Применение метода совместного анализа

Применение  метода совместного анализа

Менеджеры по маркетингу современных компаний стоят перед рядом важных для них проблем, связанных с оценкой прибыльности и объема продаж, с вычислением доли рынка в изменяющихся маркетинговых условиях. Это такие проблемы, как:

• Прогноз прибыльности и /или доли рынка для новой концепции продукта, исходя из текущего предложения конкурентов.
• Прогноз влияния новых продуктов конкурента на доход или долю рынка, если не делать никаких изменений в конкурентной позиции фирмы.
• Прогноз уровня переключения покупателей на наши новые продукты как с наших текущих продуктов (каннибализм), так и с продуктов наших конкурентов (вовлечение).
• Прогноз различий для первых трех пунктов по ключевым сегментам рынка.
• Прогноз реакции на стратегию ввода нового продукта. Должен ли вводиться новый продукт, и если да, какова оптимальная конфигурация для этого нового продукта? Кроме того, должны ли цена и другие атрибуты текущих продуктов быть изменены в ответ на новые условия конкуренции?
• Прогноз влияния ситуационных переменных на предпочтения потребителя.
• Прогноз различий в отклике на альтернативные рекламные стратегии и / или рекламные темы.
• Прогноз отклика потребителя на альтернативные ценовые стратегии, специфические уровни цены, и предлагаемые изменения цены.
• Прогноз отклика на стратегии распределения, включая такие вопросы, как определение оптимальных каналов распространения, количество и тип торговых точек, выбор поставщика и т.д.

Каждая  из перечисленных проблем может  решаться при использовании методологии  совместного анализа. Вообще говоря, решения, основанные на применении метода совместного анализа, могут быть применены при модификации любой  из компонент marketing mix, то есть, при изменении продукта, цены, продвижения или распределения. Эти решения могут быть сфокусированы на новых сегментах или перепозиционировании продукта.  

Совместный  анализ (conjoint analysis) - это специальная технология сбора и анализа данных, используемая, как правило, в маркетинговых исследованиях. При помощи совместного анализа маркетологи определяют наилучшую конфигурацию новых или уже существующих продуктов (или услуг). Самой важной целью совместного анализа является измерение степени предпочтения потребителем одного из конкурирующих продуктов (услуг) в условиях предположения о комплексной оценке всех атрибутов, составляющих продукт. Название "совместный" (conjoint) происходит как раз от слов consider jointly - "рассматривать совместно".  

Эта технология получила широкое распространение  в странах с развитой рыночной экономикой с середины 90-х годов. В России совместный анализ практически  не применяется, вероятно, из-за отсутствия соответствующих специалистов. В  предлагаемом тексте мы поможем вам  понять не только теоретические основы совместного анализа (СА), но и практические аспекты сбора и анализа данных для СА. Для различных форм совместного  анализа в литературе могут использоваться такие термины, как Discrete Choice (дискретный выбор), Choice Modeling (моделирование выбора), Hierarchical Choice (иерархический выбор), Card Sorts (сортировка карточек), Tradeoff Matrices (матрицы обмена), Preference Based Conjoint (совместный анализ, основанный на предпочтениях) и Pairwise Comparisons (парные сравнения). В просторечии этот метод именуется "конджоинт".

 

Области применения совместного анализа 

Совместный  анализ - это наиболее популярный, простой  и точный метод для определения  самого лучшего набора атрибутов, составляющих продукт или услугу, предлагаемые на рынке. Разновидности совместного анализа применяются также для позиционирования торговых марок, предпочитаемых цен, в социологических и психологических исследованиях.  

Совместный  анализ может быть применен к самым  разнообразным категориям продуктов (услуг) на различных этапах жизненного цикла.  

