Теория ценовой чувствительности

1) периодичность, т.е.  сбор и обработка данных о  продажах осуществляются, как правило,  лишь раз в месяц или даже квартал. Некоторое изменение в эту ситуацию вносит лишь появление штрих-кодов и компьютеризованных касс, что в принципе позволяет перейти к ежедневному сбору и анализу данных. Однако и в практике фирм развитых стран это пока что новинка. Малореальной пока выглядит эта возможность для  России, где еще пока продолжается борьба за установку кассовых аппаратов как таковых, а штрих-кодирование делает лишь первые шаги (например, даже в Москве решением городских властей оно станет обязательным лишь с 1998 г.);

2) большинство фирм  продают свои товары не напрямую  конечному покупателю, а через  посредников. Но в этом случае  статистика продаж фактически  представляет собой лишь свод  данных об отгрузке товаров  торговым посредникам, но не  реальных продаж. Чтобы преодолеть этот недостаток, надо накладывать на статистику отгрузки статистику погашения дебиторской задолженности, что делает задачу формирования информационной базы ценовых расчетов крайне сложной.

Но чем дольше продолжается процесс сбора базы данных о прошлых продажах, тем менее надежной основой для выводов о будущем она становится. Причина этому — возрастающая возможность того, что на динамику объемов покупок большее влияние станут оказывать факторы иные, чем цены. Исследователь рискует попасться в известную ловушку: чем больше времени необходимо для сбора данных, тем больше параметров исследуемой ситуации изменяется, а это требует сбора дополнительных данных. И тогда процесс формирования надежной базы для расчетов становится бесконечным;

3) агрегированность, т. е. сводный (а потому неизбежно как бы усредненный) характер данных. Это особенно существенно для средних и крупных фирм, которые ведут продажу своих товаров в различных регионах или через различных торговых посредников (особенно если последние обладают правом варьировать цены конечных продаж в достаточно большом диапазоне). В результате в один и тот же период времени на рынке могут существовать достаточно различающиеся уровни цен на один и тот же товар и соответствующие им объемы покупок. Например, в сентябре 1996 г. в Москве монитор фирмы “Самсунг” марки 17" Sync Master GLsi можно было приобрести по цене и 825, и 920 долл.1

Таким образом, разница  в цене составляла более 11%, что, естественно, сказывалось на объемах продаж отдельными фирмами. Но при использовании агрегированных данных аналитик вынужден был бы оперировать лишь средневзвешенной ценой продаж этих мониторов в Москве (на уровне, скажем, 860 долл.). А значит, выводы, которые бы он сделал на этой основе, были бы столь же близки к реальной чувствительности покупателей к ценам мониторов “Самсунг”, как оценка здоровья пациентов больницы на основе информации о средней температуре всех находящихся в ней на излечении.

Поэтому информационная ценность агрегированных данных всегда ниже, чем индивидуальных рядов, характеризующих продажи данного товара в одном конкретном магазине.

Особенно дезориентирующим может быть использование агрегированных данных при оценке чувствительности к ценам тех покупателей, которые  приобретают продукцию промышленного  назначения. Здесь на формирование рыночной ситуации накладывается еще один, весьма мощный фактор — про-изводность спроса. Она связана с тем, что спрос на такую продукцию прямо определяется спросом на конечные изделия, для изготовления которых она приобретается.

И если изготовители промежуточной продукции начинают делать выводы о чувствительности покупателей к тем или иным элементам своей маркетинговой политики на основе лишь собственных данных о прошлых продажах, ценах, затратах на рекламу и т.п., то они рискуют прийти к выводам ошибочным. Причиной окажется неучет данных о динамике продаж на рынках следующего уровня, которые неспециализированной фирме собрать крайне трудно.

Такой анализ может быть полезен как источник дополнительной информации.

II. Изучение панельных данных, т. е. информации о динамике покупок специальным образом отобранной группы покупателей (покупательской панели).

Для некоторых типов  товаров изучение рынка, и в частности  чувствительности покупателей к  ценам, может быть проведено по итогам постоянного обследования репрезентативной группы покупателей. Размер такой панели может варьироваться в достаточно большом диапазоне, доходя иногда до нескольких тысяч семей. Все семьи, включенные в панель, за определенную плату ведут ежедневный учет всех. своих покупок (с указанием марки и цены приобретаемых товаров и объема покупки). Затем с той или иной периодичностью (например, еженедельно или 2 раза в месяц) такие данные агрегируются и направляются для изучения.

