CC BY
137
УДК 339.13.017
DOI: 10.24151/2409-1073-2019-2-13-24
Сегментирование потребительского рынка продуктов питания города Зеленограда для предприятий розничной сети формата «магазин у дома»
О. М. Игрунова, Е. А. Казинская
Национальный исследовательский университет «МИЭТ», Москва, Россия [email protected]
Приводятся результаты сегментирования потребительского рынка г. Зеленограда для торговых предприятий розничной сети формата «магазин у дома» с использованием метода кластерного анализа. В ходе исследования, проведенного с использованием программы STATISTICA, были выделены сегменты рынка со сходными потребительскими предпочтениями для магазинов «Пятерочка», «Магнит» и «Дикси», представлена характеристика выделенных сегментов, установлено отношение респондентов в сегментах к качеству обслуживания в магазинах розничной сети и к предоставляемым в них программам лояльности. Даны рекомендации по работе с каждым сегментом в целях повышения удовлетворенности покупателей и улучшения качества обслуживания.
Ключевые слова: розничная торговля; маркетинговые исследования; рынок потребительских услуг; сфера услуг; сегментирование; кластерный анализ; формат «магазин у дома»; рынок товаров первой необходимости, массового спроса и потребления; программа лояльности; частота покупок.
Food Market Segmentation in Zelenograd City for Mass Retail Enterprises
of Neighborhood Store Format
O. M. Igrunova, E. A. Kazinskaya
National Research University of Electronic Technology, Moscow, Russia [email protected]
The authors did present the results of the Zelenograd city consumer market segmentation for retail stores of neighborhood store format using the cluster analysis method. The authors determined in course of their study, which involved the use of STATISTICA software, market segments with similar consumer preferences for Pyaterochka, Magnit and Dixy stores, presented the characteristics of selected segments, and showed the respondents' attitude to the quality of service in retail stores and the loyalty programs provided. The authors have given recommendations on working with each segment in order to increase customer satisfaction and to improve service quality.
Keywords: retail trade; marketing research; consumer services market; service industry; segmentation; cluster analysis; neighborhood store format; FMCG market; loyalty program; purchase frequency.
Сегодня на потребительском рынке Зеленоградского административного округа города Москвы (далее Зеленоград)
© Игрунова О. М., Казинская Е. А.
работает множество магазинов различного формата: от небольших торговых объектов шаговой доступности («магазин у дома»)
до гипермаркетов. Большая часть из них имеет формат «магазин у дома»: обычно именно такие магазины расположены в спальных районах города, и покупателям удобнее и быстрее посещать их.
В связи с тем, что в Зеленограде, как отмечалось нами ранее [1], обостряется конкуренция между магазинами розничной торговли различных форматов, торговым предприятиям затруднительно поддерживать устойчивую конкурентоспособность на рынке и одновременно активно привлекать и удерживать лояльных потребителей. Благодаря сегментированию потребительского рынка, изучению потребностей и предпочтений покупателей, любой магазин сможет найти уникальный подход к каждому потребительскому сегменту, что позволит сделать предложение более привлекательным для определенных групп потребителей, повысит частоту потребления в этих сегментах и облегчит преобразование потенциальных потребителей в реальных.
Нами предпринято пилотное исследование в целях сегментирования потребительского рынка продуктов питания Зеленограда для предприятий розничной сети формата «магазин у дома». Объект исследования — рынок розничной торговли формата «магазин у дома» в Зеленограде, предмет — потребительские предпочтения жителей Зеленограда относительно качества обслуживания и программ лояльности, предоставляемых в магазинах трех розничных сетей формата «магазин у дома»: «Магнит», «Пятерочка» и «Дикси».
В ходе пилотного исследования в Зеленограде было опрошено 160 человек методом случайного детерминированного отбора.
Сегментирование респондентов с применением метода кластерного анализа [2, с. 149—216] осуществлялось в системе STATISTICA.
В качестве основных признаков (переменных) анализа использованы следующие:
1) частота покупок в зеленоградских магазинах розничной сети формата «магазин у дома»;
2) частота пользования программами лояльности в магазинах розничной сети Зеленограда формата «магазин у дома»;
3) наличие трудностей из-за несоответствия реальных цен товаров указанным на их ценниках;
4) социально-демографические характеристики респондентов: пол и возраст.
