Разбиение неколичественных признаков в маркетинговых исследованиях на категории по результатам квантификации
Закускин С.В.1
1 ООО Агентство «Компас Рисерч», Россия, Москва
Скачать PDF | Загрузок: 10 | Цитирований: 5
Статья в журнале
Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 15, Номер 4 (Апрель 2021)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=45838262
Цитирований: 5 по состоянию на 31.03.2023
Аннотация:
Рассмотрена задача укрупнения категорий порядковых и номинальных переменных в маркетинговых исследованиях. Предложен подход к её решению на базе результатов оцифровки (квантификации) в процедурах категориального факторного анализа. Это позволяет: практически без потери информации сократить количество рассматриваемых категорий, исходя из внутренней структуры данных; найти естественные границы порядковых переменных; выявить категории номинальных переменных, близкие с точки зрения решаемой задачи; проверить линейность/ нелинейность зависимостей от порядковых переменных; повысить точность оценки параметров линейных зависимостей, определить характер нелинейных зависимостей. В целом предлагаемый подход позволяет с минимальными затратами значительно повысить адекватность описания исследуемой маркетинговой ситуации и выявить детали, которые могут оказаться важными при разработке стратегии и тактики продвижения товара/ торговой марки/ фирмы.
Ключевые слова: интегрированные маркетинговые коммуникации, целевая группа, сегментация, позиционирование, образ товара/ торговой марки/ фирмы, сформированность образа, дифференциация образов, контроль движения образов, анализ конкурентной ситуации, потребительские предпочтения и ожидания, формирование имиджа, формирование торгового предложения, продвижение товара/ торговой марки/ фирмы, маркетинговые исследования, факторный анализ, дискриминантный анализ, многомерное шкалирование
JEL-классификация: M31, M37, M39
Введение
Неколичественные (номинальные и порядковые) признаки, постоянно используемые в маркетинговых исследованиях, при всей их полезности для описания конкретных рыночных ситуаций, обладают некоторыми недостатками, затрудняющими решение существующих задач. Едва ли не самым существенным из них является слабая обоснованность выделения категорий признаков, которая нередко приводит к значительному уменьшению объема практических выводов и рекомендаций, а в худшем случае может дать ложные результаты. В ходе исследования признаки замеряются, как правило, по шкалам, имеющим довольно большое количество категорий, что повышает в последующем анализе роль случайных флуктуаций замера.
Таким образом, адекватная категоризация номинальных и порядковых признаков может существенно улучшить содержательную часть маркетингового анализа. Прежде всего, речь идет об укрупнении категорий для решения практических задач и о формировании измерительных шкал для дальнейших исследований.
Например, такой признак, как возраст респондента, замеряется почти всегда либо полным числом лет, исполнившихся респонденту, либо по шкале, соответствующей официальной статистике. В первом случае на шкале образуется несколько десятков категорий, которые необходимо укрупнить (в том числе и потому, что большинство из них будут слабо наполнены). Во втором случае нет ясности, отвечают ли официальные возрастные категории существу решаемой задачи; и в большинстве задач их все равно оказывается слишком много, что затрудняет выявление зависимостей каких-либо параметров от возраста.
Практика укрупнения категорий базируется исключительно на интуитивных представлениях исследователей. В литературе представлены способы укрупнения категорий, однако они не выглядят в достаточной степени обоснованными. Например, в [8] (Starovoytova, 2011) на первом шаге сегментирования целевой группы посетителей ресторанов Екатеринбурга граница между сегментами устанавливается на уровне частоты посещений 1 раз в месяц (активные и неактивные посетители); и лишь из последующих рассуждений становится ясно, что при таком разбиении возникает возможность разработать адекватную вложенную сегментацию. В [9] (Chechetka, 2015) при анализе отдельных аспектов удовлетворенности покупкой легкового коммерческого автомобиля объединяются два нижних значения пятибалльных оценочных шкал. В [7] (Kulakova, 2011) не совсем понятны сразу два момента: почему при расчете коэффициента обслуживания потребительские оценки «отлично» и «хорошо» противопоставляются оценкам «удовлетворительно» и «неудовлетворительно», а также почему оценка качества обслуживания привязана именно к таким интервалам значений коэффициента (0,8–1. 0,6–0,8, 0,4–0,6 и 0–0,4). В [3] (Almugrabi, Karpova, 2018) приводится индекс промоутера российских банков, вычисленный по методике Райхельда, и возникает вопрос, почему одиннадцатибалльная измерительная шкала (от 0 до 10) разбита в методике именно на такие интервалы (0–6, 7–8, 9–10).
