Каузальные исследования
Цели каузальных исследований
Дескриптивные методы исследования не позволяют полностью отделить эффект, полученный в результате действия одной переменной, от эффекта, к которому приводит действие других переменных. Каузальные исследования ликвидируют этот недостаток. Процедура сбора информации в них организована таким образом, что неоднозначная трактовка результатов исключена. Перед каузальными исследованиями ставятся три разные, хотя и взаимодополняющие цели:
• Установить направление и силу причинной связи между одной или несколькими переменными действия и одной переменной отклика.
• Измерить в количественном выражении степень влияния переменной действия на переменную отклика.
• Предсказать значения переменной отклика при разных значениях переменных действия.
Однако необязательно преследовать все указанные цели. Несколько методов каузального исследования подчинены одной-единственной цели: установить причинно-следственную связь и тем самым достичь более глубокого понимания изучаемого явления. В таких случаях ни количественные оценки, ни степень влияния не определяются.
Для оценки причинных связей используются три типа свидетельств, достаточно интуитивных:
• Свидетельства о том, что переменная действия предшествует переменной отклика.
• Свидетельства о том, что между действием и наблюдаемым результатом существует связь.
• Свидетельства о том, что влияние других возможных причинных факторов устранено либо контролируется.
Последнее условие — самое жесткое. Оно требует контроля над всеми внешними переменными, с тем чтобы эксперимент можно было считать «чистым». Наибольшую угрозу внутренней валидности эксперимента представляют:
• Фон: внешние по отношению к эксперименту события, воздействующие на реакции участников эксперимента.
• Естественное развитие: изменения, происходящие с респондентами по прошествии времени, такие, как взросление (старение), появление чувства голода, усталости.
• Эффект теста: осознание факта участия в эксперименте, способное обострить чувствительность и необъективность респондентов.
• Эффект претеста: предшествующая эксперименту оценка (наблюдение, тестирование) также может повысить чувствительность и необъективность респондентов, тем самым оказывая влияние на реакцию респондента на экспериментальное вмешательство и на последующую оценку.
• Инструментарий: средства измерения могут изменяться, например когда в эксперименте участвуют много наблюдателей или интервьюеров.
• Выбывание: респонденты могут отказываться от участия в эксперименте после того, как он начался.
• Субъективность отбора: экспериментальная группа может иметь систематические и значимые отличия от генеральной совокупности.
Рыночный аналитик должен распланировать эксперимент таким образом, чтобы устранить эти внешние факторы либо контролировать их влияние.
Определение эксперимента
Эксперимент — это научное исследование, в котором исследователь управляет и контролирует одну переменную действия или более и наблюдает за сопровождающими это управление изменениями одной или нескольких переменных отклика.
Переменные действия, над которыми осуществляется управление и влияние которых измеряется, называются экспериментальными воздействиями. Организации, респонденты или физические объекты, над которыми осуществляются экспериментальные воздействия и чья реакция оценивается, называются группами испытуемых.Экспериментальный план включает в себя определение: (а) экспериментальных воздействий, которыми будет управлять исследователь; (б) группы испытуемых, которые будут участвовать в эксперименте; (в) переменной отклика, значение которой будет измеряться; (г) процедуры управления внешними переменными.
Различают два типа экспериментов:
• Лабораторный эксперимент, когда исследователь создает ситуацию с требуемыми условиями (имитация магазина, опрос) и затем управляет одними переменными, контролируя остальные.
• Полевой эксперимент, который проводится в реальных или нейтральных условиях (например, в настоящем магазине), при этом в нем также осуществляется управление одной или несколькими переменными действия и тщательно контролируются внешние условия.
В целом внешняя валидность лабораторных экспериментов выше по сравнению с полевыми.
Типы планов проведения эксперимента
В типовом эксперименте выбираются две группы респондентов (или магазинов), имеющие схожие по отношению к цели исследования характеристики. Одной из групп, так называемой экспериментальной группе, предъявляется причинный фактор воздействия (например, рекламное объявление А). Другой, контрольной, группе данный фактор не предъявляется. Если в экспериментальной группе объем покупок возрастает, а в контрольной — нет, делается вывод об обоснованности гипотезы о том, что увеличение объема покупок произошло за счет рекламы. Если же в экспериментальной группе объем покупок не увеличивается или он увеличивается в той же мере, что и в контрольной группе, делается вывод о необоснованности гипотезы [5, с. 82].
