<<
>>

Анализ результатов исследований поведения потребителей

В исследовании причинности поведения потребителей важную роль играет процесс анализа и интерпретации полученных результатов. Большие возможности для этого открывает регрессионный и дисперсионный анализы, которые открывают возможности проследить причинно-следственные связи.

Их преимущество в том, что можно количественно оценить влияние исследуемых факторов на результирующий признак, например насколько и отчего зависит желание приобрести товар.

Вопросы для этого должны содержать специальные характеристики в виде шкалы ответов. Надо предлагать респонденту в вопросе количественно оценить исследуемое явление, например, по шкале от 1 до 10.

Анализ результатов включает оценку вероятностей событий, функции распределения вероятностей (плотности вероятностей), оценку параметров распределения данных и связей между случайными величинами.

Для маркетинговых исследований поведения потребителей важно получить информацию о параметрах генеральной совокупности. Генеральной совокупностью называется полное поле наблюдаемых событий. Информацию о ее параметрах можно получить после проведения сплошного исследования (переписи) или выборки.

В процессе анализа исследователь имеет дело, как правило, с выборочной совокупностью, с определенными параметрами, по которым производится отбор. Перепись — полное перечисление элементов генеральной совокупности или объектов исследования, целесообразна для анализа организаций.

Для обследования потребителей результаты измерений осуществляют на основе выборки, и на ее основе получают обобщенные характеристики, с помощью которых оцениваются данные генеральной совокупности. Выборка — подмножество элементов генеральной совокупности, избранное для использования в исследованиях.

Объемом совокупности (выборочной или генеральной) называют число ее объектов. Результаты совокупности зависят от объема и способа отбора объектов, если выборка правильно отражает соотношения генеральной совокупности, то она является репрезентативной (представительной).

Объем выборки часто является компромиссом между теоретическими положениями о точности результатов обследования и возможностями практической реализации.

Различают несколько моделей регрессионного анализа: линейная — при равномерном изменении зависимости; парабола или кубическая парабола — при росте изменения зависимости с ускорением; показательная (при постоянных темпах роста) и гиперболическая функция (при снижении изменения зависимости с замедлением).

Линейные модели используются для описания процессов с монотонным характером тенденции развития и отсутствием пределов роста. Если процесс характеризуется монотонной тенденцией изменения, то его целесообразно описать линейной моделью.

При описании процесса, имеющего предел роста, применяются параболические модели, описывающие процесс, который имеет предел роста в проведенном исследовании.

Когда процесс характеризуется “насыщением”, то его следует описывать при помощи кривой, имеющей отличную от нуля асимптоту. Примером такой кривой может служить модифицированная экспонента. С таким процессом часто сталкиваются в демографии, при изучении спроса (в расчете на душу населения), исследовании эффективности использования ресурсов. Они получили определение — кривые насыщения.

Пример. В процессе опроса респондентам предлагалось оценить в баллах от 1 до 10 уровень известности товара определенной марки и желания его приобрести. Учитывая, что рассматриваемое явление не имеет предела роста, регрессионный анализ можно провести с использованием линейной и показательной моделей. Формулы расчета параметров регрессии линейной и показательной моделей приведены в табл. 1.3 и 1.4.

Таблица 1.3

Формулы определения коэффициентов регрессии*

* y — значения параметров зависимых переменных характеризующих поведение потребителей, баллы и проч.; x — характеристики параметров независимых факторов, которые по оценке исследователей определяют значения зависимых переменных поведения потребителей, баллы и проч.; a0, a1, a2, a, b — постоянные коэффициенты регрессии, ед.

Таблица 1.4

Расчет параметров регрессии

Оценка желания приобрести товар у, баллы

Оценка имиджа марки х баллы

Ух

х2

ln у

х ln у

8

9

72

81

2,08

18,71

9

10

90

100

2,20

21,97

4

3

12

9

1,39

4,16

5

6

30

36

1,61

9,66

7

5

35

25

1,95

9,73

10

10

100

100

2,30

23,03

6

7

42

49

1,79

12,54

49

50

381

400

13,31

99,80

V y 49              Vyx 381

«° = — = ~T = 7; «1 = 4%T = W = °’95; y = 7 + 0,95x

Y x2              4°°

« _Slny , 13,31 =,              b =?xllly = 99,8 = °              y = 1,9 ^ °

n 7              ’ Y x 400              ’ 7              ’              ’

В соответствии с линейной моделью с ростом имиджа марки на каждую единицу желание ее прибрести повышается на 0,95 ед., а для показательной функции — 0,25%.

