Полная версия

Главная arrow Маркетинг arrow Аналитический маркетинг: что должен знать маркетинговый аналитик

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Сегментация рынка на примере препарата X

  • 1. Географическая — все население России.
  • 2. Демографическая — население любого возраста обоих полов.
  • 3. Социально-экономическая — средне- и малообеспеченные.
  • 4. По обстоятельствам поведения — «хроники» и «ситуацион- ники».
  • 5. По статусу — все пользователи (и регулярные, и новые).

Компания выделяет для данного препарата два сегмента:

  • 1. «Хроники» — люди, имеющие хроническое заболевание ЖКТ. Применяют антациды для его лечения и профилактики по рекомендации врача. Конечный потребитель — врач-гастроэнте- ролог, который назначает терапию больным с заболеваниями ЖКТ, сопровождающимися изжогой. Рынок ограничен (4680 гастроэнтерологов) -> индивидуальные продажи через медицинских представителей (цель — 100%-е покрытие гастроэнтерологов полевыми силами компании), реклама в специальной литературе, opinion-leaders.
  • 2. «Ситуационники» — здоровые люди, у которых возникла изжога или тяжесть в желудке после приема жирной/некаче- ственной пищи. Применяют антациды спонтанно, от случая к случаю. Конечный потребитель — все население. Рынок огромен -> реклама на TV и в прессе (сезонная: март-апрель и сентябрь-октябрь).

В последние годы в теории сегментирования наметился переход от простых концептуальных моделей к статистическим методам.

Подход «post hoc (cluster-based)», направленный на поиск признаков сегментирования с последующим отбором сегментов, и является отражением такого рода тенденций. Необходимость изменений возникает, когда компания понимает, что ей непонятны настроения покупателей в сегменте, т.е. если сегмент неоднороден и никакие обычные методы сегментирования не достигают результата. У К. Кристенсена и М. Рейнора в книге «Решение проблемы инноваций в бизнесе» рекомендуется интересный метод сегментирова-

Кристенсен Клейтон М., Рейнор Майкл Е. Решение проблемы инноваций в бизнесе. Как создать растущий бизнес и успешно поддерживать его рост: Пер. с англ. — М.: Альпина Бизнес Букс, 2004.

ния, критерием которого была «работа, на которую нанимают продукт». В представленном примере одни и те же люди в разное время суток «нанимали» молочный коктейль на разную «работу». В одном случае это был «перекус во время езды на автомобиле и одновременно завтрак», а в другом — поощрение для ребенка, непосредственно в ресторане быстрого питания. Таким образом, в разное время суток, один и тот же товар конкурировал с совершенно разными товарами-заменителями. В одном случае это были булочки, сэндвичи с колбасой и кофе, а в другом это была эмоциональная разгрузка для ребенка после хождения с родителями по магазинам. Но выявить эту «работу для продукта» можно лишь при проведении исследования и серьезного анализа.

Обычно реализуются следующие этапы сегментирования.

I. Проведение опроса. На этом этапе составляется опросный лист и проводится опрос (в любой форме: письменный, устный, групповая беседа, полевой эксперимент, опрос техническими средствами). Целью опроса является отнесение каждого из клиентов к определенным дифференцированным пунктам, выбранным на втором этапе признаков сегментирования. Указанное условие (наличие дифференцированных пунктов в каждом вопросе) определяет необходимость формирования только закрытых вопросов. Опрашиваются только клиенты компании, купившие товар или услугу (или находящиеся на обслуживании) в локальном промежутке времени, предпочтительно в течение 1 месяца. Дифференцированным пунктам каждого вопроса присваиваются соответствующие порядковые номера, которые будут заноситься как вариант ответа респондентом на вопрос. Результаты опроса заносятся в соответствующую программу. Однако не стоит переоценивать результаты исследований. Очень часто, задавая некий вопрос, вы навязываете его и не можете рассчитывать на честный ответ. Кроме того, часто на вопросы отвечают администраторы. А для того, чтобы понять потребность, нужно спросить исполнителя. Только он понимает нюансы порученного ему дела. Часто мнения начальников и исполнителей диаметрально противоположны. Степенью «пригодности» определенного признака сегментирования можно считать наличие установленной математической корреляции между парой предполагаемых признаков (наличие корреляции между вопросами в данном исследовании). Наличие высокого уровня корреляции (наибольшее значение вычисленного математического коэффициента корреляции) указывает на присутствие взаимосвязи между признаками, т.е. на возможность их совместного использования, а выделить устойчивую сегментную группу можно только на пересечении двух признаков сегментирования.

