Проекты казуальных исследований
Таблица 3.4
Таблица 3.3
Таблица 3.2
Таблица 3.1
Макет таблицы для структуризации данных
| Возраст, лет | Предпочтение магазинов по возрастам | ||
| Предпочтение А | Предпочтение В | Предпочтение С | |
| Менее 30 | |||
| 30-39 | |||
| 40 и более |
В таблице перечислены конкретные возрастные сегменты, по которым заказчик исследования желает провести сравнение. Важно, чтобы еще до того, как приступить к сбору данных, были точно специфицированы подлежащие исследованию переменные и категории. Статистические проверки, которые будут использоваться для раскрытия взаимосвязи между возрастом покупательниц и предпочтением магазинов, также должны быть определены до начала сбора данных.
На рис. 3.1 представлены различные типы описательных исследований.
При описательных исследованиях используются методы анализа поперечных сечений изучаемых процессов и методы исследования их траекторий (временные ряды).
Рис. 3.1. Классификация описательных исследований
Обычно исследование поперечного сечения сопряжено с изучением выборки элементов из представляющей интерес генеральной совокупности. Например, если генеральной совокупностью исследования являются едоки горячих сосисок, то в число элементов выборки могут входить активные едоки, умеренные едоки или люди, которые едят горячие сосиски только на городских праздниках. Большинство характеристик этих членов выборки измеряется всего один раз. Выборочным членам могут задаваться вопросы, например об их возрасте, поле, доходе и образовании.
Таким образом, исследование поперечного сечения– это исследование, сопряженное с изучением выборки элементов, отбираемых из представляющей интерес генеральной совокупности, замеры которой осуществляются в единственной точке времени.
Исследование временного ряда– это исследование, сопряженное с изучением постоянной выборки элементов, замеры которой повторяются с течением времени.
Исследование временного ряда (траектории) сопряжено с использованием списка, представляющего собой фиксированную выборку элементов. Элементами могут быть магазины, дилеры, индивиды или другие объекты. Список или выборка остается относительно постоянной во времени, однако в него могут добавляться члены взамен тех, кто выбывает, или для поддержания представительности выборки. Выборочные члены списка подвергаются замерам снова и снова в отличие от единовременного замера в случае изучения поперечного сечения.
Рассмотрим временные ряды. При анализе временного ряда существуют два типа списков:
- подлинные списки;
- всеобъемлющие списки.
Подлинный список – это фиксированная выборка респондентов, в которой замеры в отношении одних и тех же переменных повторяются с течением времени.
При использовании подлинных списков, которые хронологически старше, полагаются на повторяемые измерения одних и тех же переменных. Например, компания Nielsen поддерживает общенациональный список из 40000 домохозяйств в качестве базиса для своей службы. Включенные в список домохозяйства пользуются ручными сканерами для регистрации каждой произведенной покупки. Люди проводят сканерами по универсальным штрих-кодам на упаковках приобре6тенных товаров, а затем по подсказкам сканера отвечают на запрограммированный набор вопросов (например, о магазине, стоимости покупки и т.д.). При этом каждый член подобного списка каждый раз измеряется в отношении одних и тех же характеристик – покупок.
Всеобъемлющий список – это фиксированная выборка респондентов, подвергающихся повторным измерениям с течением времени, но в отношении меняющихся от измерения к измерению переменных. Информация, собираемая от выборочных членов такого списка, меняется. В одном случае это может быть их отношение к новому товару; в другом – членов списка могут попросить оценить альтернативный вариант рекламы. В каждом случае выборка может назначаться из более многочисленной группы, которая сама является выборкой из генеральной совокупности. Вторичная выборка может определяться случайным образом, однако лучше, если из общего списка будут отбираться его представители с желательными характеристиками. Например, Parker Pen Company поддерживает список из 1100 человек, которые были выбраны, так как они проявили определенный интерес к письменным принадлежностям и, что сами выразили желание стать членами списка. Если новым пишущим инструментом является авторучка, для тестирования новой продукции компания остановит выбор на тех, кто предпочитает именно авторучки. И сам выбор, и характер информации, которую предполагается найти, будут меняться от программы к программе.
Подлинный анализ временных рядов может выполняться только на данных первого типа (подлинный список), повторных измерениях одних и тех же переменных для одних и тех же объектов времени. Для этого анализа используется метод поворота таблиц. Переворот таблицы может использоваться только когда индивиды и переменные сохраняются во времени постоянными. Покажем на примере.
Предположим, что список, который генерирует данные о покупках потребителей, состоит из 1000 человек. Проанализируем объемы покупок стирального порошка «марки А». У этого товара есть два главных конкурента «марка В», «марка С». Существует ряд менее солидных конкурентов, которых вместе классифицируем как «марка Д». Недавно изменили упаковку товара «А» и теперь необходимо проанализировать воздействие новой формы упаковки на объем продаж. Рассмотрим предпочтения «марки А» до изменения (период времени t1) и после изменения формы упаковки (период времени t2). Все расчеты представим в виде табл. 3.2.
