketing della SDA Bocconi e presso l'Istituto di Aziende Industriali e Commerciali dell'Università Bocconi. Svolge attività di consulenza nell'ambito delle ricerche di marketing

(74 Kb)

Sommario

Nel lavoro viene comparata, presentando due distinte applicazioni, la capacità delle reti neurali e delle principali tecniche statistiche multivariate utili per l'analisi di segmentazione per obiettivi di generare risultati utili in termini di validità esplicativa e di ricadute operative. In entrambe le analisi condotte, i tassi di corretta riclassificazione nel campione risultano più elevati con l'impiego delle reti neurali. Tuttavia, questa situazione di dominanza non si manifesta per la riclassificazione fuori campione: il metodo di regressione logistica e l'analisi discriminante lineare sembrano infatti rivelarsi un poco più efficaci nella generalizzazione.

Abstract

We compare, through two different applications to real marketing data, the ability of neural networks and of some other multivariate statistical techniques for marketing segmentation analysis to generate useful results in terms of explication validity and operative fallout. In both analyses, the rates of correct classification "in sample" result higher with neural networks; on the contrary, logistic regression and linear discriminant analysis show a better behavior "out of sample", or in terms of generalization potential and robustness.