CC BY
9DOI: 10.24412/2071-3762-2021-10296-3-15
ПРЕОБРАЗОВАНИЕ СОЦИАЛЬНО-ДЕМОГРАФИЧЕСКИХ И ИНЫХ ХАРАКТЕРИСТИК ПРИ ОБРАБОТКЕ РЕЗУЛЬТАТОВ МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ
Закускин Сергей Викторович,
кандидат технических наук, заместитель генерального директора, ООО Агентство «Компас Рисерч»; 127521, Россия, Москва, ул. Октябрьская, 60-2-10 compass_research@mail.ru
Задача преобразования социально-демографических и иных характеристик целевой группы, несмотря на ее вспомогательный характер, играет важную роль в процессе анализа результатов маркетинговых исследований. Корректное ее решение позволяет добиться существенных преимуществ в последующей обработке данных, в то время как неудачное преобразование может исказить исследуемую картину и привести к ложным выводам. В дополнение к обычно используемым интуитивным основаниям для преобразований предлагается использовать формализованный подход, который базируется на процедурах оптимального шкалирования и задает параметры преобразований оптимально для решаемой задачи. В частности, преобразования в конкретной исследуемой ситуации можно привязать к покупательской активности или любому другому показателю, увеличения которого желательно было бы добиться по итогам исследования.
В результате возникает возможность снизить влияние случайных отклонений в данных, сделать изучаемые процессы обозримыми, выявить закономерности, которые в «сырых» данных усмотреть затруднительно. Все это значительно повышает адекватность получаемых выводов и позволяет выработать действенные рекомендации.
Ключевые слова: продвижение товара/торговой марки/фирмы; характеристики целевой группы; сегмент целевой группы; покупательская активность; факторный анализ; дискриминантный анализ; квантификация измерительных шкал.
ВВЕДЕНИЕ
Разнообразные характеристики респондентов, замеряемые в ходе маркетинговых исследований, служат основой для последующих выводов и рекомендаций. В первую очередь речь идет о социально-демографических характеристиках (таких, как пол, возраст, доход, образование, род занятий, семейное положение, состав семьи и т.п.), но рассматриваются также и другие классы характеристик — психографические, мотива-ционные, стиль жизни, покупательское поведение и др. Они используются в маркетинговом анализе достаточно широко и позволяют получить практически полезные результаты.
Есть, однако, ограничивающий момент для большинства характеристик, который затрудняет получение результата, а иногда и вовсе исключает его. Это — традиционное разбиение характеристик
на категории, которое, конечно, имеет под собой определенные основания, но в каких-то случаях оказывает негативное влияние на решение маркетинговых задач (примеры будут приведены ниже).
Рассмотрим такую характеристику, как возраст респондента. Обычно используемые в исследованиях категории возраста совпадают с возрастными категориями государственной статистики; и логика здесь понятна — тем самым исследователь получает возможность использовать данные государственной статистики, а также всю вторичную информацию, привязанную к ней по возрастным категориям. Но нет никакой гарантии, что в конкретной маркетинговой ситуации границы категорий при таком разбиении будут совпадать с естественными границами для выделения групп респондентов, отличающихся своими пред-
ставлениями и поведением. Кроме того, число категорий в стандартном разбиении слишком велико. В итоге попытки выявить возрастные особенности нередко приводят к тому, что критерии формально показывают значимое различие большинства (если не всех) категорий, но выделенные по этому основанию целевые сегменты отличаются от нецелевых не слишком сильно. То же самое характерно и для такого параметра, как доход, только еще более выражено ввиду сложностей с оценкой респондентами собственного дохода и бытующим нежеланием его раскрывать.
Две отмеченные проблемы — несоответствующее решаемой задаче установление границ категорий и слишком большое число категорий — во многих ситуациях требуют предварительного преобразования замеренных в исследовании характеристик. Одновременно
могут быть выполнены и другие преобразования, улучшающие информативность замеренных данных. Ввиду значительной разнородности характеристик ниже они будут обсуждаться по отдельности.
ПРЕОБРАЗОВАНИЕ СОЦИАЛЬНО-ДЕМОГРАФИЧЕСКИХ ХАРАКТЕРИСТИК Преобразование возраста и других характеристик Типовые способы замера возраста в маркетинговых исследованиях — отнесение респондента к одной из заранее установленных возрастных категорий или указание возраста респондента в годах.
В первом случае исследователь имеет достаточно большое количество категорий. Если он изучает, например, связь возраста с покупательским поведением (которое тоже замеряется по порядковой шкале), то при их пересечении получаются весьма громоздкие таблицы. Так, если возраст имел 10 категорий, а покупательское поведение — 7 уровней, то их пересечение содержит 70 чисел. Конечно, опытный маркетолог сможет, вероятно, усмотреть какие-то закономерности в этой таблице, но вряд ли их удастся подтвердить статистически из-за большого объема мелких отклонений в данных. В то же время, попытки укрупнить категории обычно осуществляются на интуитивном уровне, безотносительно к решаемой задаче (в частности, без привязки к покупательскому поведению).
Во втором случае число категорий составляет несколько десятков. При этом большинство из них слабо наполнены, что еще более повышает влияние случайных отклонений в данных.
Проблемы в той и другой ситуации могут быть решены с помо-
щью методов оптимального шкалирования, когда укрупнение категорий и установление границ на измерительной шкале производятся с учетом квантификации (оцифровки) замеренных характеристик применительно к решаемой задаче [1, с. 464-471]. В зависимости от типов и группировки исследовательских данных применяются следующие методы: множественный анализ соответствий, категориальный анализ главных компонент, нелинейный канонический корреляционный анализ. Основная идея [2, с. 1408-1409] состоит в том, что надо объединять категории с совпадающими или близкими квантифицированными значениями. Примеры для отмеченных выше ситуаций обсуждаются в двух следующих пунктах.
