К ВОПРОСУ О ШКАЛЕ И КВАНТИФИКАЦИИ ИНДЕКСА ПРОМОУТЕРА
Закускин Сергей Викторович,
кандидат технических наук, заместитель генерального директора, ООО Агентство «Компас Рисерч»; 127521, Москва, ул. Октябрьская, 60-2-10 compass_research@mail.ru
Используемый в маркетинговой практике индекс промоутера NPS (Net Promoter Score) в определении Райхельда имеет ряд недостатков, которые ограничивают его применение - повышенную случайность выбора значения на длинной измерительной шкале, невозможность оценить индекс для каждого респондента, неоднозначность трактовки вычисленных значений индекса. В качестве альтернативы предлагается построить индекс промоутера на основе квантификации данных о рекомендациях, замеренных по подходящей шкале. Квантификация выполняется категориальными методами факторного или дискриминантного анализа оптимальным образом применительно к решаемой задаче. Это позволяет снять проблему принципиального различия некоторых соседних значений измерительной шкалы, дифференцировать вклад каждого значения шкалы в формирование индекса, оценивать значение индекса для каждого респондента, вычислять средние значения, дисперсии и другие интервальные статистики (так как квантифицированный индекс приобретает интервальный тип). Соответственно, может проводиться анализ индекса по любым группам респондентов и оцениваемым объектам (товарам, торговым маркам, фирмам), что дает возможность сравнивать позиции объектов и находить сегменты целевой группы, на которые можно опираться как на промоутеров.
Ключевые слова: индекс промоутера; индекс Райхельда; позиция товара/торговой марки/фирмы; продвижение товара/торговой марки/фирмы; сегмент целевой группы; маркетинговые исследования; факторный анализ; дискриминантный анализ.
ВВЕДЕНИЕ
Применяемый в маркетинговых задачах индекс промоутера NPS (Net Promoter Score), который определяется по методике Райхельда (описанию и обсуждению методики посвящен ряд работ [1, 2]), при всей его полезности имеет некоторые недостатки и подвергается обоснованной критике [3]. Во-первых, с точки зрения теории измерений одиннадцатибалльная шкала является слишком длинной; возрастает элемент случайности в выборе конкретного значения на ней. Во-вторых, выглядит спорным разбиение шкалы именно на такие интервалы (0—6, 7—8, 9—10) да и вообще сам способ разбиения, когда соседние значения шкалы получают существенно разный смысл. Так, с точки зрения методики Райхельда значения 6 и 7 (равно как 8 и 9) различаются кардинально, а с точки зрения респондента между ними нет принципиальной разни-
цы (особенно с учетом повышенной случайности выбора значения на длинной шкале). В-третьих, нет возможности вычислить индекс промоутера для каждого респондента отдельно, а для малочисленных групп респондентов он будет иметь низкую точность.
Далее, имеется некоторое противоречие между техникой замера и трактовкой отрицательных значений индекса Райхельда. Конкретизируя, понятие «не рекомендовать» может трактоваться двояко: как намерение не предпринимать никаких действий либо как намерение дать отрицательную рекомендацию (одно дело, когда рекомендующий ничего не говорит про оцениваемый объект, и совершенно другое, когда он говорит «я вам его не рекомендую»). В методике Райхельда получается, что техника замера соответствует первой трактовке, а толкование вычисленных значений индекса — второй.
Возможно, именно из-за этих недостатков индекс промоутера в определении Райхельда не получил широкого распространения в отечественной практике. Укажем примеры его использования, приведенные в литературе: сравнение индекса промоутера российских банков [4]; использование индекса промоутера для выбора бизнес-партнеров при формировании сбытовых сетей [5]; оценка индекса промоутера частных школ Москвы и Московской области [6]; оценка индекса промоутера на ряде промышленных рынков Уральского региона [7].
Попутно возникает еще один вопрос: в каких условиях человек дает окружающим какие-то коммерческие рекомендации? Одна ситуация, когда кто-то его рекомендацию попросил; другая — давать такие рекомендации по собственной инициативе или вообще навязывать их окружающим (в российской культуре это не очень принято).
