«Г
Закускин Сергей Викторович,
кандидат технических наук, заместитель генерального директора ООО Агентство «Компас Рисерч», I Москва, Россия, ул. Октябрьская, 60-2-10 compass_research@mail.ru
Анализ номинальных признаков в маркетинговых исследованиях при всей его важности и полезности имеет существенные ограничения по кругу математико-статистических методов их обработки. В частности, мерой центральной тенденции для них может быть только мода распределения, а мера разброса результатов замеров вообще не определена. В практике их обработки обычно используются различные соображения, которые позволяют усилить их тип, что делает допустимым применение более широкого набора методов обработки. В статье рассматривается способ усиления типа номинальных признаков с помощью их оптимальной оцифровки (квантификации). В качестве критерия оптимизации взято наилучшее соответствие с покупательской активностью представителей целевой группы. Это позволяет привязать решение к целевым показателям маркетинговых исследований - объёму сегментов целевой группы, интенсивности покупок и получаемому доходу. В результате возникает возможность выбора целевых сегментов на основе объективных показателей и максимизации эффекта от их привлечения.
Ключевые слова: характеристики целевой группы; сегмент целевой группы; покупательская активность; привлекательность сегментов; тип данных; усиление типа данных; номинальные признаки; квантификация измерительных шкал.
УДК 339.13
DOI: 10.24412/2071-3762-2024-1319-32-37
АНАЛИЗ НОМИНАЛЬНЫХ ПРИЗНАКОВ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ С ИСПОЛЬЗОВАНИЕМ КВАНТИФИКАЦИИ ИЗМЕРИТЕЛЬНЫХ ШКАЛ
Введение (Introduction)
Переменные номинального типа составляют значительную и важнейшую часть данных маркетинговых исследований. Они используются для описания характеристик изучаемых объектов (товаров, торговых марок, фирм, сегментов и отдельных представителей целевой группы) в случаях, когда нет возможности замерить какие-либо параметры характеристик (признака), а можно лишь отнести объект к одному из заранее определённых классов. Этот набор классов, собственно, составляет измерительную шкалу для признака такого типа; к ним добавляются правила, по которым каждый реальный объект относится к одному из этих классов. Примеры номинальных переменных будут рассмотрены ниже. Много примеров приводится и обсуждается в работе А.И. Орлова [1].
При всей ценности номинальных признаков в анализе конкретной маркетинговой ситуации их прак-
тическая полезность сильно ограничена кругом математико-стати-стических методов, допустимых для их обработки. Так, в качестве меры центральной тенденции номинальных признаков законны только моды распределения их значений. Мера разброса для номинальных признаков вообще не определена. Таким образом,ана-лиз номинальных признаков возможен, строго говоря, только по таблицам распределений и комбинационным таблицам с какими-либо другими признаками.
В практике анализа номинальных переменных нередко используется усиление их типа (как минимум до порядкового) на основе содержательных или формальных соображений. Для содержательного усиления обычно используется какой-либо параметр, с которым номинальная переменная имеет связь по условиям решаемой задачи (фактически это означает подмену анализируемого параметра). Для формального уси-
ления используются несколько приёмов [2].
Методы (Materials and Methods)
В статье рассматриваются практические результаты, которые могут быть получены с использованием одного из формальных подходов к усилению типа номинальных переменных — оцифровки (квантификации) измерительных шкал [3]. Обсуждение ограничивается методами, оптимальными с точки зрения связи с целевой функцией маркетинговых исследований, в качестве которой взяты показатели покупательской активности (потенциальный объём целевых сегментов, интенсивность покупок, получаемый доход). После квантификации номинальная переменная приобретает интервальный тип; соответственно, к ней можно применять интервальные статистики (среднее арифметическое, среднеквадратичное отклонение и т.п.).
Будем опираться на определение образа рыночного объекта, как идеальной области, в которой сосредоточено приблизительно 70% мнений и характеристик представителей целевой группы. В соответствии с определением границами идеальной области являются процентили 15 и 85 (P15 и P85) распределения значений квантифици-рованного номинального признака. Конкретная идеальная область характеризуется коэффициентами расплывчатости/компактности и дифференциации с другими областями.
Показатели центральной тенденции, сформированности и дифференциации вместе будем называть показателями конфигурации образов. Все они понимаются в относительном смысле — на квантифици-рованной измерительной шкале по отношению к её пределам.
