1.1.3. Требования к методике построения статистических графиков:

1. При графическом изображении количественных показателей коммерческой деятельности предприятия предпочтительнее использовать линейные, столбиковые или круговые диаграммы, т.к. они имеют наибольшую наглядность и доходчивость по сравнению с другими. При этом линейным и столбиковым диаграммам отдается предпочтение, если в изучаемых показателях проявляется общая тенденция роста. Полосные диаграммы нагляднее, если изображаемые показатели отображают результат (итог) функционирования того или иного процесса.

2. Любая диаграмма (график) в тексте документа считается как иллюстрация и обозначается словом «Рис.». Название рисунка приводится внизу по центру соответствующей иллюстрации. Нумерация и ссылки - аналогично таблицам. Заголовок графика должен быть кратким, но должен достаточно четко пояснять основное его содержание.

3. Масштабные ориентиры графика по горизонтальной шкале размещаются от его нижней части, а по вертикальной шкале – в левой части графика.

4. В график по возможности следует включить исходные данные к их построению; такие данные должны в табличной форме – это обусловливает доверие к графическому изображению, повышает познавательное знание статических графиков.

5. Все буквенные и цифровые значения должны располагаются на графике так, чтобы их легко можно было отсчитать от начала масштабной шкалы.

6. Ряды цифровых данных, отображающие изменения показателей во времени, размещаются в строгой хронологической последовательности и обязательно на оси абсцисс.

7. Факторные признаки размещаются на оси абсцисс и их изменения читаются слева направо, а результативные признаки – по оси ординат и читаются снизу вверх.

1.2. Средние величины определяются как обобщающий показа­тель, характеризующий типичный уровень варьирующего при­знака в расчете на единицу однородной совокупности. Это до­вольно распространенный и простой статистический метод. Он предназначен для характеристики какой-либо однородной совокуп­ности величин посредством одного (среднего) числа. Средние величины используются в различных формах: среднего арифметического, среднего геометрического, среднего гармонического, среднего квадратического. Они описываются двумя математиче­скими формулами — простой и взвешенной. Кроме того, разли­чают структурные средние — моду и медиану.

Средняя арифметическая величина используется в марке­тинговых исследованиях, когда возникает необходимость в оп­ределении:

• средних расходов одного потребителя на определенный вид продукта;

• средних расходов одного потребителя за определенный период;

• среднего возраста покупателя из данного региона, сегмента;

• средней продолжительности использования (применения, потребления, пребывания и т.д.) данного продукта;

• среднего числа закупленных потребителями продуктов и т.д.

Мода характеризует величину признака, появляющуюся наи­более часто по сравнению с его другими величинами. Она носит относительный характер и не требует, чтобы большинство рес­пондентов указало именно эту величину признака. При наличии значений признаков отдельных наблюдаемых единиц определе­ние моды не представляет особого труда.

К примеру, при иссле­довании цен на двухместные номера в 105 гостиницах курорта «Солнечный Берег» установлено, что в 60 из них цена составляет 25 долларов в сутки, в 25 — превышает эту сумму, а в 20 — мень­ше ее. В этом случае мода равняется 25 долларам. Медиана характеризует значение признака, которым облада­ет единица, находящаяся в середине упорядоченного ряда его значений.

Пример, так, если исследованная совокупность представлена семью туристами, затратившими во время двухнедельного пре­бывания в гостинице на покупку дополнительных услуг соответ­ственно 100, 110, 140, 170, 190, 210 и 240 долларов, то медиана будет 170 долларов:

Очевидно, что информативность средней величины больше, чем медианы, а медианы — больше, чем моды. Безусловно, средние величины исключительно необходимы для статистического анализа данных маркетингового исследова­ния. Но они ни в коем случае не являются исчерпывающими, так как рассчитываются исходя из значений наблюдаемых признаков, которые часто довольно сильно отличаются друг от друга.

Напри­мер, в результате исследования десяти туристов было выяснено, что они израсходовали во время пребывания на курорте для приобретения дополнительных услуг соответственно 210,100,180,70, 40,50,160,80,70,40 долларов. Среднее арифметическое в данном случае равно 100 долларам. В то же время разница между затрата­ми, скажем, первого и десятого туриста составляет 170 долларов. В таких ситуациях необходимо использовать показатели стати­стического рассеивания (вариации).

1.3. статистическое рассеивание – вариация является характеристикой, познавательное значе­ние которой состоит в получении информации, обеспечиваю­щей возможность оценки отклонений значений изучаемых при­знаков. В качестве показателей используются размах вариации, среднее арифметическое и среднее квадратичное отклонение, дисперсию.

2. Исследования зависимостей между двумя и более переменными чаще всего предполагает применение методов регрессион­ного и корреляционного анализа.

2.1. Регрессионный анализ применяется для определения зависи­мости одной переменной от одной (простая регрессия) или не­скольких (многофакторная регрессия) независимых переменных. Традиционной сферой использования этого метода можно счи­тать определение зависимости объемов продаж конкретного продукта в определенном сегменте рынка от таких факторов, как цена, способы рекламы, уровень обслуживания и т.д.

Так, для специалиста по маркетингу всегда представляют интерес, например, следующие проблемы, касающиеся спроса и продаж:

• какова будет предпочитаемая туристами продолжительность отдыха в зависимости от их дохода, возраста семейного по­ложения;

• какую сумму денег израсходует за время пребывания на ку­рорте турист в зависимости от его дохода, возраста, семей­ного положения, образования;

• сколько пива будет покупаться за неделю различными кате­гориями клиентов в зависимости от их пола, возраста, дохо­дов и т.п.

