В данной статье мы остановимся на практических аспектах реализации технологии сегментирования.
Технология сегментирования предусматривает выполнение следующих этапов:
• Определение данных для сегментирования.
• Шкалирование данных.
• Принятие гипотезы о числе выделяемых сегментов.
• Выбор переменных сегментирования.
• Кластеризация объектов (потребителей).
• Анализ перекрытий сегментов (спорных объектов).
• Выделение факторов — сжатие данных.
• Исследование маркетинговых свойств целевых сегментов.
Ниже мы рассмотрим вопросы реализации этих этапов. Аналитику целесообразно учитывать ниже приводимые рекомендации независимо от того, какие вычислительные инструменты он будет использовать при решении задачи сегментирования.
Прежде всего мы должны сказать, что изучение потребителей по многим параметрам невозможно без широкого применения компьютеров и специализированного программного обеспечения.
Большую помощь аналитику в исследованиях потребителей может оказать универсальное программное обеспечение MS Excel. Этот инструмент хорошо известен всем маркетологам. Таблицы, диаграммы и графики, создаваемые в среде MS Excel, позволяют выразительно представить результаты выполненных исследований.
Однако для выполнения статистического анализа многопараметрических данных о потребителях возможностей MS Excel может быть недостаточно. Необходимо привлекать более мощные статистические пакеты, например, SPSS, Statistica и др. Названные пакеты широко используются во всем мире для выполнения статистического анализа данных, в том числе и при решении задач сегментирования. Однако, несмотря на широкую известность этих пакетов, они весьма сложны для применения. Они универсальны и требуют от маркетолога хороших знаний математической статистики.
Есть еще одна проблема, с которой сталкивается маркетолог, желающий применить универсальные статистические пакеты для изучения сегментной структуры рынка. Проблема состоит в большой трудоемкости использования отдельных вычислительных методов при полномасштабном изучении сегментной структуры. Отдельные этапы сегментного анализа маркетолог может качественно выполнить в любом универсальном статистическом пакете, а результаты представить в MS Excel. Однако даже анализ одного варианта сегментирования может занять у него слишком много времени, чтобы он решился рассмотреть различные альтернативные подходы и попытался найти лучший способ сегментации потребителей. Безусловно, что качество проводимого исследования от этого страдает.
Временные затраты на комплексное изучение сегментной структуры маркетолог сможет уменьшить, если он воспользуется специализированным программным продуктом, который разработан для решения задач сегментирования. Главное достоинство специализированного программного обеспечения, созданного для решения задач сегментирования, состоит в том, что работа маркетолога организуется в строгом соответствии с логикой исследования, заложенной в алгоритмах программы. Это значительно ускоряет работу и снижает требования к уровню математической подготовки маркетолога.
Ниже мы рассмотрим последовательность действий, которые маркетолог должен предпринять для решения задачи сегментирования потребителей. Эти действия мы определим формально, т. е. установим структуру входных и выходных данных, а также определим применяемый вычислительный метод. Указанные действия маркетолог может выполнить с применением любого программного продукта. Например, можно воспользоваться MS Excel и любым статистическим пакетом, в котором реализован кластерный анализ, факторный анализ, дисперсионный анализ. Этих вычислительных средств достаточно чтобы реализовать рассматриваемую технологию сегментирования. Здесь же отдельные процедуры сегментирования мы проиллюстрируем с помощью программной технологии КонСи. Данная технология в отличие от разрозненных статистических процедур обеспечивает комплексное изучение сегментной структуры.
Итак, рассмотрим отдельные этапы технологии сегментирования и вопросы их реализации на компьютере.
На первом шаге необходимо определить объекты сегментирования. Объектом изучения являются потребители. Потребители должны иметь уникальные имена.
Далее необходимо определить набор переменных, с помощью которых следует описать изучаемые свойства потребителей. Если вы ставите перед собой задачу позиционирования товаров, то следует определить изучаемые свойства товаров.
После определения потребителей и переменных следует подготовить числовые данные по всем переменным. Чаще всего эти данные переносятся с бумажных анкет в таблицу MS Excel.