Панель покупателей  — отобранная на основе статистических процедур репрезентативная группа покупателей, которые за плату или бесплатно ведут ежедневный полный учет всех своих покупок и предоставляют информацию об этом статистическим органам или исследовательским фирмам [4, c. 153].

При корректном формировании панели и хорошо организованном сборе и обработке получаемой с ее помощью информации, она становится источником данных, обладающих рядом существенных достоинств:

- при обработке информации  еженедельно или раз - в две  недели появляется возможность  проводить анализ рынка более оперативно. Тем самым ослабляется искажающее влияние прочих факторов формирования спроса;

- появляется возможность  ближе подойти к оценке влияния  на спрос фактических цен покупки  в различных магазинах (регионах), а при определенной постановке обследований — выявить и покупки, явившиеся следствием введения, например, определенного типа скидок (скажем, на основе предъявления все шире распространяющихся в России купонов);

-  если покупатели  фиксируют не только тип, но  и марку покупаемых товаров, то становится возможным сопоставление реакции покупателей на разницу в соотношениях “цена/полезность” по товарам различных марок;

- можно вести анализ информации  о покупках и чувствительности  покупателей к ценам в увязке  с демографическими и иными характеристиками совокупности покупателей. А это дает более объективные основания для выработки политики сегментации рынка и соответствующей корректировки рекламной и ценовой политики фирмы.

Достоинства покупательской панели тесно  соседствуют с ее недостатками. Главный из них — возможная нерепрезентативность выборки покупателей, т. е. отличие характеристик поведения ее участников от типового поведения основной массы покупателей. Здесь легко просматривается аналогия с методами испытаний, применяемыми в технике, когда определить предел прочности материала можно, лишь разрушив его. То же самое происходит и с покупательской панелью, причем это обусловлено двумя причинами.

1. Не каждый покупатель соглашается  стать участником таких регулярных  обследований (обычно принимают такое предложение и регулярно ведут учет покупок не более 5% семей). А значит, панель неизбежно формируется из наиболее сознательных и педантичных покупателей, модели предпочтений которых могут быть отличны от основной массы населения.

2. Сама необходимость для участников панели фиксировать цены своих покупок делает их более внимательными к этим ценам, а значит, что подтверждают специальные психологические тесты, и более чувствительными к их уровням. С увеличением стажа участия в панели этот эффект возрастает. В итоге возникает определенное деформирование информации.

Ослабить такие деформации поведения  в принципе возможно, хотя это требует  достаточно высокого технического уровня организации торговли. Таким образом,  объективность данныx можно повысить, если [21, c.53]:

1) кассовые узлы в магазинах  компьютеризованы;

2) для покупателей—членов панели  введены специальные расчетные  карточки;

3) покупатели осуществляют покупки  только в специально отобранных  магазинах, откуда информация  о покупках “панельных” покупателей поступает в аналитическую фирму.

При такой организации работы можно  и повысить степень охвата покупателей, и устранить эффект повышенной чувствительности к ценам.

Высокотехничная организация панельных  исследований для России — дело будущего, но сама работа по созданию покупательских панелей, несомненно, может стать одним из важнейших направлений деятельности возникающих сейчас в нашей стране маркетинговых фирм. Тем более, что определенный опыт таких исследований у отечественных специалистов имеется.

Конечно, наиболее успешно материалы  панельных обследований могут использоваться при оценке чувствительности покупателей  к ценам часто приобретаемых  товаров, т. е. преимущественно продовольственных  товаров и некоторых промышленных товаров (бытовая химия, парфюмерия и т. п.).

Особенно широко этот метод исследования стал распространяться в последнее  десятилетие, когда на товарах появились  штрих-кодовые ярлыки, а в магазинах  — кассовые сканеры, считывающие  информацию с этих ярлыков. В этих условиях информацию о динамике покупок можно получать с любой детализацией и высокой частотой (практически ежедневно).