Для оценки значимости результатов исследований с использованием регрессионного анализа применяют коэффициент корреляции R и детерминации R2. Коэффициент корреляции показывает своим знаком прямая или обратная зависимость характеризует исследуемые процессы и роль влияния независимой переменной на изменение исследуемого явления. Коэффициент детерминации показывает, на сколько процентов изменение независимой переменной определяется влиянием рассматриваемого фактора.

В рассмотренном примере для линейной модели коэффициент корреляции R равен 0,895 и детерминации R2 — 0,8. Это характеризует исследуемую зависимость как прямо пропорциональную и достаточно существенную. Чем ближе значение коэффициента корреляции к единице, тем надежнее выявленная зависимость. Согласно величине коэффициента детерминации изменение имиджа марки определяет 80% желания потребителя приобрести товар.

Однако важна не только оценка количественной зависимости, но и логическая интерпретация ее. Обе рассмотренные переменные, хотя и взаимосвязаны, но могут зависеть от третьего фактора. Например, если выявлена зависимость, что люди

с большим размером ноги имеют более высокий показатель IQ, то в действительности в рассмотренную генеральную совокупность вероятно попали дети. Они имеют меньший размер ноги, чем взрослые и их IQ ниже (Р. Бэрон, Д. Бирн, Б. Джонсон). Такие результаты получили название — ложной зависимости.

Более сложным инструментом исследования поведения потребителей являются модели, раскрывающие с помощью регрессионного анализа причинно-следственную связь изменения анализируемого показателя поведения потребителей от значений не одной, а двух и более переменных.

Последовательность разработки регрессионной модели для прогнозирования включает следующие этапы: Предварительный отбор независимых факторов, которые по убеждению исследователя определяют результативный показатель, например частоту приобретения товара. При ее анализе в качестве факторного признака могут выступать методы стимулирования продаж и цена товара. Сбор данных по независимым переменным. С помощью опроса или иных методов разведочных маркетинговых следований строится ряд по каждому фактору (табл. 1.5).

Таблица 1.5

Значения частоты приобретения товара и определяющих ее факторов

п/п

Средняя частота приобретения товара в месяц, ед.

Оценка методов стимулирования х, баллы

Средняя цена единицы товара, руб.

1

2

4

44

2

4

8

35

3

3

6

38

4

7

9

40

5

3

5

36

6

6

7

35

7

4

6

41

8

9

8

32

9

5

6

34

10

2

4

39

Определение связи между каждой независимой переменной и результативным признаком. Когда связь между признаками не линейна, то производят линеаризацию уравнения путем замены или преобразования величины факторного признака.
Проведение регрессионного анализа. Рассчитываются уравнения и коэффициенты регрессии, проводится проверка их значимости. Повтор этапов 1—4 ведется до получения удовлетворительной модели. В качестве критерия модели может служить ее способность воспроизводить фактические данные с заданной степенью точности, например коэффициентов корреляции и детерминации. Сравнение роли различных факторов в формировании моделируемого показателя. Для сравнения можно рассчитать частные коэффициенты эластичности, которые показывают, на сколько процентов в среднем изменится объем продаж при изменении фактора на один процент при фиксированном положении других факторов.

Расчет параметров линейной регрессионной модели целесообразно проводить, применяя пакет Exel с помощью надстройки Пакет анализа, по схеме Сервис ^ Анализ данных ^ Регрессия ^ ОК. Появляется диалоговое окно, которое заполняется.

В графе Входной интервал Х: указывается ссылка на ячейки, содержащие характеристики х,, ... , хП1. В графе Входной интервал Y: указывается ссылка на ячейки, содержащие характеристики ур..., уП1. Уровень надежности (доверительная вероятность) по умолчанию — 95%.

Для оценки значений остатков ставится знак “V” в ячейке Остатки. Для вывода итогов проставляются параметры ячейки вывода: Выходной интервал. После команды ОК появляется итоговое окно (табл. 1.6).

По результатам расчета статистических параметров уравнений регрессии получено следующее уравнение зависимости частоты приобретения товара от исследуемых факторов:

У = 4,63 + 0,94 x - 0,16 x2 .

Наибольшее влияние затем оказывает спрос на продукцию — 22,5%.

Оба из рассмотренных факторов оказывают примерно равное влияние на частоту приобретения товара цена — (более 51-52%), методы стимулирования — 48-49%.

Анализ уравнения регрессии показывает следующее. При совершенствовании методов стимулирования (рост средней оценки эффективности на 1 балл) частота приобретения товара может возрасти на 0,94 ед. Если увеличится средняя цена за единицу товара на 1 руб., то можно ожидать снижения частоты приобретения товара на 0,16 ед.

