Обработка результатов анкетирования
Собранные данные сводятся в табл. Таблица 14 и Таблица 15. В них дан пример ответов пяти респондентов, на котором и рассматривается процесс расчетов.
Эти таблицы удобно ввести в Excel для дальнейшей обработки, которая заключается в построении еще двух таблиц.
В табл. Таблица 16 рассчитывается оценка неудовлетворенности респондентов:
Dij = Smax – Sij,
Рис. 5. Образец анкеты 2.
Таблица 14
Оценки важности характеристик товара респондентами. Пример
| Респондент | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| Цена | 1 | 3 | 5 | 4 | 2 | … | ||||
| Долговечность | 2 | 3 | 4 | 5 | 1 | … | ||||
| Удобство использования | 5 | 4 | 3 | 1 | 3 | … | ||||
| Внешний вид | 5 | 5 | 5 | 5 | 5 | … | ||||
| Потребляемая мощность | 1 | 1 | 1 | 1 | 1 | … |
Таблица 15
Оценки респондентами характеристик лучшего из товаров-аналогов. Пример
| Респондент | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| Цена | 4 | 4 | 2 | 5 | 1 | … | ||||
| Долговечность | 3 | 3 | 3 | 3 | 3 | … | ||||
| Удобство использования | 5 | 1 | 3 | 2 | 4 | … | ||||
| Внешний вид | 5 | 4 | 3 | 2 | 1 | … | ||||
| Потребляемая мощность | 1 | 2 | 3 | 4 | 5 | … |
Таблица 16
Оценки неудовлетворенности респондентов. Пример
|
|
|
| Респондент | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| Цена | 1 | 1 | 3 | 0 | 4 | … | ||||
| Долговечность | 2 | 2 | 2 | 2 | 2 | … | ||||
| Удобство использования | 0 | 4 | 2 | 3 | 1 | … | ||||
| Внешний вид | 0 | 1 | 2 | 3 | 4 | … | ||||
| Потребляемая мощность | 4 | 3 | 2 | 1 | 0 | … |
Таблица 17
Оценки взвешенной неудовлетворенности респондентов. Пример
| Респондент | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| Цена | 1 | 3 | 15 | 0 | 8 | … | ||||
| Долговечность | 4 | 6 | 8 | 10 | 2 | … | ||||
| Удобство использования | 0 | 16 | 6 | 3 | 3 | … | ||||
| Внешний вид | 0 | 5 | 10 | 15 | 20 | … | ||||
| Потребляемая мощность | 4 | 3 | 2 | 1 | 0 | … |
где Dij – неудовлетворенность i-го респондента j-й характеристикой; Smax – максимальная оценка удовлетворенности (в предлагаемом варианте опроса она равна 5); Sij – оценка удовлетворенности i-го респондента j-й характеристикой (в предлагаемом варианте опроса берется из табл. Таблица 15 и находится в пределах от 1 до 5).
Табл. Таблица 17 содержит оценку взвешенной неудовлетворенности:
|
|
|
Wij = Dij × wij,
где Wij – взвешенная неудовлетворенность i-го респондента j-й характеристикой; wij – важность для i-го респондента j-й характеристики (в предлагаемом варианте опроса берется из табл. Таблица 14 и находится в пределах от 1 до 5).
Объясните, почему берется именно взвешенная неудовлетворенность.
Генерация идей нового товара по собранной информации
Апостериорное сегментирование, проводимое по взвешенной неудовлетворенности, имеет целью выделить такой сегмент, который было бы легко удовлетворить с выгодой для организации-производителя[1]. Перспективны сегменты, которые не удовлетворены одной-двумя характеристиками.
Есть характеристики, которые легко можно поменять (цвет), которые поменять сложнее (форму), и которые поменять очень трудно (долговечность или мощность мотокультиватора). В данном проекте сложность внесения изменения не рассматривается.
Скорее всего,
· разные потребители не удовлетворены различными характеристиками;
· встречаются потребители:
· довольные всеми характеристиками. Они уже нашли свой продукт, хотя, может быть, этот продукт производят конкуренты;
· недовольные только одной-двумя характеристиками. Это очень перспективные потребители, так как повысить их удовлетворенность можно довольно недорого;
|
|
|
· недовольные большим числом характеристик. Эти потребителя вряд ли могут рассматриваться как объект наших усилий, так как повысить их удовлетворенность очень трудно. Их не следует объединять с предыдущей группой, даже если они и не удовлетворены одной и той же характеристикой. Если изменить эту характеристику, удовлетворенность второй группы повысился, а неудовлетворенность третьей все равно останется высокой.
