Badania Marketingowe

00033084.gif 

00033085.gif 

00033086.gif 

Referujący:

Piotr Gnacikowski grupa II 

Paweł Antoniuk grupa II 

Jerzy Gierasimiuk  grupa II 

Plan ramowy referatu

1.Tabulacja danych

1.1 Tabulacja prosta
1.2 Tabulacja złożona

2. Testy istotności

3. Analiza TRUF

4. Inne metody statystyczne

5. Analiza danych: badanie różnic

6. Analiza danych: badanie związku

7. Podsumowanie - Zastosowanie komputerów w badaniach

8. Bibliografia

1. Tabulacja danych

Tabulacja danychjest to przedstawienie danych (informacji) w postaci tabeli.

Kontrola pomiarupolega na sprawdzeniu od ilu jednostek objętych badaniem uzyskano odpowiedź oraz czy są one kompletne i nie zawierają błędów logicznych. Czynność tą powinien wykonywać prowadzący badanie i w razie możliwości i potrzeby powinien spowodować aby respondent uzupełnił braki i poprawił błędy.

Sklasyfikowane i zliczone dane są przenoszone na arkusze, w których przyjmują one postać szeregów statystycznych. Jeżeli dane uzyskane z odpowiedzi na jedno pytanie (dotyczące jednej zmiennej) są uszeregowane w formie tablicy, to jest to tabulacja prosta. Natomiast jeżeli dane z odpowiedzi na dwa lub więcej pytań (dwie lub więcej zmiennych) szereguje się w jednej tablicy, to otrzymuje się jednocześnie dwa lub więcej rozkładów, tworzących tabulację złożoną.

1.1 Tabulacja prosta

Podstawowym warunkiem tabulacji prostej jest występowanie tylko jednej cechy (zmiennej) niezależnie od tego, czy jest to cecha mierzalna czy niemierzalna.

Przeprowadzenie tabulacji prostej wymaga dobrej znajomości zasad sporządzania szeregów statystycznych. Najczęściej stosowane są szeregi rozdzielcze i kumulacyjne oraz szeregi czasowe i przestrzenne. Szeregi szczegółowe natomiast są nieuporządkowanymi zbiorami danych.

1.2 Tabulacja złożona

Podstawowym warunkiem tabulacji złożonej (wielodzielnej) jest występowanie co najmniej dwóch cech. Najprostszym przykładem tabulacji wielodzielnej jest tabulacja dwudzielna, której przykład stanowi tablica 5.5.

TABLICA 5.5

Tabulacja złożona służy przede wszystkim do analizy relacji przyczynowo-skutkowych miedzy poszczególnymi zmiennymi. Jeżeli do tabulacji używa się danych uzyskanych z pomiaru nominalnego lub porządkowego, to dane te analizuje się za pomocą metod analizy tabelarycznej. Dane z pomiaru przedziałowego lub proporcjonalnego analizuje się natomiast za pomocą metod analizy regresji.

Tabulacja zarówno prosta jak i złożona dostarczają uporządkowanych danych gotowych do dalszej analizy ilościowej, niezależnie od tego, czy jest to analiza ręczna czy komputerowa.

2. Testy istotności

Z zagadnieniem tabulacji danych jak i wykorzystywaniem metod statystycznych wiąże się pojęcie testów istotności.

Dane pochodzące z badań ankietowych należy zawsze poddać testom istotności.

„Test istotności mówi nam czy, między zbiorami danych zachodzi jakaś różnica. Jest to tania, prosta procedura komputerowa i zawsze powinniśmy zadbać aby zastosowano ja do analizy danych z naszych badań.”

Przy omawianiu testów istotności nie sposób nie wspomnieć o poziomie ufności.  Poziom ufności odnosi się do prawdopodobieństwa uzyskania tych samych wyników w przypadku wielokrotnego powtarzania dokładnie tych samych badań. Np. gdy mamy poziom ufności na poziomie 95%, oznacza to, że mamy 95% szans, że wyniki uzyskane w badaniach nie zmienią się w przypadku ponownych badań o więcej niż margines błędu statystycznego. Czyli jest tylko 5% szans, że w przypadku powtórzonego badania wyniki byłyby inne. 