В ходе интервьюирования респондентам предлагались вопросы с готовыми вариантами ответов, которые были закодированы для удобства их последущей обработки. Посредством кодирования данные ответы были переведены в цифровые символы и распределены по категориям.
На первом этапе кластерного анализа использован иерархический агломератив-ный метод, который состоит в последовательном объединении систем самых близких элементов, а затем и целых групп все более и более отдаленных друг от друга элементов. Кластеризация проводилась методом группировки Уорда, который построен таким образом, чтобы оптимизировать минимальную дисперсию внутри кластеров. По этому методу объединяются те группы объектов, для которых среднеквадратиче-ское отклонение получает минимальное приращение.
В результате кластерного анализа были получены дендрограммы (рис. 1, 3, 5). По оси абсцисс отложены объекты (респонденты) с порядковыми номерами анкет, по оси ординат — коэффициент слияния (евклидово расстояние).
Древовидная структура дендрограм-мы указывает на то, что в данных находится много различных групп, и исследователь должен решить, где нужно «обрезать» дерево, чтобы получить оптимальное число групп.
Для этого необходимо рассмотреть коэффициенты слияния и найти весомые значения. Большой разрыв в коэффициенте слияния свидетельствует о том, что объединяются весьма отдаленные группы. Таким образом, число групп, предшествующих этому объединению, является наиболее вероятным решением. Дальнейшее дробление
дает худший результат, поскольку ведет к выделению более мелких групп, что уже не соответствует целям сегментирования.
Затем проводилась группировка всего множества интерактивным методом ^-средних, который заключается в перемещении объектов в кластер с ближайшим центром тяжести. Этот метод состоит из следующих шагов: 1) изначальное разбиение совокупности множества на некоторое заданное число групп, при котором необходимо вычислить центры тяжести этих групп;
2) помещение всех точек данных в группу с ближайшим центром тяжести;
3) вычисление новых центров тяжести; при этом группы не заменяются новыми до тех пор, пока все данные не будут просмотрены полностью.
Шаги 2 и 3 повторялись, пока группы не перестали варьироваться. Окончательное решение получено после трех итераций (подборов). Линейный график значений переменных для каждого кластера представлен на рисунках 2, 4 и 6.
Сегментирование респондентов для магазина «Магнит»
200
150
100
50
III IUI Hill IUI IUI Hill Hill IUI IUI IUI IIIIII IUI IUI IIIIIIIII IIIIIIIII IIIIIIIII IIIIIIIII IIIIIIIII IIIIIIIII IIIIIIIII IIIIIIIII IUI Hill IUI Hill IUI IUI IUI
Рис. 1. Дендрограмма результатов кластеризации для магазина «Магнит»
—■ "Л ¡—-- ♦ % \
% % ♦ V t i
♦ / ♦ / ♦ / •AN
Л / ♦ 4 # N i . ►
/ % / ♦ / % 4 • ♦ #
Частота Использ. Несоотв. Пол покупок прогр. цен товара лоял.
Возраст Уровень дохода
-е- Cluster 1 -в- Cluster 2 Cluster 3 Cluster 4 ■ ■ Cluster 5
Рис. 2. Линейный график средних значений переменных для каждого кластера — магазин «Магнит»
В данном случае уже на первом уровне (см. рис. 1) можно увидеть вариант решения из пяти групп (с коэффициентом слияния 35). Данный уровень определяет, что во множестве действительно есть некая структура и дифференциация по признакам.
На графике (рис. 2) изображены профили требований пяти типичных групп респондентов относительно магазина «Магнит». Расстояние между кластерами для каждой группы представлено в таблице 1.
Таблица 1
Евклидово расстояние между кластерами — магазин «Магнит»
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Кластер 1 0,000000 6,194765 6,093078 5,658149 6,255688
Кластер 2 2,488929 0,000000 0,850523 1,491123 4,492008
Кластер 3 2,468416 0,922238 0,000000 1,108458 4,565700
Кластер 4 2,378686 1,221115 1,052833 0,000000 4,678517
Кластер 5 2,501137 2,119436 2,136750 2,162988 0,000000
Примечание: над диагональю в таблице указаны квадраты расстояний между кластерами.