· улучшение какого-либо параметра, положительно воспринимаемое рядом потребителей, может не понравиться другим потребителям.
Поэтому требуется некоторая группировка потребителей, их предварительное сегментирование.
3.4.1. Выбор улучшаемых характеристик можно сделать непосредственно по данным о взвешенной неудовлетворенности. Это нетрудно, если число респондентов не превышает 10.
1.Если какая-либо характеристика сильно не удовлетворяет всех или подавляющее большинство респондентов, улучшить ее целесообразно только в том случае, если есть достаточно большое количество респондентов, недовольный только этой характеристикой. В противном случае улучшение будет бесполезным, так как общая неудовлетворенность каждого конкретного потребителя снизится незначительно.
|
|
|
2.Если выделяется группа респондентов, недовольных одной-двумя характеристиками, то улучшение этих характеристик позволит удовлетворить сегмент, в который входят эти потребители. Существующие товары не следует снимать с производства, так как не исключено, что новый товар перестанет удовлетворять тех потребителей, которые довольны нашей продукцией.
3.Если вариантов 1 и 2 нет, следует найти хотя бы одного потребителя, сильно недовольного только одной-двумя характеристиками.
3.4.2.При большом (от 10 до 50…100) количестве опрошенных используется кластерный анализ. Он поможет показать, какие группы имеются среди исследованных элементов, насколько тесно расположены элементы внутри группы и насколько далеко друг от друга находятся эти группы. Идеи и принципы кластерного анализа описаны в [5]. Проделать такой анализ можно с помощью программы SPSS. Этот раздел выполняется, если имеется возможность работы на компьютере, на котором установлен пакет SPSS 11.5.
Дистрибутив этого пакета программ занимает порядка 120М байт дискового пространства, а установленное программное обеспечение – 160М байт. Использование данного пакета обусловлено его широким распространением в нашей стране для профессиональных исследований, удобством работы, высокой интуитивностью интерфейса, а также наличием большого числа программ сопровождения: разработчика анкет, построителя деревьев классификации, реализующего мощный метод DataMiningи других.
Более новые пакеты более «тяжелы» не только по размеру, но и по количеству опций. Изучить их можно по системе помощи или учебникам.
Как и любой математический метод, кластерный анализ не гарантирует получение «красивого» результата, но поможет по-новому взглянуть на имеющиеся данные, выявить в них неочевидные закономерности (в данном случае – наиболее похожих респондентов), даст последовательность рассмотрения потребителей для их сегментации.
Начинать поиск перспективного сегмента следует именно с наиболее похожих друг на друга респондентов. Если окажется, что они образуют один сегмент, уверенность в правильность выбора повысится.
Однако данное исследование имеет лишь поисковый характер и нельзя говорить о размере выявленного сегмента. Если даже будет найден один перспективный респондент, а не два, вывод от этого не изменяется: среди опрошенных есть потребители, схожие с выбранным. А точный размер сегмента определяется в ходе дополнительного исследования.
Предложите план исследования, которое поможет определить размер выбранного сегмента.
1.ЗапуститеSPSS (ПускàПрограммыàSPSSforWindowsàSPSS 11.5 forWindows).
2.Если откроется окно начального диалога с рамкой Whatwouldyouliketodo?(что Вы собираетесь делать), выберите опцию Typeindata(вводить данные).
3.Введите данные (их итоговый вид показан на рис. Рис. 6. Данные вводятся из таблицы взвешенной неудовлетворенности. Строки будут соответствовать характеристикам, а столбцы – респондентам. Для примера введены данные из первых пяти столбцов табл. Таблица 17.). Следите за тем, чтобы ввод производился начиная с верхней левой ячейки листа Dataview(просмотр данных).
В организации диалога SPSS много общего с программой Excel. Собранные в результате исследования данные хранятся в таблице Dataview(просмотр данных, рис. Рис. 6). Столбцы этой таблицы называются Variables(переменные), а строки – Cases(наблюдения).
