Анализ и интерпретация информации.

Описательное исследование - маркетинговое исследование, направленное на описание маркетинговых проблем, ситуаций, рынков, например, демографической ситуации, отношения потребителей к продукции компании.

При проведении данного вида исследований обычно ищутся ответы на вопросы, начинающиеся со слов: Кто, Что, Где, Когда и Как. Как правило, такая информация содержится во вторичных данных или собирается путем проведения наблюдений и опросов, постановки экспериментов.

Например, исследуется, кто является потребителем продукции фирмы? Что рассматривается как продукты, поставляемые фирмой на рынок. Где рассматривается как места, где потребители приобретают эти продукты. Когда характеризует время, когда потребители наиболее активно покупают эти продукты. Как характеризует способ использования приобретенного продукта. Заметим, что данные исследования не дают ответа на вопросы, начинающиеся со слова "почему". (Почему возрос объем продаж после проведения рекламной компании?). Ответы на подобные вопросы получают при проведении казуальных исследований.

Основными методами при проведении описательных исследований являются:

  • Анализ вторичных данных;
  • Наблюдения;
  • Опросы;
  • Эксперименты.

Распределение частот представляет в табличной или графической форме распределение исследуемых единиц (в случае опроса — респондентов) по тому или иному признаку, выраженное обычно абсолютными или относительны­ми (в процентах) числами. Распределение частот позволяет сделать вывод остепени подробности результатов измерений. Простейшим методом описа­ния данных является одномерное распределение.

 

Если респондентов распределяют на группы по двум или более признакам (например, выделяют мужчин в возрасте до 40 лет, имеющих высшее образо­вание), то говорят о комбинированном распределении.

 

Для отображения распределения частот используются таблицы, графики, диаграммы.

 

Размах вариации определяет абсолютную разность между максимальным и минимальным значениями измеряемого признака. Данная мера определя­ет интервал распределения значений признака.

^ Среднее квадратическое отклонение является обобщающей статистичес­кой характеристикой значений признака. Если эта мера мала, то кривая рас­пределения имеет узкую, сжатую форму (результаты измерений обладают высокой степенью схожести). В противном случае кривая распределения имеет широкую, вытянутую форму (степень различия оценок велика).

При статистическом исследовании зависимостейрешаются две основные задачи. Первая связана смоделированием формы зависимости (количествен­ной характеристики влияния независимых переменных на зависимую). Она находит свое решение с помощью регрессионного анализа. Вторая задача сводитсяк измерению тесноты зависимости между переменными путем ис­пользования корреляционного анализа.

^ Регрессионный анализ предполагает определение формы взаимосвязи зави­симойпеременной с одной (простая регрессия) или несколькими (многофак­торная регрессия) независимыми переменными. Традиционной сферой ис­пользования этого метода можно считать определение зависимости между объемами продаж конкретного продукта в определенном сегменте рынка с та­кими факторами, как уровень цены, качество обслуживания, виды рекламы, средства ее распространения ит. д. Так, для специалиста по маркетингу всегда представляют интерес проблемы, касающиеся спроса и продаж, например:


  • какой будет продолжительность пребывания в гостинице гостей в зави­симости от цели путешествия;

  • какую сумму денег израсходует па питание в ресторане за время пребы­вания в гостинице клиент в зависимости от его дохода, возраста, семей­ного положения, образования;

  • какой будет предпочитаемая туристами продолжительность отдыха в зависимости от семейного положения и состава семьи.


Перечень подобных проблем можно продолжать бесконечно. Именно по­этому неудивительно, что регрессионный анализ (вне зависимости от того, простая это регрессия или многофакторная) является одним из наиболее применяемых инструментов анализа данных при проведении маркетинговых исследований как в туризме, так и в других сферах деятельности.

Корреляционный анализ позволяет специалисту по маркетингу решить три задачи:

ответить на вопрос, имеет ли связь между переменными закономерный инеслучайный характер;

определить тесноту и значимость связи между переменными (через ко­эффициент корреляции);

оценить степень влияния одной независимой переменной или их груп­пы на зависимую переменную.

Становится понятным, почему корреляционный анализ является очень важным методом анализа в маркетинговых исследованиях. Дело в том, что маркетологов и руководителей предприятий индустрии туризма всегда ин­тересует, какие факторы оказывают наибольшее влияние на поведение кли­ентов, выбор места отдыха, конкретного отеля или ресторана ит. д.

Характеристикой тесноты зависимости между переменными является, как известно, коэффициент корреляции (г), который может изменяться в преде­лах: -1 < г> + 1. При проведении маркетинговых исследований коэффициент корреляции не может быть равен единице.В противном случае это означало бы, что наблюдаемый признак, играющий роль причины,полностью опреде­ляет следствие (а это уже не корреляционная, а функциональная связь). Ан­глийский ученый М. Кендалл справедливо обращал внимание на тот факт, что коэффициенты корреляции, незначительно отличающиеся от единицы, свидетельствуют о том, что исследователь что-то делает неправильно.

Значение коэффициента корреляции меньше нуля свидетельствует, что связь между переменными является отрицательной. К примеру, достаточно часто в процессе маркетинговых исследований выявляется, что существует отрица­тельная корреляционная связь между фактором «возраст» и зависимой пе­ременной «доходы» (особенно это касается лиц старшего возраста: когда они достигают определенного возраста, их доходы обычно уменьшаются).

