E-Commerce implementation in spare parts industry: a quantitative model for economic evaluation

E-marketplaces and e-commerce platforms are transforming the B2B spare parts sector, yet literature offers limited quantitative guidance on whether and which model to adopt. This thesis fills this gap by developing a parametric cost model to estimate, compare, and explain total implementation and management costs across five main configurations. The model integrates technological, operational, transactional, and coordination costs, enabling what-if simulations for different demand profiles, digitalization levels, IT integration, and catalogue sizes to support data-driven pre-investment decisions. Analysis tools such as DOE, ANOVA, sensitivity analyses, and decision trees were used to identify cost drivers and derive decision rules. Results confirm that price-volume dynamics dominate the model’s behaviour, although other factors (number of orders and platform fees) exert marginal influence. Inventory-related costs become decisive when stock management remains internal, shifting the convenience among models. Overall, open platforms are more efficient in competitive, low-control contexts, while integrated ones are preferable in complex, stable environments. The study provides a replicable, scalable framework for decision-support tools, emphasizing economic comparison over technological assessment. As a comparative, cost-focused model not yet validated in industry, future work should extend it to sector-specific contexts, include revenues, and validate results with real data.

Piattaforme di e-marketplace ed e-commerce stanno modificando il settore B2B delle parti di ricambio, nonostante questo la letteratura esistente non offre ancora una guida quantitativa sul “se” e “quale” tipo di modello adottare. Questa tesi colma questa lacuna tramite lo sviluppo di un modello di costo per stimare, comparare e spiegare i costi totali di implementazione e gestione attraverso cinque principali configurazioni. Il modello integra costi tecnologici, operativi, transazionali e di coordinamento permettendo così simulazioni “what if” per diversi profili di domanda, grado di digitalizzazione, integrazione IT e dimensione di catalogo per supportare decisioni basate sui dati. Diversi strumenti analitici, come DOE, sensitivity analysis e decision tree sono stati utilizzati per identificare i fattori di costo e definire regole decisionali. I risultati confermano che le dinamiche di prezzo-volume guidano il comportamento del modello, con altri fattori, come il numero di ordini e le commissioni esercitano un effetto minore. I costi legati all’inventario diventano critici quando la gestione delle scorte è interna all’azienda, modificando la convenienza tra i modelli. Le piattaforme aperte risultano più efficienti in contesti competitivi, a basso controllo, mentre le soluzioni integrate sono preferibili in contesti complessi ma stabili. Questo studio fornisce un quadro replicabile e scalabile per strumenti di support decisionale, enfatizzando il confronto economico rispetto alla valutazione tecnologica. Essendo un modello basato sul costo e il confronto, e non essendo ancora stato provato empiricamente, lavori future dovrebbero estenderlo a contesti specifici di settore, includere i profitti e validare I risultati con dati reali.