13.2. Методы, основанные на анализе фактических данных о покупках

Делать выводы относительно чувствительности покупателей к уровням цен проще всего на основе данных о продажах в прошлом. К сожалению, ценность таких выводов умаляется их «историческим» характером, сильно снижающим пригодность подобной информации при принятии решений о поведении в будущем. А именно к этому типу относятся решения относи­тельно уровня цены на новый товар или изменения цены на товар уже продаваемый.

Но очевидно, что полной сопоставимости данных здесь быть не может. И максимум, что исследователи способны сделать, — это предположить, что покупатели будут реагировать так же, как они в прошлом реагировали на изменения цен товаров, которые в их глазах являются аналогами. На том же принципе аналогии строятся и ценовые прогнозы, когда оценка возмож­ных результатов крупномасштабного изменения цен основы­вается на данных о реакции покупателей на небольшие коле­бания цен. Конечно, если нет иной альтернативы для оценки чувствительности покупателей к ценам, то можно воспользо­ваться и такими методами, но надо понимать, что достоверность опирающихся на них выводов будет невысока.

Разработка прогнозов экономических последствий измене­ний цен на базе данных о продажах в прошлом позволяет

получить надежные выводы лишь в том случае, если намечаемые изменения цен сходны с теми, что практиковались в прошлом и явились основой формирования такого рода исторических данных. Это вполне реальная ситуация, когда мы рассматри­ваем, например, всякого рода сезонные или окказиональные (т. е. приуроченные к определенному типу событий, оказии) изменения цен. Скажем, если ежегодно в разгар лета фирма, торгующая овощами и фруктами, вводит скидки на свои то­вары, то данные о приросте продаж после введения таких ски­док в прошлые годы могут обеспечить более или менее досто­верные прогнозы и при оценке выгоды от их введения в те­кущем году.

К сожалению, как было верно подмечено еще в древности, «в одну реку нельзя войти дважды», и потому даже в таких ситуациях абсолютно достоверных прогнозов быть не может. Это порождается изменениями, происходящими год от года (сезон от сезона) в таких условиях реализации коммерческой, и в частности ценовой, политики фирмы, как:

1) текущее количество конкурирующих фирм и торговых марок;

2) масштабы и дата самого недавнего изменения цен кон­курентами;

3) масштабы и эффективность рекламной кампании каждой из конкурирующих марок (фирм);

4) макроэкономическая ситуация в стране.

Существование таких изменений приводит к тому, что те­кущий рынок в текущем сентябре оказывается не совсем тем же, что рынок, скажем, в сентябре прошлого года.

Бизнес-ситуация' 13.1

Например, российский маркетолог, который попытался бы осенью 1996 г. сделать некоторые оценки возможного влияния изменения цены на сбыт определенной марки мо­ниторов для персональных компьютеров, опираясь на данные о продажах в аналогичный период 1995 г., неизбежно столк­нулся бы со значительными трудностями. Даже если бы он мог собрать информацию об объемах продаж мониторов раз­личных марок и сопоставить объемы продаж аналогичных по техническим свойствам мониторов с уровнями их цен, то сделать достоверные выводы на будущее он бы все равно не смог.

Дело в том, что (даже если абстрагироваться от разницы в макроэкономической ситуации осени 1995 и 1996 гг.), си-

туация на рынке изменилась принципиально в силу перехода покупателей к новой модели формирования парка своего компьютерного оборудования. Если в 1995 г. и начале 1996 г. преобладали продажи полностью укомплектованных компь­ютеров, то к осени 1996 г. все более частыми стали обо­собленные покупки системных блоков и мониторов, т. е. про­изошла дифференциация рынка. А потому статистика продаж мониторов в 1995 г. оказывается совершенно непригодной для формирования оценок относительно возможного изме­нения продаж мониторов в 1996 г. при той или иной кор­ректировке их цен.