Конечно, у такого метода есть и  свой недостаток: нельзя гарантировать  демографическую и экономическую  репрезентативность той совокупности покупателей, которая посещает выбранный для исследований магазин. А значит, снижается достоверность выводов, которые на основе такого обследования делаются применительно ко всей (генеральной) совокупности покупателей.

Если говорить о методике обработки  и анализа данных, полученных одним из трех описанных выше методов, то обычно она основывается на построении регрессионных уравнений и оценке значений их коэффициентов. Этот метод позволяет определить, в какой мере изменения в объемах продаж могут быть отнесены на счет того или иного фактора, включенного в регрессионную модель.

В качестве примера типичного маркетингового исследования чувствительности покупателей  к уровню цен (эластичности спроса по цене) можно привести работу, выполненную  американскими исследователями Рокни Г. Уолтерсом (Университет Индианы, Блумингтон) и Уильямом Боммером (Университет Южного Иллинойса, Эдвардсвилль) и опубликованную в “Journal of Business Research” (1996. № 36. Pp. 203— 216).

Они ставили своей задачей исследовать  совместное влияние на объемы продаж таких факторов, как: 1) доля определенной торговой марки в общем объеме продаж; 2) цена товаров определенной марки; 3) геометрические размеры продукта; 4) место, занимаемое товаром данной марки на полке магазина; 5) тип торговой марки (общенациональная, местная, данной торговой сети). При этом особое внимание было уделено исследованию проблемы совпадения эластичности спроса по цене применительно к регулярным и рекламным ценам, т. е. соответственно к ценам, по которым постоянно ведется продажа товаров данной марки, и к тем, которые используются в период вывода этого товара в продажу, когда он еще является новинкой.

Основой для проведения обследования послужили данные о еженедельных продажах, ценах и деятельности в  области продвижения товаров  на рынок (“промоушн”) в течение 52-не-дельного периода с апреля 1990 г. по апрель 1991 г. по товарам 302 марок. При этом в основу анализа данных была положена следующая модель:

(1)

где Q1 — объем товаров  определенной категории (по всем маркам), проданных в период времени t; RPit — цена товаров марки i, относящихся  к данной категории, в период обычных (нерекламных) продаж t; DPit — цена товаров  марки i, относящихся к данной категории, в период рекламных продаж t;

RPit— цена товаров  марки j, относящихся к данной  категории, в период обычных  (нерекламных) продаж t; DPjt — цена  товаров марки j, относящихся к  данной категории, в период  рекламных продаж t. Величины β1i, β2i, γ1j и т.д. представляют собой оцениваемые коэффициенты.

В результате авторами были определены, например, следующие коэффициенты эластичности спроса по ценам, используемым в период вывода товара на рынок (в  целом для товарной группы):

Молочные/охлажденные  продукты .…………………………………. 0,08

Консервы ................……………………………………………………. 0,20

Готовые завтраки .............……………………………………………... 0,05

Полуфабрикаты .............………………………………………………. 0,17

Писчебумажные товары .........………………………………………... 0,14

Соки в бутылках .............……………………………………………… 0,12

Использование методов  регрессионного анализа может породить у самих исследователей и менеджеров фирм, которые такие работы заказывают, ощущение точного знания, т. е. как  бы абсолютно надежной и достоверной  базы для принятия ценовых или иных маркетинговых решений. Между тем более глубокое знакомство с основами математической статистики позволяет обнаружить, что полученные результаты в немалой мере зависят от принятых исследователями исходных предпосылок, и прежде всего формы регрессионной зависимости, используемой как исходная модель. И если исследователь изначально неверно задал математическую форму зависимости между ценой и продажами, то степень достоверности его выводов будет низкой.

Выводы регрессионного анализа  можно считать достоверными лишь в пределах того диапазона значений переменных, который был использован в ходе анализа. Нет никаких оснований полагать, что эти закономерности сохранятся за пределами таких диапазонов. Необходимо помнить, что любая регрессионная модель описывает связи, сложившиеся в прошлом, но не может считаться абсолютно надежной моделью для прогнозирования. Чем в большей мере внешние параметры будущей ситуации могут отличаться от их значений в прошлом, тем менее надежными будут прогнозы на основе регрессионных моделей.