CC BY
16ПОСТРОЕНИЕ ПРОФИЛЕЙ В МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЯХ С ИСПОЛЬЗОВАНИЕМ РЕЗУЛЬТАТОВ КВАНТИФИКАЦИИ
Закускин Сергей Викторович,
кандидат технических наук, заместитель генерального директора, ООО Агентство «Компас Рисерч», 127521, Москва, ул. Октябрьская, 60-2-10 compass_research@mail.ru
Широко используемые для представления результатов маркетинговых исследований профили (портреты) покупателей, торговых марок, фирм необходимо анализировать с осторожностью, так как существуют ситуации, в которых они могут привести к ложным выводам. В частности, интервальные статистики (среднее значение, среднеквадратичное отклонение и т.п.), применяемые в построении профилей, не всегда адекватно характеризуют исследуемую ситуацию, совокупность модальных значений характеристик нередко даёт ничтожно малый объём целевой группы и др.
Для устранения указанных проблем предлагается предварительно квантифицировать исследовательские данные категориального (номинального и порядкового) типа и строить профили на основе квантифицированных данных, что делает законным использование интервальных статистик, позволяет оптимальным образом преобразовать измерительные шкалы и найти привлекательные сегменты целевой группы. Для совокупности разнородных характеристик (например, социально-демографических) может быть одновременно проведена редукция пространства характеристик, так что последующий анализ можно проводить в факторном пространстве малой размерности и представлять результаты в наглядной и обозримой форме.
Ключевые слова: профиль целевой группы/торговой марки/фирмы; портрет потребителя/покупателя; статистики тенденции и разброса; сегмент целевой группы; покупательская активность; факторный анализ; дискриминантный анализ; квантификация измерительных шкал.
ВВЕДЕНИЕ
Представление результатов в форме профилей разного рода широко распространено в маркетинговых исследованиях. В качестве наиболее очевидного примера приведём профили целевой группы, которые нередко фигурируют в заданиях и отчётах об исследованиях [1, с. 33—34; 2, с. 13—16; 3, с. 112-115; 4]. Рассматриваются также профили фирм, торговых марок и др. — профиль риэлторской организации [5, с. 10], психографический профиль бренда [6, с.104], профиль этикетки минеральной воды по основным показателям [7, с. 6].
При этом возникает ряд проблем, которые порождаются, в основном, категориальным типом исследовательских данных (замеряемые признаки чаще всего выражаются номинальными или порядковыми переменными). Вследствие этого, построение профилей на основе среднего арифметического и среднеквадратично-
го отклонения, вычисленных по результатам замеров, является не совсем законным. С другой стороны, оперирование подходящими статистиками (модой, медианой, квартилями и т.п.) делает выводы исследования малоинформативными. Так, типовое представление социально-демографического профиля целевой группы, как набора модальных значений [8, с.19; 9, с. 43—145], обычно приводит к тому, что этому профилю соответствует ничтожно малая доля респондентов (что подтверждается анализом ситуации в общем виде [10, с. 4050—4051]). Как вариант, профиль (портрет) целевой группы представляется таблицами распределений по всем позициям опросника [1] — делать выводы на основании такой массы цифр затруднительно.
Таким образом, для устранения отмеченных недостатков и придания профилям адекватного смысла необходимо изменить подход к их построению.
ПРОБЛЕМЫ ПОСТРОЕНИЯ ПРОФИЛЕЙ
Малый объём сегмента, выделенного по модальным значениям
Вычислить объём сегмента, представители которого обладают характеристиками, соответствующими модальным значениям, по информации в цитированных публикациях невозможно. Поэтому автор провёл анализ данных ряда исследований, в которых принимал участие. Типичная картина представлена в примере.
Пример 1. Социально-демографический профиль целевой группы посетителей строительных рынков
В таблице 1 приведён профиль целевой группы посетителей строительных рынков (исследование проводилось в Москве). Для каждой характеристики дано модальное значение (при котором достигается максимум распределения).
Несколько возрастных категорий, показавших высокую долю участников целевой группы, объединены. В колонке «Частное распределение» указана доля респондентов, входящих в модальную категорию. В колонке «Совместное распределение» указана доля респондентов, имеющих модальные значения характеристик, которые расположены в таблице в текущей строке и выше неё.