Należy pamiętać, że przy ustaleniu odpowiedniej liczby respondentów objętych badaniem, zawsze należy uwzględniać czynnik kosztów. Wybór próby zbyt małej może się jednak okazać takim samym marnotrawstwem jak przeprowadzenie badań na próbie zbyt dużej.

Przeprowadzenie testów istotności na danych z badań ankietowych jest praktyką właściwą i niekosztowną. Jest to jedyny sposób, aby stwierdzić, czy wyniki uzyskane w rozmaitych grupach respondentów różnią się od siebie.

3. Analiza TURF

Analiza TURF została opracowana z myślą o kampaniach w mediach, a następnie rozwinięta w sposób umożliwiający wykorzystanie jej w innych dziedzinach. Jest to model statystyczny pozwalający znaleźć odpowiedzi na następujące pytania:

  • gdzie powinniśmy umieszczać reklamy aby docierały do możliwie najszerszej grupy odbiorców?
  • o ile możemy zwiększyć udział w rynku, jeśli uzupełnimy istniejącą sprzedawaną linię produktów o nowy produkt?
  • czy zdobędziemy nowych klientów wzbogacając istniejącą linię produktów o nowy smak , kolor, zapach lub recepturę?
  • jaką kombinację informacji powinniśmy przekazywać w naszej reklamie, promocji, sprzedaży i broszurach wspierających sprzedaż, aby zachęcić jak największą liczbę klientów do podejmowania określonych działań.?

Analiza TRUF pozwala ustalić liczbę respondentów, którzy będą skłonni odwiedzić sklep przy różnych kombinacjach tych informacji.

TABELA 10

Czynniki

Odpowiedzi w %

Najniższe ceny

65

Największy wybór

60

Gwarancja zwrotu pieniędzy

55

Zorientowani sprzedawcy

50

Szybka obsługa

50

Dobre znane marki

45

Rabaty na za częste zakupy

35

Sklep otwarty 18 godzin dziennie przez okrągły tydzień

30

Wygodne pakowanie

25

Miejsce zabaw dla dzieci

15

Odsetek osób wskazujących, że dany czynnik motywujący do zakupu jest dla nich ważny[1]

Z analizy powyższej tabeli wynika, że informacja o najniższych cenach jest dla 65% respondentów ważnym czynnikiem zachęcającym do odwiedzenia sklepu.

Najniższe ceny i szybka obsługa razem wzięte zachęcą 66% respondentów. Na przykład: najniższe ceny, szybka obsługa i zorientowani sprzedawcy zachęcą 70%. Niniejsze dane są zestawione i opisane w poniższej tabeli.

TABELA 11

Czynniki

Odpowiedzi w %

Najniższe ceny

45

Szybka obsługa

66

Zorientowani sprzedawcy

70

Gwarancja zwrotu pieniędzy

72

Największy wybór

75

Odsetek potencjalnych klientów podatnych na oddziaływanie połączonych pięciu najważniejszych czynników motywujących ich do zakupu[2]

Analiza skupień jest zaawansowanym narzędziem analizy danych. Pozwala podzielić respondentów na grupy, czyli skupienia w taki sposób, że zachodzi silne prawdopodobieństwo między członkami jednej grupy, słabe zaś między członkami różnych grup. Innymi słowy ustala w jakim stopniu respondenci z poszczególnych grup wykazują zbieżność postaw i opinii.

Przykład.

  • grupa I – imprezowicze

- uwielbiają przyjęcia

- świętują wszystko, co się da 

- lubią znajdować się w centrum uwagi

- uwielbiają opowiadać

  • grupa II – zaangażowani obserwatorzy

- lubią filmy i sztuki teatralne

- wolą raczej słuchać opowiadań innych

- lubią opowieści historyczne

- cieszą się z osiągnięć innych

  • grupa III – wycofani samotnicy

- nienawidzą tłumów

- nie wychodzą z domu jeśli się ich nie zaprosi

- mają trudności z nawiązywaniem nowych znajomości

- lubią oglądać telewizyjne opery mydlane

Analiza skupień jest metodą dzięki której można się dowiedzieć o tym, w jaki sposób konsumenci postrzegają samych siebie, otaczający ich świat albo sprzedawane towary i usługi.

