Навігація
Головна
 
Головна arrow Маркетинг arrow МАРКЕТИНГ
< Попередня   ЗМІСТ   Наступна >

АНАЛІЗ ДАНИХ МАРКЕТИНГОВОГО ДОСЛІДЖЕННЯ

Питання, як будуть аналізуватися дані, отримані в процесі маркетингового дослідження, піднімається задовго до того, як цей аналіз буде проведено. Планування аналізу даних передує розробці інструментарію збору даних - питань для анкетування і стандартного аркуша спостереження. Дуже важливим моментом є наступне: збирати дані можна тільки тоді, коли є розуміння, яким методом вони будуть аналізуватися. Це означає, що якщо збір даних відбувається через опитування або анкетування, то форма питань повинна жорстко визначати не тільки структуру даних і формат відповідей, а й шкалу, по якій відповіді будуть вимірюватися. Це пов'язано з тим, що більшість маркетингових досліджень вимагає використання статистичних методів аналізу даних.

Для розуміння подальшого матеріалу нагадаємо деякі базові поняття статистики, зокрема, що таке «змінна», «шкали», в яких вимірюються статистичні дані.

Дані, аналізовані в маркетингових дослідженнях, як правило, зовсім різні. Це можуть бути дані про покупців: про їх вік, склад сім'ї, купівельних можливостях, освіті; дані про фірми-конкурентів, характеристики товарів і т.д. Такі характеристики називаються змінними.

Під змінними при обробці результатів маркетингових (і не тільки) досліджень розуміється то, що можна вимірювати, контролювати або змінювати. Таким чином, змінними можуть бути стать опитуваних покупців, їх вік, оцінка товару (відмінна, задовільна, погана), сума, яку готовий заплатити клієнт за товар, і т.д. Для мінімізації різного роду помилок було введено поняття шкали, в якій виміряна змінна. Типи змінних визначають методи їх статистичного аналізу. Традиційно розрізняють три види шкал.

Номінальна (або якісна) шкала - це шкала, значення якої служать тільки в якості умовних імен для змінних. Наприклад, змінна може прийняти два варіанти значень: «чоловік / жінка»; «Дотримуюся / Не дотримуюся дієти», відповідь на будь-яке питання з варіантами відповіді «так / ні / важко відповісти» і т.д.

Наступним видом є порядкова шкала. Кажуть, що змінна виміряна в порядкової (рангової) шкалою, якщо значення змінної можна порівнювати між собою, але різниця значень не має сенсу. Наприклад, перший, другий, третій сорт товару; високий, середній, низький рівень продажів; ранги переваг покупців і т.д.

Кількісна (інтервальна) шкала дозволяє відображати абсолютні кількісні характеристики досліджуваних об'єктів. Наприклад, час, проведений покупцем у магазині, сума чека, середня сума чека в магазині за кожну тиждень і т.д.

Файли більшості статистичних пакетів, які використовуються для аналізу маркетингових даних, організовані у вигляді таблиць, рядки яких називаються спостереженнями, а стовпці відповідають змінним. Досить часто спостереження представляють собою набір відповідей окремих респондентів опитування. Л змінні представляють відповіді на питання, задававшиеся в ході опитування.

Розглянемо типові маркетингові ситуації (маркетингові задачі), які вимагають застосування статистичних методів, зазвичай вивчаються в курсах «Прикладної статистичний аналіз», «Економетрика», «Бізнес-аналіз інформації» і т.д.

Група 1 типових маркетингових задач.

Визначення виду залежності між кількісними змінними, наприклад:

  • • вартості оренди приміщення під торговельні потреби - від щільності транспортного потоку і пішохідного потоку;
  • • вартості квартири - від її площі, кількості кімнат, віддаленості квартири від метро;
  • • обсягу продажів магазину - від його площі, віддаленості від метро;
  • • вартості кільця з діамантом - від величини каменю в ньому.

По суті, ці сформульовані завдання припускають знаходження виду залежності маркетингового показника, що вимірюється в кількісної шкалою, від одного або декількох впливають показників, також вимірюваних в кількісної шкалою.