Теми же способами преобразуется доход и другие характеристики, вне зависимости от того, как они были замерены: отнесением к заранее установленным категориям или указанием численного значения.
Одновременно с преобразованием исследуемых характеристик может быть построена и целевая функция - обобщенный (сводный, интегральный) показатель, максимизация которого приведет к улучшению рыночных показателей (например, объема продаж, частоты покупок и т.п.). Целевая функция определяется [3, формулы (1)-(2)] как линейное преобразование квантифицированных значений исходных показателей.
Укрупнение возрастных
категорий
Пример 1. Исследование покупательского поведения в зависимости от возраста
В ходе исследования рынка и целевой группы покупателей тортов короткого срока хранения
в Москве были замерены показатели покупательской активности — частота покупок тортов в семи различных ситуациях потребления (праздник с приемом гостей/в семейном кругу/на работе, в гости, к столу, в подарок и т.п.). Проверка методами непараметрической статистики показала значимые различия частоты покупок в зависимости от возраста во всех ситуациях потребления. Однако в комбинационной таблице частоты покупок и возраста было невозможно выявить какие-либо зависимости.
В соответствии с описанным выше подходом была проведено оптимальное шкалирование (использовался нелинейный канонический корреляционный анализ (НККА) — процедура Overals пакета программ SPSS) возраста во взаимоувязке с частотой покупок. В результате была получена кван-тификация возраста, показанная на Рисунке 1.
Монотонное возрастание кван-тифицированных значений на рисунке не должно вводить в заблуждение — оно обусловлено порядковым типом измерительной шкалы возраста. Для проверки наблюдаемого характера кванти-фикации использовался прием «ослабления типа переменной» [2, с. 1417-1418] - был дополнительно проведен НККА, в котором возраст объявлялся множественной номинальной переменной (что позволило уйти от принудительного монотонного возрастания). В результате монотонный характер квантификации в целом подтвердился с мелкими отклонениями для категорий от 25 до 39 лет. Укрупнение возрастных категорий было выполнено с учетом всего изложенного (см. ниже).
В качестве целевой функции был принят индекс покупательской
активности, который был построен способом, описанным в предыдущем пункте, как линейная форма от квантифицированных значений частоты покупок. Индекс был стандартизован — приведен к диапазону от 0 до 100, где 0 означал «практически не покупает», а 100 — «покупает очень часто (раз в неделю и чаще)». Технически приведение было выполнено по формуле приведения [3, формула (3)].
Согласно использованной процедуре надо ожидать, что одновременно с квантификацией (см. Рис. 1) будет меняться и покупательская активность. Статистики приведенного индекса покупательской активности для укрупненных возрастных категорий показаны в Таблице 1. В таблице видно:
♦ покупательская активность респондентов в выборке достаточно высока, средний индекс равен почти трем четвертым от максимального значения:
♦ индекс монотонно снижается с повышением возраста, причем после 55 лет падает достаточно резко;
♦ старшие возрастные категории при низком значении индекса показывают большой его разброс, что может свидетельствовать о наличии подгрупп респондентов с разным покупательским поведением.
Выявить различающиеся подгруппы в старших категориях можно, рассматривая распределение значений индекса покупательской активности. В данном случае выяснилось, что образовались две группы респондентов — практически отказавшиеся от покупки тортов короткого срока хранения (около трети категории 55—59 лет и около половины категории 60 лет и старше) и оставившие
уровень покупок практически без изменений (около половины категории 55—59 лет и около четверти категории 60 лет и старше). Добавим, что максимальное значение индекса в старших возрастных категориях составило 76,2, т.е. высокоактивные покупатели (с индексом, близким к 100) в них вообще отсутствуют.
Сравнение покупательской активности в различных ситуациях потребления показывает, что старшие возрастные категории практически перестают покупать торты к празднику на работе(вы-сока доля неработающих) и в подарок, а категория 60 лет и старше — также и к празднику в семейном кругу.
Другой пример преобразования возраста путем укрупнения категорий — в задаче исследования рационального предпочтения пунктов продажи/проката DVD [2,
с. 1409-1413], где также обсуждается ситуация, когда укрупнение категорий позволяет избавиться от нарушений монотонности и, соответственно, выявить зависимость рациональных предпочтений от возраста.
Установление границ возрастных категорий
Пример 2. Выявление зависимости потребительской удовлетворенности от возраста
В ходе исследования удовлетворенности оказанием одной из услуг регионального центра занятости (подбор подходящей работы по заявкам соискателей) был выработан интегральный показатель — индекс удовлетворенности [3, с. 2096—2099], обобщающий оценки показателей предоставления услуги для каждого респондента. Одной из задач исследования было выявление его зависимости
Возраст
Рис. 1. Квантификация возраста с учетом активности покупки тортов короткого срока хранения Показаны оцифрованные значения замеренного в исследовании рынка тортов короткого срока хранения возраста респондентов, оптимизированные с учетом частоты покупок.
Таблица 1
Статистики индекса активности покупателей тортов короткого срока хранения по возрастным категориям
Возрастная категория Среднее арифметическое С реднеквадратич ное отклонение
20 лет и младше 77,7 13,8
20-34 года 74,5 13,8
35-54 года 73,7 15,9
55-59 лет 49,8 36,9
60 лет и старше 36,6 39,2
Среднее по выборке 73,8 16,4
от возраста. Последний замерялся в годах (число лет, исполнившихся респонденту).