При значениях коэффициента корреляции выше нуля связь считается поло­жительной. Это означает, что с возрастанием значения независимой перемен­ной увеличивается и значение зависимой. Чем ближе коэффициент корреляции (r) к единице, тем более тесной считается взаимосвязь между переменными: при |r| < 0,30 связь является слабой; при 0,30 < |r| < 0?60 — средней; при |r| > 0,60 — сильной. Например, при проведении конкретного маркетингового исследования выявлено, что коэффициент корреляции, характеризующий влияние образова­ния клиентов на вид и цены приобретаемых в гостинице дополнительных услуг, составил 0,42. Полученный результат можно интерпретировать так: образова­ние оказывает среднесильное влияние на склонность гостей отеля к приобрете­нию дополнительных услуг. При этом указанная связь является положитель­ной: клиенты с высоким уровнем образования покупают более дорогостоящие дополнительные услуги.

Для исследования зависимости между переменными применяются и дру­гие методы. Так, вариационный анализ предназначен для проверки того, существенно ли влияет изменение независимых переменных па зависимые. С подробной характеристикой методов исследования зависимостей между переменными можно подробно познакомиться при изучении специальной литературы [26,27,28].

Для исследования взаимосвязеймежду изучаемыми признаками чаще все­го находят применение методы кластерного, факторного, дискриминантного анализа и совместного измерения.

^ Кластерный анализ позволяет объединять переменные или объекты в груп­пы (кластеры) таким образом, чтобы различия между объектами, составляю­щими один кластер, были бы меньше их отличий от других кластеров. Доста­точно часто кластеры являются очевидными и доступными для обнаружения даже при обычном просмотре собранной информации (например, группиров­ка выборки в зависимости от пола респондентов).

В маркетинговых исследованиях кластерный анализ используется:

для определения типологии исследуемых переменных или объектов;
разработки прогнозов, основанных на формировании кластеров;

генерирования и тестирования гипотез в отношении образованных кла­стеров.

Каждое из перечисленных направлений применяется при сегментации рын­ка (см. раздел 6.4) — основной сферы применения кластерного анализа в мар­кетинге.

Кластеры обычно формируются на основе двух или более признаков одно­временно. Для этого множества отдельных объектов объединяются в срав­нительно гомогенные и немногочисленные кластеры в такой последователь­ности:

рассмотрение всех объектов как самостоятельных кластеров, которые подлежат группировке по тем или иным признакам;

отнесение объектов к конкретному кластеру;


  • укрупнение кластеров на базе кластеров предыдущего уровня;

  • корректировка укрупненных кластеров (например, если предваритель­ные ожидания относительно оптимальных признаков сегментации рын­ка не оправдываются, тогда часть объектов перегруппировывается в бо­лее подходящие кластеры).


На практике для выбора признаков при осуществлении кластерного ана­лиза применяются два подхода: интуитивно-эмпирический и теоретичес­кий.

Интуитивно-эмпирический подход основан на опыте, интуиции и ожида­ниях исследователей при выборе признаков кластеризации. При этом исполь­зуется большое количество признаков. Предполагается, что в этом случае струк­тура кластеров проявится сама собой. Применение такого подхода чревато опасностью образования нереальных кластеров вследствие отсутствия тео­ретических предпосылок их формирования.

Теоретический подход предполагает выбор кластерообразующих признаков, исходя из той или иной модели или концепции. Так, проводя сегментацию рынка по признаку мотивации поездок, следует исходить из уже существую­щих теорий мотивации. К сожалению, отсутствие обоснованных теорий и мо­делей препятствует широкому применению этого подхода на практике. Поэто­му маркетологи вынуждены использовать интуитивно-эмпирический подход, что требует значительно больших затрат времени, средств и усилий.

Существует несколько способов проверки допустимости образованных кластеров:


  • применение к одним и тем же объектам различных приемов кластерно­го анализа, приемлемыми считаются только те кластеры, которые сфор­мированы с использованием всех или большинства приемов;

  • разделение объектов случайным образом на две половины, для каждой из которых осуществляется кластерный анализ; если кластеры являют­ся стабильными, то принадлежность объектов к отдельным кластерам в двух выборках будет идентичной;

  • разработка ипоследующая проверка предположений о том, какое влия­ние при кластеризации оказал бы на структуру исследуемой совокуп­ности пропуск некоторых признаков.

Метод совместною измерения позволяет установить относительную значи­мость характеристик продукта при оценке предпочтений потребителей. Такая информация может быть использована для обоснования путей совершенство­вания конкретного продукта. Преимущество совместного измерения по срав­нению с другими традиционными методами состоит в возможности принимать во внимание феномен замещения и обеспечивать получение оперативной ин­формации о выгодах, которые потребитель связывает с идеальными характе­ристиками продукта. Например, на основе опроса относительно небольшой выборки потребителей (165 респондентов) проведена оценка относительной значимости характеристик гостиницы для трех различных сегментов: 1 — чув­ствительного к цене (59 опрошенных); 2 — чувствительного к качеству об­служивания (71 опрошенный); 3 — чувствительного к имиджу предприятия (35 опрошенных). Для оценки использованы следующие характеристики: стоимость размещения, предложение дополнительных услуг, товарная мар­ка, качество обслуживания, безопасность, имидж предприятия.

 

Метод фокус- группы.

Фокус-группа – метод сбора и анализа информации, который позволяет с высочайшей степенью достоверности оценить эффективность рекламной продукции на любом этапе ее создания: от возникновения рекламной идеи, до конкретного рекламного продукта.