 

Необходимость использования совместного анализа 

Предположим, что компания, производящая прохладительные  напитки, хочет узнать относительную  привлекательность различных концентраций подсластителя, и предположим также, что для проверки выбраны два уровня его концентрации. Относительно просто разработать эксперимент для проверки напитков, в котором рекрутируются две группы респондентов, близких настолько, насколько это возможно (по демографическим признакам). Представители каждой группы пробуют один из вариантов напитка. Необходимо сделать это тестирование настолько идентичным, насколько это возможно, а единственным различием в экспериментах - различной концентрацией подсластителя. Когда проверяется общая привлекательность напитков для двух групп, любые различия в уровнях привлекательности между ними могут быть присвоены различным концентрациям подсластителя - и мы сможем определить эффект этого параметра.  

Теперь  предположим, что подсластитель является не единственным изменяемым параметром напитка, а что компания также интересуется уровнем газированности. Вообще-то можно было бы повторить эксперимент с подсластителем, одновременно изменяя уровни газированности. Таким образом мы качественно измерим и этот параметр, но стоимость эксперимента возрастет вдвое в связи с необходимостью привлечения двух дополнительных групп респондентов. Кроме того, появится и другая проблема. Если мы проводим эксперимент с газированностью и подсластителем независимо, мы не узнаем, как эти изменения "взаимодействуют" друг с другом, в том смысле, что предпочтение более газированной воды может зависеть от ее сладости, или наоборот, предпочтение более сладкого напитка может зависеть от количества "пузырьков".  

Допустим, что предлагается только два уровня сладости и газированности, тогда для решения задачи необходимо произвести напиток с четырьмя различными комбинациями переменных, то есть:

Переменная 1 2 3 4

Сладость высокая низкая высокая низкая

Газированность высокая низкая низкая высокая 
 
 

Если  мы рекрутируем отдельные выборки  для каждой из этих комбинаций, то необходимо использовать дисперсионный анализ не только для определения вклада каждой из переменных и ее различных  уровней, но и для определения  степени, с которой они все  взаимодействуют друг с другом. Только в этом случае мы сможем эффективно использовать данные.  

 

Примеры 

Далее всюду в тексте в качестве примера  будем рассматривать гипотетическую компанию, проводящую количественное маркетинговое исследование.  

Пример 1.

Компания "РиК" ("Рога и Копыта"), производящая вареные хвосты, планирует создать более привлекательную упаковку для своей продукции.  

Пример 2.

Будет ли новая упаковка более привлекательной  по сравнению с упаковками конкурентов, даже если те изменят свою упаковку?

 

Проблема "важности" 

В маркетинговых  исследованиях наиболее часто совместный анализ применяется для вычисления степени "важности", которую покупатели (респонденты) присваивают различным  характеристикам продукта.  

Фактически  измерение важности является проблемой, волнующей исследователей уже много  лет. В противоположность другим областям исследований, требующих измерения - таким как поведение, образ торговых марок, и так далее - "важность", безусловно, гораздо более сложный  тип информации.

 

Прямые  измерения 

Иногда  трудно понять, почему это может  быть сложным. Ведь не может быть ничего проще, чем попросить людей проранжировать характеристики продукта, а затем  выяснить, насколько важна для  них каждая из характеристик. Должны быть использованы разнообразные системы  сбора данных - шкалы определения  важности, приемы ранжирования и так  далее.  

Маркетологи из компании "Рога и Копыта" пошли сначала именно по этому пути. Та часть вопросника, которым они хотели воспользоваться для выяснения предпочтений, выглядела довольно традиционно. В нее были включены вопросы типа:

Какая упаковка для  вареных хвостов Вам больше всего  нравится? (открытый)

Что для Вас лично  является наиболее важным атрибутом  упаковки с вареными хвостами? (открытый)

Определение важности некоторых атрибутов (по шкале Лайкерта).

Выбор для каждого  атрибута наиболее предпочтительного  варианта.  

Однако  исследователи, применяющие этот подход - известный как "прямой" - обнаруживают ряд проблем.  