Но это типовая схема, реальные же эксперименты различаются по способу подбора экспериментальной и контрольной групп, а также по степени контроля над влияющими на результаты внешними факторами.
В качестве иллюстрации рассмотрим два экспериментальных плана с предварительным тестированием и два плана подлинных экспериментов.«Разовое» исследование. Сначала единственная группа испытуемых подвергается воздействию (обозначим его X), затем проводится «последующая» оценка (обозначим ее О) переменной отклика. Схематично данный план выглядит так:
ХО
Такой план не является подлинным экспериментом, поскольку он не дает возможности сделать сколько-нибудь достоверные выводы. Наблюдаемый уровень О может быть результатом действия многих неконтролируемых факторов, а так как в эксперименте не проводится предварительное тестирование, выводы сделать невозможно.
План с предварительной и последующей оценками и одной группой. В этом исследовании проводятся два тестирования: предварительное и последующее. Таким образом, схема имеет следующий вид:
охо2
Разница между оценками «до» и «после» эксперимента (02 - О,) считается результатом экспериментального воздействия (X). Однако данное предположение сомнительно, так как разница между предварительной и последующей оценками вполне может являться следствием воздействия и действия всех неконтролируемых факторов, таких, как фон, естественное развитие, эффект теста и т. д.
План с предварительной и последующей оценками и контрольной группой. Подлинным считается эксперимент, в котором исследователь может элиминировать все внешние факторы (конкурирующие гипотезы). Экспериментальная и контрольная группы отбираются так, чтобы они были взаимозаменимы, что является важным условием достижения цели эксперимента. В контрольной группе оценка проводится одновременно с экспериментальной, только воздействию эта группа не подвергается. Схема данного плана имеет вид
экспериментальная группа: О^Х 02
Таким образом, разница между оценками «до» и «после» эксперимента в контрольной группе ( 04 - 03) является результатом действия неконтролируемых факторов. Разница между оценками «до» и «после» эксперимента в экспериментальной группе (О., - О,) является результатом воздействия, а также тех неконтролируемых событий, которые повлияли на контрольную группу.
«Чистый» эффект воздействия определяется путем вычитания разницы двух измерений в контрольной группе из разницы двух измерений в экспериментальной группе:В этом плане контролируются все угрозы внутренней валидности, за исключением эффекта теста в экспериментальной группе.
Таким образом, когда факт предварительной оценки не скрывается от респондентов — например, среди них проводится опрос, — в эксперименте вероятен интерактивный эффект теста, который невозможно отделить от эффекта собственно экспериментального воздействия. Если сбор данных осуществляется без ведома участников эксперимента, эксперимент проводится правильно. В остальных случаях решением проблемы эффекта теста является применение плана с последующей оценкой и контрольной группой.
План с последующей оценкой и контрольной группой. В этом плане выбираются эквивалентные экспериментальная и контрольная группы. Предварительная оценка не проводится ни в одной из них, а воздействию подвергается только экспериментальная группа:
Эффект воздействия определяется путем нахождения разницы между двумя последующими оценками (02 - 0). В этом плане неконтролируемые факторы Действуют как на контрольную, так и на экспериментальную группу, а эффект теста элиминируется по причине отсутствия предварительной оценки. Единственный недостаток данного плана — его статичность, из-за чего невозможно анализировать процесс изменения, как в плане с предварительной и последующей оценками.
Классический пример такого исследования — эксперимент на тему потребления растворимого кофе «Nescafe».
Целью исследования было определение образа домохозяйки, которая использует растворимый кофе. Двум сопоставимым группам домохозяек были продемонстрированы схожие списки планируемых покупок продуктов. Женщин попросили описать домашнюю хозяйку, которая могла составить такой список. В списке, предъявленном контрольной группе, фигурировал «Maxwell House» — известная марка молотого кофе для кофеварок. В списке, предъявленном экспериментальной группе, вместо «Maxwell House» значился растворимый кофе «Nescafe Instant» — на момент проведения исследования это была относительно новая концепция употребления кофе.
