Badania marketingowe 2013_14. Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski

Transkrypt

1 Badania marketingowe 2013_14 Krzysztof Cybulski Katedra Marketingu Wydział Zarządzania Uniwersytet Warszawski

2 Ramowy program konwersatorium 1. System informacji rynkowej i jego składowe 2. Istota oraz klasyfikacja badań rynkowych 3. Proces badań marketingowych i jego fazy 4. Zbieranie danych wtórnych 5. Pozyskiwanie danych syndykatywnych 6. Pozyskiwania danych pierwotnych - badania jakościowe 7. Pozyskiwanie danych pierwotnych: badania ilościowe - obserwacja 8. Pozyskiwanie danych pierwotnych: badania ilościowe - ankiety i wywiady 9. Pozyskiwanie danych pierwotnych: badania eksperymentalne 10. Budowa instrumentu pomiarowego kwestionariusz ankietowy 11. Próba badawcza, jej liczebność, struktura i techniki doboru 12. Badania marketingowe w Internecie 13. Metody oceny potencjalnego i prognozowania przyszłego popytu 14. Analiza danych badawczych 15. Prezentacja i wykorzystanie wyników badań

3 Podstawowe etapy analizy danych Redukcja danych Redagowanie danych Kodowanie danych Zliczanie i tabulacja Wstępna analiza statystyczna Złożona analiza statystyczna

4 Redukcja danych Maksymalizacja dokładności danych wymaga redukcji błędów popełnionych w procesie badawczym. Redukcja jest procesem przystosowania danych surowych do ich analizy. Dane surowe trzeba przygotować do dalszej analizy pod względem tak formalnym, jak też technicznym. Jaką postać mają dane surowe? Wypełnione kwestionariusze Dzienniczki panelowe Zapisy z pomiaru obserwacji Wyniki eksperymentów

5 Redukcja danych W procesie redukcji dane surowe są: Kontrolowane Redagowane Wprowadzane Kodowane Klasyfikowanie Zliczane Podawane tabulacji i agregacji Wynikiem czynności redukcyjnych jest uporządkowanie i wstępna prezentacja danych w postaci opisowej, tabelarycznej i graficznej.

6 Redukcja danych Redukcja danych rozpoczyna się od kontroli pomiaru. Procedura kontroli pomiaru uwzględnia możliwość identyfikacji osoby, miejsca, czasu trwania, przedmiotu oraz innych elementów procesu pomiaru. Wybrane metody kontroli pomiaru to: Ukryte podwójne pytania kontrolne zawarte w kwestionariuszu Sprawdzenie za pomocą telefonów, maili oraz sms Działalność kontrolerów

7 Redukcja danych Przykładowe kwestie które powinny zostać rozstrzygnięte w wyniku kontroli: Czy wszyscy respondenci dobrani do próby byli faktycznie pytani przez naszych ankieterów? Czy wywiady zostały przeprowadzone we właściwy sposób? Czy wywiady zostały przeprowadzone w uprzednio wyznaczonym miejscu? Czy ankieterzy przeprowadzili pełne wywiady? Czy ankieter był uprzejmy? Czy ankieter umiał nawiązać kontakt z respondentem? Czy nie pojawiły się wątpliwości odnośnie celu badań i zasadności uzyskania danych osobistych? Jakie negatywne opinie o ankieterach wypowiadali respondenci? Celem procesu kontroli pomiaru jest uzyskanie pewności, że cały proces badania, a zwłaszcza pomiar danych, został zorganizowany i przeprowadzony należycie.