Понятно, что при использовании такого рода «сырых» данных (raw data) выявить какие-либо зависимости будет проблематично. Поэтому возраст был укрупнен с применением результатов квантифи-кации, учитывающей его связь с показателями удовлетворенности [2, с. 1416]. При этом выявилось возрастание интегральной удовлетворенности с возрастом.
В то же время отдельные аспекты удовлетворенности не показали столь же очевидных зависимостей. В частности, для удовлетворенности собственно услугой (качеством и сроками ее оказания, количеством необходимых документов, но без оценок инфраструктуры для оказания услуги) пришлось специально исследовать характер зависимости от возраста. Для этого, как и выше, использовался прием «ослабления типа переменной» [2, с. 1417 — 1418] — в нелинейном каноническом корреляционном анализе возраст был объявлен множественной номинальной переменной. В результате была получена квантификация возраста, показанная на Рисунке 2.
На рисунке видны нелинейный (и даже не монотонный) характер зависимости удовлетворенности от возраста, а также возрастные границы, на которых квантифика-ция заметно меняется: 27—28— 29 лет, 39-40 лет, 42-43 года, 49-50 лет; возраста 55 лет и старше оказались слабо наполненными, что повлекло значительные колебания удовлетворенности.
Для количественной оценки удовлетворенности в зависимости от возраста был в соответствии с принципами формирования ин-
тегральных показателей [3] сформирован индекс потребительской удовлетворенности (в части удовлетворенности собственно услугой), который обобщил оценки качества и сроков оказания услуг, а также количества необходимых документов. Индекс был стандартизован — приведен к заданному диапазону; так как измерительная шкала была двунаправленной (на ней присутствовали как положительные, так и отрицательные оценки), то пределы для приведенного индекса были установлены также двунаправленно — от -1 до +1. такое преобразование позволяет придать значениям приведенного индекса очевидный смысл: -1 означает крайнюю степень неудовлетворенности, +1 — крайнюю степень удовлетворенности оказанной услугой; 0 обозначает границу между удовлетворенностью и неудовлетворенностью. Технически приведение
было выполнено по формуле приведения [3, формула (3)].
Согласно использованной процедуре, надо ожидать, что одновременно с квантификацией (Рис. 2) будет меняться и потребительская удовлетворенность. В соответствии с этим были выделены возрастные категории (учитывалась также их наполненность). Они показаны в Таблице 2 там же приведены статистики приведенного индекса удовлетворенности. В таблице видно:
♦ удовлетворенность оказанной услугой в целом высока, средний индекс по выборке близок к +1 (из распределения значений индекса можно увидеть, что его отрицательные значения, т.е. неудовлетворенность услугой, зафиксированы лишь у 7,5% респондентов);
♦ в зависимости от возраста «провалы» индекса наблюдаются
— 20 25 30 35 40 45 50 55 60
Возраст, лет
Рис. 2. Квантификация возраста с учетом потребительской удовлетворенности
Показаны оцифрованные значения замеренного в исследовании возраста респондентов, оптимизированные с учетом отдельных аспектов удовлетворенности.
Таблица 2
Статистики индекса потребительской удовлетворенности по возрастным категориям
Возрастная категория Среднее арифметическое Среднеквадратичное отклонение
28 лет и младше 0,43 0,35
29-39 лет 0,84 0,20
40-42 года 0,65 0,54
43-49 лет 0,86 0,22
50 лет и старше 0,39 0,61
Среднее по выборке 0,75 0,38
для самой младшей и самой старшей возрастных категорий; старшая возрастная категория, кроме того, характеризуется высоким разбросом оценок удовлетворенности;
♦ небольшое уменьшение индекса для возрастной категории 40—42 года вряд ли имеет смысл изучать специально ввиду сравнительной малочисленности этой категории в целевой группе и большого разброса оценок внутри нее.
Относительно причин снижения удовлетворенности услугами в некоторых возрастных категориях можно предположить следующее:
♦ младшие возраста остаются неудовлетворенными, вероятнее всего, из-за высоких собственных ожиданий, связанных с получением высокооплачиваемой /престижной/интересной работы;
♦ представители категории 50 лет и старше остаются неудовлетворенными, вероятнее всего, из-за недостаточного количества и качества вакансий, возникающего вследствие нежелания многих работодателей брать на работу лиц предпенсионного и пенсионного возраста. Подтвердить эти предположения
или выявить другие причины можно в процессе пост-интервью с респондентами, показавшими низкий индекс удовлетворенности.
Укажем другой пример аналогичного преобразования возраста — применительно к задаче анализа индекса промоутера [4, с. 5-6].
Преобразование рода занятий
Род занятий, как и любая другая множественная номинальная переменная, весьма сложен для
совершения каких-либо выводов и выработки рекомендаций. В большинстве случаев маркетологи выносят какие-либо суждения о взаимосвязях рода занятий с другими переменными на основе интуитивных представлений, хотя бы частично просматривающихся в наблюдаемых данных. Проблема в том, что эти суждения часто не подтверждаются статистикой.
Для упрощения работы с множественной номинальной переменной стандартные средства предлагают преобразовать ее в совокупность двузначных переменных, именуемых в литературе [5] и программном обеспечении* фиктивными, хотя их «фиктивность» заключается лишь в том, что они не были непосредственно замерены в исследовании; в то же время они имеют очевидный маркетинговый смысл — каждая из них выделяет респондентов с одним значением множественной переменной (например, одного рода занятий).
Пример 3. Выявление зависимости покупательской активности от рода занятий
В ходе исследования рынка и целевой группы для увеличения объема продаж мебели и предметов интерьера в одном из салонов изучалась в числе прочего зависимость покупательской активности от рода занятий респондентов. Род занятий замерялся, как множественная номинальная переменная, и затем был преобразован в серию двузначных номинальных переменных, каждая из которых выделяла респондентов одного рода занятий.
