Nel mondo retail, è divenuto sempre più importante comprendere il comportamento dei consumatori all’interno dei punti vendita, per poter migliorare l’efficacia e l’efficienza delle azioni di marketing. Nell’ultimo decennio, l’innovazione tecnologica e la diffusione del Web hanno prodotto importanti cambiamenti nei comportamenti d’acquisto e i tradizionali strumenti di ricerca rischiano di non essere più adeguati ai fabbisogni informativi del management. In particolare, le nuove tecnologie, con l’integrazione di Intelligenza Artificiale1 (AI), Machine Learning2 (ML) e Deep Learning3 (DL), permettono di ottenere risultati misurabili, in grandi quantità e a costi inferiori. Il management può quindi disporre di un elevato numero di indicatori di performance chiave (KPI) da monitorare in tempo reale; il problema che si pone in questi casi è scegliere i più appropriati in base agli obiettivi prefissati. A tal fine, il caso di studio mostra l’applicazione di tre diverse tecnologie sviluppate da Grottini Lab utilizzando sistemi di AI. Ogni esempio di applicazione permetterà di ragionare sugli indicatori da prendere in considerazione, partendo dalle necessità aziendali emerse nella specifica situazione presentata. Nel dettaglio, sarà presentata l’applicazione di tre diverse tecnologie: (1) il people counter, o sistema contapersone, utilizzato per analizzare le performance di due tipologie di vetrina; (2) il real time locating system (RTLS),4 che permette il monitoraggio dei percorsi dei consumatori all’interno di un punto vendita (nel caso illustrato viene utilizzato per testare l’efficacia di un volantino promozionale); (3) lo shelf sensor, che permette di monitorare il comportamento dei consumatori di fronte allo scaffale ed è stato utilizzato per scegliere il planogram migliore.

GROTTINI LAB: I KPI NEL RETAIL MARKETING E LA LORO EVOLUZIONE IN SEGUITO ALLʼINTRODUZIONE DELLʼINTELLIGENZA ARTIFICIALE

Perfetti, A.;Gistri, G.;Paolanti, M.;Frontoni, E.
2024-01-01

Abstract

Nel mondo retail, è divenuto sempre più importante comprendere il comportamento dei consumatori all’interno dei punti vendita, per poter migliorare l’efficacia e l’efficienza delle azioni di marketing. Nell’ultimo decennio, l’innovazione tecnologica e la diffusione del Web hanno prodotto importanti cambiamenti nei comportamenti d’acquisto e i tradizionali strumenti di ricerca rischiano di non essere più adeguati ai fabbisogni informativi del management. In particolare, le nuove tecnologie, con l’integrazione di Intelligenza Artificiale1 (AI), Machine Learning2 (ML) e Deep Learning3 (DL), permettono di ottenere risultati misurabili, in grandi quantità e a costi inferiori. Il management può quindi disporre di un elevato numero di indicatori di performance chiave (KPI) da monitorare in tempo reale; il problema che si pone in questi casi è scegliere i più appropriati in base agli obiettivi prefissati. A tal fine, il caso di studio mostra l’applicazione di tre diverse tecnologie sviluppate da Grottini Lab utilizzando sistemi di AI. Ogni esempio di applicazione permetterà di ragionare sugli indicatori da prendere in considerazione, partendo dalle necessità aziendali emerse nella specifica situazione presentata. Nel dettaglio, sarà presentata l’applicazione di tre diverse tecnologie: (1) il people counter, o sistema contapersone, utilizzato per analizzare le performance di due tipologie di vetrina; (2) il real time locating system (RTLS),4 che permette il monitoraggio dei percorsi dei consumatori all’interno di un punto vendita (nel caso illustrato viene utilizzato per testare l’efficacia di un volantino promozionale); (3) lo shelf sensor, che permette di monitorare il comportamento dei consumatori di fronte allo scaffale ed è stato utilizzato per scegliere il planogram migliore.
2024
9788891935533
File in questo prodotto:
File Dimensione Formato  
Grottini_case study_def.pdf

solo utenti autorizzati

Tipologia: Documento in post-print (versione successiva alla peer review e accettata per la pubblicazione)
Licenza: DRM non definito
Dimensione 1.21 MB
Formato Adobe PDF
1.21 MB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11393/327311
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact