- •Тема 10. Описательный анализ. Базовые методы анализа маркетинговой информации
- •10.1. Вариационный ряд: характеристика распределения данных
- •10.2. Обобщающие показатели: интерпретация типических значений. Среднее. Медиана. Мода. Перцентили. Квартили. Блочная диаграмма
- •10.3. Показатели вариации. Размах вариации. Межквартильный размах
- •10.4. Стандартное отклонение. Коэффициент вариации
- •10.5. Понятие «статистическая гипотеза»
- •Тема 11. Дисперсионный и ковариационный анализ
- •11.1. Процедура выполнения однофакторного дисперсионного анализа
- •11.2. Ковариационный анализ. Условия применения ковариационного анализа. Ковариата
- •Тема 16. Многомерное шкалирование
- •16.1. Пространственные карты. Использование многомерного шкалирования в маркетинге
- •16.2. Порядок выполнения многомерного шкалирования
- •1. Формулирование проблемы.
- •2. Получение исходных данных.
- •3. Выбор метода.
- •4. Принятие решения о числе размерностей.
- •5. Обозначение размерностей и интерпретация конфигурации точек на пространственной карте.
- •6. Оценка достоверности и надежности.
- •Тема 17. Совместный анализ
- •17.1. Совместный анализ как метод количественной оценки важности одной характеристики по сравнению с другой
- •17.2. Использование совместного анализа для разработки нового продукта
- •1. Формулирование проблемы.
- •2. Построение объектов.
- •3. Решение о форме представления данных.
- •4. Выбор метода совместного анализа.
- •5. Интерпретация результатов.
- •6. Оценка надежности и достоверности.
- •17.3. Выбор атрибутов
- •Тема 18. Подготовка отчета о результатах маркетингового исследования
- •18.1. Функция отчета о маркетинговом исследовании. Структура отчета
- •18.2. Устная презентация. Учет состава и цели аудитории. Структурирование презентации
- •18.3. Использование визуальных средств. Вопросы достоверности и надежности
5. Интерпретация результатов.
Для интерпретации результатов целесообразно строить графики функций полезности.
6. Оценка надежности и достоверности.
Существует несколько методик для оценивания надежности и достоверности результатов совместного анализа:
• Необходимо определить критерий соответствия (подгонки) вычисленной модели исходным данным. Например, если используют регрессионный анализ с фиктивной переменной, то значение R2 покажет степень соответствия подобранной модели исходным данным. Модели с низким значением критерия соответствия вызывают подозрение.
• Надежность «проверки-повторной проверки» можно вычислить, получив позже в наборе данных несколько дублирующих суждений респондентов об объекте. Другими словами, на последнем этапе интервью респондентов просят оценить снова (повторно) определенные выбранные объекты. Для того чтобы вычислить надежность «проверки-повторной проверки», два значения этих объектов сопоставляют.
• Значения объектов из набора вычисления и набора проверки достоверности можно вычислить, определив функции полезности. Затем, чтобы определить внутреннюю достоверность результатов анализа, эти предсказанные значения можно сопоставить с оценками, полученными от респондентов.
• Если анализ выполняли на агрегатном уровне, то можно несколькими способами разделить выборку вычисления и провести совместный анализ для каждой подвыборки. Затем сравнить результаты, полученные по всем подвыборкам, и оценить стабильность решений совместного анализа.
17.3. Выбор атрибутов
Атрибутивный уровень или уровень характеристики указывает на значение данной характеристики. С теоретической точки зрения выбранные характеристики должны быть явно выраженными, вносить основной вклад в предпочтения и выбор потребителей. Например, при выборе марки автомобиля в характеристики следует включить цену автомобиля, расход бензина на определенное количество километров пути, объем салона автомобиля и т.п. С точки зрения менеджмента, характеристики и их уровни должны быть такими, чтобы их можно было контролировать и ими управлять. Маркетологи могут определить интересующие их характеристики в ходе встреч с менеджментом и отраслевыми экспертами, анализа вторичных данных, качественного исследования и предварительного сбора информации. Как правило, исследование с применением совместного анализа включает шесть или семь характеристик объекта.
После определения характеристик следует выбрать подходящие уровни. Их число определяет число оцениваемых параметров, а также влияет на число объектов, которые будут оцениваться респондентами. Чтобы облегчить задачу, стоящую перед респондентами, и при этом оценивать параметры с достаточной точностью, желательно ограничить число уровней.
Функции полезности или частной ценности для уровней характеристики могут оказаться нелинейными. Например, потребитель предпочитает средний по размеру автомобиль маленькому или большому автомобилю, Аналогично и функция полезности для цены может носить нелинейный характер. Потеря полезности при переходе от дешевого автомобиля к автомобилю средней цены может быть намного меньше, чем потеря полезности при переходе от автомобиля средней цены к дорогому. В этих случаях используют, по крайней мере, три уровня. Для некоторых характеристик естественно наличие двух уровней - автомобиль может иметь или не иметь люк в крыше. Выбранные атрибутивные уровни влияют на процесс оценивания потребителями автомобилей. Если цены на автомобиль данной торговой марки составляют 10, 12 и 14 тысяч долларов, то цена является относительно незначимым фактором. С другой стороны, если цена варьирует от 10, 20 и далее до 30 тысяч долларов, то она будет важным фактором. Значит, исследователь должен учитывать атрибутивные уровни, превалирующие на рынке, и цели проводимого исследования. Использование атрибутивных уровней, не отражающих истинную рыночную картину, снизит достоверность оценок, но увеличит точность, с которой будут оценены параметры. В качестве главного правила стоит запомнить, что выбирать атрибутивные уровни надо так, чтобы их диапазоны были несколько шире, чем диапазоны, преобладающие на рынке, но не настолько большие, чтобы неблагоприятно воздействовать на достоверность результатов оценки.