Использование программных средств сегментации рынка на примере компании ГК Виктория (стр. 6 из 6)
Целью данной курсовой работы является изучение программ для сегментирования, поэтому для выделения сегментов покупателей компании «Виктория» воспользуемся выбранной выше программой SPSS.
3.2. Опыт использования программных средств
Окно программы стандартно – это меню, панель инструментов и два режима таблиц: «Данные» и «Переменные». Режим «Переменные» позволяет создать словарь переменных, каждой из которых соответствует своя строка, состоящая из разных граф (имя, тип, ширина, метка, значение и т.д.). Так как результаты анкетирования занесены уже в таблицу Excel, то будем работать в режиме «Данные», импортировав их из имеющегося файла.
Импортированные данные отображаются в таблице, похожей на исходную. Значения переменных при этом задаются программой автоматически, однако при необходимости их можно поменять.
Чтобы провести кластеризацию данных в строке меню необходимо выбрать «Анализ» - «Классификации».
Классификация данных в SPSSstatistics, как отмечалось выше, может производиться тремя методами. Воспользуемся методом «k-средних», так как с помощью него можно быстро и легко разбить покупателей на однородные группы, чтобы для каждой из них разработать ассортимент продукции.
Открывается диалоговое окно, в котором необходимо:
· выбрать переменные, по которым произойдет кластеризация данных – в данном случае выберем все количественные переменные;
· выбрать метод – воспользуемся методом «только классификации»;
· задать число кластеров – попробуем выделить 4 кластера покупателей (см. рис. 3).
После нажатия кнопки «ОК» программой будут построены таблицы с результатами о кластеризации данных.
Сформированные таблицы (или графики) можно копировать и вставлять в другие документы и файлы, отличные от файлов SPSS, например, в программу MS Word, с помощью которой написана данная курсовая работа.
Рис. 3. Диалоговое окно «Кластерный анализ методом k-средних»
Программа построила таблицы начальных центров кластеров, принадлежности к кластерам, конечных центров кластеров, а также таблицу числа наблюдений в каждом кластере (см. приложение 1).
При оценке кластерных центров следует в первую очередь обратить внимание на то, что здесь речь идёт о средних значениях факторов. Наиболее важной для классификации покупателей является таблица принадлежности наблюдений. Из нее видно, что в первый кластер входит 2 наблюдения, или 10% всех покупателей. Второй кластер включает 4 наблюдения, что составляет 20% всех покупателей, третий кластер – 3 (15%) и четвертый кластер – 11 покупателей, или 55% от их общего числа.
Если внимательно присмотреться к полученным данным, то можно увидеть, что SPSSдоминантной переменной выбрала «Среднемесячную заработную плату.
Таким образом в первый кластер попали покупатели в возрасте от 18 до 20 лет с самым низким доходом 1800 – 5000 руб. Средняя частота их посещений равняется 11 в месяц, средние затраты на одну покупку составляют 100 руб.
Во второй кластер попали люди разного возраста (кроме пенсионеров), среднемесячный заработок которых составил от 17000 до 22000 руб. Согласно таблице «конечных центров кластеров» частота посещений этих покупателей ≈ 9, а средняя сумма счета одной покупки около 588 руб.
В третий кластер также попали люди разного возраста, но с самым высоким уровнем достатка – 25000 – 30000 руб. Частота посещений в месяц около 10 раз, а средняя сумма счета колеблется около 1083 руб.
В четвертый, самый большой кластер, попали также покупатели разных возрастов, но преимущественно это молодые люди и пенсионеры. Их среднемесячный доход составляет от 8000 до 15000 руб., число походов в магазин в месяц ≈ 8, а средняя сумма счета равна примерно 432 руб.
Все выводные данные в SPSS формируются в отдельном файле – окне Viewer, который можно сохранять независимо от основного файла – хранителя всей базы данных исследования. Этот файл сам по себе уже представляет отчет, который можно подготовить для печати или экспортировать в документы формата doc, html, txt, pdf, xlsи другие. Подобная функция очень полезна и удобна.