Оценивался процент респондентов, приписавших автору списка покупок те или иные характеристики. Эффектом воздействия («искомая» домохозяйка потребляет кофе «Nescafe Instant») стала разница между процентами приписывания каждой характеристики «поклоннице растворимого кофе» и процентами приписывания тех же характеристик «поклоннице молотого кофе» [5, с. 96].Результаты .эксперимента приведены в табл. 4.4. Проверка по критерию хи-квад- рат показывает отсутствие значительных различий между характеристиками, приписываемыми покупателю кофе «Maxwell» и покупателю кофе «Nescafe» [22, с. 61-63].
Таблица 4.4 Результаты эксперимента по потреблению растворимого кофе [22, с. 62]
|
В основе любого плана эксперимента лежит один и тот же принцип: не имеет значения, какие внешние факторы действуют в эксперименте, лишь бы они одинаково воздействовали на экспериментальную и контрольную группы. Основные условия валидности — случайный выбор групп испытуемых и случайное распределение экспериментальных воздействий между группами.
Сегодня, когда все супермаркеты оборудованы сканирующими устройствами, организовывать маркетинговые эксперименты стало намного проще.
Совместный (конджойнт-) анализ
Конджойнт-анализ — это один из многомерных методов исследования, используемый для изучения процесса формирования потребительских предпочтений определенных товаров и услуг и формулирования прогнозов об отношении рынка к новым концепциям. Метод базируется на концепции товара как совокупности свойств, т. е. на том предположении, что потребители оценивают полезность (ценность) идеи товара или услуги путем сложения полезностей каждого его свойства, или атрибута. Преимущество метода заключается в том, что он позволяет выработать объяснительную модель предпочтений потребителей, с помощью которой можно определить концепцию товара, обладающего оптимальной комбинацией свойств. Точнее, совместный анализ позволяет ответить на следующие вопросы:
• Чему равна частичная полезность для потребителя каждого уровня каждого свойства, определяющего товар/услугу?
• Какова относительная важность (вес) каждого свойства в общей оценке концепции товара?
• Чему равны совокупные полезности различных концепций товара, характеризующихся разными совокупностями свойств?
• На какие компромиссы между разными уровнями свойств готовы пойти потребители?
• Какова доля предпочтений потенциальных покупателей в отношении различных исследуемых концепций товара?
Данный метод анализа предпочтений, как и всякий метод исследования, имеет свои ограничения. Его применение затруднено, когда: (а) свойства товара или услуги совершенно новы для потребителей; (б) число свойств, которые необходимо принять во внимание для получения реалистичного представления о концепции, слишком велико; (в) когнитивные способности респондентов ограниченны.
Предположения конджойнт-анализа
Метод совместного анализа базируется на ряде предположений и гипотез:
1. Покупатель воспринимает товар (услугу) как совокупность свойств (атрибутов, характеристик), каждое из которых представлено в нем в определенной степени. Уровень каждого свойства определяет искомую выгоду(ы).
2. Оценивая товар, потенциальный покупатель мысленно ассоциирует с каждым уровнем того или иного свойства определенную ценность (полезность); данные ценности, именуемые частичными полезностями, отражают систему ценностей покупателя.
3. Для определения совокупной полезности товара покупатель мысленно складывает полезности соответствующих свойств.
4. При сложении свойств для определения совокупной полезности действует компенсаторное правило. Это значит, что, оценивая товар в целом, покупатель мысленно компенсирует свойства с низким уровнем свойствами с повышенным уровнем (подробнее см. в гл. 5).
Как мы видим, данный метод (его называют также анализом компромиссного выбора) основан на принципе арбитража, т. е. окончательное предпочтение формируется у респондента после того, как он взвесит все «хорошие» и «плохие» характеристики товара. Готов ли покупатель пожертвовать одним свойством (скажем, Ценой или весом изделия) ради повышенного удовлетворения от другого (наприМер, от изысканного дизайна или мощности)? По такому принципу оценивается частичная полезность свойств. Для сравнения различных концепций товара исследователь должен выбрать меру предпочтения: метод неметрического упорядочивания (т. е. упорядочивание концепций товара начиная от наиболее предпочитаемой) или метод метрического ранжирования (т. с. по шкале от 0 до 10).
Идентификация свойств
Пожалуй, самым важным решением в совместном анализе следует признать выбор свойств, характеризующих товар или услугу. Для этого необходимо быть хорошо осведомленным о покупательских критериях выбора, а также их детерминантах. Получить такую информацию можно посредством зондирующего исследования, фокус-групп, дескриптивного исследования или экспертным методом (путем опроса дистрибьюторов, влиятельных лиц и т. д.) Важно, чтобы выбранные свойства или характеристики отвечали следующим условиям:
1. Определяли общую ценность концепции товара, учитывая как положительные, так и отрицательные моменты.