Статистичний метод, який використовується для вирішення таких завдань, - метод регресійного аналізу - дозволяє визначити наявність і вид зв'язку між змінними і прогнозувати значення залежної змінної від значень впливають змінних (для простоти розглянемо спочатку ситуацію, коли в якості впливає змінної виступає тільки одна змінна). Більш того, часто маркетингові дослідження починаються з перевірки гіпотези про наявність лінійного зв'язку між змінними. У цьому випадку метою лінійного регресійного аналізу є визначення коефіцієнтів а і видання, рівняння регресії у = а + Ьх. У чому суть описуваного методу? Як його застосовувати?

Розглянемо наступний приклад. Компанія X щомісяця вкладає кошти в телевізійну рекламу кетчупу. Покупців можна розділити на групи - частина з них бачила і повірила рекламі, частина з яких в принципі не вірить рекламі, а інші не дивляться телевізор, купують товари і не піклуються про те, щоб їх поведінка підпорядковувалося якого-небудь закону і тим більше прогнозувалося. Проте маркетологам цікаво, чи ефективні їх вкладення в рекламу, тому вони зіставляють заміряні в кожному місяці витрати на рекламу і обсяг продажів. У табл. 5.4 наведені дані по витратах на рекламу і обсягами продажів кетчупу за 12 міс.

Таблиця 6.4

Витрати на телевізійну рекламу кетчупу і обсяг продажів

місяць

Витрати на рекламу (.р)

Обсяг продажів (у)

1

1200

12000

2

1400

10700

3

1 780

9200

4

2100

10400

5

2000

12300

в

2800

17800

7

3300

19200

8

3400

23000

9

3800

24000

10

4100

23900

11

3900

27200

12

3900

24500

«Мрією» кожного маркетолога є не просто доказ факту залежності між змінними, але отримання виду зв'язку між змінною, якою можна керувати (в нашому прикладі - витратами на рекламу), і залежать від неї показником (об'ємом продажів). Методом, що визначає вид зв'язку між змінними, є метод регресійного аналізу, реалізований в багатьох статистичних пакетах, таких як SPSS , Statistics Eviews і навіть в MS Excel. Він завжди знаходить коефіцієнти рівняння, що зв'язує аналізовані перемінні, паралельно розраховуючи характеристики якості отриманого рівняння. При цьому вибір виду зв'язку (лінійна, статечна, логарифмічна) - це відповідальність аналітика. У великій кількості ситуацій аналіз починається з лінійного зв'язку.

У розглянутому прикладі рівняння лінійного зв'язку, за результатами процедури регресійного аналізу, проведеної в середовищі SPSS , має вигляд

де Y - обсяг продажів, х - вкладення в рекламу.

Програма автоматично розраховує набір характеристик отриманої залежності, серед яких коефіцієнт детермінації R 2 . У розглянутому прикладі цей коефіцієнт дорівнює 90%, що дозволяє довіряти отриманому рівнянню, так як R 2 - це відсоток зміни У, який визначається змінами х.

Чим «радує» дослідника отримане рівняння? По-перше, є доказ ефективності реклами, по-друге, можна об'єктивно стверджувати, що збільшення вкладень в рекламу на рубль збільшить обсяг продажів на 5,9 руб. І головне, можна розраховувати обсяги продажів для можливих варіантів вкладень в рекламу. Для цього варіанти вкладень в рекламу потрібно підставити в рівняння регресії.

Звичайно, в нашому прикладі ми сильно спростили опис процедури та інтерпретації результатів регресійного аналізу. Технічні деталі можна знайти в окремих публікаціях, цілком присвячених маркетинговим дослідженням. Звернемо увагу на те, що в прикладному статистичному аналізі істотну роль грає перевірка адекватності отриманих результатів професійної інтерпретацією отриманих результатів.

Якщо в розглянутому вище прикладі про продажі кетчупу дослідник захоче отримати більш точну модель, що описує залежність обсягу продажів від декількох кількісних факторів, наприклад, ще й від ціни товару, то тоді можна застосувати прогнозування змінної Y на підставі двох або декількох змінних, зване множинної регресією.

Результатом застосування прямолінійного методу множинної регресії дозволяє:

  • • описувати взаємозв'язок між залежною змінною у і декількома незалежними змінними x t , х 2 , ..., х п у вигляді рівняння: у = b + а х х х х х + а 2х 2 + ... + а "
  • • прогнозувати значення відгуку (залежною змінною), відсутнього в аналізованої вибірці за значеннями предикторів (незалежних змінних).

