статистические методы вкладки данных

  1. 1. Обработка данных
  2. 1.1 Простая таблица
  3. 1.2 Сложная табуляция
  4. 2. Значимые тесты
  5. 3. Анализ TURF
  6. 4. Другие статистические методы
  7. 5. Анализ данных: изучение различий
  8. 6. Анализ данных: составной тест
  9. 7. Резюме - Использование компьютеров в исследованиях

Маркетинговые исследования

Маркетинговые исследования

Referujący:

Петр Гнациковский II группа

Павел Антонюк группа II

Ежи Гирасимюк II группа

Рамочный план работы

1. Обработка данных

1.1 Простая таблица
1.2 Сложная табуляция

2. Значимые тесты

3. Анализ TRUF

4. Другие статистические методы

5. Анализ данных: изучение различий

6. Анализ данных: составной тест

7. Резюме - Использование компьютеров в исследованиях

8. Библиография

1. Табулирование данных

Табулирование данных - это представление данных (информации) в виде таблицы.

Контроль измерений состоит в проверке того, сколько единиц, охваченных тестом, получили ответ, а также являются ли они полными и не содержат логических ошибок. Это действие должно быть выполнено следователем, и если это возможно и необходимо, это должно привести к тому, что респондент должен заполнить пробелы и исправить ошибки.

Классифицированные и подсчитанные данные переносятся на листы, в которых они принимают форму статистических рядов. Если данные, полученные из ответа на один вопрос (относительно одной переменной), расположены в виде массива, то это простая вкладка. Однако если данные из ответа на два или более вопроса (две или более переменных) упорядочены в одной таблице, то создаются два или более распределения, которые образуют составную вкладку.

1.1 Простая таблица

Основным условием простого табулирования является наличие только одного признака (переменной) независимо от того, является ли это измеримой или неизмеримой характеристикой.

Ведение простой вкладки требует хорошего знания правил составления статистических рядов. Распределительные и накопительные ряды, а также временные и пространственные ряды используются наиболее часто. Подробные ряды, с другой стороны, представляют собой неупорядоченные наборы данных.

1.2 Сложная табуляция

Основным условием табличного (многомерного) табулирования является наличие как минимум двух признаков. Простейшим примером вкладки с несколькими вкладками является двусторонняя вкладка, примером которой является Таблица 5.5.

ТАБЛИЦА 5.5

Составная вкладка используется в основном для анализа причинно-следственных связей между конкретными переменными. Если для табулирования используются данные, полученные из номинального или порядкового измерения, эти данные анализируются с использованием методов табличного анализа. Данные интервального или пропорционального измерения анализируются с использованием методов регрессионного анализа.

Как простые, так и сложные таблицы предоставляют упорядоченные данные, готовые для дальнейшего количественного анализа, независимо от того, является ли это ручным или компьютерным анализом.

2. Значимые тесты

Понятие табулирования данных, а также использование статистических методов связано с концепцией значимости тестов.

Данные опросов всегда должны подвергаться проверкам существенности.

«Тест значимости говорит нам, есть ли разница между наборами данных. Это дешевая, простая компьютерная процедура, и мы всегда должны убедиться, что она используется для анализа данных наших исследований ».

При обсуждении значимых тестов нельзя не упомянуть уровень достоверности. Уровень достоверности относится к вероятности получения одинаковых результатов в случае повторного дублирования абсолютно одинаковых тестов. Например, когда у нас есть уровень достоверности 95%, это означает, что у нас есть вероятность 95%, что результаты, полученные в исследовании, не изменятся в случае повторного тестирования более чем на предел статистической погрешности. Таким образом, существует только 5% вероятность того, что результаты будут отличаться в случае повторного тестирования.

Следует помнить, что при определении соответствующего числа респондентов, охваченных исследованием, всегда следует принимать во внимание фактор стоимости. Однако выбор слишком маленького образца может оказаться такой же потерей, как и проведение испытаний на слишком большом образце.

Проведение тестов значимости на данных анкетных опросов является надлежащей и недорогой практикой. Это единственный способ определить, отличаются ли результаты, полученные в разных группах респондентов, друг от друга.

3. Анализ TURF

Анализ TURF был разработан для кампаний в средствах массовой информации, а затем разработан таким образом, чтобы его можно было использовать в других областях. Это статистическая модель, которая позволяет найти ответы на следующие вопросы:

  • где мы должны размещать рекламу, чтобы охватить максимально широкую аудиторию?
  • насколько мы можем увеличить долю рынка, если дополнить существующую линейку продуктов новым продуктом?
  • получим ли мы новых клиентов, обогащая существующую линейку продуктов новым вкус , цвет, запах или рецепт?
  • Какую комбинацию информации мы должны предоставить в наших рекламных, рекламных акциях, брошюрах по продажам и поддержке продаж, чтобы побудить как можно больше клиентов предпринять конкретные действия.