2. Являлись решающими критериями выбора, на основе которых потребители дифференцируют товары. Некоторые важные факторы могут и не являться критериями отбора.
3. Были независимыми факторами, но не избыточными; присутствие одного такого фактора требует обязательного наличия другого.
4. Представляли практический интерес, т. е. данные факторы и уровни факторов можно было бы использовать на практике.
Общее количество факторов не должно быть слишком большим. Увеличение числа свойств (оцениваемых параметров) непосредственно влияет на статистическую эффективность и достоверность. Наилучшие результаты достигаются тогда, когда количество свойств не превышает семи. Кроме того, увеличение числа уровней оценки сопровождается быстрым ростом числа концепций, которые респонденты должны сравнить и оценить, а это чревато информационной перегрузкой.
В ходе совместного анализа чистящих средств исследовалось пять свойств, или характеристик, из которых три (торговая марка, упаковка и цена) имели три градации оценки, а два других (гарантия и наличие рекомендации от журнала «Good Housekeeping») —две градации («да» и «нет»). Итого в факторном плане получилось 3x3x3x2x2 = 108 разных концепций товара, которые нужно было сравнивать и ранжировать. Понятно, что подобная «миссия» невыполнима. Если же применить фракционированный факторный план, потребуется сравнить всего 18 концепций.
На практике, если не отбрасывать некоторые концепции, рекомендуется предлагать респондентам не более 20 концепций. Оптимальное же количество лежит в пределах от 15 до 20. При превышении данного числа вероятность неполучения данных (по причине скуки или усталости) становится очень велика.
Фракционированный факторный план
Как показывает теория экспериментирования, на практике необязательно использовать полный факторный план и рассматривать все возможные комбинации свойств для оценки их главных эффектов и взаимодействий первого порядка. Можно использовать фракционированный факторный план и при этом обеспечивать ортогональность (т. е. отсутствие корреляции) оценок частичных полезностей.
Когда количество уровней оценки у всех свойств одинаково, т. е. экспериментальный план имеет симметричный характер, возможно применение плана, известного как латинский квадрат, греко-латинский квадрат или гипер-греко-латин- ский квадрат (соответственно для 3, 4 и 5 атрибутов).
Например, в эксперименте по изучению ценовой эластичности спроса на сигареты из смешанных сортов табака рассматривались три свойства с четырьмя градациями оценки каждый: торговая марка (В), содержание смол (Г), содержание никотина (/V) и цена (Р). При полном факторном плане мы получили бы 4 х 4 х 4 = 64 концепции товара. Используя «латинский квадрат», мы сокращаем количество концепций до 16 (табл. 4.5).
Таблица 4.5 Пример плана «латинский квадрат»
|
В — марка сигарет; TN — содержание смол и никотина; Р — цена. |
Для каждой концепции товара составляется своя карточка-профиль. Задача респондентов — расположить 16 карточек в порядке предпочтения начиная с наиболее (или наименее) предпочитаемой.
Когда план несимметричен, т. е. когда число уровней оценки атрибутов неодинаково, план можно преобразовать в симметричный путем дублирования некоторых концепций. В одном из исследований, посвященных влиянию различных информационных кампаний, поднимающих тему разрушения озонового слоя, оценивались установки пользователей спреев для волос по отношению к аэрозолям. Рассматривались следующие свойства: торговая марка («L'Oreal», «Gamier», «Gillette» и «Riem»), цена (50, 100, 150 и 200 бельгийских франков) и тип упаковки (аэрозоль или спрей).
В данном случае мы имеем три свойства, из которых два имеют четыре градации, а одно — всего две, т. е. в общей сложности получается 32 концепции (4x4x2). Для использования «латинского квадрата» необходимо, чтобы у всех свойств было одинаковое число уровней. Для обеспечения симметричности два уровня свойства «упаковка» дублировались, что не нарушает условия ортогональности. В результате мы получили 16 концепций, в которых свойство «упаковка» к тому же встречается чаще других, что соответствует цели исследования.
Если план несимметричен и используется большее количество свойств, могут Применяться другие экспериментальные планы. Их описание можно найти в специализированной литературе [2].
