Прогнозирование рыночного спроса. Методы прогнозирования: качественные и количественные

Date: 2015-10-07; view: 514.

ТЕМА 4. АНАЛИЗ МАРКЕТИНГОВЫХ ВОЗМОЖНОСТЕЙ

План:

4.1. Прогнозирование рыночного спроса. Методы прогнозирования: качественные и количественные.

4.2. Внешний маркетинговый аудит.

4.3. Внутренний аудит маркетинга.

4.4. SWОТ-анализ, современные разновидности метода.

Покупательский спрос, как концентрированное денежное воплощение потребностей, является важнейшим стратегическим ориентиром маркетинга фирмы на перспективу.

Основными методами прогнозирования рыночного спроса являются качественные и количественные.

Область использования качественных методов опроса – выявление глубинных мотивов, рациональных и иррациональных причин поведения потребителей, их восприятия отдельных объектов. Качественные методы незаменимы в поисковых исследованиях для предварительного изучения сути проблемы, генерирования рабочей гипотезы; полезны и в описательных исследованиях для пояснения результатов количественного опроса. Например, качественные методы активно используются при оценке рекламных обращений, изучении имиджа торговых марок, разработке и тестировании новых модификаций товара. Качественные исследования позволяют получить информацию о стилях жизни и других особенностях поведения людей, что применимо в целях структуризации объектов при сегментировании потребителей.

Отдельные качественные методы сбора информации могут быть использованы в экспертных исследованиях.

Качественные методы имеют и ряд ограничений. Наибольшая проблема кроется в интерпретации собранной информации и ее анализе. Результаты беседы с разными респондентами сложно сравнивать. Количество опрашиваемых лиц не обязательно удовлетворяет требованию репрезентативности. Субъективный характер получаемой информации, субъективность интерпретации порождают вопросы о надежности и обоснованности полученных результатов. Для выполнения исследования требуются высококвалифицированные специалисты.

В маркетинговой деятельности наиболее применимы следующие групповые качественные методы сбора информации:

- обсуждающие группы для выявления характеристик объекта исследования (номинальные группы, адаптационные группы). Численность участников групп, как правило, ограничивается (6 - 12 человек);

- созидательные группы для коллективного генерирования идей или коллективной разработки решения (расширенные креативные группы, группы «мозгового штурма», синектические группы, Дельфи-группы, группы конфликтов).

Популярность их связана с возможностью распространения результатов исследования на всю совокупность целевых потребителей, поскольку количественные опросы охватывают большое число респондентов. Основные вопросы, на которые можно получить ответы с помощью количественных методов опроса – кто, что, когда, сколько, как часто? Область использования результатов количественных методов опроса – обоснование решений по выбору целевого рынка или целевого сегмента, маркетинговых инструментов или решений инвестиционного характера.

Ограниченность рассматриваемых методов связана с необходимостью сбора данных в большом объеме. Точность и достоверность информации зависят от структуры выборки, которая обеспечивается специальными методическими приемами. Нарушение процедуры формирования выборки ведет к снижению качества первичной информации, поэтому роль плана построения выборки очень велика. Потребность в большом количестве респондентов ограничивает возможности и продолжительность каждого отдельного интервью (анкетирования), поэтому получить приемлемую информацию довольно затруднительно. Количественные методы используют более структурированную технику, что повышает требования к формулировкам и структуре вопросов при подготовке анкет. Для охвата большого числа респондентов используются более разнообразные способы связи, чем при качественных методах.

Основное назначение системы анализа информации состоит в обработке имеющихся данных, что позволяет сделать соответствующие выводы в рамках изучаемой проблемы и наметить основные пути ее разрешения. Данная система представляет собой набор современных экономико-статистических и экономико-математических методов обработки информации. Наиболее существенными для практики маркетинга являются статистический, дисперсионный, корреляционно-регрессионный факторный и кластерный методы анализа.

Выделяют пять основных видов статистического анализа, используемых при проведении маркетинговых исследований: дескриптивный анализ, выводной анализ, анализ различий, анализ связей и предсказательный анализ. Иногда эти виды анализа используются по отдельности, иногда – совместно.

В основе дескриптивного анализа лежит использование таких статистических мер, как средняя величина (средняя), мода, среднее квадратическое отклонение, размах или амплитуда вариации.

Анализ, в основе которого лежит использование статистических процедур (например, проверка гипотез) с целью обобщения полученных результатов на всю совокупность, называется выводным анализом.

Анализ различий используется для сравнения результатов исследования двух групп (двух рыночных сегментов) для определения степени реального отличия в их поведении, в реакции на одну и ту же рекламу и т.п.

