Marta Dziechciarz Katedra Ekonometrii i Informatyki, Akademia Ekonomiczna im. Oskara Langego we Wrocławiu SEGMENTACJA JAKO NARZĘDZIE POPRAWY PROGNOZ SPRZE- DAŻY INNOWACYJNYCH DÓBR TRWAŁEGO UŻYTKOWANIA 1. Wstęp Prognozy sprzedaży na podstawie intencji zakupu znacznie łatwiej można oszacować w przypadku dóbr szybkozbywalnych gdzie, jak wskazują liczne badania, istnieje silna zależność między deklarowanym zamiarem dokonania zakupu produktu a jego faktycznym nabyciem. W prognozowaniu długookresowym, problem staje się bardziej złożony. Taka sytuacja występuje w przypadku dóbr trwałego użytku, gdzie cechą charakterystyczną jest mała częstotliwość nabywania produktów. Z tego powodu, nie udało się wykazać wystarczająco silnej korelacji pomiędzy deklarowanymi intencjami zakupu a konsekwencją w ich późniejszym nabywaniu. To zrodziło konieczność zastosowania technik, które zapewniają podniesienie precyzji prognoz sprzedaży. Opracowanie poświęcone jest zagadnieniu poprawy dokładności prognoz sprzedaży dokonywanych na podstawie deklarowanych intencji zakupu nabywców poprzez segmentację konsumentów rynku dóbr trwałego użytkowania. Przedyskutowane zostaną metody wykorzystywane do prognozowania sprzedaży dóbr trwałego użytku. Szczegółowo przybliżona będzie technika podnoszenia dokładności prognoz, polegająca na poprzedzaniu prognozowania (z użyciem deklarowanych intencji zakupu) segmentacją konsumentów. 2. Techniki prognozowania sprzedaży Prognoza sprzedaży definiowana jest jako przewidywanie przyszłego poziomu sprzedaży (wyrażonego w jednostkach naturalnych lub wartościowych) produktu na danym rynku w określonym czasie i warunkach otoczenia. Kluczowym aspektem prognozowana jest wybór metody. Procedury prognostyczne można podzielić w oparciu o dwa podejścia, techniki, umownie nazwane jakościowymi i ilościowymi. Metody jakościowe wykorzystują głównie oceny ekspertów, zalicza się tu również metody prognozowania przez analogię. Do ilościowych zalicza się techniki statystyczno ekonometryczne, oparte na formalnych modelach prognostycznych, w tym metody modelowania przyczynowo skutkowego, prognozowanie na podstawie szeregów czasowych, itp. Odmienna klasyfikacja technik prognozowania sprzedaży dzieli je na podej- 48
ście oddolne i odgórne. W podejściu odgórnym prognozy opiera się na danych wtórnych dotyczących zmiennych ekonomicznych lub branżowych. Oddolne metody prognozowania sprzedaży koncentrują się na wnętrzu firmy i zwykle wsparte są wynikami pierwotnych badań rynku. 2.1. Prognozy sprzedaży w oparciu o zadeklarowane intencje zakupu Przykładem metody z dołu do góry jest prognoza sprzedaży w oparciu o zadeklarowane intencje zakupu. Technika ta jest najskuteczniejsza, gdy prognozuje się krótkookresowo. Wówczas konsumenci są bardziej konsekwentni w dotrzymywaniu deklarowanych intencji zakupu niż w przypadku długich okresów. Szczególna sytuacja wykorzystania tej metody dla prognozowania długookresowego występuje, kiedy konieczna jest ocena potencjału rynku nowych, innowacyjnych produktów i nie ma możliwości wyznaczenia jakiegokolwiek trendu sprzedaży z przeszłości. Pozostaje wówczas oparcie prognozy na deklarowanych intencjach zakupu nowego produktu przez potencjalnych nabywców. W zależności od rodzaju dobra i horyzontu czasowego prognozy, siła korelacji pomiędzy intencjami zakupu a ich realizacją jest różna. Znacznie bardziej konsekwentni w swoich deklaracjach są konsumenci, którzy nie mają zamiaru dokonać zakupu. Ponieważ dobro innowacyjne jest zwykle relatywnie drogie, konsumenci o wyższych przychodach charakteryzują się wyższym stopniem konwersji 1, czyli zamiany intencji w zakup. Tak, więc wyższe przychody gwarantują pewniejszą realizację intencji zakupu. Większe prawdopodobieństwo dokonania zakupu występuje też u osób, które miały wcześniej styczność z analizowanym produktem. Ponadto istotnym czynnikiem warunkującym realizację zakupu są oczekiwania przyszłych nabywców związane z nowym dobrem. 