Меню
Главная
Авторизация/Регистрация
 
Главная arrow Менеджмент arrow СТРАТЕГИЧЕСКИЙ МЕНЕДЖМЕНТ
Посмотреть оригинал

Методики выявления предпочтений потребителя при построении конкурентной стратегии

Применение параметрических методов

Рассмотренные выше методики формирования конкурентной стратегии исходили из знания отношения рынка к фирме или ее бизнесу. Однако в большинстве случаев информация о реакции потребителя на услугу, товар фирмы остается неизвестной либо только предполагаемой на основе выборочных данных.

Так, например, информация, полученная в ходе полевых маркетинговых исследований, в итоге должна рассматриваться как совокупность п независимых случайных величин Хь Х2, Хп — Каждую из этих величин, в силу большой емкости изучаемой генеральной совокупности, можно считать подчиняющейся нормальному закону распределения с неизвестными параметрами д и о. Из математической статистики известно, что если для каждой случайной величины составить выражение

то сумма квадратов случайных величин имеет закон распределения, называемый ^-распределением с / = п степенями свободы. Обладание такой величиной дает уже определенное право на прогноз предпочтений потребителя.

Действительно, предположим, что изучение мнений клиентов привели к ряду из п измерений некоторой случайной величины Y, отражающей предпочтения по отношению к услугам или товарам. Графическое отображение данных дает основание предположить подчинение Y определенному закону распределения. Для принятия обоснованных управленческих решений о портфеле услуг в этом случае необходимо ответить на вопрос, можно ли описать эти п значений с помощью некоторой теоретической модели, т.е. определенного закона распределения. Тогда выдвигают нулевую гипотезу о том, что между эмпирическим распределением и теоретической моделью нет никакого различия. Из п значений (требуется п > 50) вычисляют среднее как оценку для математического ожидания р и выборочное стандартное отклонение как оценку для среднеквадратического отклонения о. Затем разбивают выборку из п значений на т « Vn классов. Для каждого полученного класса определяют абсолютную частоту h (т.е. число попавших в него значений случайной величины У) и сопоставляют ее с частотой ht, теоретически ожидаемой в соответствии с моделью (предполагающимся законом распределения). Для большинства теоретических распределений частоты протабулированы при а — 1. Поэтому для определения теоретически ожидаемой в данном классе частоты сами классы стандартизируют, т.е. ширину класса отражают в стандартных отклонениях, используя формулу и = (у -ц) /а. Для таких нормированных значений границ интервалов в таблице предполагаемого теоретического распределения находят соответствующие им вероятности. Принимая во внимание число измерений п, ширину класса d и стандартное отклонение а, вычисляют теоретически ожидаемые абсолютные частоты ht попадания случайной величины в отдельные классы. Из эмпирических и теоретических частот составляют выражение

Если теоретические значения ht для отдельных классов достаточно велики (ht > 5), то найденное выражение будет следовать ^-распределению с / = тк степенями свободы. Здесь через к обозначено число параметров, необходимых для описания выборки в рамках предполагаемого теоретического распределения. Для нормального (гауссова) распределения к = 3 (среднее, стандартное отклонение и объем выборки п), для распределения Пуассона имеем к = 2 (среднее и объем выборки).

Требуемое для отдельных классов значение ht > 5 можно получить, объединяя несколько соседних классов. Если при проверке по таблице критических значений выясняется, что у} >у}{Р,/) то проверяемая гипотеза отбрасывается; между эмпирическим и теоретическим распределением существует значимое различие. Различие незначимо, если X2 >X2(P,fl

Применим изложенный аппарат для построения методики выявления предпочтений потребителя для повышения конкурентоспособности компании.

На первом шаге составляется эмпирическое распределение предпочтений потребителя по отношению к предоставляемым компанией услугам (продаваемым товарам) на основе количества совершенных сделок (табл. 5.5).

Таблица 5.5

Эмпирическое распределение предпочтений потребителя услуг компании

Услуга

А

В

С

D

2

Количество сделок

14

5

8

5

32

Если предпочтения потребителей по отношению к услуге не проявляются, то представленное в таблице распределение не должно отличаться от равномерного. Это и дает основание для принятия решения применять %2-критерии.

Поскольку отсутствие предпочтений означает равномерное распределение, то теоретической частотой для каждого выделенного класса (услуги) следует считать

где /т — теоретическая частота; п — общее число наблюдений; к — число выделенных классов (типов услуг).

В нашем условном примере получим

Дальнейшие расчеты осуществлены в табл. 5.6, отражающей порядок получения эмпирической величины

Таблица 5.6

Пример проведения расчетов для определения предпочтений потребителя по критерию %2

Классы

(разряды)

Эмпирическая частота,

fэмп

Теоретическая частота, /г

(/эмп “/г)

((эмп-/г)2

((эмп -/г)2 //г

А

14

8

+ 6

36

4,500

В

5

8

-3

9

1,125

С

8

8

0

0

0

D

5

8

-3

9

1,125

I

32

32

0

Х2эм„ = 6,75

Примечание: цифры в таблице соответствуют условному примеру, представленному в табл. 5.5.

На очередном шаге определяют число степеней свободы для входа в таблицу критических значений у} —критерия по формуле

где к — число разрядов.

В нашем условном примере у = 4-1 = 3и

Поскольку х2энп < Х2кр, мы вынуждены признать отсутствие предпочтений у потребителей по отношению к рассмотренной группе услуг, хотя на первый взгляд услуга А была самой продаваемой.

При организации расчетов в стратегическом планировании с применением х2-критерия необходимо учитывать следующие ограничения:

  • 1. Объем анализируемой выборки должен быть достаточно большим: п > 30.
  • 2. Теоретическая частота для каждого образуемого разряда не должна быть меньше 5, т.е./ > 5. Иначе говоря, если разряды определены заранее, то необходимо «набирать» в них соответствующее число наблюдений.
  • 3. Выбранные разряды должны охватывать весь диапазон вариативности изучаемого признака и совпадать во всех сопоставляемых распределениях.
 
Посмотреть оригинал
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 

Популярные страницы