Таким образом,возникает задача обоснования шкалы и кванти-фикации индекса промоутера с привязкой к конечному результату. В качестве конечного результата примем то, насколько активен промоутер в своих рекомендациях. Строго говоря, конечным результатом должен считаться акт покупки по его рекомендациям, однако здесь решающую роль будут играть уже не намерения или действия рекомендующего, а его харизма, характер отношений с реципиентом (лицом, получающим рекомендации), потребности реципиента и т.п.
ПОДХОД К ФОРМИРОВАНИЮ
ИНДЕКСА ПРОМОУТЕРА
Основная идея предлагаемого подхода к формированию индекса промоутера заключается в определении его на базе оцифровки (квантификации) данных о рекомендациях, выполненной подходящим способом [8] в соответствии с подходом, предусматривающим использование результатов квантификации [9]. Это позволяет приписать всем значениям измерительной шкалы обоснованные веса, избежать принципиальных различий между соседними значениями шкалы и использовать в анализе весь объем данных.
ОПРЕДЕЛЕНИЕ ИНДЕКСА
ПРОМОУТЕРА
Пусть имеются результаты замера готовности рекомендовать определенный объект (товар, услугу, торговую марку, фирму, персону и т.д.). Замер производился по некоторой измерительной шкале. В методике Райхель-да она имеет одиннадцать значений (от 0 до 10); нам представляется более уместной семибалльная шкала, хотя для определения индекса промоутера это не важно.
Необходимы также данные о фактических рекомендациях, которые давали респонденты — в определении индекса они будут играть роль целевой функции.
С использованием подхода Айвазяна [8] получим для каждой категории измерительной шкалы ее оцифрованное (квантифициро-ванное) значение, оптимальное применительно к целевой функции. Это оцифрованное значение примем в качестве альтернативного индекса промоутера. Его можно оценить для каждого респондента, а также строить его распределения и вычислять средние значения для любых групп респондентов (ввиду того, что после квантификации порядковая измерительная шкала преобразовалась в интервальную).
Таким образом, индекс промоутера является функцией от замеренных значений
/= Г(з) (1)
где
я — значения измерительной шкалы, f — (нестрого) монотонная функция, определенная оптимальным способом с точки зрения соответствия данным о фактических рекомендациях.
Заметим, что вид функции f находить не требуется, а требуется лишь найти ее значения для всех значений измерительной шкалы А^з.), где я — /-е значение шкалы, Iе {1, ..., п}, п — число значений шкалы.
При таком подходе существует пороговое значение индекса, которое разделяет вероятную рекомендацию и «не-рекомендацию», причем, чем дальше значение индекса конкретного респондента от порога, тем больше вероятность, что он будет давать (не давать) рекомендацию. Конечно, возможное предсказание по этой модели ограничивается точно-
стью, показанной проведенной дискриминацией.
Оцифрованные значения имеют диапазон, установленный вычислительными процедурами, и их толкование затруднительно. Для привязки к решаемой задаче необходимо привести их к какому-либо осмысленному диапазону — от -1 до +1, от 0 до 100 или иному (например, по формуле приведения [10]. Если проводить аналогию с методикой Райхельда, то их надо приводить к отрезку [-100, + 100]. После такой стандартизации пороговое значение индекса будет расположено посреди диапазона (например, для диапазона [-1, +1] - в нуле).
Данные для оценки индекса
и параметров модели
Для оценки индекса промоуте-ра в той форме, в какой определено выше, требуется провести замер намерений рекомендовать объект аналогично тому, как это делается в методике Райхельда, заменив, быть может, одиннадцатибалльную шкалу на более короткую. Если рассматривать семибалльную шкалу, то возможны два ее варианта - со значениями от 0 до 6 и со значениями от -3 до +3. Первый вариант соответствует Райхельду, только с укороченной шкалой. Второй вариант более пригоден для прояснения вопроса с отрицательными рекомендациями, упомянутого во введении. В самом деле, если исследователь будет использовать семибалльную шкалу, представленную в таблице 1, то появится основание для рассуждений о том, что лица с отрицательным индексом промоутера будут ухудшать продвижение оцениваемого объекта, в то время как в оригинальной методике Райхельда отрицательный индекс промоутера
скорее означает, что такие лица не будут предпринимать никаких действий (что противоречит общепринятой их трактовке).