II. Выделение сегментов. На основе полученных признаков сегментирования можно сформировать сегментные группы (также называемые «потребительскими сегментами»). Обычно их количество не превышает 5—6. Группы с наиболее высоким процентом выделяются как сегменты рынка.

III. Формулировка сегментов. На последнем этапе выделенным сегментам дают описание и присваивают специальные маркетинговые названия, например, для новых клиентов — «новичок», для старых — «старожил», или «ситуационники» и «хроники» и др. На базе этих выделенных сегментов можно производить дальнейшее проектирование, модернизацию или позиционирование продукта.

IV. Критериальная оценка перспективных сегментов. Завершающей стадией формирования сегментных групп является «критериальная оценка» выделенных сегментов, в рамках которой рассматривается их соответствие ряду маркетинговых критериев успешности позиционирования на них продуктов. Рассматривают несколько критериальных оценок.

Соответствие емкости сегмента положительным параметром можно считать возможность направить все производственные мощности предприятия на работу в данном сегменте, т.е. емкость сегмента должна быть больше или равна производственной мощности предприятия.

Критерий доступности сегмента. Для предприятия анализ этого вопроса дает руководству информацию, есть ли у него возможность начать продвижение своих услуг на выбранном сегменте или еще предстоит позаботиться о формировании сбытовой сети и налаживании отношений с посредниками, т.е. стоит вопрос: работало ли предприятие ранее с этим сегментом? Если предприятие находится в Москве и стоит вопрос продажи нового технологического оборудования в Находку, нужно вначале подсчитать, во сколько обойдутся командировочные для наладчиков.

Критерий существенности сегмента оценка того, насколько эта группа потребителей устойчива по своим основным объединяющим признакам. Является ли данный сегмент растущим, устойчивым или уменьшающимся, стоит ли на него ориентировать свои производственные мощности? При этом не надо забывать, что 80% прибыли мы получаем от 20% клиентов. Иногда один крупный клиент может решить проблемы предприятия на несколько лет.

По критерию совместимости сегмента с рынком основных конкурентов руководство предприятия должно получить ответ на вопрос, в какой степени основные конкуренты готовы поступиться выбранным сегментом рынка.

Часто сегментация проводится в 2 основных этапа. Исследователи строят две классификационные схемы, основанные на признаках: сначала по некоему признаку сегментируют весь рынок и выделяют один определенный сегмент, а затем признаки классификации выделяются внутри этого сегмента.

Если важность признака совпала с его соответствием, это говорит о том, что критерии были выбраны правильно. Затем можно провести некоторые виды анализа, например факторный, кластерный, дискриминантный (см. гл. 2). Наиболее подробно эти виды анализа описаны у Н. Малхотры.

Факторный анализ позволяет выделить факторы, которые помогут в дальнейшем оценивать ситуацию (рис. 4.5).

Факторный анализ

Рис. 4.5. Факторный анализ

Пример. При анализе учитываются переменные:

Хх —важно приобрести пасту, предотвращающую развитие кариеса;

Х2 —мне нравится зубная паста для белизны зубов;

Х3 — мне нравится зубная паста, укрепляющая десны;

Х4 мне нравится зубная паста, освежающая дыхание;

Х5 предотвращение порчи зубов не является важным преимуществом зубной пасты;

Х6 — мне нравится зубная паста для улучшения внешнего вида зубов.

Проанализировать результаты опроса можно с помощью корреляционной матрицы (рис. 4.6).

Корреляционная матрица

Рис. 4.6. Корреляционная матрица

Диаграмма факторных нагрузок (рис. 4.7) демонстрирует полученный результат. На диаграмме мы видим два основных фактора. Их можно обобщить как «здоровье» и «красота». Переменная Х5 хотя и отрицательная, но только подтверждает наши выводы. Конечно, в нашем случае эти факторы очевидны, но очень часто компания имеет массу переменных, которые очень трудно сгруппировать.