И потому, даже если фирма предлагает на рынок тот же товар, что в прошлом году, и намечает аналогичные прошло­годним изменения его цен, итогом может оказаться сущест­венно иной масштаб изменения продаж. К тому же на все это накладываются происходящие год от года изменения в харак­тере и масштабах рекламной кампании самой фирмы, разви­тости ее сбытовой сети, методах организации деятельности. И все это приводит к тому, что становится крайне трудно вы­членить из общей динамики продаж влияние именно изменений цен.

Помня все это, проанализируем теперь три типа аналити­ческих процедур, которыми могут пользоваться маркетологи при оценке чувствительности покупателей к уровням цен опре­деленных товаров.

I. Исследование агрегированных данных о продажах, т. е. об­работка и анализ сводной информации о динамике продаж товаров определенной марки, полученной либо из собственной отчетности фирмы, либо из баз данных, формируемых специ­альными службами изучения рынка.

Речь идет о тех данных, которые регулярно накапливаются в бухгалтерии фирмы и служат поэтому наиболее доступным и дешевым источником сведений о продажах тех товаров, ко­торые уже некоторое время предлагаются на рынок. Вместе с тем у такого рода информации имеются существенные недо­статки, о которых маркетолог не может забывать:

1) периодичность, т.е. сбор и обработка данных о продажах осуществляются, как правило, лишь раз в месяц или даже квар­тал. Некоторое изменение в эту ситуацию вносит лишь появ­ление штрих-кодов и компьютеризованных касс, что в прин­ципе позволяет перейти к ежедневному сбору и анализу данных. Однако и в практике фирм развитых стран это пока что но­

винка. Тем более малореальной пока выглядит эта возможность для маркетологии России, где еще пока продолжается борьба за установку кассовых аппаратов как таковых, а штрих-коди­рование делает лишь первые шаги (например, даже в Москве решением городских властей оно станет обязательным лишь с 1998 г.);

2) большинство фирм продают свои товары не напрямую конечному покупателю, а через посредников. Но в этом случае статистика продаж фактически представляет собой лишь свод данных об отгрузке товаров торговым посредникам, но не ре­альных продаж. Чтобы преодолеть этот недостаток, надо на­кладывать на статистику отгрузки статистику погашения деби­торской задолженности, что делает задачу формирования ин­формационной базы ценовых расчетов крайне сложной.

Но чем дольше продолжается процесс сбора базы данных о прошлых продажах, тем менее надежной основой для выводов о будущем она становится. Причина этому — возрастающая возможность того, что на динамику объемов покупок большее влияние станут оказывать факторы иные, чем цены (как в приведенной выше бизнес-ситуации 13.1). И тогда исследова­тель рискует попасться в известную ловушку: чем больше вре­мени необходимо для сбора данных, тем больше параметров исследуемой ситуации изменяется, а это требует сбора допол­нительных данных. И тогда процесс формирования надежной базы для расчетов становится бесконечным;

3) агрегированность, т.е. сводный (а потому неизбежно как бы усредненный) характер данных. Это особенно существенно для средних и крупных фирм, которые ведут продажу своих товаров в различных регионах или через различных торговых посредников (особенно если последние обладают правом варь­ировать цены конечных продаж в достаточно большом диапа­зоне). В результате в один и тот же период времени на рынке могут существовать достаточно различающиеся уровни цен на один и тот же товар и соответствующие им объемы покупок. Например, в сентябре 1996 г. в Москве монитор фирмы «Сам-сунг» марки 17" Sync Master GLsi можно было приобрести по цене и 825, и 920 долл.¹

Таким образом, разница в цене составляла более 11%, что, естественно, сказывалось на объемах продаж отдельными фир­мами. Но при использовании агрегированных данных аналитик

Экстра-М. 1996. 21 сент. С. 52, 55.