В большинстве практических задач анализ конфигурации образов необходимо проводить после предварительной сегментации целевой группы, так как идеальные области сегментов во многих случаях кардинально отличаются. В настоящей статье вопросы сегментации не рассматриваются, однако в примерах используется сегментация, построенная в ходе представляемых исследований.
Результаты и обсуждение (Discussion and Results)
Распределения в исходных шкалах
Пример 1. Построение идеальной области в исследовании активности посещения развлекательных центров в зависимости от рода занятий респондентов.
В ходе исследования рынка развлекательных услуг в четырёх городах Европейской части России анализировалась (в числе проче-
го) связь рода занятий респондентов и активности посещения развлекательных центров. В выборку исследования было включено 1 400 респондентов (по 300 или 400 в каждом городе), посещающих развлекательные центры как минимум 3—4 раза в год. По активности респонденты были разбиты на три сегмента — light users (посещающие 5 раз в год или меньше), middle users (посещающие раз в 1—2 месяца) и heavy users (посещающие чаще раза в месяц). Распределение респондентов по сегментам в зависимости от рода занятий приведено на рисунке 1. Порядок представления рода занятий в данном случае — по убыванию доли респондентов во всей выборке; интервалы между вариантами положены равными.
Показано распределение респондентов в каждом сегменте по роду занятий. По оси ординат указана доля респондентов в процентах от объёма сегмента. На рисунке видны различия распределений (статистически значимыми согласно критерию H Краскела-Уоллиса являются различия распределений для инженерно-технических работников и творческой интеллигенции). В наиболее активных
группах ИТР и рабочих преобладают (особенно в первой) представители сегмента light users. Творческая интеллигенция, коммерсанты/ предприниматели, менеджеры среднего звена и руководители характеризуются повышенной долей представителей сегмента heavy users.
Построение идеальных областей
Для того чтобы очертить идеальную область целевой группы в разрезе рода занятий, усилим тип (номинальной) измерительной шкалы с помощью квантификации [3]. В качестве критерия оптимизации возьмём наилучшее соответствие рода занятий и активности посещения развлекательных центров.
Результаты квантификации показаны в таблице 1. Род занятий в данном случае упорядочен по возрастанию квантифицирован-ных значений.
В результате квантификации (номинальная) измерительная шкала приобрела интервальный тип; таким образом, распределение рода занятий респондентов можно представить на графике без всяких оговорок (рис. 2).
70 1 60 -50 -40 -30 -20 -10 -
0
О
[
:
m И 1 П 1 .
финансист, бухгалтер, работник торговли специалист сл у/пащии учащийся, студе нт коммерсант, предприни-менеджер среднего звена руководитель домохозяйка временно не работающий
Рис. 1. Распределение респондентов по роду занятий в зависимости от активности посещения развлекательных центров Fig. 1. Distribution of respondents by occupation depending on the activity of visiting entertainment centres
На рисунке показано распределение респондентов по роду занятий в сегментах. Ось абсцисс представлена квантифицированной шкалой с оптимальными интервалами. По оси ординат отложена доля респондентов в процентах относительно объёма сегмента. Чёрно-белыми шариками с буквой внутри показаны центры идеальных областей для сегментов целевой группы. Их координаты равны средним значениям по квантифи-цированной шкале для представителей сегментов, размеры пропорциональны объёму сегментов, горизонтальные линии с засечками ограничивают интервалы,в которые попадают 70% представителей каждого сегмента.
В таблице и на рисунке видно, что с точки зрения активности посещения развлекательных центров наиболее наполненные категории рода занятий сосредоточились в средине диапазона, а на его границах расположились малочисленные категории — менеджеры среднего звена и временно не работающие/ пенсионеры (обратим внимание, что две последних категории получили одинаковую
квантификацию, т.е. с точки зрения активности посещения они не различимы).
Линии с засечками в нижней части рисунка ограничивают в соответствии с определением [4, с. 24] идеальные области сегментов, параметры которых приведены в таблице 2. Примечательно, что в идеальную область сегмента heavy users не входят инженерно-технические работники и ра-
ботники торговли(ввиду того, что среди них существенно больше представителей сегмента light users).