Диаграмма факторных нагрузок

Рис. 4.7. Диаграмма факторных нагрузок

Когда факторы выделены, можно провести кластерный анализ.

Термин «кластерный анализ» впервые ввел Р. Трион (R. Тгуоп), а слово cluster переводится с английского языка как «гроздь, кисть, пучок, группа» (по этой причине первое время такой вид анализа называли «гроздевым анализом»). В действительности кластерный анализ включает в себя набор различных алгоритмов классификации. Техника кластеризации применяется в самых разнообразных областях. В общем, всякий раз, когда необходимо классифицировать большое количество информации на пригодные для дальнейшей обработки группы, кластерный анализ оказывается весьма полезным и эффективным.

В качестве инструмента кластерного анализа были предложены карты Кохонена. Самоорганизующиеся карты Кохонена представляют собой один из видов нейронных сетей. Принципы работы и обучения такой нейросети были сформулированы финским ученым Тойво Кохоненом в 1982 г. Основной его идеей является введение в правило обучения нейрона информации о его расположении. По Кохонену, нейросеть имеет один входной слой с количеством нейронов, равным количеству входов, и единственный скрытый (выходной) слой нейронов, образующий одномерную (линия) или двухмерную (прямоугольник) решетку. По аналогии с топографическими картами такую нейросеть также называют картой Кохонена.

В нейронной сети обучение проводится без «учителя», т.е. в процессе обучения нет сравнивания выходов нейронов с эталонными значениями.

В процессе обучения на вход такой нейросети последовательно подаются обучающие примеры. После подачи очередного примера определяется наиболее схожий нейрон, т.е. нейрон, у которого скалярное произведение весов и поданного на вход вектора минимально. Такой нейрон считается победителем и призван быть центром при подстройке весов у соседних нейронов. Правило обучения, предложенное Кохоненом, предполагает соревновательное обучение с учетом расстояния нейронов от «нейрона-победителя» и записывается в виде

где X (|/ — /*|) — функция соседства, определяющая величину корректировки веса нейрона;

Ж — вес /-го нейрона;

(3 — скорость обучения.

На основе данных можно получить карту кластеризации.

В результате проведенной кластеризации может быть выявлен самый интересный и перспективный кластер с точки зрения продвижения товаров компании. Результаты кластеризации могут быть использованы при построении системы планирования для филиалов и дивизионов, региональных и территориальных менеджеров. И здесь важно понимать, по каким параметрам вы выделяете данные предприятия, к каким отраслям они относятся, насколько отрасль стоит на ногах, есть ли у них сегодня деньги, а если нет, то будут ли в ближайшее время.

В индустриальном (промышленном) маркетинге круг возможных клиентов может быть очень четко очерчен. Вернемся к заводу «Суперметалл», работающему на вторичном рынке переработки платины. Особенности этого вида бизнеса следующие:

• на вторичном рынке переработки платины работают два завода:

«Суперметалл» и Екатеринбургский завод цветных металлов;

  • • завод работает на давальческом сырье;
  • • главный товар — фильерная продукция для производства стекловолокна;
  • • транспортировка как платины, так и готовой продукции осуществляется главным образом с фельдъегерской службой, что значительно увеличивает цену товара.

Из этого следует, что транспортировка далее 400 км от Москвы становится нерентабельной, а следовательно, круг предприятий ограничивается как по профилю деятельности, так и по географическим признакам.

В деятельности промышленных фирм тоже имеются переломные моменты, изменяющие характер их работы и создающие благоприятные возможности для продажи новых продуктов.

