Customer satisfaction: sviluppo di metodologie statistiche per la sua misurazione con particolare applicazione alle aziende di trasporto pubblico

La candidata presenta una tesi dal titolo “Customer satisfaction: sviluppo di metodologie statistiche per la sua misurazione con particolare applicazione alle aziende di trasporto pubblico”. L'attenzione viene focalizzata sull'analisi degli effetti delle variabili moderatrici, inserite in un modello di Customer Satisfaction stimato attraverso il metodo PLS Path Modeling, sulle percezioni e soddisfazioni dei consumatori rispetto al prodotto/servizio offerto; dal momento che ਠdivenuto prioritario per le imprese soddisfare al meglio e tempestivamente le esigenze specifiche dei propri consumatori, in modo tale da conseguire due vittorie allo stesso tempo: 1) fidelizzare i propri clienti, considerata l'evoluzione della customer satisfaction verso la customer loyalty e 2) abbattere la concorrenza puntando sul fattore qualità  e su una strategia market-oriented. La tesi ਠstrutturata in quattro capitoli che rappresentano il frutto delle ricerche condotte dalla candidata nei tre anni di dottorato. Il primo capitolo, di introduzione al lavoro di tesi, fornisce una definizione di Customer Satisfaction e sottolinea che il crescente interesse nel corso degli ultimi decenni nei confronti della customer satisfaction ha contribuito allo sviluppo di molteplici metodologie statistiche per la sua misurazione. Negli ultimi anni infatti anche le strutture che erogano un servizio pubblico sono state interessate da una serie di mutamenti che hanno reso necessario un ripensamento del loro ruolo: non solo “istituzioni” ma anche “aziende”, per le quali la sopravvivenza e il successo sono influenzati dalle capacità  di orientamento al mercato. In questa ottica, chi usufruisce di un servizio ਠvisto come utente da seguire e soddisfare in tutte le fasi del suo rapporto con l'istituzione. Pienamente consapevoli di queste nuove esigenze, le aziende di trasporto pubblico di alcune province italiane hanno avviato indagini volte a valutare la qualità  dei servizi offerti attraverso studi di Customer Satisfaction, con l'obiettivo di conoscere bisogni e aspettative degli utenti. La soddisfazione mostrata da un utente verso un servizio di cui ਠfruitore rappresenta un concetto non osservabile, quindi non direttamente misurabile. La sua valutazione puಠavvenire, pertanto, solo considerando caratteristiche che ne misurino l'effetto. Tipicamente lo studio della soddisfazione viene inteso come valutazione della qualità  percepita nei confronti di particolari aspetti del servizio erogato; tali aspetti, che si interpretano come manifestazioni di dimensioni “latenti” della soddisfazione, sono quantificabili attraverso variabili, definite “manifeste”, solitamente espresse su una scala ordinale di punteggi. I legami che sussistono tra variabili manifeste e variabili latenti possono essere formalizzati attraverso un preciso modello che rende rigoroso il procedimento di definizione del concetto di customer satisfaction e, quindi, della sua valutazione. Nel secondo capitolo vengono descritti nel dettaglio i modelli ad equazioni strutturali e vari metodi proposti in letteratura per la stima degli stessi. Tali metodi sono distinti in due grandi famiglie: i metodi cosiddetti covariance-based, di cui fanno parte tutti i metodi di tipo LISREL, e i cosiddetti metodi components-based. La distinzione tra i due approcci ਠlegata al diverso obiettivo perseguito. In particolare, i metodi di stima covariance-based hanno come obiettivo primario quello di ricostruire la matrice di varianze e covarianze tra le variabili manifeste osservate attraverso i parametri del modello stimato. In altre parole, nei metodi covariance-based i parametri del modello vengono individuati in modo da ottenere una ricostruzione della matrice di varianze-covarianze tra le variabili manifeste il pi๠possibile vicina a quella osservata. Il principale metodo di stima con l'approccio covariance-based ਠsenza dubbio quello proposto da Joreskog nel 1970 e basato sulla Massima Verosimiglianza: il SEM-ML. Questo