Для оценки параметров модели (т.е. квантификации значений измерительной шкалы) требуется известная целевая функция. В простейшем случае это могут быть данные о фактических рекомендациях — тогда индекс промо-утера будет пропорционален вероятности рекомендации («не-ре-комендации»). Можно рассматривать более сложные варианты, например, данные о возможной активности рекомендаций. Так, можно различать ситуации, когда респондент дает рекомендацию по собственной инициативе («инициативный промоутер»/ initiative promoter) и когда кто-то просил его совета («промоутер по запро-су»/promoter on demand). Нам представляется, что во второй ситуации наблюдается меньшая активность рекомендации. Кроме того, можно учитывать многократные рекомендации.
В любом случае возникает необходимость иметь обучающую выборку для оценки параметров модели; причем, для того, чтобы модель стала общезначимой, выборка должна быть очень большого размера — она должна охватывать все рынки и все важные сегменты целевых групп. Пока этого не сделано, можно пользоваться моделью с параметрами, оцененными по ограниченным выборкам, уточняя их по мере появления новых данных.
Не исключено также, что параметры модели будут различаться от рынка к рынку в силу различия бытующих на них традиций, обычаев делового оборота, особенностей целевых групп и т.п. Тогда определять их можно будет для каждого рынка независимо.
Таблица 1
Двунаправленная шкала для замера индекса промоутера Варианты ответа на вопрос «Насколько вероятно, что вы порекомендуете (конкретный объект) своим окружающим?»
Значение Смысл
+3 активно порекомендую
+2 порекомендую
+1 возможно порекомендую
0 не буду рекомендовать или не рекомендовать
-1 скорее не порекомендую
-2 не порекомендую
-3 активно не порекомендую
Возможное развитие модели
Перспективным выглядит развитие описанной модели в направлении учета информации о реальных покупках, сделанных под влиянием рекомендаций. Если бы удалось каким-либо способом получить такую информацию, то можно было бы в конструкции индекса промоутера перейти от относительных величин, характеризующих вероятность рекомендации, к абсолютным, характеризующим объем продаж под влиянием рекомендаций. Исследования на эту тему проводились, некоторую информацию можно найти в публикациях [11].
В этом случае индекс промоуте-ра определяется по формуле
I = Ь0 + Ь± * в, (2)
где
в — квантифицированные значения измерительной шкалы, Ь0, Ь1 — аддитивная и мультипликативная константы.
Параметры Ь0 и Ь1 оцениваются методами регрессионного анализа. Соответственно, квантифика-ция в данном случае проводится применительно к регрессионному анализу. Смысл индекса промоутера, определенного формулой(2) — прогноз объема продаж под влиянием рекомендаций (объем продаж здесь выражается в тех же единицах, в каких он был представлен в обучающей выборке).
Заметим, что формула (2) приводится к формуле (1), когда Ь0 = 0 и Ь1 = 1. Эти значения получатся, если формально построить дискриминантную функцию в случае (1).
К сожалению, такой вариант индекса промоутера трудно реализуем на практике — во-первых, из-за сильного влияния параметров рекомендующего и реципиента, а также их отношений на покупки (см. Введение); во-вторых, из-за сложности фиксации актов покупки и связывания их с рекомендациями.
ПРИМЕР ФОРМИРОВАНИЯ
ИНДЕКСА ПРОМОУТЕРА
Для проверки предложенного подхода было проведено исследование поведения представителей среднего класса в двух секторах рынка — сотовой связи и кредитных/дебетовых карт. В замере была использована одиннадцатибалльная шкала (от 0 до 10), чтобы имелась возможность сопоставить полученные результаты с методикой Райхельда.На основании его результатов оценивался индекс промоутера, формула (1).
Нелинейный канонический корреляционный анализ дал кванти-фикацию измерительной шкалы, показанную в таблице 2и на рисунке 1 (значения приведены к диапазону [-1, +1]).
Из таблицы и рисунка видно, что применительно к рассмотренной выборке (отметим, что на выборках большого объема эти выводы могут измениться) установленные методикой Райхельда границы категорий для вычисления индекса промоутера соответствуют наблюдаемой картине лишь частично:
♦ категория сторонников по Рай-хельду (значения 9 и 10 на шкале) хорошо согласуется с экспериментальными данными (различия между значениями 8 и 9 велико, в то время как значения 9 и 10 оцифровались одинаково):
♦ категория нейтральных по Рай-хельду (значения 7 и 8) может быть подвергнута сомнению — разница между оцифровкой значений 7 и 8 слишком велика, а оцифровка значения 7 очень близка к оцифровке 5 и 6;
♦ внутри категории критиков по Райхельду (значения от 0 до 6) имеется значительный разрыв между оцифровкой значений 4 и 5.
