Kratkiy_konspekt_lektsiy
advertisement
Тема 1: Организация и содержание исследований в логистике Вопросы: 1. Сущность и этапы реализации исследований. 2. Определение проблемы и формулирование цели исследования. Исследования представляют собой сбор, обработку и анализ данных с целью уменьшения неопределенности, сопутствующей принятию решений в сфере маркетинга. Требования к проведению: 1. исследования должны носить комплексный и систематический характер;2. при проведении исследований должен соблюдаться научный подход, основанный на объективности, точности и тщательности; соответствии с 3. исследования должны проводиться в общепринятыми принципами честной конкуренции (Международный Кодекс по практике маркетинговых и социальных исследований); 4. исследования должны быть тщательно спланированы и состоять из комплекса последовательных частных этапов. Цель ‒ исследованиям это в образ желаемого логистике целью результата. чаще всего Применительно является к принятие соответствующих обоснованных решений, которые будут способствовать достижению тактических и стратегических целей компании. Наиболее типичные цели: определение характеристик явлений, не изученных ранее; выявление взаимосвязи явлений; изучение развития тех или иных явлений; описание нового явления; обобщение, выявление общих закономерностей; создание классификаций. Цели исследования могут быть поисковыми (разведочными), описательными и каузальными; их краткое описание представлено в табл. 1.2. Таблица 1.2 Виды и характеристика целей исследований Цели Описание Предусматривают сбор информации для предварительной Поисковые оценки проблемы и ее структурирования; помогают (разведочные) сформировать базу знаний по проблеме и выработать рабочую гипотезу Предусматривают описание выбранных явлений, объектов Описательные исследования и факторов, оказывающих воздействие на их состояние Предусматривают проверку гипотезы о наличии некоторой Каузальные причинно-следственной связи между отдельными факторами или явлениями В процессе выяснения сути проблемы исследования необходимо осуществить две основные процедуры: 1) осмысление проблемной ситуации; 2) формулировка проблемы исследования. Проблемная ситуация ‒ это противоречие между знанием о потребностях предприятия и незнанием путей (средств, методов, способов, приемов) реализации необходимых действий. Предприятие узнает о наличии той или иной проблемы через проявление некоторых симптомов. Например, увеличение расходов на складирование, уменьшение показателей эффективности работы транспорта, уменьшение оборачиваемости складских запасов и т.д. Наличие симптомов указывает на сформировавшуюся потребность организации в проведении исследования. Проблемная ситуация ‒ это конкретная ситуация в организации, которая вызывает необходимость провести исследование. Проблема исследования ‒ четко сформулированный результат осмысления проблемной ситуации. Примеры, показывающие различия между решаемыми и исследуемыми проблемами, приведены в табл. 1.1. Таблица 1.1 Примеры формулировок решаемых и исследуемых проблем № 1 2 3 4 Решаемая проблема Исследуемая проблема Повысить уровень Оценить варианты расширения логистического сервиса на перечня предоставляемых услуг складе Оценить варианты аренды и Увеличить складские площади строительства собственного склада Уменьшить время доставки Решение задач маршрутизации и товара способов доставки Оценить различные варианты Снизить транспортные издержки доставки товара Если проблема, требующая решения, заключается в установлении того, что необходимо сделать, то проблема, требующая исследования, — в определении информации, требуемой для принятия решения о том, что необходимо сделать, а также способов ее получения. Тема 2: Выбор типа и разработка плана исследования 1. Разработка плана исследования. 2. Генерирование рабочих гипотез Разработка плана является отправным пунктом проведения исследования. План исследования ‒ это структурированный документ, описывающий проблемную ситуацию и процедуры, связанные с ее изучением. Он включает в себя ряд действий, следующих друг за другом (рис. 1.1). Рис. 1.1. Этапы разработки плана исследования I. Определение проблемы. Начальным этапом любого исследования является определение проблемной ситуации. Проблема рассматривается как противоречивая ситуация, сложный вопрос, требующий решения. Важной предпосылкой успешного разрешения проблемной ситуации служит правильная постановка проблемы. Выявление объекта и предмета исследования. Объект исследования ‒ это лицо (лица), процесс, результат этого процесса или явление как носители или же источники проблемы. Предмет исследования ‒ это та часть объекта или его свойства, которые непосредственно влияют на возникновение и развитие проблемной ситуации. Выбор предмета исследования в каждом случае будет продиктован формулировкой проблемы. II. Постановка целей исследования. Характер целей исследования предопределяет выбор конкретных типов исследования, носящих те описательный и казуальный. же названия, а именно: разведочный, III. Формирование рабочей гипотезы исследования и программных вопросов. Как в науке, так и в обыденном мышлении мы идем от незнания к знанию, от неполного знания к более полному. Нам приходится создавать, а затем обосновывать различные предположения для объяснения явлений и их взаимосвязей с другими явлениями. Мы выдвигаем гипотезы, которые могут при наличии подтверждения стать научными теориями или же отдельными истинными суждениями, или, наоборот, оказаться ложными суждениями, будучи опровергнутыми. IV. Определение системы показателей. Показатели служат для измерения или сравнения отдельных характеристик объектов исследования. В качестве показателей сравнения объектов обычно используются пространственные, временные, физические и другие свойства и характеристики. Введение конкретных показателей сравнения позволяет достоверно установить соотношения исследуемых характеристик объектов, ‒ например, «больше», «меньше», «равны», «хуже», «предпочтительнее» и т.д. Показатели могут быть абсолютными или относительными. Одновременно с введением для каждого показателя необходимо четко определить методику его измерения. В зависимости от того, какие показатели и каким образом необходимо измерить, определяется рабочий инструментарий будущего исследования. V. Разработка рабочего инструментария. Рабочий инструментарий представляет собой целесообразный набор приемов и методов для проверки рабочих гипотез исследования. Формирование рабочего инструментария включает: определение методов и процедур получения первичной и вторичной информации (публикуемая статистика, внутренняя информация и др.); определение методов и средств обработки полученных данных (экономико-статистических и экономико-математических); определение методов анализа и обобщения материалов по проверке рабочих гипотез (моделирование, исследование операции и т.п.). Рассмотрим более подробно формирование рабочей гипотезы. Гипотеза ‒ главный методологический инструмент, организующий весь процесс исследования и подчиняющий его строгой логике. Рабочая гипотеза исследования представляет собой вероятностное предположение относительно сущности и возможных путей решения сложившейся хозяйственной проблемы. Также это своего рода алгоритм решения выявленных для исследования проблем. Рабочая гипотеза устанавливает рамки и основные направления исследования. Таким образом, рабочая гипотеза ‒ это предположение, непосредственно не ставящее задачей выяснение действительных причин исследуемых явлений, а служащее лишь условным допущением, позволяющим сгруппировать и систематизировать результаты наблюдений и дать согласующееся с наблюдениями описание данных явлений, выдвигается, как правило, на первых этапах исследования. Другими словами, на основе имеющейся информации мы строим предположение о возможных действиях с целью разрешения рассматриваемой проблемы ‒ получаем идею разрешения. Так проблема, требующая решения, преобразуется в проблему, требующую исследования (т.