Определение проблемы в маркетинговом исследовании

В связи с тем, что было принято решение опрашивать респондентов непосредственно возле магазинов, для исследования будет подходить типовая выборка, из-за того, что главный классификационный признак, определяющий типичность элементов генеральной совокупности - это совершение покупки в магазине. В качестве генеральной совокупности рассматривались все жители города Витебска, так как потенциально все они могут являться потребителями продукции КУП "Минскхлебпром". По данным статистических исследований в Витебске проживают около 400 тысяч человек. Для проведения данного исследования будет использоваться бесповторная выборка для доли признака.

Формула расчёта объёма бесповторной выборки для доли признака:                                                   

 

где N – численность генеральной совокупности,

t – аргумент функции  Лапласа, определяющий уровень доверительной  вероятности,

- предельная ошибка,

p*(1-p) – дисперсия доли  изучаемого признака.

Так как отсутствует информация о дисперсии, то она принимается равной 0,25. Доверительная вероятность для данного исследования равна 95% и тогда t=1,96. Предельная ошибка определяет точность и задаётся лицом, заказывающим исследование. В данном случае она принимается равной 0.1

Тогда минимальный объём выборки составляет:

 

На этапе сбора данных был осуществлён непосредственно сбор первичных данных, а также последующее редактирование собранных данных. Всего было опрошено 100 человек, сводная таблица результатов исследования представлена в Приложении 2. Более подробно анализ собранных данных будет рассмотрен в следующем пункте данной главы.

На этапе кодирования собранных данных первое решение было принято о том, что, так как данных не много этим вполне сможет заняться один человек. Это решение позволило избежать ряда проблем:

• Несоответствия в самом кодировании;
• Нарушения логической последовательности обработки собранных данных;
• Использование несогласованных критериев кодирования.

На первом этапе кодирования, который заключался в специфицировании категорий, к которым будут относиться ответы, было выделено девять категорий (по количеству вопросов в анкете).

Второй этап – назначение кодовых номеров каждой из категории. Так как для следующего этапа – табулирования данных, будет использована компьютерная программа SPSS, то кодировать данные лучше цифрами, потому что данная программа может делать подсчёты с цифрами, намного быстрее, чем с буквенными обозначениями и без предварительных настроек. Заключительный этап кодирования – составление книги кодов, которая содержит информацию о каждой переменной, её кодовом имени и категории к которой она относится.

Книга кодов :

1 категория (Пол): 1 = «женский», 2 = «мужской»;

2 категория (Возраст): 1 = «15-25», 2 = «26-40», 3 = «41-55», 4 = «55 и выше» ;

3 категория (Часто ли вы покупаете  продукцию от компании «МИНСКХЛЕБПРОМ»?): 1 = «каждый день», 2 = «раз в два-три дня», 3 = «раз в неделю», 4 = «очень редко»;

4 категория (Устраивает ли вас  качество нашей продукции?):

1 = «Да, полностью», 2 = «Не всегда», 3 = «Нет»;

5 категория (Где кроме магазинов «Веста» вы ещё приобретаете хлебобулочные изделия?): 1 = «Евроопт»«, 2 = «Корона»«, 3 = «магазины «Витебские Продукты», «Омега», «Родная сторона»«, 4 = «В ларьке рядом с домом», 5 = «Нигде больше»;

6 категория (Как бы вы отнеслись  к появлению зернового хлеба  с добавлением витаминов?): 1 = «Положительно», 2 = «Отрицательно», 3 = «Мне всё равно»;

7 категория (Какой хлеб вы стали  бы покупать?): 1 = «хлеба из проросшей пшеницы с добавлением йода и магния», 2 = «зерновой хлеб с добавлением витаминов группы В (В1, В2, В4, В6)»;

8 категория (Хотелось бы вам, чтобы  хлеб «Зерновой Новый» был фасован по-другому?): 1 = «Да, по меньше», 2 = «Да, по больше», 3 = «Нет», 4 = «Мне безразлично»;

9 категория (Среднедушевой доход  в семье?): 1 = «1000 – 3000 млн. руб.», 2 = «3000 – 5500 руб.», 3 = «5500 –7000 руб.», 4 = «70000 руб. и выше»;

Для удобства цифры на этой стадии были использованы в том виде (по порядку), как они зафиксировались в форме сбора данных. Для облегчения ввода данных в компьютер была обеспечена наглядность ввода посредством многоколонной записи. (Ознакомиться с такой записью можно в Приложении 3)

 

2.3 Исследование  информации методом перекрёстного  табулирования

 