Методы сбора данных о предпочтениях
Существуют два метода сбора данных о предпочтениях: полнопрофильный метод и метод парного сравнения.
Метод полнопрофильной презентации более популярен ввиду того, что он позволяет уменьшить число сравнений посредством применения фракционированных факторных планов. При таком подходе каждая концепция товара описывается отдельно, чаще всего на специальной карточке-профиле. Количество сравнений в этом случае меньше, а сами оценки могут ранжироваться или даваться в виде рейтинга. Основные преимущества:
• определение уровня каждого свойства в концепции товара дает более реалистичное описание последней;
• обеспечивается наглядное отображение компромиссов между всеми свойствами;
• сама ситуация очень близка реальному поведению при покупке.
Главный недостаток — опасность утомления респондентов из-за информационной перегрузки, когда им предлагается проранжировать или построить рейтинг слишком большого числа концепций. Данная проблема может возникнуть даже во фракционированном факторном плане. Избавиться от нее позволяет метод парных сравнений.
В методе парных сравнений респондента не просят ранжировать сразу все п концепций одновременно, а просят лишь сравнить их попарно. Таким образом, требуется п(п - 1) / 2 последовательных сравнений. Вообще говоря, при этом методе респонденту приходится «работать» дольше, но зато и стоящая перед ним задача более проста. По ее выполнении аналитик должен перегруппировать парные сравнения таким образом, чтобы получить единую оценку.
Оценка частичных полезностей
Что касается методик оценки, то тут в последние годы произошел заметный прорыв вперед, и причиной тому является использование метода адаптивного совместного анализа. Для оценки методом ранжирования требуется модифицированный вариант дисперсионного анализа, созданный специально для исходных данных. Наиболее популярными и известными компьютерными программами в этой области считаются МОЫАЫОУА и ЬШИАР. Если требуется метрическая мера предпочтений (т. е. не ранжирование, а, скажем, рейтинг), то, как показано ниже, можно воспользоваться множественной регрессией с двоичными переменными (0 и 1).
В табл. 4.6 представлена регрессионная модель для примера со спреями для волос (оценка проводится методом наименьших квадратов). В данном случае исходная концепция представляет собой следующую комбинацию: марка (М) — «Е'Огеа1»; цена (Р) — 200БЕ; упаковка (С) — аэрозоль. В столбце «ранг» (у) указывается предпочтение каждого респондента (от 16 для наиболее предпочитаемой концепции до 1 для наименее предпочитаемой). Таким образом, для каждого респондента мы получим одно уравнение регрессии, представляющее его личную функцию полезности.
При нахождении метрического критерия используется модель множественной регрессии, где зависимой переменной является рейтинг или, реже, ранг от 1 до п. Уровни свойств — независимые переменные в двоичной форме (0 и 1), гдеОозна-
Таблица 4.6 Пример банка данных для конджойнт-анализа
|
М — «І_'ОгеаІ»; Р — 200ВР; С — аэрозоль. |
чает отсутствие уровня, 1 — его присутствие. В общем случае уровень свойства имеет отдельную частичную полезность. Зачастую применяются более ограниченные спецификации модели: линейная модель с одним коэффициентом или квадратичная форма, известная также как модель идеальной точки.
Для оценки достоверности статистических результатов и проверки нулевой гипотезы (об отсутствии связи между зависимой переменной и различными объясняющими переменными) могут использоваться различные статистические критерии ^2, Б-критерий). Аналогично для проверки статистической значимости коэффициентов регрессии используется {-распределение Стьюдента. В качестве иллюстрации проанализируем функцию полезности для одного из респондентов; уравнение регрессии будет иметь следующий вид:
Ранг = 3,50 -3,25А/2 -3,50МЗ -4,25А/4 +3,25Р2 +2,25РЗ + 1,50Р4 +8,0С2 (5,0) (3,0) (3,2) (3,9) (3,0) (2,1) (1,4) (10,4) /?2 = 0,94 ^кри
терий =
Можно сразу отметить, что общее статистическое соответствие очень высоко. Нулевая гипотеза отвергается, так как наблюдаемое значение /-"-критерия, опреде
ленно, выше критической величины для 5%-ного доверительного интервала. Аналогично все значения t-критерия Стыодента (кроме одного, Р4) выше своих предельных значений для 10%-ного доверительного интервала. Постоянная величина (3,50) представляет собой ранг референтной концепции («L'Oreal», аэрозоль, 200BF). Частичная полезность представляет собой предельное колебание ранга (в большую или меньшую сторону) при любом изменении в совокупности свойств товара.