8 Redukcja danych Redagowanie danych polega na sprawdzeniu otrzymanych narzędzi badawczych (np. kwestionariuszy) pod względem czytelności danych, kompletności, spójności i prawdziwości odpowiedzi oraz tam gdzie to możliwe wprowadzenie uzupełnień i poprawek. Sprawdzanie pozyskanych danych (rodzaje błędów i braków w kwestionariuszach): Pomiar fikcyjny Błędne dane Sprzeczności i niezgodności Odpowiedzi niekompletne Odpowiedzi niejednoznaczne Odpowiedzi nieadekwatne Brak odpowiedzi

9 Redukcja danych Zasady wprowadzania poprawek i uzupełnień: Wyniki pomiaru należy poddać redakcji natychmiast po zakończeniu pomiaru. W przypadku większej liczby redaktorów należy opracować instrukcję redagowania danych. Nie należy wymazywać danych oryginalnych. Poprawki i uzupełnienia powinny być nanoszone innym kolorem, aby je wyróżnić. Sprzeczne lub niezgodne dane należy zmienić (jeśli jest to możliwe) lub odrzucić. Redaktor może określić odpowiedź respondenta przy jej braku, jeśli jest to możliwe na podstawie innych odpowiedzi tego samego respondenta. Tam gdzie to konieczne, redaktor może wstawić dane szacunkowe. W przypadkach szczególnie istotnych redaktor podejmuje próbę ponownego kontaktu z respondentem, aby uzupełnić bądź dokonać weryfikacji danych. Tam gdzie zawiodą wszystkie poprzednio umówione metody pozostawia się pytanie bez odpowiedzi lub gdy liczba takich pytań jest duża taki kwestionariusz eliminujemy z badan. W wyniku redakcji otrzymuje się dane sprawdzone i wyselekcjonowane do dalszej ich analizy.

10 Redukcja danych Maksymalizacja dokładności danych wymaga redukcji błędów popełnionych w procesie badawczym. Istnieją trzy podstawowe podejścia w programie redukcji błędów: Redukcja poszczególnych rodzajów błędów Redukcja całkowitego błędu badania Redukcja przez pomiar lub oszacowanie pozostałych błędów

11 Redukcja danych Redukcja poszczególnych rodzajów błędów: Błędy popełniane w trakcie badań: 1. Błędy doboru próby wytypowanie niewłaściwej populacji generalnej wytypowanie niewłaściwego wykazu populacji badanej błędy losowego doboru próby błędy nielosowego doboru próby błędy niewłaściwego stosowania próby 2. Pozostałe błędy błędy problemu badawczego błędy pomiaru błędy zbierania danych błędy redukcji danych błędy analizy i interpretacji danych błędy prezentacji i oceny danych

12 Redukcja danych Redukcja poszczególnych rodzajów błędów: Alternatywne techniki redukcji błędu doboru próby: Zwiększenie wielkości próby, ale rosną koszty badania Zmiana metody doboru próby np. z losowania prostego na losowanie systematyczne lub dobór kwotowy

13 Redukcja danych Redukcja całkowitego błędu badania: Alternatywne techniki redukcji błędu braku odpowiedzi: Metoda przypominania Dodatkowe wysyłki kwestionariuszy ankietowych Zamiana formy pomiaru na wywiad telefoniczny

14 Redukcja danych W celu przeprowadzenia nawet najprostszych operacji statystycznych wymagane jest przełożenie odpowiedzi respondentów na ciąg symboli (najczęściej cyfr). Procedura kodowania jest zróżnicowana w zależności od rodzaju pytań. Pytania zamknięte: W przypadku pytań zamkniętych, kodowanie polega na podporządkowanie każdemu wariantowi odpowiedzi danego symbolu cyfrowego. Wówczas kodowanie może być prowadzone w dowolnej fazie badań. Począwszy od momentu zbierania danych aż do fazy obliczeń. Wyróżniamy dwa rodzaje systemów kodowania: Kod arytmetyczny Kod geometryczny

15 Kodowanie danych Kod arytmetyczny (przykład): Którą z poniższych marek samochodów osobowych uważa Pan (i) za symbol luksusu? (proszę wybrać tylko jedną z poniższych odpowiedzi). a) Volvo 01 b) Mercedes 02 c) Audi 03 d) BMW 04 e) Inne (jakie?) 05 Gdy respondent wybierze odpowiedź b) Mercedes odpowiedź jest kodowana za pomocą symbolu 02.