Выборка была квотирована по статусу покупателя — реальные и потенциальные покупатели включались в нее в равном количестве. В зависимости от рода занятий наблюдалась разная их пропорция (Табл. 3, где приведены данные для наполненных позиций, упорядоченные по доле реальных покупателей).
По представленной таблице, конечно, можно делать выводы на интуитивном уровне. Однако проверка по критерию H Краскела-Уоллиса показала, что среди всех наблюдаемых цифр значимые различия от среднего по выборке (равномерного) распределения показывают только служащие
Таблица 3
Доля реальных покупателей по категориям рода занятий
Род занятий Доля реальных покупателей, %
Руководитель 57,1
ИТР 55,6
Специалист 55,0
Коммерсант, предприниматель 52,1
Домохозяйка 51,2
Менеджер среднего звена 51,1
Творческая интеллигенция 47,8
Бухгалтер/экономист/финансист 44,7
Офисный работник 35,3
Пенсионер 33,3
Служащий 26,7
Учащийся/студент 0,0
Среднее по выборке 50,0
* IBM SPSS Statistics. Справочная система. IBM, Inc. 2012.
и учащиеся/студенты. Выводы о всех остальных категориях статистически не подтверждаются.
Рассмотренный пример является простейшим случаем, на практике ситуация обычно выглядит гораздо сложнее. В частности, в том же примере можно было бы учесть коммерческую ценность покупателей, приняв во внимание объем сделанной ими покупки (эти данные также были получены в исследовании — покупатели были разделены на пять уровней в зависимости от объема покупки). Критерий H Краскела-Уоллиса здесь вообще не показал различий, что вполне объяснимо, так как группировочная переменная имела 6 уровней (пять уровней покупателей плюс «не-покупате-ли»), и многие ее категории были слабо наполнены.
Практически полезный результат в данном случае может заключаться в ранжировании категорий рода занятий по покупательской активности. Показателем последней может служить индекс покупательской активности, построенный в зависимости от объема совершенной покупки способом, который описан в п. «Преобразование возраста и других характеристик», и приведенный к диапазону [0, 100], где 0 означает, что респондент не совершал покупок в момент исследования, а 100 — что он совершил покупку на сумму 250 тыс. руб. и более.
Далее, можно приблизительно оценить «средний чек» для каждой категории рода занятий, заменив уровни покупательской активности денежным выражением суммы покупки (в исследовании она фиксировалась по диапазонам, из которых можно, например, взять среднее значение, чтобы получить точечную оценку). Результаты вычисления индекса
покупательской активности и оценки «среднего чека» даны в Таблице 4. Категории рода занятий упорядочены по покупательской активности, причем оба упорядочения совпадают ввиду того, что уровни покупательской активности и суммы покупок связаны строго монотонно.
В таблице видно, что порядок категорий по сравнению с Таблицей 3 несколько изменился. Таким образом, учет суммы совершенной покупки позволил получить более точный результат, нежели простой подсчет числа покупателей. Отметим, что индекс покупательской активности и средняя сумма покупки получились сравнительно низкими по причине того, что половина респондентов в выборке вообще не совершила покупку, и, соответственно, эти показатели были для них равны нулю.
Преобразование всей совокупности социально-демографических характеристик
Если целевая группа такова, что различия внутри нее не сводятся к одному-двум параметрам, то необходимо изучать ее (и, в частно-
сти, выделять сегменты) в полном пространстве, включающем все социально-демографические характеристики. Число их обычно достаточно велико, и для получения компактного и наглядного представления информации желательно пространство редуцировать (сократить его размерность) методами факторного или дис-криминантного анализа. Как и выше, редукция производится применительно к решаемой задаче.
Пример 4. Описание особенностей абонентов разных операторов сотовой связи
В ходе исследования рынка сотовой связи в Поволжье изучались особенности целевой группы в разрезе пользования разными операторами сотовой связи (Билайн, Мегафон и местный оператор). Небольшая техническая проблема здесь заключалась в том, что непосредственно выявить различия абонентов разных операторов было невозможно ввиду того, что часть респондентов являлась абонентами одновременно двух (а иногда и трех) операторов. Поэтому задача решалась в такой постановке: для каждого оператора связи выявить отличия его
Таблица 4
Показатели покупательской активности по категориям рода занятий
Род занятий Индекс покупательской активности Средняя сумма покупки, тыс. руб.
ИТР 24,0 88,9
Руководитель 19,4 84,5
Коммерсант, предприниматель 16,6 73,2
Специалист 13,3 70,0
Менеджер среднего звена 13,0 66,0
Домохозяйка 11,5 64,0
Бухгалтер/экономист/финансист 10,4 58,0
Творческая интеллигенция 6,5 53,3
Офисный работник 3,6 32,4
Пенсионер 3,4 25,0
Служащий 2,7 20,0
Учащийся/студент 0,0 0,0
Среднее по выборке 13,1 65,6
абонентов от абонентов других операторов.
Проверка по критерию H Крас-кела-Уоллиса показала различия в зависимости от всех социально-демографических характеристик, кроме числа членов семьи. Соответственно, вести анализ по многомерным таблицам было затруднительно. Было принято решение редуцировать пространство социально-демографических характеристик во взаимосвязи с пользованием операторами сотовой связи.