е. информации, недостающей для принятия решения). Логическая конструкция гипотезы представляет собой условнокатегорическое умозаключение «Если..., то...». Первая посылка выдвигает условие, а вторая ‒ утверждает следствие из данного условия. Если исследование не подтверждает следствие, гипотеза опровергается, но подтверждение следствия не дает логических оснований для достоверности гипотезы. Подтверждение лишь делает гипотезу правдоподобной, вероятной. Требования, предъявляемые к рабочей гипотезе: 1) достоверность ‒ гипотеза должна быть непосредственно связана с выявленной проблемой исследования; 2) конкретность ‒ служит основой для решения, а не только объясняет суть явления; 3) проверяемость ‒ должна быть предусмотрена возможность проверки гипотезы на эмпирическом материале; 4) формализованность ‒ основные предположения гипотезы должны опираться не только на логические доводы, но и быть измеримыми. Для генерирования рабочих гипотез применимы практически все творческие методы; их можно условно разделить на две группы: Логические Интуитивно-творческие Метод анализа круга проблем Метод аналогий Метод контрольных вопросов Метод «мозгового штурма» Метод систематизированной Метод синектики интеграции элементов решения Метод дерева решений Морфологический метод Метод логико-смыслового моделирования проблем. Логические методы генерирования рабочих гипотез. В основе этой группы методов лежат выяснение совокупности элементов проблемной ситуации, т.е. разделение исходной проблемы на подпроблемы, и отдельный анализ каждой из выделенных частей. Общее решение находится путем комбинации частных решений. Интуитивно-творческие методы формирования рабочих гипотез не разделяют анализируемую проблему на отдельные элементы с комбинацией частичных решений, а рассматривают ее как единое целое. Метод анализа круга проблем заключается в установлении взаимосвязи «причина‒следствие», призванном помочь сформулировать иерархическую структуру проблемы. Метод реализуется последовательности шагов: благодаря выполнению следующей 1) формируется каталог проблем па основным направлениям деятельности (снабжение, производство, распределение, склад и т.д.); 2) перечень проблем структурируется в виде матрицы, один вектор которой ‒ направления деятельности, другой ‒ проблемы по каждому направлению; 3) между ячейками матрицы, т.е. проблемами устанавливаются причинно – следственные отношения; 4) список проблем строится по принципу «Решение предшествующей проблемы способствует решению последующих», поэтому, проблемы «нулевого» уровня не имеют причин, а проблемы последнего уровня ‒ следствий. Метод контрольных вопросов (контрольных листов) заключается в формулировании всех возможных вопросов, относящихся к решаемой проблеме, и поиске ответов на них. Этот метод более продуктивен при организации работы в несколько этапов по 1,0 ‒ 1,5 ч с достаточно длительными перерывами. Метод систематизированной интеграции элементов решения основан на выработке комплексного решения проблемы на основе объединения отдельных идей. Метод реализуется в рамках совещания пяти ‒ семи человек посредством следующих процедур: 1) каждый участник в течение примерно 20 мин разрабатывает свой вариант решения проблемы; 2) на доске изображают таблицу, состоящую из трех частей. Первая часть предназначена для фиксирования всех индивидуальных решений, вторая ‒ их сильных сторон в решении проблемы (какой-то ее части), третья ‒ для интегрированного решения; 3) каждый из участников поясняет свое индивидуальное решение с опорой на первую часть таблицы; 4) на основе коллективного обсуждения отмечают сильные стороны каждого предложения (заполняют вторую часть таблицы); 5) преимущества двух любых выбранных предложений пытаются скомбинировать в интегрированное решение, которое фиксируется в третьей части таблицы. Метод дерева решений основан на построении логической цепочки последовательных действий по принципу «каждое действие является следствием предыдущего» (рис. 1.2): 1 ‒ решение А исходной проблемы; 2 ‒ решение Б исходной проблемы; 3 ‒ последствия принятого решения А при благоприятных условиях среды (наступление события В); 4 ‒ последствия принятого решения А при неблагоприятных условиях среды (наступление события Г); 5 ‒ последствия принятого решения Б при благоприятных условиях среды (наступление события Д); 6 ‒ последствия принятого решения Б при неблагоприятных условиях среды (наступление события Е); 7 ‒ решение в создавшейся ситуации; 8 ‒ последствия принятого решения при благоприятных условиях среды; 9 ‒ последствия принятого решения при неблагоприятных условиях среды. Рис. 1.2. Алгоритм построения дерева решений Таким образом, решение проблемы структурируется поэтапно с учетом возможных альтернативных последствий каждого из действий и вероятности их возникновения. Метод реализуется следующим образом: разрабатываются альтернативные решения проблемы ‒ возникает «вилка» решений. Каждое альтернативное решение может быть реализовано в разных условиях среды (благоприятных и неблагоприятных) ‒ это своеобразные оптимистический и пессимистический варианты решения. В идеале исследование должно предсказать условия среды и вероятность наступления того или иного исхода принимаемого решения. Морфологический метод генерирования рабочих гипотез позволяет построить различные комбинации основных структурных элементов рассматриваемой проблемы. Базовый принцип морфологического метода ‒ исследование структуры объекта и взаимосвязей элементов в его рамках. Для этого создается двухмерная матрица, один вектор которой содержит структурные элементы проблемы исследования, ее составные части, а другой ‒ различные варианты характеристик или методов реализации указанных параметров. Суть метода ‒ в последовательном переборе всех возможных сочетаний параметров объекта. Гипотезы строятся на основе выбранных комбинаций различных характеристик по каждому структурному элементу. Для генерирования рабочей гипотезы морфологическим методом используется следующий алгоритм: 1) проблема описывается в целом, решения не предлагаются; 2) проблема разделяется на отдельные компоненты, которые могут повлиять на ее разрешение; 3) для каждого компонента проблемы фиксируются альтернативные варианты решения, как уже известные, так и потенциально возможные; 4) альтернативные варианты решений комбинируются; 5) отбираются наиболее перспективные (реализуемые на практике) гипотезы. Логико-смысловое моделирование проблем по Е. П. Голубкову представляет собой комплексный метод, который позволяет провести всесторонний анализ проблемной ситуации, сформулировать основные гипотезы, цели и задачи исследования для выбора наиболее важных приемов сбора информации. Метод аналогий: формирование рабочей гипотезы по выдвинутой проблеме осуществляется на основе анализа некой ситуации, уже имевшей место быть в прошлом и похожей на ту, которая возникла в данный момент. Главное при использовании данного метода ‒ определение степени схожести этих двух ситуаций. Метод «мозгового штурма». Процесс генерирования группой специалистов идей относительно гипотез исследования должен быть отделен от обсуждения, оценки и выбора наиболее приемлемых вариантов. При выдвижении идей не требуется их обоснование, все без исключения идеи протоколируются. Оценка и отбор гипотез производятся на последующих этапах. Развитием метода «мозгового штурма» является «метод 635». Данный метод был разработан немецким профессором Б. Рорбахом и заключается в специальном регламенте организации работы команды. Цифры, давшие название методу, означают, что в совещании принимает участие 6 человек, которые в течение 5 мин должны разработать минимум 3 предложения по решению проблемы. Предложения заносятся в формуляр и передаются соседнему участнику по часовой стрелке, в течение последующих 5 мин участники должны дополнить или изменить полученные от соседей или написать еще 3 новых идеи. После того как каждый участник поработал с каждым формуляром, идеи подвергаются анализу и оценке. Метод более прост в организации, чем метод «мозгового штурма» и не выдвигает высоких требований к участникам, но некоторое количество идей будет продублировано. Метод синектики был предложен В. Гордоном. Термин «синектика» означает соединение разнородных вещей, на первый взгляд независимых друг от друга. Использование метода позволяет проанализировать проблему с новой точки зрения, увидеть непривычное в привычном или, наоборот, найти знакомое в незнакомом. «Отчуждение» проблемы происходит путем формирования ассоциаций с другими сферами жизни, однако отсутствие знаний в других областях способно создать проблемы для использования этого метода. Тема 2. Качественные способы сбора информации Вопросы: 1. Методы исследования и способы сбора информации 2. Фокус-группы 3. Глубинные интервью 4. Проективные методы Сбор информации является фундаментом организации эффективной логистической деятельности предприятия и прежде всего ее планирования. При использовании качественных способов сбора информации данные исследований (отвечающих «как?» и «почему?») представлены в виде высказываний, документов, описания случаев и выявленных мнений. Отметим, что описание осуществляется путем обобщения выявленных оценок. Классификация способов сбора качественной информации представлена в табл. 2.1. Таблица 2.1 Способы сбора качественной информации Вид информации Метод исследования информации Способ сбора качественной информации Фокус-группа Первичная Экспертный опрос Глубинное интервью Анализ протокола Вторичная Кабинетное Традиционный исследование документов анализ Кабинетное исследование включает в себя сбор вторичной (т.