Перечень подобных вопросов можно продолжать бесконечно. Именно поэтому регрессионный анализ (вне зависимости от того, простая это регрессия или многофакторная) является од­ним из наиболее применяемых инструментов анализа данных при проведении маркетинговых исследований в различных сферах деятельности.

2.2. Корреляционный анализ позволяет специалисту по маркетингу решить три задачи:

• ответить на вопрос, имеет ли связь между переменными за­кономерный и неслучайный характер;

• определить тесноту и значимость связи между переменными (через коэффициент корреляции);

• оценить степень влияния одной независимой переменной (или группы) на зависимую переменную.

Характеристикой тесноты зависимости между переменными является коэффициент корреляции (r), который может изме­няться в пределах -1 < r < +1.

• При осуществлении маркетинговых исследований коэффициент корреляции не может быть равен единице. Коэффициенты корреляции, незначительно от­личающиеся от единицы, свидетельствуют о том, что исследова­тель что-то делает неправильно.

• Коэффициент корреляции ниже ноля свидетельствует, что связь между переменными является отрицательной. К примеру, достаточно часто в процессе маркетинговых исследований выяс­няется, что существует отрицательная корреляционная связь ме­жду фактором «возраст» и зависимой переменной «доходы» (особенно это касается лиц старшего возраста, когда с достиже­нием возраста выше определенной границы доходы обычно уменьшаются).

• При значениях коэффициента корреляции выше ноля связь считается положительной. Это означает, что с возрастанием зна­чения независимой переменной увеличивается и значение зави­симой.

• Чем ближе коэффициент корреляции к единице, тем бо­лее тесной считается взаимосвязь между переменными.

• При- 30 < |r| < 0,30 связь является слабой; при 0,30 < r| < 0,60 — средней; при г > 0,60 — сильной.

3. Исследования взаимосвязей между изучаемыми признаками предполагает, в первую очередь, применение методов кластер­ного, факторного, дискриминантного анализа и совместного из­мерения.

3.1. Кластерный анализ позволяет объединять переменные или объекты в группы (кластеры) таким образом, чтобы отличия меж­ду объектами, составляющими один кластер, были меньше их отличий от других кластеров. Кластеры являются очевидными и доступными для обнаружения интересующих сведений даже при обычном просмотре собранной информации (например, при классификации выборки в зависимости от пола респондентов).

В маркетинговых исследованиях кластерный анализ исполь­зуется для решения следующих задач:

• определения типологии исследуемых переменных или объ­ектов;

• разработка прогнозов, основанных на формировании кла­стеров;

• генерирования и тестирования гипотез в отношении образо­ванных кластеров.

Каждое из перечисленных направлений применяется при сегментации туристского рынка — главной сферы использова­ния кластерного анализа в маркетинге.

На практике кластеры обычно формируются на основе двух или более признаков одновременно. Для этого множества отдель­ных объектов объединяются в сравнительно гомогенные и немно­гочисленные кластеры в следующей последовательности:

1. рассмотрение всех объектов как самостоятельных класте­ров, подлежащих группировке по тем или иным признакам;

2. отнесение объектов к конкретному кластеру;

3. укрупнение, кластеров на базе кластеров предыдущего уровня;

4. корректировка укрупненных кластеров (например, если предварительные ожидания относительно оптимального спосо­ба сегментации рынка не оправдываются, то часть объектов пе­регруппировывается в более подходящие кластеры).

3.1. Факторный анализ используется для исследования взаимо­связи между переменными с целью отбора из числа влияющих факторов только наиболее существенных. Одной из сфер его применения в маркетинге является сегментация рынка. При этом из большинства числа переменных, описывающих потреб­ности потенциальных потребителей продукта, выбираются ос­новные, т.е. принципиальные для формирования сегментов.

3.2. С помощью дискримшантного анализа можно разделить зара­нее заданные группы объектов через комбинацию многих незави­симых переменных и таким образом объяснить различия между группами. Кроме того, данный метод дает возможность отнести новый объект к какой-либо группе на основе его характеристик. Дискриминантный анализ считается наиболее прием­лемым для идентификации характеристик, по которым отличают­ся рыночные сегменты. При этом последние должны быть опре­делены предварительно. К примеру, по степени приверженности к определенной товарной марке могут быть выделены следующие сегменты потребителей: безоговорочные приверженцы (клиенты, приобретающие продукты только определенной товарной марки); терпимые приверженцы (клиенты, делящие свои симпатии между двумя или более товарными марками); непостоянные приверженцы (переносящие свои предпочтения с одной товарной марки на другую); «странники» (клиенты, не проявляющие приверженно­сти ни к одной товарной марке). Далее с помощью дискриминантного анализа определяется, каким образом независимые пе­ременные (возраст, доход, профессия и т.д.) варьируются в пределах указанных сегментов Эти переменные, используемые одновре­менно для выявления различий между сегментами, называются дискриминантными.

3.3. Метод совместного измерения позволяет установить относительную значимость характеристик продукта при оценке общего предпочтения потребителей к тому или иному продукту. Такая информация может быть использована для обоснования путей совершенствования конкретного продукта. Преимущество совместного измерения по сравнению с другими традиционными методами состоит в возможности принимать во! внимание феномен замещения и обеспечивать получение оперативной информации о выгодах, которые потребитель связывает] с идеальными характеристиками продукта.

Тема № 11. «Пятый этап МИ - представление результатов МИ»

1. Структура отчета о проведенных маркетинговых исследованиях.

2. Устная презентация о методах исследованиях и полученных результатах.