Как видно из таблицы, наибольшее расстояние — между 1-м и 5-м кластерами (6,255688), а наименьшее — между 2-м и 3-м (0,850523), т. е. респонденты, входящие в кластеры 2 и 3, предъявляют наиболее сходные требования и у них наблюдаются одинаковые предпочтения. Средние значения переменных для каждой группы представлены в таблице 2.
Таблица 2
Средние значения переменных для каждого кластера — магазин «Магнит»
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Частота покупок 3,388889 5,208333 5,217391 5,025000 5,452830
Использ. прогр. лоял. 5,388889 6,000000 6,000000 5,600000 5,905660
Несоотв. цен товара 1,000000 6,000000 6,000000 6,000000 6,000000
Пол 3,777778 6,000000 6,000000 6,000000 1,000000
Возраст 4,333333 3,125000 2,826087 5,350000 3,886792
Уровень дохода 3,055556 4,500000 2,260870 2,550000 3,358490
В итоге было выделено пять сегментов со сходными потребительскими предпочтениями.
Кластер 1 (12 %): частые посетители со средней частотой пользования программами лояльности. В данный сегмент вошли женщины всех возрастов, с уровнем дохода на 1 члена семьи от 20 до 50 тыс. руб. Частота их покупок составляет от нескольких раз в неделю до одного раза в месяц. 90 % представительниц данного кластера пользуются программами лояльности с той же частотой, с которой ходят в магазин, 10 %
не пользуются ими. Каждый респондент этой группы сталкивается с проблемой несоответствия реальных цен товаров указанным на ценниках.
Кластер 2 (15 %): посетители со средней частотой покупок, не пользующиеся программами лояльности. В этот сегмент также вошли женщины всех возрастов, но с преобладанием представительниц возрастной категории от 18 до 24 лет (54 %), с заработной платой от 30 до 70 тыс. руб. Из них 21 % совершают покупки в магазине «Магнит» с частотой 2—3 раза в месяц,
17 % — с частотой 1 раз в 2—3 месяца, а остальные респонденты не совершают покупки в этом магазине. Никто из представительниц данного сегмента не пользуется скидками и акциями в магазине «Магнит» и никто не сталкивался с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 3 (15 %): редкие посетители, не пользующиеся программами лояльности. В сегмент вошли женщины от 18 до 44 лет, с уровнем дохода на 1 члена семьи от 10 до 30 тыс. руб.; 30 % данной группы посещают этот магазин с частотой в основном 1 раз в 2—3 месяца. Программами лояльности никто из них не пользуется; ситуация несоответствия цен товаров, указанных на ценниках, и реальной стоимости им не встречалась.
Кластер 4 (25 %): покупатели со средней частотой посещения магазина и довольно низкой частотой пользования программами лояльности. В этот сегмент вошли женщины старше 45 лет, с уровнем дохода от 10 до 30 тыс. руб. Из них 40 % совершают покупки в магазине «Магнит» не чаще нескольких раз в неделю и не реже одного раза в 2—3 месяца. Программами лояльности при посещении магазина пользуются всего 2,5 %, и они не сталкиваются с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 5 (33 %): редкие посетители, почти не пользующиеся программами лояльности. В сегмент вошли мужчины всех возрастов (свыше 18 лет), с уровнем дохода на 1 чел. в семье от 10 до 50 тыс. руб. В данной категории 79 % не посещают магазин «Магнит», остальные — посещают не чаще 2—3 раз в месяц, и они практически не пользуются программами лояльности в этом магазине. Не встречаются они и с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Таким образом, в отношении магазина «Магнит» исследование показало:
1) посещаемость его ниже, чем магазинов «Пятерочка», но выше, чем
магазинов «Дикси», что связано с широким присутствием в Зеленограде магазинов «Пятерочка» и меньшим присутствием магазинов двух других конкурирующих ретейлеров;
2) частыми покупателями и активными пользователями скидок и акций являются почти исключительно представители 1-го кластера, в который вошли 12 % от общего числа респондентов-покупателей;
3) невысокий процент пользования скидками и акциями может быть объяснен тем, что магазин «Магнит» и без них предлагает продукты по сравнительно низким, приемлемым ценам, в связи с чем покупатели не обращают внимания на проводимые промоакции и покупают нужные им товары по обычным ценам; другая возможная причина — в том, что магазин «Магнит» решил внедрить программу лояльности одним из последних среди ретейлеров (первым среди конкурентов внедрил программу лояльности магазин «Пятерочка»);
4) проблема несоответствия реальных цен товаров их ценникам в данном магазине присутствует, но в малом объеме.
