Методы и процедуры маркетинговых исследований (WinWord, Excel)

Требуемые ДанныеИсточники Информации1. Анализ потребительского рынка1. Место предприятия на рынке Размер и основные пропорции рынка; Товарная структура

Методы и процедуры маркетинговых исследований (WinWord, Excel)

Информация

Разное

Другие материалы по предмету

Разное

Сдать работу со 100% гаранией
:

  • долговременность отношений
  • взаимозависимость партнеров
  • совместное использование ресурсов

 

 

Сущность качественных методов

Качественные методы - термин, обозначающий, что в ходе исследования была получена информация, которую невозможно количественно измерить или для анализа которой невозможно применить количественные методы. Всегда гораздо дешевле, чем качественные; помогают выявить скрытые мотивы покупок и поведения людей; позволяет выявить некоторые характеристики, которые могут быть скрыты во время количественного анализа.

Сравнение количественных и качественных методов.

Сравнительные характеристикиКачественное обследованиеКоличественное обследование

  1. Типизация вопросов

 

 

  1. Размер выборки

 

  1. Управление

 

 

 

 

  1. Тип анализа

 

 

  1. Используемые средства

 

 

  1. ВоспроизводимостьСпорные вопросы, для которых нет точного определения

 

Маленький размер

 

Интервьюер должен обладать высокими профессиональными качествами

 

Суб-й анализ и интерпретация данных

 

Аппаратура, магнитофон

 

 

НевысокаяВопросы должны быть определены

 

 

Большой

 

Требования очень незначительны

 

 

 

Сводка и статистические методы

 

Анкеты, компьютерные средства

 

Высокая, можно повторить

 

Виды качественных методов

 

 

Применяются следующие виды сбора:

1. Интервью

2. Непосредственное наблюдение

3. Кейсы

 

Интервью:

1. Прямые контакты:

  • личные контакты
  • индивидуальные беседы(глубинные интервью)
  • групповые интервью (фокус-группы)

 

2. Косвенные

  • почтовые
  • телефонные
  • методы саморегистрации (панельные исследования)

 

Фокус-группы - группы участников интервью (8-12 человек), которые под руководством специалистов обсуждают специфическую концепцию. Цель - изучить и понять, что хотят сказать люди, и почему.

 

3 вида:

  1. Исследовательские - помогают в точном определении проблемы и выдвижении предварительных гипотез, которые нуждаются в проверке.
  2. Имитационные - исследование подсознательных мотивов.
  3. Экспериментальные - дают возможность исследователю наблюдать и слушать, что потребители думают и чувствуют о продукте.

 

 

Техника интервьюирования

 

Существуют несколько приемов при интервью

  1. Третья персона - применяется для продуктов и услуг, в которых респондент не заинтересован, или в случае, если он не думает об этом продукте. В вопросе спрашивают о ком-то постороннем.
  2. Словесная ассоциация - базируется на предположении, что если вопрос задан быстро, спонтанно, то срабатывает подсознание. Используется в случаях, когда необходимо проверить марочное имя, или ассоциации, которые связаны с каким-либо продуктом.
  3. Просят закончить начатое предложение
  4. Тематическое представление - респонденту дают какую-то картинку и просят ее прокомментировать.
  5. Придумать окончание истории.
  6. Фантазия - респондента просят представить себя продуктом и попробовать прокомментировать использование. Описать чувства и дальнейшее использование.

 

 

 

 

 

VI. МНОГОМЕРНЫЙ АНАЛИЗ

 

Множественно-корреляционный анализ

 

Этот анализ позволяет исследовать объем, прогнозировать уровень зависимой переменной, основываясь на возможных изменениях более чем одной независимой переменной. Зависимость между 3 и более факторами называется множественной или многофакторной корреляционной зависимостью.

 

Коэффициенты называются коэффициентами условной корреляционной регрессии и являются именованными числами в различных единицах измерения, а, следовательно, не сравнимы друг с другом. На основании этих коэффициентов строятся относительные показатели тесноты связи, которые называются коэффициентами эластичности.

При увеличении фактора Xi на 1 % результативный фактор растет на Эi % (при условии, что другие факторы неизменны).

Основой изменения связи является матрица данных коэффициента корреляции.