е. уже имеющейся и доступной на сегодняшний день) информации и обработку баз данных. Традиционный (классический) анализ документов представляет собой неформализованный метод изучения сути материала. Он позволяет выделить основные мысли и идеи, проследить логику. Достоинством этого метода является возможность увидеть логическую структуру документа и обнаружить содержащиеся в нем противоречия, проанализировать взаимозависимость контекста материала и обстоятельств его появления, уровень достоверности приводимых фактов и компетентности автора по данному вопросу, влияние его личного отношения к описываемым событиям. К недостаткам метода можно отнести субъективность интерпретации содержания документа и трудоемкость осуществления в силу слабой формализации процесса анализа. Экспертный опрос ‒ это метод сбора первичной информации путем выяснения субъективных мнений, предпочтений экспертов (специалистов) в отношении проблемы исследования. Анализ протокола: эксперт помещен в ситуацию принятия решения, в ходе которого он должен подробно описать все факторы, которыми он руководствовался при принятии данного решения. Поскольку качественная информация обычно представлена словесными (нечеткими) терминами, то использование экспертных оценок оказывается кстати при необходимости ее перевода в числовой вид (т.е. перевод осуществляется только при непосредственном участии человека). Сущность метода экспертных оценок заключается в проведении экспертами интуитивно-логического анализа проблемы с количественной оценкой суждений и формальной обработкой результатов. Получаемое в результате обработки обобщенное мнение экспертов принимается как решение проблемы. Комплексное использование интуиции (неосознанного мышления), логического мышления и количественных оценок с их формальной проблемы. обработкой позволяет получить эффективное решение При выполнении своей роли в процессе управления эксперты выполняют две основные функции: формируют объекты (альтернативные ситуации, цели, решения и т.п.) и производят измерение их характеристик (вероятности свершения событий, коэффициенты значимости целей, предпочтения решений и др.). При этом большую роль играют знания и опыт эксперта. Метод экспертных оценок состоит из следующих этапов: 1) выбираем объект для экспертной оценки; 2) устанавливаем параметры для сравнения; 3) определяем вес каждого параметра; 4) рассчитываем рейтинг сравниваемых объектов как сумму произведений оценки объекта по каждому фактору на весомость этого фактора; 5) сравниваем полученные результаты и выбираем наилучший объект. Несмотря на то, что область применения метода экспертных оценок весьма широка, следует помнить, что минусом данного метода является высокая степень субъективности оценки, особенно в определении весомости фактора. Но это в значительной степени может быть нивелировано методом попарных сравнений. У него существует множество модификаций, например, метод «лучше ‒ хуже». В его основе лежит система оценок «0,8» и «1,2». Если один объект лучше другого по оцениваемому фактору, то первый получает оценку «1,2», второй – «0,8» (см. табл. 2.2). Подобным образом оценивается и весомость факторов. Сравнение Объекта с другими осуществляется по строкам (не по столбцам). Например, из таблицы видно, что Объект 1 лучше по определенному критерию, чем Объекта 2 и 4, но хуже, чем Объекта 3. Таблица 2.2 Выбор наилучшего объекта методом попарных сравнений «лучше ‒ хуже» Объект 1 Объект 1 Объект 2 Объект 3 Объект 4 Рейтинг 1 1,2 0,8 1,2 Σ4,2 Объект 2 0,8 1 0,8 0,8 Σ3,4 Объект 3 1,2 1,2 1 1,2 Σ4,6 Объект 4 0,8 1,2 0,8 1 Σ3,8 По диагонали матрицы смежности мы имеем оценку «1», поскольку Объекты оцениваются относительно самих себя. В результате обработки полученной матрицы определяется рейтинг каждого Объекта по оцениваемому критерию. Основным недостатком данной модификации метода попарных сравнений является то, что система оценок не позволяет при необходимости указать, насколько один объект или фактор лучше или важнее в конкретной ситуации. Другая модификация метода попарных сравнений называется методом анализа иерархий (МАИ). Этот метод получает все большее распространение в случаях, когда речь идет о выборе поставщиков, перевозчиков, различных схем товародвижения, участков под склад и т.д. При его использовании принятие решения основано на оценке обширной, далеко не всегда однозначной информации. Метод предполагает постоянное сравнение двух факторов на основе некоторой шкалы предпочтений (табл. 2.3). Если фактору i при сравнении с j присваивается одно из приведенных выше значений, то фактору j по сравнению с i присваивается обратное значение (1/значение). Если над диагональю находится целое значение, то под диагональю – его обратное значение. Это значит, что, если у одного фактора оценка 9 («абсолютное предпочтение»), то у другого 1/9 или 0,11 («фактор незначительный») и т.д. В основе шкалы метода лежит способность человека производить количественные разграничения между пятью определениями: 1) равный; 2) слабый; 3) сильный; 4) очень сильный; 5) абсолютный. Таблица 2.3 Шкала относительной важности МАИ Оценка Определение 1 Факторы равнозначны 3 Незначительное предпочтение 5 Существенное предпочтение 7 Очевидное предпочтение Пояснение Факторы вносят одинаковый вклад в достижение цели Опыт и суждения дают незначительное преимущество одному фактору перед другим Опыт и суждения дают существенное преимущество одному фактору перед другим Предпочтение одного фактора другому выражено очень ярко Свидетельство в пользу предпочтения одного Абсолютное предпочтение 9 фактора другому в высшей степени убедительно 2, 4, 6, 8 Промежуточные значения между соседними значениями шкалы Если требуется большая Ситуация, когда необходимо компромиссное решение точность, между перечисленными определениями можно принять компромиссные. Следует отметить, что метод анализа иерархий достаточно сложен в применении. Поэтому использовать его рекомендуется при оценке и выборе особо важных объектов. Далее приводится пример использования метода экспертных оценок при выборе поставщика впомогательного сырья, которое потребляется в незначительных количествах. Анализ потенциальных поставщиков может проводиться на основании следующих основных критериев: цена продукции; качество продукции; опыт работы компании на рынке; качество обслуживания покупателей; надежность поставок, в том числе соблюдение графика поставок; географическое расположение поставщика; финансовая стабильность и финансовые условия; конкурентные преимущества, а также лидерство на рынке конкретной продукции; соответствие поставок логистической стратегии компании; уровень затрат на доставку и хранение товара; возможность длительного партнерства в бизнесе; готовность к поставке; гибкость поставки; информационная готовность; имидж поставщика; упаковка продукции; дополнительные услуги; порядок удовлетворения рекламаций и др. В данном случае выбор поставщика будем производить на основе оценки следующих критериев: цена товара (руб.); партионность (шт.); сроки поставок (мес.); транспортные расходы на всю партию (руб.). Для того чтобы учесть значимость каждого из указанных критериев, необходимо осуществить дополнительные расчеты их коэффициентов весомости. С этой целью целесообразно применить метод индексной группировки экспертных оценок по критерию предпочтительности. Использование метода индексной группировки экспертных оценок предполагает следующую последовательность преобразований численных оценок мнений экспертов: 1) определение средней оценки мнений экспертов по следующей формуле: , где (2.1) Sср ‒ средняя оценка мнений экспертов; Smin ‒ наименьшая численная оценка мнений экспертов; Smax ‒ наибольшая численная оценка мнений экспертов. 2) нахождение отклонений оценок мнений экспертов от расчетного значения полученной средней оценки: , (2.2) где αi ‒ отклонение численной оценки мнения i‒го эксперта; Sj ‒ значение численной оценки мнения i‒го эксперта. 