Контрольные вопросы

1. Назовите основные типы выборочного исследования.

2. Какова процедура отбора респондентов для выборочного исследования?

3. Что характеризуется репрезентативностью?

4. Какие типы вопросов Вы знаете?

5. Проведите сравнительный анализ закрытых и открытых вопросов.

6. Какая измерительная шкала дает наиболее наглядную информацию? Назовите основные типы измерительных шкал.

7. Какие функции выполняют основные и контрольные вопросы, вопросы-фильтры, буферные вопросы?

8. Перечислите 5 принципов построения анкеты.

9. Что называется пилотажем, назовите его основные задачи.

10. Перечислите способы воздействия на интервьюера.

11. Охарактеризуйте 5 этапов ведения беседы с респондентом.

3. Аналитические процедуры в маркетинговых исследованиях

3.1 Методы анализа данных

Полученная маркетинговая информация требует обработки, выражающейся в проверке на ошибки, кодировании, занесении в базу данных и табулировании. Преобразованные таким образом исходные данные подвергаются статистическому анализу, при этом определяются средние значения, частота признака, корреляционные зависимости и.т.п.

Преобразование исходных маркетинговых данных представляет собой приведение их к сжатому матричному виду, удобному для анализа. Матрица данных представляет собой кодировку, при которой столбцы содержат варианты ответов на различные вопросы анкеты, а ряды — мнение респондентов. В таблице 21 представлен пример заполнения матрицы для двух типов вопросов.

Таблица 21

Матрица данных

Вопросы анкеты	Ответы респондентов
	№1	№2	№3	№4	№5	№6
В перспективе Вы прогнозируете:
Заметное повышение спроса				1	1
Незначительное повышение спроса			1
Стабильность спроса
Незначительное снижение спроса						1
Существенное снижение спроса		1
Затрудняетесь ответить	1
Свой вариант ответа
Как Вы оцениваете свою информированность о товарах фирмы (5-знаю все, 1-не знаю ничего)
Радиостанция «Радий-1М»	2	5	4	3	5	5
Радиостанция «Радий-11М»	5	5	2	3	5	4
Радиостанция «Радий-2Мп»	2	1	4	3	5	3
Радиостанция «Радий-23М»	2	1	2	1	5	2
Радиостанция «Радий-люкс»	2	1	1	1	5	1

Табулирование помогает исследователю наглядно увидеть и понять, что означают собран­ные данные. Так, по таблице видно, что респондент №5 знаком с товарами фирмы и прогнозирует существенное повышение спроса, респондент №2 знаком только со старыми моделями и говорит о значительном снижении спроса. Одновременный анализ двух и более категорий опрашива­емых называется перекрестной табуляцией.

При преобразовании данных исследователь находит зави­симости и обобщает информацию. Поскольку человеку трудно анализировать большие массивы ин­формации, данные заносятся в специальные базы данных. Для этого используются программы Excel, SPSS, STATISTICA и другие.

Традиционно выделяют пять основных видов статистического анализа, использу­емых при проведении маркетинговых исследований: дескриптивный ана­лиз, выводной анализ, анализ различий, анализ связей и предсказательный анализ (5,с.259).

Дескриптивный анализ используется для описания информации, полученной на основе выборочных наблюдений. В маркетинговых исследованиях используются две группы методов дескриптивного анализа: исследования «центральной тенденции», описывающие типичного респондента или типичный ответ и анализ вариации, описывающий степень схожести, или несхожести, респондентов и их ответов с типичными.

К основным показателям, характеризующим центральную тенденцию, относятся мода, медиана и средняя.

Мода характеризует величину признака, которая встречается в изучаемой совокупности чаще, чем другие величины данного признака.

Медиана характеризует значение признака, делящего совокупность на две равные части – со значениями признака меньше и больше медианы.

Средней величиной является обобщающий показатель, характеризующий значение признака в совокупности массовых явлений, выражающий типичную величину признака у единиц совокупности, образующуюся в данных условиях места и времени. Наиболее часто в маркетинговых исследованиях применяются формулы средней арифметической (простой и взвешенной).

Для изучения вариации признака в маркетинговых исследованиях используют следующие показатели:

• размах вариации – разность между максимальным и минимальным значениями изучаемого признака, этот показатель определяет интервал распределения значений признака.