Исходя из этого, можно сделать предположение, что при выборе розничного магазина формата «магазин у дома» на покупателей может влиять много факторов, среди которых ценовой не всегда играет решающую роль. При сравнительно одинаковых ценах, качестве и широте ассортимента главное конкурентное преимущество магазина «Магнит» — хорошо отлаженная схема выхода на рынок. Благодаря сосредоточению на развитии только одного формата магазинов (в противоположность конкурентам, X5 Retail Group и ГК «Дикси», которые развивают сети разных форматов), у данного ретейлера есть шансы открыть новые точки продаж в Зеленограде и усовершенствовать их работу, включая клиентский сервис [3, с. 28], что позволит магазину «Магнит» завоевать большее количество лояльных потребителей.
Сегментирование респондентов для магазина «Пятерочка»
250
11 111 1111 111 1111 111 111 1111 111 1111 111 111 1111 111 1111 111 111 1111 111 111 1111 111 111 111 1111 111 1111 111 111 1111 111 1111 111 111 1111 111 1111 111 111 1111 111 1111 111 111 1111 111 1111 I
200
150
100
50
LiEjEel
■i/rLv«..........111A11 rfvtpH r^ifflih rh Mlibii 11 it 111 Л iщЦ111111 il 11111 ir^lli ii/i rVt Jib 111 jdlTni i ГТ?7Л.. jj-rn i rrj^i.
саИШШСГОЗ ЩГСССГ»
Рис. 3. Дендрограмма результатов кластеризации для магазина «Пятерочка»
С--- у
Ж.х>
у ч / \ч
/ \ /Л у
/ \ / ч у
Частота Использ. Несоотв. Пол Уровень
покупок прогр. цен дохода
лоял. товара
-О- Cluster 1 —в— Cluster 2 -о- Cluster 3 -^s— Cluster 4 - • - Cluster 5
Рис. 4. Линейный график средних значений переменных для каждого кластера — магазин «Пятерочка»
Как видно из рисунка 3, при коэффициенте слияния 30 образуется пять кластеров.
На рисунке 4 изображены профили требований пяти типичных групп респондентов относительно магазина «Пятерочка». Наилучшее разбиение на кластеры
обеспечивают следующие переменные: пол респондентов, частота покупок, показатель пользования программами лояльности и показатель несоответствия ценников реальной стоимости товаров в торговом зале. Расстояние между кластерами для каждой группы представлено в таблице 3.
Таблица 3
Евклидово расстояние между кластерами — магазин «Пятерочка»
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Кластер 1 0,000000 5,079188 6,663358 2,636998 2,268111
Кластер 2 2,253706 0,000000 6,654241 7,299676 6,820351
Кластер 3 2,581348 2,579581 0,000000 7,996452 7,196239
Кластер 4 1,623884 2,701791 2,827800 0,000000 5,292815
Кластер 5 1,506025 2,611580 2,682581 2,300612 0,000000
Примечание: над диагональю в таблице указаны квадраты расстояний между кластерами.
Как можно видеть, наименьшее расстояние находится между 1-м и 5-м кластерами (2,268111), а наибольшее — между 3-м и 4-м (7,996452), что свидетельствует о разности требований респондентов кластеров 3 и 4.