3) определение индекса (β), которое позволит достоверно учесть направление предпочтений экспертов. С этой целью соотносится сумма положительных (α+) и отрицательных (α−) отклонений численных оценок экспертов от среднего значения, при этом нулевые отклонения игнорируются: , 4) (2.3) на последнем этапе определяется искомое значение оценки доминирующего мнения путем нахождения средневзвешенного значения. В качестве весов используется индекс (для тех оценок, которые меньше среднего значения) и единица (для тех оценок, которые больше среднего значения). Как было отмечено ранее, оценки, равные среднему значению, не учитываются. Таким образом, значение доминирующего мнения экспертов (Sдом) находится по формуле , (2.4) где n – количество оценок, значение которых меньше среднего значения; N – число экспертов, принимающих участие в оценке параметров. Расчет среднего значения мнений экспертов, отклонений, индекса и доминирующего значения мнений экспертов, полученные в рамках рассматриваемого примера, представлены в табл. 2.6. Далее рассчитываем значение рейтинга по каждому критерию путем умноженія удельного веса критерия на среднее значение экспертной балльной оценки (например, по 10-балльной системе) для данного поставщика. Суммируем полученные значения по всем критериям -- и получаем итоговый рейтинг для конкретного поставщика. Фокус-группа - это групповое глубинное фокусированное интервью, в ходе которого собирается субъективная информация от его участников. Рис. 2.1 - Этапы использования метода фокус-групп Преимущества фокус-группы: 1. Синергия. Объединив людей в группы, мы получим более обширный спектр информации, мнений и суждений, чем от общения с отдельными респондентами. 2. Эффект снежного кома. Комментарий одного человека вызывает цепную реакцию у других участников. 3. Стимулирование. Обычно после краткого рассказа о себе респонденты хотят поделиться идеями и выразить свои чувства по мере того, как нарастает общее возбуждение в ходе обсуждения вопроса. 4. Безопасность. Так как чувства участников групп схожи между собой, они ощущают себя комфортно и поэтому готовы поделиться своими мыслями и чувствами. 5. Спонтанность. Ответы участников могут быть спонтанными, а следовательно, и точнее выражать их соображения. 6. Интуитивная прозорливость. Хорошие идеи появляются в большинстве случаев неожиданно в группе, а не в интервью с одним человеком. 7. Специализация. Поскольку в обсуждении принимают участие сразу несколько участников, человек, проводящий фокус-группу, должен быть опытным специалистом. 8. Скурпулезность. Вся информация записывается для последующего анализа. 9. Структурированность. Групповое интервью позволяет подойти к рассмотрению вопросов в более свободной и одновременно углубленной форме. 10. Скорость. Поскольку на вопросы отвечают одновременно несколько участников, сбор и анализ информации происходит относительно быстро. Глубинное интервью, в интервью котором - неструктурированное, одного прямое, респондента личное опрашивает высококвалифицированный интервьюер для определения его основных побуждений, эмоций, отношений и убеждений по определенной теме. Рис. 2.2 - Этапы использования метода глубинных интервью Данный метод эффективен для достижения следующих целей: -Изучение личной темы, не располагающей к обсуждению в группе, например: личное финансовое положение, использование наркотиков или алкоголя. -Получение информации от труднодостижимых целевых групп. Значительно легче уговорить респондента на личное интервью в удобное для него время, чем собирать группу таких труднодостижимых лиц. Изучение товарной категории, представляющей собой сложную область изучения. Глубинные интервью позволяют более детально объяснить респонденту суть вопроса и убедиться в том, что он все понимает. Сбор основных сведений, касающихся рынка. Такую информацию часто можно получить от компетентного лица, который не склонен или имеет запрет на обсуждение ряда вопросов и присутствии других конкурирующих лиц. К основным методам интерпретации текстов глубинных интервью можно отнести следующие: Конструирующий метод заключается в том, что исследователь изучает тексты глубинных интервью под углом зрения изучаемой им проблемы. Элементы интервью становятся для него «кирпичами», из которых он конструирует картину исследуемых явлений. Содержащиеся в интервью описания могут также служить средством для выдвижения новых гипотез. Метод примеров представляет собой разновидность предыдущего. Он состоит в иллюстрировании и подтверждении определенных тезисов или гипотез выбранными из текстов глубинных интервью примерами. Применяя метод иллюстраций, исследователь ищет в них подтверждения своих идей. Типологический анализ состоит в выявлении определенных типов личностей, поведения, схем и образцов жизни в исследуемых группах. Рис. 2.3 - Методы проведения глубинного интервью Рис. 2.4 - Планирование и проведение глубинных интервью Проективные методы – это совокупность исследовательских процедур, позволяющих получать научно обоснованные данные о тех установках или мотивах, информация о которых при применении прямых исследовательских процедур подвергается определенным искажениям. Данные искажения могут носить со стороны респондентов как осознанный, так и неосознанный характер. Рис. 2.5 - Этапы использования проективных методов Рис. 2.6 - Виды проективных методов Преимущества использования проективных методов и методик: - количество, ценность и точность собранной информации, когда необходимо исследовать ценности, побудительные мотивы, восприятие и внутренние убеждения индивидуумов; - проективные методы могут использоваться на различных стадиях фокус-групп и глубинных интервью; - развлекательность. Оригинальность заданий вносит в групповую дискуссию или интервью элемент игры, в которую респонденты с удовольствием включаются. - маскировка целей, что позволяет респондентам открыто выражать свои мнения, не боясь неправильных ответов; - помогают выдвижению гипотез о поведении потребителей; - не требуется литературных, академических и прочих навыков от респондентов. Тема 4: Количественные способы сбора информации Вопросы: 1. Методы проведения опроса. Разработка анкеты 2. Методы шкалирования 3. Методы наблюдения 4. Общая характеристика выборочных методов. Детерминированные и вероятностные методы расчета выборки 5. Составляющие экспериментального исследования. Виды моделей эксперимента Опрос заключается в сборе первичной информации путем прямой постановки людям вопросов относительно уровня их знаний, отношений к продукту, предпочтений и покупательского Рис. 4.1 - Этапы использования метода опроса поведения. Рис. 4.2 - Процедура разработки анкеты Шкалирование – это создание определенного последовательного ряда, на котором размещаются измеряемые объекты. Рис. 4.3 – Виды шкал Наблюдение - метод сбора первичной маркетинговой информации путем регистрации определенных фактов, касающихся изучаемого объекта и значимых с точки зрения целей исследования. Метод сплошного обследования заключается в изучении всех единиц генеральной совокупности. Сплошное обследование целесообразно проводить в случаях, когда: - число элементов исследуемой совокупности не слишком велико; - относительно велика случайная ошибка выборки. Рис. 4.4 - Этапы использования метода наблюдения Метод выборочного обследования предоставляет информацию о генеральной совокупности на основании обследования только ее части, поэтому данные, полученные в ходе выборочного обследования, имеют вероятностный характер. Выборка — это группа объектов исследования, которая является носителем характеристик всех единиц генеральной совокупности. Детерминированный отбор (неслучайные (детерминированные) выборки) – выборочный метод, в котором не применяется процедура случайного отбора единиц генеральной совокупности. Этот метод основан на индивидуальных суждениях исследователя. Детерминированный метод формирования выборки реализуется путем: 1. нерепрезентативного отбора; 2. экспертного отбора; 3. квотного отбора; 4. отбора методом «снежного кома». Рис. 4.5 - Процедура сплошного и выборочного обследования Вероятностный отбор (вероятностные (случайные) выборки) – метод проведения отбора, в соответствии с которым каждая единица генеральной совокупности имеет определенную вероятность включения в выборку. Вероятностный метод формирования выборки предполагает: 1. Простой случайный отбор. 2. Систематический отбор. 3. Стратифицированный отбор. 