dc.contributor.advisor |
Favaretto, Daniela |
it_IT |
dc.contributor.author |
Vagnozzi, Beatrice <1999> |
it_IT |
dc.date.accessioned |
2023-09-25 |
it_IT |
dc.date.accessioned |
2024-02-21T12:17:06Z |
|
dc.date.issued |
2023-11-03 |
it_IT |
dc.identifier.uri |
http://hdl.handle.net/10579/25290 |
|
dc.description.abstract |
L’obiettivo di questa tesi di laurea è quello di studiare, approfondire e mettere in pratica soluzioni analitiche per ottimizzare le iniziative di marketing. In particolare, verrà presa in oggetto l’agenzia di traduzione e interpretariato Finking, una piccola azienda operante nella città di Mestre, che finora ha sempre svolto le proprie attività di comunicazione senza l’uso di strumenti e metodologie analitiche, affidandosi esclusivamente alla loro esperienza e alle relazioni instaurate nel tempo con i loro clienti. In un contesto economico e imprenditoriale in continuo mutamento e con alti livelli di dinamicità, per poter avere un quadro chiaro e accurato delle proprie performance, spesso non è sufficiente effettuare misurazioni sulla base della propria esperienza e intuito, tuttavia, grazie all’utilizzo di metodi e modelli analitici, sarà possibile ottenere risultati migliori e più precisi. In questa tesi, verrà applicato un modello di ricerca definito con il nome di RFM (Recency, Frequency, Monetary Value) che, sulla base di tre variabili comportamentali, permetterà di suddividere in segmenti il database clienti dell’agenzia Finking e ottenere quindi dei gruppi di clientela omogenei sulla quale costruire su misura campagne di marketing specifiche e mirate in grado di soddisfare pienamente i bisogni e le esigenze di ciascun tipo di consumatore, sia esso un assiduo frequentatore dell’agenzia, oppure un cliente che non acquista ormai da tempo. Il primo capitolo prende in oggetto lo studio Finking e la sua attività come agenzia di traduzione e interpretariato. Nel secondo capitolo verranno introdotti i concetti di business intelligence e i vantaggi che essi sono in grado di generare per le imprese che decidono di adottarli. Infine, nel terzo capitolo, verrà applicato il modello RFM sul database dei clienti di Finking per clusterizzare la loro clientela in maniera tale da offrire all’agenzia un quadro chiaro sulle caratteristiche dei loro clienti, così che le prossime attività di marketing che decideranno di intraprendere siano più efficienti e più efficaci. |
it_IT |
dc.language.iso |
it |
it_IT |
dc.publisher |
Università Ca' Foscari Venezia |
it_IT |
dc.rights |
© Beatrice Vagnozzi, 2023 |
it_IT |
dc.title |
Marketing analytics e applicazione del modello RFM: il caso Finking |
it_IT |
dc.title.alternative |
Marketing analytics e applicazione del modello RFM: il caso Finking |
it_IT |
dc.type |
Master's Degree Thesis |
it_IT |
dc.degree.name |
Marketing e comunicazione |
it_IT |
dc.degree.level |
Laurea magistrale |
it_IT |
dc.degree.grantor |
Dipartimento di Management |
it_IT |
dc.description.academicyear |
LM_2022/2023_sessione-autunnale |
it_IT |
dc.rights.accessrights |
closedAccess |
it_IT |
dc.thesis.matricno |
872650 |
it_IT |
dc.subject.miur |
MAT/08 ANALISI NUMERICA |
it_IT |
dc.description.note |
|
it_IT |
dc.degree.discipline |
|
it_IT |
dc.contributor.co-advisor |
|
it_IT |
dc.date.embargoend |
10000-01-01 |
|
dc.provenance.upload |
Beatrice Vagnozzi (872650@stud.unive.it), 2023-09-25 |
it_IT |
dc.provenance.plagiarycheck |
Daniela Favaretto (favaret@unive.it), 2023-10-16 |
it_IT |