Результаты представлены в виде кривых полезности (рис. 4.10). Глядя на них, можно сделать следующие выводы о системе ценностей конкретного респондента:
1. Первые три коэффициента показывают полезность (или ценность), ассоциируемую с торговыми марками: «Gamier», «Gillette» и «Groupe Riem». Так как все значения отрицательны, можно заключить, что данные три бренда имеют более низкую оценку, чем референтная марка, «L'Oreal».
2. Следующие три коэффициента показывают чувствительность к цене. Так как референтная цена (200BF) является наивысшей из всех, с уменьшением цены полезность возрастает: при уменьшении с 200BF до 50BF она увеличивается на 3,25, с 200BF до 100BF - на 2,25, с 200BF до 150BF - на 1,50. Таким образом, как и следовало ожидать, наблюдается отрицательная ценовая эластичность.
3. И наконец, наш респондент оказался очень чувствителен к типу упаковки: при замене аэрозоля на спрей его удовлетворение резко возросло ( + 8).
И последняя интересная информация, которую можно почерпнуть из полученных оценок, это степень важности каждого свойства или характеристики товара для респондента, т. е. абсолютная разность (разница) между наибольшей и наименьшей полезностями каждой характеристики. Степени важности для нашего примера приведены в табл. 4.7. Относительная важность вычисляется путем деления диапазона значений на сумму наблюдаемых разностей (в нашем случае 15,5). Для данного респондента важнее всего упаковка, далее по значимости следуют торговая марка и цена.
Спрей
![]() Рис. 4.10. Частичные полезности для одного респондента |
8 -
7 - 6 - 5 - 4 - 3 - 2 - 1 - О - -1 - -2 - -3 - -4 - -5 -
Цит. по: Frutsaert 1989.
Таблица 4.7 Оценка относительной важности свойств товара
|
Следующая проблема — интерпретация результатов всей выборки респондентов. Здесь могут применяться два подхода. Во-первых, можно рассчитать средние значения всех частичных полезностей по каждому свойству. Данный метод прост, однако он неминуемо ведет к потере информации, так как предполагает однородность предпочтений в пределах изучаемой совокупности. Во-вторых, можно воспользоваться методом кластерного анализа, т. е. сгруппировать респондентов в сегменты, в пределах которых предпочтения однородны. В настоящее время данный метод применяется для сегментирования по выгодам (см. гл. 6).
Моделирование структурных уравнений
За последнее десятилетие в развитии методов анализа данных заметен существенный прогресс. Новые методики, называемые вторым поколением методов анализа данных, или моделированием структурных уравнений (МСУ), позволяют изучать несколько отношений зависимости одновременно (в обычном многомерном анализе допускается только одна связь за раз). На практике рыночному аналитику часто приходится отвечать сразу на несколько связанных друг с другом вопросов. Например, при оценке эффективности работы магазина необходимо исследовать такие взаимосвязанные проблемы:
• Какие факторы определяют имидж, магазина?
• Как этот имидж вкупе с другими переменными (близость, ассортимент) влияет на решения о покупках и на удовлетворение от посещения магазина?
• Как удовлетворение от магазина соотносится с долговременной лояльностью к нему?
• Как лояльность магазину влияет па частоту посещений и эксклюзивность!
• Как частота посещений и эксклюзивность определяют прибыльность магазина?
Как показано на рис. 4.11, в данном случае мы имеем дело с несколькими отношениями зависимости, когда одна зависимая переменная (имидж магазина) становится независимой в следующем отношении (удовлетворение), а оно, в свою очередь, «объясняет» другую зависимую переменную (лояльность) и т. д. Вплоть до 1980-х гг. не существовало ни одного многомерного метода, который позволил бы ответить на все эти вопросы. Подробнее об этих методах см. в [13], [8].
Концепция скрытой переменной
Одна из отличительных особенностей МСУ — использование скрытых, пли ненаблюдаемых, переменных. Скрытая переменная — это конструктив или концепция, которую нельзя измерить непосредственно, но которую можно оценить с помощью одного или нескольких показателей, или наблюдаемых переменных.