• Среднее линейное отклонение представляет собой среднее значение отклонений вариантов признака от их средней величины.

• Среднее квадратическое отклонение – это корень второй степени из среднего квадрата отклонений значений признака от их средней величины. Этот показатель имеет ту же размерность, что и признак, для которого он вычисляется. Смысловое содержание средних показателей состоит в том, что чем меньше значение показателя, тем однороднее совокупность по изучаемому признаку, типичнее средняя величина. Названные показатели учитывают колебания всех значений признака, а не только разность между минимальной и максимальной величиной.

• Дисперсия – средняя из квадратов отклонений значений признака от их средней величины. Среднее квадратическое отклонение представляет собой корень квадратный из дисперсии. Дисперсия является наиболее широко применяемым показателем вариации.

• Коэффициент вариации используется для сравнительной оценки колеблемости различных признаков. Принято считать совокупность однородной, если коэффициент вариации не превышает 33 %.

• Типичность конкретного значения признака с использованием t- критерия рассчитывается как отношение абсолютного отклонения некоторого значения признака от средней к среднему квадратическому отклонению. Значение признака не типично для данного ряда при t > 3.

Например, с помощью панельного обследования собранные данные по структуре потребления населения (продукты питания, бытовые товары, услуги) пересчитываются на одного члена семьи, полученные значения являются основой дескриптивного анализа. Например, по статьям расходов среднее значение меньше, чем медианное, следовательно, товаров и услуг семьями приобретается меньше, чем в среднем по совокупности. Средние расходы семьи составляют 1256 руб. на одного человека в месяц, при этом 59% приходится на продукты питания, а 22 % - на приобретение бытовых товаров. Менее 20 % всех расходов составляют затраты на услуги, поскольку стоимость коммунальных услуг существенно возросла, то можно сделать вывод о том, что население практически не пользуется другими видами платных услуг. Далее дескриптивные анализ предполагает измерение характеристик вариации. При этом обследованные семьи разбиваются на группы в зависимости от их доходов, после чего изучается структура потребления отдельных групп. Данные расчеты удобно проводить с использованием Microsoft Excel.

В основе выводного анализа лежит проверка статистических гипотез с целью обобщения полученных результатов. Выводной анализ используется для сравнения результатов исследования двух групп, например, рыночных сегментов, и для определения различий между ними, например, различий в поведении двух групп потребителей, в их реакции на одну и ту же рекламу и т.п. Профессор Голубков (5, с. 251) приводит следующий пример статистического вывода: «Автомобилестроительная компания провела два незави­симых исследования с целью определения степени удовлетворенности потребителей своими автомобилями. Первая выборка включала 100 по­требителей, купивших данную модель в течение последних шести меся­цев. Вторая выборка включала 1000 потребителей. В ходе телефонного интервью респонденты отвечали на вопрос: «Удовлетворены вы или не удовлетворены купленной вами моделью автомобиля?» Первый опрос выявил 30% неудовлетворенных, второй — 35%. Поскольку существуют ошибки выборки и в первом и во втором случаях, то можно сделать следующий вывод. Для первого случая: около 30% опрошенных выразили неудовлетворенность купленной моделью автомобиля. Для второго случая около 35% опрошенных выразили не­удовлетворенность купленной моделью автомобиля. Какой же общий вывод можно сделать в данном случае? Как избавиться от термина «око­ло»? Для этого введем показатель ошибки: 30% ± х% и 35% ±у% и сравним х и у. Используя логический анализ, можно сделать вывод, что большая выборка содержит меньшую ошибку и что на ее основе можно сделать более правильные выводы о мнении всей совокупности потреби­телей. Видно, что решающим фактором для получения правильных вы­водов является размер выборки. Данный показатель присутствует во всех формулах, определяющих содержание различных методов статистичес­кого вывода».

Анализ различий заключается в сопоставлении ответов на один и тот же вопрос, полученных для двух или более неза­висимых групп респондентов. Кроме того, в ряде случаев представляет интерес сравнение ответов на два или более независимых вопросов для одной и той же выборки.