Таблица 4
Средние значения переменных для каждого кластера — магазин «Пятерочка»
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Частота покупок 2,444444 2,918919 3,688524 2,142857 5,692307
Использ. прогр. лоял. 5,851852 5,486486 4,918033 2,285714 6,000000
Несоотв. цен товара 6,000000 1,000000 3,622951 6,000000 6,000000
Пол 6,000000 6,000000 1,000000 6,000000 6,000000
Уровень дохода 2,814815 2,621622 3,311476 3,428571 3,692308
В итоге было выделено пять сегментов со сходными потребительскими предпочтениями.
Кластер 1 (16,9 %): частые посетители и редкие пользователи программ лояльности.
В данный кластер вошли женщины с уровнем дохода на 1 члена семьи от 10 до 20 тыс. руб., реже — до 50 тыс. руб. Частота их посещений данного магазина — не реже 2—3 раз в месяц, преимущественно несколько раз в неделю. Программами лояльности пользуется малая доля покупателей с периодичностью 1 раз в 2—3 месяца. Посетители
не сталкиваются с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 2 (23,1 %): частые посетители и сравнительно редкие пользователи программ лояльности. В данный кластер вошли женщины с уровнем дохода на 1 члена семьи от 10 до 30 тыс. руб. Они посещают магазин «Пятерочка» в основном несколько раз в неделю и 2—3 раза в месяц, при этом почти не пользуются программами лояльности: только 8 % пользуются ими несколько раз в неделю и 8 % — 1 раз в 2—3 месяца.
Но данная группа людей чаще всего сталкивается с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 3 (38,1 %): частые посетители и относительно редкие пользователи программ лояльности. В данный кластер вошли мужчины с уровнем дохода на 1 члена семьи главным образом от 10 до 50 тыс. руб. Большая часть этих людей посещает данный магазин несколько раз в неделю или 2—3 раза в месяц, остальные (примерно 25 %) не совершают покупок в «Пятерочке». Частота пользования программами лояльности сети магазина «Пятерочка» в данном кластере сильно варьируется: от 1 раза в день до 1 раза в 2—3 месяца, при этом большая часть людей (60 %) не пользуется ими. Половина из тех, кто посещает магазин, сталкивается с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 4 (4,4 %): частые посетители и частые пользователи программ лояльности. В данный кластер вошли женщины с уровнем дохода на 1 члена семьи в основном 10— 20 тыс. руб., реже 30—50 тыс. руб. Частота посещения магазина «Пятерочка» представителями данной группы лиц — не реже 2—3 раз в месяц, частота пользования программами лояльности — несколько раз в неделю или 2—3 раза в месяц. При посещении этого магазина респонденты из кластера 4 не сталкиваются с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 5 (16,2 %): редкие посетители, не пользующиеся программами лояльности. В данный кластер вошли женщины с уровнем дохода на 1 члена семьи от 20 до 50 тыс. руб. Данная категория женщин практически не совершает покупки в магазине «Пятерочка», всего 26 % посещают его 1 раз в 2—3 месяца. Вследствие этого они совсем не пользуются программами лояльности и не сталкиваются с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
На основе проведенного исследования можно сделать следующие выводы в отношении магазина «Пятерочка»:
1) это самый посещаемый магазин Зеленограда, в сравнении с конкурентами («Магнит» и «Дикси»), что объясняется его широкой представленностью в городе («Пятерочка» расположена практически в каждом микрорайоне и с каждым годом количество магазинов растет); кроме того, преимуществом данных магазинов являются большие, по сравнению с конкурентами, площади;
2) частота покупок товаров по скидкам и акциям варьируется в каждом кластере от 1 раза в день до 1 раза в 2—3 месяца, но в среднем процент пользующихся программами лояльности не высок;
3) в данном магазине существенно чаще, чем у его основных конкурентов, возникает проблема несоответствия информации с ценников реальной стоимости товаров.
Исходя из этого, можно предложить руководству магазина «Пятерочка» в первую очередь наладить контроль сотрудников за своевременным обновлением ценников на товары. Далее, несмотря на регулярное стимулирование лояльности клиентов, можно заметить, что со временем покупатели привыкают к постоянно проводимым магазинами акциям и скидкам, вследствие чего отдача от них постепенно снижается. Следовательно, наряду с частым обновлением скидок и акций, магазину «Пятерочка» рекомендуется улучшить сервис и качество обслуживания, а также модернизировать оборудование.
