In recent years, trade promotions have become a central element of companies’ business models. This new trend is particularly evident for the food and beverage market, where a consistent part of the marketing budget is allocated for trade promotional activities. Due to the difficulty in gaining access to data from confidential supplier-retailer negotiations, literature has been focused mainly on the consumer promotions in business-to-consumers contexts. With the digitalization of markets, the availability of huge quantity of data related to client habits and needs has terribly increased, as well as the cost of obtaining them has decreased. Therefore, it is now possible to employ predictive analytics and machine learning techniques to create new insights, starting directly from data analysis. Despite the great popularity of the latest years, these advance models have been infrequently researched in marketing academia due to their complex configuration and are often considered as “black boxes”. This Thesis aims to fill the gap in the trade marketing literature by developing a model for establishing the impact of trade promotion on sales using a data driven approach. The objective of the work is to create a tool for analysis leveraging machine learning high predictive accuracy, combined with ANOVA great interpretability. This framework was applied in the beverage sector, using a dataset of a multinational beverage company sales in Mexico. The empirical study permitted to refine the model initially proposed and to provide an efficient tool supporting companies’ decision making process in the B2B context.

Negli gli ultimi anni, le promozioni commerciali sono divenute un elemento centrale del modello di business delle imprese. Questo nuovo trend è particolarmente evidente nel mercato food and beverage, in cui una parte importante dei budget viene destinato ad eventi promozionali nei confronti di altre aziende (B2B). In letteratura, gli studi si sono focalizzati soprattutto sull’analisi delle promozioni al consumatore finale, a causa della difficoltà nel reperire sui rapporti commerciali tra produttori e rivenditori. Con l’avvento della digitalizzazione dei mercati, è aumentata la disponibilità di dati riguardanti le abitudini e i bisogni della clientela (sia corporate che retail), così come sono diminuiti i costi per ottenere queste informazioni. Perciò, è ora possibile utilizzare i predicitve analytics e le tecniche di machine learning per creare nuove teorie, partendo direttamene dall’analisi dei dati. Tuttavia, nonostante la grande popolarità acquisita in tempi recenti, questi modelli avanzati sono stati poco utilizzati negli studi di marketing a causa della loro complessità e vengono perciò considerati come delle “scatole grigie”. Questa Tesi si propone di colmare il gap presente nella letteratura di marketing con lo sviluppo di un modello che stabilisca l’impatto delle promozioni commerciali sul fatturato, utilizzando un approccio data-driven. Quindi, l’obbiettivo del presente elaborato è quello di creare uno strumento di analisi che sfrutta l’elevata precisione degli strumenti di machine learning, combinata con la grande interpretabilità del modello ANOVA (Analysis of Variance). Questa struttura è stata applicata al mercato beverage in Messico, utilizzando un database relativo alle vendite di una multinazionale del suddetto settore. Lo studio empirico ha permesso di migliorare il modello inizialmente proposto e di fornire un supporto operativo più efficace al processo decisionale delle aziende in ambito B2B.

Trade promotions and predictive analytics : a case in beverage industry

LANDRO', MATTEO
2016/2017

Abstract

In recent years, trade promotions have become a central element of companies’ business models. This new trend is particularly evident for the food and beverage market, where a consistent part of the marketing budget is allocated for trade promotional activities. Due to the difficulty in gaining access to data from confidential supplier-retailer negotiations, literature has been focused mainly on the consumer promotions in business-to-consumers contexts. With the digitalization of markets, the availability of huge quantity of data related to client habits and needs has terribly increased, as well as the cost of obtaining them has decreased. Therefore, it is now possible to employ predictive analytics and machine learning techniques to create new insights, starting directly from data analysis. Despite the great popularity of the latest years, these advance models have been infrequently researched in marketing academia due to their complex configuration and are often considered as “black boxes”. This Thesis aims to fill the gap in the trade marketing literature by developing a model for establishing the impact of trade promotion on sales using a data driven approach. The objective of the work is to create a tool for analysis leveraging machine learning high predictive accuracy, combined with ANOVA great interpretability. This framework was applied in the beverage sector, using a dataset of a multinational beverage company sales in Mexico. The empirical study permitted to refine the model initially proposed and to provide an efficient tool supporting companies’ decision making process in the B2B context.
DIAZ LEMA, MELISA LUCIA
VANTINI, SIMONE
ING - Scuola di Ingegneria Industriale e dell'Informazione
21-dic-2017
2016/2017
Negli gli ultimi anni, le promozioni commerciali sono divenute un elemento centrale del modello di business delle imprese. Questo nuovo trend è particolarmente evidente nel mercato food and beverage, in cui una parte importante dei budget viene destinato ad eventi promozionali nei confronti di altre aziende (B2B). In letteratura, gli studi si sono focalizzati soprattutto sull’analisi delle promozioni al consumatore finale, a causa della difficoltà nel reperire sui rapporti commerciali tra produttori e rivenditori. Con l’avvento della digitalizzazione dei mercati, è aumentata la disponibilità di dati riguardanti le abitudini e i bisogni della clientela (sia corporate che retail), così come sono diminuiti i costi per ottenere queste informazioni. Perciò, è ora possibile utilizzare i predicitve analytics e le tecniche di machine learning per creare nuove teorie, partendo direttamene dall’analisi dei dati. Tuttavia, nonostante la grande popolarità acquisita in tempi recenti, questi modelli avanzati sono stati poco utilizzati negli studi di marketing a causa della loro complessità e vengono perciò considerati come delle “scatole grigie”. Questa Tesi si propone di colmare il gap presente nella letteratura di marketing con lo sviluppo di un modello che stabilisca l’impatto delle promozioni commerciali sul fatturato, utilizzando un approccio data-driven. Quindi, l’obbiettivo del presente elaborato è quello di creare uno strumento di analisi che sfrutta l’elevata precisione degli strumenti di machine learning, combinata con la grande interpretabilità del modello ANOVA (Analysis of Variance). Questa struttura è stata applicata al mercato beverage in Messico, utilizzando un database relativo alle vendite di una multinazionale del suddetto settore. Lo studio empirico ha permesso di migliorare il modello inizialmente proposto e di fornire un supporto operativo più efficace al processo decisionale delle aziende in ambito B2B.
Tesi di laurea Magistrale
File allegati
File Dimensione Formato  
2017_12_Landrò.pdf

solo utenti autorizzati dal 02/12/2020

Descrizione: Thesis text
Dimensione 4.07 MB
Formato Adobe PDF
4.07 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi 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/10589/137197