Примером может служить изучение вопроса: что предпочитают пить по утрам жители определенного региона: кофе или чай. Первоначально было опрошено на основе формирования случайной выборки 100 респондентов, 60% которых отдают предпочтение кофе; через год исследование было повторено, и только 40% из 300 опрошен­ных человек высказалось за кофе. Как можно сопоставить результаты этих двух исследований? Прямым арифметическим путем сравнивать 40% и 60% нельзя из-за разных ошибок выборок. Хотя в случае больших различий в цифрах, скажем, 20 и 80%, легче сделать вывод об измене­нии вкусов в пользу кофе. Однако если есть уверенность, что эта разница обусловлена прежде всего тем, что в первом случае исполь­зовалась очень малая выборка, то такой вывод может оказаться сомни­тельным. Таким образом, при проведении подобного сравнения в расчет необходимо принять два критических фактора: степень существенности различий между величинами параметра для двух выборок и средние квадратические ошибки двух выборок, определяемые их объемами. Для проверки, является ли существенной разница измеренных сред­них, используется нулевая гипотеза. Нулевая гипотеза предполагает, что две совокупности, сравниваемые по одному или нескольким признакам, не отличаются друг от друга. При этом предполагается, что действитель­ное различие сравниваемых величин равно нулю, а выявленное по дан­ным отличие от нуля носит случайный характер (5, с. 266).

Анализ связей направлен на определение зависимости между двумя и более переменными. Анализ парных взаимосвязей проводится в тех случаях, когда исследователя интересует вопрос о влиянии одной переменной на другую. Например, при обследовании эффективности рекламных мероприятий по продвижению товара изучается вопрос о связи между проведением рекламных кампаний и увеличением объема продаж. Предполагается, что объем продаж увеличивается у предприятий, реализуемых рекламные кампании. Из собранной маркетинговой информации получены данные, представленные в таблице 22.

Таблица 22

Результаты изменения объемов продаж предприятий

Предприятия	Изменение объема продаж		Итого
	Увеличился	Не увеличился
Проводили рекламную кампанию	78 (а)	22 (b)	100
Не проводили рекламную кампанию	32 (c)	68 (d)	100
Итого	110	90	200

Исходя из полученных данных рассчитываются коэффициенты ассоциации (А) и контингенции (К).

рассчитываются по формулам:

_{A =} a * d - b * c ₌ 78 * 68 - 22 * 32 _{= 0,766 (7)}

a * d +b * c 78* 68 +22 * 32

_{K =} a * d - b * c ₌ 78 * 68 - 22 * 32 _{= 0,462 (8)}

( a + b) (c + d) (a + c) (b + d) 100 * 100 * 110 * 90

При этом связь между альтернативными признаками считается подтвержденной, если А  0,5; К  0,3. исходя из полученных данных делается вывод, что, проведение рекламных кампаний по продвижению товара приводит к увеличению объема продаж.

Более сложной задачей является определение связей между несколькими признаками, в этом случае определяется коэффициент взаимной сопряженности Пирсона (С):

С = ² _{где 2 = n* ( } n _{i j} ² _{- 1 )}

n + ² (9) i j  n _i  n _{j (10)}

Например, рассчитаем коэффициент взаимной сопряженности Пирсона для исследования взаимосвязи между воспринимаемой покупателями ценой на товар и намерением купить этот товар. Данные маркетингового исследования приведены в таблице 23.

Таблица 23

Пример для расчета коэффициента Пирсона

Воспринимаемая цена товара	Намерение купить товар				Всего
	Обязательно куплю	Может быть куплю	Скорее не куплю	Не куплю точно
Очень высокая	14	19	78	93	204
Высокая	62	72	86	61	281
Нормальная	93	102	37	32	264
Низкая	98	134	58	28	318
Очень низкая	124	142	11	16	293
ИТОГО	391	469	270	230	1360

² = 1360 ( 14 ² + 19 ² + 78 ² + … + 16 ² - 1 ) =

391 * 204 469 * 281 204 * 270 230 * 204

= 1724, 616 (11)

С = 1724,616 / ( 1360 + 1724,616 ) = 0,7477 (12)

Коэффициент Пирсона должен быть не меньше 0,5. В приведенном примере подтверждается связь между двумя изучаемыми признаками, следовательно, намерение купить товар связано с восприятием цены на него.