Сегментация потребителей на основе кластерного анализа является «классическим» методом. В то же время существуют приемы сегментирования рынка на основе так называемой «продуктовой сегментации» или сегментации рынка по параметрам продукции. Она имеет особенно важное значение при выпуске и сбыте новых изделий. Особое значение приобретает сегментация по продукту, базирующаяся на изучении долгосрочных тенденций на рынке. Процесс разработки и производства нового изделия, завершения крупных инновационных программ требует достаточно продолжительного периода времени, и правильность результатов анализа рынка, оценки его емкости здесь особенно важны. В условиях работы на традиционный рынок стандартной продукции расчет его емкости может быть осуществлен путем использования метода суммирования рынков. В современных условиях для повышения своей конкурентоспособности и правильного определения емкости рынка предприятию уже недостаточно проводить сегментацию рынка только в одном направлении — определении групп потребителей по каким-то признакам. В рамках интегрированного маркетинга необходима еще и сегментация самого изделия по наиболее важным для его продвижения на рынке параметрам. С этой целью используется метод составления функциональных карт — проведение своего рода двойной сегментации: по изделию и потребителю. Функциональные карты могут быть однофакторными (сегментация проводится по какому-то одному фактору и для однородной группы изделий) и многогофакторными (анализ того, для каких групп потребителей предназначена конкретная модель изделия и какие ее параметры наиболее важны для продвижения продукции на рынке). С помощью составления функциональных карт можно определить, на какой сегмент рынка рассчитано данное изделие, какие его функциональные параметры соответствуют тем или иным запросам потребителей. При разработке новой продукции данная методика предполагает, что должны учитываться все факторы, отражающие систему потребительских предпочтений, и одновременно технические параметры нового изделия, при помощи которых можно удовлетворить запросы потребителя; определяются группы потребителей, каждая со своим набором запросов и предпочтений; все выбранные факторы ранжируются по степени значимости для каждой из групп потребителей.

Кластерный анализ позволяет разбить аудиторию потребителей на группы, соответствующие исследуемым факторам (рис. 4.8).

Схема кластерного анализа

Рис. 4.8. Схема кластерного анализа

Например, рассмотрим данные, полученные по семибалльной шкале:

Факторы

Покупатели

Пт

п2

Пз

п4

п5

п6

Красота

1

6

2

2

7

4

Здоровье

2

5

1

3

6

4

Нанесем их на график и получим два кластера, которые можно рассматривать дальше, уже перенеся все внимание на покупателей секторов (рис. 4.9).

Кластерный анализ потребителей

Рис. 4.9. Кластерный анализ потребителей

Таким образом, мы можем использовать разные модели для проведения сегментации.

Здесь следует пояснить, что моделью может являться любое правило, например, разработанные экспертом формулы, или балльная система, или более мощные механизмы — это самообучающиеся алгоритмы, обладающие способностью к адаптации, т.е. автоматическому учету вновь поступающих данных и подстройке модели.

В качестве подобных адаптивных механизмов можно отметить следующие:

  • • логистическая регрессия — линейная модель для задач с бинарным результирующем полем, например «подходит» / «не подходит». Обычно на основе этого алгоритма строятся скоринговые карты, позволяющие подобрать оптимальный и экономически обоснованный порог отсечения;
  • • деревья решений — алгоритм, автоматически строящий иерархическую систему правил для решения задач анализа. Достоинствами этого алгоритма являются простота интерпретации полученных результатов и автоматический выбор алгоритмом наиболее значимых факторов;
  • • самообучающиеся карты — алгоритм, разбивающий объекты на кластеры (группы близких объектов). Новый объект, в зависимости от его показателей, попадает в тот или иной кластер, для каждого кластера рассчитывается количество попавших в него положительных и отрицательных случаев, и на основании сложившихся пропорций оценивается риск возникновения ситуации;
  • • нейронные сети (их мы рассматривали выше) — самообучающийся алгоритм, автоматически определяющий вклад каждого фактора в результат, причем учитывающий их взаимное влияние.

Нейронные сети позволяют находить сложные и нетривиальные зависимости.

Соотношение механизмов сегментирования представлено на рис. 4.10.

Чем более прост алгоритм, тем более грубый и приблизительный результат он дает, но при этом легче объяснить полученные результаты. Однажды потратившись на разработку модели, далее можно менее затратно оценивать результат. Наиболее мощные алгоритмы способны находить сложные нелинейные зависимости, но их интерпретация является непростой задачей и, конечно, очень затратной. На практике необходимо находить компромисс между точностью и простотой. [1] [2]

Механизмы сегментирования Скоринговые модели'

Рис. 4.10. Механизмы сегментирования

  • [1] Скоринговая модель — математическая модель, позволяющая сопоставитьхарактеристикам потребителя численное значение - скоринговый рейтинг, характеризующий вероятность успешного исхода сделки.
  • [2] Каул Анил, Гупта Санил, Кеттл Кейт, Форсайт Джон, Халдар Садип. Сегментация, с которой можно работать // Вестник MeKinsey. — 2004. — № 4 (9).
 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>