Анализ TRUF позволяет определить количество респондентов, которые захотят посетить магазин с различными комбинациями этой информации.

ТАБЛИЦА 10

факторы

Ответы в%

Самые низкие цены

65

Самый большой выбор

60

Гарантия возврата денег

55

Ориентированный продавец

50

Быстрое обслуживание

50

Хорошо известные бренды

45

Скидки на частые покупки

35

Магазин открыт 18 часов в сутки в течение недели

30

Удобная упаковка

25

Место для игр детей

15

Процент людей, указывающих, что мотивирующий фактор для покупки важен для них [1]

Анализ приведенной выше таблицы показывает, что информация о самых низких ценах является важным фактором, побуждающим посетителей посетить магазин для 65% респондентов.

Самые низкие цены и быстрое обслуживание, вместе взятые, вдохновят 66% респондентов. Например: самые низкие цены, быстрое обслуживание и знающие продавцы будут поощрять 70%. Эти данные перечислены и описаны в таблице ниже.

ТАБЛИЦА 11

факторы

Ответы в%

Самые низкие цены

45

Быстрое обслуживание

66

Ориентированный продавец

70

Гарантия возврата денег

72

Самый большой выбор

75

Процент потенциальных клиентов, подверженных воздействию комбинированных пяти наиболее важных факторов, побуждающих их покупать [2]

Кластерный анализ - это продвинутый инструмент анализа данных. Это позволяет разделить респондентов на группы, то есть кластеры таким образом, что существует большая вероятность между членами одной группы и слабая между членами разных групп. Другими словами, он определяет, в какой степени респонденты из определенных групп демонстрируют сближение взглядов и мнений.

Пример.

  • группа I - тусовщики

- они любят вечеринки

- они празднуют все, что могут

- им нравится быть в центре внимания

- они любят говорить

  • группа II - привлеченные наблюдатели

- они любят фильмы и спектакли

- они предпочитают слушать истории других

- им нравятся исторические сказки

- наслаждайся достижениями других

  • III группа - пенсионеры-одиночки

- они ненавидят толпы

- они не выходят из дома, если вы не пригласите их

- им трудно заводить новых друзей

- они любят смотреть телевизионные сериалы

Кластерный анализ - это метод, с помощью которого вы можете узнать о том, как потребители они воспринимают себя, окружающий их мир или товары и услуги, которые они продают.

Анализируя приведенный выше пример, вы можете определить, есть ли различия между группами.

4. Другие статистические методы

Многомерный анализ - это инструмент, который позволяет объединить большое количество различных демографических, поведенческих и иногда связанных факторов, чтобы лучше понять группы потребителей и наиболее эффективные методы воздействия на них. Если у нас есть база данных клиентов и большое количество демографических и поведенческих данных, этот анализ может показать нам группы потребителей, похожие друг на друга из-за многих факторов.

Анализ совпадений определяет относительную важность различных признаков. Например, мы хотим знать, какое дополнительное оборудование интересуют покупатели новых автомобилей: респонденты указывают очень разные элементы, которые важны для них и которые они хотели бы получить при покупке. Однако, когда окончательное решение принято, покупатель обычно вынужден искать компромисс между желаемым дополнительным оборудованием и ценой, которую он будет готов заплатить за него. Анализ совпадений определяет окончательную комбинацию характеристик продукта и цен, принятых потребителями при принятии решения о покупке. Это инструмент, который особенно ценен при разработке или продаже относительно дорогих продуктов.

Составление карт восприятия - это процедура для установления сложных отношений между компаниями, брендами, продуктами или услугами и того, как они воспринимаются потребителями. Карты восприятия используются в качестве инструментов в случае сегментации рынка и стратегических исследований.

5. Анализ данных: изучение различий

При анализе данных маркетинговых исследований мы часто задаем себе следующие вопросы: «Являются ли результаты исследования статистически значимыми?» Отражают ли результаты реальное состояние населения? Чтобы получить ответы на эти и другие волнующие вопросы, мы используем один из тестов статистической значимости. ,

Первый тест - это тест на соответствие качества (разговорный), обычно называемый тестом хи-квадрат, который следует использовать, когда переменная, полученная из номинального измерения, естественным образом попадает в две или более категории, и аналитик хочет определить, соответствует ли наблюдаемое количество случаев в отдельных полях. ожидаемое число [3].

