
- •Предисловие
- •Введение Примеры маркетинговых исследований
- •Получение маркетинговой информации3
- •Определение маркетинговых исследований
- •Задачи и этапы маркетинговых исследований
- •Организация подразделений маркетинговых исследований
- •Этика маркетинговых исследований
- •Глава 1. Формулировка проблемы
- •Возникновение проблемы
- •Принятие решения о проведении исследований
- •Заключение договора на проведение исследований
- •Глава 2. Проектирование исследования
- •Поисковые исследования Цели и принципы поисковых исследований
- •Основные методы поисковых исследований Поиск по литературным источникам
- •Обзор опыта37
- •Анализ избранных случаев
- •Фокус-группы39
- •Проблемные группы
- •Экспертные оценки
- •Однократные экспертные опросы
- •Метод «Дельфи»
- •Метод мозговой атаки
- •Проведение экспертных опросов
- •Описательные исследования Цели и принципы описательных исследований
- •Характеристика описательных исследований
- •Исследования с помощью списков
- •Разовые исследования
- •Исследования причинности
- •Принципы исследования причинности Анализ сопутствующих изменений
- •Анализ временнóй последовательности событий
- •Отсекание других возможных объяснений
- •Неэкспериментальные и экспериментальные методы исследования причинности
- •Сводка типов и методов исследований
- •Проектирование эксперимента
- •Система обозначений
- •Посторонние переменные
- •Основные проекты экспериментов
- •Реальные эксперименты
- •Преэкспериментальные проекты
- •Квазиэксперименты
- •Тестовый маркетинг
- •Тестовый маркетинг на модельном рынке
- •Тестовый маркетинг на управляемом рынке
- •Тестовый маркетинг на реальном рынке
- •Применение методов тестового маркетинга
- •Электронный тестовый маркетинг
- •Глава 3. Методы и формы сбора данных
- •Сбор вторичных данных
- •Стандартизированные отчеты
- •Использование сканеров
- •Измерение охвата аудитории и эффективности рекламы
- •Первичные данные
- •Основные методы сбора первичных данных Опрос
- •Наблюдение
- •Сравнение методов сбора первичных данных
- •Опросы Виды опросов Структурированный, незамаскированный
- •Неструктурированный, незамаскированный
- •Неструктурированный, замаскированный
- •Структурированный, замаскированный
- •Сравнение способов проведения опроса
- •Способы проведения опроса
- •Параметры различных способов опроса
- •Особенности различных способов опроса
- •Сводка способов проведения опроса
- •Использование компьютеров при опросах
- •Наблюдения Виды наблюдения
- •Структурированные – неструктурированные наблюдения
- •Замаскированные – незамаскированные наблюдения
- •Прямые – непрямые наблюдения
- •Организация наблюдения
- •Технические средства наблюдения
- •Проектирование анкет
- •Определение информации, которую требуется получить
- •Выбор типа анкеты, метода проведения анкетирования
- •Содержание каждого вопроса
- •Форма ответа на каждый вопрос
- •Выбор слов для каждого вопроса, построение вопроса
- •Последовательность вопросов
- •Физические характеристики анкеты
- •Проверка предыдущих шагов
- •Предварительная проверка анкеты на ограниченной выборке и повторение всего процесса
- •Глава 4. Проектирование выборки и сбор данных
- •Возможные способы задания рамок выборки
- •Виды планов выборки
- •Детерминированные выборки
- •Выборки по удобству
- •Выборки по суждениям
- •Выборки по квотам
- •Вероятностные выборки
- •Простая случайная выборка
- •Оценка доверительного интервала простой случайной выборки
- •Стратифицированная выборка
- •Виды стратификации
- •Гнездовые выборки
- •Механическая выборка
- •Территориальная выборка
- •Определение размера выборки
- •Размер выборки при оценке среднего
- •Размер выборки при определении долей
- •Учет конечности размера совокупности
- •Другие случаи
- •Использование шаблонов итоговых таблиц для определения размера выборки
- •Ошибки при сборе данных
- •Неохват
- •Переохват
- •Отказ отвечать
- •Неответ по позициям
- •Процесс сбора данных
- •Работа интервьюеров
- •Контроль работы интервьюеров
- •Глава 5. Анализ данных
- •Предварительные шаги Редактирование
- •Кодирование
- •Табуляция
- •Простая табуляция
- •Перекрестная табуляция
- •Главная таблица
- •Анализ данных
- •Шкалы измерения атрибутов
- •Номинальная шкала
- •Порядковая шкала
- •Интервальная шкала
- •Относительная шкала
- •Параметры, влияющие на выбор метода анализа
- •Варианты представления данных
- •Группировка
- •Индексы
- •Графический метод
- •Динамические ряды
- •Цель и результаты анализа
- •Одномерный анализ
- •Критерий согласия 2.