С помощью НККА было построено редуцированное пространство социально-демографических характеристик, образованное двумя факторами: фактор 1 получил наибольшие нагрузки от возраста и таких родов занятий, как учащийся/студент (в положительном направлении) и специалист, руководитель, творческая интеллигенция (в отрицательном направлении); фактор 2 получил наибольшие нагрузки от дохода, безработных, служащих и менеджеров, в отрицательном направлении — от числа членов семьи и коммерсантов/ предпринимателей. Последнее примечательно тем, что число членов семьи все же оказалось важным в исследуемой ситуации, хотя прямая проверка по критерию H Краскела-Уоллиса его значимость не показала.
В редуцированном пространстве особенности социально-демографических характеристик абонентов каждого оператора могут быть представлены в обозримом виде (Рис. 3).
С учетом проведенного анализа строятся профили целевой группы в разрезе операторов связи, включающие распределения по всем показателям в табличном и графическом виде, а также описание
/1
Рис. 3. Особенности целевой группы абонентов сотовой связи в разрезе операторов связи в редуцированном пространстве социально-демографических характеристик В редуцированном пространстве социально-демографических характеристик отображены области, соответствующие значениям факторов для операторов связи. Для каждого оператора координаты центра равны средним значениям факторов для его абонентов, размеры внутренних кругов пропорциональны замеренной численности абонентов, горизонтальная и вертикальная линии с засечками ограничивают по каждому фактору интервал, в который попадают показатели 70% респондентов. Пунктирные эллипсы очерчивают области, в которые попадают по каждому фактору показатели 70% абонентов каждого оператора.
Таблица 5
Абсолютные характеристики целевой группы абонентов сотовой связи в разрезе операторов
отличительных черт целевой группы каждого оператора (фрагмент приведен в Табл. 5—6).
Укажем другой пример преобразования всей совокупности социально-демографических характеристик — при сегментации целевой группы потребителей лекарственных препаратов на основе витамина А [6].
ПРЕОБРАЗОВАНИЕ ДРУГИХ КЛАССОВ ХАРАКТЕРИСТИК
Описанный подход применим не только к социально-демографическим, но также и к другим классам характеристик, замеряемых входе маркетинговых исследований.
Преобразование
психографических
характеристик
Пример 5. Исследование активности покупателей автомобильного топлива
Разработка стратегии крупной нефтегазовой компании, базирующейся в Южном федеральном округе, выявила проблему с продвижением продукции у непосредственных клиентов компании. Большинство из них имело средний или малый размер и не могло позволить себе сколько-нибудь серьезную рекламу, не говоря уже про изучение целевой группы собственных покупателей (конечных потребителей автомобильного топлива). Исходя из этого, было принято решение снабдить их информацией о целевой группе, позволяющей правильно организовать продвижение продукции. Тем самым торговое предложение компании дополнялось важным компонентом, позволяющим получить конкурентное преимущество.
Необходимая информация была получена в ходе исследования ко-
нечных покупателей автомобильного топлива, в котором первоочередное внимание было уделено их мотивации. В числе прочего замерялись психографические характеристики респондентов (по десятибалльной порядковой шкале от 0 до 9) и изучалась их связь с покупательской активностью. Последняя оценивалась интервалами суммарных трат на автомобильное топливо в течение месяца. В предположении, что средние значения трат равны средним значениям для каждого интервала, могли быть вычислены средние значения трат по интересующим исследователя группам респондентов.
В целях выявления зависимостей покупательской активности
от психографических характеристик последние были укрупнены с помощью НККА. Так, характеристика «рациональный» получила квантификацию, отображенную на Рисунке 4.
На рисунке видно, что в зависимости от уровня рациональности респонденты показывают разную покупательскую активность — различается поведение лиц с низким (оценки от 0 до 2 по шкале рациональности), средним (оценки 3 и 4) и высоким (оценки от 5 до 9)уров-нем рациональности. Вычисление статистик показало, что респонденты с низкой рациональностью тратят на автомобильное топливо в среднем на 1,2 тыс.руб. в месяц больше, чем респонденты со средней и высокой рациональностью.
Таблица 6
Относительные характеристики целевой группы абонентов сотовой связи в разрезе операторов связи
Показатель Оператор
Билайн местный оператор Мегафон
Возраст относительно больше лиц среднего и старшего возраста относительно больше молодежи
Доход относительно больше лиц с низким доходом, меньше - со средним
Род занятий относительно больше коммерсантов/ предпринимателей, интеллигенции, руководителей относительно больше безработных относительно больше учащихся/ студентов
Примечание. Пустые ячейки означают, что показатель данного сегмента не имеет значимых отличий от показателя по остальной выборке.
012345678 9
Уровень рациональности
Рис. 4. Квантификация уровня рациональности с учетом покупательской активности Показаны оцифрованные значения замеренного в исследовании (по шкале от 0 до 9) уровня рациональности респондентов, оптимизированные с учетом покупательской активности.
Укажем другие примеры преобразования психографических характеристик: в исследовании отношения целевой группы к экстремальным развлечениям [2, с. 1421 — 1422], в построении психографического профиля посетителей развлекательных центров [6], в исследовании эмоционального предпочтения [7, с.1393— 1397] и восприятия [8, с. 1578— 1581], а также рационального предпочтения [9, с. 2531—2534] развлекательных центров.
