2.6.4 Аналитическая система в маркетинговых исследованиях

Аналитическая подсистема информационной системы маркетинга состоит из прогрессивных средств для анализа данных и проблемных ситуаций и включает в себя статистический банк и банк моделей на рисунке 2.2.

Рисунок 2.2 - Структура аналитической системы маркетинга

Задача в маркетинговых исследованиях состоит в том, чтобы попытаться найти причины изменения переменных или одной переменной (зависимой) данной переменной. С этой целью исследователь выдвигает гипотезы о других переменных, называемых независимыми, изменение которых во времени и пространстве способствует изменению зависимой переменой (это могут быть: уровень дохода населения, объем затрат на рекламу, уровень цен и другие факторы, воздействующие на объем продаж).

В отличие от функциональной зависимости y=f(x), когда каждому значению независимой переменной x соответствует одно определенное значение величины y, при регрессионной связи одному и тому же значению x могут соответствовать в зависимости от случая различные значения величины y. Поэтому цель регрессионного анализа – определить общий вид уравнения регрессии, построить статистические оценки параметров, входящих в уравнение, показать степень воздействия независимых переменных на зависимую.

Корреляционный анализ предполагает описание и вычисление тесноты связи между различными показателями. К примеру, надо определить зависимость между ростом объема продаж и увеличением издержек обращения. При помощи известных в математике приемов вычисляется так называемый коэффициент корреляции, который показывает тесноту связи. При максимально возможной величине, равной 1, получился ответ равный 0,876, что свидетельствует об очень тесной связи между величинами.

Задача дискриминаторного анализа состоит в отнесении объекта, характеризуемого значениями x признаков, к одной из совокупностей (групп, классов) k, распределенных в p-мерном пространстве признаков. Признаками могут служить как количественные, так и качественные измерения объектов. Радиотехническая фирма, например, хочет объяснить, какое предпочтение следует отдавать кассетным магнитофонам по сравнению с катушечными; торговая фирма желает определить наиболее рациональное размещение своей торговой сети. В обоих случаях процедура анализа состоит в том, что наблюдаемые признаки (люди, торговые объекты) разбиваются на ряд групп в соответствии с определенной классификацией при помощи дискриминантной функции.

Одной из проблем применения регрессионного и дискриминантного видов анализа является высокая внутренняя коррекция среди независимых переменных, которыми руководствуются при оценке влияния на них зависимых переменных. Поэтому идеально было бы использовать истинные независимые переменные, которые, оказывая влияние, сами бы не подвергались влиянию зависимых переменных. Однако, например, в парной корреляции обе переменные в большой степени коррелированы между собой. При факторном же анализе предпринимается попытка обнаружить несколько главных факторов, которые могут лежать в основе и объяснить внутреннюю корреляцию среди большого числа независимых переменных. К примеру, при исследовании рынка определяют факторы, влияющие на предпочтение потребителей при выборе того или иного вида путешествий, той или иной телевизионной программы и т.д.

Для решения ряда маркетинговых проблем требуется, чтобы исследователь сгруппировал определенные объекты (это могут быть люди, товары, территории) в подгруппы. Для начала проводится опрос с помощью анкет для определения спроса на определенный объект, группируются желаемые характеристик товара, его пользователей и т.д. Группы формируются по критерию достижения максимального сходства признаков объектов внутри группы и максимального их различия между группами. Количество тех или иных групп, также как и группируемые признаки намечаются исследователями заранее. Такого рода процедуры называются «кластер-анализ».

В отличие от статистического банка , функции которого заключаются в обработке статистических данных, в банке моделей сосредоточены модели, которые помогают принять лучшие маркетинговые решения. Их готовят исследователи операций, которые занимаются научной методологией решения проблем управления. Часто используются модели прогнозирования продаж новой продукции; распределения бюджета маркетинга; размещение торговой сети и др. Классификация моделей дана в таблице 2.16.