3. Prognozowanie sprzedaży dóbr trwałego użytkowania 3.1. Dobra trwałego użytkowania Dobra trwałego użytku są przedmiotami konsumpcji o długim okresie użytkowania oraz o znacznej wartości. Do dóbr trwałego użytkowania w szczególności zalicza się: wyposażenie (i umeblowanie) gospodarstwa domowego, elektronikę użytkową, urządzenia gospodarstwa domowego (w tym AGD) oraz samochody i inne pojazdy me- 1 Pojęcie konwersji jest kluczowe dla technik prognozowania w oparciu o deklarowane intencje zakupu. Rozumiane jest jako odsetek lub liczba konsumentów, która po zadeklarowaniu zamiaru zakupu, rzeczywiście dokonuje transakcji. 49
chaniczne. Wyposażenie gospodarstw domowych w przedmioty trwałego użytkowania jest, obok poziomu uzyskiwanych przez nie dochodów, istotnym czynnikiem informującym o poziomie i jakości życia rodziny. 3.2. Specyfika prognozowania sprzedaży dóbr trwałego użytkowania Stopień dokładności szacunków sprzedaży i trafności prognoz zależy od wielu czynników: rodzaju rynku i panującej na nim rynku, charakterystyki produktu oraz rodzaju zaspokajanych potrzeb. Prognozując sprzedaż dóbr trwałego użytkowania horyzont czasowy jest odległy, dlatego z większym prawdopodobieństwem wystąpią zmiany we wzorcach konsumpcji i realiach rynkowych, obniżające dokładność szacunków. Dodatkowo, szybki postęp techniczny na rynku dóbr trwałego użytkowania odciągający konsumentów do nowych, innowacyjnych produktów utrudnia prognozowanie. Innowacyjne produkty trwałego użytkowania cechują się wysoką elastycznością dochodową popytu. Sprawia to, że skuteczność prognozowania silnie zależy od zmian sytuacji ekonomicznej gospodarstwa domowego. W sytuacji trudniejszej, ich zakup może być łatwo odłożony lub całkowicie wyeliminowany. Z drugiej strony, wysokie bariery wejścia oferentów na rynek dóbr trwałego użytkowania są czynnikiem zwiększającym precyzję prognoz. 4. Innowacyjność a dobra trwałego użytkowania 4.1. Pojęcie innowacji Zjawisko innowacji wiąże się z rozwojem, zmianą, nowością, ideą postrzeganą jako nowa. Za innowacje uważa się najróżniejsze fakty, rozwiązania, procesy i zjawiska o charakterze technicznym, organizacyjnym, społecznym lub psychologicznym. Pojęcie innowacji jest różnie definiowane. Do nauk ekonomicznych, w początkach ubiegłego stulecia, pojęcie to wprowadził J. A. Schumpeter 2, który rozumiał je jako: wprowadzenie do produkcji wyrobów nowych lub też udoskonalenie dotychczas istniejących oraz wprowadzenie nowej lub udoskonalonej metody produkcji, otwarcie nowego rynku, zastosowanie nowego sposobu sprzedaży lub zakupów, zastosowanie nowych surowców lub półfabrykatów, wprowadzenie nowej organizacji produkcji. Ogólnie przyjęta definicja innowacji jest nieco węższa, innowacja to wprowa- 2 Schumpeter J. A., Teoria rozwoju gospodarczego, PWN, Warszawa, 1960; 50
dzenie nowego lub ulepszonego produktu na rynek lub zastosowanie w produkcji nowego lub ulepszonego procesu, przynajmniej z punktu widzenia wprowadzającego je przedsiębiorstwa. 