Из таблицы видно, что множество респондентов, полностью соответствующих профилю целевой группы, чрезвычайно мало и его объём с добавлением новых характеристик уменьшается (в данном случае он упал ниже погрешности замера). При этом не гарантировано, что выделенный по модальным значениям характеристик сегмент будет наибольшим. В рассмотренном примере самым большим (6,0% от выборки) оказался сегмент, составленный мужчинами в возрасте 31—45 лет, со средним образованием и доходом ниже среднего.
Применение неподходящих
статистик
О.Ю. Павлов [6, с. 104] привёл хороший пример построения эмоциональных профилей маркетинговых объектов. К сожалению, его ценность несколько снижается применением интервальных статистик к порядковым данным — например, в формулах берётся разность оценок, выставленных по порядковым шкалам. В принципе, эту некорректность можно устранить, объявив, что разности в формулах понимаются как количество категорий шкалы между уменьшаемым и вычитаемым [11, с. 1454], однако Павлов результаты взятия разности использует в дальнейших формулах именно как интер-
вальные; тем самым подразумевается предположение о равенстве интервалов между категориями измерительных шкал, о чём автор вообще не говорит.
Если опираться на предположение о равенстве интервалов на измерительных шкалах, то можно строить профили на основе, например, среднего арифметического и среднеквадратичного отклонения оценок. Однако, без рассмотрения остаётся вопрос, насколько это предположение соответствует действительности. Рассмотрим пример профиля для этого случая.
Пример 2. Психографический профиль целевой группы посетителей развлекательных центров
В ходе серии исследований целевой группы посетителей развлекательных центров формата «би-ба-бо» (бильярд — бар — боулинг) замерялись их психографические характеристики (замер производился по 16-ти порядковым шкалам со значениями от 0 до 6). В предположении равенства интервалов между значениями измерительных шкал профиль целевой группы приобретёт вид, представленный на рисунке 1.
Таблица 1
Социально-демографический профиль целевой группы посетителей строительных рынков
Характеристика Мода Частное распределение, % Совместное распределение, %
Пол мужской 56,7 56,7
Возраст 31 - 45 лет 47,0 31,1
Образование высшее 42,7 9,2
Доход средний 37,2 1,4
Примечание. Пояснения см. в тексте выше.
замкнутый консерватор скорее «западник» экономный осторожный
обычно действует по обстоятельствам
склонен к индивидуальной деятельности
любитель тусовок
разговорчивый
рациональный
эмоциональный
стремится к переменам
открытый
активный
оптимист
общительный
среднее
-ф--нижняя граница
♦ верхняя граница
Рис. 1. Психографический профиль целевой группы посетителей развлекательных центров Приведены средние значения и разброс оценок респондентами собственных психографических качеств, выставленных по шкале от 0 до 6. Верхняя и нижняя граница показывают среднеквадратичное отклонение оценок.
5
6
В следующем разделе будет рассмотрена ситуация, возникающая при отказе от предположения о равенстве интервалов.
ПОСТРОЕНИЕ ПРОФИЛЕЙ
НА ОСНОВЕ
КВАНТИФИЦИРОВАННЫХ ШКАЛ
Подход к построению профилей
Основная идея предлагаемого подхода заключается в преобразовании номинальных и порядковых признаков в интервальные и построении профилей на основе интервальных статистик. Преобразование выполняется путём оцифровки (квантификации) номинальных и порядковых значений с привязкой к решаемой задаче [12, с. 464-471]. В этом случае исследователь получает адекватную и обозримую картину, которую удобно анализировать.
Продолжая рассмотрение задачи Пример 2, квантифицируем измерительные шкалы, исходя из внутренней структуры данных, с помощью категориального анализа главных компонент (использовалась процедура CatPCA пакета программ SPSS). Квантифици-рованные шкалы имеют интервальный тип, и применение к ним интервальных статистик не подлежит сомнению.
Отметим, что способ квантифи-кации необходимо выбирать применительно к решаемой задаче. В данном примере использовался факторный анализ, так как в распоряжении исследователя не имелось целевой функции, к которой желательно было бы подогнать результаты квантифи-кации. Случай квантификации при наличии целевой функции будет рассмотрен ниже (п. «Построение профилей на основе разнородных шкал»).