вынужден был бы оперировать лишь средневзвешенной ценой продаж этих мониторов в Москве (на уровне, скажем, 860 долл.). А значит, выводы, которые бы он сделал на этой основе, были бы столь же близки к реальной чувствительности покупателей к ценам мониторов «Самсунг», как оценка здо­ровья пациентов больницы на основе информации о средней температуре всех находящихся в ней на излечении.

Поэтому информационная ценность агрегированных данных всегда ниже, чем "индивидуальных рядов, характеризующих про­дажи данного товара в одном конкретном магазине.

Особенно дезориентирующим может быть использование аг­регированных данных при оценке чувствительности к ценам тех покупателей, которые приобретают продукцию промыш­ленного назначения. Здесь на формирование рыночной ситу­ации накладывается еще один, весьма мощный фактор — про-изводность спроса. Она связана с тем, что спрос на такую продукцию прямо определяется спросом на конечные изделия, для изготовления которых она приобретается.

И если изготовители промежуточной продукции начинают делать выводы о чувствительности покупателей к тем или иным элементам своей маркетинговой политики на основе лишь соб­ственных данных о прошлых продажах, ценах, затратах на ре­кламу и т. п., то они рискуют прийти к выводам ошибочным. Причиной окажется неучет данных о динамике продаж на рын­ках следующего уровня, которые неспециализированной фирме собрать крайне трудно.

Вышесказанное не следует понимать как рекомендацию во­обще не пользоваться агрегированными данными о продажах при оценке чувствительности покупателей к ценам. Такой ана­лиз может быть полезен как источник дополнительной инфор­мации. Важно лишь помнить описанные выше его слабости и не позволять экономико-статистическим расчетам (внешне вполне строгим) стать единственной основой принятия марке­тинговых решений.

II. Изучение панельных данных, т. е. информации о динамике покупок специальным образом отобранной группы покупателей (покупательской панели).

Для некоторых типов товаров изучение рынка, и в частности чувствительности покупателей к ценам, может быть проведено на куда более надежной основе — по итогам постоянного об­следования репрезентативной группы покупателей. Размер та­кой панели может варьироваться в достаточно большом диа­пазоне, доходя иногда до нескольких тысяч семей (к этому

близка, скажем, панель, с помощью которой Госкомстат России изучает закономерности формирования семейных бюджетов граждан страны). Все семьи, включенные в панель, за опре­деленную плату ведут ежедневный учет всех своих покупок (с указанием марки и цены приобретаемых товаров и объема по­купки). Затем с той или иной периодичностью (например, еже­недельно или 2 раза в месяц) такие данные агрегируются и направляются для изучения.

Панель покупателей — отобранная на основе статисти­ческих процедур репрезентативная группа покупателей, которые за плату или бесплатно ведут ежедневный пол­ный учет всех своих покупок и предоставляют инфор­мацию об этом статистическим органам или исследо­вательским фирмам.

При корректном формировании панели и хорошо органи­зованном сборе и обработке получаемой с ее помощью ин­формации, она становится источником данных, обладающих рядом существенных достоинств:

во-первых, при обработке информации еженедельно или раз в две недели появляется возможность проводить анализ рынка более оперативно. Тем самым ослабляется искажающее влияние прочих факторов формирования спроса;

во-вторых, появляется возможность ближе подойти к оценке влияния на спрос фактических цен покупки в различных ма­газинах (регионах), а при определенной постановке обследо­ваний — выявить и покупки, явившиеся следствием введения, например, определенного типа скидок (скажем, на основе предъявления все шире распространяющихся в России купо­нов);

в-третьих, если покупатели фиксируют не только тип, но и марку покупаемых товаров, то становится возможным сопо­ставление реакции покупателей на разницу в соотношениях «цена/полезность» по товарам различных марок;

в-четвертых, можно вести анализ информации о покупках и чувствительности покупателей к ценам в увязке с демогра­фическими и иными характеристиками совокупности покупа­телей. А это дает более объективные основания для выработки политики сегментации рынка и соответствующей корректиров­ки рекламной и ценовой политики фирмы.