4.2. Proces dyfuzji innowacji Po fazie innowacji następuje etap dyfuzji, który definiuje się jako rozpowszechnianie się wyrobu lub metody jego wytwarzania w ramach danego systemu społecznego. Skłonność do adaptacji innowacji przez konsumentów jest postrzegana na dwóch głównych płaszczyznach: socjoekonomicznej oraz w aspekcie istnienia kanałów przepływu informacji w społeczeństwie. Pierwsza to sytuowanie ekonomiczne jednostek, uwarunkowania kulturowe, zaawansowanie cywilizacyjne i inne. Druga płaszczyzna to stopień zintegrowania jednostki ze społeczeństwem, wpływ wywierany na inne jednostki, postrzeganie zachowań konsumpcyjnych i zdolność do ich przejmowania. Adaptacja innowacji odbywa się w czasie: jest ona przyswajana przez kolejne grupy nabywców, począwszy od najbardziej otwartych do tych, którzy odnoszą się z największą rezerwą do nowości. Rozpatruje się dwa podstawowe modele procesu dyfuzji innowacji (model heterogeniczny i model epidemii), które mają na celu wyjaśnienie tego zagadnienia. Model heterogeniczny opiera się na założeniu, że konsumenci oczekują innych korzyści z podjętej decyzji o zakupie innowacyjnego produktu a decyzję o zakupie produktu, zostaje podjęta, gdy ich zdaniem korzyści z zakupu przewyższają koszty dobra. Zakłada się również, stały bądź zmniejszający się z upływem czasu koszt nowego produktu. Natomiast model epidemii zakłada, iż konsumenci posiadają identyczne potrzeby, koszt innowacyjnego produktu jest stały w czasie, ale nie wszyscy konsumenci dysponują wystarczającą informacją o produkcie. Wraz ze wzrostem liczby użytkowników wzrasta dostępność informacji, gdyż konsumenci bazują na informacji udzielanej przez sąsiadów, rodzinę, oraz innych konsumentów, którzy już zakupili dany produkt. Oczywiście po nasyceniu rynku liczba nowych transakcji zostaje ograniczona do zakupów odtworzeniowych. Uważa się, że powodzenie procesu dyfuzji dóbr trwałego użytkowania uwarunkowane jest cechami innowacji. Z empirycznych badań rynku wynika, że kluczowe cechy innowacji wpływające na przebieg procesu dyfuzji to: przewaga technologiczna nad dotychczas występującymi produktami, usługami i sposobami zaspokojenia potrzeb im większa przewaga technologiczna, tym szybsza adaptacja innowacji danego dobra, łatwość komunikowania i przekazywania naśladowcom istoty innowacji przyspiesza 51
proces dyfuzji innowacji, kompatybilność innowacji, zgodność z dotychczasowymi wzorcami, normami, zachowaniami nabywców wysoka kompatybilność zwiększa szanse szybkiej dyfuzji innowacji, postrzegane ryzyko, sądy i oceny konsumentów na temat negatywnych konsekwencji z wdrożenia innowacji postrzegane przez konsumentów ryzyko może spowolnić tempo procesu dyfuzji innowacji, stopień trudności zrozumienia idei działania i zasad użytkowania innowacji wysoka złożoność spowalnia dyfuzję, możliwość wypróbowania innowacji im większa jest możliwość wypróbowania innowacji, tym szybciej innowacja będzie przyjęta. Proces dyfuzji innowacji, jest wyrazem akceptacji lub odrzucenia przez szeroko rozumiany rynek. O sukcesie innowacji, oprócz cech samego produktu, decyduje również przyjęta strategia marketingowa, gdyż nawet najlepszą innowację należy w umiejętny sposób sprzedać, zarówno na rynku krajowym, jak i globalnym. Szerzej na temat czynników determinujących powodzenie i tempo dyfuzji innowacji pisze K. Karcz 3. 5. Próba poprawy prognoz sprzedaży Dla oferentów wprowadzających na rynek innowacyjne produkty kluczowym elementem decyzyjnym jest przewidywany popyt. Stosowanie standardowych technik prognozowania sprzedaży jest niewystarczające, ze względu na trudności występujące przy szacowaniu popytu nowych dóbr trwałego użytkowania. Dlatego poszukuje się możliwości zwiększenia precyzji formułowanych prognoz. Przykładem takich prac jest opracowanie F. Bassa i L. Jamiesson 4. Innym kierunkiem badań jest podejście zaproponowane przez V. Morwitza i D. Schmittleina 5, w którym przed formułowaniem prognoz dokonuje się segmentacji konsumentów. W tradycyjnym podejściu do prognozowania zakłada się homogeniczność rynku 3 K. Karcz