Полученное уравнение характеризуется достаточной степенью достоверности. Об этом свидетельствуют величина коэффициентов множественной корреляции (R — 0,85), детерминации (R2 — 0,723), размер стандартной ошибки.

В процессе исследования причинно-следственных связей в поведении потребителей нередко необходима проверка наличия самой зависимости, прежде чем производить необходимые расчеты с определенной доверительной вероятностью и соответствующей граничной точкой. Для этого из генеральной совокупности проводят выборку, вычисляют нужные характеристики и формулируют две гипотезы: основную, которая подлежит проверке Н0 (например, между результатами оценок нет связи и они не согласованы друг с другом) и альтернативную Н1 (между результатами оценок имеется определенная связь).

Если важны не сами оценки, а их порядок (утром, в полдень, после обеда), то проводятся порядковые испытания. Для этого определяются параметры последовательных оценок, рассчитывается ранговый коэффициент корреляции Спирмена rs при количестве показателей — п:


Затем определяется показатель статистики 2 и сравнивается по таблице с его граничной точкой (например, для доверительной вероятности 0,05):

При Z ^ Z0,05 принимается гипотеза Н1, что между результатами оценок имеется определенная связь.

В процессе исследований поведения потребителей нередко необходимо анализировать параметрические ряды, т. е. не саму оценку в баллах и других единицах, а сколько раз она повторяется в процессах опроса, эксперимента, наблюдения. Например, у скольких магазинов ежедневно делают покупки 500—600 покупателей. В этом случае проводятся непараметрические испытания и проверяется гипотеза о наличии следующего варианта связи: Н0 — между значениями параметров нет связи и они не согласованы друг с другом; Н1 — между значениями параметров имеется определенная связь.

Для проведения непараметрических испытаний строится таблица наблюдаемых и расчетных частот. Затем рассчитывается граничная точка доверительной вероятности и значения

2

статистики Z по формуле

у2 _ у /0 ~ f1 )

^              fl ’

где f0 — значение наблюдаемых частот исследуемых событий; f 1 — значение расчетных частот исследуемых событий.

Расчетные значения статистики ^ сравниваются с граничной точкой по специальным таблицам и проверяется гипотеза Н0 или Н1 об отсутствии или наличии связи между результатами оценок.

При использовании пакета Exel c помощью статистической функции мастера функций fx расчет параметров ведется по схеме: fx ^ статистические ^ ХИ2ТЕСТ ^ ОК. Появляется диалоговое окно, которое заполняется. В графе фактический интервал указывается ссылка на ячейки, в которых хранятся ожидаемые частоты. Затем дается команда ОК. Если полученное значение превышает уровень значимости а = 1 — p, то гипотеза Н0 отклоняется.

Дисперсионный анализ представляет собой метод проверки статистических гипотез на базе измеримых данных источников вариации (изменчивости, неоднородности). Объектом применения дисперсионного анализа могут быть оценка влияния одного или нескольких факторов на прогнозируемый результат.

На практике может встретиться ситуация когда имеется один фактор, влияющий на конечный результат, и этот фактор принимает конкретные значения. В этом случае применяют однофакторный дисперсионный анализ. При однофакторном дисперсионном анализе сравнивают два источника вариации: между межгрупповой и внутригрупповой выборками.

Используются две гипотезы: первая утверждает, что все средние величины рассматриваемых характеристик равны между собой, и альтернативная, что не все из них (хотя бы две) не равны. Принимается ряд условий. Так, используются две гипотезы: Н0 утверждает, что все средние равны между собой, и альтернативная Н1 — о неравенстве хотя бы двух средних. Каждая генеральная совокупность подчиняется нормальному распределению, а все стандартные отклонения — одинаковы.

Каждая генеральная совокупность подчиняется нормальному распределению, а все стандартные отклонения — одинаковы. Рассматриваемый фактор имеет несколько j уровней, на каждом из которых проводится выборка объемом Uj (j = 1, 2, ..., J). Общее число наблюдений составляет и = u1 + n2+...+ Uj. Тогда, если xij (i =1, 2, ..., ui) — результаты выборки, то

* = 11[III]2- XI-

2

мерений поведения, ед.; n — общее количество измерений, ед.; SA — вариация между группами, ед.; S0 — вариация внутри групп, ед.; S — общая вариация, ед.