На практике оцифрованные значения шкал обычно приводятся к какому-либо стандартному диапазону, например от 0 до 100, от -1 до +1 или другому; в рассматриваемом примере они приводились по формуле приведения [13, формула 3] к отрезку [0, 6], чтобы была возможность сравнить их с исходными шкалами.
Важный момент в алгоритме приведения: если по какой-либо шкале в выборке не оказалось экстремальных значений, то приводить надо к отрезку, ограниченному фактическими экстремумами. При этом, очевидно, про квантификацию отсутствующих экстремумов сказать ничего нельзя, поэтому положим интервалы от них до ближайших значений равными интервалам на измерительной шкале. В рассматриваемом примере таковой оказалась шкала «общительный», по кото-
рой оценку 0 не поставил никто, и минимальная оценка в выборке была равна 1; соответственно, квантифицированная шкала приводилась к отрезку [1, 6], а приведённое значение нуля исходной шкалы было положено равным фактическому минимуму минус единица, т.е. опять же нулю. Это совпадение в данном примере не случайно — экстремумы приведённой шкалы совпадают с экстремумами исходной шкалы; согласно процедуре квантификации то же самое верно и для фактических экстремумов в выборке, а за пределами фактических экстремумов интервалы на приведённой шкале равны интервалам на исходной шкале.
Построенный по квантифици-рованным и приведённым к заданным отрезкам шкалам психографический профиль целевой группы показан на рисунке 2.
замкнутый консерватор скорее «западник» экономный осторожный
обычно действует по обстоятельствам
склонен к индивидуальной деятельности
любитель тусовок
разговорчивый
рациональный
эмоциональный
стремится к переменам
открытый
активный
оптимист
общительный
2
3
4
5
6
^"среднее (оптимальные интервалы) ^■среднее (равные интервалы) ■ — нижняя граница — верхняя граница
Рис. 2. Психографический профиль целевой группы посетителей развлекательных центров (после квантификации) Приведены средние значения и разброс квантифицированных самооценок психографических качеств. Верхняя и нижняя граница показывают среднеквадратичное отклонение оценок.
0
1
Для сравнения на график нанесён также профиль с рисунка 1, отвечающий предположению о равенстве интервалов на измерительной шкале. На рисунке видно:
♦ профиль равных интервалов даёт завышенные средние оценки почти по всем шкалам; однако, наличие заниженной оценки (по шкале «замкнутый») не даёт возможности говорить о систематическом смещении;
♦ расхождение профилей достаточно велико, в большинстве случаев профиль равных интервалов не укладывается в «коридор», установленный среднеквадратичным отклонением профиля оптимальных интервалов;
♦ порядок следования шкал по возрастанию средней оценки изменился.
Из сказанного следует, что построение профилей на основе интервальных статистик с опорой на предположение о равенстве интервалов измерительной шкалы может привести к ложным выводам. В то же время, оцифровка шкал с применением способов, подходящих к решаемой задаче, даёт в построении профилей адекватные результаты.
Смещение средних значений в зависимости от особенностей квантификации шкал
Смещение средней оценки после перехода к оцифрованным значениям зависит от того, как именно оцифровалась конкретная шкала. В общем случае можно сказать, что если нижние значения измерительной шкалы получили больший вес, то среднее значение оцифрованной оценки будет ниже среднего, полученного по равным интервалам, и наоборот. На рисунке 3 показана ситуация мень-
ших и больших весов в сравнении со случаем равных интервалов между значениями измерительной шкалы.
Из рисунка понятна причина смещения на рисунке 2 профилей оптимальных интервалов относительно профиля равных интервалов — оптимальная кванти-фикация для всех значений шка-
лы не меньше (или не больше) квантификации по равным интервалам (кривая оптимальной квантификации идёт выше или ниже линии равных интервалов). Более сложный случай — когда кривая оптимальной квантифи-кации где-то выше, а где-то ниже линии равных интервалов (табл. 2 и рис. 4).