Таблица 2.16 -Классификация моделей в аналитической системе маркетинга

В зависимости от поставленных целей	В зависимости от применяемых методов
А. Описательные модели Макромодели Микроаналитические модели Модели теории массового обслуживания Модели Марковского процесса Б. Модели принятия решений Дифференциальные исчисления Математическое программирование Статистические модели Модели теории игр	А. Словесные модели Б. Графические модели Модели «логического потока» Модели сетевого планирования Модели причинного анализа Модели «дерева цепей» Модели функциональных отношений Модели с обратной связью В. Математические модели Линейные и нелинейные Статичные и динамичные Детерминационные и вероятностные (стохастические)

А) Описательные модели предназначены для выявления связей, их объяснения или для прогнозирования. Макромодели состоят из нескольких переменных, между которыми установлены определенные отношения. Это могут быть, например, модели продаж, состоящие из простых уравнений, где объем продаж – зависимая переменная, а доходы, средние цены, затраты на рекламу – независимые переменные.

Для микроаналитических моделей характерно множество связей между зависимой переменной и ее определяющими. Например, в модели эффективности рекламы последовательно увязаны расходы на рекламу; количество выставок, экспозиций; частота повторения рекламы; осведомленность о рекламе; опыт покупателей и др.

Довольно часто используются модели теории массового обслуживания, или, как ее еще называют, теории очередей. С их помощью изучаются потоки требований на обслуживание, поступающие в системы обслуживания и выходящие из них, длительности ожидания и длины очередей и т.п. и их зависимость от правил обслуживания. Эти проблемы актуальны в супермаркетах, на автозаправочных станциях, в местах продажи билетов и т.п.

Модели так называемого Марковского процесса (названы так по имени математика А. Маркова /1856-1922/) описывают вероятность движения некоторой системы из текущего состояния в новое состояние. Если, например, предположить что имеется объект трех различных видов: А, В, С, то нас будет интересовать вопрос: каким образом в будущем распределяться покупатели между этими видами? Предположим, что из всех покупателей, которые ранее приобретали А, в будущем периоде останется 70%, а 20 % перейдут к В и 10% к С и т.д. В результате составляется матрица переключения ассортимента. На ней можно видеть норму повторяющихся закупок по каждому виду объекта и норму переключения покупок с одного ассортимента на другой. Если норма переключения является более или менее постоянной, то матрицу можно использовать для прогнозирования емкости рынка по объекту.

Б) Модели принятия решения помогают управляющему оценить различные альтернативы и найти наилучшее решение. К таковым относятся дифференциальные исчисления. Как известно, это – раздел математики, в котором изучаются производные и дифференциалы функций и их применения к исследованию функций. Применимо к маркетингу их можно использовать, когда, например, определено уравнение зависимости прибыли от цены и ставиться задача найти оптимальную цену, максимизирующую прибыль.

С помощью математического программирования находят экстремум (максимум или минимум) функций многих переменных при наличии дополнительных ограничений на эти переменные, имеющих форму равенств или неравенств. Вот пример такой задачи из области маркетинга. Доллар, вложенный в рекламу (А), приносит 10 дол. прибыли, а доллар, вложенный в мероприятия по распределению товаров (В), приносит 20 дол. прибыли Р. Имеется ряд ограничений:

А+В100

80А40

70В10

При решении задачи определяется, что оптимальное распределение бюджета (100 дол.), максимизирующего прибыль, будет в том случае, если 40 дол. направить на рекламу; а 60 дол. – на распределение.

Тогда:

Р=10х40+20х60=1600 дол.

В более сложных задачах, понятно, применяются более сложные расчеты.

Статистические модели основаны на моделировании случайных величин или процессов и последующем построении статистических оценок для искомых величин. В маркетинговых исследованиях их применяют для последовательного решения следующих задач:

• установление множества альтернативных решений, приемлемых для фирмы, выделение тех событий, в условиях которых возможное решение приносит определенный результат;

• оценка вероятности наступления того или иного события;

• оценка поступления дохода (платежей) на фирму от каждого результата;

• определение ожидаемого дохода от каждого решения;

• выбор решения с наибольшим ожидаемым доходом.

Для наглядности решения такого рода задач, приведем так называемую матрицу платежей. Пример которой находится на рисунке 2.3.

