Основные методы анализа маркетинговой информации

Прежде  чем приступать к любому анализу  переменной, всегда неплохо разобраться  в смысле её распределения.

Часто распределение лучше всего представить  с помощью гистограммы, представляющей собой определённую форму столбчатой диаграммы, в которой последовательные значения переменной размещаются по оси абсцисс или Х, а частота или относительная частота появления значений указывается по оси ординат или Y.  Гистограмма данных о доходах из таблицы Приложения С представлена в Приложении Е.

Более глубокого проникновения в суть эмпирического распределения доходов можно добиться, построив полигон частот, который получается из гистограммы посредством соединения верхних точек столбцов прямыми линиями (Приложение Е).

Одномерная  табуляция полезна также для расчёта других итоговых мер, таких как медиана, мода, среднее значение  и стандартное отклонение. Медиана выборки – это значение, для которого 50% наблюденных значений лежат ниже, а 50% выше него. Мода есть наиболее часто происходящее событие. Стандартное отклонение определяет меру разброса данных. Ввиду ограниченности размеров курсовой работы я вынужден опустить из рассмотрения методики расчёта этих параметров.

Перекрёстная табуляция

В перекрёстной табуляции выборка делится на подгруппы так, чтобы выяснить, каким образом зависимые переменные изменяются от подгруппы к подгруппе. Это наиболее широко используемый приём анализа данных в маркетинговых исследованиях.

Рассмотрим  вопрос взаимосвязи, если таковая есть, между числом легковых автомобилей, которыми владеет семья, и семейным доходом. Предположим далее, что 37500 долларов – это медиана доходов всей совокупности, и что эту цифру правомерно использовать для разделения семей выборки на две группы – группу, имеющую доходы ниже среднего, и группу, в которой они выше среднего.

Таблица 3.2. представляет двумерную классификацию семей выборки по доходу и числу легковых автомобилей.

Таблица 3.2. Семейный доход и количество легковых автомобилей во владении семьи

Доход, $	Количество машин
	1 или нет	2 или более	Всего
Менее 37500 Более 37500 Всего	48 27 75	6 19 25	54 46 100

  Зависит ли количество машин от семейного дохода? Судя по цифрам таблицы 3.2, это не вызывает сомнения, поскольку 19 семей, владеющих двумя и более легковыми автомобилями, находятся в группе более высоких доходов.

3. Анализ данных: отдельные методы

Достаточно часто исследователь должен определить, имеет ли место какая-то связь между двумя или более переменными, и если да, то каковы ее степень и функциональная форма.

Обычно мы пытаемся предсказать значение одной переменной (например, потребление какого-то конкретного продукта семьей) на базе одной или более других переменных (например, дохода и количества членов семьи). Переменная, значение которой необходимо предсказать, называется зависимой (результативной) или переменной-критерием. Переменные, которые дают основу для построения предсказания, называются независимыми или переменными-предикторами.

Простой регрессионный  и корелляционный анализ.

Регрессионный анализ и  корреляционный анализ находят широкое применение в маркетинговых исследованиях, когда изучается взаимосвязь двух и более переменных. Хотя в использование эти два определения зачастую взаимно заменяют друг друга, существует различие в целях их применения. В корреляционном анализе измеряется близость взаимосвязи двух или более переменных. Самой техникой этого приема рассматривается совместная вариация двух мер, ни одну из которых экспериментатор не ограничивает. С другой стороны, регрессионный анализ используется для вывода уравнения, которое связывает переменную-критерий с одной или более переменными-предикторами. В ней рассматривается распределение частот переменной-критерия при сохранении переменных-предикторов постоянными на различных уровнях.

В отношении корреляционного анализа следует обратить внимание на различие между понятиями корреляции и причинности. Использование в корреляционном анализе терминов «зависимые переменные» (критерии) и независимые переменные» (предикторы) берет свое начало от описания функциональных математических связей и никоим образом не связано с наличием зависимости одной переменной от другой в смысле причинной обусловленности. Например, в то время как статистические приемы могут показывать определенную корреляцию между высоким доходом и тенденцией к проведению зимних отпусков на Карибских островах, будет ошибкой предполагать, что обладание высоким доходом является причиной того, что соответствующее лицо направляется на юг, как только столбик термометра устремляется вниз. В корреляционном анализе, как и в математической процедуре, нет ничего такого, что могло бы использоваться для установления причинной обусловленности. Все, чего можно добиться в результате использования всех этих процедур, — это установить меру (степень) связи или корреляции между переменными.

Предмет регрессионного и корреляционного анализа лучше  всего обсуждать на конкретных примерах. Поэтому рассмотрим изготовителя шариковых ручек Click, который заинтересован в исследовании эффективности маркетинговых усилий своей фирмы. Компания планирует использовать в качестве меры оценки эффективности ежегодный объем продаж по территориям. Эффективность деятельности оптовиков требует установления их рейтингов по ряду критериев и расчёта совокупного рейтинга. В нем 4 означает выдающуюся эффективность, 3 — хорошую, 2 – среднего уровня и 1 — слабую. Учитывая время и затраты, не обходимые для генерирования этих характеристик рекламы и распределения продукции, компания решила анализировать только определенную выборку из общего числа торговых территорий. Данные случайным образом определенной выборки объемом 40 территорий представлены в Таблице 1 Приложения F.