6,0 5,0
к
I 4,0
га
х
3,0
равные интервалы # за мкнуты й
■ — "западник"
1,0 0,0
Измерительная шкала
Рис. 3. Квантификация психографических шкал (простые случаи) Показаны коэффициенты, полученные в процессе оцифровки значений измерительных шкал психографических характеристик «замкнутый» и «западник». Для сравнения приведена оцифрованная шкала в предположении равенства интервалов между её значениями.
Таблица 2
Квантификация измерительной шкалы уровня консерватизма респондентов
£ 2,0
Значение измерительной шкалы Квалифицированное значение
0 0
1 0
2 0
3 2,53
4 4,68
5 5,52
6 6
6,0 5,0
к
I 4,0
га
х
■!■ 3,0
I-
Е 2,0 1,0 0,0
равные интервалы консерватор
0 1 2 3 4 5 6
Измерительная шкала
Рис. 4. Квантификация психографических шкал (случай пересечения линий квантификации) Показаны коэффициенты, полученные в процессе оцифровки значений измерительной шкалы психографической характеристики «консерватор». Для сравнения приведена оцифрованная шкала в предположении равенства интервалов между её значениями.
В данном случае по графику невозможно сказать, в какую сторону будет смещено среднее значение на профиле оптимальных интервалов; необходимо обратиться к распределению оценок по шкале. Оно приведено на рисунке 5. Показаны исходное распределение в форме гистограммы (чтобы подчеркнуть порядковый характер измерительной шкалы) и распределение по кван-тифицированной и приведённой шкале (имеющей интервальный характер).
На рисунке видно заметное смещение пика распределения от значения 2 к значению 0 (из табл. 2 следует, что там собраны доли исходных значений 0, 1 и 2), и это позволяет предположить превышение среднего значения для профиля равных интервалов над средним для оптимальных интервалов (что для шкалы «консерватор» и наблюдается в действительности — см. рис. 2).
Исследование особенностей
распределения
квантифицированных оценок
по отдельным шкалам
При анализе профилей вида рисунок 2 необходимо помнить, что за показанными на них статистиками для каждой шкалы кроется распределение квантифицированных оценок, которое может иметь особенности. На их наличие указывает значительное отклонение от стандартных распределений, выявленное методами непараметрической статистики, что даёт повод исследовать такие распределения специально. На рисунке 6 в качестве примера на профиль наложены распределения кванти-фицированных оценок по некоторым шкалам (шкалы здесь упорядочены по средним значениям квантифицированных оценок).
Рис. 5. Психографические параметры представителей целевой группы (самооценка по шкале «консерватор») Показаны распределения оценок респондентами собственного уровня консерватизма. По оси абсцисс отложена оценка по шкале от 0 до 6 (исходной и приведённой). По оси ординат отложена доля поставивших оценку респондентов в процентах относительно выборки.
скорее «западник»
консерватор
экономный
разговорчивый
осторожный
замкнутый
рациональный
обычно действует по обстоятельствам
любитель тусовок
склонен к индивидуальной деятельности
стремится к переменам
эмоциональный
открытый
оптимист
активный
общительный
-ннжннн грЛницл
- нр рхнн н гр а мм 1л
Рис. 6. Психографический профиль целевой группы посетителей развлекательных центров с детализацией по отдельным шкалам Приведены средние значения (для оптимальных интервалов) и разброс квантифицированных самооценок психографических качеств. Верхняя и нижняя граница показывают среднеквадратичное отклонение оценок. Для некоторых шкал показаны распределения квантифицированных самооценок.
На рисунке видно:
♦ распределения квантифициро-ванных оценок по шкалам «западник» и «общительный» имеют ярко выраженный одномодо-вый характер с пиками первое в нуле, второе в максимальном значении (относятся к типу У-образных распределений [14, с. 54]); обратим внимание, что минимальное значение оценки по шкале «общительный» находится в единице, так как оценки 0 в выборке не было (см. п. «Принцип построения профилей»);
♦ шкалы «экономный» и «любитель тусовок» также формально одномодовые, но значительный разброс оценок не позволяет считать выборку однородной по ним; более того, по шкале «экономный» просматриваются как минимум две группы респондентов — более и менее экономные; не исключено, что в расчёте на них политика продвижения продукта будет разной;
♦ распределение оценок по шкале «открытый» имеет две моды, что также даёт повод задуматься о разной политике продвижения в расчёте на высокий и средний уровни открытости представителей целевой группы. Шкала «экономный» служит
показательным примером ситуации, когда среднее значение неадекватно характеризует наблюдаемое положение дел и весьма похоже на классическую «среднюю температуру по больнице» [15, с. 287].
