Страница 12 из 23
Основным недостатком метода является его нерепрезентативность[46]: далеко не все хотят тратить свое время, заполняя дневник. В результате в исследованиях участвует только определенная категория людей, например, те, у кого есть много свободного времени. Поэтому фирмы всегда ищут хороших участников для списка. Часто при составлении списка используется принцип квот (о квотах см. ниже), чтобы охватить различные слои населения. Тем не менее, для многих исследований (хотя и не для всех!) полученные результаты достаточно точны.
Другая проблема заключается в том, что людям надоедает участие в исследованиях, они переезжают, так что список никогда не остается постоянным.
Разовые исследования
Эти исследования, как следует из их названия, проводятся единовременно. Сплошное обследование имеет место в случаях, когда исследователей интересует небольшая группа людей (студенты определенного направления подготовки), организаций (потенциальные потребители крупного промышленного оборудования), магазинов (сеть фирменных магазинов района). Чаще исследования бывают выборочными. В них исследуется только определенная часть этой группы (выборка), по которой делаются выводы о характеристиках всей группы.
Характерные черты разовых исследований.
– Они дают "фотографию" одного момента.
– Выборка репрезентативна, обычно – случайна.
– Широта опроса заменяет глубину. Полученные средние значения не всегда достаточны[47].
– Трудоемкость и высокая стоимость. Процесс постановки проблемы, определения требуемой информации, выборки, сбора данных, обработки результатов и проверки по ним гипотезы требует значительных усилий и времени.
– Требуется высокая квалификация большого числа полевых работников, собирающих данные, и обработчиков.
По данным нескольких разовых исследований, проведенных в разное время можно провести анализ когорт.
Когорта – группа индивидов, которые испытали некоторое событие в одно и то же время или в один и тот же временной интервал.
Типичным примером когорты являются люди, родившиеся в одно и то же десятилетие.
Рассмотрим абстрактный пример: потребление безалкогольных напитков на душу населения. Распределение по возрасту показано в таблице 11.
Таблица 11 – Потребление безалкогольных напитков в зависимости от возраста
Казалось бы, цифры говорят сами за себя: с возрастом потребление снижается. На основе данных подобного рода и демографических прогнозов о снижении рождаемости был сделан следующий прогноз: через пять лет потребление безалкогольных напитков среди взрослых снизится, лиц в возрасте от 20 до 29 лет станет меньше, следовательно, общее потребление также снизится.
На самом деле дело обстоит прямо противоположным образом.
Рассмотрим результаты нескольких исследований, сведенные в таблицу 12.
Таблица 12 – Потребление безалкогольных напитков на душу населения в разные годы, л/мес.
Серым цветом выделена когорта – люди, родившиеся в период с 1960 до 1970 года. Видно, что они потребляли все больше напитков.
Теперь можно сделать вывод: общее потребление безалкогольных напитков будет увеличиваться, так как уменьшение доли молодежи будет с лихвой компенсироваться увеличением среднего потребления на человека.
Метод разовых исследований применяется достаточно часто. Буквально на каждом шагу можно найти выводы, основанные на опросах тысяч человек. Но часто результаты таких исследований подобны анализу таблицы 11. Как видно из приведенного примера, необходимо глубокое понимание сущности решаемой задачи.
3.3. Причинно-следственные исследования
Причинность – сложная философская категория, которая даже до конца не определена, хотя ею широко пользуются на практике.
Цель причинно-следственных исследований – проверить гипотезу о том, что причина Х вызывает следствие Y.
Примеры причинно-следственных гипотез:
– пятипроцентное увеличение цены не скажется на объеме продаж;
– введение упаковки с более легким способом открывания повысит спрос;
– пассивный образ жизни приводит к преждевременному старению.
Если в обычной жизни, как правило, говорится или подразумевается, что именно Х вызывает Y, то в научной постановке Х признается как одно из возможных условий.
Если в обыденном смысле Х всегда ведет к Y, то ученые чаще говорят о том, что событие Х повышает вероятность наступления события Y.
Полной уверенности в правильности гипотез о причинно-следственных связях быть не может. Существуют только принципы, позволяющие повысить уверенность в их справедливости. Их достаточно много. Здесь будут приведены только те из них, которые наиболее часто используются в маркетинговых исследованиях.
Методы исследования причинности
Анализ сопутствующих изменений
Анализируется вероятность, с которой Х и Y происходят совместно или совместно изменяются (количественно и качественно) согласно гипотезе. Пусть Х – оценка качества дилера (для определенности – это будет оценка дилера его непосредственным начальником), а Y – доля рынка в регионе, который обслуживает дилер. Естественным было бы утверждение о том, что доля рынка зависит от качеств дилера: там, где дилер хорош, доля рынка велика и наоборот. Пусть собраны следующие данные (таблица 13).
Таблица 13 – Количество и процент регионов с различной долей рынка в зависимости от оценки деловых качеств дилера
Видно, что хорошие дилеры обеспечивают большой процент благополучных регионов, в то время как у плохих – высок процент неблагополучных.
Таблица 13 называется таблицей сопряженности[48]. Такие таблицы часто используются и в описательных исследованиях, однако в данном случае на их основе происходит проверка гипотезы о взаимосвязи переменных.
Важно отметить, что для гипотезы требуются какое-либо сравнение. Так, высказывание у хороших дилеров продажи успешны, основанное на первой строчке таблицы, еще не есть гипотеза, поскольку неясно, как обстоит дело у плохих дилеров (может быть, так же или даже лучше). Поэтому обязательно продолжение: …а у плохих – нет.
В более точной формулировке данная гипотеза может звучать так: у дилеров с хорошими деловыми качествами процент регионов с большим объемом продаж на (67-25)=42 процентных пункта[49] больше, чем у дилеров с плохими деловыми качествами.
В результате анализа таблицы гипотеза делается более вероятной, но не доказанной на 100%. Отсутствие связи и даже обратная зависимость также ничего не доказали бы, поскольку на результат могут влиять и другие факторы (хороших дилеров, может быть, специально послали в плохие регионы для налаживания продаж).
Анализ временн’ой последовательности событий
Предполагается, что причина всегда происходит раньше, чем следствие или одновременно с ним[50]. Например, если каждый раз после того, как в магазине появляется товар в новой упаковке, в этом магазине падают продажи данного товара, то это – серьезный аргумент в пользу того, что упаковка оказалась неудачной.
46
Репрезентативная выборка – это выборка, характерные особенности которой такие же, как и у всей исследуемой группы.
47
Фольклор статистиков: "Ноги на морозе, голова у печки, в среднем – комфорт?"
48
Часто их называют также перекрестными таблицами или кросс-таблицами. В русифицированной версии системы управления базами данных Access им соответствует перекрестный запрос, а в электронных таблицах MS Excel – сводная таблица. Следует отметить, что терминология в русифицированных программах может сильно изменяться от версии к версии.
49
Проценты и процентные пункты часто путают. В данном случае у хороших дилеров результаты на (76-25)/25*100%=204% лучше, чем у плохих.
50
Но следует помнить, что после – не значит поэтому. Так что анализ временной последовательности не может быть единственным методом установления причинно-следственной связи. Он лишь позволяет исключить те факторы, которые заведомо не являются причинами.