Преимущества анализа временных рядов состоит в том, что:
1). При исследовании можно определять эффект какого-то изменения на конкретную маркетинговую переменную. Если бы для изучения изменения какой-то конкретной переменной использовались две разные группы, осталось бы неясным, имела место вариация данных вследствие изменения этой маркетинговой переменной или они возникли из-за различий этих двух групп.
2). Списки представляют наилучший формат для сбора классификационной информации, такой как доходы, возраст, уровень образования и род занятий. А такая информация дает возможность проведения более тонкого анализа результатов исследований.
3). Списочные данные более точны, чем данные поперечных сечений, так как им свойственна тенденция быть более свободными от ошибок, ассоциируемых с регистрацией сведений о прошлом поведении, которые связаны со свойственной людям забывчивостью, иногда объясняемой давностью и другими причинами.
Главным недостатком списков является то, что они могут быть нерепрезентативными. Соглашение об участии влечет за респондентами определенные обязательства и многие отказываются принимать их. Некоторые индивиды оказываются потерянными для списка в связи с переездом или смертью. В зависимости от типа необходимого сотрудничества доля отказавшихся и «умерших» может превышать 50%.
Однако не для каждого исследования утрата представительности может стать проблемой. Это зависит от цели исследования и конкретных переменных, представляющих интерес.
Анализ поперечного сечения.
Несмотря на преимущества анализа временных рядов, в реальной практике наиболее известными и самыми важными описательными проектами являются проекты исследований поперечных сечений.
Исследование поперечного сечения отличается двумя особенностями. Во-первых, это исследование обеспечивает подобие моментального снимка представляющих интерес переменных в какой-то одной точке времени, в отличие от продольного исследования, дающего последовательность картинок, которые когда соединяются вместе, дают как бы кинокартину меняющейся во времени ситуации. Во-вторых, в исследовании поперечного сечения выборка элементов обычно определяется таким образом, чтобы быть представительной. Поэтому основной упор делается на отборе членов выборки, который осуществляется по определенному вероятностному плану. Этот прием часто называют выборочным обследованием. Вероятностный характер формирования выборки предполагает возникновение ошибок, связанных с оценками, которые получаются на базе выборки, но используются для описания всей совокупности. Большинство выборочных обследований сопряжено с привлечением достаточного объема наблюдений, допускающих перекрестную классификацию переменных. Цель перекрестно-классификационного анализа состоит в установлении взаимных зависимостей между классификациями исследуемых объектов, осуществляемыми по различным признакам. Метод перекрестно-классификационного анализа будет рассмотрен в вопросе, связанный с табулированием.
Хотя выборочное обследование широко применяется, оно имеет ряд недостатков. К ним относятся:
1. Поверхность анализа явления. Это связано с тем, что данные, полученные в выборочном обследовании, не дают достаточного проникновения в глубь проблемы, т.к. акцент делается на ширине охвата в ущерб глубине исследования.
2. Большой расход времени и денег. Связано это с тем, что весь исследовательский процесс, начинающийся с постановки задачи, проходящий через разработку средств измерения, структуризацию выборки, сбор данных, их редактирование, кодирование и табулирование, должен быть полностью завершен, прежде чем начать оценивать гипотезы, ради проверки которых исследование затевалось.
3. Требует наличие солидного технического профессионализма. На практике очень редко случается, когда одно лицо обладает навыками профессионального совершенства и в деле разработки шкалы для измерения отношений, и в разрешении проблем проектирования сложной вероятностной выборки.
3 Проекты казуальных исследований
Поисковое или описательное исследование очень часто приводят к появлению нескольких гипотез причинно-следственного характера, которые необходимо проверить. Например, проверяется гипотеза, приведет ли 10%-ное снижение платы за обучение в частном лицее к увеличению числа учащихся, достаточному для компенсации потерь от снижения платы?
Когда вопрос исследования может быть сформулирован недвусмысленно, то возникает ситуация для причинного анализа. Описательное исследование приемлемо для проверки гипотез, но оно не так эффективно как казуальные исследования в деле проверки причинно-следственных связей.
Казуальное исследование — маркетинговое исследование, проводимое для проверки гипотез относительно причинно-следственных связей. В основе данного исследования лежит стремление понять какое-нибудь явление на основе использования логики типа: «Если X, то затем Y». Факторы, которые вызывают какие-то изменения, называются независимыми переменными, в то время как переменные, изменяющиеся под воздействием этих факторов, называются зависимыми переменными.