Тогда критерий статистики F = Sa /(j—^ . Если довери-

So/(n -1)

тельная вероятность p, то а = 1 - р, например, при p = 0,9 а = 1 — 0,9 = 0,1. Соответственно по таблице F-распределения определяется граничная точка — Fa-j-1-n-J. Если F gt; Fa-j-1-n-р то отклоняется гипотеза Н1 на уровне значимости а.

Пример. Оценить, какая из трех систем стимулирования продаж (ценовая, неценовая или призовая) наиболее эффективна для потребителя по результатам пробного маркетинга, которые отражены в табл. 1.7.

Таблица 1.7

Оценка значимости для потребителя систем стимулирования продаж

Системы

стимулирования

Рост продаж, %

Ценовая

7

5

8

11

9

0

Неценовая

5

6

7

8

0

0

Призовая

16

6

7

10

12

14

Расчет параметров S, SA, S0 и F однофакторного дисперсионного анализа целесообразно проводить, применяя пакет Exel с помощью надстройки Пакет анализа, по схеме Сервис ^ Анализ данных ^ Однофакторный дисперсионный анализ ^ ОК.

После команды ОК появляется диалоговое окно, которое надо заполнить. В графе Входной интервал Х: указывается ссылка на ячейки, содержащие исходные данные. В графе Группирование указывается, как сгруппированы исходные данные по строкам и столбцам. Когда первые из ячеек содержат пояснительный текст, то со словом Метка ставится знак “V”. Уровень значимости а по умолчанию предполагается равным 0,05. Для вывода итогов проставляются параметры ячейки вывода: Выходной интервал. После команды ОК появляется итоговое окно (табл. 1.8).

Из данных табл. 1.8 следует, что р-значение (0,09) не выше а = 1- 0,9 = 0,1 и F gt; Fv.j_1.n_j = 2,9 gt; 2,8. Поэтому можно принять гипотезу на уровне значимости, например 90%, что различия между системами стимулирования существенно не влияют на результативность продаж.

Таблица 1.8

Оценка значимости для потребителя систем стимулирования продаж в Exel

Системы

стимулиро

вания

Счет

Сумма

Среднее

Дисперсия

Ценовая

5

40

8

5

Неценовая

4

26

6,5

1,7

Призовая

6

65

10,8

15,4

Дисперсионный анализ

Источник

вариации

SS

df

MS

F

р-зна-

чение

Fкритическое

Между

группами

SA = 49,1

j - 1=2,0

Sa/ df = 3,2

2,9

0,09

2,8

Внутри групп

S0= 101,8

n - j=12

S0/ df = 7,5

Итого

S =150,9

n - 1 = 14

Если в процессе исследования учитывается влияние двух факторов на конечный результат, то применяют двухфакторный дисперсионный анализ. Наряду с адекватностью основных положений однофакторного дисперсионного анализа при двухфакторном дисперсионном анализе имеется ряд существенных особенностей.

Так, nA и nB — число уровней соответственно факторов А и В, а Xj — результат наблюдения при i-м уровне фактора А и j-м уровне фактора В. Совокупное число наблюдений для возможных пар уровней факторов А и В — Па ¦ nB. Принимаем гипотезы Н 0 и Н0 , которые утверждают, что факторы А и Б не влияют на конечный результат.

SA = ПВ Е(У/ - У) , SB = ПА ?(УЛ - У) ,

S =!,?( У - У)2 =?? У - nFnB (y)2gt; S„ = S - Sa - Sb ,

Для проведения двухфакторного дисперсионного анализа вводятся следующие обозначения:

Таблица 1.9

Оценка маркетинговых действий на рост продаж, %

Варианты каналов распределения

Варианты ценообразования

Снятие

сливок

Проник

новение

Закре

пление

Единые

цены

Стабильные цены

Розничная торговля

6

8

6

3

1

Сетевые магазины

7

5

9

4

3

Тонары

8

7

13

9

12

Расчет параметров S, S0, SA, SB и F двухфакторного дисперсионного анализа также целесообразно вести, применяя пакет Exel с помощью надстройки Пакет анализа, по схеме Сервис ^ ^ Анализ данных ^ Двухфакторный дисперсионный анализ без повторений ^ ОК.

После команды ОК появляется диалоговое окно, которое необходимо заполнить. В графе Входной интервал: указывается ссылка на ячейки, содержащие исходные данные. Когда первые из ячеек сдержат пояснительный текст, то со словом Метка ставится знак “V”. Уровень значимости а по умолчанию предполагается равным 0,05. Для вывода итогов проставляются параметры ячейки вывода: Выходной интервал. После команды ОК появляется итоговое окно (табл. 1.10).

