Можно выделить некоторые "базовые" методы сегментирования. Важнейшим из них является кластерный анализ потребителей (таксономия). Кластеры потребителей формируются объединением в группу тех, кто дает сходные ответы на заданные вопросы. Покупатели могут быть объединены в кластер, если они имеют сходный возраст, доход, привычки и т.п. Сходство между покупателями основывается на разных измерителях, но часто в качестве меры сходства используется взвешенная сумела квадрата различий между ответами покупателей на вопрос. Выходом алгоритмов кластеризации могут быть иерархические деревья или объединение потребителей в группы. Существует достаточно большое количество кластерных алгоритмов.
Например, в США широко распространен кластерный анализ систем, называемый PRIZM, который начинает кластеризацию, сокращая набор из 1000 возможных социально-демографических показателей. Данная система формирует социально-демографические сегменты для всей территории CШA. Так, выделен кластер 28 - семьи, которые попали в этот кластер, включают лиц с наиболее успешной профессиональной или управленческой карьерой. Этот кластер также отражает высокий доход, образование, собственность, приблизительно средний возраст. Хотя данный кластер представляет только 7% населения США, он является критическим для предпринимателей, продающих дорогие товары. Существуют другие примеры сегментации потребителей на основе кластерного анализа. Например, среди "психологических" секторов весьма важное место занимает "отношение потребителя к новизне товара" (рис. 2)
Рисунок 2
Как видно из приведенных данных, наибольшее число потребителей относится к числу обычных покупателей. 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 инвестиционных программ требуют достаточно продолжительного периода, и правильность результатов анализа рынка, оценки его емкости здесь особенно важна. 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 - определение 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 изделий 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.
Такой подход позволяет уже на стадии разработки увидеть, какие параметры изделия нуждаются в конструкторской доработке, или определить, есть ли достаточно емкий рынок для данной модели.
Вообще, в мировой практике используются 2 принципиальных подхода к маркетинговому сегментированию.
В рамках первого метода. именуемого "а рriory" предварительно известны признаки сегментирования, численность сегментов, их количество, характеристики, карта интересов. То есть подразумевается, что сегментные группы в данном методе уже сформированы. Метод "а рriory" используют в тех случаях, когда сегментирование не является частью текущего исследования, а служит вспомогательным базисом при решении других маркетинговых задач. Иногда этот метод применяют при очень четкой определенности сегментов рынка, когда вариантность сегментов рынка не высока. "A priory" допустим и при формировании новой продукта, ориентированного на известный сегмент рынка.
В рамках второго метода, именуемого "post hoc" (cluster based) подразумевается неопределенность признаков сегментирования и сущности самих сегментов. Исследователь предварительно выбирает ряд интерактивных по отношению к респонденту (метод подразумевает проведение опроса) переменных и далее в зависимости от высказанного отношения к определенной группе переменных, респонденты относятся к соответствующему сегменту. При этом карта интересов, выявленная в процессе последующего анализа, рассматривается как вторичная. Этот метод применяют при сегментировании потребительских рынков, сегментная структура которых не определена в отношении продаваемого продукта.
Сегментирование рынка – это формальная процедура, основанная на применении статистических методов многомерного анализа к результатам исследований . Чтобы получить рыночные сегменты можно использовать четыре основных метода:
1 Традиционные методы:
Априорный (a priori);
Кластерный (cluster based).
2 Новые методы:
Гибкое сегментирование (flexible);
Компонентное сегментирование (componential).
Априорный метод сегментирования рынка потребителей используется, когда есть возможность выдвинуть гипотезу сегментирования рынка. Для этого необходимо понимать нужды, потребности, желания потребителей. Характеристики потребителя, такие как интенсивность потребления, потребности, ключевые элементы мотивации и их значения, будут выступать как независимые переменные, а переменные сегментирования (возраст, пол, регион и т.д.) будут использованы как зависимые переменные.
Используя данный метод, исследователь изначально выдвигает гипотезу сегментирования рынка, а потом в ходе маркетинговых исследований проверяет ее.