Табулирование - это подсчет количеств событий, которые попадают в различные категории. Табуляция может выполняться целиком от руки, целиком машиной или частично машиной и частично от руки. Какой из подходов наиболее эффективен, зависит и от числа необходимых табуляций, и от количества событий в каждой табуляции. Число табуляций является прямой функцией количества переменных, тогда как количество событий - это прямая функция размера выборки. Чем меньше число табуляций требуется и чем меньше выборка, тем более привлекательными становятся ручные методы. Однако привлекательность любого подхода также в значительной степени зависит от сложности табуляций. Сложность возрастает по мере увеличения числа переменных, получаемых для одновременной обработки в перекрёстной табуляции. Сложность также возрастает с увеличением числа категорий на одну переменную.

Хотя в очень простых исследованиях ручная табуляция может оказаться полезной, особенно если вопросов немного и число возможных ответов ограничено, большинство исследований полагается на компьютерную табуляцию, использующую пакеты программ. Существует громадное количество таких программ. Некоторые из них, в дополнение к отчётности о количестве событий в каждой категории, могут рассчитывать итоговые статистики и графически представлять гистограммы значений. Базисный ввод для такого рода статистических анализов называется массивом данных, в котором перечисляются значения каждой переменной для каждого блока статистической выборки. Каждая переменная занимает особое место в записи для блока выборки, что упрощает доступ к её значениям для всех событий. Местоположений каждой переменной определяется в книге кодов [Черчилль, с. 561].

Табулирование может принимать форму простой табуляции или перекрёстной табуляции.

Простая или одномерная табуляция - это подсчет количества событий, которые попадают в каждую категорию, когда категории базируются на одной переменной. Она может повторяться для каждой из переменных исследования, но табуляция для каждой переменной не зависит от табуляции для других переменных.

 В перекрёстной табуляции две или более переменных обрабатываются одновременно.

Одномерная (простая) табуляция в дополнение к организации связи результатов исследования, может использоваться в нескольких других целях:

· для определения степени безответности позиций анкеты;

· для локализации грубых ошибок;

· для локализации посторонних значений;

· для определения эмпирического распределения рассматриваемой переменной;

· а также для расчета итоговых статистик;

Первые три направления использования часто определяются как очистка данных. Безответность позиций оказывается существенной проблемой в большинстве исследований. По существу дела, степень безответности позиций зачастую служит полезным индикатором качества исследования. Существует несколько стратегий поведения относительно того, что делать с утраченными данными:

• оставить позиции пустыми и описать их количество как отдельную

категорию;

• исключить событие с утраченной позицией при анализе с

использованием соответствующей переменной;

• подставлять значения утраченных позиций анкеты.

Не существует «правильного» или простого ответа на вопрос о том, каким образом обрабатывать утраченные позиции. Все зависит от целей исследования, обстоятельств утраты информации и методов, которые используются для анализа данных.

Как упоминалось выше, ещё одна цель одномерной табуляции состоит в локализации грубых ошибок. Грубая ошибка - это ошибка, которая возникает при редактировании, кодировании, при переносе информации из формы в базы данных или табулировании данных.

Ещё одно применение одномерной табуляции состоит в локализации посторонних значений. Постороннее значение - это наблюдение, настолько отличающееся по величине от остальных наблюдений, что аналитик предпочитает обрабатывать его как особое событие. Это может означать исключение наблюдения из анализа или определение особых факторов, которые ответственны за это уникальное наблюдение.

Четвёртое направление использования одномерной табуляции частот состоит в определении эмпирического распределения рассматриваемой характеристики. Некоторые аналитики игнорируют распределение переменных и автоматически рассчитывают такие суммарные статистики, как среднее значение. Игнорирование распределения переменных может привести к серьёзной ошибке.

Прежде чем приступать к любому анализу переменной, надо разобраться в смысле ее распределения.

Часто распределение лучше представлять наглядно с помощью гистограммы, представляющей собой определенную форму столбчатой диаграммы, в которой последовательные значения переменной размещаются по оси абсцисс или Х , а частота или относительная частот появления значений указывается по оси ординат или оси У. Более глубокого проникновения в суть эмпирического распределения доходов можно добиться, построив полигон частот, который получается из гистограммы

посредством соединения верхних точек столбцов прямых линиями.

Альтернативным способом проникновения в суть эмпирического распределения является построение эмпирической функции накопленных частот. Это функция, которая показывает число событий, имеющих значения меньше или равные специфицированной величине; эта функция генерируется посредством соединения точек, представляющих заданные комбинации Х (значения) и У (накопленных частот), прямыми линиями.