Проверка всех вариантов разбиения на три категории показала, что максимальные (по критерию Н Краскела-Уоллеса) различия достигаются при разбиении шкалы на отрезки [0, 4], [5, 7] и [8, 10]. Вариант Райхельда тоже дает неплохое значение критерия.
В противовес этому, в определении индекса промоутера по форме (1) вообще не возникает проблема установления границ на измерительной шкале.
Еще раз подчеркнем, что вычисленные в настоящем разделе значения индекса промоутера, равно как и выводы следующего раздела, приведены лишь для иллюстрации предложенного подхода и не могут использоваться в практических задачах ввиду
крайне малого объема обучающей выборки.
АНАЛИЗ ИНДЕКСА ПРОМОУТЕРА Индекс по выборке и по секторам рынка
Так как предложенный вариант индекса промоутера имеет интервальный тип и может быть определен для каждого респондента,
то возникает возможность строить и анализировать его распределения, а также вычислять средние значения и дисперсии. На рисунке 2 дано для примера распределение индекса по всей исследованной выборке.
На рисунке хорошо видна наблюдаемая в таблице 2 «уплотненность» шкалы индекса до значения -0,54
Таблица 2
Квантификация измерительной шкалы индекса промоутера
Значение измерительной шкалы Квалифицированное значение
0 -1
1 -0,89
2 -0,77
3 -0,65
4 -0,54
5 -0,12
6 -0,10
7 0,12
8 0,63
9 1
10 1
1
0,8 -
0,6 -
я и 0,4 -
=1
а к 0,2 -
■е-ит 0
тн а -0,2 0
т
-0,4 -
-0,6 -
-0,8
-1 &
10
Измерительная шкала
Рис. 1. Квантификация измерительной шкалы индекса промоутера Показаны оцифрованные значения измерительной шкалы индекса промоутера.
Рис. 2. Распределение индекса промоутера в исследованной выборке По оси абсцисс отложены значения индекса промоутера, полученные в результате кван-тификации измерительной шкалы. По оси ординат отложена доля респондентов с указанными значениями индекса промоутера в процентах относительно всей выборки.
(что соответствует значениям измерительной шкалы от 0 до 4) и «разреженность» выше этих значений (что соответствует значениям измерительной шкалы от 4 до 10) со следующими особенностями — квантификация значений 5 и 6 очень близка, квантификация значений 9 и 10 совпала(так что соответствующие им столбики слились на графике в один). Статистики центральной тенденции и разброса по всей выборке и отдельно по исследованным секторам рынка приведены в таблице 3.
Из таблицы видно, что среднее значение индекса близко к пороговому, а разброс значений достаточно велик.
Проверка по критерию Н Крас-кела — Уоллеса показала, что распределение индекса в исследованных секторах рынка практически не отличается. Таким образом, для них может быть использовано одно и то же определение индекса.
Особенности групп
респондентов
Исследование различий распределения индекса в разных группах респондентов проводилось методами непараметрической статистики. Были рассмотрены различные признаки для разбиения выборки на группы. Понятно, что наилучшим будет разбиение по целевой функции (реально данным рекомендациям), так как в этом случае точность будет ограничиваться только погрешностью проведенной дискриминации. Распределение индекса в зависимости от данных рекомендаций показано на рисунке 3, статистики индекса — в таблице 4. Респонденты разбиты на три категории: ♦ «не-промоутеры» — не дававшие никаких рекомендаций;
♦ «промоутеры по запросу» — дававшие рекомендации по чьему-то запросу;
♦ «инициативные промоутеры» — дававшие рекомендации по собственной инициативе. Значения измерительной шкалы
9 и 10 слились на каждой кривой в одну точку; также значения 5 и 6 (строго говоря, они должны отображаться разными точками, но масштаб графика таков, что они практически неразличимы). Из рисунка и таблицы видно:
♦ лица, дававшие какие-либо рекомендации, имеют значительно более высокий индекс про-моутера; разброс значений индекса для них существенно
меньше, чем в среднем по выборке;
♦ категория «не-промоутеров» имеет большой разброс значений индекса(сравнимый с разбросом по всей выборке), что обусловлено ее размерами (в данном исследовании она составила более чем 80% выборки);
♦ среди «не-промоутеров» есть лица со всеми возможными значениями индекса, в то время как значения индекса для промоуте-ров близки к пороговому или выше него.
