 |
 |
|||||||
|
||||||||
КОЛИЧЕСТВЕННЫЕ ИССЛЕДОВАНИЯПродукции, потребителей, рынков.
. . . . . . .. . . .. . . . . . . .
- SWOT анализ,
- PEST анализ,
- BCG матрица,
- матрица Ansoff,
- Модель конкурентных сил Портера,
- GAP-анализ,
- ABC-анализ,
- Ассортиментные решетки
- Словесные ассоциации — быстрый (подсознательный) ответ на произнесенное слово
- Закончить фразу, историю
- Метод чернильного пятна — поиск образа в чернильном пятне
- Персонификация —человеческий образ марки
- Психодрама — "представьте, что Вы — этот продукт и расскажите, как Вы себя чувствуете в магазине, в сумке, в процессе приготовления и т.д."
- Коллажи
- Жители планет и т.д.
Уважаемые господа! В настоящее время производится перевод сервера на новый дизайн и систему управления. Данная страница устарела и в будущем будет удалена.
Добро пожаловать на обновленные ресурсы:
Новая версия портала доступна по адресу http://marketolog.biz
Сайт независимого консультанта в сфере маркетинга Сурина Алексея по прежнему находится по адресу: http://surin.marketolog.biz
Приношу свои извинения за доставленные неудобства.
Всего доброго!
Обработка и анализ |
Методы анализа и обработки информации
.
Проективные техники |
В качественных исследованиях наиболе часто применяются проективные техники, заимствованные из психологии. Они позволяют позволяют получать субъективную информацию. Возможные вариации:
Обзор методов анализа
Снижение на 10-15% уровня
переключения Ваших потребителей на другие марки приводит к росту прибыли на 60%
Факторный анализ
Позволяет сгруппировать и выделить основные факторы, влияющие на изучаемое явление.
Регрессионный анализ
Регрессиионный анализ позволяет подобрать такое уравнение прямой линии, которое максимально соответствовало бы тенденции расположения изучаемых данных в системе координат.
Причем сама система координат может быть n-мерной, то есть зависить от нескольких параметров. Тогда это будет множественной регрессией.
На основе полученных уравнений можно прогнозировать параметры новых объектов, если их условия сходны с имеющимися.
Например, можно по уравнению зависимости оборотов торговой точки от численности жителей в окружающих домах прогнозировать уровень дохода для новой точки. При условии, что новый район будет в целом схож с имеющимся. То есть открывая магазин "спальном" районе на Юге Москвы, можно по уранению регрессии рассчитать примерно ожидаемый уровень доходов по данным магазина из аналогичного "спального" района на Юго-Западе.
Кластерный анализ
Позволяет сгруппировать полученную информацию по кластерам. Часто применяется при сегментировании для выделения сегментов потребителей.
Дискриминантный анализ
Дискриминантный анализ используется для классификации индивидуумов на одну или две группы (совокупности) на основании набора измерений. Совокупности заведомо различаются, и каждый индивидуум принадлежит к одной из них. Данный анализ также может быть использован для того, чтобы определить, какие переменные вносят вклад в эту классификацию. Следовательно, как и в случае регрессионного анализа, двумя основными направлениями использования дискриминантного анализа являются прогнозирование и описание. В качестве примера рассмотрим работу служащего компании, предоставляющей кредиты на строительство жилья. Ему необходимо принять решение, следует ли предоставить кредит заявителю. Для этого нужно определить, соответствуют характеристики заявителя характеристикам тех людей, которые в прошлом успешно выплатили кредиты, или тех, которые отказались платить. Информация, которую можно получить из прошлых записей компании, включает такие факторы, как возраст, доход, гражданское состояние, имеющаяся задолженность и владение определенными предметами длительного пользования. Аналогично исследователь, которого интересуют банкротства компаний, может классифицировать компании — как те, которые потерпели неудачу, так и те, которые выжили, — на основании таких независимых переменных, как месторасположение, финансовые показатели или изменения в руководстве. Задача состоит в том, чтобы найти отличительные (дискриминирующие) переменные для использования в прогнозном уравнении, которое позволит распределять объекты по группам лучше, чем это можно было бы сделать посредством случайного распределения.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Дискриминантный анализ в основном используется для выявления посредством дискриминантных функций переменных, которые объясняют различия априори определенных групп. Данный вид анализа также используется для классификации объектов в одну или более групп, которые заранее определены.
Модели требуются значения независимых переменных и зависимой переменной (неметрической).
Дискриминантный анализ дает характеристики дискриминантной функции, в частности, информацию по переменным, которые вносят вклад в каждую дис-криминантную функцию в виде дискриминантных нагрузок. Также дается информация по значимости функции; ненормированные и нормированные дискрими-нантные веса помогут при классификации объектов. Наконец, процент попаданий позволяет оценить, насколько полезным оказался Дискриминантный анализ.
Значимость дискриминантной функции (в виде коэффициента / Уилкса) и переменных оценивается при помощи f-статистики.