Преобразование характеристик
мотивационной сферы
Пример 6. Мотивы и искомые выгоды в секторах рынка жилья
В ходе мотивационного исследования рынка жилья в таунхау-сах была замерена важность для респондентов различных мотивов и искомых выгод при приобретении различных видов жилья. В выборку были включены реальные покупатели (лица, купившие в течение последнего года квартиру в таунхаусе, квартиру в многоэтажном доме или загородный дом/коттедж), а также потенциальные покупатели (лица, намеревающиеся приобрести жилье в ближайшие полгода). Каждый мотив/искомая выгода был представлен двузначной номинальной переменной, показатели покупательского поведения(реальный/ потенциальный и вид приобретенного жилья) были сведены в одну переменную (статус покупателя), которая тем самым стала четырехзначной номинальной. Этот прием был использован для того, чтобы проследить возможную аналогию мотивации потенциальных покупателей с покупкой какого-либо вида жилья. Вся совокупность переменных была обработана с помощью НККА. Полу-
ченная при этом квантификация статуса покупателя показана на Рисунке 5.
Соотношение квантификации на рисунке позволяет предположить:
♦ мотивация покупателей загородного дома/ коттеджа существенно отличается от остальных;
♦ мотивация покупателей таунха-усов представляет собой нечто среднее между мотивацией покупателей коттеджей и покупателей квартир в многоэтажных домах, хотя ближе к первым;
♦ мотивация потенциальных покупателей близка к мотивации покупателей квартир в многоэтажных домах; это объяснимо, так как подавляющее большинство потенциальных покупателей планируют покупку квартир, а не коттеджей и та-унхаусов.
Для проверки указанных предположений были в соответствии с подходом, предполагающим учет результатов квантификации [6], построены мотивационные профили сегментов целевой группы в зависимости от статуса покупателя (Рис. 6). Мотивы упорядочены по убыванию степени их
сс
=1
га х
■в-
важности для покупателей таун-
хаусов. На рисунке видно:
♦ основные мотивы/искомые выгоды, которыми руководствуются покупатели различных видов жилья;
♦ сходство мотивации покупателей таунхаусов и покупателей коттеджей — жить за городом и в районе с лучшей экологией, а также стремление вложить свободные средства в недвижимость;
♦ различие мотивации покупателей таунхаусов и покупателей коттеджей — первые нуждаются в расширении жилплощади и улучшенной планировке, вторые расширением жилплощади практически не интересуются, но придают большее значение наличию земельного участка и хотят иметь постоянное жилье;
♦ сходство мотивации покупателей таунхаусов и покупателей квартир в многоквартирных домах — расширить жилплощадь и иметь жилье улучшенной планировки;
♦ покупатели квартир в многоквартирных домах и потенциальные покупатели имеют очень похожую мотивацию.
покупатель квартиры покупатель квартиры
покупатель
потенциальный
в таунхаусе в многоэтажном доме загородного дома/
коттеджа
Статус покупателя
покупатель
Рис. 5. Квантификация статуса покупателя с учетом мотивационной сферы Показаны оцифрованные значения замеренного в исследовании статуса покупателя, оптимизированные с учетом мотивов покупки/ искомых выгод.
расширить жилплощадь (стало тесно) жить за городом жить в районе с лучшей экологией квартира улучшенной планировки вложить свободные деньги в недвижимость жить в менее криминогенном районе жить ближе к родственникам жить в районе с развитой инфраструктурой иметь земельный участок дом более высокой категории качества жить в определенном районе иметь благоустроенное жильё хороший вид из окна жить ближе к работе съехать от родственников (есть проблемы) иметь постоянное собственное жильё жить ближе к метро/ другому транспорту жить в более престижном районе жить ближе к центру
20 40
покупатель квартиры в таунхаусе покупатель квартиры в многоэтажном доме -X" ■ покупатель загородного дома/ коттеджа —ф-потенциальный покупатель
Рис. 6. Мотивационный профиль целевой группы покупателей жилья (в разрезе секторов рынка) Показана степень важности мотивов/ искомых выгод при покупке жилья (доля респондентов, отметивших мотив/ выгоду, как важную) отдельно по потенциальным/ реальным покупателям и секторам рынка.
Преобразование характеристик
покупательского поведения
На основе показателей покупательского поведения обычно конструируется целевая функция и, таким образом, маркетинговый смысл их преобразования иной, нежели в предыдущем изложении. Встречаются, однако, ситуации, когда они преобразуются безотносительно к целевой функции (например, когда в процессе сегментации наряду с социально-демографическими характеристиками учитываются и отдельные аспекты покупательского поведения). С точки зрения математико-статистической обработки эти задачи эквивалентны и, соответственно, решаются одними и теми же методами.
Пример 7. Сегментация целевой группы посетителей развлекательных центров на основании моделей посещения
В ходе исследования рынка развлекательных центров (РЦ) формата «би—ба—бо» (бильярд — бар — боулинг) в одном из областных центров Урала была поставлена задача формирования оптимального набора развлечений для нового центра, выбора его расположения и режима работы. В соответствии с этим сегментация целевой группы проводилась на основании аспектов покупательского поведения, которые касаются модели посещения РЦ: виды посещаемых развлечений и частота их посещения, состав компании для посещения, день недели и время приезда в РЦ и уезда из него, способ, которым посетители добираются до РЦ, и приемлемое время, затрачиваемое на это (способ и время доезда).
Частота посещения девяти различных видов развлечений была замерена по порядковой шкале от
практически ежедневного посещения до нескольких раз в год; лица с более редкими посещениями всех рассмотренных видов развлечений отсеивались, как не входящие в целевую группу. Способ доезда до РЦ и компания для посещения представляли собой множественные номинальные переменные, которые были преобразованы в наборы двузначных признаков, как описано выше (п. «Преобразование рода занятий»). Время приезда в РЦ и уезда из него было разбито на интервалы, которые рассматривались совместно с днями недели, и их сочетания образовали множественную номинальную переменную, которая также была преобразована в набор двузначных признаков.
Время доезда до РЦ тоже было разбито на интервалы, образовав тем самым порядковую переменную.