В маркетинговых исследованиях часто возникает проблема оценки взаимосвязи между проранжированными переменными, например, при установлении взаимосвязи между рангами цены товара и доли занимаемого рынка. В качестве примера в таблице 24 представлена информация по 12 предприятиям.

Таблица 24

Ранги цены товара и доли рынка предприятия-производителя данного товара

Предприятия	Ранг цены товара (Х)	Ранг доли рынка (Y)
Предприятие 1	4	3
Предприятие 2	6	7
Предприятие 3	9	5
Предприятие 4	7	6
Предприятие 5	1	2
Предприятие 6	3	4
Предприятие 7	11	12
Предприятие 8	5	9
Предприятие 9	8	8
Предприятие 10	12	10
Предприятие 11	10	11
Предприятие 12	2	1
Сумма

Для определения тесноты связи между проранжированными признаками рассчитывается коэффициент корреляции рангов Спирмэна (R):

_{R = 1 - (} 6  d _i² _{) (13)}

n³ - n

d _i - разница рангов по двум переменным (4-3+6-7+9-5 и.т.д.);

n - число ранжированных позиций (12).

_{R = 1 - (} 6 * 44 _{) = 0,85 (14)}

12 ³ - 12

Связь между признаками характеризуется коэффициентом корреляции в пределах от (- 1) до (+ 1), при этом связь более тесная, если модуль значения коэффициента стремится к 1. В представленном случае существует взаимосвязь между качеством выпускаемой фирмой продукции и местом ее на рынке.

В случае необходимости определения взаимосвязь между двумя количественными переменными определяется путем расчета коэффициента корреляции, изменяющегося в пределах от -1 до + 1. Абсолютная величина корреляции характеризует тесноту связи, а знак указывает на ее направление. Коэффициент корреляции определяется по формуле:

r = xy - x * y (15)

 _x *  _y

В качестве примера рассмотрим зависимость объема продаж (Y) от среднего товарного запаса (X). Для расчета используются данные по 10 предприятиям (таблица 25).

Таблица 25

Зависимость объема продаж от среднего товарного запаса

Предприятие	Объем продаж (Y)	Средний товарный запас (Х)	Y2	X 2	Y * X
Предприятие 1	10	62	100	3 844	620
Предприятие 2	7	35	49	1 225	245
Предприятие 3	6	35	36	1 225	210
Предприятие 4	9	53	81	2 809	477
Предприятие 5	9	41	81	1 681	369
Предприятие 6	7	41	49	1 681	287
Предприятие 7	8	49	64	2 401	392
Предприятие 8	5	25	25	25	125
Предприятие 9	6	41	36	1 681	246
Предприятие 10	10	39	100	1 521	390
Сумма	77	421	621	18693	3361
В среднем	7,7	42,1	62,1

Определим средние квадратические отклонения  _х и  _y:

 _х = (62 – 42,1 ) ² + (35 – 42,1) ² + … + (39 – 42,1)² = 9,84 (16)

10

 _y = 1,68

Коэффициент корреляции между изучаемыми признаками равен:

r = 3361:10 - 42,1 * 7,7 = 0,72 (17)

9,84 * 1,68

Выводы о силе связи между признаками можно сделать на основе общепризнанных значений этого коэффициента (таблица 26)(5, с. 272)

Таблица 26

Сила связи в зависимости от величины коэффициента корреляции

Коэффициент корреляции	Сила связи
От + 0.81 до + 1.00	Сильная
От + 0.61 до + 0.80	Умеренная
От + 0.41 до +0.60	Слабая
От + 0.21 до + 0.40	Очень слабая
От + 0.00 до + 0.20	Отсутствует

В исследованиях корреляционный анализ дополняется регрессионным, при котором строится уравнение зависимости между двумя переменными. Регрессионный анализ позволяет оценить степень взаимосвязи между зависимой переменной и каждой из независимых переменных или любой их комбинации. Простой регрессионный анализ проводится в три основных этапа, при этом разрабатывается модель, отражающая общее содержание взаимосвязи, модель примеряется к маркетинговым данным, полученные результаты интерпретируются. Особенностью такого анализа является то, что только одна независимая пе­ременная включена в уравнение регрессии. При этом под регрессивной моделью понимается уравнение (или система уравнений), показывающее какие факторы, по нашему мнению, должны быть вовлечены во взаимо­связь, которая подвергается изучению.

