• auto full-electric
• comportamento dei consumatori
• consumer behavior
• full-electric car
• full-electric car scenario
• modello predittivo
• multinomial logistic regression
• predictive model
• questionario strutturato
• regressione logistica multinomiale
• scenario auto full-electric
• structured questionnaire

L'obiettivo principale di questa ricerca è sviluppare un modello di regressione logistica multinomiale che possa prevedere, nel modo più accurato possibile, i comportamenti dei consumatori e più in particolare la probabilità dichiarata dai rispondenti di acquistare un'automobile full-electric nei prossimi 5 anni. Il modello è costruito a partire dall'analisi dei dati raccolti attraverso un questionario strutturato, progettato per indagare le opinioni, le preferenze, le motivazioni e le intenzioni di acquisto degli intervistati relativamente ai veicoli full-electric.
Come prima cosa, in questa analisi il team di ricerca ha analizzato lo scenario in cui le automobili full-electric sono inserite. Passando dalla loro storia fino a raccontare la loro diffusione attuale in Italia e nel Mondo. Questo ci ha permesso di contestualizzare le informazioni emerse dal questionario strutturato che abbiamo realizzato e diffuso. Grazie all’analisi del contesto abbiamo approfondito le ragioni per cui rivoluzionare il settore dei trasporti è cruciale per muoversi verso un’economia meno impattante. Abbiamo conosciuto le motivazioni più profonde per cui in Norvegia e in Cina la diffusione delle automobili full-electric è ben maggiore di tanti altri paesi sviluppati e abbiamo riflettuto sulle motivazioni più profonde della diffusione non ancora soddisfacente di questa tipologia di automobili. Inoltre, con le analisi successive sull’atteggiamento dichiarato, i fattori più importanti per i consumatori al momento dell’acquisto di un’automobile e la valutazione delle varie tipologie di automobili secondo diversi punti di vista, è stato possibile comprendere meglio il posizionamento delle automobili full-electric rispetto alle altre tipologie di automobili analizzate e, così, capire meglio quali fossero gli elementi più importanti per un consumatore di automobili in generale.
Analizzando l’atteggiamento dichiarato dai rispondenti verso le automobili full-electric è stato possibile evidenziare l’esistenza di alcune convinzioni decisamente differenti tra chi ha un atteggiamento dichiarato positivo e chi ha dichiarato di avere un atteggiamento negativo. Ad esempio, chi ha un atteggiamento negativo verso queste automobili non le ritiene una soluzione ecologica per la mobilità e ritengono che questa tipologia di automobili non garantisca un risparmio economico nel loro utilizzo. Ancora più interessante c’è il fatto che, indipendentemente dall’atteggiamento dichiarato, alle automobili full-electric vengono attribuiti dei limiti oggettivi come l’inadeguatezza per viaggi di lunga durata e più in generale la non compatibilità, di queste automobili, con le esigenze dei rispondenti.
Altri elementi importanti che abbiamo rilevato sono i fattori considerati più importanti quando un consumatore va a valutare un’automobile full-electric. Analizzando i fattori più importanti al momento dell’acquisto di un’automobile abbiamo constatato che i più rilevanti sono la facilità d’uso e il basso consumo dell’automobile durante l’utilizzo.
All’interno della ricerca, per cercare di segmentare i rispondenti, abbiamo analizzato quali sono i fattori più importanti al momento dell’acquisto di un’automobile per le 4 fasce di età in cui è stato suddiviso il campione. In questo modo è stato possibile valutare come cambia l’atteggiamento verso le varie tipologie di automobili e come variano i fattori più importanti al momento dell’acquisto per le varie fasce di età. Questo, insieme al modo con cui vengono viste le varie tipologie di automobili, potrebbe essere utile per rendere più efficaci le comunicazioni pubblicitarie relative alle automobili full-electric.
Come detto, risultato principale di questa ricerca è la realizzazione di un modello che possa prevedere, con una certa confidenza, la probabilità/propensione all’acquisto di un’auto completamente elettrica. Analizzando le risposte ricevute tramite il questionario diffuso dal gruppo di ricerca, è stato possibile realizzare un modello basato su una regressione logistica multinomiale e attraverso l’interpretazione dei coefficienti associati alle variabili indipendenti, abbiamo quantificato l’effetto di queste ultime sulla variabile dipendente. Il gruppo di ricerca ha analizzato inizialmente un modello con 14 variabili al suo interno, notando però delle problematiche per quanto riguarda la significatività dei coefficienti del modello. A questo punto, abbiamo utilizzato il procedimento iterativo Stepwise ibrido per migliorare il modello iniziale. Il modello finale è composto da un numero ridotto di variabili indipendenti, cinque in totale, con coefficienti generalmente significativi, che assicurano comunque una buona capacità predittiva della variabile dipendente. Inoltre, per rendere ancora più precisi i risultati della ricerca, è possibile filtrare, dai risultati del modello, quei rispondenti che lasciano maggiore incertezza per quanto riguarda la previsione del modello che abbiamo realizzato.
Inoltre, per cercare di sopperire al fatto che nel modello finale non siano state inserite le variabili personali, esse sono state analizzate singolarmente per comprendere il loro effetto sulla variabile dipendente.
In definitiva, il gruppo di ricerca ritiene che il modello finale a cui questa analisi ha portato, le informazioni che sono state elaborate e le conclusioni a cui siamo arrivati potranno essere la base da sviluppare per realizzare una comunicazione legata alle automobili full-electric più adeguata ed efficace.
Versione in inglese:
The main objective of this research is to develop a multinomial logistic regression model capable of predicting, as accurately as possible, consumer behavior, specifically the likelihood declared by respondents of purchasing a fully electric car within the next five years. The model is built based on the analysis of data collected through a structured questionnaire designed to investigate the opinions, preferences, motivations, and purchase intentions of respondents regarding full-electric vehicles.