В практических задачах, однако, это разбиение не может быть построено, так как согласно
Таблица 3
Статистики индекса промоутера по секторам
Сектор рынка Среднее арифметическое Среднеквадратичное отклонение
сотовая связь -0,01 0,64
кредитные/ дебетовые карты -0,06 0,63
среднее по выборке -0,04 0,63
0 не-промоутеры промоутеры по запросу
инициативные промоутеры
Рис. 3. Распределение индекса промоутера в зависимости от фактически данных рекомендаций По оси абсцисс отложены значения индекса промоутера, по оси ординат - доля респондентов с указанными значениями индекса отдельно по категориям в зависимости от фактически данных рекомендаций. Процент указан относительно численности каждой категории.
Таблица 4
Статистики индекса промоутера в зависимости от фактически данных рекомендаций
Категория промоутеров Среднее арифметическое Среднеквадратичное отклонение
не-промоутеры -0,15 0,60
промоутеры по запросу 0,48 0,48
инициативные промоутеры 0,61 0,48
методике замеряется намерение дать рекомендацию, а не реально данные рекомендации. Таким образом, необходимо рассматривать разбиения выборки на группы в зависимости от других признаков.
Из социально-демографических характеристик значимое отличие показал индекс в зависимости от возраста респондентов и их места жительства (Москва в сравнении с регионами). Возраст замерялся как число полных лет, исполнившихся респонденту, и был укрупнен применительно к решаемой задаче с использованием алгоритма укрупнения [9]. Укрупненные категории и статистики индекса приведены в таблице 5.
Из таблицы видно, что с возрастом готовность давать рекомендации уменьшается. Границы, на которых заметно меняется готовность, наблюдаются на уровнях 33-34 года и 48-49 лет. В то же время, высокий разброс значений внутри возрастных категорий, приведенных в таблице, снижает ценность полученного разбиения для анализа индекса промоутера, а все другие разбиения по возрасту будут еще хуже.
Статистики индекса в зависимости от места жительства респондентов приведены в таблице 6.
Таблица показывает, что жители регионов в среднем охотнее дают рекомендации, нежели москвичи. Большой разброс значений индекса в регионах обусловлен значительным разнообразием мест жительства (были опрошены лица, проживающие в восьми разноплановых городах европейской части России — от мил-лионников до небольших региональных центров и подмосковных городков).
Из психографических характеристик значимое отличие показал
индекс в зависимости от уровня открытости/ замкнутости респондентов. Ввиду того, что эти уровни замерялись по семибалльным шкалам (отдельно открытость и замкнутость), потребовалось предварительное укрупнение категорий, которое было выполнено с применением того же подхода, что и выше: по результатам квантификации в нелинейном каноническом корреляционном анализе совместно с данными о наме-
рениях и о фактических рекомендациях (использовалась процедура Overals пакета программ SPSS) были определены сочетания уровней открытости и замкнутости, которые могут быть объединены в укрупненные категории; их в итоге получилось три: «замкнутые», «нейтральные» и «открытые» респонденты. Исходное совместное распределение и результаты укрупнения показаны на рисунке 4, статистики индекса промоутера
Таблица 5
Статистики индекса промоутера в зависимости от возраста
Возрастная категория Среднее арифметическое Среднеквадратич ное отклонение
33 года и младше 0,23 0,63
34-45 лет -0,08 0,59
46-48 лет -0,06 0,61
49-59 лет -0,35 0,62
60 лет и старше -0,34 0,48
Таблица 6 Статистики индекса промоутера в зависимости от места жительства
Место жительства Среднее арифметическое Среднеквадратичное отклонение
Москва -0,09 0,61
регионы 0,13 0,70
< > С
ь ) < > Q4
w
О О О" о о эалычые л гл открытые
9 % W О с
9 \ ней!