4. Кластерный отбор. При проведении выборочного исследования может возникнуть множество ошибок. Например, ошибка основы выборки. Эта ошибка возникает из-за неправильного описания всей генеральной совокупности. Размер ошибки выборки преимущественно зависит от: процедуры формирования выборки и степени вариации признака в совокупности, т.е. степени различий между отдельными единицами внутри генеральной совокупности. Методы расчета выборки можно разделить на две группы – приблизительные и статистические. Если специалист из опыта знает, какой размер выборки следует использовать, или же существуют различные ограничения (например, связанные с бюджетом), используют приблизительные методы. Статистический метод определения объема выборки позволяет определить конечный объем выборки с учетом исключения респондентов, которые не соответствуют заданным критериям или не закончили интервью. Данный метод предполагает расчет объема выборки с учетом заранее заданного уровня точности и основан на создании доверительных интервалов вокруг средних или долей выборки с использованием формулы стандартной ошибки. Степень точности представляет собой максимально допустимое различие между совокупности. статистикой Степень выборки достоверности и параметром (надежности) генеральной результатов это вероятность того, что параметр совокупности попадает в доверительный интервал, то есть степень уверенности в том, что оценка близка к истине. Уровень стандартного (среднеквадратичного) отклонения среднего значения признака в генеральной совокупности определяется исследователем на основе вторичных источников и исходя из его понимания исследуемого явления. В случае если стандартное отклонение неизвестно, необходимо сформировать произвольную пробную выборку. Стандартная ошибка – стандартное отклонение (среднеквадратичное) выборочного распределения среднего или доли. Принято различать среднюю и предельную ошибки выборки. Предельная ошибка выборки определяется с помощью t – параметра и средней ошибки выборки. Доверительные интервалы для генеральной средней можно установить на основе соотношений ~ x x x ~ x ч Доверительные интервалы для генеральной доли устанавливаются на основе соотношений wp p wp Таблица. Формулы определения стандартной ошибки выборки Способы отбора Повторная выборка Бесповторная выборка Для средней Простая случайная выборка Стратифицированная или типическая выборка ч ч 2 ч n 2 ч n 2 n 1 n N 2 n 1 n N Для доли Простая случайная выборка Стратифицированная или типическая выборка p w(1 w) n p w(1 w) n 1 n N p w(1 w) n p w(1 w) n 1 n N В таблице используются следующие условные обозначения: N – объем генеральной совокупности; п – объем выборочной совокупности; x – средняя в генеральной совокупности; ~x – средняя в выборочной совокупности; р – доля единиц в генеральной совокупности; w – доля единиц в выборочной совокупности; 2 – генеральная дисперсия (заменяется на выборочную (S2) в случае, если она не известна). Дисперсия – среднее из квадратов отклонений переменной от ее средней величины. Для вычисления объема выборки применяется формула вычисление объема выборки по заданному доверительному интервалу. Таблица. Формулы определения численности выборки (n) при различных способах отбора Виды выборки Повторная выборка Бесповторная выборка Способы отбора Для средней Простая случайная выборка t 2 2 2~x Nt 2 2 N2~x t 2 S 2 Стратифицированная или типическая выборка t 2 i2 2~x Nt 2 i2 N2~x t 2 i2 Для доли Простая случайная выборка t 2 w(1 w) 2w Nt 2 w(1 w) N2w t 2 w(1 w) Стратифицированная или типическая выборка t 2 w(1 w) 2w Nt 2 w(1 w) N2w t 2 w(1 w) Для того чтобы сделать вывод о наличии причинно-следственной зависимости, необходимо соблюдение трех условий: 1. сопутствующая вариация; 2. порядок наступления событий во времени; 3. исключение других возможных причинных факторов. Эксперимент - управляемый процесс изменения одной или нескольких независимых переменных для измерения их влияния на одну или несколько зависимых переменных при условии исключения влияния посторонних факторов. Рис. 4.6 – Факторы, снижающие валидность эксперимента Классические модели экспериментов исследуют воздействие только одного уровня независимой переменной каждый раз. Статистические модели позволяют изучить влияние различных уровней воздействия независимой переменной, а также влияние двух и более независимых переменных. Эксперименты могут проводиться в рыночных (полевых) или лабораторных условиях. Эксперименты в лабораторных условиях имеют следующие преимущества: • высокая степень контроля за проведением эксперимента, что позволяет свести воздействие факторов среды к минимуму; • высокая степень внутренней достоверности; • более просты в реализации и требуют меньших затрат. Тема 5: Статистические методы анализа информации Вопросы: 1. Редактирование и кодирование данных 2. Базовые статистические методы анализа информации 3. Дисперсионный и ковариационный анализ 4. Корреляционно-регрессионный анализ 5. Дискриминантный анализ 6. Факторный анализ 7. Кластерный анализ 8. Многомерное шкалирование 9. Совместный анализ Редактирование подразумевает проверку и при необходимости корректировку каждой анкеты или формы с результатами наблюдений. Проверка и коррекция обычно осуществляются в два этапа: это полевое редактирование и централизованное офисное редактирование. Кодирование – способ представления полученной информации в виде символов, знаков, цифр с целью удобства ее использования для анализа. Чаще всего в качестве кодов используются цифры, табулирование и подсчет оказываются наиболее простыми. поскольку их Табулирование заключается в простом подсчете числа случаев, попадающих в различные категории. Различают два вида табулирования: простое и перекрестное. Простое табулирование подразумевает подсчет единственной переменной. Оно может повторяться для каждой из переменных исследования, однако табулирование одной переменной происходит независимо от табулирования других. При перекрестном табулировании две или более переменных рассматриваются одновременно; при этом осуществляется подсчет случаев, имеющих общие характеристики. Базовый статистический анализ включает: 1) расчет частотных распределений (табулирование); 2) кросс-табуляция; 3) проверка гипотез о связях и различиях. Рис. 5.1 - Описательные статистики, связанные с распределением частот Построение таблиц сопряженности признаков (кросс-табуляция) – это ста-тистический метод, который одновременно характеризует две или больше переменных и заключается в создании таблиц сопряженности признаков, отражающих совместное распределение двух или больше переменных. Статистический критерий χ2, который используется для проверки статистической значимости наблюдаемых связей в таблицах сопряженности признаков. И позволяет определить наличие или отсутствие значимой связи между двумя переменными. Коэффициент Фишера (фи - коэффициент), который используется для измерения тесноты связи при анализе таблицы сопряженности с двумя строками и двумя столбцами (таблица 2×2). Коэффициент сопряженности признаков Пирсона (С) – мера тесноты связи, используемая для анализа и сравнения таблиц сопряженности любого размера. V-коэффициент Крамера – мера тесноты связи, используемая в таблицах сопряженности, больших по размеру, чем 2×2. Данный показатель представляет собой скорректированный коэффициент Фишера по количеству или строк, или столбцов в таблице. Базовый анализ данных неизменно включает в себя статистическую проверку гипотез. Статистической называют гипотезу о виде закона распределения или о параметрах известного распределения. В первом случае гипотеза называется непараметрической, а во втором – параметрической. Общая схема проверки гипотез включает следующие этапы: 1. Сформулировать нулевую гипотезу Н0 и альтернативную гипотезу H1. 2. Выбрать подходящий метод статистической проверки гипотезы (статистический критерий) и соответствующую статистику критерия (выборочную статистику, тест-статистику). 3. Выбрать уровень значимости α. 4. Собрать данные и вычислить значение выборочной статистики критерия. 5. Определить вероятность, которую примет статистика критерия (выбранная на этапе 2) при выполнении нулевой гипотезы, используя соответствующее выборочное распределение. Альтернативный вариант данного этапа: определить критическое значение статистики, которое делит интервал на область принятия и непринятия нулевой гипотезы. 6. Сравнить полученную вероятность для тест-статистики (статистики, построенной по результатам выборочного наблюдения) с заданным уровнем значимости. Альтернативный вариант данного этапа: определить, попадает ли выборочное значение тест-статистики в область принятия или отклонения нулевой гипотезы. 