Результаты предпочтений марок товара
| Покупаемая марка | В первый период времени (t1) | Во второй период времени (t2) |
| А | 200 | 250 |
| В | 300 | 270 |
| С | 350 | 330 |
| Д | 150 | 150 |
| Всего | 1000 | 1000 |
Они показывают, что изменение упаковки оказалось успешным. Рыночная доля «марки А» возросла с 20 до 25% и скорее всего за счет двух своих главных конкурентов, рыночные доли, которых снизились. Однако это не вполне точная картина, произошедших на рынке изменений. Рассмотрим происходящее, когда при оценке воздействия изменения упаковки будет поддерживаться идентичность членов выборки.
Поскольку изменения повторяются на одних и тех же индивидах, можно подсчитать количество семей, покупавших «марку А» в тот и другой период времени, покупавших В,С и прочие марки в оба периода, а также переключившихся во втором периоде на приобретение другой марки. Допустим, что результат такой табуляции дает табл. 3.3, которая представляет собой матрицу лояльности марками включает в себя ту же информацию, что и табл. 3.2.
Результаты предпочтений марок товара
| Во второй период времени t2 | ||||||
| Купили А | Купили В | Купили С | Купили Д | Всего | ||
| В первый период времени t1 | Купили А | 175 | 25 | 0 | 0 | 200 |
| Купили В | 0 | 225 | 50 | 25 | 300 | |
| Купили С | 0 | 0 | 280 | 70 | 350 | |
| Купили Д | 75 | 20 | 0 | 55 | 150 | |
| Всего | 250 | 270 | 330 | 150 | 1000 |
То есть по ней видно, что 200 семей или 20% приобретали «марку А» в период t1, тогда как 250 семей или 25% делали то же самое в период t2. Но табл. 3.3 также показывает, что товар А добился увеличения рыночной доли не за счет марок В и С, как можно было первоначально предполагать, а благодаря привлечению нескольких семей, которые прежде покупали стиральные порошки прочих марок. 75 семей переключились с приобретения «марки Д» в период t1 на покупку товара А в период t2. Кроме того из таблицы видно, что за период между изменениями «марка А» потеряла некоторых своих приверженцев, 25 семей переключились с приобретения товара А в период t1 на покупку товара В в период t2.
Табл. 3.3 позволяет также рассчитать приверженность марке. Например, по товару А: 175 из 200 семей (87,5%) тех, кто покупал «марку А» в период t1, остались ему «верны» (приобрели снова) в период t2. поделив содержимое каждой ячейки на суммы по строкам или итоги предыдущего периода, можно оценить эти приверженности маркам, а также более рельефно увидеть основные изменения, которые произошли на рынке. Табл.3.4 показывает результаты расчетов приверженности маркам.
Результаты расчетов приверженности маркам
| Во второй период времени t2 | ||||||
| Купили А | Купили В | Купили С | Купили Д | Всего | ||
| В первый период времени t1 | Купили А | 0,875 | 0,175 | 0,00 | 0,000 | 1,000 |
| Купили В | 0,000 | 0,750 | 0,167 | 0,083 | 1,000 | |
| Купили С | 0,000 | 0,000 | 0,800 | 0,200 | 1,000 | |
| Купили Д | 0,500 | 0,133 | 0,000 | 0,367 | 1,000 |
По результатам табл. 3.4 видно, что из трех главных марок «марка А» продемонстрировала наибольшую покупательскую приверженность, а «марка В» - наименьшую. Это важно знать, т.к. такая информация показывает, понравилась ли семьям та или иная марка после того, как они ее проверили. Вопрос о том, можно ли сделать вывод, что решение тех, кто переключился с прочих марок на «марку А», было стимулировано изменением формы упаковки, остается открытым. Здесь же следует подчеркнуть, что анализ матрицы лояльности марок может быть выполнен, только когда выполняются повторяемые во времени измерения одних и тех же переменных для одних и тех же объектов. Он не применим ни к данным всеобъемлющих списков, измеряемые переменные которых постоянно меняются, ни в исследованиях поперечных сечений, даже если во внимание принимается выборки для сечений, следующих одно за другим.
Преимущества анализа временных рядов состоит в том, что:
1) при исследовании можно определять эффект какого-то изменения на конкретную маркетинговую переменную. Если бы для изучения изменения какой-то конкретной переменной использовались две разные группы, осталось бы неясным, имела место вариация данных вследствие изменения этой маркетинговой переменной или они возникли из-за различий этих двух групп.