Например, линейная зависимость может быть выражена с помощью следующего уравнения:

Y = a + b * X (18) , где

Y - оцениваемая (или прогнозируемая) зависимая переменная;

а - свободный член уравнения;

b - коэффициент регрессии, измеряющий среднее отношение отклонения результативного признака от его средней величины к отклонению факторного признака от его средней величины;

Х - независимая переменная (или факторный признак), используемая для определения зависимой переменной.

Коэффициенты а и b рассчитываются на основе наблюдения величин X и Y с помощью метода наименьших квадратов. При этом строится следующая система уравнений:

 y = n* a + b * x (19)

 xy = a  x + b  x ²

Для примера из таблицы 25

По данным таблицы 5 составим систему уравнений:

77 = 10 а + 421 b

3361 = 421а + 18693 b

Отсюда, а =2,65; b = 0,12;

Y = 2,65 + 0,12Х

Уравнение регрессии позволяет определить, как изменится измеряемый показатель при изменении факторного показателя, в нашем случае при увеличении товарных запасов на 1000 руб. объем продаж увеличится на 122 руб.

В маркетинговых исследованиях коэффициент регрессии применяется для определения коэффициента эластичности, показывающего зависимость изменения результата при изменении факторного признака на 1 %. Для определения коэффициента эластичности используется формула:

Э _х = b * X

Y (20)

В нашем примере Э = 0, 12 * 42,1 /7,7 =0,66 %, что означает, что при увеличении товарных запасов на 1 % объем продаж увеличится на 0,66 %.

Множественный регрессионный анализ используется при изучении влияния множества факторов на изучаемую переменную. Поскольку почти все проблемы в маркетинге включают в себя несколько различных факторов, то модель множественного регрессионного анализа используется достаточно широко. Концепция множественного регрессионного анализа имеет некоторые модификации и дополнения, связанные с изучением нескольких факторов одновременно. Модель множественной регрессии отражает общее воздействие двух или более независимых переменных. Например, на основе предварительных исследований выявлено, что общее впечатление от мебельного салона определяется тремя факторами: качество товара, его ассортимент и уютная атмосфера салона. В ходе анкетного опроса посетителей салона использовалась 10 балльная рейтинговая шкала семантического дифференциала (таблица 27).

Таблица 27

Шкала семантического дифференциала

опроса мнений посетителей салона

Показатели	Рейтинг
	Очень низкий Очень высокий
Общая оценка салона, ( Y )	1	2	3	4	5	6	7	8	9	10
Качество товара, ( Х 1 )	1	2	3	4	5	6	7	8	9	10
Атмосфера салона, ( Х 2 )	1	2	3	4	5	6	7	8	9	10
Ассортимент, ( Х 3 )	1	2	3	4	5	6	7	8	9	10

Проверка гипотезы о существовании зависимости между тремя переменными проводилась на основе регрессионного анализа, в результате которого была получена следующая модель:

Y= a + b ₁ X ₁ + b ₂ X ₂ + b ₃ X ₃ =0,67 + 0, 64 X ₁ + 0,18 X ₂ + 0,31 X _{3 (21)}

Интерпретация полученного уравнения приводит к следующим выводам:

• Поскольку все регрессионные коэффициенты (b ₁; b ₂ и b ₃) положительны, то увеличение уровня всех трех переменных приведет к увеличению общей оценки салона.

• Абсолютная величина коэффициента регрессии по элементу «качество товара» максимальна, следовательно, этот элемент оказывает наибольшее влияние на общую оценку салона по сравнению с другими переменными.

• Регрессионный коэффициент b _i показывает, как влияет рост независимой переменной на один балл на зависимую переменную. Например, b ₁ = 0,64, что означает, что в соответствии с моделью рост оценки качества товара на 1 балл приводит к увеличению оценки ресторана на 0, 64 балла.

Дискриминантный анализ позволяет изучить различия между двумя и более группами объектов по нескольким переменным одновременно. В маркетинговых исследованиях он может быть использован для поиска отличий в поведении различных групп потребителей, что позволяет на основе полученной характеристики определить опрашиваемого в одну из групп потребителей. В ходе опросов для дискриминантного анализа характерна следующая типичная постановка вопросов [8, с. 40]:

«По каким признакам «курящие» отличаются от «некурящих»?