Построение профилей на основе разнородных шкал
В Пример 2 рассматривалась ситуация однородных характеристик, которые имеют одинаковый тип (порядковый), схожий смысл и замеряются по одной и
той же шкале. В то же время, например, социально-демографические характеристики, имеют разный тип, отличаются смыслом и замеряются по разным шкалам. В этом случае необходимо перейти к анализу сводного показателя, характеризующего всю исследуемую сферу в обобщённом виде [13].
В отличие от Пример 2 изучение методами факторного анализа внутренней структуры социально-демографических показателей вряд ли уместно — непонятно, как могут быть применены выявленные факторы для практических выводов и рекомендаций. Таким образом, необходимо перейти к дискриминантному анализу с подходящей целевой функцией (характеризующей, например, покупательское поведение представителей целевой группы).
Пример 3. Социально-демографические характеристики целевой группы покупателей фармпрепаратов как основание сегментации
В ходе исследования рынка фармпрепаратов (сектор препаратов на основе витамина А для лечения проблем и заболеваний кожи) ставилась задача сегментации целевой группы на основании социально-демографических характеристик. Непосредственно построенный (как это принято в маркетинговой практике) профиль целевой группы (распределения респондентов по всем социально-демографическим характеристикам) не позволил выявить основу для сегментации — исследование разных сочетаний характеристик дало слишком много потенциальных сегментов (большинство из которых были слабо наполнены), и попытки укрупнить их, исходя из содержательных сооб-
ражений или привязки к покупательской активности их представителей, успеха не имели. Было принято решение провести дискриминантный анализ с использованием в качестве целевой функции показателя покупательской активности. Ввиду разнородности исходных характеристик (номинальные и порядковые, замеренные по разным шкалам) обработка была проведена с помощью нелинейного канонического корреляционного анализа (использовалась процедура Overals пакета программ SPSS). В качестве групп исходных переменных были установлены пол, возраст, образование, род занятий, доход, число членов семьи респондентов, а также частота покупки препаратов (замеренная по семибалльной порядковой шкале) как целевая функция.
Полученная квантификация целевой функции,приведённая к отрезку [0, 100], показана на рисунке 7. Маркетинговый смысл кван-тифицированной функции — индекс покупательской активности представителей целевой группы. Он меняется от 0 (практически не покупают) до 100 (покупают активно; согласно измерительной шкале — по упаковке в неделю и чаще).
В процессе обработки было построено двумерное факторное пространство, где фактор 1 получил наибольшие нагрузки от возраста, образования и числа членов семьи респондентов, фактор 2 — от дохода; род занятий, как множественная номинальная переменная показал значимые нагрузки на оба фактора. Для дальнейшего анализа факторы были категоризованы (использовалась процедура OptimaiBinning пакета программ SPSS), чтобы
создать основу для выделения сегментов целевой группы. Все возможные сочетания категори-зованных факторов дали 24 сегмента, которые были рассмотрены на предмет выделения среди них целевых.
Для каждого сегмента был принят во внимание его объём (доля в выборке) и покупательская активность его представителей. В качестве меры последней в простейшем случае может быть использована доля покупателей среди его представителей. Однако, в представленном исследовании была использована более точная мера — индекс покупательской активности, как он определён выше. Средний индекс в каждом сегменте (помноженный на численность сегмента) даёт возможность оценить потенциальный вклад сегмента в объём покупок. Результат показан на рисунке 8, где в построенном факторном пространстве отражены статистики сегментов.
На рисунке видно:
♦ наибольший интерес для продавца препаратов представляет сегмент А, затем — Б, В и Г; они могут быть приняты в качестве целевых сегментов первой очереди, так как обеспечат максимальный объём покупок;
♦ в случае, если объём первой очереди окажется недостаточным или возникнут трудности с продажами в сегментах первой очереди, можно рассмотреть сегменты второй очереди — Д и аналогичные (их несколько), которые невелики по объёму, но обладают высокой покупательской активностью;
♦ сегменты типа Е вряд ли имеет смысл привлекать — они, хотя и достаточно велики по объёму, однако характеризуются низкой покупательской активностью;
таким образом, в них очень велика доля лиц, которые не будут покупать препарат.