Для описания характеристик таблицы данных, в первую очередь – ее формата, служит таблица Variableview(просмотр переменных, рис. Рис. 7), расположенная в том же окне. Для перехода от одной таблице к другой используются ярлыки, подобные ярлыкам рабочих листов в Excel.
4.Число строк таблицы Variableviewсоответствует числу переменных (столбцов таблицы на листе Dataview), а имена столбцов фиксированы. Первый столбец таблицы Variableviewназывается Name(имя переменной). Это имя помещается в заголовок столбца первой таблицы аналогично заголовку столбца Excelи должно начинаться с буквы. Для обеспечения возможности ввода русских букв надо выбрать ViewàFontsà Набор символов à Кириллица. Здесь же можно изменить шрифт, его размер и написание букв (не рекомендуется). Второй столбец, имеющий название Type, содержит тип данных. В примерах будут использованы типы Numeric(числовой), String(строковый). Третий столбец, под заголовком Width(количество символов), предназначен для задания количества символов в столбце данных. Обычно его значение остается тем, которое задано по умолчанию. То же относится и к остальным столбцам.ВыберитеAnalyzeàClassifyàHierarchicalcluster… (АнализироватьàКлассифицироватьàИерархическийкластерный [анализ]).
5.В появившемся окне перенесите все переменные, кроме первой, в поле Variable(s) из крайнего левого безымянного поля.
Выбор переменных – типовая операция, с которой начинается практически всякая задача анализа данных. Работа со списком переменных основывается на тех же принципах, что и работа с файлами и папками в Проводнике: одна переменная выделяется щелчком мыши, несколько – последовательными щелчками при нажатой клавише Ctrl или щелчком по первой из выделяемых переменных, а затем – по последней при нажатой клавише Shift.
Для переноса выделенных переменных в нужное поле нажмите кнопку со стрелкой, расположенную левее этого поля.
Рис. 6. Окно SPSS, лист Data view
Рис. 7. Окно SPSS, лист Variable view
6.В рамке Clusterвыберите радиокнопку Variables(переменные), так как группироваться будут респонденты, а им соответствуют столбцы. В рамке Display(отображение) снимите флажок Statistics(статистики), чтобы не перегружать окно результатов.
7.Задайте режимы вывода графической информации. Для этого щёлкните по кнопке Plots... (Диаграммы). Установите флажок Dendrogram(древовидная диаграмма). Посредством радиокнопки None(Нет) в рамке Icicle(сосулькообразная [диаграмма]) отмените вывод диаграммы кластеризации.
Для выхода из окон задания режима используется кнопка Continue (продолжить). Для запуска вычислений после задания всех параметров – кнопка OK.
Для отмены изменений, введенных в окно, или отказа от анализа – кнопка Cancel(отменить).
8.Вызовите окно задания метода кластеризации, нажав кнопку Method… В поле Clustermethod(метод кластеризации) выберите Furthestneighbor(самый далекий сосед) , в рамке Measure(мера [расстояния]) около выделенной радиокнопки Interval(интервальная [шкала]) выберите SquaredEuclidiandistance(квадрат евклидова расстояния) .
Рассмотрите результаты других мер расстояний и правил кластеризации, пригодных для данного случая. Мера расстояния Pearsoncorrelation(корреляция Пирсона) не совсем пригодна для данного случая (объясните, почему). Можно попробовать меру расстояния [Manhattan] Block(«Кварталы Манхэттена»), а также простую кластеризацию(Nearest neighbor, ближайший сосед).
Не все маркетологи согласны с тем, что балльные оценки представляют собой интервальную шкалу.
- Приведите альтернативные мнения.
- Используйте меры расстояния, пригодные для альтернативных шкал балльных оценок. Сравните результаты с ранее полученными.
9.Выполните анализ. Вернувшись в главное диалоговое окно, начните расчёт нажатием кнопки ОК. Результат будет находиться в окне результатов анализа. Дендрограмма кластеризации с мерой квадратичного евклидова рас-стояния дана на рис. Рис. 8.