2) списки представляют наилучший формат для сбора классификационной информации, такой как доходы, возраст, уровень образования и род занятий. А такая информация дает возможность проведения более тонкого анализа результатов исследований.
3) списочные данные более точны, чем данные поперечных сечений, так как им свойственна тенденция быть более свободными от ошибок, ассоциируемых с регистрацией сведений о прошлом поведении, которые связаны со свойственной людям забывчивостью, иногда объясняемой давностью и другими причинами.
Главным недостатком списков является то, что они могут быть нерепрезентативными. Соглашение об участии влечет за респондентами определенные обязательства и многие отказываются принимать их. Некоторые индивиды оказываются потерянными для списка в связи с переездом или смертью. В зависимости от типа необходимого сотрудничества доля отказавшихся и «умерших» может превышать 50%.
Однако не для каждого исследования утрата представительности может стать проблемой. Это зависит от цели исследования и конкретных переменных, представляющих интерес.
Рассмотрим анализ поперечного сечения.
Несмотря на преимущества анализа временных рядов, в реальной практике наиболее известными и самыми важными описательными проектами являются проекты исследований поперечных сечений.
Исследование поперечного сечения отличается двумя особенностями. Во-первых, это исследование обеспечивает подобие моментального снимка представляющих интерес переменных в какой-то одной точке времени, в отличие от продольного исследования, дающего последовательность картинок, которые когда соединяются вместе, дают как бы кинокартину меняющейся во времени ситуации. Во-вторых, в исследовании поперечного сечения выборка элементов обычно определяется таким образом, чтобы быть представительной. Поэтому основной упор делается на отборе членов выборки, который осуществляется по определенному вероятностному плану. Этот прием часто называют выборочным обследованием.Вероятностный характер формирования выборки предполагает возникновение ошибок, связанных с оценками, которые получаются на базе выборки, но используются для описания всей совокупности. Большинство выборочных обследований сопряжено с привлечением достаточного объема наблюдений, допускающих перекрестную классификацию переменных. Цель перекрестно-классификационного анализа состоит в установлении взаимных зависимостей между классификациями исследуемых объектов, осуществляемыми по различным признакам. Метод перекрестно-классификационного анализа будет рассмотрен в вопросе, связанный с табулированием.
Хотя выборочное обследование широко применяется, оно имеет ряд недостатков. К ним относятся:
1) поверхность анализа явления. Это связано с тем, что данные, полученные в выборочном обследовании, не дают достаточного проникновения в глубь проблемы, т.к. акцент делается на ширине охвата в ущерб глубине исследования.
2) большой расход времени и денег. Связано это с тем, что весь исследовательский процесс, начинающийся с постановки задачи, проходящий через разработку средств измерения, структуризацию выборки, сбор данных, их редактирование, кодирование и табулирование, должен быть полностью завершен, прежде чем начать оценивать гипотезы, ради проверки которых исследование затевалось.
3) требует наличие солидного технического профессионализма. На практике очень редко случается, когда одно лицо обладает навыками профессионального совершенства и в деле разработки шкалы для измерения отношений, и в разрешении проблем проектирования сложной вероятностной выборки.
Поисковое или описательное исследование очень часто приводят к появлению нескольких гипотез причинно-следственного характера, которые необходимо проверить. Например, проверяется гипотеза, приведет ли 10%-ное снижение платы за обучение в частном лицее к увеличению числа учащихся, достаточному для компенсации потерь от снижения платы?
Когда вопрос исследования может быть сформулирован недвусмысленно, то возникает ситуация для причинного анализа. Описательное исследование приемлемо для проверки гипотез, но оно не так эффективно как казуальные исследования в деле проверки причинно-следственных связей.
Казуальное исследование — маркетинговое исследование, проводимое для проверки гипотез относительно причинно-следственных связей. В основе данного исследования лежит стремление понять какое-нибудь явление на основе использования логики типа: «Если X, то затем Y». Факторы, которые вызывают какие-то изменения, называются независимыми переменными, в то время как переменные, изменяющиеся под воздействием этих факторов, называются зависимыми переменными.
Под утверждением, будто одна вещь (Х) является причиной другой (У), понимается, что у какого-то события есть единственная причина. Научное понятие причинности отличается от этого общепринятого определения в трех отношениях. Во-первых, научное определение исходит из того, что Х может быть лишь одним из целого ряда определяющих условий, а не единственной причиной. Во-вторых, оно строится на том, что Х не приводит к непременному появлению У, а просто делает появление У более вероятным. В-третьих, научное определение исходит из того, что никогда нельзя доказать, что Х действительно является причиной У, а можно лишь на основании некоторых наблюдавшихся данных сделать заключение о существовании такой связи.
