7.7. Табулирование маркетинговых данных

Табулирование — это процесс обработки информации, заклю­чающийся в подсчете числа событий попавших в ячейки отве­тов на вопросы. Существует две разновидности табуляции — простая и перекрестная.

Простая табуляция может быть использована для нескольких целей:

• определения коэффициента безответности позиции вопроса;

• исключения грубых ошибок при анализе или кодировании;

• определения закономерности распределения переменной;

• подведения итогов исследований.

При простой табуляции производится подсчет событий, со­зданных из одной переменной. При этом табуляция одной пе­ременной не зависит от табуляции другой переменной. Количество событий определяется размером выборки.

Коэффициент безответности — Kg служит показателем каче­ства исследований или качества составления анкеты, а также глубины заботы респондента о вопросе анкеты. Коэффициент безответности выражается как отношение позиций без ответа — П_б к общему числу анкетируемых позиций — П, т.е.:

*б = (1 - П^П) х 100%.

Если эта величина превышает 40%, то сомнительным стано­вится качество проведенного исследования. Для оптимизации полученных исследований в случае Kg > 40% используются сле­дующие приемы.

1. Выделить пустые позиции в отдельную категорию с целью специального анализа.

1. Исключить вопрос при анализе анкет.

2. Аналитик на основании общей информации анкеты может самостоятельно подставить значение ответа в утраченную пози­ цию. Но это может привести к некоторым искажениям резуль­ тата опроса.

Исключение (локализация) грубых ошибок представляет со­бой ликвидацию ошибок, описок при анализе информации, ко­дировании, записи. Например, количество респондентов, выра­зивших свое отношение к потреблению пива (таблица 7.25).

270

Таблица 7.25 Фрагмент анкеты «Суточное потребление пива в литрах»

Категория	Потребление пива, литры	Количество респондентов	Процент респондентов
Женщины	0	1	2
	До 0,5	37	76
	0,5 — 1,0	8	16
	1,0—2,0	3	6
	Более 2,0	16	—

Цифра 16 в количестве репондентов категории «женщины» является грубой нелогичной ошибкой. Это значение можно скор­ректировать на основании построения аппроксимирующей кривой (тренда). Количество позиций для одномерной табуляции в таб­лице равно 65. Если исключить цифру 16 вообще, то процент рес­пондентов в таблице с учетом округления до целых чисел также корректируется.

Локализация посторонних значений заключается в исключе­нии наблюдения из анализа, или определении факторов, оказав­ших такое влияние на показатель. Локализация не является ошиб­кой, она является информацией для размышления о причине появления такого результата. Цифра 16 также может нести при­чинно-следственный вопрос о ситуации во время анкетирования и может быть верной.

Простая одномерная табуляция позволяет определить закон изменения эмпирических данных. Закономерность изменения эмпирических данных лучше всего представить в виде гистог­раммы.

При перекрестной табуляции производится подсчет событий, созданных на двух и более переменных, рассматриваемых одно­временно, т.е. такие переменные обрабатываются одновремен­но. Например, результаты исследования двух взаимосвязанных характеристик — потребителей продукта «X» в магазине «Y».

Табуляция в зависимости от сложности может выполняться на компьютере, на арифмометре, от руки или в уме. Количество табуляций определяется количеством альтернативных ответов (переменных) в системе анкеты. Каждая переменная занимает особое место в записи системы выборки, что определено коди-ровочной таблицей. Каждому наблюдению выборки назначена одна строка. Если количество информации не вмещается в одну строку, необходимо вводить дополнительные строки.

271

В таблице приведен сокращенный вариант анкеты, которая была заполнена потребителями пива известной компании.

1. Сколько раз в неделю Вы покупаете пиво?

• ни разу;

• 1раз;

• 2 раза;

• 3 раза;

• 4 раза;

• каждый день.

2. Сколько бутылок приобретаете при покупке пива?

• 1;

• 2;

• 3;

• более 3.

3. Вы когда-нибудь пробовали пиво из кег?

• никогда не пробовал;

• пробовал давно;

• пробовал в этом году.

4. Насколько Вы уверены, что новый сорт пива «X» извест­ ной компании будет являться вашим любимым сортом исходя из критериев (см. табл. 7.26).