Априорный метод сегментирования рынка включает в себя семь этапов:
1 Выбор базиса сегментирования. Анализ потребностей, нужд и других факторов, имеющих влияние на выбор потребителя.
2 Выбор переменных сегментирования и разработка сетки сегментирования рынка (гипотезы). Происходит выбор и обоснование критериев, переменных сегментирования рынка потребителей, поиск вероятных связей между базисом и переменными, устраняются противоречия в сетке сегментирования рынка.
3 Формирование выборки.
4 Проводится анкетирование, сбор количественных данных.
5 Формируются сегменты на основании разбивки опрошенных из числа возможных покупателей по категориям.
6 Установление профилей сегментов. Производится формирование рыночных сегментов и их проверка на соответствие выдвинутой гипотезе.
7 Разработка маркетинговых стратегий для каждого сегменты рынка.
Априорный метод сегментирования – наиболее используемый метод. Это обусловлено его простотой, не высокой стоимостью и наличием методик, обеспечивающих его реализацию. Однако на практике, достаточно часто возникают ситуации, когда выдвинуть гипотезу сегментирования рынка достаточно трудно.
Кластерный метод похож на априорный метод, но в нем не определяется зависимая переменная – ищутся естественные кластеры. Сначала производится группировка опрошенных из числа потенциальных покупателей при помощи аналитической процедуры в сегменты рынка. Потом выявляются переменные, при помощи которых можно было бы задать рыночный сегмент.
При кластеризации ищутся естественные группы, а при классификации – группы формируются по искусственно заданным критериям.
Широко распространена группировка потребителей методом AID. При использовании этого метода, осуществляется выбор системообразующего критерия. После этого выборка разделяется на подгруппы, то есть формируются подгруппы с высоким значением системообразующего критерия.
Недостаток данного метода – подбор рыночного сегмента. Метод является трудоемким и не гарантирует получение точного решения.
Сегментирование по методу кластерного анализа осуществляется по восходящей (снизу-вверх). На этапе маркетингового исследования выделяется множество характеристик покупателя. Необходима выборка не менее 200 единиц. Производится обработка результатов. Данные рассматриваются по универсальной шкале, определяющей выраженность параметра. Потом обследуется каждый потребитель и определяются наиболее схожие между собой. Схожие потребители объединяются в кластеры и выступают как составной объект. Далее ищутся наиболее похожие между собой объекты и объединяются в новый кластер. Процесс заканчивается, когда невозможно определить схожие кластеры.
Для реализации сегментирования рынка при помощи метода кластеризации на практике могут быть использованы статистические пакеты типа SPSS и NCSS&PASS.
Гибкое сегментирование рынка – это динамическая процедура, которая предполагает гибкость при построении сегментов, основываясь на анализе потребительских предпочтений в отношении к альтернативам продукта. Процедура совместного анализа лежит в основе гибкого сегментирования. Одним из достоинств данного метода является то, что он позволяет достаточно точно определить группы потребителей при выходе нового товара на рынок. К недостаткам метода гибкого сегментирования можно отнести дороговизну, сложную процедуру реализации и возможные погрешности на уровне разработчиков.
Компонентный анализ сегментирования рынка основывается на сложных методах статистического анализа. Он требует больших вычислительных ресурсов. Метод компонентного анализа сегментирования рынка был предложен П. Грином. Данный метод пытается определить какой тип покупателей наиболее подходит под определенные характеристики товара.
По мнению западных специалистов, метод гибкого и компонентного сегментирования рынка являются чисто академическими и неприменимыми к реальной жизни.
В рамках работы над первой главой выпускной квалификационной работы получены теоретические знания в области сегментирования рынка потребителей. Рассмотрены основные признаки сегментирования рынка потребителей. Изучены методы сегментирования рынка.
Романюк Е. В.