Таким образом, квантификация номинальной измерительной шкалы дала возможность упорядочить род занятий в зависимости от активности посещения развлекательных центров, очертить идеальные области сегментов целевой группы, выделенных по покупательской
Таблица 1
Преобразование измерительной шкалы рода занятий с учётом активности посещения развлекательных центров Table 1. Conversion of the measurement scale of occupation taking into account the activity of visiting entertainment centres
Род занятий Квалифицированное значение
менеджер среднего звена -1,875
руководитель -1,374
коммерсант, предприниматель -1,099
творческая интеллигенция -0,906
учащийся, студент -0,433
финансовый работник, бухгалтер, экономист -0,114
специалист -0,093
рабочий 0,248
домохозяйка 0,327
служащий 0,571
инженерно-технический работник 0,751
работник торговли 1,294
временно не работающий 2,535
пенсионер 2,535
80 и
70 -60 -50 -40 -30 -20 -10 0
рабочий
специалис
коммерсант, творческая финансовый предприниматель интеллигенция работник,
бухгалтер,
руководитель экономист
менеджер среднего звена
учащийся, студент
1
ИТР
I
служащи
омохозяйка
п_
работник торговли
-1,374 -1,099-0,906
-0,433 -0,114-0,093 0,327 0,571 0,751
'H
%
-о-
□ heavy users
□ middle users light users
временно не работающий/ пенсионер
Рис. 2. Распределение респондентов по квантифицированной шкале рода занятий в зависимости
от активности посещения развлекательных центров Fig. 2. Distribution of respondents by quantified scale of occupation depending on the activity of visiting
entertainment centres
1,875
2,535
активности, и вычислить для них показатели конфигурации.
Анализ конфигурации идеальных областей
Пример 2. Анализ конфигурации идеальных областей сегментов по квантифицированной шкале рода занятий в зависимости от активности посещения развлекательных центров
В исследовании Примера 1 разность максимального и минимального значений (см. табл. 1) кван-тифицированной измерительной шкалы (Zmax - Zmin) = 4,410. Показатели расплывчатости идеальных областей сегментов целевой группы приведены в таблице 3, показатели дифференциации — в таблице 4.
В таблице 3 видно, что расплывчатость областей находится на среднем уровне; они занимают от 38 до 44% диапазона значений квантифицированной шкалы. С учётом рисунка 2 можно сделать выводы:
♦ области сегментов light users и heavy users неоднозначны, для них наблюдаются многомодо-вые распределения (локальные максимумы у первого для рабочих, инженерно-технических работников и работников торговли, у второго — для творческой интеллигенции и рабочих);
♦ область сегмента middle users не сформирована в том смысле, что нет входящих в неё категорий рода занятий, которые значимо выделялись бы по активности посещения развлекательных центров.
В таблице 4 видна в целом плохая дифференцированность областей (наилучшая ситуация наблюдается для областей сегментов light users и heavy users, которые пересекаются на 38% от расстояния между их наиболее удалённы-
ми границами), что и следовало ожидать при среднем уровне их сформированности.
Рекомендации из анализа конфигурации идеальных областей
Пример 3. Рекомендации из анализа конфигурации идеальных областей сегментов по квантифицированной шкале рода занятий в зависимости от активности посещения развлекательных центров.
Для выработки рекомендаций, которые возможны в ситуации Пример 1 и Пример 2 оценим [5] потенциально возможные объёмы долей сегментов и всей целевой группы, которые могут быть
охвачены при ориентации на разные категории рода занятий (табл. 5). Доли для всей выборки оценивались с учётом объёмов сегментов.
Категории рода занятий в данном случае были укрупнены [4], исходя из близости их квантифи-цированных значений (табл. 1 и рис. 2). Вопрос, почему категории объединились именно так, требует дополнительного исследования, которое выходит за рамки настоящей работы.
Приведены суммарные объёмы групп респондентов (в процентах от объёмов сегментов, в последней колонке — от всей выборки)
Таблица 2
Показатели идеальных областей сегментов по квантифицированной шкале рода занятий в зависимости от активности посещения развлекательных центров Table 2. Indicators of ideal areas of segments on the quantified scale of occupation depending on the activity of visiting entertainment centres
Сегмент Среднее арифметическое Процентиль Р15 Процентиль Р85
light users 0,35 -0,433 1,294
middle users 0,08 -0,906 0,751
heavy users 0,01 -1,374 0,571
Таблица 3
Показатели расплывчатости идеальных областей сегментов по квантифицированной шкале рода занятий в зависимости от активности посещения развлекательных центров Table 3. Vagueness indices of ideal segment areas on the quantified occupation scale according to the activity of visiting entertainment centres
Сегмент Коэффициент расплывчатости КР Коэффициент компактности КК
light users 0,39 0,61
middle users 0,38 0,62
heavy users 0,44 0,56
Таблица 4
Показатели дифференциации идеальных областей сегментов по квантифицированной шкале рода занятий в зависимости
от активности посещения развлекательных центров Table 4. Indicators of differentiation of ideal areas of segments on the quantified scale of occupation depending on the activity of visiting entertainment centres
Сегмент Коэффициент дифференциации КД
light users middle users heavy users
light users - -0,54 -0,38
middle users -0,54 - -0,70
heavy users -0,38 -0,70 -
для объединённых категорий рода занятий.