Перекрестная или многомерная табуляция - это подсчет количества событий, которые попадают в каждую из нескольких категорий, когда категории базируются на двух или более переменных, рассматриваемых одновременно. Она является важным механизмом для изучения связей внутри и между переменными. В перекрёстной табуляции выборка делится на подгруппы таким образом, чтобы выявить, каким образом зависимые переменные изменяются от подгруппы к подгруппе. Многие маркетинговые исследования не идут дальше перекрёстной табуляции, и, более того, большинство исследований, использующих преимущества более сложных аналитических методов, тоже включают в себя перекрёстную табуляцию в качестве важной составляющей. Таким образом, и аналитикам, и лицам, которым приходится принимать решения, необходимо понимать, каким образом разрабатываются и интерпретируются перекрёстные табуляции.

Таким образом, последним этапом предварительного анализа данных заключается просто в подсчёте количества событий, которые попадают в различные категории. На первой стадии табулирования данных была проведена одномерная табуляция по каждой из категорий. Результаты одномерной табуляции приведены ниже.

Категория 1 (Пол): среди опрошенных 78% женщин, 22% мужчин;

Категория 2 (Возраст): 22% приходится на интервал от 15 до 25 лет; 38% - от 26 до 40 лет; 22% - от 41 до 55лет; 18% - 55 лет и выше;

Категория 3 (Часто ли вы покупаете продукцию от компании «КУП "Минскхлебпром"»?): подсчёт показал, что 40% опрошенных покупают хлеб каждый день; 39% - один раз в два-три дня; 15% покупают хлеб один раз в

неделю; 6% покупают хлеб очень редко;

Категория 4 (Устраивает ли вас качество нашей продукции?): 91% опрошенных сказали, что качество продукции компании «КУП "Минскхлебпром"» их полностью устраивает; 9% опрошенными, был дан ответ о том, что качество продукции их устраивает не всегда;

Категория 5 (Где кроме магазина «Веста» вы ещё приобретаете хлебобулочные изделия?): на данный вопрос 18% ответили, что хлеб они приобретают в с-те «Виктория», помимо торговых точек «Русский хлеб»; 5% приобретают хлеб в «Виктории» и в «Вестере»; 17% - в «Виктории», «Вестере» и в ларьке рядом с домом; 9% - в «Виктории» и в ларьке рядом с домом; 10 % приобретают хлеб в магазинах «Виктория», «Вестер», «Седьмой континент», «Копилка» и «Квартал»; 9% - в «Вестере» и ларьке рядом с домом; 12% покупают хлеб во всех предложенных торговых точках и магазинах; 17% нигде не покупают хлебобулочные изделия, кроме магаз 3 % приобретают хлеб в ларьках рядом с домом;

Категория 6 (Как бы вы отнеслись к появлению зернового хлеба с добавлением витаминов?): 52% положительно отнесутся к появлению нового хлеба с витаминами; 48% сказали, что им всё равно;

Категория 7 (Какой хлеб вы стали бы покупать?): из тех людей, которые положительно отнесутся к появлению «витаминного» хлеба 64% стали бы покупать оба вида нового хлеба; 21% опрошенных купил бы хлеб из проросшей пшеницы с добавлением йода и магния; 15% - хлеб с добавлением витаминов группы В (В1, В2, В4, В6);

Категория 8 категория (Хотелось бы вам, чтобы хлеб «Зерновой Новый» был фасован по-другому?): 25% хотят чтобы хлеб «Галицкий» был расфасован по четвертинкам; 17% за то чтобы увеличить вес хлеба; 58% опрошенных безразлично будет ли меняться фасовка хлеба;

Категория 9 (Среднедушевой доход в семье): 37% - 1000 – 5000 руб.; 47% - 5000 – 7500 руб.; 16% - 7500 – 10000 руб. Прежде чем приступать к любому анализу переменной, всегда неплохо разобраться в смысле её распределения.

Часто распределение лучше всего представить наглядно с помощью гистограммы, представляющей собой определённую форму столбчатой диаграммы, в которой последовательные значения переменной размещаются по оси Х, а частота появления значения указывается по оси Y.

Ниже будут представлены гистограммы по двум наиболее важным переменным: первая – какай из нового хлеба будут брать в большем объёме, вторая показывает отношение людей к изменению фасовки хлеба «Зерновой Новый».

 

Рис. 2

Источник: [].

 

Данная гистограмма наглядно показывает, что большинству потребителей хотелось бы увидеть в продажи оба вида «витаминного» хлеба, также из неё видно что с небольшим отрывом большей популярностью пользуется хлеб из проросшей пшеницы с добавлением йода и магния.