Россия, Ставрополь, магистр Северо-Кавказского Федерального Университета
Обзор методов кластерного анализа и оценка их применимости для решения задачи сегментации потребительского рынка
Аннотация
В данной работе рассмотрена статья о процессе сегментации потребительского рынка, определение системы поддержки решений, а также применение кластерного анализа в различных областях деятельности, распространенный набор методов кластерного анализа для решения задач маркетинга.
Ключевые слова: Сегментация, кластерный анализ, Data Mining, поддержка принятия решений. Segmentation, cluster analysis, Data Mining, decision support.
Современное содержание процесса сегментации рынка является результатом эволюции концепции маркетинга. Прежде чем производитель стал рассматривать рынок как дифференцированную структуру в зависимости от групп потребителей и потребительских свойств товара его взгляды, и сознание прошли через различные методы маркетинга: массовый, товарно-дифференцированный, целевой.
Рыночная сегментация представляет собой, с одной стороны, метод для нахождения частей рынка и определения объектов, на которые направлена маркетинговая деятельность предприятий. С другой стороны, – это управленческий подход к процессу принятия предприятием решений на рынке, основа для выбора правильного сочетания элементов маркетинга.
Объектами сегментации являются, прежде всего, потребители. Выделенные особым образом, обладающие определёнными общими признаками они составляют сегмент рынка. Основное внимание в маркетинге уделяется поиску однородных групп потребителей, имеющих сходные предпочтения и одинаково реагирующих на маркетинговые предложения.
Для успешной реализации принципов сегментации являются следующие условия:
– способность предприятия (организации) осуществлять дифференциацию структуры маркетинга (цен, способов стимулирования сбыта, места продажи, продукции);
– избранный сегмент должен быть достаточно устойчивым, ёмким и иметь перспективы роста;
– предприятие должно располагать данными о выбранном сегменте, измерить его характеристики и требования;
– избранный сегмент должен быть доступным для предприятия, т. е. иметь соответствующие каналы сбыта и распределения продукции, систему доставки изделий;
– предприятие должно иметь контакт с сегментом (например, через каналы личной и массовой коммуникации);
– оценить защищенность избранного сегмента от конкуренции, определить сильные и слабые стороны конкурентов и собственные преимущества в конкурентной борьбе.
Таким образом – только при достаточном изучении избранного сегмента и оценив собственный потенциал, производитель может принять решение о выборе сегмента.
Data Mining – мультидисциплинарная область, возникшая и развивающаяся на базе таких наук как прикладная статистика, распознавание образов, искусственный интеллект, теория баз данных и др.
Data Mining – это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей.
Data Mining – это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности.
Кластерный анализ применяется в различных областях. Он полезен, когда нужно классифицировать большое количество информации.
В маркетинге это может быть задача сегментации конкурентов и потребителей. В маркетинговых исследованиях кластерный анализ применяется достаточно широко – как в теоретических исследованиях, так и практикующими маркетологами, решающими проблемы группировки различных объектов. При этом решаются вопросы о группах клиентов, продуктов и т. д. Так, одной из наиболее важных задач при применении кластерного анализа в маркетинговых исследованиях является анализ поведения потребителя, а именно: группировка потребителей в однородные классы для получения максимально полного представления о поведении клиента из каждой группы и о факторах, влияющих на его поведение.
Важной задачей, которую может решить кластерный анализ, является позиционирование, т. е. определение ниши, в которой следует позиционировать новый продукт, предлагаемый на рынке. В результате применения кластерного анализа строится карта, по которой можно определить уровень конкуренции в различных сегментах рынка и соответствующие характеристики товара для возможности попадания в этот сегмент. С помощью анализа такой карты возможно определение новых, незанятых ниш на рынке, в которых можно предлагать существующие товары или разрабатывать новые.
В сфере маркетинга Data Mining находит очень широкое применение.
Основные вопросы маркетинга “Что продается?”, “Как продается?”, “Кто является потребителем?” В лекции, посвященной задачам классификации и кластеризации, подробно описано использование кластерного анализа для решения задач маркетинга, как, например, сегментация потребителей.
Другой распространенный набор методов для решения задач маркетинга – методы и алгоритмы поиска ассоциативных правил. Также успешно здесь используется поиск временных закономерностей.