В пакете полной версии есть демонстрационные файлы готовых обследований, которые помогают пользователю сориентироваться в новой программе, и при необходимости под рукой всегда могут быть примеры использования различных функций, также описанные в подробном электронном учебнике.
3.3 Определение эффективности использования SPSS для целей сегментации рынка в компании ГК «Виктория»
Для осуществления задач курсовой работы было проведено сегментирование покупателей ГК «Виктория» на основе анкетирования, с целью создания нового ассортимента продукции. Для выделения сегментов была использована программа SPSS Statistics.
Интерфейс SPSS Statistics очень похож на хорошо известный MS Excel, а это существенно упрощает работу с ним. Программа достаточно многофункциональна, но не слишком удобна, так как все же больше подходит для специалиста.
Разделить выборку на сегменты в SPSSдостаточно быстро и легко, необходимо лишь задать нужные условия в мастере анализа данных. Кластеры программа строит автоматически. Принадлежность объекта к кластеру можно посмотреть в таблице (см. приложение 1).
Результаты проведенной в SPSSсегментации таковы: программой выделено 4 сегмента покупателей. Распределение покупателей в данные сегменты произошло, в основном, по уровню их доходов. В этом случае им можно дать названия: второй сегмент – покупатели со средним уровнем доходов, третий сегмент – покупатели с высоким уровнем доходов, и четвертый – покупатели с низким уровнем доходов.
Относительно результатов по предприятию можно сказать следующее: так как ГК «Виктория» стремится удовлетворить потребности всех слоев населения, то ее работникам следует одинаково тщательно разрабатывать ассортимент для каждого из них, но при этом принять во внимание результаты сегментирования.
Итак, данная курсовая работа была посвящена изучению программных средств сегментации рынка и их использованию в маркетинговой деятельности. Цель работы бала достигнута путем решения поставленных задач.
Стратегия сегментации рынка позволяет предприятию, учитывая свои сильные и слабые стороны, выбрать те методы маркетинга, которые обеспечат концентрацию ресурсов именно в тех сферах деятельности, где предприятие имеет максимальные преимущества. При выделении сегментов и выборе целевого из них следует всегда учитывать масштаб рынка и складывающиеся тенденции на нём.
Глубокое знание потребностей сегмента и особенностей покупателей, входящих в него, позволяют использовать различные маркетинговые стратегии удерживания сегмента и продвижения на него товаров. А внимательный анализ динамики развития сегмента дает материал для разработки перспективных планов развития фирмы.
Качественное выделение сегментов не возможно без применения новых информационных технологий, а именно программ-аналитиков, так как разбивка имеющихся данных на целевые группы становится все сложнее. Связано это с постоянным увеличением количества данных. Именно потому использование средств анализа справочников и классификаторов совершенно необходимо предприятиям, данные которых по объему не позволяют произвести все действия «в уме». Следует отметить, что ни одна программа пока не в состоянии полностью заменить интеллект человека, но она позволяет существенно облегчить труд специалиста, повысив их производительность труда в несколько раз.
Большинство современных программ-аналитиков, позволяющих проводить сегментирование, имеют в своей основе мощный алгоритм кластеризации, который классифицирует объекты или события в относительно однородные группы, которые называются кластерами. Объекты в каждом кластере должны быть похожи между собой и отличаться от объектов в других кластерах. Конкретным инструментом, реализующими алгоритм кластерного анализа, является SPSS Statistics.
В качестве предприятия для проведения исследования было выбрано ОАО «Группа компаний «Виктория». Результаты анкетирования, проведенного среди покупателей магазина, были занесены и проанализированы в SPSSStatistics. Все полученные результаты сегментирования послужат основой для разработки нового ассортимента продукции.