Przeprowadzając analizę do powyższego przykładu można ustalić czy istnieją jakieś różnice między grupami.

4. Inne metody statystyczne

Analiza wieloczynnikowajest narzędziem umożliwiającym łączenie dużej liczby rozmaitych czynników demograficznych, behawioralnych i niekiedy związanych z postawami aby na jej podstawie lepiej poznać grupy konsumentów i najskuteczniejsze metody oddziaływania na nie. Jeśli dysponujemy bazą danych klientów i sporą ilością danych demograficznych i behawioralnych, analiza ta może nam ukazać grupy konsumentów podobnych do siebie z uwagi na wiele czynników.

Analiza koincydencjiustala względne znaczenie różnych cech. Na przykład chcemy się dowiedzieć jakim dodatkowym wyposażeniem są zainteresowani nabywcy nowych samochodów:  respondenci wskazują bardzo różne elementy, które są dla nich ważne i które chcieliby uzyskać przy zakupie. Kiedy jednak dochodzi do ostatecznej decyzji, nabywca jest zazwyczaj zmuszony poszukać kompromisu między pożądanym wyposażeniem dodatkowym a ceną jaką byłby gotów za nie zapłacić. Analiza koincydencji określa ostateczna kombinację cech produktu i cen akceptowanych przez konsumentów przy podejmowaniu decyzji zakupu. Jest to narzędzie szczególnie wartościowe przy opracowywaniu lub sprzedaży produktów stosunkowo kosztownych.

Sporządzenie map percepcjito procedura pozwalająca ustalić złożone relacje między firmami, markami, produktami lub usługami a tym w jaki sposób są one postrzegane przez konsumentów. Mapy percepcji są wykorzystywane jako narzędzia w przypadku segmentacji rynku i badań strategicznych.

5. Analiza danych: badanie różnic

W takcie analizy danych pochodzących z badań marketingowych, często zadajmy sobie następujące pytania ” Czy wyniki badania są statystycznie istotne?, ”Czy osiągnięte wyniki odzwierciedlają rzeczywisty stan populacji?” W celu uzyskania odpowiedzi na te i inne nurtujące nas pytania stosujemy jeden z testów statystycznej istotności.

 Pierwszym testem jest Test jakości dopasowania (zgodności) zwany potocznie testem chi-kwadrat, który należy stosować, wówczas gdy uzyskana z pomiaru nominalnego zmienna podpada w sposób naturalny pod dwie lub więcej kategorii, zaś analityk pragnie ustalić, czy obserwowana liczba przypadków w poszczególnych polach odpowiada liczbie oczekiwanej[3].

Przykładem może być producent wprowadzający na rynek nową mieszankę płatków śniadaniowych, które zamierza sprzedawać w trzech standardowych wielkościach: małym, dużym i „familijnym”. Z dotychczasowych jego doświadczeń wynika, że na każde opakowanie małe sprzedaje się trzy opakowania duże i dwa familijne. Producent zaś pragnie sprawdzić, czy ta tendencja utrzyma się w odniesieniu do nowego rodzaju płatków, gdyż zmiana wzorców konsumpcyjnych mogłaby mieć ważne przesłanki produkcyjne.

Porządkowym odpowiednikiem testu chi-kwadrat jest test Kołmogorowa-Smirnowa. Koncentruje się on na porównaniu częstości obserwowanych i oczekiwanych w celu określenia, czy obserwowane wyniki są zgodne z postawioną hipotezą. Może on być zastosowany  do sprawdzenia, czy zestaw obserwacji mógł pochodzić z jakiegoś teoretycznego rozkładu populacji, takiego jak rozkład normalny, lub też czy dwie niezależne próby mogły pochodzić z tego samego rozkładu populacji[4]. Przykładem może być pewien producent zainteresowany określeniem, czy preferencje konsumenta odnoszące się do zmiany wielkości opakowania nowego środka do prania są podobne, tak jak w przypadku poprzedniej marki.