Прибыль в	условиях
спада (0,7)	процветания (0,3)
$ 50	$ 70
$ -10	$ 100

Рисунок 2.3 - Пример статистической модели

Предположим, решается проблема: повышать цену, или оставить ее на прежнем уровне. Результат решений во многом будет зависеть от того, в каком состоянии будет находится экономика – на спаде или на подъеме. В нашем примере установлено, что вероятность спада равна 70%, подъема – 30%. Как видно из данных матрицы, возможны разные варианты получения прибыли на единицу продукции при изменении цены. Как же оценить ожидаемый доход? В статистических моделях применяется средневзвешенные значения, т.е. в нашем примере:

0,7Х50+0,3Х70=56 (дол.) – если цена не растет;

0,7Х(-10)+0,3Х100=23 (дол.) – если цена растет.

Таким образом, предпочтительным является вариант неизменности цены, несмотря на то, что при благоприятных обстоятельствах (процветание экономики) рост цены мог бы принести наибольшую прибыль.

Наконец, модели теории игр. С их помощью решаются в принципе те же задачи, что и со статистическими моделями, однако различие состоит в том, что оптимальные решения здесь находятся обязательно в условиях конфликта. При этом под конфликтом понимается всякое явление, в котором участвуют различные стороны, называемые множествами игроков и наделенные несовпадающими интересами. Приведем простой пример, который расположен на рисунке 2.4.

Действия	конкурента
Неизменность ассортимента	Изменения ассортимента
$ 0	$ -10
$ 20	$ 5

Рисунок 2.4 - Пример модели теории игр

В данном примере фирму волнует проблема изменения ассортимента. Но она знает, что такие же попытки будет предпринимать конкурент. По оценкам фирмы, если никто не изменит ассортимент, то никто и не получит дополнительной прибыли. Если же фирма решится на изменения, а конкурент нет, то будет получена прибыль 20 дол., что равносильно потере такой же суммы конкурентов. Наоборот, если фирма «проспит» изменения со стороны конкурента, то потеряет 10 дол. Если же будут действовать оба, то все равно наша фирма выиграет 5 дол. в силу лучшей работы по ассортименту. В итоге, если заключить, что оба оппонента будут действовать по критерию «минимизация максимальных потерь», то, вероятнее всего, оба предпочтут изменение ассортимента.

Обратимся снова к таблице 16. К моделям в зависимости от применяемых методов относятся словесные (вербальные), графические, математические.

В вербальных (словесных) моделях все переменные и их взаимосвязи описываются словами. Действительно, много выдающихся теорий поведения личности (например, Маркса, Фрейда, Дарвина) были описаны словесно. В маркетинге то же можно сказать о моделях поведения покупателей. Когда говорят, что реклама двигает людьми от незнания к знанию, от знания к любви, от любви к предпочтению, от предпочтения к убеждению, от убеждения к покупке, то это ничто иное как модель функций рекламы.

Графические модели представляют собой процесс символизации вербальных моделей. Приведем некоторые примеры таких моделей, которые применяются на практике. Одна из них – диаграмма логического потока – наглядно демонстрирует логический процесс и операции на рисунке 2.5.

Рисунок 2.5 - Модели логистического потока

Все блоки диаграммы на рисунке 2.5 взаимосвязаны при помощи двух операций. Так называемая ветвистая имеет место, когда на определенном этапе логического процесса поставлен вопрос и возможный ответ на него носит альтернативный характер и описывается двумя выходящими из блока ветвями. Другая операция – «петля» - применяется, если ответ возвращается на более раннюю стадию логического процесса. В частности, в нашем примере описываются усилия фирмы по определению количества конкурентов, собирающихся снижать цену. Предполагается конкурент и задается ему вопрос. Если ответ положительный, результат принимается во внимание и в дальнейшем; «раскручивая» этот процесс, фирма может ставить дополнительные вопросы и строить новые диаграммы. Если же ответ отрицательный, фирма сразу идет к следующему вопросу. Если предполагается большее число конкурентов, то «петля» снова приводит нас к первому блоку, в противном случае поток кончается.