Нередко полученная в замере информация, которая используется в анализе, ограничивается долей респондентов, поставивших наивысший (наинизший) балл; при этом вся остальная информация игнорируется.
В [10] (Shumetov, 2014) описывается аналитический подход, позволяющий разделить на пять категорий значения любого маркетингового показателя на основании известных точек перегиба функции желательности Харрингтона. При всей полезности для анализа количественных признаков в нем нет возможности изменить число и границы категорий, что может сделать описание практических ситуаций неадекватным.
В настоящей работе представлен формализованный подход к разбиению номинальных и порядковых переменных на категории с привязкой к решаемой задаче.
Подход к категоризации неколичественных признаков
Основная идея предлагаемого подхода к категоризации неколичественных переменных заключается в проведении ее на базе результатов оцифровки (квантификации), выполненной подходящим способом [1] (Ayvazyan, Bukhshtaber, Enyukov, Meshalkin, 1989). При этом необходимо учитывать, что квантификация зависит от существа решаемой задачи.
Категоризация на базе результатов квантификации
Подход [1] позволяет получить для каждой категории неколичественной переменной ее оцифрованное (квантифицированное) значение, оптимальное применительно к решаемой задаче. Квантификация показывает, при каких цифровых значениях категорий решение будет наилучшим. Исходя из этого, оцифрованные значения позволяют понять, насколько близки категории с точки зрения исследуемой ситуации. Достаточно близкие категории могут быть объединены без особого ущерба для решения задачи.
Вопрос «достаточной близости» категорий подлежит обсуждению. На практике нередко бывает, что вычислительная процедура присваивает разным категориям одинаковые оцифрованные значения – в этом случае их можно объединять без ограничений. Если же оцифрованные значения отличаются, то степень их близости оценивает исследователь с учетом всех условий задачи.
Технически квантификация производится как подготовительный этап перед проведением многомерного статистического анализа неколичественных признаков. В частности, в пакете программ SPSS это процедуры оптимального шкалирования: множественный анализ соответствий (процедура Multiple Corres); категориальный анализ главных компонент (процедура CatPCA); нелинейный канонический корреляционный анализ (процедура Overals). На практике наиболее полезен последний, так как он позволяет включить в анализ несколько групп разнородных переменных.
Пример 1. Квантификация возраста респондентов в исследовании структуры потребительских предпочтений
В ходе подготовки к развертыванию в Москве сети автоматов по продаже/прокату DVD были проведены исследования целевой группы. Анализировались, в частности, рациональные предпочтения точек продажи/проката DVD в зависимости от социально-демографических характеристик. Ниже представлены результаты анализа зависимости от пола и возраста респондентов. Возраст замерялся по порядковой шкале, включающей девять возрастных категорий; потребительские предпочтения замерялись с помощью техники ранжирования пятнадцати рациональных характеристик точек продажи/проката DVD по степени важности для потребительского выбора. Связи между предпочтениями и половозрастными характеристиками исследовались с применением нелинейного канонического корреляционного анализа. Полученная оцифровка возраста отображена в таблице 1 и на рисунке 1. Отметим, что ввиду порядкового характера исследуемого признака линия на графике (равно как и на всех последующих) не имеет никакого смысла, смысл имеют только маркеры; линия добавлена лишь для улучшения визуального восприятия.
