7. Способы статистического анализа маркетинговой информации

Система анализа маркетинговой информации

Данная система — это набор эффективных методов анализа маркетинговых данных и проблем маркетинга. Эта система нашла широкое распространение в таких корпорациях, как «Дженерал моторс», «Дженерал электрик», во многих крупных и сравнительно небольших фирмах.

Основу любой системы анализа маркетинговой информации составляют статистический банк и банк моделей.

Статистический банк — совокупность современных методик статистической обработки информации, которые позволяют наиболее полно вскрыть взаимозависимости в рамках имеющейся подборки данных, установить степень их статистической надежности. Методики статистической обработки информации включают:

1. Корреляционный анализ.

Корреляционный анализ - совокупность основанных на математической теории корреляции методов обнаружения корреляционной зависимости между двумя случайными признаками или факторами. К. а. экспериментальных данных заключает в себе следующие основные практические приёмы:

1) построение корреляционного поля и составление корреляционной таблицы;

2) вычисление выборочных коэффициентов корреляции или корреляционного отношения;

3) проверка статистической гипотезы значимости связи.

Дальнейшее исследование заключается в установлении конкретного вида зависимости между величинами (см. Регрессионный анализ). Зависимость между тремя и большим числом случайных признаков или факторов изучается методами многомерного К. а. (вычисление частных и множественных коэффициентов корреляции и корреляционных отношений).

2. Регрессионный анализ

Регрессионный анализ — это количественный метод определения вида математической функции в причинно-следственной зависимости между переменными величинами.

Это метод моделирования измеряемых данных и исследования их свойств. Данные состоят из пар значений зависимой переменной (переменной отклика) и независимой переменной (объясняющей переменной). Регрессионная модель есть функция независимой переменной и параметров с добавленной случайной переменной. Параметры модели настраиваются таким образом, что модель наилучшим образом приближает данные. Критерием качества приближения (целевой функцией) обычно является среднеквадратичная ошибка: сумма квадратов разности значений модели и зависимой переменной для всех значений независимой переменной в качестве аргумента. Регрессионный анализ — раздел математической статистики и машинного обучения. Предполагается, что зависимая переменная есть сумма значений некоторой модели и случайной величины. Относительно характера распределения этой величины делаются предположения, называемые гипотезой порождения данных. Для подтверждения или опровержения этой гипотезы выполняются статистические тесты, называемые анализом остатков. При этом предполагается, что независимая переменная не содержит ошибок. Регрессионный анализ используется для прогноза, анализа временных рядов, тестирования гипотез и выявления скрытых взаимосвязей в данных.

3. Факторный анализ.

Факторный анализ - раздел статистического анализа многомерного,. объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц. Основное предположение Ф. а. заключается в том, что корреляционные связи между большим числом наблюдаемых переменных определяются существованием меньшего числа гипотетических ненаблюдаемых переменных или факторов.

4. Дискриминантный анализ.

Дискриминантный анализ — раздел вычислительной математики, представляющий основное средство решения задач Распознавания образов, инструмент статистики, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»). Нейронные сети могут использоваться для дискриминантного анализа.

Наиболее общим применением дискриминантного анализа является включение в исследование многих переменных с целью определения тех из них, которые наилучшим образом сочетаются между собой.

5. Кластерный анализ.

- это классификация объектов по характеризующим их признакам, разделение совокупности объектов на однородные группы, близкие по определяющим критериям, выделение объектов определенной группы. Кластерный анализ включает также таксономию, распознавание образов.

6. Анализ временных рядов.

- совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогнозирования. Сюда относятся, в частности, методы регрессионного анализа. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется для эффективного принятия решений.

Временно́й ряд (или ряд динамики) — это собранный в разные моменты времени статистический материал о значении каких либо параметров (в простейшем случае одного) исследуемого процесса. Каждая единица статистического материала называется измерением или отсчётом, также допустимо называть его уровнем на указанный с ним момент времени. Во временном ряде каждому отчету должно быть указано время измерения или номер измерения по порядку. Временной ряд существенно отличается от простой выборки данных, так как при анализе учитывается взаимосвязь измерений со временем, а не только статистическое разнообразие и статистические характеристики выборки

Банк моделей — это набор математических моделей, способствующих принятию оптимальных маркетинговых решений деятелями рынка. Каждая модель состоит из совокупности взаимосвязанных переменных, представляющих некую реально существующую систему (процесс или результат). Это модели ценообразования, модели выбора мест расположения, модели бюджетов и др. Они помогают получить ответы на вопросы «а что, если?» и «что лучше?»