16 Kodowanie danych Kod geometryczny (przykład): Którą z poniższych marek samochodów osobowych uważa Pan (i) za symbol luksusu? (proszę wybrać co najwyżej dwie z poniższych odpowiedzi). a) Volvo 01 b) Mercedes 02 c) Audi 04 d) BMW 08 e) Inne (jakie?) 16 Gdy respondent wybierze odpowiedź b) Mercedes i d) BMW odpowiedź jest kodowana za pomocą symbolu 10.

17 Kodowanie danych Pytania otwarte: Procedura kodowania stosowana w przypadku pytań otwartych jest bardziej skomplikowana. Po pierwsze, należy dokładnie przestudiować odpowiedzi na pytania otwarte. Po drugie należy dokonać podziału uzyskanych odpowiedzi na pewne klasy. Po trzecie, trzeba przypisać do tych klas odpowiedzi konkretnych respondentów jeżeli zbyt duża liczba odpowiedzi nie mieści się w tych klasach, to należy wrócić do punktu 2. Po czwarte, przypisujemy poszczególnym klasom symbole cyfrowe najczęściej znajduje zastosowanie kod geometryczny. W przypadku dłuższych kwestionariuszy pomocne jest opracowanie specjalnej instrukcji kodowej.

18 Kodowanie danych Analiza pytań otwartych: - oryginalne odpowiedzi respondentów. Dlaczego nie bierze Pan (i) pod uwagę kupna nowego samochodu w ciągu następnych 2 lat? 1. Mój obecny samochód jest niezawodny. 2. Nie mogę sobie pozwolić na zakup nowego samochodu. 3. Tracą one szybko na wartości, a mój obecny samochód dobrze się sprawuje. 4. Moje sprawy zawodowe wydają się być niepewne. 5. Mamy kilka psów i zniszczą one mój nowy samochód. 6. Mieszkamy tylko we dwoje i nie potrzebujemy nowego samochodu. 7. Myślę, że w przyszłości będą większe obniżki. 8. Być może dostanę nowy samochód w pracy. 9. Naprawdę nie wiem.

19 Kodowanie danych Analiza pytań otwartych:- zmodyfikowane odpowiedzi respondentów. Dlaczego nie bierze Pan (i) pod uwagę kupna nowego samochodu w ciągu następnych 2 lat? Kod Grupa odpowiedzi Respondenci zaliczani do grupy 1 Zadowolenie z obecnie posiadanego samochodu 1,5,6,3 2 Kwestie finansowe 2,3,7 3 Niepewność związana z pracą 4 4 Możliwość otrzymania samochodu firmowego 8 5 Respondenci nie wiedzą dlaczego 9

20 Klasyfikowanie danych Po zakończeniu redakcji dane są klasyfikowane oraz zliczane w ramach poszczególnych klas. Dane segreguje się według kryteriów zgodnych z celami badawczymi. W celu ułatwienia segregacji danych stosuje się statystyczne formularze zbiorcze, zaś w przypadku pomiaru źródeł pierwotnych klasyfikacja jest przeprowadzona w instrumentach pierwotnych. Korzyści z tytułu klasyfikacji: Redukcja liczby pozycji podlegających analizie; ograniczenie pracochłonności badań; Możliwość zastosowania metod ilościowych do analizy danych jakościowych; sposobność porównywania lub obliczania tendencji Ułatwianie zliczania danych

21 Klasyfikowanie danych Reguły przy klasyfikacji danych uzyskanych z odpowiedzi na pytania otwarte: (1) Wielostopniowość klasyfikacji (2) Poprawność logiczna (zasada zupełności i nierozłączności klasyfikacji) (3) Dostosowanie do sytuacji (kategorie mają najlepiej odzwierciedlać dany problem) (4) Dostosowanie do układu odniesienia (niewłaściwe postrzeganie problemu lub błędna ocena badanego zjawiska)

22 Zliczanie i tabulacja danych Zakodowane dane mogą być następnie poddane procesowi tabulacji. Ma ona na celu zestawienie częstości występowania wartości poszczególnych zmiennych i zrelatywizowania ich w formie procentowanej. Wyróżnia się trzy rodzaje tabel: Tabele jednodzielne (przedstawiają tylko jedną zmienną) Tabele dwudzielne (ukazują jednocześnie rozkład dwóch niezależnych zmiennych) Tabele wielodzielne (konstruowane w oparciu o rozkłady trzech lub większej liczby zmiennych).