Из данных табл. 1.10 следует, что р-значение (0,03) не выше а = 0,05 и F gt; Fa. Пд_1; (Пд_1)(Пв_1) = 5,9 gt; 4,5. Поэтому можно принять гипотезу на уровне значимости, например, 95%, что различия в вариантах каналов распределения существенно не влияют на результативность продаж. В то же время надо признать гипотезу, что существенное внимание на продажи оказывает ценообразование, так как F lt; Fa. Пв_1; (П_1 (П _1) =1,3 lt; 3,8, что необходимо учесть при прогнозировании воздействия мер маркетинга на объем продаж.

При интерпретации результатов поведения потребителей, как и в отношении исследований по социальной психологии, прежде чем утверждать об их истинности, необходимо соблюсти принципы повторности, естественности, конвергентности и синтеза. Данные должны повторяться (воспроизводиться) в ходе

последующих исследований. Полученные в процессе исследований данные должны повторяться не только в лабораторных, но и в полевых (естественных) условиях. Соблюдение принципа конвергентности предполагает, чтобы проверка данных проводилась в различных обстоятельствах, которые, несмотря на отличие от первоначального контекста, были бы логически связаны с ним.

Метод синтеза исследований или комбинирования результатов нескольких независимых исследований при интерпретации результатов исследований поведения потребителей позволяет преодолеть проблему несогласованности данных, например, при варьировании эксперимента. Причиной тому может быть настроение испытуемых, поведение модератора, недостаточное стимулирование участников опроса.

Вопросы и задания Обоснуйте, зачем необходимо проводить маркетинговые исследования для изучения поведения потребителей. Какие этапы включает в себя проведение маркетинговых исследований? В чем состоят преимуществ фокус-группы? Расскажите, как проводятся исследования в фокус-группе. Рассмотрите особенности, преимущества и недостатки проведения глубинного (направленного) интервью. Сравните достоинства и недостатки различных методов опроса. Что такое эксперимент и какие цели он преследует? Обоснуйте преимущества маркетингового наблюдения по сравнению с другими исследовательскими методами. В чем сущность и цели аналоговых исследований?

<< | >>
Источник: Дубровин И. А.. Поведение потребителей: Учебное пособие. 2012

Еще по теме Анализ результатов исследований поведения потребителей:

  1. Методы исследования поведения потребителей
  2. Глава 11. СПРОС И КОНКУРЕНТНОЕ ПОВЕДЕНИЕ ПОТРЕБИТЕЛЯ: АНАЛИЗ КРИВЫХ БЕЗРАЗЛИЧИЯ
  3. Моделирование поведения потребителя в ординалистской концепции. Оптимум потребителя
  4. Поведение потребителей. 
  5. Глава 3 Поведение потребителей
  6. 7.1. Факторы поведения потребителей
  7. Маркетинговые решения и поведение потребителей
  8. Поведение потребителя
  9. Глава 3 ПОВЕДЕНИЕ ПОТРЕБИТЕЛЯ
  10. 2.3 Результаты исследования зависимости результатов деятельности компании от уровня её устойчивого развития
  11. Алешина И. В.. Поведение потребителей : учебник, 2006
  12. ИСТОРИЯ, ПРИНЦИПЫ И РЕЗУЛЬТАТЫ РЕФОРМИРОВАНИЯ НАЦИОНАЛЬНЫХ ЭКОНОМИК СТРАН МИРОВОГО СООБЩЕСТВА (ОБОБЩЕННЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ).
  13. Дубровин И. А.. Поведение потребителей: Учебное пособие, 2012
  14. Лекция 4. Поведение потребителей.
  15. Мотивы поведения потребителей
- Антикризисное управление - Деловая коммуникация - Документоведение и делопроизводство - Инвестиционный менеджмент - Инновационный менеджмент - Информационный менеджмент - Исследование систем управления - История менеджмента - Корпоративное управление - Лидерство - Маркетинг в отраслях - Маркетинг, реклама, PR - Маркетинговые исследования - Менеджмент организаций - Менеджмент персонала - Менеджмент-консалтинг - Моделирование бизнес-процессов - Моделирование бизнес-процессов - Организационное поведение - Основы менеджмента - Поведение потребителей - Производственный менеджмент - Риск-менеджмент - Самосовершенствование - Сбалансированная система показателей - Сравнительный менеджмент - Стратегический маркетинг - Стратегическое управление - Тайм-менеджмент - Теория организации - Теория управления - Управление качеством - Управление конкурентоспособностью - Управление продажами - Управление проектами - Управленческие решения - Финансовый менеджмент - ЭКОНОМИКА ДЛЯ МЕНЕДЖЕРОВ -