stesso metodo ਠstato in seguito identificato con la sigla LISREL (LInear Structural RELations), che per molti anni ha rappresentato il software di riferimento nell'ambito della stima dei modelli ad equazioni strutturali. Successivamente, altri metodi di stima, quali ad esempio i Minimi Quadrati Generalizzati, sono stati utilizzati per ottenere stime dei parametri sempre in un'ottica covariance-based. Nel lavoro di tesi la candidata si riferisce a tutti questi metodi come ai metodi di tipo LISREL. Tutti gli approcci di tipo LISREL si fondano su ipotesi distribuzionali pi๠o meno forti che interessano tanto le variabili manifeste, quanto i residui del modello. Inoltre, essendo tutti basati sulla ricostruzione della matrice di varianze-covarianze, ਠpossibile ottenere una valutazione immediata della bontà  del modello attraverso il confronto diretto tra la matrice di varianze-covarianza osservata e quella ottenuta dal modello. I vari indici di bontà  del modello, cosଠcome i diversi metodi di stima, sono presentati nel dettaglio. I metodi cosiddetti component-based, invece, hanno come obiettivo quello di stimare le variabili latenti in modo che siano il pi๠rappresentative possibili del proprio blocco di variabili manifeste e che, contemporaneamente, riescano a spiegare il meglio possibile le relazioni individuate nel modello strutturale. Tra i metodi di stima component-based il pi๠noto ਠsenza alcun dubbio quello basato sul PLS (Partial Least Squares), anche noto come PLS Path Modeling (PLS-PM). Di recente Al-Nasser [2003] ha proposto di ottenere una stima dei modelli ad equazioni strutturali basata sulla Massima Entropia, il Generalized Maximum Entropy (GME), mentre Hwang e Takane [2004] nella loro Generalized Structured Component Analysis (GSCA) propongono un metodo di stima alternativo al PLS ed in grado di identificare un'unica funzione obiettivo. Il PLS Path Modeling ਠapplicato ampiamente nell'ambito della customer satisfaction, esso puಠdimostrarsi un aiuto prezioso nelle decisioni aziendali e, in pià¹, particolarmente critico quando si tratta di analizzare il livello di customer satisfaction del prodotto o servizio offerto dall'impresa. Un indicatore di valutazione di customer satisfaction ਠil Customer Satisfaction Index (CSI), che fonde insieme il comportamento dei consumatori, il loro grado di soddisfazione e il livello di qualità  del prodotto o servizio offerto; esso presenta delle varianti a seconda dei paesi in cui ਠstato utilizzato e, in molti casi, rielaborato anche con nuove tecniche di stima. Per cui ad esempio esiste: †¢ SCSB (Swedish Customer Satisfaction Barometer): nato in Svezia nel 1989, fu il primo indice di soddisfazione basato sulle valutazioni dei clienti; †¢ NCSB (Norwegian Customer Satisfaction Index): usato in Norvegia; †¢ ACSI (American Customer Satisfaction Index): adottato negli U.S.A nel 1994; †¢ MCSI (Malaysian Customer Satisfaction Index):adottato in Malesia; †¢ ECSI (European Customer Satisfaction Index): adottato in Europa. Per la stima di suddetti indici economici che misurano la soddisfazione dei consumatori, sono stati costruiti modelli specifici, ma la logica di fondo comune in tutti questi modelli ਠil legame che sussiste ormai tra un acquisto e la soddisfazione da parte dei consumatori che, sempre pi๠esigenti e consci del loro potere sulle imprese, fanno sଠche ogni acquisto rifletta la loro soddisfazione in merito a consumi precedenti. Quindi la sfida che oggi si propone alle imprese ਠdi suscitare un senso di qualità  del prodotto o servizio prima del suo acquisto, e confermare tale qualità  dopo il suo consumo. Occorre perciಠper le imprese individuare quali indicatori - direttamente misurabili - incidono maggiormente sulle variabili latenti qualitative, che sono poi i fattori che spiegano la soddisfazione e possono spingere a ripetere gli acquisti o orientarli in futuro verso altre imprese. Statisticamente significa studiare le relazioni di causa-effetto che intercorrono tra le variabili qualitative determinanti sulla customer satisfaction e loyalty, e per ciascuna di esse le relazioni con possibili fattori esplicativi.