23 Zliczanie i tabulacja danych Tabulacja prosta (jednodzielna) rozkład miesięcznych dochodów sprzedawców firmy ABC Dochody sprzedawców Bezwzględna liczba sprzedawców Względna liczba sprzedawców (%) Szereg kumulacyjny i więcej Razem X

24 Zliczanie i tabulacja danych Tabulacja złożona (wielodzielna) miesięczny rozkład dochodów i stażu pracy sprzedawców firmy ABC Dochody sprzedawców Staż pracy i więcej Ogółem Szereg kumulacyjny 0-6 miesięcy miesięcy miesięcy miesięcy 24 i więcej miesięcy Ogółem

25 Analiza danych Jakie jest prawdopodobieństwo, że kupi Pan (i) nowy samochód w ciągu następnych dwóch lat? (wszyscy respondenci) Prawdopodobieństwo zakupu Ilość odpowiedzi (w %) Bardzo duże 25 Całkiem duże 40 Ani duże, ani małe 14 Raczej małe 18 Bardzo małe 3 Razem 100 Podstawa próby 200

26 Analiza danych Prawdopodobieństwo zakupu nowego samochód w ciągu następnych dwóch lat? (posiadacze samochodów firmowych) Prawdopodobieństwo zakupu Ilość odpowiedzi (w %) Bardzo duże 40 Całkiem duże 0 Ani duże, ani małe 25 Raczej małe 30 Bardzo małe 5 Razem 100 Podstawa próby 100

27 Analiza danych Prawdopodobieństwo zakupu nowego samochodu można przedstawić dla kilku kategorii respondentów wyznaczonych według takich kryteriów demograficznych jak wiek, płeć czy przynależność do grupy o określonych dochodach. Analiza krzyżowa może zostać przeprowadzona na podstawie odpowiedzi na dowolne z pytań zawartych w kwestionariuszu- nie można jednak dokonywać klasyfikacji danych według kryterium nie poruszonego w ankiecie lub według prawdopodobnych odpowiedzi na pytanie, które nie zostało respondentom zadane. Warto zatem pamiętać, aby planowanie analizy danych rozpocząć na etapie projektowania kwestionariusza!.

28 Analiza danych Prawdopodobieństwo zakupu nowego samochodu w ciągu następnych dwóch lat? (użytkownicy samochodów firmowych oraz prywatnych) analiza krzyżowa Prawdopodobieństwo zakupu Razem (w %) Użytkownicy samochodów firmowych (w %) Właściciele samochodów prywatnych (w %) Bardzo duże Całkiem duże Ani duże, ani małe Raczej małe Bardzo małe Razem Podstawa próby

29 Analiza danych W prezentowanych danych wykorzystujemy pytania skalarne. Rezultaty opracowane na podstawie odpowiedzi na tego rodzaju pytania przedstawia się zazwyczaj w postaci wyników uśrednionych. Każdy wynik opracowuje się licząc średnią ważoną tzn. mnożymy liczbę respondentów, którzy udzielili danej odpowiedzi, przez odpowiednią wagę przypisaną do danej opcji. Wyniki uśrednione pozwalają oszacować prawdopodobieństwo nabycia nowego samochodu przez wszystkich członków grupy, jak również odrębnie dla każdej z jego podgrup. Jednakże wyciąganie wniosków jedynie na podstawie uśrednionych wyników może być dosyć ryzykowne!. Średnia ważona jest tylko jednym ze sposobów ustalania uśrednionych wartości, czyli opisywania rozmieszczenia poszczególnych wartości za pomocą jednej zmiennej lokalizacyjnej.