Анализ связей направлен на определение систематических связей (их направленности и силы) переменных. Например, определение, как увеличение затрат на рекламу влияет на увеличение сбыта.

Предсказательный анализ используется в целях прогнозирования развития событий в будущем, например путем анализа временных рядов.

В более точной постановке вопроса к вариации относятся изменения величин только в пределах однородной совокупности, обусловленные разнонаправленным влиянием различных факторов на данное явление. Вариация выражается как абсолютными, так и относительными величинами.

Показатель дисперсии на практике более объективно отражает меру вариации. Дисперсия определяет меру рассеяния признака статистической совокупности вокруг среднего значения.

Дисперсия обладает рядом свойств, которые позволяют упростить расчеты:

- если из всех значений варианта отнять какое-то постоянное число, то средний квадрат отклонений от этого не изменится;

- если все значения варианта разделить на какое-то постоянное число, то средний квадрат отклонений уменьшится от этого в раз, а среднее квадратическое отклонение в раз;

- если исчислить средний квадрат отклонений от любой величины, которая в той или иной степени отличается от средней арифметической, то он всегда будет больше среднего квадрата отклонений.

Если первичные данные сгруппировать, то дисперсия признака может быть определена как сумма так называемой межгрупповой дисперсии и среднего значения внутригрупповых дисперсий.

Существует ряд условий и ограничений применения корреляционно-регрессионных методов. Прежде всего, необходимо удостовериться, что исследуемая совокупность однородна, ее объем должен быть достаточно велик, вариация изучаемых признаков должна носить стохастической, вероятностной характер, а не быть детерминированной. Имеется еще ряд ограничений, не всегда соблюдаемых на практике.

При линейной форме связи целесообразно использовать линейный коэффициент корреляции, при нелинейной – корреляционное отношение, или индекс корреляции; в множественной корреляции, когда на результативный признак влияет несколько факторных признаков, показатель тесноты связи, индекс корреляции. Теснота связи тем меньше, чем ближе ее показатель к 0, и тем сильнее, чем ближе ее показатель к 1.

Форма зависимости в соответствии с характером изменения результативного признака может быть линейной или нелинейной. Нелинейная функция может быть линеаризована (приведена к линейному виду с помощью логарифмирования).

Модели множественной регрессии определяются на компьютерах с помощью пакетов прикладных программ. Одновременно рассчитываются коэффициенты множественной корреляции и детерминации. Большинство программ позволяют также рассчитать частные коэффициенты корреляции, отражающие «чистое» влияние только одного выбранного фактора и исключающие влияние всех остальных. Кроме того, рассчитываются так называемые бетта-коэффициенты, дающие возможность сравнивать между собой силу влияния каждого фактора.

Методы факторного анализа в исследовательской практике применяются, главным образом, с целью сжатия информации, получения небольшого числа обобщающих признаков, объясняющих вариативность (дисперсию) элементарных признаков или вариативность наблюдаемых объектов.

Алгоритмы факторного анализа основываются на использовании редуцированной матрицы парных корреляций. Редуцировананя матрица – это матрица, на главной диагонали которой расположены не единицы, или не оценки полной дисперсии, а их редуцированные, несколько уменьшенные величины. При этом постулируется, что в результате анализа будет объяснена не вся дисперсия изучаемых признаков, а ее некоторая часть, обычно большая. Оставшаяся необъясненная часть дисперсии – это характерность, возникающая из-за специфичности наблюдаемых объектов или ошибок, допускаемых при регистрации явлений, процессов, т.е. ненадежности вводных данных.

Группы методов факторного анализа:

- метод главных компонент;

- упрощенные методы факторного анализа;

- современные аппроксимирующие методы факторного анализа;

- методы с повышенными аппроксимирующими свойствами.

Одним из методов многомерной статистики, используемых в маркетинговых исследованиях, является кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц – кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка.

Алгоритмы кластер-анализа разрабатываются с учетом двух основополагающих моментов:

- во-первых, принимая во внимание возможность представить любую совокупность наблюдаемых объектов в некотором признаковом геометрическом пространстве, как скопление точек определенной плотности, отражающей однородность, или, наоборот, «непохожесть» анализируемых объектов;

- во-вторых, представляя, что в геометрическом пространстве два различных объекта находятся на некотором удалении друг от друга и расстояние между ними тем больше, чем более они непохожи, и тем меньше, чем больше их сходство. Нулевое расстояние всегда будет от какого-либо объекта до самого себя, так как сходство при этом полное.