Выбор методов обработки маркетинговой информации (стр. 2 из 4)

По сути, дисперсионный анализ применяют как проверку статистической значимости различий выборочных средних для двух или больше совокупностей. Обычно нулевая гипотеза утверждает, что все выборочные средние равны.

Примеры использования дисперсионного анализа в практике маркетологов:

• Различаются ли разные сегменты рынка с точки зрения объема потребления товара;

• Действительно ли различаются оценки торговой марки группами респондентов, которые посмотрели разные рекламные ролики;

• Различается ли отношение розничных, оптовых торговцев и торговых агентов к политике распределения, проводимой фирмой;

• Зависит ли намерение потребителей приобрести товар данной торговой марки от разницы в уровнях цен;

• Влияет ли осведомленность потребителей о магазине (высокая, средняя и низкая) на предпочтение данного магазина.

Однофакторная модель имеет вид –

x_ij= μ + F_i+έ_ij

Двухфакторная модель имеет вид –

ч_{шо =} μ + А_ш + П_о + Шшо + ε_шоло

Где F_i - эффект, обусловленный влиянием i-го уровня фактора А.

G_j- эффект, обусловленный влиянием i-го уровня фактора B.

Iij– эффект, обусловленный взаимодействием двух факторов, т.е. отклонение от средней по ячейке x_ijот суммы слагаемых μ + F_i + G_j.

Идея дисперсионного анализа состоит в следующем. Вспомним правило сложений дисперсий: общая дисперсия равна сумме межгрупповой и средней из внутригрупповых дисперсий.

σ^{2 =}

+ δ

Разновидности дисперсионного анализа:

По числу факторов (независимых переменных):

- один фактор (однофакторный анализ);

- несколько (многофакторный анализ)

По виду факторов:

- метрическая, интервальная;

- порядковая

По виду зависимой переменной:

-категориальная (обычный дисперсионный анализ);

- интервальная или метрическая (ковариационный анализ)

По числу зависимых переменных:

- одна;

-несколько (многомерный дисперсионный).

По виду проверяемой гипотезы:

-общее различие средних;

- различия конкретных средних (множественные контрасты).

По виду проверяемых групп:

- различные группы;

- одна и та же группа (повторными измерениями).

Кластерный анализ - это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается неким набором переменных. Кластерный анализ - способ классификация объектов на относительно гомогенные (однородные) группы, исходя из рассматриваемого набора переменных. Объекты в группе относительно схожи с точки зрения этих переменных и отличаются от объектов в других группах.

Решаемые задачи:

Кластерный анализ используют в маркетинге для различных целей.

•Сегментация рынка. Например, потребителей можно разбить на кластеры на основе выгод, которые они ожидают получить от покупки данного товара. Каждый кластер может состоять из потребителей, которые ищут схожие выгоды. Этот метод называют сегментаций преимуществ . Мы проиллюстрируем его на следующем примере.

В исследовании, посвященном моделям принятия решений людьми, проводящими свой отпуск за рубежом, маркетологи получили от 260 респондентов информацию, касающуюся шести психографических направлений: психологического, образовательного, социального, релаксационного, физиологического и эстетического. Для разбивки респондентов на психографические сегменты использовали кластерный анализ. Первый сегмент (53%) состоял из людей с высоким (или близким к нему) уровнем жизни. Эту группу назвали "требовательными". Во вторую группу (20%) входили лица с высоким образовательным уровнем, ее назвали "интеллектуалы". Лица, входящие в последнюю группу (26%), оказались большими любителями релаксации (развлечений). Они получили низкую оценку по социальной шкале, и были названы "беглецами" (от действительности). Чтобы привлечь отпускников в каждый из сегментов, разработали специальные маркетинговые стратегии.

• Понимание поведения покупателей. Кластерный анализ используется для идентификации однородных групп покупателей. Затем поведение каждой группы при покупке товара изучается отдельно, как, например, в проекте "Выбор универмага". В этом случае респондентов разбили на группы, исходя из оценок важности, которую они присвоили каждому критерию, используемому для выбора универмага. Кластерный анализ также использовали, чтобы определить виды стратегий, применяемых покупателями автомобилей для получения внешней информации.