Рассмотрим построение таблиц сопряженности признаков (кросс-табуляция). Построение таблиц сопряженности позволяет увидеть одновременно значения двух или больше переменных. Кросс-табуляция представляет собой процесс объединения рас­пределения частот значений двух или больше переменных в одну таблицу. Она объясняет, как одна переменная, например объем потребления мяса, связана с другой переменной, такой, как до­ход. В таблицах сопряженных признаков показывается совмес­тное распределение значений двух или более переменных, об­ладающих ограниченным числом категорий или принимающих

Таблица 7.26

Критерий	Не уверен	Более или менее уверен	Уверен	Вполне уверен
Хороший вкус
Приемлемая крепость
Приемлемая цена
Чувство элитарности
Уверенность в компании

272

Таблица 7.27 Фрагмент кодовой таблицы анкеты потребителей пива

Колонки	Номер вопроса	Переменная (номер переменной)	Спецификация кода
1	1	Сколько раз в неделю Вы по­купаете пиво (Р1)	1 = ни разу 2 = 1 раз 3 = 2 раза 4 = 3 раза 5 = 4 раза 6 = каждый день
2	2	Сколько бутылок приобретаете при покупке пива (Р2)	1 = 1 2 = 2 3 = 3 4 = более 3
3	3	Вы когда-нибудь пробовали пиво из кег (РЗ)	1 = никогда не про­бовал 2 = пробовал давно 3 = пробовал в этом году
4	4	Насколько Вы уверены, что новый сорт пива «X» извест­ной компании будет являться вашим любимым сортом (Р4)	1 = Не уверен 2 = Более или менее уверен 3 = Уверен 4 = Вполне уверен
5	4(а)	Хороший вкус (Р5)
6	4(6)	Приемлемая крепость (Р6)
7	4(в)	Приемлемая цена Р(7)
8	4(г)	Чувство элитарности Р(8)
9	4(Д)	Уверенность в компании Р(9)

Таблица 7.28 Пример заполнения сырых данных анкетной информации

Номер колонки	123456789
Кодированные данные маркетинговой ин-	421 132411
формации	1 12324121
	343231212
	2121 32421
	311211313

определенные значения. Категории одной переменной помещают в таблицу так, чтобы они размещались в ней (сопрягались) в соответствии с категориями другой или другими несколькими пе­ременными. Таким образом, распределение частот одной пере­менной подразделяется на группы в зависимости от категорий других переменных. Например, итог процедуры кросс-табуля­ции представлен в табл. 7.29.

273

Таблица 7.29 Изучение потребления жевательной резинки в зависимости от пола

Уровень потребления, пачек/неделя	Мужчины	Женщины	Итого
2 4	30 (33,3%) 60 (66,7%)	60 (66,7%) 30 (33,3%)	90 (100%) 90 (100%)
Итого	90 (100%)	90 (100%)

Кросс-табуляция позволяет осуществить создание ячейки для каждой комбинации категорий двух переменных. Число в каж­дой ячейке показывает количество респондентов, давших эту комбинацию ответов.

Кросс-табуляцию с двумя переменными можно рассматривать как двумерную. Рассмотрим из табл. 7.29, связано ли потребле­ние жевательной резинки с полом. Это можно выяснить из табл. 7.30.

Таблица 7.30

Пол	2 пачки	4 пачки	Итого
Мужчины Женщины	33,3% 66,7%	66,7% 33,3%	100% 100%

Какую из рассмотренных таблиц считать полезнее, зависит от того, что можно считать зависимой и что независимой перемен­ной. В табл. 7.30 пол потребителя можно считать как независи­мую переменную, потребление — как зависимую. Вычисление процентов в направлении зависимой переменной через незави­симую бессмысленно, интенсивное пользование жевательной резинкой является причиной того, что такими людьми являют­ся мужчины, что неправоподобно. Связь между полом потреби­теля и уровнем потребления можно уравновесить через третью переменную, например доход или культуру. Третья переменная предназначена для уточнения связи между двумя переменными; для указания отсутствия связи между двумя переменными; для указания скрытой связи между переменными; для подтвержде­ния отсутствия изменений в первоначальной связи. Например, приобретение автомобиля в зависимости от семейного положе­ния (табл. 7.31).

Для анализа таблицы была введена третья переменная — пол покупателя (табл. 7.32).

274

Таблица 7.31

Покупка автомобиля определенной марки в зависимости от семейного