Сегментирование респондентов для магазина «Дикси»
Как показывает дендрограмма (рис. 5), при коэффициенте слияния 30 образуется пять кластеров.
На рисунке 6 изображены профили требований пяти типичных групп респондентов относительно магазина «Дикси». Наилучшее разбиение на кластеры обеспечивают следующие переменные: пол и возраст респондентов, частота покупок и показатель несоответствия ценников реальной стоимости товаров в торговом зале. Расстояние между кластерами для каждой группы представлено в таблице 5.
200
150
100
50
rS™Ljilüi 1?!. 11 i*i rtii rhu rjjri .ГГД. ■ дАь! jA^.. ^nLsri
Рис. 5. Дендрограмма результатов кластеризации для магазина «Дикси»
8 7 6 5 4 3 2 1 О -1
[ L _ \
, i \ / \ /
\ / >
■ с < / ' / А / \ /\ / 1
/ \ / \ / /
-е- Cluster 1 -0— Cluster 2 Cluster 3 -a- Cluster 4 -•■- Cluster 5
Частота Использ. Несоотв. покупок прогр. цен лоял. товара
Пол Возраст Уровень дохода
Рис. 6. Линейный график средних значений переменных для каждого кластера — магазин «Дикси»
Таблица 5
Евклидово расстояние между кластерами — магазин «Дикси»
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Кластер 1 0,000000 1,164934 2,490001 6,512576 4,611111
Кластер 2 1,079321 0,000000 2,511688 6,135457 4,591197
Примечание: над диагональю в таблице указаны квадраты расстояний между кластерами.
Как можно видеть из таблицы, наибольшее расстояние — между 4-м и 5-м кластерами (7,514764), а наименьшее — между 1-м и 2-м (1,164934), т. е. респонденты, входящие в кластеры 1 и 2, предъявляют наиболее сходные требования и у них наблюдаются одинаковые предпочтения.
Средние значения переменных для каждой группы представлены в таблице 6.
Таблица 6
Средние значения переменных для каждого кластера — магазин «Дикси»
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Кластер 3 1,577974 1,584831 0,000000 4,488811 5,493113
Кластер 4 2,551975 2,476985 2,118681 0,000000 7,514764
Кластер 5 2,147350 2,142708 2,343739 2,741307 0,000000
Кластер 1 Кластер 2 Кластер 3 Кластер 4 Кластер 5
Частота покупок 5,782609 5,456522 2,333333 2,736842 4,870370
Использ. прогр. лоял. 6,000000 5,956522 4,583333 4,526316 5,592593
Несоотв. цен товара 6,000000 6,000000 6,000000 1,000000 5,629630
Пол 6,000000 6,000000 6,000000 5,210526 1,000000
Возраст 2,565217 5,152174 3,500000 3,842105 3,796296
Уровень дохода 3,347826 2,913043 3,750000 2,736842 3,222222
В итоге было выделено пять сегментов со сходными потребительскими предпочтениями.
Кластер 1 (14,3 %): не посещающие магазин и не пользующиеся программами лояльности. В данный кластер вошли молодые женщины в возрасте от 18 до 34 лет, с уровнем дохода на 1 члена семьи от 10 до 70 тыс. руб.: преимущественно от 10 до 20 тыс. руб. или (реже) от 30 до 50 тыс. руб. Данная категория людей в основном не посещает магазин «Дикси», всего 0,6 % посещают его с частотой 1 раз в 2—3 месяца. Программами лояльности эти женщины не пользуются и не сталкиваются с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 2 (28,7 %): крайне редкие посетители, не пользующиеся программами лояльности. В этот кластер вошли женщины в возрасте свыше 35 лет с уровнем дохода на 1 члена семьи от 10 до 30 тыс. руб. Данная группа людей чаще всего не посещает магазин «Дикси», однако некоторая
доля представительниц данного кластера посещает магазин 1 раз в месяц или 1 раз в 2—3 месяца. Программами лояльности они не пользуются и ситуация несоответствия цен товаров, указанных на ценниках, их реальной стоимости им не встречалась.