![]() |
Единица наблюдения = один магазин
Рис. 4.11. Оценка эффективности торговой марки магазина
Доход и уровень образования — наблюдаемые факторы. Их можно использовать в качестве показателей такой ненаблюдаемой концепции, как социальный статус.
В приведенном выше примере скрытыми переменными являются имидж магазина, удовлетворение, лояльность и эффективность. Для их оценки примеряется ряд показателей (подробнее см. в следующей главе).
Еще одна ненаблюдаемая переменная — эффективность фирмы в целом. Ее скрытыми индикаторами являются прибыль на инвестиции, темпы увеличения выручки от реализации или доли рынка, процент успеха новых товаров и т. д.
Все эти скрытые переменные связаны между собой и описывают итоговую конструкцию, как показано на рис. 4.11.
Отличительные особенности МСУ [8, с. 355]:
1. Использование скрытых (ненаблюдаемых) переменных.
2. Спецификация существующих отношений между скрытыми переменными и их показателями.
3. Одновременный анализ нескольких отношений зависимости.
4. Спецификация ожидаемых отношений между скрытыми переменными и интеграция погрешностей измерения.
5. Возможность проведения не только зондирующего, но и подтверждающего анализа.
Как мы видим, существует ряд моментов, которые отличают МСУ от традиционных многомерных методов. Оригинальность МСУ заключается в возможности объединения нескольких существующих методов, которые прежде использовались по отдельности.
Подмодели МСУ
Модель структурного уравнения включает две подмодели: причинную и подмодель измерения:
1. Подмодель измерения определяет показатели, по которым оценивается каждая конструкция, и оценивает правомерность использования каждой такой конструкции в установлении причинной связи. Данная подмодель представляет собой подтверждающий факторный анализ. Теоретическая структура связи между наблюдаемыми и скрытыми переменными предлагается априори, а затем проверяется.
2. Причинная подмодель определяет отношения между скрытыми переменными, как в любой системе уравнений. Допускаются сложные причинные связи.
Таким образом, рыночный аналитик располагает банком данных и, руководствуясь теорией и прошлым опытом, предлагает причинную модель. Создаются две матрицы: одна состоит из наблюдений, другая — из теоретических значений. Если различия между матрицами достаточно малы, значит, данные подтверждают априорную модель, в противном случае теоретическая модель отвергается.
Методология МСУ реализована в различных компьютерных программах, таких, как LISREL, EQS и AMOS. Для использования таких программ и получения стабильных и точных результатов требуется большой банк данных.
Интеллектуальные экспертные системы
Развитие централизованных маркетинговых информационных систем, широкое использование данных со штрих-кодов, сканируемых на кассовых терминалах в магазинах, а также применение механизмов ЭОД (электронного обмена данными) между производителями и дистрибьюторами привели к образованию информационных хранилищ — централизованных банков корпоративных данных. Одно из преимуществ таких хранилищ (помимо поддержания целостности и качества корпоративных данных, чем занимаются специальные работники) состоит в возможности создания и применения управленческих информационных систем, а также нового класса приложений, известных как поиск данных (data mining).
Технология нейронной сети
Технология нейронной сети относится к сфере искусственного интеллекта, а свое название она получила потому, что многие задачи выполняет примерно так же, как это делает человек.
К таким задачам относятся: различение объектов (классификация), деление схожих предметов на группы (кластеризация], ассоциация двух и более вещей (ассоциативная память), предсказание результатов на базе примеров (моделирование), прогнозирование (анализ временных рядов) и, наконец, совмещение нескольких целей для получения приемлемых решений [11, с. 41].
В основе нейронной сети лежат механизмы выявления зависимостей в массивах данных. В отличие от МСУ данный подход направлен на разработку моделей: он не требует априорного определения причинной структуры. В нейронных сетях обучение строится на примерах. В них используются большие, разрозненные массивы данных, а на выходе получаются качественные гипотезы, основанные на накопленных знаниях. Это эвристический процесс. Пользователь задает тип зависимости, а затем «интеллектуальный агент» начинает поиск этой зависимости в массиве данных. Нейронные сети называют интеллектуальными, так как они обучаются на примерах (как ребенок видит изображение собаки в книге, а потом распознает собаку на улице), а также обладают структурной способностью к обобщению и запоминанию.