¥ ь У
W \ ^ Wy
гь С .А &Ж а
0 1 2 3 4 5 6
уровень открытости
Рис. 4. Распределение оценок открытости/ замкнутости респондентов Показано распределение оценок открытости и замкнутости респондентов. Расположение шариков показывает уровень открытости/ замкнутости (чем правее/ выше - тем выше уровень), их размер пропорционален доле респондентов с этим уровнем. Полушарики показывают распределение значений открытости/ замкнутости отдельно, полные шарики - совместное распределение открытости и замкнутости.
для укрупненных категории — в таблице 7.
Данные таблицы подтверждают, что замкнутые респонденты в меньшей степени готовы давать рекомендации. В то же время, готовность нейтральных и открытых респондентов примерно одинакова.
Особенности оцениваемых
объектов
Анализ различий распределения индекса в разрезе оцениваемых объектов позволяет оценить их имидж с точки зрения побудительной силы (в части намерения рекомендовать их своему окружению). Объекты, оцененные в проведенном исследовании, дали показатели, приведенные в таблице 8 и таблице 9 (по секторам рынка).
Из таблиц можно сделать выводы об успешности кампании продвижения оцененных объектов (в части побудительной силы), а также о потенциале привлечения потребителей через действия про-моутеров.
В дальнейший анализ могут быть включены помимо объектов также и группы респондентов. В качестве примера рассмотрим особенности индекса промоутера эмитентов кредитных/дебетовых карт вкупе с возрастом респондентов. Отметим, что в данной задаче разбиение на возрастные категории получилось несколько другим, чем в предыдущем пункте, а именно: лица в возрасте 46—59 лет слились в одну категорию и обособилась категория 22 года и младше (ниже она не показана ввиду слабой наполненности).
На рисунке 5показаны средние значения индекса промоутера объектов внутри возрастных категорий, на рисунке 6 — средние значения индекса возрастных категорий для каждого объекта.
Таблица 7
Статистики индекса промоутера в зависимости от уровня открытости/
замкнутости
Категория Среднее значение индекса С реднеквадратич ное отклонение
«замкнутые» -0,23 0,61
«нейтральные» 0,01 0,62
«открытые» -0,01 0,59
Таблица 8 Статистики индекса промоутера операторов связи
Оператор связи Среднее значение индекса Среднеквадратичное отклонение
Билайн -0,15 0,64
МТС 0,11 0,63
Мегафон -0,20 0,59
Теле2 0,57 0,49
Таблица 9 Статистики индекса промоутера эмитентов кредитных/дебетовых карт
Эмитент карт Среднее значение индекса Среднеквадратичное отклонение
Сбербанк -0,02 0,60
ВТБ -0,45 0,66
Альфа-банк -0,31 0,45
МКБ -0,05 0,11
Tinkoff 0,43 0,60
1 -, 0,8 -0,6 -0,4 -0,2 -0 --0,2 --0,4 --0,6 --0,8 --1 --1,2 -
23-33 года
34-45 лет
46-59
0 ле
]Сбербанк ЩВТБ □ Альфа-банк ЩМКБ □ Tinkoff
Рис. 5. Средний индекс промоутера эмитентов кредитных/дебетовых карт в зависимости от возраста Показаны средние значения индекса промоутера для эмитентов кредитных/дебетовых карт с разбиением по возрастным категориям.
Рис. 6. Средний индекс промоутера возрастных категорий в разрезе эмитентов кредитных/дебетовых карт Показаны средние значения индекса промоутера по возрастным категориям для каждого эмитента кредитных/дебетовых карт.
и старше
Из рисунков, в частности, видно:
♦ возрастная категория 23—33 года активно рекомендует карты всех эмитентов, кроме Альфа-банка и МКБ;
♦ категория 34—45 лет склонна рекомендовать только карты Tinkoff, в то время как карты ВТБ для них являются в этом смысле нежелательными;
♦ категория 60 лет и старше вообще не склонна что-либо рекомендовать, хотя для карт МКБ они могут сделать исключение;
♦ в анализе позиций эмитентов карт можно отметить высокий индекс карт ВТБ в категории 23—33 года и карт Tinkoff в категориях 45 лет и младше;
♦ в то же время, более старшие категории снижают средние значения индекса, особенно для карт ВТБ и Альфа-банка.
