Conoscere i mercati dei materiali di acquisto: l'approccio per cluster

Conoscenza e approccio per cluster

Gli esseri umani hanno sviluppato molte tecniche per rendere più efficiente il processo di comprensione di fenomeni complessi. Una delle principali è la generalizzazione. In questo contesto, un ruolo particolare è svolto dall'approccio per cluster. Questo metodo è particolarmente utile quando l'obiettivo è conoscere e analizzare una moltitudine di casi apparentemente distinti tra loro.
L'approccio per cluster non implica trascurare la conoscenza del singolo caso (nel caso specifico di questo articolo, il mercato), ma piuttosto raggiungere questa conoscenza attraverso due passaggi:

• Definizione e comprensione del cluster;
• Studio approfondito del singolo mercato, esaminando le differenze rispetto al cluster di appartenenza.

L'approccio per cluster è particolarmente indicato per lo sviluppo dei mercati monitorati da PricePedia, considerata la vasta gamma di quasi 1000 prodotti presenti sulla piattaforma.
Migliorare la comprensione dei mercati attraverso questo metodo consente di gestire efficacemente la complessità e di ottenere una conoscenza dettagliata e accurata sia del cluster che del singolo mercato.

Identificazione dei cluster nei mercati dei materiali di acquisto

Seguendo l'idea presentata da Pasquale Marzano in Prezzi delle commodity industriali: un anno di calma piatta, sono state esaminate le dinamiche dei prezzi doganali UE presenti in PricePedia, raggruppandoli sulla base dei seguenti parametri relativi all'andamento dei prezzi dal 2019 a oggi:

1. Massimo nel biennio 2021-2022 / Media 2029
2. Media primo semestre 2024 / Media 2019
3. Media primo semestre 2024 / Media 2022

L'analisi ha prodotto 5 cluster

La dinamica della media nel tempo dei prezzi dei 5 cluster è riportata nei due grafici che seguono.^[1]
A sinistra sono presentati i grafici dei cluster che si caratterizzano per una fase di crescita nel biennio 2021/22 seguita da una fase di riduzione, seppure con diversa intensità.
A destra, invece, sono riportati i grafici dei cluster caratterizzati dall'assenza di una significativa fase di riduzione, successiva al 2022.
Se analizziamo i prodotti che appartengono ai tre cluster di sinistra possiamo osservare che essi si caratterizzano per un basso grado di differenziazione^[1]; viceversa quello appartenenti ai due cluster di destra sono caratterizzati da un relativamente elevato grado di differenziazione. Possiamo quindi identificare i cluster di sinistra come prodotti a bassa differenziazione e quelli di destra come prodotti parzialmente differenziati.

Andamento medio dei prezzi dei beni per cluster

Cluster beni a bassa differenziazione	Cluster beni parzialmente differenziati

A conferma della corretta identificazione delle due tipologie di prodotti, riportiamo di seguito la mediana della dispesione dei prezzi per ciascun cluster.

Mediana della dispersione dei prezzi per i cluster 1, 2,e 3: prodotti a bassa differenziazione

• Cluster 1 : 18.9
• Cluster 2 : 15.5
• Cluster 3 : 20.3

Mediana della dispersione dei prezzi per i cluster 4,5: prodotti parzialmente differenziati

• Cluster 4 : 31.4
• Cluster 5 : 30.6

Come previsto, i cluster di "prodotti a bassa differenziazione" mostrano una dispersione dei prezzi significativamente più bassa rispetto ai cluster dei "prodotti parzialmente differenziati".
Tuttavia è importante sottolineare l'esistenza di eterogeneità nei prodotti, che rappresenta un'ulteriore componente della dispersione dei prezzi all'interno di ciascun cluster.

Cluster e famiglie di prodotti

Per valutare l'utilità dell'analisi per cluster, abbiamo incrociato le informazioni riguardanti le macro-famiglie di prodotti con i due gruppi di cluster identificati. Per ciascuna famiglia, abbiamo calcolato il rapporto tra il numero di prodotti della macro-famiglia che appartengono ai cluster del secondo gruppo e il totale dei prodotti della stessa macro-famiglia. Questo rapporto funge da indicatore del grado di differenziazione della famiglia.

Tabella indici di differenziazione per famiglie di prodotto

L'ordinamento delle famiglie di prodotti risulta molto ragionevole. Tuttavia, approfondendo l'analisi, emerge che il grado di differenziazione è particolarmente elevato per le macro-famiglie dei preziosi e, in misura minore, per quella dei prodotti chimici inorganici e dei metalli non ferrosi. Per le macro-famiglie dei preziosi e dei metalli non ferrosi, questo elevato grado di differenziazione può essere attribuito all'influenza dei prezzi dei mercati finanziari, che impattano significativamente sui prezzi dei mercati fisici.

Conclusioni

L'approccio per cluster si dimostra un metodo efficace per analizzare e comprendere le dinamiche dei mercati dei materiali di acquisto. La segmentazione dei mercati in cluster consente di distinguere chiaramente tra prodotti a bassa differenziazione e prodotti parzialmente differenziati, evidenziando le peculiarità di ciascun gruppo, tenendo comunque presente l’interazione di altre variabili in gioco, come l’eterogeneità. L'analisi dei prezzi degli ultimi cinque anni conferma la validità di questo metodo.
La considerazione delle macro-famiglie di prodotti e delle loro caratteristiche di differenziazione arricchisce ulteriormente l'analisi, fornendo informazioni utili per approfondire la conoscenza delle caratteristiche di ciascun cluster.

L'analisi contenuta in questo articolo rappresenta solo la prima parte del progetto di sviluppo della conoscenza dei mercati dei materiali di acquisto attraverso l'identificazione di cluster. I prossimi passi del progetto saranno quelli di studiare le determinanti che sono alla base della dinamica dei prezzi dei cinque cluster identificati. Perché alcuni prezzi nel biennio 2021-2022 hanno registrato elevati tassi di crescita, mentre per altri la variazione è risultata minore? Perché alla fase di crescita è seguita, in alcuni casi, una fase più o meno intensa di diminuzione? Quali ne sono le determinanti?

L'ulteriore passo sarà quello di investigare quali sono le caratteristiche che portano un prodotto ad essere inserito in un cluster o nell'altro, in modo che la conoscenza delle dinamiche e delle determinanti del cluster possa essere utilmente utilizzata per comprendere le caratteristiche dei mercati dei singoli prodotti.