Рис. 8. Дендрограмма кластеризации респондентов
(мера – квадратичное евклидово расстояние)
Окно результатов открывается автоматически и служит для последовательного вывода всех полученных результатов. Если Вы хотите начать вывод заново, можно закрыть это окно. Результат можно также сохранить как файл специального типа. Рекомендуемый способ работы с окном результатов: если вид дендрограммы понятени схож с рис. Рис. 8 (SPSS 11.5, SPSS 19), можно сделать снимок рисунка клавишей PrtScrи вставить в MSWord. Если же рисунок искажен (SPSS 17), то следует скопировать его, вставить в MSWordи установить шрифт Courierили другой моноширинный.
Еще один, наиболее универсальный способ приводится ниже.
Результат кластеризации лучше всего сохранять как рисунок. Для сохранения полученных результатов выполните следующие действия:
1)выделите дендрограмму щелчком мыши;
2)для копирования в буфер обмена пользуйтесь опцией Copy контекстного меню;
3)вставку в MSWordпроизводите через Правка à Специальная вставка;
· если доступен режим вставки Объект à Точечный рисунок, воспользуйтесь им;
· если доступен только текстовый режим, проще всего вернуться в SPSS, убедиться, что дендрограмма видна полностью, «сфотографировать» экран нажатием клавиши PrtScr, вставить содержимое буфера в графический редактор, вырезать фрагмент, содержащий дендрограмму, и вставить его в Word.
10.Выделите по дендрограммам кластеры респондентов, которые могут стать основой сегментов.
Дендрограмма визуализируют процесс слияния элементов в кластеры. Они показывают состав кластеров и значения коэффициентов на каждом шаге, приведенные к условной шкале от 0 до 25.
Некоторые типы дендрограмм представлены на рис. Рис. 9.
Рис. 9. Основные виды дендрограмм
Рис. Рис. 9, б аналогичен, но элемент 5 дальше от расположенных близко друг к другу элементов 2 и 4. Поэтому рассматривать следует:
- пару 1—3;
- пару 2—4;
- отдельно элемент 5 .
Возможность того, что тройка 2—4—5 окажется перспективной, мала. Если выбрана мера квадратичного евклидова расстояния и используется метод дальнего соседа, то оказывается, что уровень, когда можно рассматривать тройку 2—4—5 составляет 25% от максимального расстояния между кластерами.
Рис. Рис. 9, в показывает ситуацию, когда элементы 1 и 3 расположены рядом, элемент 2 близок к элементу 4, но элемент 5 расположен далеко от всех других. Таким образом, видны три кластера. Рассматриваются:
- пара 1—3;
- пара 2—4;
- отдельно элемент 5.
Наконец, рис. Рис. 9, г не показывает наличия компактных групп.
Можно рассматривать
- пару 1—3, если расстояние между объектами менее 25% от максимального;
- в случае успеха и если расстояние между кластером 1—3 и элементом 2 не превышает 25% максимального – тройку 1—3—2, и т. д.;
- оставшиеся элементы – отдельно.
3.4.3. Сегментирование на основе результатов кластерного анализа проводится по табл. Таблица 17, отражающей взвешенную неудовлетворенность. Следует пометить кластеры, выделенные в качестве основы сегментов, и рассмотреть ответы респондентов из одного кластера более детально. В рамках данного проекта не нужно проводить полное сегментирование, достаточно лишь выбрать сегмент, для которого будет проведена разработка товара.
· Если респонденты одного кластера схожи в своей высокой удовлетворенности существующим товаром, то они образуют сегмент наших сторонников. Лучше пока оставить для них существующий товар.
· Если респонденты сильно не удовлетворены почти всеми характеристиками товара, то их тоже лучше пока не рассматривать, так как сделать их лояльными к нашему товару будет непросто.
· Если в выделенном кластере выделяется одна-две характеристики, которые не нравятся респондентам, а другие характеристики оцениваются неплохо, то это хороший сегмент для дальнейшей работы. Постарайтесь найти кластер последнего типа, взять его за основу сегмента и изменять товар таким образом, чтобы он стал более привлекательным только для этого сегмента.
· Если это не удается сделать, выберите сегмент по кластеру, состоящему из потребителей, не удовлетворенных несколькими параметрами, и выделите две-три характеристики, которые можно изменить легче других.
