ОБРАБОТКА
И АНАЛИЗ ДАННЫХ

Для решения многих исследовательских задач недостаточно расчета средних величин и «процентовок». Необходимо использовать специальные, иногда достаточно сложные методы статистического анализа. В наши дни это не вызывает проблем: на рынке представлен целый ряд программных продуктов для статистической обработки данных, которые сильно облегчают работу исследователей – SPSS, Statistica, Minitab, Statgraphics и др. Но программное обеспечение, которое мы используем – всего лишь инструмент. Его применение требует знаний и опыта, который наши специалисты накопили за два с лишним десятилетия работы.

 

Ниже мы приведем несколько примеров, для каких исследовательских задач могут применяться те или иные методы статистического анализа. Необходимо подчеркнуть: это именно сильно упрощенные примеры, ориентированные на посетителей сайта, чья деятельность далека от маркетинговых исследований и статистики. Естественно, и методов анализа во много раз больше, и на практике все чуть-чуть сложнее…

Дисперсионный анализ

 

Часто необходимо выяснить, что повлияло на определенный результат. Например, какие факторы оказали влияние на продажи: изменения цен, реклама на телевидении, мероприятия BTL, расширение ассортимента новыми товарами и т.д. Или другой пример – решение более узкой задачи: проверить, как изменение упаковки влияет на привлечение внимания покупателей. Или надо проверить взаимосвязь между возрастом и марочными предпочтениями потребителей. Наверное, любому менеджеру приходится периодически искать ответы на подобные вопросы, но их не всегда можно получить, просто посмотрев данные о продажах или какую-то другую отчетность. Представьте: у вас два десятка магазинов, в каждом что-то менялось, плюс к тому – продажи сами по себе различаются в зависимости от дня недели, погоды, пробок на дорогах и еще массы причин. Поэтому бывает непросто выявить «на глаз» какие-то закономерности в этом массиве данных. В подобных случаях дисперсионный анализ как раз и дает четкий ответ, что повлияло на тот или иной результат. И повлияло ли вообще.

 

Дисперсионный анализ – метод старый и относительно простой. Тем не менее, он обладает достаточно широкими возможностями, в том числе, позволяет рассматривать одновременно влияние нескольких факторов и их взаимное влияние. Поэтому находит применение для решения самых разнообразных исследовательских задач.

 

Дискриминантный анализ

 

Иногда надо выделить ключевые признаки, по которым потребителя можно отнести к определенному сегменту. Это важно именно с практической точки зрения: например, чтобы продавец мог сходу сориентироваться, какому покупателю и что именно предлагать, на каких особенностях товара делать акценты в разговоре именно с этим конкретным покупателем. Т.е. надо «увязать» особенности потребления товара с какими-то признаками покупателя. Допустим, с возрастом, стилем одежды, маркой автомобиля, с характерными ответами на два-три несложных вопроса. Задачи, подобные этому примеру, и решаются с помощью дискриминантного анализа.

 

Еще один пример использования дискриминантного анализа – изучение перспектив новых продуктов. Не всегда получается спрашивать о них напрямую: человеку сложно оценить, нужен ли ему товар, который он никогда раньше не видел. А если товар инновационный, бывает даже трудно объяснить, что вообще это такое... Зато с помощью дискриминантного анализа можно выделить ключевые признаки тех, кто уже потребляет этот новый товар, а затем посмотреть, сколько людей с такими же признаками есть на рынке. Соответственно, появляется возможность определить количество потенциальных потребителей, а значит, оценить перспективы нового продукта.

 

Факторный анализ

 

На многих рынках на покупательский выбор влияет достаточно много переменных. Это и различные свойства продукта, и специфика его потребления, и какие-то нюансы обслуживания. Плюс к тому - цена, особенности дистрибуции, особенности представлений о марках и многое другое. В результате исследование дает очень объемный материал, который сложно использовать на практике – слишком много всего придется учитывать. Необходимо снизить размерность: грубо говоря, «объединить» эти переменные в небольшое число факторов, влияющих на покупательский выбор.

 

Например, такие характеристики автомобиля, как мощность двигателя, крутящий момент, определенные особенности подвески и КПП можно объединить в фактор «скоростные характеристики», т.к. все они влияют на то, насколько быстро автомобиль ускоряется и движется по дороге. Другие характеристики - дорожный просвет, формула привода, допустимый диаметр и ширина колес, углы въезда/съезда объединить в фактор «внедорожные характеристики». Подобным образом попытаться «сгруппировать» и все остальные характеристики автомобиля. Но это очень и очень упрощенный пример. На практике умозрительно выделить факторы не получится, для этого необходимо использовать соответствующие статистические методы. В том числе факторный анализ (в других случаях – метод главных компонент).

 

Использование факторного анализа даже с применением специального программного обеспечения требует высокой квалификации аналитика. Дело в том, что компьютер выделяет факторы исключительно с позиций статистики. Он не может решить, как они будут восприниматься с точки зрения человеческой логики, и, тем более, как полученные результаты можно использовать в бизнесе. Эта задача полностью лежит на аналитике, который решает, сколько факторов и как следует выделить, обычно прорабатывает несколько альтернативных вариантов. Работа в определенной степени творческая, к тому же требующая хорошего знания изучаемого рынка, понимания, как результаты анализа будут применяться на практике.

 

Иногда факторный анализ и метод главных компонент сами по себе применяются для решения какой-то исследовательской задачи. Иногда – в качестве промежуточного этапа обработки данных, чтобы сократить размерность (количество факторов) до применения других методов анализа. Например, описанного далее кластерного анализа.