На следующем уровне анализа проводится исследование распределения индекса для отдельных объектов в отдельных категориях. Он требуется, если распределения имеют какие-либо особенности, на что может, в частности, указывать высокий разброс значений индекса. На рисунке 7в качестве примера приведены распределения индекса промоутера для карт Сбербанка по возрастным категориям. На рисунке видно:
♦ распределение индекса в возрастной категории 34—45 лет имеет ярко выраженный пик в районе чуть ниже порогового значения;
♦ распределение в категории 33 года и младше имеет два пика — чуть ниже порогового значения и при максимальном значении индекса;
♦ распределение в категории 46 лет и старше имеет W-образ-ный характер, что указывает на ее неоднородность в смысле индекса промоутера.
ЗАКЛЮЧЕНИЕ
Использование в маркетинговой практике индекса промоутера NPS(Net Promoter Score) в определении Райхельда несколько затрудняется его недостатками — слишком длинной измерительной шкалой (что повышает случайность выбора значения на ней), наличием принципиально отличающихся соседних значений шкалы, невозможностью оценки индекса для каждого респондента, неоднозначностью трактовки вычисленных значений индекса. Устранить их можно переходом к конструированию индекса на основе результатов оцифровки информации о рекомендациях.
В представленном подходе за индекс промоутера принимается приведенная к заданному диапазону оцифрованная (квантифици-рованная) оценка намерения дать
45% 40% 35% 30% 25% 20% 15% 10% 5% 0%
рекомендацию. Оцифровка выполняется оптимальным образом применительно к фактически данным рекомендациям.
Такой вариант определения индекса позволяет:
♦ снять проблему принципиального различия некоторых соседних значений шкалы;
♦ дифференцировать вклад каждого значения шкалы в формирование индекса;
♦ оценивать значение индекса для каждого респондента;
♦ вычислять средние значения, дисперсии и другие интервальные статистики для любых групп респондентов(поскольку оцифрованный индекс приобретает интервальный тип).
Предложенное определение допускает использование как шкалы Райхельда, так и других измерительных шкал, что дает возможность выбрать из них наилучшую с точки зрения адекватности выставляемых оценок и уменьшить элемент случайности в выборе конкретных значений шкалы.
33 года и младше
34-45 лет
46 лет и старше
Рис. 7. Распределение индекса промоутера для Сбербанка в зависимости от возраста По оси абсцисс отложены значения индекса промоутера для Сбербанка как эмитента кредитных/ дебетовых карт, по оси ординат - доля респондентов с указанными значениями индекса отдельно по возрастным категориям. Процент указан относительно численности каждой категории.
1
-0,885
-0,538
0,119
1
ИСТОЧНИКИ
1. КирилловаК.В. К вопросу о количественной оценке уровня лояльности потребителей // Практический маркетинг. — 2013. - № 10. - С. 30-35.
2. Лобарева Н.В., Сиганьков А.А. Оценка эффективности взаимоотношений с потребителями продукции высокотехнологичных предприятий // Вопросы инновационной экономики. — 2020. — Том 10. — № 1. — С. 585-600.
3. КлиминА.И., Тихонов Д.В. Методологические проблемы применения индекса ЫРБ при оценке взаимоотношений с клиентами // Маркетинг и маркетинговые исследования. — 2017. — № 3. — С. 168—173.
4. Алмуграби М., Карпова С.В. Измерения эффективности управления брендом // Мягкие измерения и вычисления. — 2018. - № 6. - С. 25-29.
5. Короткова Т.Л., Болормаа Б. Оценка лояльности бизнес-партнеров при формировании сбытовых сетей // Креативная экономика. - 2017. - Том 11. - № 6. - С. 681-694.
6. Львовская С.С. Методика проведения исследований для выявления удовлетворенности студентов образовательной услугой для построения маркетинговой ценовой политики // Управление экономическими системами: электронный научный журнал. - 2011. - № 2 (26).
7. Изакова Н.Б., Капустина Л.М., Сысоева Т.Л. Как измерить эффективность маркетинга взаимоотношений на промышленном рынке // Практический маркетинг. - 2017. - № 5 (243). - С. 28-33.
8. Айвазян С.А., Бухштабер В.М., Енюков И.С., МешалкинЛ.Д. Прикладная статистика: Классификация и снижение размерности// М.: Финансы и статистика, 1989. - 607 с.