Тема искусственного интеллекта широка и выходит за рамки настоящей книги, но и потенциал этого направления для маркетинговых исследований достаточно велик. Подробнее о нейронных сетях и об их применении в бизнесе см. в [11].
Применение технологии нейронной сети в маркетинге
В настоящее время нейронные сети применяются главным образом в микромаркетинге. В качестве примера можно привести американскую сеть розничных магазинов Wal-Mart, которая часто проводит анализ покупательской корзины и выявляет взаимосвязи между товарами. Fla основании полученной информации делаются выводы о близости тех или иных товаров и выдаются рекомендации по наиболее эффективному стимулированию сбыта.
Анализируя некоторые данные по прошлым периодам, менеджер одной крупной американской торговой компании заметил явную корреляцию между объемами продаж детских подгузников и пива. Корреляция наблюдалась преимущественно в часы сразу после окончания рабочего дня, причем особенно сильно — по пятницам. Дальнейшие исследования подтвердили догадку: направляясь домой после работы, глава семьи заезжал в магазин, чтобы купить ребенку подгузники, а себе пиво. В ответ на это секцию с подгузниками расположили поближе к пивному отделу — и продажи того и другого увеличились [12, с. 25].
Технология нейронной сети применяется также в микросегментировании и управлении рисками, особенно в сфере индивидуального кредитования и страхования.
Страховщики, например, давно знают, что женщины-водители подвергают себя меньшему риску, чем их коллеги-мужчины, а значит, им можно предложить более дешевые страховые премии. С помощью поиска данных были выявлены субсегменты женщин-водителей с разными ценовыми и рисковыми профилями. Вместо того чтобы предлагать единую страховую премию женщинам всех возрастных категорий, страховые компании могут устанавливать разные расценки, с тем чтобы удержать наиболее прибыльных клиентов или избавить себя от тех, кто приносит одни убытки.
Третья популярная сфера применения нейронных сетей — выявление мошенничества при использовании кредитных карт (как это делается в компании Visa International). Идея чрезвычайно проста. Люди склонны совершать покупки определенным образом. Как правило, они тратят определенные суммы денег, приобретают определенные товары, а новинки покупает довольно точно прогнозируемая часть населения. Нейронная сеть строится с расчетом на то, чтобы выявлять поведение, не укладывающееся в общие рамки. Экспертная система ежедневно анализирует миллионы совершаемых по всему миру транзакций, используя 3035 параметров и выявляя операции, которые могут оказаться мошенническими. Несколько раз в день система рассылает соответствующие уведомления в банки- эмитенты. Банк сам решает, связываться ли с потенциальным нарушителем или нет.
Вот один из наиболее вероятных признаков мошенничества: кредитная карточка используется для оплаты на автозаправочной станции, а сразу после этого с ее помощью совершается ряд покупок дорогостоящей бытовой техники. Нейронная сеть принимает такое «совпадение» за признак мошенничества: весьма вероятно, что на АЗС карта была украдена и сразу же, пока владелец не успел заблокировать счет, использована для совершения покупок.
С повсеместным применением микрокомпьютеров, мобильных телефонов и Интернета сфера информационных технологий стремительно измененяется. Информационные технологии действительно могут повысить эффективность маркетинг-менеджмента, так как позволяют организациям устанавливать более тесные (и более прибыльные) отношения с потребителями, лучше изучать их потребности и быстрее реагировать на их ожидания. Дополнительную информацию по этой теме можно найти в [18].
Еще по теме Каузальные исследования:
- | Причина и цель в праве (для решения задачи исследования права, как реального явления, надо исследовать не только цепь, но и причину в праве]
- Методические основы
- Маркетинговое исследование — что это такое?
- Вопрос 30 КЛАССИФИКАЦИЯ МАРКЕТИНГОВЫХ ИССЛЕДОВАНИЙ
- 3.3.1. Управление процессом маркетингового исследования
- 11.1. Разведочное исследование
- 11.3. Каузальное исследование
- 4.2.2. ОПРЕДЕЛЕНИЕ ОБЪЕКТА И ПРОЕКТА МАРКЕТИНГОВОГО ИССЛЕДОВАНИЯ
- Система маркетинговых исследований
- Зондирующие исследования
- Дескриптивные исследования
- Каузальные исследования
- Резюме
- Система маркетинговых исследований
- Зондирующие исследования
- Дескриптивные исследования