При изучении накопленных баз данных численные значения о потребителях извлекаются программных способом и также представляются в виде таблиц MS Excel.
При подготовке исходных таблиц с данными о потребителях необходимо решить проблему «пустых» ячеек. Эта проблема решается методами, рассмотренными в пункте «Анализ пропусков в данных». После подготовки исходные данные автоматически загружаются в специализированную программу для кластеризации и изучения факторов.
Задавайте вопросы нашему консультанту, он ждет вас внизу экрана и всегда онлайн специально для Вас. Не стесняемся, мы работаем совершенно бесплатно!!!
Также оказываем консультации по телефону: 8 (800) 600-76-83, звонок по России бесплатный!
Исходные значения по переменным сегментирования могут быть представлены в различных шкалах. Это серьезно затрудняет их обработку статистическими методами. Для обеспечения сопоставимости значений переменных целесообразно выполнить их шкалирование. Шкалирование позволяет придать изучаемым значениям переменных дополнительную семантику. Это облегчает аналитику работу по объяснению маркетинговых свойств выделяемых сегментов.
Для построения шкал можно применить различные методы:
• анализ предпочтений одних значений перед другими (например, с помощью алгоритма Черчмана-Акоффа);
• ручное шкалирование. Балльные оценки назначаются отдельным значениям переменных;
• интервальное шкалирование. Область изменения значений переменной разбивается на заданное количество интервалов, и каждому интервалу ставится в соответствие своя балльная оценка.
После определения шкал для переменных при сегментировании объектов (в процедурах кластеризации и факторного анализа) можно использовать шкалированные значения переменных.
Принятие гипотезы о числе сегментов
Сегментирование предполагает разбиение множества потребителей на схожие группы (сегменты). При этом может быть построено различное число сегментов, а в сегменты могут быть включены различные подмножества объектов. Таким образом, процедура сегментирования может дать различные варианты построения сегментов.
При определении варианта сегментирования необходимо задать вид сегментации. Вид сегментации отражает вашу гипотезу о количестве сегментов, которые следует выделить из множества анализируемых объектов. В начале исследования аналитик может иметь сложности с определением семантики выделяемых сегментов. Поэтому ему целесообразно ограничиться только гипотезой о количестве выделяемых сегментов. На последующих этапах исследования аналитику надлежит выяснить маркетинговый смысл каждого выделенного сегмента.
Итак, для каждого сегмента следует задать название. Обратим внимание читателя, что на этом шаге аналитик не может сказать, какие именно потребители будут входить в тот или иной выделяемый кластер. Поэтому он может использовать гипотетические названия. После изучения семантики выделенных групп аналитик сможет дать им имена, которые будут иметь вполне определенный маркетинговый смысл.
Выбор переменных сегментирования
Перед кластеризацией объектов для каждой переменной сегментирования необходимо задать коэффициент важности, который показывает степень участия этой переменной в построении мер схожести.
Вы можете задать коэффициенты важности переменных вручную или воспользоваться алгоритмом анализа предпочтений Черчмана-Акоффа. При формировании кластеров коэффициенты важности будут учтены в мерах близости потребителей друг к другу.
После определения переменных сегментирования вы можете выполнить кластеризацию объектов.
очку в пространстве переменных или в списке изучаемых объектов, ы можете просмотреть значения его переменных и вручную отнести потребителя к одному из сегментов.
Когда изучаются сотни и тысячи потребителей, мы рекомендуем для автоматической кластеризации применить Kmeans метод. Следует определить параметры метода: число итераций и способ определения начальных центров кластеров.
Начальные центры кластеров можно задать двумя способами:
• применить метод автоматического поиска центров кластеров. В этом случае следует задать такие параметры метода, как число случайных выборок и объем выборки;
• задать центры кластеры экспертно, на основе ваших знаний о принадлежности некоторых объектов кластерам.
Анализ перекрытий сегментов
Аналитику рекомендуется самостоятельно проанализировать математические характеристики кластеров и объектов:
• расстояние от объекта до центров кластеров,
• радиус кластеров,
• СКО (среднеквадратичное отклонение) и т. д.