30 Analiza danych Wskaźnikiem najczęściej wykorzystywanym w tym celu jest standardowe odchylenie umożliwiające dokonanie oceny rozproszenia danych zebranych w ramach populacji, z której została dobrana próba, czyli obliczenia błędu standardowego, na podstawie którego można oszacować margines błędu lub sprawdzić różnicę między dwoma wynikami (na przykład z dwóch grup). Istnieje możliwość, z zachowaniem reprezentatywności próby, uwzględnienia udziału jej poszczególnych komponentów w populacji generalnej.

31 Analiza danych Prawdopodobieństwo zakupu nowego samochodu w ciągu następnych dwóch lat? (użytkownicy samochodów firmowych oraz prywatnych) analiza krzyżowa Prawdopodobieństwo zakupu Razem (w %) Użytkownicy samochodów firmowych (w %) Właściciele samochodów prywatnych (w%) Bardzo duże (+2) Całkiem duże (+1) Ani duże, ani małe (0) Raczej małe (-1) Bardzo małe (-2) Razem Przeciętne wyniki +0,66 +0,40 +0,95 Odchylenie standardowe 1,14 1,39 0,59 Błąd standardowy 0,08 0,14 0,06 Podstawa próby

32 Analiza danych Wariancja to w statystyce klasyczna miara zmienności. Intuicyjnie utożsamiana ze zróżnicowaniem zbiorowości jest średnią arytmetyczną kwadratów odchyleń (różnic) poszczególnych wartości cechy od wartości oczekiwanej. Wariancja zmiennej losowej X zdefiniowana jest wzorem: Var {X} = E (X-u)2 gdzie E jest wartością oczekiwaną zmiennej losowej. Innym, często prostszym sposobem wyznaczania wariancji jest wzór: D2(X) = E(X2) [E(X)]2. Wariancja jest momentem centralnym drugiego rzędu zmiennej losowej. Pierwiastek kwadratowy z wariancji definiujemy jako odchylenie standardowe. Pierwiastek z estymatora nieobciążonego wariancji jest często używany jako estymator odchylenia standardowego, jednak jest wówczas obciążony! (zobacz odchylenie standardowe).

33 Analiza danych Analiza pytań otwartych:- Rozkład % odpowiedzi Powody, dla których zakup nowego samochodu nie jest brany pod uwagę? (osoby niebiorące pod uwagę kupna nowego samochodu). Udzielano wieloznacznych odpowiedzi i dlatego podsumowanie kolumny z odpowiedziami nie wynosi 100*. N = 70 Przyczyna Odpowiedzi (w %) Wysokie ceny/brak możliwości finansowych 55 Zadowolenie z obecnego samochodu 35 Znaczny spadek wartości/wysokie składki na ubezpieczenie 21 Niepewna praca 15 Respondent nie podał lub nie zna przyczyny 10 Razem *

34 Analiza danych Analiza krzyżowa umożliwia porównywanie dwóch elementów bądź dwóch wymiarów sytuacji rynkowej na przykład prawdopodobieństwa zakupu nowego samochodu a statusu dotychczas użytkowanego pojazdu. Wykorzystanie do porównań większej liczby czynników wymaga użycia metod analiz wieloczynnikowej. Są to odpowiednio: analiza wskaźnikowa oraz analiza grupowa. Główne zastosowania analizy wieloczynnikowej to: Segmentacja rynku Pozycjonowanie produktów

35 Analiza danych Metody analizy wieloczynnikowej - analiza wskaźnikowa: Koncentruje się na wykorzystaniu zgromadzonych danych do identyfikacji najważniejszych czynników (zwanych też czynnikami składowymi) wpływających w sposób wzajemnie zależny na nastawienie konsumenta do firmy bądź produktu. Metody analizy wieloczynnikowej - analiza grupowa: Analiza grupowa koncentruje się na respondentach, a badani są dzieleni na w miarę jednorodne grupy. Kryterium podziału może być opinia względem produktu.