ПризнакиYX1X2Xn

у

1

-

-

-Х1r (YX1)1--Х»r (YX2)r (X1X2)1-Хnr (YXn)r (X1Xn)r (X2Xn)1

На основе этой матрицы можно судить о тесноте связей признаокв с результативным признаком и между собой.

 

Обычно матрицу используют для предварительного отбора факторов в уравнении регресии. Обычно в модель не включаются факторы, слабо связанные с результатом, но тесно связанные с другими факторами. Если фактор Хi тесно связан с фактором Xj, то говорят, что он коллинеарен с фактором Xi (см. Коэффициент множественной корреляции).

 

Наиболее общим показателем тесноты связи всех входящих в уравнении регрессии факторов с результатом является коэффициент множественной детерминации; он представляет собой отношение части вариации результативного признака, объясняемого за счет входящих в уравнение факторов к общей вариации результативного признака.

 

  1. Общая вариация (Yi - Y)2
  2. Необъясненная вариация (Yi - У)
  3. Объясненная = общая - необъясненная

 

Коэффициент детерминации = объясненная / общая

Объясняется теми факторами, которые включены в модель.

 

Значимость общего коэффициента корреляции.

 

Для проверки используется распределение Фишера с вероятностью и числами свободы:

1 = числу независимых переменных

2 = n - 3

 

R2 /2

F расчетное = (1 - R2) / (n - 3)

 

Так как F расчетное больше F табличного, следовательно, существенен и связь между У и X1Xn подтверждается.

 

 

Дискретный анализ

 

Дискретный анализ является статистическим методом, который позволяет изучить различия между двумя и более группами объектов, по нескольким переменным одновременно. Он схож с множественно-регрессионным анализом, однако существует различие:

при регрессионном анализе зависимая переменная является количественной, а в дискретном анализе - качественной.

 

Цели дискретного анализа:

  1. Определение значимости различий между двумя и более группами.
  2. Построение модели, позволяющей классифицировать респондентов или объектов между группами на основании независимых переменных
  3. Проверка соответствия фактического дискретного множества расчетному, полученному по независимой переменной.

 

Для проведения дискретного анализа необходимо образовать две обучающие выборки Z1 и Z2 (может быть больше) - пользователи и непользователи.

 

1

Z1 = n1 * ( А0 + B1*X1 +B2*X2 + Bn*Xn)

 

Предположим, что во множестве Z1 будут включены все покупатели данного продукта .

1

Z2 = n2 * ( А0 + B1*X1 +B2*X2 + Bn*Xn)

(никогда не покупают данного продукта)

 

Если индивидуальные значения ответов какого-либо респондента будут больше, чем полусумма (Z1i + Z2i), то такого респондента следует относить к пользователям, иначе к лицам, которые не покупают данный продукт.

 

Дискретный анализ может быть использован для ответа на вопросы:

  1. как потребители какого-либо товара отличаются от тех, кто не покупает этот продукт.
  2. как потенциальные потребители новых товаров, показывающие большую вероятность покупки данного товара отличается по демографическим признакам от тех, для кого характерна низкая вероятность покупки данного товара.

 

Плохо 12 3 4 5 678910 Отлично

 

  1. Общее качество приготовленных блюд
  2. Расположенность недалеко от дома
  3. Близко от работы
  4. Качество обслуживания
  5. Скорость обслуживания.

 

Следующей важной задачей является классификация объектов или людей. При этом используются данные о реальной и смоделированной совокупности.

 

Действительный статусВсегоПредположит. стат.Не явл-ся пос-мЯвл-ся посмНе является посетителем11794 (80,3 %)23 (19,7 %)Является посетителем29661 (20,6 %)235 (79,4 %)Всего413

Данные свидетельствуют о том, что 80,3 % из числа лиц, не являющихся посетителями, отнесены к той же группе, а 19,7 % ошибочно были отнесены к посетителям.

Проблема в том, чтобы определить, являются ли данные моделирования достаточными для принятия решения. При этом для оценки используются критерии случайной пропорциональности:

с= р2 + (1 - р)2

 

р- доля лиц, попавших в группу 1

(1 - р) - доля лиц, попавших в группу 2.

 

Мы правильно классифицировали 80,3 %, т.о. наша модель позволяет классифицировать людей на посетителей и непосетителей.

 

Кластерный анализ.

 

Используется для технических процедур; используется для классификации людей и объектов по нескольким п

Похожие работы

<< < 1 2 3 4 5 6 7 8 9 > >>