В сфере розничной торговли, как и в маркетинге, применяются:
– алгоритмы поиска ассоциативных правил (для определения часто встречающихся наборов товаров, которые покупатели покупают одновременно). Выявление таких правил помогает размещать товары на прилавках торговых залов, вырабатывать стратегии закупки товаров и их размещения на складах и т.д.
– использование временных последовательностей, например, для определения необходимых объемов запасов товаров на складе.
– методы классификации и кластеризации для определения групп или категорий клиентов, знание которых способствует успешному продвижению товаров.
Литература
- Алексеев А. А. «Методика сегментирования потребителей»,// «Маркетинг и маркетинговые исследования в России», № 1,2009 г.
- Басовский Л. Е. «Маркетинг», Москва, ИНФРА М,2009 г., – 426 с.
- Гольцов А. В. «Перспективы использования стратегического маркетинга на предприятии». // «Маркетинг»,2008 г., № 2., с. 72-89.
- Крофт М. Д. «Сегментирование рынка». Санкт-Петербург, «Питер»,2008 г. – 128 с.
- Резниченко Б. А. «Критический анализ критериев сегментирования», «Маркетинг в России и за рубежом», №3,2009 г.
Далее рассматривается сегментация студентов по субъективным свойствам (см. подразд. 14.1) и по выгодам (см. подразд. 14.4), которые дает получение высшего образования при дневной форме обучения. Для сегментации применяется методика, основанная на кластерном анализе с привлечением многомерного шкалирования для дополнительного, более полного анализа.
Переменные сегментации – свойства и выгоды – должны иметь количественные балльные оценки. При решении конкретной задачи были использованы девять параметров. Для применения шкалы Лайкерта по каждому параметру сформулированы соответствующие утверждения.
- 1. Это лучший способ получить глубокие знания.
- 2. Это возможность полноценного общения и приобретения друзей.
- 3. Это ценная возможность общения с преподавателем.
- 4. Это важный шаг начала карьеры.
- 5. Студенчество – прекрасный период в жизни.
- 6. Материальные затраты на дневное обучение велики.
- 7. Временны́е затраты на дневное обучение велики.
- 8. Развивает мышление по специальности.
- 9. Дневное обучение престижно.
Набор параметров, которые можно использовать, может быть гораздо шире. Студенты в своих анкетах часто указывают также следующие достоинства или недостатки дневного обучения в университете: возможность расширения кругозора, возможность отсрочки, возможность научиться самодисциплине и самоорганизации, затруднение совмещения учебы и работы, важный период в жизни, отсутствие практики, возможность получить большой объем информации, влияние на дальнейшее продвижение по работе, появление в будущем возможности определиться с правильностью выбора профессии, участие в жизни университета.
Сбор данных
Сбор данных осуществляется методом анкетирования. Вопросы сформулированы с применением шкалы Лайкерта (см. подразд. 8.3). Например, студентов опросили относительно степени их согласия-несогласия с утверждениями по шкале с пятью градациями. В литературе широко применяется семибалльная шкала, но часто респондент затрудняется давать ответы при большом числе градаций.
Фрагмент анкеты имеет вид, приведенный на рис. 24.2.
Рис. 24.2.
От респондента требуется только поставить только "галочку", а оцифровку проводит анкетер. Применена пятибалльная шкала с уровнями от 1 до 5 (1 – категорически не согласен, ..., 5 – полностью согласен). На анкету ответили 19 респондентов – все студенты одной группы, чего, конечно, недостаточно.
24.7. Сегментация по свойствам на примере образовательного продукта 381
Расчеты по методу кластерного анализа
Кластерный анализ (см. подразд. 23.7) широко применяется при проведении сегментации по свойствам продукта (см. подразд. 24.3). Сегментацию по кластерному анализу иногда называют иерархической. На основании полученных оценок рассчитываются расстояния между оценками каждого студента с каждым. На основе пакета научных статистических программ Statistica. Сначала составляется матрица евклидовых расстояний (euclidean distances). Для образования кластеров применена объединяющая (агломеративнная) процедура по методу дальнего соседа (complete linkage). Результаты представлены в виде диаграммы на рис. 24.3.