K., Proces dyfuzji innowacji: podejście marketingowe, Prace Naukowe Akademii Ekonomicznej im. Karola Adamieckiego, Katowice, 1997 4 F. M. Bass F. M., Jamiesson L. F., Adjusting Stated Purchase Intention Measures to Predict Trial Purchase of New Products: A Comparison of Models and Methods, Journal of Marketing Research, Vol. 26, 1989, s. 336 345; 5 V. G.Morwitz V. G., Schmittlein D., Using Segmentation to Improve Sales Forecasts Based on Purchase Intent: Which Intenders Actually Buy?, Journal of Marketing Research, Vol. 29, 1992, s. 391 405; 52
oraz jednolitość procesu konwersji, czyli konsekwencji przyszłych nabywców w deklaracjach zakupu i zachowaniu. Na tym tle pojawiają się jednak wątpliwości. Czy faktycznie proces konwersji jest procesem homogenicznym, a jeżeli nie to, jakie czynniki wpływają na zmianę zamiaru zakupu? Udowodniono 6, że konsumenci są niejednorodni pod względem skłonności do adaptowania innowacyjnych dóbr. Inny aspekt rozstrzygany jest pytaniem, czy konsumenci różnią się pod względem konsekwencji w realizowaniu intencji zakupów, np. w powiązaniu z cechami demograficznymi i psychograficznymi? Ponadto, analizuje się czy możliwa jest identyfikacja zmiennych charakteryzujących konsumentów, które determinują proces konwersji. 5.1. Prognozowanie sprzedaży dóbr trwałego użytkowania z wykorzystaniem segmentacji konsumentów. Przykład zastosowania. W proponowanym podejściu V. Morwitza i D. Schmittleina, przed prognozowaniem podzielono konsumentów na segmenty według ogólnie przyjętych procedur, z wykorzystaniem typowych zmiennych segmentacyjnych. Autorzy badania, w dążeniu do poprawy prognoz sprzedaży przyjęli alternatywne założenia o istnieniu zróżnicowania między grupami nabywców oraz o występowaniu jednolitości w konwersji deklaracji do faktycznego zakupu wewnątrz poszczególnych segmentów. Przyjęli ponadto, że stopień konwersji wewnątrz wyodrębnionych segmentów jest stabilny w czasie. Badanie zostało przeprowadzone w latach 1986 1989, w USA, na ponad stu tysiącach gospodarstw domowych (w ramach badania budżetów domowych). W kolejnych trzech latach gromadzono dane o intencjach zakupu oraz ich realizacjach dla dwóch produktów trwałego użytkowania komputera osobistego i samochodu. Dla PC zgromadzono ponad 24 tys. odpowiedzi respondentów, którzy wzięli udział we wszystkich trzech częściach badania, natomiast dla samochodów liczba ta wyniosła ponad 28 tys. respondentów. Prezentowany przykład literaturowy dotyczy prognoz sprzedaży samochodów oraz komputerów osobistych. Zwłaszcza badanie prognoz sprzedaży komputerów jest zbieżne z moim zainteresowaniem produktami innowacyjnymi w okresie badania, w końcu lat osiemdziesiątych, był to produkt wysoce innowacyjny. Autorzy badania również tak go potraktowali, dlatego wyłączono z badania tych, którzy posiadali komputer już w pierwszym okresie. Zgromadzoną bazę danych podzielono losowo na dwie równe (w przybliżeniu) części, kalibracyjną (do modelowania) oraz walidacyjną (używaną do 6 E. M. Rogers E. M., Diffusion of Innovations (4th edition), The Free Press, Nowy Jork, 1995; 53
weryfikacji). Następnie dokonano segmentacji w oparciu o cztery techniki segmentacyjne, z podziałem na 5 segmentów: A priori, w oparciu o poziom dochodu; Segmentację klasyfikacyjną, gdzie użyte zostały cechy demograficzne i użytkowanie (rozumiane w ten sposób, czy zetknął się wcześniej z komputerem osobistym np. w pracy lub szkole); Dwie techniki dyskryminacyjne; segmentacja w oparciu o wartości funkcji dyskryminacyjnej wyliczonej na podstawie cech demograficznych i opisujących użytkowanie, respondentów uporządkowano i podzielono na 5 równych części; technika CART segmentacja