Также аналитик может изучить математические характеристики кластеров по каждой переменной:
• минимум;
• максимум;
• среднее значение;
• интервал разброса средних значений — от (Центр СКО) до (Центр + СКО).
На основе значений этих характеристик следует сделать вывод, к каким кластерам следует отнести спорные объекты.
Выделение факторов — сжатие данных
Обычно потребители как объекты изучения описываются несколькими десятками исходных переменных. В пространстве исходных переменных кластеры могут не иметь четкой структуры, и аналитику бывает трудно их интерпретировать.
Для интерпретации кластеров и для получения более плотных кластеров можно применить «сжатие» информации с помощью процедуры факторного анализа. При реализации факторного анализа вы можете определить количество значимых факторов. Для выделенных факторов выводится матрица факторных нагрузок. Для определения числа значимых факторов вы можете воспользоваться процентом объясняемой дисперсии и диаграммой собственных чисел.
Выделенные факторы являются обобщенными критериями, т. е. каждый из них содержит информацию сразу о нескольких переменных.
После проведения факторного анализа следует выполнить кластеризацию по выделенным факторам. В пространстве факторов кластеры приобретают более компактную, четкую форму.
Для изучения выделяемых сегментов целесообразно применить следующие методы:
• Анализ параметров потребителей из сегментов.
• Оценка влияния переменных на результаты кластеризации.
• Сопоставление профилей сегментов.
• Позиционирование товаров на сегментах.
• Анализ стратегического потенциала сегментов.
Позиционирование товаров на сегментах
Перед выполнением этого вида анализа необходимо построить кар ту позиционирования. Для этого необходимо определить хотя бы пар интерпретирующих критериев — главных факторов (метод главный компонент) или функций полезности, в осях которых будет отображены товары и сегменты.
На карте восприятия можно отобразить следующие элементы:
• Объекты.
• Центры и названия сегментов.
• Товары.
• Окружности, представляющие сегменты (но радиусу или средне квадратичному отклонению).
• Огибающие кривые, которые очерчивают потребителей, отнесенных к сегменту.
• Оси частных критериев (т. е. переменных, на множестве которых были построены факторы или функции полезности).
Анализ стратегического потенциала сегментов
При выполнении этого вида анализа целесообразно построить матричную модель потенциала сегментов. При построении модели сегменты следует представить на плоскости в виде круговых диаграмм.
Для модели потенциала сегментов можно использовать от двух д четырех интерпретирующих критериев.
Третий критерий определяет размер диаграммы. Следует выбрать интерпретирующий критерий и определить функцию расчета значений этого критерия по каждому сегменту.
Четвертый критерий задает размер сектора диаграммы. Сектор диаграммы соответствует доле рынка, занятой вашей фирмой. При выборе данной переменной в качестве сектора диаграммы необходимо указать интервал изменения значений этой переменной. Согласно указанному диапазону будут найдены те объекты, которые являются вашими клиентами. Автоматически определяется диапазон изменения данной переменной по всем сегментам. Вам необходимо указать часть этого интервала, чтобы определить значения переменной, которые соответствуют вашим клиентам.
После задания всех параметров модели необходимо проанализировать значения критериев, которые были вычислены для каждого сегмента. Перед отображением сегментов в виде диаграмм на матричной модели необходимо произвести предварительную подготовку данной таблицы. Значения критериев должны быть неотрицательны. Поэтому целесообразно произвести «шкалирование» значений критериев. Следует назначить значениям критериев балльные оценки. Автоматически, по умолчанию, все отрицательные значения становятся положительными.
После подготовки исходных данных для модели потенциала положение сегментов можно визуализировать на критериальной плоскости. Аналитику следует выбрать размеры «сетки» для исследуемой модели и дать интерпретацию положения сегментов в терминах маркетинговых стратегий.
На край стола поставили жестяную банку, плотно закрытую крышкой, так, что 2/3 банки свисало со стола. Через некоторое время банка упала. Что было в банке?
Статью подготовил ведущий маркетолог-аналитик Воронов Валерий Иванович. 
