Методы и способы статистических измерений при анализе данных маркетинговых исследований

Теория маркетинга относит статистические методы не к качественным, а к количественным, потому как их задача состоит в том, чтобы опираться не на объяснение и интерпретацию данных, полученных эмпирическим путём, а на статистические измерения. Иными словами, эти методы отвечают на вопросы «сколько?», а не «как?» или «почему?».

Кроме того, важно отметить, что статистические методы применяются на этапе анализа данных маркетингового исследования, а не на этапе их сбора. Собственно говоря, этот вид анализа – важнейшая часть всего маркетингового исследования, в первую очередь потому что независимо от того, насколько полной, объёмной и качественной будет собранная информация, выводы всего маркетингового исследования зависят от того, насколько полно, чётко и правильно она будет проанализирована.

Сейчас в теории маркетинга выделяют множество методов статистического анализа. Какие-то из них популярны, какие-то используются реже, однако, рассмотрим основные из них:

• Частотный анализ

  Этот вид анализа называют одним из самых простых, потому как его применяют, как правило, в самом начале анализа полученного в результате маркетинговых исследований материала. Как поясняет в своей книге «Маркетинг в России и за рубежом» исследователь и академик Евгений Голубков, частотный анализ может быстро сделать выводы о «степени подробности результатов измерений», чтобы посмотреть, как распределились в выборке те или иные показатели, показанные в виде категориальных переменных.

• Регрессионный анализ

  Его суть в том, чтобы показать зависимость одной переменной с другими (несколькими или одной). Например, когда нужно показать зависимость объёма продаж от ряда других факторов, как например, от цены, объёмов рекламы, качества обслуживания (несколько переменных). Или, к примеру, зависимость покупательской активности от уровня безработицы на рынке труда (одна переменная). Этот метод часто применяется при прогнозировании каких-либо событий или явлений в работе той или иной компании. Главное преимущество этого метода – его точность. Зависимость просчитывается не на основе предположений или эмпирики, а на основе числовых уравнений, где за переменные принимаются те или иные ситуации бизнеса или экономики.

• Корреляционный анализ

  Суть корреляции в целом в том, чтобы показать меру зависимости переменных, то есть насколько сильно одна переменная зависима от другой. Задача маркетолога высчитать коэффициент корреляции, например, в пределе от + 1 до – 1, и если результаты показывают, что коэффициент равен -1, то это значит, что две переменные (а значит, скрытые за ними маркетинговые ситуации) находятся полностью в отрицательной взаимосвязи (то есть, например, чем выше уровень безработицы, тем ниже покупательская способность). Суть в том, чтобы просчитать влияние тех переменных (ситуаций), которые на первый взгляд не имеют никакой связи друг между другом. Только в том случае если коэффициент корреляции равен нулю, то из этого можно сделать вывод, что между двумя этими ситуациями нет никакой взаимосвязи, и обе они никак не влияют друг на друга. Среди наиболее популярных коэффициентов корреляции выделяют, как правило:

1. Коэффициент корреляции Пирсона (цель которого показать наличие линейной зависимости между двумя величинами).
2. Коэффициент корреляции Спирмена (ещё называют коэффициентом ранговой корреляции. Его задача в том, чтобы ранжировать те или иные переменные, то есть для того, чтобы показать силу связи между ними используются ранги, а не численные значения).
3. Коэффициент корреляции Крамера (зависимость просматривается через таблицы сопряжённости. Этот коэффициент даёт возможность проверить гипотезу о наличии статистической значимости)
4. Коэффициент корреляции Фи (используют для измерения тесноты связи при анализе таблицы с двумя рядами и двумя колонками, коэффициент высчитывается от в интервале от -1 до +1).

• Дисперсионный анализ

  Цель этого анализа показать какова зависимость между одной или нескольких независимых переменных от одной или нескольких зависимых переменных. Этот анализ не может показать тесноту между теми или иными значениями или группами значений, его суть в том, чтобы продемонстрировать разницу значений. То есть он призван затем, чтобы измерить наличие отклонений (дисперсий) в тех или иных значениях.

• Факторный анализ

  В широком смысле главные цели кластерного анализа в том, чтобы определить взаимосвязи между переменными, и классифицировать их. Факторный анализ показывает влияние отдельных факторов на общие экономические показатели. Его задача - сократить число переменных на основе их классификации, и определении структуры взаимосвязей между ними.

• Кластерный анализ

  Нередко является предшественником какого-либо другого метода анализа. Этим методом разбивают имеющиеся множества на однородные по составу или признакам группы (или кластеры). Этот анализ даёт возможность проводить разбиение на кластеры не по одному, а сразу по нескольким признакам, что серьёзно повышает его преимущества. Нередко такой анализ проводится при выявлении определённых групп потребителей (курящих, читающих, носящих очки для зрения и т. д. примеров может быть масса). Разбиение на кластеры может дать фирме определённые преимущества – на какую аудиторию стоит ориентироваться и прочее.