7. Принять статистическое решение, касающееся того, принять или отвергнуть нулевую гипотезу. 8. Выразить статистическое решение с точки зрения проблемы маркетингового исследования. Корреляционный анализ – статистический метод, позволяющий измерить силу связи между двумя или более переменными и рассматривающий совместное изменение двух оцениваемых переменных. Корреляционный анализ применяют в случаях, когда исследователя интересует связь между двумя метрическими переменными. Регрессионный анализ статистический метод установления формы и изучения связей между метрической зависимой переменной и одной или несколькими независимыми переменными. Множественная регрессия - статистический метод, с помощью которого можно вывести математическую зависимость между двумя или больше независимыми переменными и зависимой переменной, выраженной с помощью интервальной или относительной шкалы. Пошаговая регрессия - регрессионная процедура, в которой предикторы по очереди вводят или выводят из уравнения регрессии. Подходы к выполнению пошаговой регрессии: 1. Прямая пошаговая регрессия: введение предикторов по одному, при условии, что они удовлетворяют определенному статистическому критерию. 2. Обратная пошаговая регрессия — исключение из всей совокупности предикторов не соответствующих статистическому критерию. 3. Пошаговый подход – на каждом шаге включение осуществляют одновременно с выводом предикторов, которые не удовлетворяют конкретному критерию. Мультиколлинеарность - состояние очень высокой степени корреляции между независимыми переменными. Перекрестная проверка - проверка достоверности модели, с помощью которой изучают, применима ли регрессионная модель для анализа сопоставимых данных, не использовавшихся при построении исходной модели. Двойная перекрестная проверка специальная форма проверки, в которой выборку делят на две равные части. Одна половина служит расчетной выборкой, а вторая - контрольной. Затем роли выборок меняются, и перекрестную проверку повторяют. Дискриминантный анализ – анализ различий заранее определенных групп объектов исследования (товары, потребителей, торговые марки и т.п.). Дискриминационные переменные – признаки, по которым изучаются различия между двумя или более группами (любая шкала). Дискриминантный анализ для двух групп - метод дискриминантного анализа, когда зависимая переменная имеет две категории. Каноническая корреляция - мера связи между единственной дискриминирующей функцией и набором фиктивных переменных, которые определяют принадлежность к данной группе. Собственное (характеристическое) значение функции – это отношение межгрупповой суммы квадратов к внутригрупповой сумме квадратов. Структурные коэффициенты корреляции (дискриминантные нагрузки) представляют собой линейные коэффициенты корреляции между предикторами и дискриминантной функцией. Оценка достоверности построенной дискриминантной модели оценивается по результатам классификации, т.е. распределения объектов исследования по исследуемым группам. Дискриминантные ненормированных (дискриминантных показатели коэффициентов весов) на сумма произведений дискриминантной значения независимых функции переменных в проверочной выборке, добавленная к постоянному члену. Коэффициент результативности – процент случаев, верно классифицированных с помощью дискриминантного анализа. Предсказанная группа - прогнозируемая принадлежность респондента к одной из исследуемых групп, определяемая на основе построенной дискриминантной модели. Центроид – средние значения для дискриминантных показателей конкретной группы. Дисперсионный анализ - статистический метод изучения различий между выборочными средними для двух или больше совокупностей. Дисперсионный анализ – анализ изменчивости признака под влиянием каких-либо контролируемых переменных факторов. Обобщенно задача дисперсионного анализа состоит в том, чтобы из общей вариативности признака выделить три частные вариативности: - Вариативность, обусловленную действием каждой из исследуемых независимых переменных. -Вариативность, обусловленную взаимодействием исследуемых независмых переменных. - Вариативность случайную, обусловленную всеми неучтенными обстоятельствами. Однофакторный дисперсионный анализ включает только одну категориальную переменную, т.е. единственный фактор. Метод однофакторного дисперсионного анализа применяется в тех случаях, когда исследуются изменения результативного признака (зависимой переменной) под влиянием изменяющихся условий или градаций какоголибо фактора. Влиянию каждой из градаций фактора подвержены разные выборки. Должно быть не менее трех градаций фактора и не менее двух наблюдений в каждой градации. Рис.5.1 - Процедура выполнения дисперсионного анализа Ковариата (дополнительная информация) выступает в виде независимой метрической переменной и используется для удаления посторонней вариации из зависимой переменной, поскольку самыми важными являются эффекты факторов. Вариацию в зависимой переменной, обусловленную ковариатой, удаляют корректировкой среднего значения зависимой переменной в пределах каждого из факторов (условий эксперимента). Затем, исходя из скорректированных оценок, выполняют дисперсионный анализ. К статистикам, используемым в однофакторном дисперсионном анализе, относятся: Эта-квадрат (ŋ2) – корреляционное отношение, которое выражает степень влияния или силу эффекта независимой переменной (Х) на зависимую переменную (Y ). Значение ŋ2 лежит в интервале от 0 до 1. F-статистика – отношение межгрупповой дисперсии к дисперсии ошибки, с помощью которого проверяют равенство категориальных средних в выборочных совокупностях. Дисперсия ошибки – отношение среднего квадрата Х к среднему квадрату ошибки. Средний квадрат (MS) – сумма квадратов отклонений наблюдений, разделенная на соответствующее ей число степеней свободы. SSмежду вариация переменной Y, обусловленная различием средних между группами (межгрупповая вариация). Это вариация переменной Y, связанная с вариацией средних значений категорий переменной X. Она представляет собой вариацию между уровнями переменной Х или долю в сумме квадратов переменной Y, связанную с переменной X. SSвнутри вариация переменной Y, обусловленная вариацией внутри каждой группы категорий (внутригрупповая вариация). Это вариация переменной Y, обусловленная изменением внутри каждой из групп переменной X. Она осуществляется за счет всех факторов, кроме X. SSy полная дисперсия переменной Y. Факторный анализ — это совокупность методов, которые на основе объективно существующих корреляционных взаимосвязей признаков (или объектов) позволяют выявлять латентные (или скрытые) обобщающие характеристики структуры изучаемых объектов и их свойств. Главными целями факторного анализа являются: (1) сокращение числа переменных (редукция данных) и (2) определение структуры взаимосвязей между переменными, т.е. классификация переменных. Поэтому факторный анализ используется или как метод сокращения данных или как метод классификации. В ходе выполнения факторного анализа решаются следующие задачи: оценивается пригодность исходных данных для проведения факторного анализа; выявляются корреляционные взаимосвязи между переменными исходного массива; определяется оптимальное число факторов (компонентов факторной модели), т.е. групп, на которые может быть разделен существующий массив переменных; разделяется существующий массив переменных на группы на основании значений коэффициентов корреляции; интерпретируются результаты, т.е. производится подбор названий созданным переменным (факторам). Корреляционная матрица матрица попарных корреляций r между всеми возможными парами переменных, включенных в анализ. Это симметричная, неотрицательно определенная матрица. Для проверки целесообразности использования факторной модели для анализа зависимости переменных существует несколько статистик. Критерий сферичности Бартлетта статистика, проверяющая гипотезу о том, что переменные в генеральной совокупности не коррелируют между собой. Другими словами, каждая переменная коррелирует сама с собой (r = 1), но не взаимосвязана с другими переменными (r = 0). Критерий адекватности выборки Кайзера—Мейера—Олкина. Результаты теста «КМО» позволяют сделать вывод об общей пригодности имеющихся данных для факторного анализа. Он позволит оценивать, насколько полно построенная факторная модель описывает структуру ответов респондентов на вопросы анкеты, представляющие исследуемые переменные. Результаты данного теста варьируются в интервале от нуля (факторная модель абсолютно неприменима) до единицы (факторная модель идеально описывает структуру данных). Факторные нагрузки - линейные корреляции между переменными и факторами. Все факторные нагрузки в совокупности представляют собой матрицу факторных нагрузок. Матрица факторных нагрузок – совокупность факторных нагрузок всех переменных по всем выделенным факторам. Для определения числа факторов могут быть использованы следующие процедуры: 1)Определение, основанное на предварительной информации. 