На практиці застосування регресійних процедур виглядає наступним чином. Дослідник формулює гіпотезу про те, які кількісні фактори впливають на цікавий для його показник; далі збирає дані, обробляє дані в статистичній середовищі і аналізує результати, що підтверджують або спростовують його гіпотезу. Процедура множинної регресії дозволяє визначити, які параметри значимо впливають, а які ні на залежну змінну.

Група 2 типових маркетингових задач.

Визначення відмінностей між вибірками, наприклад:

  • • відмінності обсягів продажів одного і того ж товару при розташуванні його на різних полицях;
  • • відмінності обсягів продажів товарів під час роботи різних змін продавців;
  • • відмінності обсягів продажів товару до зміни сайту інтернет-магазину і після.

В основі всіх цих методів лежить доказ значущою залежності кількісного показника від одного якісного параметра. Статистичний метод, застосовуваний в таких ситуаціях, - однофакторний дисперсійний аналіз, який встановлює, значимо чи розрізняються середні значення декількох незалежних вибірок.

Розглянемо дані з табл. 5.5. У ній наведено дані про обсяги продажів кетчупу. Директор мережі супермаркетів хоче знати, чи впливає на збут кетчупу різне позиціонування товару в супермаркеті. В одному з супермаркетів кетчуп розташований на так званих «нормальних полицях», в іншому - у варіанті «парного розміщення», в третьому - в «холодильнику». Передбачається, що всі три супермаркети знаходяться в однакових умовах (розташування, близькість конкурентів і т.д.).

Можна припустити, що якщо розміщення товару не впливає на обсяг збуту, то середні значення обсягів збуту маргарину для кожного варіанта розміщень будуть приблизно рівні. Таблиця 5.5 показує результати трьох вибірок. У кожному разі експеримент тривав один і той же час, протягом 1000 касових операцій.

Таблиця 5.5

Збут кетчупу за 1000 касових операцій в трьох супермаркетах в залежності від розміщення, кг

супермаркет

День 1

день 2

день 3

день 4

день 5

Супермаркет 1 «нормальні» полки »

47

39

40

46

45

Супермаркет 2 «парне розміщення»

68

65

63

59

67

Супермаркет 3 «холодильник»

59

50

51

48

53

Таблиця 5.6

У табл. 5.6 наведені середні значення збуту кетчупу в трьох супермаркетах.

Середні значення збуту кетчупу в супермаркетах

супермаркет

Середнє значення збуту кетчупу для супермаркету

Супермаркет 1 «норматьние полки»

У = 43,4

Супермаркет 2 «парне розміщення»

У2 = 64,4

Закінчення табл. 5.6

супермаркет

Середнє значення збуту кетчупу для супермаркету

Супермаркет 3 «холодильник»

у 3 = 52,2

Загальна середнє значення

/ 7 = 53,3

Дисперсійний аналіз визначає, чи є відмінність у розрахованих середніх значеннях випадковим чи ні. Іншими словами, він визначає, чи пояснюється різниця в середніх значеннях розміщенням товару або якимись випадковими зовнішніми факторами. Сама процедура застосування цього методу технічно зовсім нескладна.

Група 3 типових маркетингових задач.

Доказ значущою залежності якісних змінних, наприклад:

  • • доказ значущою залежності переваг при виборі товару від статі покупця;
  • • доказ значущою залежності переваг при виборі товару від психотипу покупця;
  • • доказ значущою залежності факту «респондент дотримується дієти» від його сімейного статусу «в шлюбі / не в шлюбі».

По суті, рішення всіх цих завдань передбачає доказ значущою залежності якісного показника від одного або декількох якісних показників. Статистичний метод, застосовуваний для доказу залежності якісних змінних - метод у} (Хі-квадрат), - складається з двох етапів:

  • 1) складання таблиць спряженості ознак (перехресних таблиць);
  • 2) перевірки залежності змінних.

Розглянемо на прикладі нижче, що собою являє перехресна таблиця і як вона будується.