Кластер 3 (7,5 %): частые посетители и относительно частые пользователи программ лояльности. В самый малочисленный кластер вошли женщины всех возрастов (от 18 лет и старше) с уровнем дохода на 1 члена семьи главным образом от 10 до 30 тыс. руб. Они посещают магазин «Дик-си» в основном несколько раз в неделю или 2—3 раза в месяц. Только небольшая часть данного кластера пользуется программами лояльности. Ни у кого из этой группы людей не возникает сомнений в соответствии цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 4 (11,8 %): частые покупатели и редкие пользователи программ лояльности. В кластер вошли 84 % женщин и 16 % мужчин всех возрастов (от 18 лет и старше).
Уровень дохода на 1 члена семьи у них составляет в основном от 10 до 50 тыс. руб. Большая часть данной группы людей совершает покупки в магазине «Дикси» несколько раз в неделю, чуть меньшее количество — 1 раз в 2—3 месяца, самая малая часть — 2—3 раза в месяц. Большая доля представителей кластера не пользуется в «Дикси» программами лояльности, меньшая — пользуется несколько раз в неделю или 2—3 раза в месяц. Каждый человек из этого кластера столкнулся в данном магазине с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Кластер 5 (33,7 %): редкие посетители и редкие пользователи программ лояльности. Данный кластер составили мужчины всех возрастов (от 18 лет и старше) с уровнем дохода на 1 члена семьи от 10 до 50 тыс. руб. Основная доля представителей данной группы не совершает покупок в «Дикси», остальные — совершают покупки с частотой 1 раз в месяц или 1 раз в 2—3 месяца. Большая часть представителей данного кластера не пользуется в «Дикси» программами лояльности, меньшая — пользуется ими 1 раз в месяц или 1 раз в 2—3 месяца. Всего 7,5 % столкнулись в данном магазине с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Приведенные выше результаты позволяют заметить, что посещаемость магазинов «Дикси» ниже, чем торговых предприятий ретейлеров-конкурентов. Связано это со следующими факторами:
1) в Зеленограде расположено всего три магазина «Дикси» и два находятся недалеко от него, в поселке Андреевка, что существенно меньше, чем у конкурентов;
2) покупатели, часто совершающие покупки в данном магазине, чаще всего сталкиваются с проблемой несоответствия цен товаров, указанных на ценниках, их реальной стоимости.
Несмотря на это, большая часть посетителей магазина «Дикси» пользуются его программами лояльности. При этом сеть,
совместно с банком «Ренессанс Кредит», прогрессивно продолжает вводить новые программы лояльности, тем самым повышая свои шансы в конкурентной борьбе за потребителя1.
В качестве рекомендаций сети магазинов «Дикси» можно предложить следующее:
1) увеличить долю собственных торговых площадей в Зеленограде;
2) регулярно контролировать цены в магазинах своей сети;
3) проводить регулярный мониторинг ценовой политики конкурентов, поскольку для формата «магазин у дома» характерна конкуренция за низкие цены, за предоставление лучшей программы лояльности и за развитие собственной торговой марки с низкой ценой и без потери качества;
4) оптимизировать и расширить ассортиментную матрицу товаров, повысить качество предлагаемых продуктов, а также улучшить сервисное обслуживание и тщательнее поддерживать чистоту в торговом зале.
Итак, практическая значимость проведенного исследования состоит в том, что его результаты могут быть использованы руководством магазинов «Пятерочка», «Магнит» и «Дикси» для разработки дальнейшего стратегического плана развития сетей и повышения удовлетворенности покупателей. В частности, проведенное сегментирование потребительского рынка Зеленограда может быть принято в качестве отправной точки для дальнейшего анализа конкурентной стратегии ретейлеров.
Литература
1. Казинская Е. А., Игрунова О. М., Сазонов М. О.