К сожалению, достоинства покупательской панели тесно со­седствуют с ее недостатками. Главный из них — возможная нерепрезентативность выборки покупателей, т. е. отличие ха-

рактеристик поведения ее участников от типового поведения основной массы покупателей. Здесь легко просматривается ана­логия с методами испытаний, применяемыми в технике, когда определить предел прочности материала можно, лишь разрушив его. То же самое происходит и с покупательской панелью, причем это обусловлено двумя причинами.

Во-первых, далеко не каждый покупатель соглашается стать участником таких регулярных обследований (обычно принима­ют такое предложение и регулярно ведут учет покупок не более 5% семей). А значит, панель неизбежно формируется из наи­более сознательных и педантичных покупателей, модели пред­почтений которых могут быть отличны от основной массы на­селения.

Во-вторых, сама необходимость для участников панели фик­сировать цены своих покупок делает их более внимательными к этим ценам, а значит, что подтверждают специальные пси­хологические тесты, и более чувствительными к их уровням. Причем с увеличением стажа участия в панели этот эффект возрастает. В итоге опять-таки возникает определенное дефор­мирование информации.

Ослабить такие деформации поведения в принципе возмож­но, хотя это требует достаточно высокого технического уровня организации торговли. Речь идет о том, что объективность дан­ных можно повысить, если:

1) кассовые узлы в магазинах компьютеризованы;

2) для покупателей—членов панели введены специальные расчетные карточки;

3) покупатели осуществляют покупки только в специально отобранных магазинах, откуда информация о покупках «па­нельных» покупателей поступает в аналитическую фирму.

При такой организации работы можно и повысить степень охвата покупателей, и устранить эффект повышенной чувстви­тельности к ценам.

Конечно, такая высокотехничная организация панельных ис­следований для России — дело будущего, но сама работа по созданию покупательских панелей, несомненно, может стать одним из важнейших направлений деятельности возникающих сейчас в нашей стране маркетинговых фирм. Тем более что определенный опыт таких исследований у отечественных спе­циалистов имеется. В свое время такого рода панели успешно создавались и использовались Всесоюзным институтом конъ­юнктуры и спроса (ВНИИКСом) при Министерстве торговли СССР.

Конечно, наиболее успешно материалы панельных обследо­ваний могут использоваться при оценке чувствительности по­купателей к ценам часто приобретаемых товаров, т. е. преиму­щественно продовольственных товаров и некоторых промыш­ленных товаров (бытовая химия, парфюмерия и т. п.).

III. Анализ данных, полученных при обследовании магазинов, т. е. информации, собранной в специальным образом отобран­ном магазине (или ином центре продаж).

Особенно широко этот метод исследования стал распро­страняться в последнее десятилетие, когда на товарах появились штрих-кодовые ярлыки, а в магазинах — кассовые сканеры, считывающие информацию с этих ярлыков. В этих условиях информацию о динамике покупок можно можно получать с любой детализацией и высокой частотой (практически еже­дневно).

Конечно, у такого метода есть и свой недостаток: нельзя гарантировать демографическую и экономическую репрезента­тивность той совокупности покупателей, которая посещает вы­бранный для исследований магазин. А значит, снижается до­стоверность выводов, которые на основе такого обследования делаются применительно ко всей (генеральной) совокупности покупателей.

Если говорить о методике обработки и анализа данных, по­лученных одним из трех описанных выше методов, то обычно она основывается на построении регрессионных уравнений и оценке значений их коэффициентов. Этот метод позволяет определить, в какой мере изменения в объемах продаж могут быть отнесены на счет того или иного фактора, включенного в регрессионную модель.

Бизнес-ситуация 13.2

В качестве примера типичного маркетингового исследо­вания чувствительности покупателей к уровню цен (эластич­ности спроса по цене) можно привести работу, выполненную американскими исследователями Рокни Г. Уолтерсом (Уни­верситет Индианы, Блумингтон) и Уильямом Боммером (Уни­верситет Южного Иллинойса, Эдвардсвилль) и опубликован­ную в «Journal of Business Research» (1996. № 36. Pp. 203— 216).