За результатами анкетного опитування сформована загальна таблиця з 181 спостереження про переваги міських і сільських жителів у виборі масло - маргарин. Незалежної змінної в цій таблиці є район проживання покупця: місто або сільська місцевість, залежною змінною - його вибір: масло або маргарин (фрагмент загальної таблиці представлений в табл. 5.7).

Таблиця 5.7

Уподобання міських і сільських жителів щодо масла або маргарину

Місце проживання

перевагу

Місто

Масло

Місто

маргарин

село

Масло

Місто

маргарин

Перехресна таблиця але цими даними має вигляд табл. 5.8.

Таблиця 5.8

Перехресна таблиця переваг міських і сільських жителів щодо масла або маргарину

район

товар

всього

Масло

маргарин

Місто

30

83

113

Сільська місцевість

45

23

68

всього

75

106

181

Розглянемо, як інтерпретуються дані з цієї перехресної таблиці:

  • • 30 міських жителів з 113 опитаних вважають за краще купувати масло, а 83 міських жителя воліють купувати маргарин;
  • • 45 сільських жителя з 68 опитаних вважають за краще купувати масло, а 23 - маргарин.

Рядки табл. 5.8 показують профіль переваг міських і сільських жителів. Виходячи з отриманих результатів, можна припустити, що міські жителі вважають за краще використовувати маргарин, а сільські жителі - масло. Останнє твердження і є гіпотезою, яку треба підтвердити або спростувати. Відповідна статистична процедура розраховує статистику (показник х 2 ), яка дозволяє судити про наявність чи відсутність залежності між якісними змінними.

Група 4 типових маркетингових задач.

Прикладами завдань з цієї групи є: прогнозування рівня продажів нового виду товару на основі кількісних показників обсягів продажів аналогічних товарів і визначення необхідного клієнту типу товару в залежності від вимог до товару, сформульованих у вигляді оцінки за певною шкалою.

В основі вирішення завдань цієї групи лежить доказ значущою залежності якісного показника від одного або декількох кількісних параметрів. Такого роду завдання можуть бути вирішені за допомогою дискримінантного аналізу.

Група 5 типових маркетингових завдань містить всі види завдань, пов'язаних з класифікацією товарів, послуг, споживачів, наприклад:

  • • класифікація споживачів за результатами виставлених ними оцінок при опитуванні;
  • • класифікація філій магазинів на основі таких показників, як площа магазина, віддаленість від метро, щільність пішохідного потоку;
  • • класифікація об'єктів за кількісними ознаками.

Такі завдання вирішуються одним з методів класифікації: ієрархічним кластерним аналізом, методом ^-середній і т.д.

Група 6 типових маркетингових завдань включає завдання, що дозволяють визначити оптимальні властивості товару або послуги.

Прикладом тут може служити визначення споживчих характеристик соку (обсяг упаковки, вид упаковки, сік, склад соку), гудзиків

(матеріал, кількість отворів, колір) і т.д. Такого роду завдання вирішуються за допомогою спільного {conjoint) аналізу, що вимагає спеціальних процедур збору даних і їх аналізу.

Залежно від рівня кадрового і програмного забезпечення компанії проведення маркетингового дослідження може здійснюватися як власними силами, так і у взаємодії з фірмами, що спеціалізуються на даних видах діяльності. Аналогічний висновок може бути зроблений і для ряду інших етапів процесу маркетингового дослідження, наприклад польової роботи інтерв'юерів. Однак у всіх випадках вельми важливе розуміння маркетологами компанії основного змісту дій, що вживаються при плануванні і реалізації конкретного маркетингового дослідження.

 
Якщо Ви помітили помилку в тексті позначте слово та натисніть Shift + Enter
< Попередня   ЗМІСТ   Наступна >
 
Дисципліни
Агропромисловість
Аудит та Бухоблік
Банківська справа
БЖД
Географія
Документознавство
Екологія
Економіка
Етика та Естетика
Журналістика
Інвестування
Інформатика
Історія
Культурологія
Література
Логіка
Логістика
Маркетинг
Медицина
Нерухомість
Менеджмент
Педагогіка
Політологія
Політекономія
Право
Природознавство
Психологія
Релігієзнавство
Риторика
Соціологія
Статистика
Техніка
Страхова справа
Товарознавство
Туризм
Філософія
Фінанси
Пошук