L’obiettivo di questo lavoro è quello di indagare il sottosegmento supercar del mercato automobilistico statunitense e, principalmente attraverso la costruzione di un modello di regressione lineare multipla, evidenziare gli elementi aventi un impatto statisticamente significativo nella definizione del valore di vendita. Tra le molte variabili esplicative racchiuse nel modello, si è deciso di focalizzare l’attenzione su cinque elementi di ricerca:
· Benessere economico del luogo: nelle zone con più alta concentrazione di individui ad alto patrimonio, i prezzi proposti aumentano?
· Brand equity: esistono marchi con valori di marca tali da avere un impatto rilevante sul prezzo proposto?
· Colore: Il colore esterno e/o interno dell’autovettura impatta il suo processo di svalutazione?
· Usato certificato: la presenza o meno di una certificazione di qualità da parte della casa madre influenza il prezzo di vendita?
· Reputazione del venditore: i concessionari con le migliori recensioni applicano prezzi più alti?
È possibile trovare nella letteratura riscontri sull’effetto statisticamente rilevante che le variabili di brand, colore, usato certificato e reputazione del venditore hanno sul prezzo di rivendita di una vettura, in diversi mercati e per diversi segmenti (Cho, 2005; Andrews & Benzing, 2006; Ramachandran & Gosain, 2007; Powers, 2016; Kantar & Bardakci, 2017).
Al fine di circoscrivere in maniera puntuale i marchi e i modelli categorizzabili come supercar, si è ripercorsa l’intera storia di questo fenomeno partendo dalla Lamborghini Miura, unanimemente è considerata come la prima supercar della storia. Analizzando opinioni di giornalisti ed esperti si sono quindi identificati cinque fattori determinanti l’appartenenza al sottosegmento in analisi:
· Performance ai vertici dell’industria;
· Produzione limitata;
· Design sportivo ed estroso:
· Prezzo esclusivo;
· Esperienza di guida esaltante;
Filtrando le vetture in vendita negli Stati Uniti dal 2014 al 2022 secondo i criteri sopracitati, si sono evidenziati 26 modelli (appartenenti a 8 marchi) definibili come supercar.
Il dataset utilizzato per l’analisi dati è stato compilato attraverso un processo di web scraping, ovvero l’estrazione automatica di dati da un sito web, in questo caso attraverso uno script in linguaggio Python sfruttando il pacchetto Beautiful Soup.
Il sito web di riferimento è stato identificato in cars.com, per numero di annunci automobilistici pubblicati e dettaglio di informazioni presenti in ogni annuncio. Lo script è stato scritto esclusivamente per questo lavoro, non esistendone di simili per caratteristiche ed applicabilità al sito web selezionato.
Lanciando lo script per tutti i modelli in analisi, si ottiene un file Excel contenente un primo dataset grezzo. Dopo un lavoro di pulizia dati (e.g. eliminazione outliers) e riempimento manuale di eventuali informazioni mancanti, il database finale conta 3.487 vetture.
Per un’efficace costruzione del modello si è reso necessario stimare il prezzo originale (compreso di optionals) pagato dal primo acquirente della singola autovettura.
Si è deciso di stimare un “coefficiente optionals” per ogni modello di vettura in analisi che, moltiplicato per il prezzo di listino, stimasse con sufficiente accuratezza il costo originale totale della vettura. Per esempio: analizzando gli annunci di Lamborghini Huracán riportanti il breakdown completo del prezzo originale, si osserva come in media un acquirente del modello spenda il 29% del prezzo base in equipaggiamenti supplementari. Moltiplicando il prezzo base di listino del singolo esemplare di Lamborghini Huracán in vendita per 1,29, si ottiene una stima del prezzo totale pagato originariamente.
L’immagine sopra riporta un esempio del processo di estrazione dati: partendo da un annuncio presente su cars.com, lo script estrae in maniera automatica le informazioni contenute nelle celle bianche, mentre le celle grigie sono frutto dell’input manuale sopra descritto.
Il modello di regressione lineare multipla vede come variabile dipendente l’oscillazione di prezzo percentuale tra il costo originale totale stimato e il prezzo proposto al pubblico al momento dell’estrazione dati. Le variabili indipendenti sono composte da tutte le caratteristiche delle vetture, venditori e mercato estratte tramite il processo delineato in precedenza.
Andando ad analizzare i coefficienti rilevanti nel rispondere alle domande di ricerca, una più alta presenza di famiglie milionarie ha un impatto leggermente negativo sui prezzi proposti al pubblico, probabilmente a causa del maggior numero di vetture di questo tipo disponibili e vendute in questi territori.
A livello di colori, le tinte esterne nere e gli interni di color blu hanno un effetto accentuante del processo di svalutazione, mentre il colore esterno verde e gli interni bianchi appaiono come fattori attenuanti la perdita di valore delle vetture.
La non presenza di una certificazione sull’usato da parte della casa madre ha un effetto negativo sull’oscillazione di prezzo.
A parità di caratteristiche, le vetture marchiate McLaren, Aston Martin e Maserati subiscono un processo di svalutazione accentuato, mentre al contrario il brand Porsche appare avere un’influenza positiva.
Attraverso le analisi uni e bi-variate e il modello di regressione multipla è possibile proporre tre insight manageriali:
· Tendenze di colore: i risultati dell’analisi appaiono sostenere l’idea che i colori di tendenza nel settore del lusso (i.e. il verde, nel momento di stesura del lavoro) abbiano un effetto statisticamente rilevante sul prezzo delle supercar proposte al pubblico. Assumendo che questo delta positivo venga poi confermato in fase di effettivo acquisto, l’acquirente è disposto a spendere una somma maggiore per possedere una vettura con un colore di tendenza. Ad un’analisi qualitativa delle strategie promozionali dei marchi in questione, non sembra essere dedicata attenzione alle tendenze cromatiche del mondo luxury: questo potrebbe essere un elemento rilevante da considerare nelle future campagne marketing e di comunicazione.
· Marketing localizzato: analizzando il dataset emerge chiaramente il grande peso (oltre il 35%) che gli stati della Florida e della California hanno sul mercato delle supercar in vendita negli USA. Questo potenziale appare, al momento, non essere sfruttato appieno dai brand: analizzando le campagne marketing delle case coinvolte, non risalta infatti particolare attenzione a questi due stati.
· Valore di marca: come descritto, Aston Martin, McLaren e Maserati presentano sostanziali lacune sotto questo aspetto. Seppur tutti brand prestigiosi, le ragioni per le basse performance in questo ambito si identificano in bassa affidabilità per McLaren e tecnologia non al passo coi tempi per gli altri due marchi. Le strategie delle case appaiono mirate a risolvere queste problematiche: Aston Martin e Maserati, rispettivamente con i nuovi modelli Valkyrie e la rinnovata gamma GranTurismo, pongono grande importanza alla tecnologia presente a bordo, mentre McLaren offre una garanzia di tre anni su tutti i nuovi modelli venduti.
In conclusione, il lavoro rimane aperto a migliorie e perfezionamenti, per esempio sviluppando metodologie per una ancor più efficace stima del prezzo originale totale, o integrando database riportanti il prezzo finale concordato ed effettivamente pagato dall’acquirente.