Описанный графический анализ может быть представлен таблично с использованием показателей коммерческой привлекательности сегментов [16]. Результаты для сегментов А-Е даны в таблице 3. Интегральная оценка привлекательности в данном случае равна произведению объёма сегмента
на средний индекс покупательской активности, приведённому к отрезку [0, 100]. Её маркетинговый смысл — потенциальная доля в объёме покупок, которую даст сегмент, если будут привлечены все сегменты.
Из таблицы видно: ♦ представленные сегменты при общей численности около 70% от целевой группы могут обеспечить до 85% объёма покупок;
100 90 80 70
к
Л 60
га
i 50 ■е-
i 40
га ia
* 30 20 10 0
0 1 2 3 4 5 6
Измерительная шкала
Рис. 7. Квантификация измерительной шкалы частоты покупок Показаны оцифрованные значения измерительной шкалы частоты покупок препаратов на основе витамина А для лечения проблем и заболеваний кожи.
фактор 1
Рис. 8. Распределение респондентов в факторном пространстве с учётом покупательской активности Показано распределение (категоризованных) значений факторов 1 и 2 свёрнутого пространства социально-демографических параметров. Расположение шариков соответствует значениям факторов, размер полых шариков пропорционален доле респондентов в выборке, размер окрашенных шариков - доле респондентов, умноженной на индекс покупательской активности.
♦ в том числе целевые сегменты первой очереди (А—Г) при общей численности 63% обеспечат почти 80% покупок;
♦ значение интегральной оценки для сегментов А—Д выше их доли в выборке, для сегмента Е — существенно ниже (что подтверждает обоснованность его исключения из числа целевых).
Далее строятся профили сегментов, представляющих коммерческий интерес. Фрагмент социально-демографического и психографического профилей сегментов первой очереди приведён в таблицах 4—6. Полностью профили включают распределения по всем показателям в табличном и графическом виде, а также описание отличительных черт сегментов.
ЗАКЛЮЧЕНИЕ
Разного рода профили, широко используемые в маркетинговых исследованиях как форма представления результатов, для адекватного анализа требуют определённых оговорок и уточнений. Категориальный тип исследовательских данных ставит под сомнение использование интервальных статистик для построения профилей, а категориальные статистики дают мало информации для выводов и практических рекомендаций; в частности, объём сегментов, выделенных по модальным значениям характеристик целевой группы, с увеличением числа характеристик стремится к нулю.
Представленный подход к построению профилей устраняет отмеченные недостатки. Он базируется на предварительной оцифровке (квантификации) измерительных шкал, выполненной подходящим для решаемой задачи способом, и предусматривает
Таблица 3
Оценка привлекательности сегментов
Сегмент Объём сегмента, % от выборки Средний индекс покупательской активности Интегральная оценка привлекательности сегмента
А 32,3 54,9 40,0
Б 11,9 60,2 16,1
В 13,2 52,8 15,8
Г 5,6 60,4 7,6
Д 1,5 59,1 2,0
Е 6,3 23,0 3,3
Всего по отношению к целевой группе 70,8 84,8
Примечание. Пояснения см. в тексте выше.
Таблица 4
Абсолютные характеристики сегментов (социально-демографическая сфера)
Показатель
Сегмент
Пол
Возраст
Доход
А
Б
В
Г
Таблица 5
Абсолютные характеристики сегментов (психографическая сфера)
Показатель
Склонность к риску -осторожность
Сегмент
Удовлетворённость
сложившимся
положением
дел
Планирование своих действий
Примечание. Пустые ячейки означают, что показатель данного сегмента не имеет значимых отличий от показателя по остальной выборке.