Поэтому, в поддержку научного предположения могут быть использованы три типа свидетельств:
- сопутствующая вариация;
- порядок появление переменных во времени;
- исключение других возможных причинных факторов.
Одним из типов научного предположения о том, что «Х есть причина У» является сопутствующая вариация – протяженность, на которой причина Х и следствие У появляются вместе или совместно варьируют, как предсказывается гипотезой.
Рассмотрим пример. Зарубежный производитель автомобилей желает проверить взаимосвязь между работой его дилеров и рыночной долей компании в каком-то регионе. Гипотеза формулируется следующим образом: «Успех маркетинговых усилий в большей степени зависит от дилеров. Там, где дилеры хороши, имеем хорошее проникновение на рынок, а там, где дилеры недостаточно хороши, проникновение на рынок неудовлетворительно». Поэтому, если Х будет рассматриваться причиной У, то должны ожидать, что обнаружим следующее: на территориях, где дилеры хороши, рыночные доли удовлетворительны, тогда как на территориях, где действуют плохие дилеры, рыночные доли не удовлетворяют компанию. Однако если обнаружим, что на большом числе территорий с хорошими дилерами доли тоже не удовлетворяют компанию, придется сделать вывод о несостоятельности самой гипотезы. Безупречное свидетельство сопутствующей вариации будет обеспечено, если все хорошие дилеры окажутся на территориях, где рыночные доли удовлетворительны, а все плохие там, где рыночные доли не могут быть признаны удовлетворительными. На практике такой «чистый» случай – явление редкое, поскольку другие причинные факторы будут давать некоторое отклонение от взаимосвязи между Х и У один к одному. Например, некоторые хорошие дилеры могут оказаться на территории, где очень силен принцип «покупай товары отечественного производства», следовательно, и объем продаж зарубежных автомобилей будет очень низок. На территории плохого дилера может не оказаться близкого конкурента, а популярность зарубежных автомобилей настолько высока, что его рыночная доля выглядит превосходной, несмотря на плохое обслуживание. Поэтому, если анализируя взаимосвязь между Х и У, обнаружили свидетельство сопутствующей вариации, то может быть, что эта ассоциация делает гипотезу более вероятной, но не доказывает ее справедливость.
Следовательно, сопутствующая ассоциация представляет собой один из типов свидетельства, поддерживающего существование причинной взаимосвязи между Х и У; однако ее отсутствие не обязательно опровергает взаимосвязь между Х и У, а ее наличие не является гарантией существования этой связи.
Порядок появления переменных во времениявляется другим типом свидетельства причинной взаимосвязи между двумя переменными. Это свидетельство базируется на следующем простом принципе: Одно событие не может рассматриваться «причиной» другого, если оно происходит после него. Появление причинного фактора может предшествовать возникновению какого-то события или появляется одновременно с ним. Однако для каждого участвующего во взаимодействии элемента остается возможность быть как «причиной», так и «следствием» другого элемента. Однако иногда бывает трудно определить временную последовательность, управляющую явлением. Например, рассмотрим взаимосвязь между годовыми расходами на рекламу и объемом продаж ее товара. Маркетинговые менеджеры часто увязывают увеличение объема продаж с повышением затрат на рекламу. Однако некоторые компании придерживаются неизменного правила: использовать объем продаж в истекшем периоде в качестве своего рода руководства при размещении ресурсов на рекламу. Например, сумма равная 10% объема продаж прошлого года, может быть ассигнована в рекламный бюджет на текущий год. Однако такая практика вносит путаницу в вопросе о том, какое из этих событий является причиной, а какое следствием. Реклама приводит к более высокому объему продаж или более высокий объем продаж приводит к увеличению рекламного бюджета? Поэтому глубокое проникновение в существо способа, используемого для установления рекламного бюджета, поможет разрешить дилемму этой ситуации.
Исключение других возможных причин факторов очень напоминает подход к анализу Шерлока Холмса: «когда вы исключаете невозможное, оставшееся, каким бы неправдоподобным оно не казалось, должно быть истиной».
Этот тип свидетельства причинности фокусируется на исключении иных, чем исследуемые, возможных объяснений ее существования.
Например, менеджер сети супермаркетов, решил исследовать влияние расположения витрин в конце прохода на объем торговли апельсинами. Допустим он обнаружил, что средний объем продажи апельсинов одного магазина за прошлую неделю возрос и что в ряде магазинов для привлечения внимания к апельсинам использовалась витрина в конце прохода. Однако, чтобы прийти к заключению о том, что фактор расположения витрин в глубине прохода действительно влияет на увеличение объема продаж, ему необходимо исключить другие переменные, которые тоже могли оказать влияние, такие как цена, размеры магазина, сорт апельсинов и качество фруктов.
Одним из видов казуальных исследований является эксперимент, который будет рассмотрен в теме «Сбор первичной информации».