«Какие характеристики работников службы сбыта наиболее сущест­венны для их деления на преуспевающих и неудачников»?

«Можно ли определенного человека, учитывая его возраст, доход, об­разование, считать достаточно надежным для выдачи кредита»?

Например, служба маркетинга фирмы определяет потенциальных потребителей услуг парикмахерских. Методом фокус-группы определено, что посетители различаются по некоторым социально-демографическим показателям (возраст, доход, семейное положение), а также по требованиям, предъявляемым к качеству и разнообразию дополнительных услуг и.т.п. Для выявления факторов, оказывающих влияние на предпочтения клиентов, используется дискриминантный анализ, исходная информация для проведения которого представлена в приложении 6. Наиболее удобной программой для проведения анализа является STATISTICA. В ходе анализа рассчитываются:

• критерий Уилкса (0,13), определяющий возможность классифицировать респондентов по их предпочтениям относительно выбора салонов,

• F – статистика удаления. В нашем примере посетители трех салонов различаются главным образом по возрасту (F= 5,26), средний возраст посетителей салона «Олди» равен 22 годам; «Бьюти-центра» – 29 годам, а «Гармонии» – 37 годам. Вторым по значимости фактором является показатель качества обслуживания. Посетители салона «Олди» не придают особого значения этому фактору, средний балл фактора равен 4, 82 из 10 возможных баллов. Средний балл этого фактора посетителями ресторана «Бьюти-центр» составляет 7,13, а посетители ресторана «Гармония» – настоящие гурманы: их средний балл равен 8,27.

• Вероятность ошибочного отнесения респондентов к другим группам. В нашем примере существует малая вероятность (1,3 %) ошибочного отнесения посетителей салона «Бьюти-центр» к людям, предпочитающим салон «Гармония», и наоборот.

Факторный анализ представляет собой совокуп­ность методов, используемых для исследования взаимосвязи между перемен­ными с целью уменьшения большого числа влияющих факторов до уровня нескольких наиболее существенных групп таких факторов. Например, в таблице 28 приведены оценки 6 респондентов, выставленные одному из мебельных салонов по 4 показателям.

Таблица 28

Сводные данные оценки мебельных салонов

Респонденты	Оценка магазина по направлениям:
	Ассортимент	Качество товара	Цена	Скидки
Респондент 1	5	4	2	1
Респондент 2	4	3	2	1
Респондент 3	4	3	3	2
Респондент 4	5	5	2	2
Респондент 5	4	3	2	1
Респондент 6	5	5	3	2
Среднее значение	4,5	3,83	2,33	1,5

Как видно из таблицы, респондент 1 дает высокую оценку товарному ассортименту и качеству товара, подобная взаимосвязь существует и между факторами «скидки» и «цена». Поэтому можно предложить использовать при оценке 2 укрупненных фактора: «товар» и «цена», являющихся линейной комбинацией четырех исходных переменных. В таблице 29 представлены расчетные значения новых укрупненных факторов.

Таблица 29

Средняя оценка двух укрупненных факторов

Респонденты	Товар	Цена
Респондент 1	4,5	1,5
Респондент 2	3,5	1,5
Респондент 3	3,5	2,5
Респондент 4	5,0	2,0
Респондент 5	3,5	1,5
Респондент 6	5,0	2,5
В среднем	4,25	1,92

Кластерный анализ состоит в классификации исследуемых элементов по нескольким общим группам таким образом, чтобы попавшие в один кластер были однородны и достаточно отличались от элементов другого кластера. Основой определения критериев для группировки элементов в кластеры является евклидово расстояние между объектами:

_p

d _e ( X _i , X _j ) = [  ( X _{k i} - X _{k j} ) ² ] ^{½ (22)}

^k=1

где X _{k i} , X _{k j} – значения к-го признака соответственно i –го и j – го объектов.

Процедура кластерного анализа состоит из следующих этапов:

• Изучение каждого элемента в отдельности с последующим определением сходства между подобными.

• Объединение наиболее сходных элементов в кластер.

• Поиск элемента или кластера для последующего объединения.