Таблица 6
Относительные характеристики сегментов
Показатель Сегмент
А Б В Г
Пол относительно много мужчин (31,4%) относительно мало мужчин (9,1%)
Возраст до 25 лет (98,6%) 25-54 года (98,7%)
Доход средний (76,2%) относительно высокий (28,2%) очень низкий (66,7%)
Род занятий служащие (26,3%) учащиеся / студенты (98,6%) специалисты (51,3%) домохозяйки (48,5%)
Склонность к риску -осторожность нейтральные (52,1%) нейтральные (57,1%) осторожные (45,5%)
Удовлетворённость сложившимся положением дел сравнительно мало полностью удовлетворённых (45,8%) полностью удовлетворённые (58,0%)
Планирование своих действий сильное (46,6%) слабое (20,0%)
Эмоциональность -рациональность эмоциональные (71,5%) рациональные (50,1%)
построение профилей на основе квантифицированных данных. Это делает законным использование интервальных статистик, создаёт возможность оптимального укрупнения категорий измерительных шкал и позволяет выделять наполненные сегменты целевой группы для оценки их привлекательности.
Для однородных характеристик профили могут строиться, как это сейчас принято в маркетинговой
практике, и адекватный смысл придаётся им за счёт использования допустимых статистик. Для разнородных характеристик (например, совокупности социально-демографических показателей) собственно построение профилей несёт мало информации, однако можно провести редукцию пространства характеристик способом, оптимальным для решаемой задачи, и провести анализ в пространстве малой размерности.
В частности, в задаче сегментации целевой группы для выделения целевых сегментов можно увязать редуцированное пространство характеристик с каким-либо показателем покупательской активности представителей целевой группы, выделить в редуцированном пространстве заполненные области и выбрать из них наиболее привлекательные с точки зрения максимизации возможного объёма покупок.
ИСТОЧНИКИ
1. Астратова Г.В., ГневашеваВ.А., ЧащинМ.Р., КочерьянМ.А Координатно-средовой портрет ценностей студентов высших учебных заведений России // Практический маркетинг. 2019. № 3 (265). С. 33—44.
2. Дымова С.С. Потрет потребителя: определение российского клиента на рынке smart home // Вестник ОрелГИЭТ. 2020. № 2 (52). С. 12-17.
3. ЛеонтьеваИ.А., ПлешковК.В. Студенты как целевой сегмент на рынке банковских услуг // Инновационное развитие экономики. 2018. № 6-1 (48). С. 108-115.
4. Хабалева Е.Н. Таргетирование реклама // Вестник ОрелГИЭТ. 2020. № 3 (53). С. 40-43.
5. Авдонькина В.В. Реализация маркетингового подхода в управлении риэлторской организацией // Вестник Алтайской академии экономики и права. 2020. № 11-1. С. 5-12.
6. Павлов О.Ю. Бренд-менеджмент: глубинный семантический дифференциал бренда// Креативная экономика. 2012. № 9. С. 96-106.
7. Сафина З.М. Оценка эффективности воздействия рекламных роликов и этикеток на потребителей // Российский экономический интернет-журнал. 2011. № 1. С. 214-224.
8. Борисова О.М. Практическая реализация процесса сегментирования товарного рынка // Вестник Сибирского института бизнеса и информационных технологий. 2015. № 4 (16). С. 16-23.
9. Возмилов И.Д., Капустина Л.М. Маркетинговые коммуникации и управление проектами на рынке жилой недвижимости // Известия Уральского государственного экономического университета. 2011. № 3 (35). С. 141-146.
10. Закускин С.В. Нетривиальные результаты описательной статистики в маркетинговых исследованиях // Российское предпринимательство. 2018. Том 19. № 12. С.4041-4064.
11. Закускин С.В. Анализ дифференциации рыночных образов // Креативная экономика. 2020. Том 14. № 7. С. 1447-1466.
12. Айвазян С.А., Бухштабер В.М., Енюков И.С., МешалкинЛ.Д. Прикладная статистика: Классификация и снижение размерности // М.: Финансы и статистика, 1989. 607 с.
13. Закускин С.В. Формирование интегральных показателей в маркетинговых исследованиях по результатам кванти-фикации // Креативная экономика. 2021. Том 15. № 5. С. 2091-2114.
14. Кендалл М., Стьюарт А. Теория распределений. М.: Наука, 1966. 588 с.
15. ОрловА.И. Нечисловая статистика. М.: МЗ-Пресс, 2004. 513 с.