w oparciu o cechy demograficzne i użytkowanie 7. W kolejnych okresach porównywano deklarowane intencje z realizacją zakupów. W części kalibracyjnej, prognozowanie z użyciem segmentacji okazało się dokładniejsze niż bez segmentacji dla wszystkich użytych metod segmentacji. W części walidacyjnej, prognozy w oparciu o segmentację były lepsze niż bez segmentacji dla wszystkich użytych metod segmentacji z wyjątkiem metody k średnich. Prognozy w oparciu o klasyfikację (metodą k średnich) dały znacznie lepsze wyniki w kalibracyjnej części próby, od 8 do 77% poprawy, ale gorsze wyniki w części walidacyjnej. 5.2. Przykład zastosowania. Wnioski z badania W badaniu potwierdziły się założenia o heterogeniczności procesu konwersji wśród konsumentów. Udało się wyodrębnić segmenty o znacznej różnicy stopnia konwersji zarówno wśród tych z intencją zakupu, jak i bez intencji zakupu. Najdokładniejsze prognozy uzyskano dokonując oddzielnej segmentacji dla konsumentów deklarujących brak intencji zakupu oraz zainteresowanych zakupem Okazało się, że zarówno wśród konsumentów deklarujących intencje zakupu, jak i tych, którzy nie deklarowali zamiaru zakupu, występuje silna zbieżność faktu realizacji zakupu z profilem konsumenta. Obserwacja ta oznacza, że istnieje zjawisko, które można określić mianem typowego nabywcy. Daje to dodatkową szansę korygowania 7 L. Brieman, L., Friedman J. H., Olshen R. A., Stone C. J., Classification and Regression Trees. Wadsworth International Group, Belmont, CA, 1984 54
prognoz zakupu sprawdzając deklarowane intencje z profilem typowego nabywcy. Z drugiej strony okazało się, że nie wszystkie metody segmentacji w jednakowym stopniu poprawiają prognozy. Znaczniejszą poprawę gwarantują techniki segmentacji uwzględniające związki przyczynowo skutkowe. Bibliografia [1] Bass F. M., Jamiesson L. F., Adjusting Stated Purchase Intention Measures to Predict Trial Purchase of New Products: A Comparison of Models and Methods, Journal of Marketing Research, Vol. 26, 1989, s. 336 345; [2] Brieman, L., Friedman J. H., Olshen R. A., Stone C. J., Classification and Regression Trees. Wadsworth International Group, Belmont, CA, 1984; [3] Karcz K., Proces dyfuzji innowacji: podejście marketingowe, Prace Naukowe Akademii Ekonomicznej im. Karola Adamieckiego, Katowice, 1997; [4] Matusiak K. B. (red.), Innowacje i transfer technologii. Słownik pojęć, www.pi.gov.pl, Warszawa, 2005, s. 65; [5] Mikuś J., Prognozowanie w badaniach marketingowych, Politechnika Wrocławska, Wrocław, 2003; [6] Morwitz V. G., Schmittlein D., Using Segmentation to Improve Sales Forecasts Based on Purchase Intent: Which Intenders Actually Buy?, Journal of Marketing Research, Vol. 29, 1992, s. 391 405; [7] Rogers E. M., Diffusion of Innovations (4th edition), The Free Press, Nowy Jork, 1995; [8] Schumpeter J. A., Teoria rozwoju gospodarczego, PWN, Warszawa, 1960; Marta Dziechciarz Segmentation as an Improvement Tool of Sales Forecasting of Innovative Durable Goods Summary The article investigates a problem whether the use of segmentation can improve the accuracy of sales forecasts based on stated purchase intent on new durable goods market. It has been shown that the accuracy of sales forecasts based on purchase intent could be improved by first using segmentation method to cluster the panel members. The recommendation is that more accurate sales forecasts may be obtained by applying statistical segmentation methods that distinguish between dependent and independent variables (e.g. CART, discriminant analysis). Less promising is application of simpler direct clustering approaches (e.g., a priori segmentation or K means clustering). 55