Программа SPSS Statistics обладает большими возможностями для работы с данными, то есть является более функциональной. Она удобна в работе, и может оказаться очень эффективной при работе с данными .
Список используемых источников
1. Кеворков В.В., Леонтьев С.В. Политика и практика маркетинга: Учебно-методическое пособие. М.: ИСАРП, "Бизнес - Тезаурус", 1998,– [2]
2. Костерин А.Г. - Практика сегментирования рынка. - СПб.: Питер, 2002. - (Серия "Маркетинг для профессионалов"). – [1]
3. Дурович А. П. Маркетинг в предпринимательской деятельности. – Мн.: НПЖ «Финансы, учет, аудит», 1997, - [3]
4. Филип Котлер - Основы маркетинга. Перевод с английского В. Б. Боброва. Общая редакция и вступительная статья Е.М. Пеньковой, Москва, Издательство «Прогресс», 1991. – [4]
5. http://www.marketing.spb.ru/read/article/a54.htm [5]
6. http://www.comcon-2.ru [6]
7. http://www.nipo-software.com/ [7]
8. http://www.sas.com/ [8]
9. http://www.spss.ru/[9]
10. http://www.victoria-group.ru/company/
11. http://www.rus-marketing.ru/vibor_celevikh_segmentov_rinka.html
12. http://www.marketopedia.ru/34-segmentirovanie-rynka.html
13. http://www-01.ibm.com/software/ru/analytics/spss/products/statistics/products.html
Приложение 1
SPSSStatisticsViewer: Быстрый кластерный анализ
| Начальные центры кластеров | ||||
| Кластер | ||||
| 1 | 2 | 3 | 4 | |
| Возраст | 18 | 37 | 47 | 26 |
| Ср./мес. з/пл. | 1800 | 20000 | 30000 | 12000 |
| число покупок (в мес.) | 14 | 10 | 13 | 9 |
| Ср. сумма счета | 50 | 450 | 1050 | 350 |
Конечные центры кластеров | |||||||||||
| Кластер | |||||||||||
| 1 | 2 | 3 | 4 | ||||||||
| Возраст | 19 | 45 | 40 | 40 | |||||||
| Ср./мес. з/пл. | 3400 | 19000 | 27667 | 11909 | |||||||
| число покупок (в мес.) | 11 | 9 | 10 | 8 | |||||||
| Ср. сумма счета | 100 | 588 | 1083 | 432 | |||||||
Число наблюдений в каждом кластере | |||||||||||
| Кластер | 1 | 2,000 | |||||||||
| 2 | 4,000 | ||||||||||
| 3 | 3,000 | ||||||||||
| 4 | 11,000 | ||||||||||
| Валидные | 20,000 | ||||||||||
| Пропущенные значения | ,000 | ||||||||||
Принадлежность к кластерам | |||||||||||
| Номер наблюдения | Кластер | Расстояние | |||||||||
| 1 | 1 | ,000 | |||||||||
| 2 | 4 | 3010,407 | |||||||||
| 3 | 4 | 1005,324 | |||||||||
| 4 | 4 | 2050,000 | |||||||||
| 5 | 4 | 3000,295 | |||||||||
| 6 | 3 | 5000,253 | |||||||||
| 7 | 3 | 2005,690 | |||||||||
| 8 | 1 | 3201,568 | |||||||||
| 9 | 4 | 4000,334 | |||||||||
| 10 | 4 | 1001,250 | |||||||||
| 11 | 4 | 1000,005 | |||||||||
| 12 | 2 | 2039,609 | |||||||||
| 13 | 2 | 3000,441 | |||||||||
| 14 | 4 | 1002,089 | |||||||||
| 15 | 4 | 1005,298 | |||||||||
| 16 | 3 | ,000 | |||||||||
| 17 | 4 | 2000,626 | |||||||||
| 18 | 2 | 3001,747 | |||||||||
| 19 | 2 | ,000 | |||||||||
| 20 | 4 | ,000 | |||||||||