Вся описанная совокупность переменных была обработана с помощью НККА, который выявил три фактора, описывающие модели посещения РЦ. Далее в исследовании проводился анализ в факторном пространстве, однако для целей настоящей статьи важны лишь отдельные его результаты: набор сегментов целевой группы,выявленных в факторном пространстве (их получилось восемь), и квантификация обработанных переменных. На Рисунке 7 в качестве примера дана кванти-фикация частоты посещения такого вида развлечений, как бильярд.
На рисунке видно:
♦ квантификация лиц, посещающих бильярд 2—3 раза в месяц и чаще (респондентов с ежедневным посещением в выборке не оказалось), значительно различается с остальными; соответственно, надо ожидать существенного отличия их моделей посещения;
♦ лица, посещающие бильярд несколько раз в год или один раз в год, будут иметь схожее поведение, так как их квантификация различается незначительно; таким образом, их можно объединить в одну группу;
♦ еще две группы образуют лица, посещающие один раз в месяц и вообще не посещающие бильярд.
Для получения численных показателей выявленных групп и сегментов были построены обобщенные индексы посещения каждого вида развлечений способом, описанным в п. «Преобразование возраста и других характеристик». Диапазон их значений составлял от 0 (практически не посещают) до 100 (посещают практически ежедневно). С использованием обобщенных индексов посещения, а также остальных рассмотренных параметров были составлены профили выявленных сегментов и описаны их отличия от средних показателей по выборке (Табл. 7).
Для выявленных сегментов была проведена оценка их коммерческой привлекательности [10] на основании их объема и активности посещения видов развлечений. Результаты представлены в Таблице 8.
Напомним, что интегральная оценка привлекательности сегмента [10]10 показывает, какую долю выручки обеспечит сегмент,
практически 3-4 раза один раз 2-3 раза один раз несколько один раз не ежедневно в неделю в неделю в месяц в месяц раз в год в год посещают
Частота посещения бильярда
Рис. 7. Квантификация частоты посещения бильярда с учетом моделей посещения развлекательных центров Показаны оцифрованные значения замеренной в исследовании частоты посещения бильярда, оптимизированные с учетом моделей посещения РЦ.
Таблица 7
Относительные характеристики сегментов целевой группы посетителей развлекательных центров
Сегмент Характеристики
А • меньше посещают все виды развлечений, кроме игровых автоматов и караоке • реже добираются до РЦ на автомобиле, чаще - на автобусах/ троллейбусах • реже посещают РЦ с девушкой/ парнем/ мужем/ женой • реже посещают РЦ вечером в будни, реже остаются на всю ночь
Б • больше посещают бильярд • реже добираются до РЦ на автомобиле • реже посещают РЦ с коллегами • чаще остаются в выходные/ праздники на всю ночь
В • больше посещают игровые автоматы • реже посещают РЦ с друзьями, чаще - один/ одна • реже посещают РЦ вечером в будни, чаще - днем в выходные/ праздники
Г • больше посещают кинотеатры • чаще добираются до РЦ на автомобиле или на маршрутном такси • чаще посещают РЦ с девушкой/ парнем/ мужем/ женой • чаще посещают РЦ вечером в будни
Д • больше посещают караоке • реже добираются до РЦ пешком
Е • больше посещают бар, кафе/ ресторан, клуб/ дискотеку • чаще добираются до РЦ на такси, реже - на маршрутном такси • независимо от дня недели чаще посещают РЦ днем или остаются на всю ночь
Ж • больше посещают боулинг • чаще добираются до РЦ на автомобиле, реже - на автобусах/ троллейбусах • меньше приемлемое время доезда до РЦ • реже посещают РЦ с друзьями, чаще - всей семьей или с коллегами • чаще посещают РЦ в выходные/ праздники днем или остаются на всю ночь
З • больше посещают пивной ресторан • чаще посещают РЦ с девушкой/ парнем/ мужем/ женой
Примечание. По остальным параметрам показатели сегментов не имеют значимых отличий от показателей по остальной выборке.
Таблица 8
Оценка относительной привлекательности сегментов с учетом частоты посещения развлекательных центров
Сегмент Объем сегмента, % от выборки Средний индекс посещения видов развлечений Интегральная оценка привлекательности сегмента, %
А 19,0 43,1 9,7
Б 18,0 64,9 14,5
В 9,5 38,3 8,6
Г 14,5 67,3 15,1
Д 5,5 50,5 11,3
Е 9,5 70,3 15,7
Ж 13,5 45,5 10,2
З 10,5 66,5 14,9
Всего 100,0 100,0
если будут привлечены все сегменты. Из таблицы видно, что наиболее многочисленный сегмент А обладает низкой привлекательностью, а наиболее привлекательными являются сегменты Г, З и Б.
Укажем другой пример преобразования характеристик покупательского поведения — в исследовании рынка тортов длительного хранения [2, с. 1422-1423].
ЗАКЛЮЧЕНИЕ
Преобразование замеряемых в исследованиях характеристик респондентов (в первую очередь, социально-демографических) хотя и не является обязательным перед обработкой и анализом данных, но, тем не менее, во многих случаях позволяет улучшить результаты анализа, сделать конкретные выводы и сформулировать действенные рекомендации. Наибольший эффект приносят укрупнение категорий и установление границ категорий с привязкой к решаемой задаче. Оно осуществляется с помощью оптимального шкалирования, и за основу берется квантификация исходных характеристик, полученная в ходе анализа.