Таблица 1
Квантификация возраста в исследовании структуры рациональных предпочтений пунктов продажи/проката DVD
Исходная категория
|
Квантификация
|
Укрупненная категория
|
20 лет и младше
|
-2,09
|
20 лет и младше
|
21–25 лет
|
-0,96
|
21-25 лет
|
26–30 лет
|
-0,15
|
26-30 лет
|
31–35 лет
|
0,74
|
31-40 лет
|
36–40 лет
|
0,74
| |
41–45 лет
|
0,95
|
41 год и старше
|
46–50 лет
|
0,95
| |
51–55 лет
|
0,95
| |
56 лет и старше
|
0,95
|
Рисунок 1. Квантификация возраста в исследовании структуры рациональных предпочтений пунктов продажи/проката DVD
Показаны коэффициенты, полученные в процессе оцифровки возрастных категорий в исследовании структуры рациональных предпочтений пунктов продажи/проката DVD
Источник: подготовлено автором
Из таблицы и рисунка видны:
- значительные различия коэффициентов квантификации для младших возрастных категорий, что указывает на существенное различие их предпочтений и не позволяет объединить какие-то из них;
- совпадение коэффициентов квантификации для категорий от 31 до 40 лет, а также для категорий старше 40 лет, что указывает на сходство предпочтений этих групп респондентов.
На этом основании можно в анализе рациональных предпочтений точек продажи/проката DVD укрупнить категории так, как показано в последнем столбце таблицы 1. Как вариант – объединить все возрастные категории старше 30 лет ввиду того, что коэффициенты квантификации для них различаются незначительно.
Эффект от категоризации
Укрупнение категорий неколичественной переменной в большинстве случаев дает возможность сделать анализируемую картину обозримой и выработать на основе ее анализа действенные рекомендации. Для порядковых переменных оно, кроме того, позволяет избавиться от возможных нарушений монотонности: применяемые в анализе математико-статистические модели предполагают линейную зависимость результатов от исходных данных (ввиду линейности используемых преобразований), однако на практике она нередко нарушается из-за слабой наполненности некоторых категорий и случайных отклонений в данных.
Если продолжить рассмотрение примера 1 и построить пространство рационального выбора [4, 6] (Zakuskin, 2021; Zakuskin, 2018) точек продажи/проката DVD, то выяснится, что предпочтения возрастных категорий группируются приблизительно так, как приведено в таблице 1. На рисунке 2 они показаны в пространстве двух первых факторов рационального выбора. Фактор 1 образован следующими характеристиками: в положительном направлении – известность/репутация торговой фирмы, компетентность персонала, принадлежность к торговой сети; в отрицательном направлении – «фирменный вид» точки, стаж работы на рынке, уровень цен. Фактор 2 образован следующими характеристиками: в положительном направлении – богатство ассортимента, компетентность персонала, знакомое название, удобство оплаты; в отрицательном направлении – удобство расположения.
Рисунок 2. Области потребительского выбора в пространстве рационального предпочтения точек продажи/ проката DVD
В пространстве имиджеобразующих факторов отображены области выбора точек продажи/ проката DVD возрастными категориями
Для каждой категории координаты центра равны средним значениям факторов для представителей категории, размеры внутренних кругов пропорциональны численности категорий, горизонтальная и вертикальная линии с засечками ограничивают по каждому фактору интервал, в который попадают предпочтения 70 % респондентов.
Пунктирные эллипсы и фигура сложной формы очерчивают области, в которые попадают по каждому фактору предпочтения 70 % представителей укрупненных возрастных категорий
Источник: подготовлено автором
На рисунке видны:
- существенное отличие предпочтений младших возрастных категорий (особенно категории «20 лет и младше») от остальных;
- практическая неразличимость предпочтений возрастных категорий «31–35 лет» и «36–40 лет», а также категорий старше 40 лет (коэффициенты дифференциации по [5] (Zakuskin, 2020) близки к -1, что подтверждает почти полное совпадение областей выбора);
- нарушения монотонности для категорий старше 30 лет.
Таким образом, исходное разбиение на категории не позволит выявить зависимость предпочтений от возраста из-за нарушений монотонности, в то время как для укрупненных категорий эта зависимость прослеживается достаточно четко. Переход к укрупненным категориям дал возможность устранить недостатки стандартного разбиения.
Зависимость категоризации от решаемой задачи
Так как результаты оцифровки зависят от решаемой задачи [1], та же зависимость будет наблюдаться и для категоризации.
Пример 2. Квантификация возраста респондентов в исследовании структуры рациональных предпочтений целевой группы (расширенная задача)
Расширим задачу примера 1, включив в рассмотрение один из показателей потребительского поведения представителей целевой группы, а именно стаж активного пользования пунктами продажи/проката DVD. Результаты квантификации возраста в этом случае представлены на рисунке 3.