Рис. 24.3. Дендрограмма (ППП Statistica)
По вертикальной оси дастся расстояние между присоединяемыми кластерами (Linkage Distance). По горизонтальной оси номерами от С_1 до С 19 перечислены студенты. Как следует из дендрограммы, на первом шаге имеется 19 кластеров. На первом и на втором шагах объединяются точки 3 с 5 и 9 с 11. На третьем шаге объединяются точки 8 и 13. Затем процесс объединения продолжается.
При выборе окончательного шага и соответственно числа кластеров используем план агломерации (рис. 24.4). За окончательный вариант принимается шаг, после которого расстояние между объединяемыми кластерами (Linkage Distance) резко возрастает.
Рис. 24.4.
Выберем результат разбиения в соответствии с рекомендациями из подразд. 23.7. Как следует из плана агломерации, относительно резкий прирост расстояния между присоединяемыми кластерами происходит на 13-м и 17-м шагах (Step на рис. 24.4). Следовательно, необходимо сделать выбор между 12-м и 16-м шагами. Для однозначного выбора завершающего шага в соответствии с теми же рекомендациями из разд. 23.7 обратимся к многомерному шкалированию.
Результаты сегментации по методу многомерного шкалирования
Дополнительно для выбора окончательного варианта классификации рассматривается картина взаимного расположения точек по методу многомерного шкалирования на рис. 24.5, который получен в результате работы с ППП Statistica. По осям даны два измерения – Dimension 1 и Dimension 2.
Кластеры имеют выпуклую форму только на 16-м шаге кластерного анализа, что видно по результатам проведения межгрупповых границ на основе многомерного шкалирования. Эти результаты и принимаются за окончательные. Образовано три кластера, а по сути – сегмента. Первый кластер включает в себя девять точек, второй – три, третий – семь.
Рис. 24.5.
Характеристика сегментов
Сегменты могут быть охарактеризованы средними значениями по каждой переменной, а результаты сегментации наглядно могут быть представлены в виде профилей по средним значениям по каждой переменной (рис. 24.6).
Для содержательной лаконичной характеристики сегмента ему дается имя, девиз. Полная характеристика кластера следует из его профиля. В основу имени сегмента могут быть положены переменные, по которым получены самые высокие и самые низкие оценки, что видно из рассмотрения профилей. Сравнение профилей позволяет выявить особенности каждого сегмента, "позиционировать" его на фоне остальных.
Сформулируем имя каждого полученного сегмента и дадим девиз. Первый сегмент – позитивисты: "Затраты не главное", второй – жизнелюбы. "Думай о настоящем. Мы
Рис. 24.6.
здесь не для престижа и карьеры", третий – целеустремленные: "Престиж окупает затраты". Применялась следующая технология получения имени сегмента.
Действительно, в соответствии с рис. 24.6:
- для первого кластера характерны высокие оценки для признаков (4) "Студенчество – прекрасный период в жизни" и (8) "Развивает мышление по специальности". При этом низкие оценки получили утверждения (6) "Материальные затраты велики" и (7) "Временны́е затраты велики";
- второго кластера – высокие оценки для утверждений (1) "Возможность полноценного общения и приобретения друзей" и (4) "Студенчество – прекрасный период в жизни". Низкие оценки получены для утверждений (3) "Важный шаг в карьере" и (9) "Дневное образование престижно";
- третьего кластера – высокие оценки для утверждений (6) "Материальные затраты велики" и (9) "Дневное обучение престижно" при относительно низкой для (4) "Студенчество – прекрасный период в жизни".
- Под выгодами здесь удобно понимать мотивы получения такого образования.
- ППП – пакет прикладных программ.
- Теория метода изложена в подразд. 23.6.
- Для более привычного представления профиля его нужно повернуть на 90° по часовой стрелке.