Под утверждением, будто одна вещь (Х) является причиной другой (У), понимается, что у какого-то события есть единственная причина. Научное понятие причинности отличается от этого общепринятого определения в трех отношениях. Во-первых, научное определение исходит из того, что Х может быть лишь одним из целого ряда определяющих условий, а не единственной причиной. Во-вторых, оно строится на том, что Х не приводит к непременному появлению У, а просто делает появление У более вероятным. В-третьих, научное определение исходит из того, что никогда нельзя доказать, что Х действительно является причиной У, а можно лишь на основании некоторых наблюдавшихся данных сделать заключение о существовании такой связи.
Поэтому, в поддержку научного предположения могут быть использованы три типа свидетельств:
- сопутствующая вариация;
- порядок появление переменных во времени;
- исключение других возможных причинных факторов.
Одним из типов научного предположения о том, что «Х есть причина У» является сопутствующая вариация – протяженность, на которой причина Х и следствие У появляются вместе или совместно варьируют, как предсказывается гипотезой.
Рассмотрим пример. Зарубежный производитель автомобилей желает проверить взаимосвязь между работой его дилеров и рыночной долей компании в каком-то регионе. Гипотеза формулируется следующим образом: «Успех маркетинговых усилий в большей степени зависит от дилеров. Там, где дилеры хороши, имеем хорошее проникновение на рынок, а там, где дилеры недостаточно хороши, проникновение на рынок неудовлетворительно». Поэтому, если Х будет рассматриваться причиной У, то должны ожидать, что обнаружим следующее: на территориях, где дилеры хороши, рыночные доли удовлетворительны, тогда как на территориях, где действуют плохие дилеры, рыночные доли не удовлетворяют компанию. Однако если обнаружим, что на большом числе территорий с хорошими дилерами доли тоже не удовлетворяют компанию, придется сделать вывод о несостоятельности самой гипотезы. Безупречное свидетельство сопутствующей вариации будет обеспечено, если все хорошие дилеры окажутся на территориях, где рыночные доли удовлетворительны, а все плохие там, где рыночные доли не могут быть признаны удовлетворительными. На практике такой «чистый» случай – явление редкое, поскольку другие причинные факторы будут давать некоторое отклонение от взаимосвязи между Х и У один к одному. Например, некоторые хорошие дилеры могут оказаться на территории, где очень силен принцип «покупай товары отечественного производства», следовательно, и объем продаж зарубежных автомобилей будет очень низок. На территории плохого дилера может не оказаться близкого конкурента, а популярность зарубежных автомобилей настолько высока, что его рыночная доля выглядит превосходной, несмотря на плохое обслуживание. Поэтому, если анализируя взаимосвязь между Х и У, обнаружили свидетельство сопутствующей вариации, то может быть, что эта ассоциация делает гипотезу более вероятной, но не доказывает ее справедливость.
Следовательно, сопутствующая ассоциация представляет собой один из типов свидетельства, поддерживающего существование причинной взаимосвязи между Х и У; однако ее отсутствие не обязательно опровергает взаимосвязь между Х и У, а ее наличие не является гарантией существования этой связи.
Порядок появления переменных во времени является другим типом свидетельства причинной взаимосвязи между двумя переменными. Это свидетельство базируется на следующем простом принципе: Одно событие не может рассматриваться «причиной» другого, если оно происходит после него. Появление причинного фактора может предшествовать возникновению какого-то события или появляется одновременно с ним. Однако для каждого участвующего во взаимодействии элемента остается возможность быть как «причиной», так и «следствием» другого элемента. Однако иногда бывает трудно определить временную последовательность, управляющую явлением. Например, рассмотрим взаимосвязь между годовыми расходами на рекламу и объемом продаж ее товара. Маркетинговые менеджеры часто увязывают увеличение объема продаж с повышением затрат на рекламу. Однако некоторые компании придерживаются неизменного правила: использовать объем продаж в истекшем периоде в качестве своего рода руководства при размещении ресурсов на рекламу. Например, сумма равная 10% объема продаж прошлого года, может быть ассигнована в рекламный бюджет на текущий год. Однако такая практика вносит путаницу в вопросе о том, какое из этих событий является причиной, а какое следствием. Реклама приводит к более высокому объему продаж или более высокий объем продаж приводит к увеличению рекламного бюджета? Поэтому глубокое проникновение в существо способа, используемого для установления рекламного бюджета, поможет разрешить дилемму этой ситуации.