Testując hipotezę dotyczącą jednej średniej, stosujemy test z jeżeli znana jest nam wariancja, oraz test t jeżeli wariancja nie jest znana. Podobna sytuacja ma miejsce w analizie dwóch średnich z niezależnych prób. Jeżeli wariancje są znane, używamy testu z, zaś jeżeli nie są znane, lecz możemy przyjąć, że są równe stosujemy test t używając szacunku wariancji połączonych prób

Test równości udziałów w dwóch niezależnych próbach obejmuje „naturalne połączenie wariancji prób; stosujemy wtedy test z[5].

6. Analiza danych: badanie związku

Dotychczas przedstawiając analizę danych mówiliśmy tylko o badaniu istotności różnic między danymi uzyskanymi w różnych warunkach badania. Mogły to być różnice między wynikiem z próby a przyjętym założeniem co do populacji albo miedzy wynikami z większej ilości prób niż jedna. Jednak często prowadzący badanie staje przed zadaniem określenia, czy zachodzi jakiś związek pomiędzy zmiennymi, a jeśli tak to jaka jest siła i forma tego związku.

Badania marketingowe służą zazwyczaj przewidzeniu wartości jednej zmiennej np. wielkość konsumpcji danego produktu w rodzinie na podstawie innych zmiennych takich jak liczba osób i dochody w rodzinie. Przewidywana zmienna jest zmienną  zależną albo jak już się dowiedzieliśmy ze statystyki zmienną objaśnianą. Zmienne, które są podstawą przewidywania, są nazywane zmiennymi niezależnymi albo ze statystyki zmiennymi objaśniającymi[6].

Podstawowymi technikami badania zależności między zmiennymi są prosta analiza regresji i korelacji. Chociaż oba terminy są często używane zamiennie, zachodzi jednak różnica celu.

Analiza korelacji obejmuje mierzenie ścisłości związku pomiędzy zmiennymi, pozwala ocenić współzmienność dwóch miar, z których żadna nie jest ograniczona przez prowadzącego badania.

Analiza regresji odnosi się do technik używanych do wprowadzenia równania, które wiąże zmienną zależną ze zmiennymi niezależnymi, pozwala podać rozkład częstości zmiennej zależnej , kiedy ustalamy różne poziomy zmiennych niezależnych.

Całkowicie uzasadnione jest mierzenie ścisłości związku między zmiennymi bez wprowadzenia równania estymacji. Podobnie też można prowadzić analizę regresji bez badania ścisłości związku pomiędzy zmiennymi. Jednak ze względu na to, że zwykle przeprowadza się obie metody analizy, zbór technik zazwyczaj określany mianem albo analizy regresji albo analizy korelacji[7].

7. Podsumowanie - Zastosowanie komputerów w badaniach

Porządkowanie i redukcja danych otrzymanych z pomiarów przeprowadzonych przy użyciu komputerów oraz innych urządzeń mechanicznych i elektronicznych są znacznie szybsze i dokładniejsze w porównaniu z ręcznym porządkowaniem danych. Etapy zarówno porządkowania jak i redukcji są podobne. Postęp w rozwoju komputeryzacji jest tak ogromny, że metody przetwarzania danych bardzo szybko się zmieniają i upraszczają.

Bibliografia:

1.G. A. Churchill, Badania marketingowe. Podstawy Metodologiczne, PWN, Warszawa 2002 r. 

2. Robert J. Kaden „Badania marketingowe” Polskie Wydawnictwo  Ekonomiczne 2008r.

3. Stanisław Kaczmarczyk „Badania Marketingowe PWE Warszawa 2003 

[1] Kaden R.J., Badania marketingowe, PWE, Warszawa 2008 s. 202

[2] Ibidem, s. 202

[3] G. A. Churchill, Badania marketingowe - podstawy metodologiczne, PWN, Warszawa 2002r. s. 712-713

[4] Ibidem, s. 713

[5] G. A. Churchill, Badania marketingowe - podstawy metodologiczne, PWN, Warszawa 2002r. s. 713

[6] Ibidem, s. 739

[7] Ibidem, s. 739-740