Рисунок 3. Квантификация возраста в исследовании структуры рациональных предпочтений пунктов продажи/проката DVD с учётом стажа пользования пунктами
Показаны коэффициенты, полученные в процессе оцифровки возрастных категорий в исследовании структуры рациональных предпочтений пунктов продажи/проката DVD с учётом стажа активного пользования пунктами
Источник: подготовлено автором
На рисунке видно, что в таком ракурсе возрастные категории с точки зрения рациональных предпочтений группируются по-иному: предпочтения категорий «21–25 лет» и «26–30 лет» оказываются похожими, а для лиц старше 30 лет они, наоборот, разбиваются на группы по десятилетиям. Добавим, что возрастная категория «20 лет и младше» по-прежнему существенно отличается по своим предпочтениям от других категорий.
Таким образом, для эффективного применения предложенного подхода исследователь должен перед обработкой данных определить решаемую задачу, то есть установить список параметров, которые будут рассматриваться в процессе анализа.
Одновременная категоризация многих параметров
Необходимость рассмотренной выше категоризации одного признака применительно к исследованию одной компоненты рынка или целевой группы возникает на практике достаточно редко. Обычно перед исследователем стоит задача анализа всей совокупности замеренных признаков. Для ее решения можно использовать тот же подход, включив в анализ все замеренные признаки. Одновременно это устраняет отмеченные выше проблемы выбора масштаба задачи, так как она решается в максимально широкой постановке.
Полученное таким образом решение позволяет вести анализ любой компоненты рынка и целевой группы с опорой на категоризацию признаков, выполненную наилучшим для этих целей способом.
Пример 3. Квантификация полного набора неколичественных признаков в исследовании рынка и целевой группы
В ходе исследования рынка и целевой группы потребителей зерновых хлебцев, которое было проведено в нескольких регионах европейской части России в целях создания стратегии регионального развития, был замерен широкий спектр показателей, характеризующих потребительское и покупательское поведение, социально-демографические и психографические параметры, рациональные и эмоциональные предпочтения представителей целевой группы, а также восприятие ими реальных торговых марок зерновых хлебцев. Для обеспечения единства решений стратегии развития все неколичественные переменные были квантифицированы одновременно: с помощью нелинейного канонического корреляционного анализа была получена оцифровка более чем ста переменных, объединенных в восемь групп. Результаты квантификации некоторых переменных представлены на рисунке 4.
Рисунок 4. Квантификация переменных в исследовании рынка и целевой группы потребителей зерновых хлебцев (примеры)
Показаны коэффициенты, полученные в процессе оцифровки некоторых переменных в исследовании рынка и целевой группы потребителей зерновых хлебцев
Источник: подготовлено автором.
На рисунке видны особенности квантификации, позволяющие в данном случае укрупнить категории рассмотренных признаков и сделать на этой основе некоторые выводы:
- употребление хлебцев чаще раза в неделю сопряжено с изменением многих характеристик представителей целевой группы, что позволяет считать этот уровень естественной границей для разбиения ее на сегменты, требующие разного подхода к продвижению продукта;
- заметно отличаются по своим показателям (в разные стороны) возрастные категории 20– и 50+, в интервале 21–50 лет некоторые категории могут быть объединены ввиду похожести их характеристик;
- различия в отношении к здоровому образу жизни (замерялось по биполярной шкале со значениями от –3 до +3) проявляются лишь для крайних положительных оценок.
Отметим, что для некоторых переменных процедура дала такую квантификацию, которая не позволила объединить какие-либо категории; это указывает на соответствие измерительной шкалы естественным градациям замеренного признака.
Формирование шкалы по результатам квантификации
В тех случаях, когда измерительная шкала включает десятки значений, разбиение их на укрупненные категории является необходимостью.
Пример 4. Квантификация возраста, замеренного в годах
В ходе исследования отношения населения к деятельности центра занятости в одном из областных центров Урала возраст респондентов замерялся путем фиксации года рождения. В итоге получилось несколько десятков категорий, большинство из которых были слабо наполнены. Нелинейный канонический корреляционный анализ удовлетворенности деятельностью центра занятости в зависимости от возраста дал квантификацию, показанную на рисунке 5.