• Объединение всех элементов до момента, при котором не остается двух сходных между собой объектов или кластеров.

Процесс формирования кластеров представлен на рис. 8.

Рис. 8. Древовидная схема, демонстрирующая формирование кла­стеров

Из рис. 8. видно, как отдельные элементы объединяются в составные кластеры. Так на самых ранних этапах объедине­ния образуются кластеры, состоящие из объектов (1,2,3,10); (4,7,9,) и (5,8,6). Три этих кластера могут стать сегментами, поскольку они содержат похожие между собой объекты. В случае принудительного объединения кластеров (4,7,9) и (5,6,8) погрешность, связанная с таким объединением резко возрастает, поскольку объекты 4,7,9 отличаются от объектов 5,8,6. Такая большая погрешность дает основание предположить, что объективно существуют три естественных сегмента, состоящие из объектов (1,2,3,10), (4,7,9) и (5,6,8) (10, с. 69).

Например, выясним методом кластерного анализа наиболее значимые факторы, принимаемые во внимание при покупке продовольственных товаров. Методом анкетирования респондентам предлагалось выбрать несколько факторов, имеющих наибольшее значение при покупке хлебобулочных, кондитерских и гастрономических изделий. В ходе исследования были выявлены наиболее значимые факторы, принимаемые во внимание всеми потребителями при покупке продуктов питания. Аналогичные расчеты были проведены для отдельных групп продуктов и покупателей. На основе анализа данных методом кластерного анализа получена дендрограмма, представленная на рис. 9.

Рис. 9. Результаты кластерного анализа факторов, влияющих на покупку продовольственных товаров

На дендрограмме видно, что все факторы сгруппировались по степени тесноты связи. По средним значениям показателей в группах выделены группы наиболее и наименее значимых факторов для покупателей. К числу наиболее значимых факторов относятся: цена продуктов, срок годности, расфасовка и дата изготовления. Наименее значимой является информация об ингредиентах, калорийности и экологической чистоте. В ходе анализа выявлено, что требования различаются по группам продуктов, так по кондитерским изделиям важными являются сведения о стране-изготовителе, по гастрономии – внешний вид товара и его срок годности. Такие данные важны для формировании комплекса маркетинга, разработки упаковки, проведении рекламной кампании и.т.д.

Кластерный анализ позволяет группировать не только отдельные факторы, но изучить мнение респондентов, которые дают одинаковые оценки рассматриваемым факторам. В частности можно выделить определенный сегмент покупателей и определить их отношение в предлагаемым факторам. При исследование переносит акцент на социально-демографические характеристики респондентов, попавших в каждую группу.

Методы анализа могут быть использованы для прогнозирования и обоснования маркетинговых решений, в основе которых лежит множество взаимосвязанных переменных, например, зависимость объема продаж от качества товара, цены на него, эффективности рекламных кампаний и т.д. Весь перечень статистических методов, применяемых в маркетинговых исследованиях, не исчерпывается перечисленными группами методов. В частности, в целях описания реакции покупателей на конъюнктурные сдвиги, для обоснования стратегии маркетинга, оптимизации системы обслуживания, определения лояльности покупателей определенной торговой марке и других задач применяются также методы статистической теории принятия решений (теория игр, теория массового обслуживания, стохастическое программирование), имитационное моделирование и многие другие.

В целом, в маркетинговом исследовании сочетаются различные методы изучения рыночных явлений и процессов: как формальные, основанные на количественных оценках и экономико-статистических расчетах, так и неформальные, использующие качественные методы анализа и атрибутивные оценки.

В ходе анализа полученных данных в маркетинговом исследовании важно дать прогноз развития событий. Традиционно различают долгосрочные, среднесрочные и краткосрочные прогнозы. Долго­срочный прогноз охватывает важные решения в области разработки новых товаров, завоевания новых рынков, решения о вложении инвестиций. Краткосрочный прогноз касается решений в области принятия бюджета, приобретения сырья в материалов, планирования выпуска товаров и услуг. Для формирования прогноза используются различные методы, выбор которых зависит от требований к точности, качества исходной информации и периода, на который составляется прогноз. В таблице 30 приведена характеристика некоторых методов прогноза (10, с. 75-77).

Таблица 30