Исследование факторов, влияющих на выбор розничного магазина формата «у дома» в г. Зеленоград // Микроэлектроника и информатика — 2018: Мат-лы науч.-тех. конф. (Москва, 18—19 апр. 2018): сб. статей. М.: МИЭТ, 2018. С. 90—95.
2. Фролов Ю. В., Игрунова О. М. Анализ результатов маркетинговых исследований в системе 8ТЛТБТ1СЛ (на примерах). М.: Русайнс, 2017. 248 с.
3. Игрунова О. М., Казинская Е. А., Сазонов М. О. Анализ факторов, влияющих на выбор магазина шаговой доступности жителями
1 Трутнев О., Горячева В. «Дикси» накормит в рассрочку: в сети стартует новая программа лояльности // КоммерсантЪ. 2018. № 135: 1 августа. С. 7.
Зеленограда // Экономические и социально-гуманитарные исследования. 2018. № 3 (19). С. 19—31. https:// doi.org/10.24151/2409-1073-2018-3-19-31
4. Игрунова О. М. Методика и практика проведения маркетинговых исследований различных рынков товаров и услуг. 2-е изд., стер. М.; Берлин: Ди-рект-Медиа, 2016. 102 с.
5. Игрунова О. М. Современные подходы к анализу и развитию сферы услуг в регионах: монография. Изд. 2-е, перераб. и доп. М.: Изд-во МГАДА, 2011. 183 с.
Поступила 18.03.2019
Игрунова Оксана Михайловна — кандидат экономических наук, доцент кафедры маркетинга и управления проектами Национального исследовательского университета «МИЭТ» (Россия, 124498, Москва, Зеленоград, пл. Шокина, д. 1), [email protected]
Казинская Елизавета Андреевна — студентка 1 курса магистратуры факультета маркетинга и управления проектами, направления Менеджмент Национального исследовательского университета «МИЭТ» (Россия, 124498, Москва, Зеленоград, пл. Шокина, д. 1), [email protected]
References
1. Kazinskaya E. A., Igrunova O. M., Sazonov M. O. Issledovanie faktorov, vliyayushchikh na vybor roznichno-go magazina formata "u doma" v g. Zelenograd (Study of Factors Influencing the Choice of Retailer of Neighborhood Store Format in Zelenograd City), Mikroelektronika i informatika — 2018, Mat-ly nauch.-tekh. konf. (Moskva, 18-19apr. 2018), sb. statei, M., MIET, 2018, pp. 90—95.
2. Frolov Yu. V., Igrunova O. M. Analiz rezul'ta-tov marketingovykh issledovanii v sisteme STATISTICA (na primerakh) (Analysis of Marketing Research Results in STATISTICA System (via Examples)), M., Rusains, 2017, 248 p.
3. Igrunova O. M., Kazinskaya E. A., Sazonov M. O. Analiz faktorov, vliyayushchikh na vybor magazina shago-voi dostupnosti zhitelyami Zelenograda (Analysis of Factors Influencing the Zelenograd Customers' Choices of Convenience Store), Ekonomicheskie i sotsial'no-guma-nitarnye issledovaniya, 2018, No. 3 (19), pp. 19—31, https:// doi.org/10.24151/2409-1073-2018-3-19-31
4. Igrunova O. M. Metodika i praktika provedeniya marketingovykh issledovanii razlichnykh rynkov tovarov i uslug (Methods and Practice of Various Goods and Services' Market Research), 2-e izd., ster., M., Berlin, Di-rekt-media, 2016, 102 p.
5. Igrunova O. M. Sovremennye podkhody k analizu i razvitiyu sfery uslug v regionakh (Modern Approaches to Service Industry Analysis and Development in the Territories), monografiya, Izd. 2-e, pererab. i dop., M., Izd-vo MGADA, 2011, 183 p.
Submitted 18.03.2019
Igrunova Oksana M., Cand. Sci. (Economics), associate professor of Marketing and Project Management Department, National Research University of Electronic Technology (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1), [email protected]
Kazinskaya Elizaveta A., first-year Master student in Management at Marketing and Project Management Faculty, National Research University of Electronic Technology (Russia, 124498, Moscow, Zelenograd, Shokin sq., 1), [email protected]