Рисунок 5. Квантификация возраста в исследовании удовлетворенности деятельностью центра занятости
Показаны коэффициенты, полученные в процессе оцифровки возраста респондентов в исследовании удовлетворенности деятельностью центра занятости
Источник: подготовлено автором
На рисунке видно, что удовлетворенность деятельностью центра занятости кардинально различается по возрастным категориям, границы которых не совпадают с обычно используемыми (быть может, кроме последней): 31 год и младше, 32–46 лет, 47–55 лет, 56 лет и старше. Соответственно, в дальнейших исследованиях можно использовать шкалу возраста именно в такой разбивке.
Возможные выгоды от квантификации порядковой переменной как номинальной
Нередко бывает полезным квантифицировать порядковый признак как (множественный) номинальный. При этом можно выяснить следующее:
- жействительно ли исследуемые зависимости имеют линейный вид или же он возникает искусственно за счет процедуры обработки (а именно за счет объявленного порядкового характера признака);
- какой вид имеют зависимости, если он отличен от линейного.
Второй вопрос порождает следующую тему для исследования: как можно объяснить нелинейный вид зависимости? Ответ находится, как правило, с привлечением всей информации о предмете исследования и может повлечь важные выводы и практические рекомендации.
Пример 5. Квантификация возраста как порядковой или номинальной переменной
В ходе исследования рынка сотовой связи в Поволжье анализировалась зависимость рациональных предпочтений целевой группы от возраста. С целью проверки характера связи нелинейный канонический корреляционный анализ был проведен двумя способами: с объявлением возраста порядковой либо множественной номинальной переменной. Результаты квантификации в том и другом случае представлены на рисунке 6.
Рисунок 6. Сравнение способов квантификации возраста в исследовании структуры рациональных предпочтений пользователей сотовой связи в Поволжье
Показаны коэффициенты, полученные в процессе оцифровки возрастных категорий в исследовании структуры рациональных предпочтений пользователей сотовой связи в Поволжье двумя способами: оцифровки возраста как номинальной либо как порядковой переменной
Источник: подготовлено автором
На рисунке видны:
- нарушения линейности зависимости предпочтений от возраста, которая при рассмотрении всего диапазона возрастов носит U-образный (или даже W-образный) характер;
- в то же время, можно считать, что для категорий «45 лет и младше» линейный характер зависимости предпочтений от возраста подтвердился; небольшое исключение представляет собой категория «31–35 лет», однако квантификация для нее близка к квантификации категорий «21–30 лет» и, соответственно, эти три категории могут быть объединены в одну укрупнённую;
- схожесть предпочтений категорий «56 лет и старше» с предпочтениями категорий «21–35 лет».
Последний факт может быть объяснен следующим образом: лица в возрасте 56 лет и старше в основной массе плохо разбираются в деталях высокотехнологичных продуктов и потому доверяют выбору своих детей/внуков, которые как раз находятся в возрасте 21–35 лет.
Отметим, что в большинстве практических задач линейный характер зависимостей от порядковых переменных представленным способом подтверждается.
Практика категоризации неколичественных признаков. Категоризация порядковых социально-демографических характеристик
Пример 6. Квантификация возраста в исследовании рынка мебели и предметов интерьера
В ходе исследования рынка и целевой группы в интересах сети салонов по продаже мебели и предметов интерьера анализировалась зависимость эмоциональных предпочтений целевой группы от возраста. Результаты квантификации нелинейным каноническим корреляционным анализом представлены на рисунке 7.
Рисунок 7. Квантификация возраста в исследовании рынка мебели и предметов интерьера
Показаны коэффициенты, полученные в процессе оцифровки возраста респондентов в исследовании рынка мебели и предметов интерьера
Источник: подготовлено автором
На рисунке видны заметные различия предпочтений младших возрастных категорий и неизменность предпочтений старших. Наблюдаемая картина заставила усомниться в правильности принятой в сети салонов системе возрастных категорий, когда все лица до 30 лет объединяются в одну категорию; исходя из рисунка 7 можно предположить значительное различие предпочтений внутри нее. На этом основании было принято решение проводить дальнейшие исследования с более дробной разбивкой младших возрастов, с тем чтобы искать среди них привлекательные сегменты.