• Разделение. Зачастую обнаруживается, что шкалы  ранжирования важности дают плохое разделение. И это понятно, так как ничего не мешает респонденту облегчить  себе задачу и отмечать все атрибуты, как очень важные для него. Таким  образом игнорируется тот факт, что, как правило, в реальном мире хорошие показатели по одному атрибуту перевешивают другие недостатки.

 

• "Социальные  атрибуты". Другая проблема возникает,  когда используются атрибуты  для позиционирования социальных  ценностей - другими словами, респонденты  говорят интервьюеру о важности  какого-то атрибута для людей  того круга, к которому они  принадлежат. 

 

Например, шоферов просили проранжировать набор характеристик автомобиля по их важности при принятии решения  о его приобретении. В этом случае было отмечено, что атрибуты безопасности имеют более высокий ранг, чем  остальные атрибуты, например стильность и мощность. Легко увидеть почему - шоферы предпочитают идентифицировать себя как осторожных, законопослушных  и бережливых граждан. Это отвечает тому, что психологи называют "социо-нормативным давлением".  

Этот  эффект не обязательно проявляется  во всех исследованиях, но может появится там, где используются атрибуты-образы, что предполагает высокую степень социального или эмоционального содержания.

 

Непрямые  измерения 

Для того, чтобы обойти проблемы "прямых" методов, исследователи часто адаптируют другие формы решения проблемы. Один из способов - просить респондентов ранжировать несколько продуктов или торговых марок по соответствующим атрибутам (то есть получить рейтинг образов марок), и проверить статистическую корреляцию между этими рейтингами и некоторым общим рейтингом предпочтения. Доводом в пользу этого метода является то, что получается большая положительная корреляция, когда градации образов, данных марками для какого-либо атрибута, увеличиваются и уменьшаются вместе с общим рейтингом - и соответственно общий рейтинг сильно связан с мнением по атрибуту - то есть влияет на него.  

Проблема  с корреляционным подходом двойная. Во-первых, делается предположение  об эквивалентности простых корреляций с влиянием - это допущение пользуется дурной славой (другими словами, делается предположение, что если две переменные возрастают или убывают одновременно, то одна из них влияет на другую).  

Во-вторых, данные-образы, порождаемые маркетинговыми исследованиями, часто дают высокий  уровень "автокорреляции" - то есть тенденции атрибутов коррелировать друг с другом. Это является следствием "гало-эффекта" - тенденции респондентов, любящих продукт, ранжировать его высоко по всем атрибутам. Обратное верно для продуктов, которые нравятся менее всего.

 

Совместная "важность" 

Во многих отношениях совместный анализ - лучшая технология для измерения важности атрибутов. Во-первых из-за того, что это "непрямой" метод, так как он заставляет респондента думать не о том, что важно, а только о его предпочтении. А это, в свою очередь делает возможным измерение важности посредством "декомпозиции" указанных предпочтений, так что может быть сделан вывод о важности составляющих факторов.  

В то же время совместный анализ лучше других методов измерения важности, так  как оперирует исключительно  с фиксированными уровнями атрибутов, а не работает с ними как с полными  сущностями. Например, может быть более  полезным выяснить важность, присвоенную  различным объемам двигателя, а  не важность объема двигателя как  такового.

 

Преимущества  и недостатки совместного анализа 

Еще одно из главных преимуществ СА (кроме  вышеперечисленных) - моделирование  реальной ситуации выбора товаров (услуг) потребителем.  

К недостаткам  СА по сравнению с другими методами сбора и анализ информации, можно  отнести следующее:

• Требование, как правило, прямого контакта интервьюера и респондента (face-to-face). Это, с одной стороны, приводит к удорожанию исследования по сравнению с телефонным интервью, а с другой стороны в некоторой степени уменьшает точность собираемых данных из-за влияния интервьюера (возможно, косвенного) на респондента.
• Увеличение длительности интервью, поскольку респондент должен потратить определенное время на выбор профилей.
• Сложность проведения экспериментов с большим количеством атрибутов или большого набора значений (уровней) атрибутов.