· Наконец, если в таблице взвешенной неудовлетворенности все значения малы (то есть все респонденты практически всем довольны), то Вам придется самостоятельно генерировать идею нового товара.
Обратившись к табл. Таблица 17, можно увидеть, что респонденты 4 и 5, образующие кластер, не удовлетворены внешним видом товара.
А вот респондента 1 внешний вид устраивает полностью. Это – типичная ситуация.
Другие же характеристики не показывают связи с выделенными сегментами. Таким образом, на основе кластеризации можно сделать вывод о необходимости улучшения внешнего вида, что повысит удовлетворенность нескольких респондентов.
Обычно выделяется несколько вариантов возможных улучшений. Для выбора варианта можно воспользоваться следующими простыми критериями.
1.Максимум улучшений. Допустим, что, взявшись за улучшение некоторой характеристики товара, мы полностью удовлетворим выбранный сегмент, то есть неудовлетворенность станет равной нулю. Определяется, на сколько баллов снизится взвешенная неудовлетворенность в сегменте. Например, изменив внешний вид, для опрошенных в качестве примера респондентов, мы уберем 15 баллов неудовлетворенности респондента 4 и 20 – респондента 5. Суммарное повышение удовлетворенности составит 35 баллов.
2.Минимум оставшейся неудовлетворенности. Неудовлетворенность респондента 4 составит после улучшений внешнего вида 14, а респондента 5 – 13, в среднем 13,5. Если же изменить удобство использования, чтобы удовлетворить респондента 2, то его неудовлетворенность останется равной 17, что хуже.
3.Процент снижения неудовлетворенности. У респондента 4 неудовлетворенность снизится с 29 до 14, снижение составит (29 - 14) / 29 × 100% = 52%, для респондента 5 – 61%, в среднем для двух респондентов – 57%. А для респондента 2 при изменении удобства пользования – 48%, что хуже.
Второй и третий способ не учитывают размера сегментов и лучше работают, если в сегмент отобран один респондент.
Предложите
- Модификацию критериев 2 и 3, учитывающие количество респонден-тов.
- Сложный критерий, учитывающий несколько простых.
Далее работа производится только для выбранного сегмента. Укажите точно, кто из опрошенных входит в него. Но все же отметьте в отчете, кому из опрошенных нововведения могут понравиться, а кому – нет:
- улучшат ли предполагаемые изменения удовлетворенность товара в других сегментах и насколько сильно;
- могут ли изменения в выбранных характеристиках отрицательно повлиять на удовлетворенность товаром в других сегментах.
3.4.4. Для окончательного выбора отобранных характеристик они анализируются на предмет полезности, а также легкости изменения.
Начинайте с поиска наиболее простых улучшений предварительно отобранных характеристик: изменения размера, если все респонденты желают, например, чтобы товар стал более компактным; введения новой функции товара, если ее не хватает потребителям из выбранного сегмента. Затем определите, какие изменения сделать более сложно. Например, если респонденты отметили, что они не удовлетворены внешним видом замка, причем одни хотят, чтобы он выглядел современным, а другие предпочитают замки «под старину», то, может быть, разработать один механизм замка и набор накладок к нему .
Многие респонденты указывают, что им не нравится внешний вид, но не могут дать предложения по его улучшению. В этом случае задача выходит на уровень креативной, а в данном проекте лучше взять другую характеристику.
В последнюю очередь рассматривайте радикальные изменения товара, такие как значительное изменение функциональных характеристик (число степеней защиты замка). Это потребует серьезной конструкторской разработки.
При разработке улучшений обязательно следует рассмотреть их реальность. В настоящее время электрочайник на батарейках или аккумуляторах невозможен, так как они не могут хранить достаточно энергии. Небольшой чайник, питаемый от прикуривателя автомобиля и разогреваемый во время движения, реален: при работе двигателя работает генератор, хотя и имеющий ограниченную мощность.
В итоге следует точно указать:
· для кого проводится разработка;
· какие характеристики меняются.
Окончательно должны быть выбраны не более двух улучшаемых характеристик.
В примере изменяемой характеристикой является внешний вид, поэтому следует обратиться к анкете для анализа пожеланий респондентов. Пусть они указали, что хотят видеть более современный товар. Это пожелание и становится основой разработки.
Дата добавления: 2018-04-04; просмотров: 1393; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!