Категоризация номинальных параметров
Пример 7. Квантификация неколичественных переменных в исследовании рынка рыбных консервов (шпрот)
В ходе исследования рынка и целевой группы покупателей рыбных консервов (шпрот) в четырех российских городах проводилась одновременная квантификация всех неколичественных переменных (как описано в п. «Одновременная категоризация многих параметров»). Результаты квантификации города исследования и рода занятий респондентов представлены на рисунке 8.
Рисунок 8. Квантификация номинальных переменных в исследовании рынка рыбных консервов (шпрот)
Показаны коэффициенты, полученные в процессе оцифровки рода занятий респондентов и города исследования рынка рыбных консервов (шпрот)
Источник: подготовлено автором
Замечание о графическом представлении номинальных признаков. При отображении зависимостей от номинальных признаков на графике требуется решить вопрос о том, в каком порядке должны быть представлены категории. На практике либо этот вопрос игнорируется, либо порядок устанавливается в соответствии с каким-то другим параметром (например, города – по численности населения, род занятий – по алфавиту). В рассмотренном случае категории были упорядочены по убыванию коэффициента квантификации. При этом может возникнуть ложное впечатление, что номинальная переменная стала порядковой – необходимо его избегать.
На рисунке видны:
- существенные отличия предпочтений и поведения москвичей от жителей других городов; из последних наиболее близки к москвичам новосибирцы, но и для них отличия значительны;
- существенные отличия в предпочтениях и поведении пенсионеров от других категорий; в этом смысле к ним близки безработные, а учащиеся/студенты и домохозяйки находятся на противоположном полюсе;
- очень похожие предпочтения и поведение менеджеров среднего звена и коммерсантов/ предпринимателей, а также четырёх категорий наёмных работников-исполнителей; в рамках данного исследования они могут быть объединены без особого ущерба для получаемых результатов.
Добавим, что полученные укрупненные категории удобно обрабатывать как отдельные переменные. Для этого надо от признака «род занятий» перейти к эквивалентному набору двузначных номинальных признаков, каждый из которых выделяет одну категорию. Сделать это можно путем создания серии фиктивных переменных [2] (Ayvazyan, Enyukov, Meshalkin, 1983).
Исследование психографических признаков
Пример 8. Квантификация психографических характеристик в исследовании отношения целевой группы к экстремальным развлечениям
В ходе исследования отношения целевой группы к новому виду экстремальных развлечений (полет в вертикальной аэродинамической трубе) были замерены психографические характеристики респондентов (по порядковой шкале от 0 до 6, где 0 означал полное отсутствие качества, 6 – максимальную его выраженность). Результаты их квантификации с помощью категориального анализа главных компонент (метод был выбран ввиду того, что все характеристики однотипны и замерялись по одной и той же шкале) представлены на рисунке 9.
Рисунок 9. Квантификация психографических характеристик в исследовании отношения к экстремальным развлечениям
Показаны коэффициенты, полученные в процессе оцифровки некоторых психографических характеристик представителей целевой группы в исследовании отношения к экстремальным развлечениям
Источник: подготовлено автором
На рисунке видны диапазоны оценок, которые могут быть объединены для последующего анализа:
- для любителей экстремальных развлечений – практическое отсутствие интереса к экстремальным развлечениям (оценка 1), средний уровень интереса (от 2 до 4), высокий (5) и очень высокий (6) уровня интереса; респондентов, поставивших себе по этой характеристике оценку 0, в выборке не оказалось;
- для сторонников активного образа жизни – малоактивные представители целевой группы (оценка от 0 до 3), лица среднего уровня активности (4), активные представители (5), высокоактивные представители (6).