В таблице выделяются три укрупнённых сегмента по роду занятий, наиболее привлекательные, исходя из их объёма.
С привлечением данных о доходе, получаемом от разных групп респондентов, их привлекательность можно оценить более точно. В рассматриваемом исследовании имелись данные о ежегодных тратах респондентов при посещении развлекательных центров. На их основе был вычислен вклад каждой категории в общий доход развлекательных центров. Оговоримся, что, так как абсолютный объём сегментов (равно как и объём целевой группы) в рассматриваемом исследовании не определялся, то из имеющихся данных можно получить лишь относительные оценки вклада сегментов в общий доход (табл. 6).
Приведён суммарный доход от групп респондентов для объединённых категорий рода занятий (в процентах относительно дохода от всей целевой группы).
В таблице видно, что преимущество наиболее объёмной укрупнённой категории рода занятий стало ещё более весомым, в то время как альтернативные варианты частично потеряли свою привлекательность. Таким образом, в кампании продвижения развлекательного центра, ориентированной на сегментацию по роду занятий, предпочтительно сосредоточиться на сегменте, в который входят финансовые работники, бухгалтера, экономисты, специалисты, рабочие и домохозяйки, что обеспечит более 44% потенциального дохода от всей целевой группы. В достаточной степени привлекательны также служащие и инженерно-технические работники, которые могут дать 27,4%
дохода. Отметим резко возросшую привлекательность менеджеров среднего звена, которые приблизились к объединённой категории коммерсантов, предпринимателей и творческой интеллигенции.
Обсуждение проблемы достижимости привлекательных категорий целевой группы выходит за рамки настоящей работы.
Отдельный вопрос: как повлияют действия по какому-либо направлению на варианты, близкие к нему на квантифицированной
шкале(например,как воздействие на специалистов и рабочих подействует на домохозяек). К сожалению, на данный момент ответ на него невозможен, так как никаких исследований по этой теме не проводилось.
Заключение
Тематика анализа номинальных признаков в маркетинговых исследованиях имеет первостепенное значение ввиду важности этих признаков в рассматриваемых задачах. Их непосредственный анализ
Таблица 5
Оценка привлекательности сегментов целевой группы по роду занятий (по объёму) Table 5. Assessment of attractiveness of target group segments by occupation (by volume)
Род занятий Сегмент Вся выборка
light users middle users heavy users
менеджер среднего звена 0,6 3,2 8,1 3,9
руководитель 2,2 2,1 7,3 3,6
коммерсант, предприниматель, творческая интеллигенция 11,6 14,7 23,6 16,5
учащийся, студент 2,2 5,7 5,4 4,7
финансовый работник, бухгалтер, экономист, специалист, рабочий, домохозяйка 34,7 38,8 36,6 37,1
служащий, ИТР 33,6 32,9 17,9 28,7
работник торговли 14,6 1,9 1,2 5,1
временно не работающий, пенсионер 0,6 0,6 0,0 0,4
Таблица 6
Оценка привлекательности сегментов целевой группы по роду занятий (по доходу) Table 6. Assessment of attractiveness of target group segments by occupation (by income)
Род занятий Сегмент Вся выборка
light users middle users heavy users
менеджер среднего звена 1,9 1,4 7,3 10,6
руководитель 0,2 0,4 0,2 0,9
коммерсант, предприниматель, творческая интеллигенция 2,3 3,7 8,1 14,1
учащийся, студент 0,0 0,1 0,0 0,1
финансовый работник, бухгалтер, экономист, специалист, рабочий, домохозяйка 8,7 24,5 11,1 44,3
служащий, ИТР 7,5 17,0 2,9 27,4
работник торговли 2,3 0,0 0,0 2,3
временно не работающий, пенсионер 0,1 0,1 0,0 0,2
возможен лишь с помощью весьма ограниченного круга матема-тико-статистических методов. В то же время, усиление типа номинального признака позволяет значительно увеличить объём получаемых результатов.