- •Тест Колмогорова-Смирнова
- •Гипотезы об одном среднем
- •Гипотезы о двух средних в независимых выборках
- •Многомерный анализ
- •Коэффициент контингенции154
- •Индекс предсказательной связи157
- •Коэффициент ранговой корреляции Спирмана158
- •Коэффициент конкордации159
- •Кластерный анализ
- •Регрессионный анализ Основные принципы
- •DataMiningв регрессионном анализе
- •Регрессия с фиктивными переменными 174
- •Факторный анализ
- •Метод главных компонент
- •Интерпретация данных с помощью факторного анализа
- •Использование переменных-заменителей
- •Проблемы применения метода
- •Дискриминантный анализ
- •Классификация объектов с использованием дискриминантной функции
- •Дискриминантный анализ для числа групп более двух
- •Проблемы применения метода
- •Деревья классификации
- •Описание метода
- •1 , 2 , 3 , 4 , 5 , Более , нет ответа ,
- •Работа с деревьями классификации
- •Классификация методами сравнения с образцом192
- •Метод сравнения с прототипом
- •Методkближайших соседей
- •Определение
- •Область применения
- •МетодыDataMining
- •Глава 6. Измерение отношения
- •Методы измерения отношения
- •Метод равных интервалов Турстоуна и Чейва197
- •Метод суммированного рейтинга Ликерта203
- •Семантическая дифференциальная шкала206
- •Непарная шкала208
- •Шкалы рейтинга Типы шкал рейтинга
- •Надежность шкал рейтинга
- •Карты восприятия211
- •Типы карт восприятия
- •Многомерное шкалирование
- •Совместный анализ219
- •Описание метода
- •Проблемы применения метода
- •Глава 7. Измерения психологических атрибутов
- •Проектирование тестов
- •Глава 8. Практические вопросы маркетинговых исследований
- •Обеспечение валидности результатов описательных исследований
- •Валидность и надежность измерений
- •Последовательность проверки инструмента измерения
- •Дифференцирующая способность анкеты
- •Стабильность результатов измерений
- •Валидность содержания
- •Особенности применения метода судейства
- •Валидность совпадения
- •Типовые маркетинговые исследования
- •Исследование внешних факторов
- •Демография
- •Экономическая среда
- •Технологическая среда
- •Политика и законодательство
- •Социокультурная среда
- •Исследование потребительского рынка
- •Рыночный потенциал и базовый спрос
- •Текущий объем реализации на рынке
- •Коэффициент насыщенности рынка
- •Объем продаж компании
- •Доля рынка
- •Исследование рынка товаров производственно-технического назначения
- •Изучение потребителей
- •Факторы, определяющие решение о покупке
- •Процесс покупки
- •Изучение отношения
- •Изучение уровня удовлетворенности
- •Изучение цен
- •Исследование продаж
- •Исследования в области рекламы Изучение средств рекламы
- •Оценка рекламной кампании
- •Исследования, связанные с разработкой рекламы
- •Изучение личных продаж
- •Изучение стимулирования сбыта
- •Изучение пропаганды иPr
- •Изучение товара
- •Оценка качества товара Показатели качества
- •Уровень качества
- •Исследование конкурентоспособности товаров
- •Исследование конкурентоспособности фирмы
- •Исследование конкурентной среды
- •Источники информации о конкурентах
- •Обобщение и сопоставление информации о своей фирме и конкурентах
- •Международные маркетинговые исследования
- •Специфика международного маркетинга
- •Методы опроса
- •Измерения в междунарожных маркетинговых исследованиях
- •Анализ данных
- •Примеры ситуаций, где необходимы международные маркетинговые исследования
- •Исследования для эмпирического маркетинга
- •Анализ переживаний
- •Управление переживаниями
- •Необходимая информация
- •Бенчмаркинг и маркетинговые исследования Сущность бенчмаркинга
- •Принципы проведения бенчмаркинга
- •Виды бенчмаркинга
- •Порядок проведения бенчмаркинга
- •Примеры бенчмаркинга
- •Глава 9. Отчет об исследованиях
- •Структура отчета о маркетинговых исследованиях
- •Содержание отчета
- •Оформление отчета
- •Табличное представление материала
- •Графическое представление материала
- •Доклад об исследовании
- •Заключение
- •Приложение
- •Оформление документов по договору на проведение исследования
- •Договор на проведение исследований
- •Протокол соглашения о договорной цене
- •Календарный план
- •Техническое задание
- •Оформление отчета об исследованиях
- •Список литературы
- •Содержание
- •Глава 1. Формулировка проблемы 27
- •Глава 2. Проектирование исследования 34
- •Глава 3. Методы и формы сбора данных 77
- •Глава 4. Проектирование выборки и сбор данных 121
- •Глава 5. Анализ данных 147
- •Глава 6. Измерение отношения 239
- •Глава 7. Измерения психологических атрибутов 264
- •Глава 8. Практические вопросы маркетинговых исследований 272
- •Глава 9. Отчет об исследованиях 332
МетодыDataMining
В данном разделе производится обобщение уже приведенных сведений о Data Mining и даются дополнительные сведения о не рассмотренных ранее, реже встречающихся методах.