As a first step in this analysis, the research team examined the context in which full-electric cars are situated, starting from their history and exploring their current adoption in Italy and worldwide. This allowed us to contextualize the information derived from the structured questionnaire that we designed and distributed. Through the contextual analysis, we delved deeper into the reasons why transforming the transportation sector is crucial for moving toward a less impactful economy. We explored the underlying motivations behind the significantly higher adoption of full-electric cars in countries like Norway and China compared to many other developed nations, while also reflecting on the deeper reasons for the relatively unsatisfactory adoption of this type of vehicle elsewhere.

Furthermore, subsequent analyses on respondents' stated attitudes, the most important factors for consumers when purchasing a car, and the evaluation of various types of cars from different perspectives made it possible to better understand the positioning of full-electric cars relative to other types of vehicles and, consequently, to identify the most important elements for car consumers in general.

Analyzing respondents' stated attitudes toward full-electric cars, we identified the existence of distinctly different beliefs between those with a positive attitude and those who declared a negative attitude. For example, those with a negative attitude toward these cars do not view them as an ecological solution for mobility and believe that this type of vehicle does not guarantee economic savings during use. Even more interestingly, regardless of the stated attitude, full-electric cars were attributed certain objective limitations, such as unsuitability for long-distance travel and, more generally, incompatibility with respondents' needs.

Other important findings include the factors considered most important when evaluating a full-electric car. Analyzing the key factors at the time of car purchase, we found that the most relevant ones are ease of use and low energy consumption during operation.

As part of the research, we sought to segment the respondents by analyzing which factors were most important when purchasing a car for the four age groups into which the sample was divided. This approach enabled us to assess how attitudes toward various types of cars change and how the most important factors at the time of purchase vary across different age groups. Combined with insights into how different types of cars are perceived, this analysis could be useful for creating more effective advertising communications related to full-electric cars.

As mentioned, the primary outcome of this research is the development of a model that can predict, with reasonable confidence, the likelihood or propensity to purchase a fully electric car. By analyzing the responses obtained through the questionnaire distributed by the research team, we created a model based on multinomial logistic regression. Through the interpretation of the coefficients associated with the independent variables, we quantified the effect of these variables on the dependent variable. Initially, the research team analyzed a model containing 14 variables but identified issues regarding the significance of the model's coefficients. At this point, we employed the hybrid stepwise iterative procedure to improve the initial model. The final model consists of a reduced number of independent variables—five in total—with generally significant coefficients, ensuring a good predictive ability for the dependent variable. Additionally, to further enhance the accuracy of the research results, it is possible to filter the model’s predictions by excluding respondents whose responses introduce higher uncertainty into the predictions.

Moreover, to address the fact that personal variables were not included in the final model, these variables were analyzed individually to understand their impact on the dependent variable.

In conclusion, the research team believes that the final model developed through this analysis, the information processed, and the conclusions drawn can serve as a solid foundation for creating more appropriate and effective communication strategies related to full-electric cars.