• Определение возможностей нового товара. Кластеризацией торговых марок и товаров можно определить конкурентоспособные наборы в пределах данного рынка. Торговые марки в одном и том же кластере конкурируют более жестко между собой, чем с марками других кластеров. Фирма может изучить свои текущие предложения в сравнении с предложениями своих конкурентов, чтобы определить потенциальные возможности новых товаров.

• Выбор тестовых рынков. Группировкой городов в однородные кластеры можно подобрать сравнимые города для проверки различных маркетинговых стратегий.

• Сокращение размерности данных. Кластерный анализ можно использовать как основной инструмент сокращения размерности данных при создании кластеров или подгрупп данных, более удобных для анализа, чем отдельные наблюдения. Последующий многомерный анализ выполняют над кластерами, а не над отдельными наблюдениями. Например, чтобы описать отличия в поведении потребителей по отношению к товарам, их вначале разбивают на группы. Затем различия между группами проверяют с помощью множественного дискриминантного анализа

Важно отметить еще одну особенность применения кластерного анализа в сегментировании. Кластерный метод призван выделять группы из исходного множества объектов. Результатом его применения всегда является некоторый набор групп объектов. Однако получаемое разбиение может и не соответствовать гипотезе аналитика о существовании «реальной» сегментной структуры. Поэтому при применении кластерного анализа аналитик вынужден проводить многочисленные эксперименты, позволяющие совместить его представление о реальной структуре рынка с конкретными вычисляемыми результатами. Выделяемые реальные группы объектов позволяют аналитику убедиться в правильности своих представлений о сегментной структуре рынка.

Теория Выбор переменных

Возможно, самая важная часть формулирования проблемы кластеризации - это выбор переменных, на основе которых проводят кластеризацию. Включение даже одной или двух посторонних (не имеющих отношение к группированию) переменных может исказить результаты кластеризации. Задача состоит в том, чтобы выбранный набор переменных смог описать сходство между объектами с точки зрения признаков, имеющих отношение к данной проблеме маркетингового исследования. Переменные следует выбирать, исходя из опыта прошлых исследований, теории или тестируемой гипотезы. Экспериментатор должен обладать интуицией и уметь делать выводы.

Нормирование значений переменных

Смысл нормирования состоит в приведении численных значений выбранных переменных к одному масштабу. Методика нормирования была рассмотрена выше.

Измерение расстояний или меры близости между объектами

Цель кластеризация - группирование схожих объектов. Поэтому для того чтобы оценить, насколько они похожи или непохожи, необходимо использовать некую единицу измерения. Наиболее распространенный метод заключается в том, чтобы в качестве такой меры использовать расстояния между двумя объектами. Объекты с меньшими расстояниями между собой больше похожи, чем объекты с большими расстояниями.

Выбор метрики зависит от главных целей исследования, физической и статистической природы изучаемых явлений. Существует несколько способов вычисления расстояния между двумя объектами, из них наиболее распространенные на пример:

· Евклидова – расстояние

(x,y) = {

_i (x_i - y_i)² }^1/2

· Квадрат евклидова расстояния – расстояние

(x,y) =

_i |x_i - y_i|

· Расстояние Чебышева –

расстояние(x,y) = Максимум |x_i - y_i|

Регрессионный анализ - Регрессионный анализ - статистический метод, предназначенный для оценки влияния различных факторов на результат эксперимента, прогноза неизвестных значений зависимой переменной.

Примеры использования дисперсионного анализа в практике маркетологов:

■ Можно ли вариацию в объеме продаж объяснить расходами на рекламу"

■ Какова форма этой зависимости и можно ли ее выразить в виде уравнения, описывающего прямую линию"

■ Какую долю вариации объема продаж можно объяснить расходами на рекламу, ценами и дистрибуцией?

■ Чему равен вклад расходов на рекламу в объяснении вариации объема продаж при контролируемых переменных - уровнях цен и распределения?

■ Какие объемы продаж можно ожидать, исходя из данных уровней расходов на рекламу, цен и уровня распределения?

Регрессионная модель имеет вид –

y_i= ƒ (x) + ε = θ₀ +θ₁x_i+ ε_i

где

y_i- зависимая переменная;

x_i- независимая переменная (фактор);

θ₀, θ₁ - параметры функции регрессии;

ε_i- случайная переменная, характеризующая отклонение от функции регрессии. Таким образом, переменная y_iесть линейная функция от переменной x_iс точностью до случайного возмущения ε_i.