Исследование покупательского поведения
Пример 9. Квантификация характеристик покупательского поведения в исследовании тортов длительного хранения
В ходе исследования рынка тортов длительного срока хранения с целью выработки стратегии продвижения в регионах были замерены (наряду с потребительскими предпочтениями) следующие характеристики покупательского поведения представителей целевой группы: частота покупок в целом и по основным торговым маркам отдельно; ситуации покупок; затрачиваемые суммы в каждой ситуации; порядок принятия решения о покупке; оценка степени заполненности рынка в конкретном городе. Результаты квантификации с помощью нелинейного канонического корреляционного анализа частоты покупок тортов производства комбината «Черемушки» («Чародейка», «Медовая сказка», «Персидская ночь») и торговой марки «Русская нива» представлены на рисунке 10.
Рисунок 10. Квантификация характеристик покупательского поведения в исследовании рынка тортов длительного хранения
Показаны коэффициенты, полученные в процессе оцифровки частоты покупок продукции марок «Черемушки» и «Русская нива» в исследовании рынка тортов длительного срока хранения
Источник: подготовлено автором
На рисунке видны:
- отсутствие различий покупательского поведения при частоте покупок два раза в месяц и чаще;
- для продукции «Черемушек» можно считать, что ее покупатели имеют примерно одинаковое поведение, в отличие от «не-покупателей»; для «Русской нивы» категория покупающих раз в месяц отличается от остальных, в то время как покупающие чаще, а также покупающие реже показывают одинаковое поведение;
- разброс коэффициентов квантификации для «Русской нивы» примерно в полтора раза выше, чем для «Черемушек»; это указывает на более существенные различия поведения покупателей «Русской нивы».
Заключение
Возникающая во многих практических исследованиях проблема укрупнения категорий неколичественных (номинальных и порядковых) переменных может быть решена с использованием результатов их оцифровки в категориальных процедурах многомерного статистического анализа. Это дает возможность укрупнить категории оптимальным образом по отношению к решаемым задачам. В итоге:
- полностью используется весь объем данных, полученный в замерах;
- заметно упрощается представление анализируемых объектов и процессов без существенной потери информации;
- возникает возможность проследить зависимости от порядковых переменных;
- выявляются категории номинальных признаков, похожие с точки зрения решаемой задачи.
С помощью предложенного подхода решаются также и некоторые частные задачи обработки данных:
- находятся естественные границы порядковых переменных с очень большим числом категорий, что позволяет в дальнейшем использовать нестандартную измерительную шкалу;
- проверяется линейность/нелинейность зависимостей от порядковых переменных.
В совокупности представленные результаты позволяют во многих случаях повысить эффективность маркетинговых исследований за счет полного использования полученных данных и оптимального преобразования неколичественных переменных для их последующей обработки.
Источники:
2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. - М.: Финансы и статистика, 1983. – 471 c.
3. Алмуграби М., Карпова С.В. Измерения эффективности управления брендом // Мягкие измерения и вычисления. – 2018. – № 6(7). – c. 25-29.
4. Закускин С.В. Анализ потребительских идеалов в пространстве имиджеобразующих факторов. Постановка задачи и выявление факторов // Микроэкономика. – 2021. – № 2(97).
5. Закускин С.В. Анализ дифференциации рыночных образов // Креативная экономика. – 2020. – № 7. – c. 1447-1466. – doi: 10.18334/ce.14.7.110667 .
6. Закускин С.В. Интеграция маркетинговых коммуникаций на основе анализа потребительских предпочтений // Российское предпринимательство. – 2018. – № 6. – c. 1913-1938. – doi: 10.18334/rp.19.6.39184 .
7. Кулакова Я.А. Методология маркетингового исследования услуг аутсорсинга на рынке строительных материалов // Финансовая аналитика: проблемы и решения. – 2011. – № 44(86). – c. 19-24.
8. Старовойтова Я.Ю. Сегментирование рынка ресторанных услуг Екатеринбурга // Практический маркетинг. – 2011. – № 3(169). – c. 35-39.
9. Чечетка Е.Л. Основные характеристики модели потребительского выбора при приобретении легкового коммерческого автомобиля в 2014-2015 гг // Практический маркетинг. – 2015. – № 5(219). – c. 13-19.
10. Шуметов В.Г. О преобразовании социально-экономических показателей в безразмерные индексы в задачах математического моделирования // Среднерусский вестник общественных наук. – 2014. – № 4(34). – c. 102-111.
Страница обновлена: 26.11.2024 в 13:07:23