На рисунке 2.6 показана диаграмма сетевого планирования (иногда называется диаграммой критического пути). На ней отражены события, которые должны произойти в процессе проектирования создания нового продукта. Естественно, могут решаться и другие маркетинговые задачи. События, изображенные кружочками, взаимосвязаны между собой, о чем свидетельствуют соответствующие стрелки. Так, событие 6 не может наступить до совершения события 4 или 5; событие 5 не может опередить событие 2 и т.д. Оценивая объем времени на решение той или иной задачи (кстати, вопрос может быть усложнен, если давать оптимистичную и пессимистичную оценки) можно определить кратчайший срок подготовки всего проекта. В нашем примере он составляет 15 недель (7+4+4). Далее возможно продолжать поиски его сокращения.

Рисунок 2.6 - Диаграмма сетевого планирования

Диаграмма причинного анализа на рисунке 2.7 используется для изображения направлений воздействия одних факторов на другие. Так, в нашем примере цена оказывает негативное влияние на спрос, косвенное влияние – на затраты на рекламу и позитивное воздействие на качество продукции. Высокая цена ведет к высокому качеству и обуславливает необходимость больших затрат на рекламу. Оба последних фактора позитивно влияют на спрос. Достоинство таких диаграмм в том, что с их помощью можно наглядно представить целый комплекс отношений между переменными, которые должны приниматься во внимание при последующем анализе.

Рисунок 2.7 - Д

+

иаграмма причинного анализа

Диаграмма «дерева целей» на рисунке 2.8 изображает процесс принятия решений. Менеджер решает проблему: повысить цену или оставить ее без изменений. Решение зависит от общей экономической ситуации (спад или подъем) и реакции конкурентов. Такие «деревья» могут разрастаться, изображая реакцию покупателей и т.д. Затем на этой основе возможно построение различных статистических моделей.

Рисунок 2.8 - Диаграмма «дерева целей»

Д иаграмма функциональных отношений демонстрирует функциональные отношения между двумя или многими переменными. Квадрант 1 изображает позитивные пропорции между ценой и восприятием качества. Квадрант 2 показывает позитивные пропорции между восприятием качества и спросом. Это дает возможность проследить за цепочкой количественных изменений цены в зависимости от восприятия качества, спроса, и наоборот на рисунке 2.9.

Рисунок 2.9 – Диаграмма функциональных отношений

Диаграммы обратных связей дают возможность показать обратное воздействие следствия на причину. В таких случаях не подходит операция «петля», которая просто возвращает нас в исходную точку без выявления воздействия на нее. Пример на рисунке 2.10 показывает внутренние связи между продажами, прибылью и торговой площадью и другими элементами маркетинга. Излишек площадей приводит фирму к предложению о повышении скидки на фрахт для покупателей и ускорению времени поставок. Это, в свою очередь, ведет к увеличению объема продаж и далее – к росту прибыли. Но в то же время повышение скидок снижает прибыль. Чтобы не допустить этого, необходимы новые инвестиции в торговую площадь, и цикл начинается сначала.

Рисунок 2.10 - Диаграмма обратных связей

Существуют также математические модели, которые используются в маркетинге. Они подразделяются на линейные и нелинейные.

В линейных моделях все отношения между переменными являются прямо пропорциональными. Иными словами, здесь изменение числового значения одной переменной влечет за собой постоянный прирост значения другой зависимой переменной. Скажем, если каждые 100 дол., вложенных в рекламу, приносят на 1000 дол. роста объема продаж, то это – линейная зависимость.

Различаются также статичные и динамичные модели. Первые призваны решать маркетинговые задачи независимо от времени, вторые – наоборот, позволяют наблюдать предполагаемое состояние системы через определенное время. К примеру, диаграмма взаимосвязи спроса и предложения представляет собой статичную модель изменения цены, а модель переключения ассортимента – динамичная, так как прослеживает изменения в выборе покупателя от периода к периоду.

Следующее различие – между детерминированными и стохастическими моделями. Для первых изменения не играют роли, ибо решения определены комплексом точных взаимоотношений. У вторых изменения переменных ясно представлены. Так, уже упоминавшаяся модель переключения ассортимента – стохастическая, в которой выбор покупателей весьма вероятностный.