Проекты описательных исследований

Проекты описательных исследований

 

Большое количество маркетинговых исследований может рассматриваться как описательные исследования, которые используются в следующих целях:

1) Для описания характеристик  определенных групп. Например, основываясь на информации, собранной у покупателей конкретной продукции, можно составить профиль «среднего покупателя» в отношении дохода, пола, возраста, уровня образования и т.д.

2) Для оценки генеральной совокупности  людей какой-то особой группы, которые ведут себя каким-то определенным образом. Например, оценка генеральной совокупности людей в пределах территории определенного радиуса вокруг предполагаемого торгового комплекса, которые будут делать покупки именно в этом центре.

3) Для разработки специализированных  прогнозов. Например, прогноз уровня объема продаж на каждый из следующих пяти лет, ориентируясь на который можно планировать прием на работу и обучение торговых работников.

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. Данные исследования не дают ответа на вопросы, начинающиеся со слова «почему». (Почему возрос объем продаж после проведения рекламной кампании?) Ответы на подобные вопросы получают при проведении казуальных исследований.

Сбор данных должен быть отложен до того пока не будет определено, каким образом данные будут анализироваться. В идеале, до начала процесса сбора данных должен быть подготовлен набор макетов таблиц.

Макет таблиц – это таблица, которая используется для каталогизации собираемых данных. Она показывает, как будет структурирован анализ и как он будет проводиться. Законченная во всех отношениях, кроме заполнения цифрами, она включает в себя название, заголовки шапки и специальные категории переменных, образующих таблицу.

Приведем пример таблицы, которая представляет собой макет, которым мог бы воспользоваться магазин, специализирующийся на товарах для женщин, решив исследовать, принадлежат ли его покупательницы к какой-то одной возрастной группе и, если это так, каким образом эта группа отличается от покупательниц, часто наведывающихся в магазины конкурентов.

 

Таблица 1

Возраст, лет	Предпочтение магазинов по возрастам
	Предпочтение А	Предпочтение В	Предпочтение С
Менее 30
30-39
40 и более

 

В таблице перечислены конкретные возрастные сегменты, по которым заказчик исследования желает провести сравнение. Важно, чтобы еще до того, как приступить к сбору данных, были точно специфицированы подлежащие исследованию переменные и категории. Статистические проверки, которые будут использоваться для раскрытия взаимосвязи между возрастом покупательниц и предпочтением магазинов, также должны быть определены до начала сбора данных.

На рис. 1 представлены различные типы описательных исследований.

 

 

 

 

 

 

Рис. 1. Классификация описательных исследований

 

При описательных исследованиях используются методы анализа поперечных сечений изучаемых процессов и методы исследования их траекторий (временные ряды).

Обычно исследование поперечного сечения сопряжено с изучением выборки элементов из представляющей интерес генеральной совокупности. Например, если генеральной совокупностью исследования являются едоки горячих сосисок, то в число элементов выборки могут входить активные едоки, умеренные едоки или люди, которые едят горячие сосиски только на городских праздниках. Большинство характеристик этих членов выборки измеряется всего один раз. Выборочным членам могут задаваться вопросы, например об их возрасте, поле, доходе и образовании.

Таким образом, исследование поперечного сечения – это исследование, сопряженное с изучением выборки элементов, отбираемых из представляющей интерес генеральной совокупности, замеры которой осуществляются в единственной точке времени.

Исследование временного ряда – это исследование, сопряженное с изучением постоянной выборки элементов, замеры которой повторяются с течением времени.

Исследование временного ряда (траектории) сопряжено с использованием списка, представляющего собой фиксированную выборку элементов. Элементами могут быть магазины, дилеры, индивиды или другие объекты. Список или выборка остается относительно постоянной во времени, однако в него могут добавляться члены взамен тех, кто выбывает, или для поддержания представительности выборки. Выборочные члены списка подвергаются замерам снова и снова в отличие от единовременного замера в случае изучения поперечного сечения.

Анализ временного ряда

Рассмотрим временные ряды. При анализе временного ряда существуют два типа списков:

• подлинные списки;
• всеобъемлющие списки.

Подлинный список – это фиксированная выборка респондентов, в которой замеры в отношении одних и тех же переменных повторяются с течением времени.

При использовании подлинных списков, которые хронологически старше, полагаются на повторяемые измерения одних и тех же переменных. Например, компания Nielsen поддерживает общенациональный список из 40000 домохозяйств в качестве базиса для своей службы. Включенные в список домохозяйства пользуются ручными сканерами для регистрации каждой произведенной покупки. Люди проводят сканерами по универсальным штрих-кодам на упаковках приобре6тенных товаров, а затем по подсказкам сканера отвечают на запрограммированный набор вопросов (например , о магазине, стоимости покупки и т.д.). При этом каждый член подобного списка каждый раз измеряется в отношении одних и тех же характеристик – покупок.

Всеобъемлющий список – это фиксированная выборка респондентов, подвергающихся повторным измерениям с течением времени, но в отношении меняющихся от измерения к измерению переменных. Информация, собираемая от выборочных членов такого списка, меняется. В одном случае это может быть их отношение к новому товару; в другом – членов списка могут попросить оценить альтернативный вариант рекламы. В каждом случае выборка может назначаться из более многочисленной группы, которая сама является выборкой из генеральной совокупности. Вторичная выборка может определяться случайным образом, однако лучше, если из общего списка будут отбираться его представители с желательными характеристиками. Например, Parker Pen Company поддерживает список из 1100 человек, которые были выбраны, так как они проявили определенный интерес к письменным принадлежностям и, что сами выразили желание стать членами списка. Если новым пишущим инструментом является авторучка, для тестирования новой продукции компания остановит выбор на тех, кто предпочитает именно авторучки. И сам выбор, и характер информации, которую предполагается найти, будут меняться от программы к программе.