Влияние каждой структурной переменной маркетинга на объём продаж можно исследовать несколькими способами. Один, самый очевидный, состоит просто в графическом представлении объема продаж как функции от каждой переменной. Эти графики, называемые диаграммами рассеивания, представлены в Приложения G. Рубрика А этого рисунка показывает, что объем продаж возрастает с увеличением числа телевизионных роликов, демонстрируемых ежемесячно. Рубрика В свидетельствует о росте объема продаж с увеличением числа торговых представителей, обслуживающих территорию. И наконец, из рубрики С следует, что существует слабое взаимодействие между объемов продаж на территории  и эффективностью обслуживающего эту территорию оптовика.

Пристальное рассмотрение рубрик А и В позволяет также утверждать, что можно было бы суммировать взаимосвязь объемов продаж с каждой переменной-предиктором, проведя прямую линию по точкам данных. Один из способов генерирования этой взаимосвязи объемов продаж и либо показов телевизионной рекламы, либо числа торговых представителей может быть реализован «на глазок», т. е. как бы визуальном прочерчиванием прямой линии по точкам графиков. Такая линия будет представлять собой линию «средней» взаимосвязи. Она покажет среднее значение переменной-критерия, а именно продаж, при заданных значениях каждой переменной-предиктора, т. е. показов рекламного ролика или числа торговых представителей.

Альтернативный подход состоит в установлении математического соответствия между линией и данным. Общее уравнение прямой линии у= a + bХ, где a — точка пересечения с осью Y и b — коэффициент наклона прямой. В случае, когда Y — это объем продаж а Х₁ — количество показов рекламы, уравнение будет записано как Y = a + b₁Х₁, тогда как для взаимосвязи объема продаж Y и числа торговых представителей X₂, оно может быть записано как Y = a₂ + b₂ X₂, где подстрочные индексы определяют соответствующие переменные-предикторы. Далее линию наилучшего приближения можно определить целым рядом математических способов (например,  решение по методу наименьших квадратов).

Существует  также ещё один параметр при анализе  данных, такой как коэффициент корелляции – термин, используемый в регрессионном анализе для указания степени близости зависимости между переменной-критерием и переменной-предиктором к линейной.

Коэффициент корелляции может меняться от -1 до 1. Полная положительная корелляция, при  которой любое увеличение X точно  определяет увеличение Y, даёт коэффициент +1. Полная отрицательная корелляция, когда любое увеличение X  в точности сопровождается уменьшением Н, дает коэффициент -1.

Множественный регрессионный анализ

Идея, которая лежит  в основе множественного регрессионного анализа, не отличается от идеи, определяющей задачу простой регрессии. Она заключается в установлении взаимосвязи между независимыми и зависимой переменными, т е. переменными-предикторами и переменной-критерием. Множественный регрессионный анализ позволяет вводить дополнительные переменные таким образом, чтобы конструируемое уравнение отражало значения нескольких, а не одной переменных-предикторов. Цель введения дополнительных переменных состоит в улучшении наших предсказаний переменной-критерия.

 

Заключение.

В настоящее  время маркетинговые исследования и их надлежащая организация становится инструментом, с помощью которого существенно снижается риск предпринимательства. Проведя заранее исследование, мы уже на ранней стадии можем выявить все возможные проблемы, которые могут возникнуть при осуществлении предпринимательской деятельности, возрастает качество решения задач потребителя.

Главное назначение (результат) маркетинговых исследований - это генерирование маркетинговой  информации для принятия решений  в области взаимодействия (коммуникаций) субъектов маркетинговой системы, таких решений, которые обеспечивали бы требуемое рынком количество и качество товарных и сервисных сделок, соблюдая требования основных факторов внешней среды и потребителя.

Главная цель маркетинговых исследований заключается в разработке концепции общего представления о структуре и закономерностях динамики рынка и обосновании необходимости и возможностей конкретной фирмы для более эффективной адаптации ее производства, технологий и структуры, а также выводимой на рынок продукции или услуг к спросу и требованиям конечного потребителя.

В соответствии с целями и задачами курсовой работы можно сделать следующие выводы:

Анализ маркетинговой  информации является самым важным и основным инструментом получения достаточно достоверных данных о состоянии всех компонентов маркетингового окружения. Причём выбор методов анализа обязательно должен подбираться в соответствии с целями и задачами исследования, от этого в полной мере будет зависеть эффективность и достоверность исследования, его конечные результаты. Хорошо организованное, продуманное исследование – залог успеха на рынке.

 

 

 

 

 

Список литературы:

1. Голубков Е.П. Маркетинговые исследования: теория, методология и практика. Издание 2-е, М., Финпресс, 2000.
2. Голубков Е.П. Основы маркетинга. М., Финпресс, 1999.
3. Проблемы планирования и управления. Опыт системных исследований. Под редакцией Голубкова Е.П., Жандарова А.М. М., Экономика, 1987.
4. Черчилль Г.А. Маркетинговые исследования. СПб., Питер, 2000.
5. http://www.marketing.spb.ru
6. Ф. Котлер «Основы маркетинга» М., Финпресс,1999
7. Маркетинг в России и за рубежом №2 2001
8. http://www.cfin.ru

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Приложения