2)Определение, основанное на собственных значениях факторов. 3)Определение, основанное на критерии «каменистой осыпи». 4) Определение на основе процента объясненной дисперсии. 5) На оценке надежности, выполняемой расщеплением. 6) На основе критерия значимости: в модель включают статистически значимые факторы (статистическая значимость собственных значений). Вращением матрицу факторных коэффициентов преобразуют в более простую, которую легче интерпретировать. Вращение позволяет получить новые линейные комбинации таким образом, чтобы значения факторных нагрузок были близки к 0 или 1. Кластерный анализ — это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается набором исходных переменных Х1,Х2, ..., Хm. Кластерный анализ используют в маркетинге для различных целей: Сегментация рынка. Понимание поведения покупателей. Определение возможностей нового товара или позиционирование товара. Выбор тестовых рынков. Сокращение размерности данных. Существует два подхода к формированию кластеров — иерархический и неиерархический. Иерархическая характеризующийся кластеризация построением - метод иерархической, кластеризации, или древовидной структуры. Программа неиерархической кластеризации отличается лишь тем, что она позволяет объектам покидать один кластер и присоединяться к другому в процессе образования кластеров, если это улучшает значение критерия кластеризации. Существует несколько методов группировки объектов в кластеры — как в иерархическом, так и в неиерархическом подходах. Метод кластеризации зависит от используемого в нем метода объединения. Иерархические методы группировки объектов в кластеры: агломеративные (объединительные) и дивизивные (разделяющие). Агломеративная кластеризация - иерархический метод кластеризации, при которой каждый объект первоначально находится в отдельном кластере. Кластеры объединяют, группируя объекты каждый раз во все более и более крупные кластеры. Этот процесс продолжают до тех пор, пока все объекты не станут членами одного единственного кластера. Дивизивная кластеризация - иерархический метод кластеризации, при котором все объекты первоначально находятся в одном большом кластере. Кластеры формируют делением этого большого кластера на более мелкие. Чаще в маркетинговых исследованиях используют агломеративные методы, в том числе методы связи, дисперсионные и центроидные методы. Среди неиерархических методов (методы k-средних) тремя наиболее часто используемыми являются последовательный пороговый метод, параллельный пороговый метод и метод оптимизации. Чтобы группировать объекты, необходим некоторый показатель сходства или различия. Схожие объекты группируются вместе, а те, что отстоят от них, попадают в другие кластеры. Среди наиболее часто используемых в кластерном анализе показателей можно перечислить следующие: евклидово расстояние (для относительных и интервальных переменных), квадрат евклидового расстояния, корреляция Пирсона, мера хи-квадрат, мера фи-квадрат. После формирования кластеров аналитику нужно их описать. Одним из часто используемых показателей является центроид — среднее значение объектов кластера по каждой из переменных, формирующих профиль каждого объекта. Если данные являются интервальными, а кластеризация выполняется в пространстве исходных переменных, этот показатель можно считать вполне естественным показателем сводного описания. Древовидная диаграмма (дендрограмма). Ее также называют древовидный граф — графическое средство для показа результатов кластеризации. Вертикальные линии представляют объединяемые кластеры. Положение вертикальной линии на шкале расстояния (горизонтальная ось) показывает расстояния, при которых объединяли кластеры. Совместный анализ метод, позволяющий определить относительную важность, которую потребители придают характеристикам торговых марок, а также полезность, которую они связывают с уровнями данных характеристик. Метод совместного анализа позволяет присвоить уровням каждой характеристики определенную ценность. В итоге полученные ценности, которыми обладает каждый объект, отражают оценки респондентов. В результате совместного анализа любой объект (товар, торговая марка и др.) оценивается совокупностью характеристик, уровни каждой из которых характеризуются определенной ценностью. Совместный анализ используют для следующих целей: • Определение относительной важности характеристик в процессе выбора товара потребителем. • Определение рыночной доли торговых марок, которые различаются уровнями своих характеристик. • Определение структуры свойств наиболее предпочитаемой торговой марки. • Сегментирование рынка, исходя из сходства предпочтений для уровней характеристик. Существует два широко распространенных подхода к построению объектов в совместном анализе – попарный подход (метод двухфакторных оценок) и метод полного профиля (полнопрофильный метод). При попарном подходе респонденты одновременно оценивают по две характеристики до тех пор, пока не оценят все возможные пары характеристик. Преимущество попарного метода в том, что он легче для респондентов: им проще высказать свое мнение при попарном сравнении характеристик. При профили использовании торговых полнопрофильного марок с учетом метода всех строятся уровней полные оцениваемых характеристик. При попарном подходе респонденты ранжируют все ячейки каждой из матриц, определяя их желательность, при полнопрофильном методе - все профили объектов. Для получения рейтингов используется шкала Лайкерта. Рейтинговые оценки легче анализировать и они удобнее для респондентов. Важность характеристики нормируют для уточнения ее важности относительно других характеристики Wi. Wi Ii I i 1 Таким образом, m W i 1 Существует i . m i 1. несколько методов использования базовой модели. Простейший и самый популярный – регрессионный анализ с фиктивными переменными. В этом случае вычисленные переменные состоят из фиктивных переменных для атрибутивных уровней. Если характеристика имеет ki уровней, ее кодируют через (ki - 1)-ю фиктивную переменную. Если получены метрические данные, то рейтинги, выраженные в интервальной шкале, образуют зависимую переменную. Если получены неметрические данные, то значения рангов можно преобразовать в 0 или 1, выполнив попарные сравнения между торговыми марками. Зависимая переменная представляет собой рейтинги предпочтений, а независимые переменные – шесть фиктивных переменных (по две для каждой переменной). Оценка надежности и достоверности: Необходимо определить критерий соответствия (подгонки) вычисленной модели исходным данным. Надежность "повторной проверки": на последнем этапе интервью респондентов просят повторно оценить определенные выбранные объекты с целью сопоставления полученных результатов. Значения объектов из набора вычисления и набора проверки достоверности можно вычислить, определив функции полезности. Затем эти предсказанные значения можно сопоставить с оценками, полученными от респондентов. Если анализ выполняли на агрегатном уровне, то можно несколькими способами разделить выборку вычисления и провести совместный анализ для каждой подвыборки. Затем сравнить результаты, полученные по всем подвыборкам, и оценить стабильность полученных решений. Многомерное шкалирование – метод анализа эмпирических данных о близости объектов, позволяющий определить размерность пространства характеристик измеряемых объектов и сконструировать конфигурацию точек (объектов) в этом пространстве. Воспринимаемые (психологические) взаимосвязи между объектами представляют в виде геометрических связей между точками в многомерном пространстве. Эти геометрические представления называют пространственными картами. Оси координат на пространственной карте соответствуют психологическим факторам поведения человека, которыми он пользуется для формирования восприятия и предпочтения объектов. Многомерное шкалирование используют для различных целей: Измерение имиджа. Восприятие фирмы потребителями продукции в сравнении