Подлинный анализ временных рядов может выполняться только на данных первого типа (подлинный список), повторных измерениях одних и тех же переменных для одних и тех же объектов времени. Для этого анализа используется метод поворота таблиц. Переворот таблицы может использоваться только когда индивиды и переменные сохраняются во времени постоянными. Покажем на примере.

Предположим, что список, который генерирует данные о покупках потребителей, состоит из 1000 человек. Проанализируем объемы покупок стирального порошка «марки А». У этого товара есть два главных конкурента «марка В», «марка С». Существует ряд менее солидных конкурентов, которых вместе классифицируем как «марка Д». Недавно изменили упаковку товара «А» и теперь необходимо проанализировать воздействие новой формы упаковки на объем продаж. Рассмотрим предпочтения «марки А» до изменения (период времени t1) и после изменения формы упаковки (период времени t2). Все расчеты представим в виде таблицы 2.

 

Таблица 2

Покупаемая марка	В первый период времени (t1)	Во второй период времени (t2)
А	200	250
В	300	270
С	350	330
Д	150	150
Всего	1000	1000

 

Они показывают, что изменение упаковки оказалось успешным. Рыночная доля «марки А» возросла с 20 до 25% и скорее всего за счет двух своих главных конкурентов, рыночные доли, которых снизились. Однако это не вполне точная картина, произошедших на рынке изменений. Рассмотрим происходящее, когда при оценке воздействия изменения упаковки будет поддерживаться идентичность членов выборки. Поскольку изменения повторяются на одних и тех же индивидах, можно подсчитать количество семей, покупавших «марку А» в тот и другой период времени, покупавших В,С и прочие марки в оба периода, а также переключившихся во втором периоде на приобретение другой марки. Допустим, что результат такой табуляции дает табл. 3, которая представляет собой матрицу лояльности маркам и включает в себя ту же информацию, что и табл. 2.

 

Таблица 3

		Во второй период времени t2
		Купили А	Купили В	Купили С	Купили Д	Всего
В первый период времени t1	Купили А	175	25	0	0	200
	Купили В	0	225	50	25	300
	Купили С	0	0	280	70	350
	Купили Д	75	20	0	55	150
	Всего	250	270	330	150	1000

 

То есть по ней видно, что 200 семей или 20% приобретали «марку А» в период t1, тогда как 250 семей или 25% делали то же самое в период t2. Но табл. 3 также показывает, что товар А добился увеличения рыночной доли не за счет марок В и С, как можно было первоначально предполагать, а благодаря привлечению нескольких семей, которые прежде покупали стиральные порошки прочих марок. 75 семей переключились с приобретения «марки Д» в период t1 на покупку товара А в период t2. Кроме того из таблицы видно, что за период между изменениями «марка А» потеряла некоторых своих приверженцев, 25 семей переключились с приобретения товара А в период t1 на покупку товара В в период t2.

Табл. 3 позволяет также рассчитать приверженность марке. Например, по товару А: 175 из 200 семей (87,5%) тех, кто покупал «марку А» в период t1, остались ему «верны» (приобрели снова) в период t2. поделив содержимое каждой ячейки на суммы по строкам или итоги предыдущего периода, можно оценить эти приверженности маркам, а также более рельефно увидеть основные изменения, которые произошли на рынке. Табл. 4 показывает результаты расчетов приверженности маркам.

 

Таблица 4

		Во второй период времени t2
		Купили А	Купили В	Купили С	Купили Д	Всего
В первый период времени t1	Купили А	0,875	0,175	0,00	0,000	1,000
	Купили В	0,000	0,750	0,167	0,083	1,000
	Купили С	0,000	0,000	0,800	0,200	1,000
	Купили Д	0,500	0,133	0,000	0,367	1,000

 

По результатам таблицы видно, что из трех главных марок «марка А» продемонстрировала наибольшую покупательскую приверженность, а «марка В» - наименьшую. Это важно знать, т.к. такая информация показывает, понравилась ли семьям та или иная марка после того, как они ее проверили. Вопрос о том, можно ли сделать вывод, что решение тех, кто переключился с прочих марок на «марку А», было стимулировано изменением формы упаковки, остается открытым. Здесь же следует подчеркнуть, что анализ матрицы лояльности марок может быть выполнен, только когда выполняются повторяемые во времени измерения одних и тех же переменных для одних и тех же объектов. Он не применим ни к данным всеобъемлющих списков, измеряемые переменные которых постоянно меняются, ни в исследованиях поперечных сечений, даже если во внимание принимается выборки для сечений, следующих одно за другим.

Преимущества анализа временных рядов состоит в том, что:

1) При исследовании можно определять эффект какого-то изменения на конкретную маркетинговую переменную. Если бы для изучения изменения какой-то конкретной переменной использовались две разные группы, осталось бы неясным, имела место вариация данных вследствие изменения этой маркетинговой переменной или они возникли из-за различий этих двух групп.

2) Списки представляют  наилучший формат для сбора  классификационной информации, такой как доходы, возраст, уровень образования и род занятий. А такая информация дает возможность проведения более тонкого анализа результатов исследований.