Итак, к числу методов Data Mining можно отнести следующие.
Регрессионный анализ с выбором набора переменных.
Деревья классификации.
Методы сравнения с образцом.
Нейронные сети. Они моделируют совокупность взаимосвязанных нейронов – теперь уже устаревших моделей нервных клеток. Классические сети обучаются, впрочем, довольно медленно, на основе имеющихся примеров: описаний ситуации с правильным решением. Пример удачного использования таких сетей – компьютерное распознавание образов (человека по фрагменту фотографии, подлинной банкноты, рукописного текста). Делаются попытки использовать этот метод для прогнозов курсов акций и при принятии маркетинговых решений.
Эволюционные алгоритмы основываются на принципах, сформулированных еще Ч. Дарвином: наследственности, изменчивости и отборе. Именно эти феномены и моделируются на компьютере. Вначале создается исходная популяция элементов, характеризующихся набором признаков. Затем происходит передача значений этих признаков по наследству следующему поколению. При этом моделируются генетические операции, например, мутации. Из полученных элементов наименее приспособленные отбраковываются. Далее процесс повторяется. Метод может найти довольно широкое применение, от поиска экстремума сложной функции до поиска неизвестного заранее набора взаимосвязанных характеристик некоторого объекта, наилучшим образом приспособленного к заданным условиям. Имеется ряд интересных разработок на эту тему (см., например, [18]).
Генетическое программирование. При использовании этого метода строятся несколько программ на специальном языке. Они отражают гипотезы о виде зависимости переменной-следствия от переменных-причин. Далее моделируется эволюция. Автоматически вносятся небольшие изменения и выбираются варианты, улучшающие решение. Применения метода довольно сложны193. Можно упомянуть так называемую «объективную кластеризацию», при коротой предполагается, что на характеристики исследуемых элементов влияют как случайные факторы, так и закономерности, и делается попытка учесть при кластеризации только систематическую составляющую.
Алгоритмы ограниченного перебора были предложены еще в середине 60-х. Пусть X– параметр некоторого элемента исследования,a,b– константы. Тогда имеются простые логические события:X>a, X=b…Можно ввести и комбинации простых логических событий, например, одновременное появление двух вышеприведенных событий. Далее определяются частоты появления различных комбинаций событий в данных. По этим частотам устанавливаются различные закономерности в данных, полезные для классификации, кластеризации и прогнозирования.
Методы и средства Data Mining развиваются очень быстро, многие авторы указывают на экспоненциальный их рост. Разрабатываются средства различных типов и назначения:
универсального применения;
маркетинговой ориентации (автор взял на себя смелость ввести данный класс, так как многие статистические пакеты не только позволяют вводить такие параметры, как цена ошибки классификации, но и снабжены многочисленными примерами из области маркетинга);
проблемно-ориентированные, например, средства для технического анализа финансовых рынков, построенные с учетом специфики предметной области, использующие соответствующую терминологию, систему условных обозначений;
средства для специальных исследований.
Основное направление работ – поиск методов перебора вариантов за приемлемое время.
Аналитики отмечают все возрастающую популярность средств, ориентированных на построение если…топравил.
Правила используются в сложных задачах, где данные имеют различную природу, изменяются во времени и обычно имеют высокую размерность. Например, в социологии и маркетинге они используются при прогнозах поведения, связывая его с мотивами, демографическими характеристиками.
Правило имеет вид
Если А, то В.
Точность правила– доля случаевВсреди случаевА.Полнота– доля случаевАсреди случаевВ.
Точное и полное правило для евклидовой геометрии: если треугольник прямоугольный, то в нем есть два угла, сумма которых равна 90 градусам. Все прямоугольные треугольники обладают этим свойством, и все треугольники, обладающие этим свойством, прямоугольные.
Неточное, но полноеправило: курильщик заболеет раком легких. Среди курильщиков заболевают6%.Но среди заболевших95%курильщиков [13]. Пропаганда делает упор на полноту, а курильщики – на точность данного правила.
Точное, но неполное правило: если существо – человек, то оно смертно. Все люди смертны, но не все смертные – люди.
Неполное и неточное правило: если человек студент, то он знает информатику. Не все студенты знают информатику, и не все, знающие информатику, студенты.