Укрупнение категорий требуется для слишком большого их числа, когда мелкие отклонения
в данных затрудняют выявление каких-либо зависимостей. В противовес обычно используемым интуитивным соображениям в представленном подходе предлагается укрупнять категории оптимальным образом с точки зрения либо внутренней связи между характеристиками, либо их привязки к целевой функции -объему продаж, активности покупателей, затрачиваемым ими суммам и т.п. Аналогично устанавливаются границы категорий для характеристик, замеренных в абсолютных единицах (возраст в количестве лет, суммы покупок в количестве денежных единиц и т.п.)
Для многозначных номинальных переменных (род занятий, мотивы покупок/искомые выгоды
и т.п.), помимо выявления похожести их категорий в ходе оптимального шкалирования, очень полезным бывает преобразование их в серии двузначных признаков Оно значительно упрощает отдельный анализ каждой категории и дает возможность объединять их не из общих соображений, а с опорой на собранную информацию.
Указанные преобразования позволяют значительно снизить влияние случайных отклонений в исследовательских данных(особен-но замеренных по длинным шкалам), обоснованно объединить схожие категории и выявить закономерности, которые затруднительно усмотреть в «сырых» данных (raw data).
ИСТОЧНИКИ
1. Айвазян С.А., Бухштабер В.М., Енюков И.С., МешалкинЛ.Д. Прикладная статистика: Классификация и снижение размерности // М.: Финансы и статистика, 1989. 607 с.
2. Закускин С.В. Разбиение неколичественных признаков в маркетинговых исследованиях на категории по результатам квантификации // Креативная экономика. 2021. Том 15. № 4. С. 1405—1426.
3. Закускин С.В. Формирование интегральных показателей в маркетинговых исследованиях по результатам квантификации // Креативная экономика. 2021. Том 15. № 5. С. 2091—2114.
4. Закускин С.В. К вопросу о шкале и квантификации индекса промоутера // Практический маркетинг. 2021. № 6. С. 3-11.
5. Черчилль Г. Маркетинговые исследования // СПб.: «Питер», 2000. 752 с.
6. Закускин С.В. Построение профилей в маркетинговых исследованиях с использованием результатов квантификации // Практический маркетинг. 2021. № 8.
7. Закускин С.В. Рынок услуг развлекательных центров: взгляд через призму имиджеобразующих факторов. Часть 2. Особенности эмоциональных предпочтений // Креативная экономика. 2019. Том 13. № 7. С. 1379-1400.
8. Закускин С.В. Рынок услуг развлекательных центров: взгляд через призму имиджеобразующих факторов. Часть 3. Особенности эмоционального восприятия // Креативная экономика. 2019. Том 13. № 8. С. 1573-1596.
9. Закускин С.В. Рынок услуг развлекательных центров: взгляд через призму имиджеобразующих факторов. Часть 6.
Групповые особенности рациональных предпочтений // Креативная экономика. 2019. Том 13. № 12. С. 2521—2540. 10. Закускин С.В. Оценка относительной и абсолютной привлекательности сегментов целевой группы // Маркетинг и маркетинговые исследования. 2020. № 2. С. 92—102.
DOI: 10.24412/2071-3762-2021-10296-3-15
Transformation of Socio-Demographic and other Characteristics in the Processing of Marketing Research 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)
The task of transforming the socio-demographic and other characteristics of the target group, despite its auxiliary nature, plays an important role in the process of analyzing the results of marketing research. Its correct solution makes it possible to achieve significant advantages in subsequent data processing, while an unsuccessful transformation can distort the studied picture and lead to false conclusions.
In addition to the commonly used intuitive basis for transformations, it is proposed to use a formalized approach that is based on optimal scaling procedures and sets the transformation parameters optimally for the problem being solved. In particular, transformations can be linked to purchasing activity or any other indicator, an increase in which it would be desirable to achieve based on the results of the study.
As a result, it becomes possible to reduce the influence of random deviations in the data, to make the studied processes visible, to identify patterns that are difficult to see in the «raw» data. All this significantly increases the adequacy of the conclusions obtained and allows us to develop effective recommendations.
Keywords: product/brand/firm promotion; target group characteristics; target group segment; customer activity; factor analysis; discriminant analysis; quantification of measurement scales.
REFERENCES
1. 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.
2. Zakuskin, S.V. (2021) The division of non-quantitative features in marketing research into categories based on the results of quantification. Creative Economics, 2021, Volume 15, No. 4, pp. 1405—1426.
3. Zakuskin, S.V. (20121) Formation of integral indicators in marketing research based on the results of quantification. Creative Economics, 2021, Volume 15, No. 5, pp. 2091-2114.
4. Zakuskin, S.V. (2021) On the Question of the Scale and Quantification of the Promoter's Index. Practicalmarketing, 2021, No. 6, pp. 3-11.
5. Churchill, G. (2000) Marketing research. St. Petersburg: Peter Publ., 2000, 752 p.
6. Zakuskin, S.V. (2021) Building profiles in marketing research using quantification results. Practical marketing, 2021, No. 8, pp. 3-12.
7. Zakuskin, S.V. (2019) The market of entertainment center services: a look through the prism of image-forming factors. Part 2. Features of emotional preferences. Creative Economy, 2019, Volume 13, No. 7, pp. 1379-1400.
8. Zakuskin, S.V. (2019) The market of entertainment center services: a look through the prism of image-forming factors. Part 3. Features of emotional perception. Creative economy, 2019, Volume 13, No. 8, pp. 1573-1596.
9. Zakuskin, S.V. (2019) The market of entertainment center services: a look through the prism of image-forming factors. Part 6. Group features of rational preferences. Creative Economy, 2019, Volume 13, No. 12, pp. 2521-2540.
10. Zakuskin, S.V. (2020) Evaluation of relative and absolute attractiveness of target group segments. Marketingandmarketing research, 2020, No. 2, pp. 92-102.