9. Закускин С.В. Разбиение неколичественных признаков в маркетинговых исследованиях на категории по результатам квантификации // Креативная экономика. - 2021. - Том 15. - № 4. - С. 1405-1426.
10. Закускин С.В. Формирование интегральных показателей в маркетинговых исследованиях по результатам квантификации // Креативная экономика. - 2021. - Том 15. - № 5. - С. 2091-2114.
11. Вадимова С.А., Витчукова Е.А. Развитие методических подходов к оценке клиентоориентированности банковского бизнеса как фактора повышения его конкурентоспособности // Инновационное развитие экономики. - 2017. -№ 6 (42). - С. 222-232.
On the Question of the Scale and Quantification of the Promoter's Index Zakuskin Sergey Viktorovich,
Candidate of Technical Sciences, Deputy General Director, Compass Research Agency LLC; Oktyabrskaya st. 60-2-10, Moscow, Russia, 127521 (compass_research@mail.ru)
The index of the promoter NPS (Net Promoter Score) used in marketing practice in Reicheld's definition has a number of drawbacks that limit its use - increased randomness of choosing a value on a long measuring scale, the inability to evaluate the index for each respondent, ambiguity in the interpretation of the calculated index values. Alternatively, it is proposed to construct a promoter's index based on the quantification of the recommendation data measured on a suitable scale. Quantification is performed by categorical methods of factorial or discriminant analysis in an optimal way in relation to the problem being solved. This makes it possible to remove the problem of the fundamental difference between some neighboring values of the measuring scale, to differentiate the contribution of each value of the scale to the formation of the index, to estimate the value of the index for each respondent, to calculate averages, variances, and other interval statistics (since the quantified index acquires an interval type). Accordingly, the index can be analyzed for any groups of respondents and evaluated objects (goods, brands, firms), which makes it possible to compare the positions of objects and find segments of the target group, which can be relied on as promoters.
Keywords: Net Promoter Score; Reicheld's index; position of goods/brands/firms; promotion of goods/brands/firms; segments of the target group; marketing research; factorial analysis; discriminant analysis.
REFERENCES
1. Kirillova, K.V. (2013) On the question of quantitative assessment of the level of consumer loyalty. Practical marketing, 2013, No. 10, pp. 30-35.
2. Lobareva, N.V.; Sigankov, A.A. (2020) Evaluation of the effectiveness of relationships with consumers of high-tech enterprises " products. Issues of innovative economy, 2020, Volume 10, No. 1, pp. 585-600.
3. Klimin, A.I.; Tikhonov, D.V. (2017) Methodological problems of using the NPS index in assessing relationships with customers. Marketing and marketing Research, 2017, No. 3, pp. 168-173.
4. Almugrabi, M.; Karpova, S.V. (2018) Measuring the effectiveness of brand management. Soft measurements and calculations, 2018, No. 6, pp. 25-29.
5. Korotkova, T.L.; Bolormaa, B. (2017) Assessment of the loyalty of business partners in the formation of sales networks. Creative economy, 2017, Volume 11, No. 6, pp. 681-694.
6. Lvovskaya, S.S. (2011) Methods of conducting research to identify students " satisfaction with an educational service for building a marketing pricing policy. Management of economic systems: electronic scientific journal, 2011, No. 2.
7. Izakov, N.B.; Kapustina, L.M.; Sysoeva, T.L. (2017) How to measure the effectiveness of relationship marketing in the industrial market. Practical marketing, 2017, No. 5, pp. 28-33.
8. Ayvazyan, S.A.; Buchstaber, V.M.; Enyukov, I.S.; Meshalkin, L.D. (1989) Applied statistics: Classification and reduction of dimension. Moscow: Finance and statistics, 1989, 607 p.
9. Zakuskin, S.V. (2012) Partitioning of non-quantitative features in marketing research into categories based on the results of quantification. Creative Economy, 2021, Volume 15, No. 4, pp. 1405-1426.
10. Zakuskin, S.V. (2012) Formation of integral indicators in marketing research based on the results of quantification. Creative economy, 2021, Volume 15, No. 5, pp. 2091-2114.
11. Vadimova, S.A.; Vitchukova, E.A. (2017) Development of methodological approaches to assessing the customer-oriented banking business as a factor of increasing its competitiveness. Innovative development of the economy, 2017, No. 6, pp. 222-232.