Их практическая полезность во многом определяется способом усиления типа (некоторые способы усиления приводят к тому, что уси-
ленная переменная теряет маркетинговый смысл). В настоящей статье рассмотрен способ усиления с использованием оцифровки (квантификации) переменных по критерию наилучшего соответствия целевым показателям маркетинговых исследований — объёму сегментов целевой группы, интенсивности покупок и получаемому доходу.
Такой подход позволяет значительно расширить круг получаемых результатов, которые обладают практической ценностью вследствие привязки способа усиления типа номинального признака к целевым показателям.В частности, появляется возможность выбрать наиболее привлекательные (с объективной точки зрения) сегменты в качестве целевых.
ИСТОЧНИКИ
1. Орлов, А. И. Теория измерений как часть методов анализа данных: размышления над переводом статьи П.Ф. Велле-мана и Л. Уилкинсона / А. И. Орлов // Социология: методология, методы, математическое моделирование. — 2012. — № 35. - С. 155-174. - EDN PUOTBZ.
2. Закускин, С. В. К вопросу о правомерности применения математико-статистических методов к исследовательским данным «неправильного» типа / С. В. Закускин // Практический маркетинг. — 2022. — № 9(306). — С. 3-23. — EDN NJUCSO.
3. Прикладная статистика: Классификация и снижение размерности. Финансы и статистика / С. А. Айвазян, В. М. Бух-штабер, И. С. Енюков, Л. Д. Мешалкин. Том 3. - М.: Финансы и статистика, 1989. - 607 с. - EDN TOJDXB.
4. Закускин, С. В. Оценка относительной и абсолютной привлекательности сегментов целевой группы / С. В. Закускин // Маркетинг и маркетинговые исследования. - 2020. - № 2. - С. 92-102. - EDN UJQWNR.
5. Закускин, С. В. Преобразование характеристик потребительского выбора и предпочтений при обработке результатов маркетинговых исследований / С. В. Закускин // Практический маркетинг. - 2022. - № 5(302). - С. 3-13. -EDN HSNQJF.
UDC 339.13
DOI: 10.24412/2071-3762-2024-1319-32-37
Nominal Features Analysis in Marketing Research Using Quantification of Measuring Scales Zakuskin Sergey Viktorovich,
PhD in Technical Sciences, Deputy General Director, Compass Research Agency LLC; 60 Oktyabrskaya St., bldg. 2, apt.10, Moscow, Russia (compass_research@mail.ru)
The nominal features analysis in marketing researches with all its importance and usefulness has essential restrictions on the range of mathematical and statistical methods for their processing. In particular, the measure of central tendency for them can be only the mode of distribution, and the measure of measurement results dispersion is not defined at all. In the practice of their processing, various considerations are usually used to enhance their type, which makes it acceptable to use a wider set of processing methods. The paper considers the method of enhancing the nominal feature type by means of their optimal digitization (quantification). As an optimization criterion, the best match with the purchasing activity of the target group representatives is taken. This makes it possible to link the solution to the target indicators of marketing research - the volume of the target group segments, the purchases intensity and the income received. As a result, it becomes possible to select target segments on the basis of objective indicators and maximize the effect of their attraction.
Keywords: target group characteristics; target group segment; purchasing activity; attractiveness of segments; data type; data type enhancement; nominal features; quantification of measurement scales.
REFERENCES
1. Orlov, A. I. (2012) Measurement Theory as a Part of Data Analysis Methods: Reflections on the Translation of the Article by P. F. Velleman and L. Wilkinson. Sociology: Methodology, Methods, Mathematical Modelling, 2012, no. 35, pp. 155-174. -EDN PUOTBZ.
2. Zakuskin, S. V. (2022) On the Question of the Legality of Applying Mathematical and Statistical Methods to Research Data of the «Wrong» Type. Practical Marketing, 2022, no. 9, pp. 3-23. - EDN NJUCSO.
3. Applied Statistics: Classification andDimensionality Reduction. Finance and Statistics. [S. A. Ayvazyan, V. M. Bukhshtaber, I. S. Enyukov, L. D. Meshalkin] Volume 3. Moscow : Finance and Statistics Publishing House, 1989, 607 p. - EDN TOJDXB.
4. Zakuskin, S. V. (2020) Evaluation of Relative and Absolute Attractiveness of Target Group Segments. Marketing and Marketing Research, 2020, no. 2, pp. 92-102. - EDN UJQWNR.
5. Zakuskin, S. V. (2022) Transformation of Consumer Choice and Preferences Characteristics when the Marketing Research Results Processing. Practical Marketing, 2022, no. 5, pp. 3-13. - EDN HSNQJF.