Примером может служить производитель, представляющий новую смесь сухих завтраков, которую он намерен продавать в трех стандартных размерах: маленький, большой и «семейный». Из его предыдущего опыта видно, что три большие и две семейные упаковки продаются за каждую маленькую упаковку. Производитель хочет проверить, если это тенденция оно будет сохраняться в отношении нового типа хлопьев, поскольку изменение моделей потребления может иметь важные производственные предпосылки.

Регулярным эквивалентом критерия хи-квадрат является критерий Колмогорова-Смирнова. Основное внимание уделяется сравнению наблюдаемых и ожидаемых показателей, чтобы определить, соответствуют ли наблюдаемые результаты гипотезе. Его можно использовать для проверки того, может ли набор наблюдений исходить из некоторого теоретического распределения населения, такого как нормальное распределение, или могут ли две независимые выборки исходить из одного и того же распределения населения [4]. Примером является определенный производитель, заинтересованный в определении того, являются ли предпочтения потребителя в отношении изменения размера упаковки нового моющего средства схожими, как в случае предыдущего бренда.

При проверке гипотезы об одном среднем значении мы используем тест, если мы знаем дисперсию, и тест t, если дисперсия неизвестна. Аналогичная ситуация имеет место при анализе двух средних из независимых тестов. Если дисперсии известны, мы используем z- тест, и если они неизвестны, но мы можем предположить, что они равны, мы используем t- тест, используя оценку дисперсии комбинированных испытаний

Тест на равенство для долей в двух независимых выборках включает в себя «естественную комбинацию дисперсии выборок; Затем мы используем тест из [5] .

6. Анализ данных: составной тест

Пока, представляя анализ данных, мы говорили только о значимости различий между данными, полученными в разных условиях испытаний. Это могут быть различия между результатом выборки и предполагаемым предположением о населении или между результатами более чем одной выборки. Однако часто перед исследователем стоит задача определить, существует ли какая-либо связь между переменными, и если да, то какова сила и форма этих отношений.

Маркетинговые исследования обычно используются для прогнозирования значения одной переменной, например, размера потребления данного продукта в семье, на основе других переменных, таких как количество людей и доход в семье. Предсказанная переменная является зависимой переменной или, как мы уже узнали из статистики, объясняющей переменной. Переменные, которые являются основой для прогнозирования, называются независимыми переменными или статистикой с объясняющими переменными [6].

Основными методами изучения взаимосвязей между переменными являются простой регрессионный и корреляционный анализ. Хотя оба термина часто используются взаимозаменяемо, цель различается.

Корреляционный анализ включает в себя измерение точности взаимосвязи между переменными, позволяет оценить совместность двух показателей, ни одна из которых не ограничена исследователем.

Регрессионный анализ относится к методам, используемым для введения уравнения, которое связывает зависимую переменную с независимыми переменными, и позволяет вам указать частотное распределение зависимой переменной, когда вы устанавливаете разные уровни независимых переменных.

Вполне разумно измерить точность взаимосвязи между переменными без введения оценочного уравнения. Аналогично, регрессионный анализ может быть выполнен без проверки точности взаимосвязи между переменными. Однако из-за того, что обычно используются оба метода анализа, набор методов обычно называют либо регрессионным анализом, либо корреляционным анализом [7].

7. Резюме - Использование компьютеров в исследованиях

Упорядочение и сокращение данных, полученных из измерений, выполненных с использованием компьютеров и других механических и электронных устройств, намного быстрее и точнее по сравнению с ручной сортировкой данных. Этапы как упорядочения, так и сокращения аналогичны. Прогресс в развитии компьютеризации настолько велик, что методы обработки данных меняются очень быстро и упрощаются.

Библиография:

1.ГА Черчилль, Маркетинговые исследования. Методологические основы, PWN, Варшава 2002.

2. Роберт Дж. Каден "Маркетинговые исследования" Polskie Wydawnictwo Ekonomiczne 2008

3. Станислав Качмарчик "Маркетинговые исследования в PWE Варшава 2003

[1] Каден Р.Дж., Маркетинговые исследования, PWE, Варшава, 2008 г., стр. 202.

[2] Там же, стр. 202

[3] Г. А. Черчилль, Маркетинговые исследования - методологические основы, PWN, Варшава, 2002. С. 712-713

[4] Там же, стр. 713

[5] Г. А. Черчилль, Маркетинговые исследования - методологические основы, PWN, Варшава, 2002. стр. 713

[6] Там же, стр. 739

[7] Там же, с. 739-740.

Насколько мы можем увеличить долю рынка, если дополнить существующую линейку продуктов новым продуктом?
» Отражают ли результаты реальное состояние населения?