с восприятием самой себя. Сегментация рынка. Расположение в одном и том же пространстве торговых марок и потребителей для выявления относительно однородных по восприятиям групп потребителей. Разработка нового товара. Оценка эффективности маркетинговых мероприятий (рекламы). Оценка ценовой политики: сравнение пространственных карт, разработанных с учетом и без учета восприятия цены, позволяет определить влияние цены на поведение покупателей. Решение о числе каналов сбыта. Существуют прямые и непрямые подходы к сбору данных о восприятии объектов. Восприятие объектов: прямые подходы. При использовании прямого подхода к сбору данных о восприятии респондентов просят оценить, используя их собственный критерий, насколько похожи или не похожи между собой различные известные торговые марки. От респондентов часто требуется оценить все возможные пары известных торговых марок, рассматривая их сходство по шкале Лайкерта. Эти данные связаны с оценками респондентов о сходстве товаров. Число оцениваемых пар равно n×(n — 1)/2, где n — число объектов. Непрямые подходы предполагают, объекты исходя из заранее что заданных респонденты оценивают характеристик, используя семантическую дифференциальную шкалу или шкалу Лайкерта. При этом в набор объектов может быть включена идеальная торговая марка, которую респонденты оценивают по одному и тому же набору характеристик. Предпочтения респондентов. С помощью данных о предпочтениях можно увидеть порядок предпочтения объектов респондентами с точки зрения какого-либо их свойства. Для данных, касающихся предпочтений респондентов, используются аналогичные подходы: 1. Ранжирование респондентами объектов в порядке снижения их предпочтения (от наиболее предпочитаемого к наименее). 2. Попарное сравнение объектов с указанием наиболее предпочтительного. Существует несколько разновидностей процедур многомерного шкалирования. Метрические методы многомерного шкалирования предполагают, что исходные данные интервальные или относительные. Неметрические методы многомерного шкалирования предполагают, что исходные данные будут порядковыми (ранжированные оценки), но в результате анализа они преобразуются в интервальные или относительные. Если собраны данные о предпочтениях респондентов, то можно выполнить развертывание, т.е. разместить «идеальные» для каждого из них точки в пространстве, в котором расположены торговые марки или объекты. Это можно осуществить с помощью двух способов. Внутреннее развертывание метод компоновки пространственной карты, при которой она представляет точки, соответствующие и торговым маркам, и респондентам. Пространственную карту получают исключительно из данных о предпочтениях. Внешнее развертывание метод компоновки пространственной карты, в результате которого она представляет идеальные точки или векторы, нанесенные на карту, полученную на основе данных о восприятии. В этом случае сначала по данным о восприятии формируется пространственная карта, а затем на неё добавляется идеальная точка каждого респондента определенные на основе предпочтений. Главная цель многомерного шкалирования состоит в получении пространственной карты с наименьшим количеством размерностей, которая наилучшим образом подходит для анализа исходных данных. Однако пространственные карты рассчитывают таким образом, что соответствие модели исходным данным увеличивается с ростом количества размерностей пространства. Чем больше размерность пространства, используемого для воспроизведения расстояний, тем лучше согласие воспроизведенной матрицы с исходной (меньше значение стресса). Стресс мера соответствия подогнанной модели исходным данным: чем выше значение стресса, тем ниже качество подгонки модели. Существует несколько подходов к определению количества размерностей: Определение, основанное на предварительной информации. Определение на основе критерия изогнутости. Определение, основанное на легкости использования. Для того, чтобы оценить надежность и достоверность полученных в ходе ММШ результатов, целесообразно осуществить следующие действия. 1. Рассчитать коэффициент соответствия или R2 — квадрат коэффициента корреляции, представляет собой меру соответствия модели исходным данным. 2. Рассчитать значение стресса — меру несоответствия модели шкалированных данных, которую не учитывает модель многомерного шкалирования. 3. Выборочно исключить ряд объектов из исходных данных и оценить изменения относительного расположения объектов на пространственной карте. 4. Разбить исходные данные на две или более частей и выполнить процедуру ММШ отдельно для каждой части, а затем сравнить результаты. 5. К исходным данным можно добавить случайный ошибочный член. Полученные в результате данные подвергают ММШ и решения сравнивают. 6. Осуществляется сбор исходных данных в разные периоды времени с целью последующего сравнения проверочных характеристик полученных моделей. Тема 6: Подготовка отчета о проведенном исследовании Подготовка отчета и его презентация — последний этап маркетинговых исследований. На рис.1 представлен ход подготовки отчета и презентации. Он начинается с интерпретации результатов анализа данных в свете проблемы маркетингового исследования, подхода к проблеме, плана исследования и полевых работ. Вместо краткого изложения результатов статистической обработки данных маркетологу следует представить свои выводы таким образом, чтобы их можно было использовать в качестве непосредственной основы при принятии управленческих решений. Маркетолог обязательно должен сделать выводы и дать действенные рекомендации. Перед написанием отчета исследователю следует обсудить основные полученные данные, выводы и рекомендации с лицами, принимающими ключевые решения. Эти встречи — главная гарантия того, что отчет будет отвечать требованиям клиента и, в конечном счете, будет принят. Итогом проведенного маркетингового исследования должен стать отдельный письменный отчет или несколько отчетов, адресованных разным лицам. Обычно письменный отчет сопровождается устной презентацией. Существуют следующие требования к отчету о маркетинговом исследовании: полнота, точность, ясность, лаконичность. Структура отчета влияет на все критерии его оценки. Хорошая структура отчета не может гарантировать его ясности, лаконичности точности и полноты, но плохая структура способна лишить отчет всех этих важных качеств. Не существует какой-то одной-единственной оптимальной формы отчета. Ее выбор зависит от типа читательской аудитории. Резюме является самой важной частью отчета. Многие руководители читают только резюме и используют его в качестве основного источника ответов на интересующие их вопросы. Резюме дает полное представление обо всем отчете в целом, включает суть проблемы и результаты ее решения. Результаты исследования должны подробно представляться в отчете, в том числе с помощью рисунков и таблиц. Приводимые результаты должны иметь непосредственное демонстрироваться в отношение определенной к задаче логической исследования и последовательности. Структурирование результатов может проводиться с учетом подзадач исследования или каких-то иных критериев — например, географических или временных. Для каждого исследования существуют свои ограничения. Ясная формулировка ограничений позволяет показать, в какой мере эти ограничения повлияли на итоговые результаты. Автор должен дать читателям четкое представление о точности результатов исследования. В частности, необходимо рассмотреть вневыборочную ошибку и предполагаемое направление искажения, вызванное ее воздействием. Читателям необходимо также показать, в какой степени они могут экстраполировать результаты. Результаты обуславливают появление выводов и рекомендаций. В этом разделе составитель отчета показывает процесс получения выводов и формулирует их более детально, чем в резюме. Необходимо делать вывод по каждой цели или задаче исследования. Если исследование не предоставляет достаточных данных для получения выводов по проблеме, то об этом следует заявить открыто. Рекомендации должны следовать за сделанными выводами и фокусировать внимание на ценности собранной информации. Существуют следующие требования к устной презентации. Знание аудитории слушателей. Структурирование доклада. Использование визуальных материалов. Соблюдение установленных временных пределов выступления. Работа исследователя не заканчивается устной презентацией. Остается две задачи: помочь клиенту понять и применить полученные данные, а также проконтролировать исполнение; исследований в целом. оценить весь проект маркетинговых