16. Закускин С.В. Оценка относительной и абсолютной привлекательности сегментов целевой группы // Маркетинг и маркетинговые исследования. 2020. № 2. С. 92-102.
DOI: 10.24412/2071-3762-2021-8294-3-12
Building Profiles in Marketing Research Using Quantification Results 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)
Profiles (portraits) of buyers, brands, and firms widely used to present the results of marketing research should be analyzed with caution, since there are situations in which they can lead to false conclusions. In particular, interval statistics (mean value, standard deviation, etc.) used in the construction of profiles do not always adequately characterize the situation under study, the combination of modal values of characteristics often gives a negligibly small volume of the target group, etc.
To eliminate these problems, it is proposed to pre-quantify research data of categorical (nominal and ordinal) type and build profiles based on quantified data, which makes it legitimate to use interval statistics, allows you to optimally transform measuring scales and find attractive segments of the target group. For a set of heterogeneous characteristics (for example, socio-demographic), a reduction of the space of characteristics can be carried out simultaneously, so that the subsequent analysis can be carried out in a factorial space of small dimension, the results to present in a visual and visible form.
Keywords: target group/brand/firm profile; consumer/buyer portrait; trend and spread statistics; target group segment; purchasing activity; factor analysis; discriminant analysis; quantification of measurement scales.
REFERENCES
1. Astratova, G.V.; Gnevasheva, V.A.; Chashchin, M.R.; Kocharyan, M.A. (2019) Values of Russian Higher Educational Institutions Students. Practical marketing, 2019, No. 3, p. 33—44.
2. Dimova, S.S. (2020) Consumer portrait: defining a Russian client in the smart home market. Bulletin of OrelGIET, 2020, No. 2, pp. 12-17.
3. Leontieva, I.A.; Pleshkov, K.V. (2018) Students as a target segment in the banking services market. Innovative development of economics, 2018, No. 6-1, pp. 108-115.
4. Khabaleva, E.N. (2020) Targeting advertising. Bulletin ofOrelGIET, 2020, No. 3, pp. 40-43.
5. Avdonkina, V.V. (2020) Implementation of a marketing approach in the management of a real estate organization. Bulletin of the Altai Academy of Economics and Law, 2020, No. 11-1, pp. 5-12.
6. Pavlov, O.Yu. (2012) Brand management: deep semantic differential of the brand. Creative Economy, 2012, No. 9, pp. 96-106.
7. Safina, Z.M. (2011) Evaluation of the effectiveness of the impact of commercials and labels on consumers. Russian Economic Online Journal, 2011, No. 1, pp. 214-224.
8. Borisova, O.M. (2015) Practical implementation of the process of segmentation of the commodity market. Bulletin of the Siberian Institute of Business and Information Technologies, 2015, No. 4, pp. 16-23.
9. Vozmilov, I.D.; Kapustina, L.M. (2011) Marketing communications and project management in the residential real estate market. Proceedings of the Ural State University of Economics, 2011, No. 3, pp. 141-146.
10. Zakuskin, S.V. (2018) Nontrivial results of descriptive statistics in marketing research. Russian entrepreneurship, 2018, Volume 19, No. 12, pp. 4041-4064.
11. Zakuskin, S.V. (2020) Analysis of differentiation of market images. Creative economics, 2020, Volume 14, No. 7, pp. 1447-1466.
12. Ayvazyan, S.A.; Bukhstaber, V.M.; Enyukov, I.S.; Meshalkin, L.D. (1989) Applied statistics: Classification and dimension reduction. Moscow: Finance and Statistics Publ., 1989, 607 p.
13. Zakuskin, S.V. (2021) Formation of integral indicators in marketing research based on the results of quantification. Creative Economics, 2021, Volume 15, No. 5, pp. 2091-2114.
14. Kendall, M.; Stewart, A. (1966) Theory ofdistributions. Moscow: Nauka Publ., 1966, 588 p.
15. Orlov, A.I. (2004) Non-numerical statistics. Moscow: MZ-Press Publ., 2004, 513 p.
16. Zakuskin, S.V. (2020) Evaluation of relative and absolute attractiveness of target group segments. Marketing andmarketing research, 2020, No. 2, pp. 92-102.