Они ставили своей задачей исследовать совместное вли­яние на объемы продаж таких факторов, как: 1) доля оп­ределенной торговой марки в общем объеме продаж; 2) цена товаров определенной марки; 3) геометрические размеры продукта; 4) место, занимаемое товаром данной марки на полке магазина; 5) тип торговой марки (общенациональная,

местная, данной торговой сети). При этом особое внимание было уделено исследованию проблемы совпадения эластич­ности спроса по цене применительно к' регулярным и ре­кламным ценам, т. е. соответственно к ценам, по которым постоянно ведется продажа товаров данной марки, и к тем, которые используются в период вывода этого товара в про­дажу, когда он еще является новинкой.

Основой для проведения обследования послужили данные о еженедельных продажах, ценах и деятельности в области про­движения товаров на рынок («промоушн») в течение 52-не-дельного периода с апреля 1990 г. по апрель 1991 г. по товарам 302 марок. При этом в основу анализа данных была положена следующая модель:

. ^—ж-fe-S^^^

где (?i — объем товаров определенной категории (по всем мар­кам), проданных в период времени /; RPu — цена товаров марки i, относящихся к данной категории, в период обычных (нерекламных) продаж /; DPu — цена товаров марки /, отно­сящихся к данной категории, в период рекламных продаж /;

RPjt — цена товаров марки j, относящихся к данной категории, в период обычных (нерекламных) продаж /; DPjt — цена товаров марки у, относящихся к данной категории, в период рекламных продаж /. Величины pi;, р2<, yv ^и г-Д- представляют собой оце­ниваемые коэффициенты.

В результате авторами были определены, например, следу­ющие коэффициенты эластичности спроса по ценам, исполь­зуемым в период вывода товара на рынок (в целом для товарной группы):

Молочные/охлажденные продукты ........ 0,08

Консервы .................... 0,20

Готовые завтраки ................ 0,05

Полуфабрикаты ................. 0,17

Писчебумажные товары .............. 0,14

Соки в бутылках ................. 0,12

Использование методов регрессионного анализа может по­родить у самих исследователей и менеджеров фирм, которые такие работы заказывают, ощущение точного знания, т. е. как бы абсолютно надежной и достоверной базы для принятия ценовых или иных маркетинговых решений. Между тем более глубокое знакомство с основами математической статистики позволяет обнаружить, что полученные результаты в немалой

мере зависят от принятых исследователями исходных предпо­сылок, и прежде всего формы регрессионной зависимости, ис­пользуемой как исходная модель. И если исследователь изна­чально неверно задал математическую форму зависимости меж­ду ценой и продажами, то степень достоверности его выводов будет низкой.

Кроме того, выводы регрессионного анализа можно считать достоверными лишь в пределах того диапазона значений пе­ременных, который был использован в ходе анализа. Нет ни­каких оснований полагать, что эти закономерности сохранятся за пределами таких диапазонов. И наконец, мы должны по­мнить, что любая регрессионная модель описывает связи, сло­жившиеся в прошлом, но не может считаться абсолютно на­дежной моделью для прогнозирования. Чем в большей мере внешние параметры будущей ситуации могут отличаться от их значений в прошлом, тем менее надежными будут прогнозы на основе регрессионньк моделей.

Вышесказанное ни в коем случае не следует трактовать как призыв отказаться от регрессионного или иного математиче­ского анализа данных о фактических продажах как способа определения меры чувствительности покупателей к ценам. Не­обходимо лишь понимать ограниченность возможностей такого анализа и использовать его результаты с должной осторожно­стью. Однако чем больше такого рода исследований будет вы­полняться российскими специалистами, тем с большей обос­нованностью отечественные фирмы смогут принимать решения в области цен.