 

Кластерный анализ

 

Одна из типичных задач, решаемых с помощью кластерного анализа – сегментация рынков. В качестве примера можно привести рынок туристических услуг. Общепринятая классификация (пляжный отдых, экскурсионный туризм, экологический туризм и т.д.) эффективна, например, для анализа структуры продаж туристической компании. Но она может быть слишком укрупненной для разработки конкретного туристического продукта. Понятно, что турист может сочетать пляжный отдых с экскурсиями. Другой предпочтет вместо экскурсий больше развлечений. У третьего какие-то свои предпочтения. Даже экскурсионные туры одного направления имеют совершенно разное наполнение, в зависимости от того, что желает увидеть тот или иной турист, и что его интересует кроме осмотра достопримечательностей. Сочетаний интересов может быть масса. Кластерный анализ как раз позволяет выделить такие «группы по интересам» (сегменты по выгодам) и сформировать для каждой группы предложение, которое будет максимально соответствовать ожиданиям ее представителей.

 

Кластерный анализ находит широкое применение в сегментации рынков сложных и относительно дорогих товаров или услуг. Их выбору покупатели уделяют больше времени, могут учитывать достаточно много характеристик продуктов. Поэтому сегментация на основе собственных представлений исследователя (априорная сегментация) на таких рынках далеко не всегда возможна, необходимо использовать статистические методы. Впрочем, кластерный анализ нередко применяется и для сегментации рынков FMCG - часто покупаемых потребительских товаров. Все зависит от специфики каждого конкретного рынка.

 

Регрессионный анализ

 

Регрессионный анализ позволяет построить модель, чтобы получить количественные оценки того, как, например, определенные действия компании повлияют на продажи. Допустим, на сколько может измениться количество покупателей, если увеличить скидку на 5%. Или как изменится доля потребителей, считающих марку предпочтительной, в зависимости от количества контактов с рекламой. Если описывать назначение регрессионного анализа совсем упрощенно, то это самые разнообразные случаи, когда «нужна формула», чтобы в цифрах оценить ожидаемые результаты каких-то действий. А в маркетинге таких случаев более чем достаточно – и при планировании мероприятий и при расчете бюджетов.

 

Вообще регрессионный анализ часто применяется в маркетинговых исследованиях. Во-первых, он позволяет не только ответить на вопрос о наличии или степени влияния каких-то действий или обстоятельств на достигнутые результаты, но и оценить это влияние количественно. Во-вторых, метод очень старый – его начали развивать еще в середине 19-го века. И, что особенно важно, очень прост для понимания. По сути, линейная регрессия сводится к формуле, которую все мы изучали в средней школе. Причем в первой ее половине… Нелинейная чуть сложнее, но тоже не требует образования за пределами восьмого класса. Поэтому неудивительно, что многие методы исследований (например, описанный далее конджойнт-анализ) с точки зрения статистики тоже основываются на регрессионном анализе: ведь простота интерпретации полученных результатов – один из неотъемлемых признаков хорошего маркетингового исследования.

 

Конджойнт-анализ

 

Конджойнт-анализ используют, чтобы выяснить, в какой степени на покупательский выбор влияют те или иные свойства продукта (так называемые атрибуты). В результате формируется модель расчета, позволяющая оценивать привлекательность продукта при изменении его потребительских свойств. Например, на сколько изменится количество покупателей, для которых привлекателен смартфон, если диагональ увеличить на 0,5 дюйма, разрешение камеры повысить на 20%, но корпус сделать на 2 мм толще. Или как повлияет на привлекательность банка отмена ежемесячной платы за обслуживание, появление какой-то новой функции в интернет-банке, но при этом повышение стоимости каждого платежного поручения и т.п. Эти задачи как раз решаются с помощью конджойнт-анализа.

 

Методическая особенность конджойнт-анализа в том, что респонденты оценивают характеристики продукта не по одной, а рассматривают несколько характеристик вместе: им предлагают набор карточек, на каждой из которых описан вариант «почти настоящего» продукта. Описание включает набор ключевых потребительских свойств, иногда цену и марку производителя, которые тоже влияют на покупательский выбор. Текст может дополняться изображениями. Все зависит от рынка и задач исследования. Это очень важно, поскольку такой подход гораздо ближе к ситуации реального покупательского выбора. Ведь в ситуации реальной покупки потребитель оценивает характеристики продукта совместно. Делая выбор, он, как правило, ищет компромисс, иногда «жертвует» какими-то характеристиками в пользу других. Обычно задание предусматривает либо «выбрать карточку с описанием продукта, который вы бы купили», либо оценить вероятность покупки каждого из продуктов. Хотя есть и более сложные варианты.

 

Вообще за полувековую историю конджойнт-анализа разработано достаточно много методик, многие статистические программы включают в себя специальные модули как для планирования таких исследований, так и для обработки полученных результатов. Несмотря на свою затратность (конджойнт относится к далеко не дешевым методам исследований), он широко применяется в маркетинговых исследованиях, в том числе и в практике нашей компании.

 

Использование любых методов анализа
не приводит к усложнению отчетов

 

 

Следует еще раз подчеркнуть: мы привели лишь несколько до предела упрощенных примеров. Спектр методов анализа, находящих применение в маркетинговых исследованиях, намного шире. Однако, это никогда не приводит к усложнению наших отчетов. Какие бы методы анализа ни использовались, в отчетах никогда не бывает непонятных слов, таинственных формул и запутанных диаграмм. Вся «математика» остается в приложениях. Если у заказчика есть время и желание – может почитать…

В разделе БЛОГ вы найдете

статьи по актуальным вопросам маркетинговых исследований. Многие из них написаны как ответы на вопросы наших клиентов и партнеров и касаются тем, многократно обсуждавшихся на деловых встречах.

НОВОЕ

НА САЙТЕ