36 Analiza danych Poniższa mapa percepcji marek przedstawia pozycjonowanie (względne położenie) 4 marek produktowych z punktu widzenia 6 czynników (wymiarów): Niezawodności Dostępności Wygody Przyjazności Relacji jakości do ceny Każdy z powyższych wymiarów znajduje swoje odbicie w kwestionariuszu.

37 Analiza danych Niezawodna Przykład mapy percepcji marek Korzystna relacja jakości do ceny Łatwo dostępna A B Innowacyjna Wygodna C Przyjazna D

38 Wstępna analiza statystyczna Sumaryczne wskaźniki statystyczne Wskaźniki struktury i natężenia Miary tendencji centralnej Miary dyspersji

39 Wstępna analiza statystyczna Wskaźniki struktury i natężenia Wskaźniki struktury Proporcje Odsetki Wskaźniki natężenia Stosunki Stop Tempo wzrostu

40 Wstępna analiza statystyczna Miary dyspersji Odchylenie standardowe Obszar zmienności

41 Wstępna analiza statystyczna Miary tendencji centralnej Średnie klasyczne Arytmetyczna Geometryczna Harmoniczna Kwadratowa Średnie pozycyjne Mediana Dominanta Kwartyle

42 Złożona analiza statystyczna Metody testowania hipotez Dane z pomiaru nominalnego Dane z pomiaru porządkowego Dane z pomiaru przedziałowego

43 Złożona analiza statystyczna Weryfikacja danych z pomiaru nominalnego Dane z jednej próby Dane z dwu lub więcej prób Test chi-kwadrat Próby niezależne Próby zależne Test dwumianowy Test chi-kwadrat Test McNemara Test Fishera Test Q (Cochrana)

44 Złożona analiza statystyczna Weryfikacja danych z pomiaru porządkowego Dane z jednej próby Dane z dwu lub więcej prób Test K-S Próby niezależne Test Manna-Whitneya Test mediany Test K-S Test Kruskala-Wallisa (ANOVA-pojedynczy) Próby zależne Test znaków Test Wilcoxona Test Friedmana (ANOVA podwójny)

45 Złożona analiza statystyczna Weryfikacja danych z pomiaru przedziałowego Dane z jednej próby Test Z (n>30) Test t (n<30) Dane z dwu lub więcej prób Próby niezależne Test Z (n>30) Test t (n<30) Test ANOVA pojedynczy Próby zależne Test tr Test tr dla wszystkich par

46 Złożona analiza statystyczna Metody analizy wielowymiarowej: Analiza współzależności Analiza zależności

47 Złożona analiza statystyczna Metody analizy zależności Jedna zmienna zależna Dwie lub więcej zmiennych zależnych Tabulacja wielodzielna Wielowymiarowa analiza wariancji i kowariancji Analiza wariancji i kowariancji Korelacja kanoniczna Regresja wieloraka Wielowymiarowa analiza dyskryminacyjna Dwugrupowa analiza dyskryminacyjna Analiza wieloczynnikowa

48 Złożona analiza statystyczna Metody analizy współzależności Współzależność zmiennych Podobieństwo między obiektami Analiza czynnikowa Analiza grupowa wiązana Skalowanie wielowymiarowe

49 Zalecana literatura 1. Churchill G.A., Badania marketingowe. Podstawy metodologiczne, PWN, Warszawa 2002 ss Hague P.,Hague N., Morgan C.A., Badania rynkowe w praktyce, Wyd. Helion 2005 rozdział Hague P., Badania marketingowe. Planowanie, metodologia i ocena wyników, Wyd. Helion 2006 rozdział Kaczmarczyk St., Badania marketingowe. Metody i techniki, PWE, Warszawa 2002, rozdział Rószkiewicz M., Metody ilościowe w badaniach marketingowych, PWN, Warszawa 2002, rozdział Strzyżewska M., Rószkiewicz M., Analizy marketingowe,diffin Warszawa 2002, Aneks.