Таблица 2.2
Ранжирование и оценка вопросов по степени значимости
| № вопр. | Формулировка вопроса | Ранг вопроса | Коэффициент значимости вопроса (wi) |
| 3 | Я постоянно употребляю один и тот же вкус напитка | 10 | 0,18 |
| 4 | Я бы попробовал напиток новой марки, если бы мне порекомендовал его кто-то из друзей | 7 | 0,07 |
| 5 | Я бы попробовал напиток новой марки, если бы его порекомендовал продавец в магазине | 6 | 0,09 |
| 6 | Я бы попробовал напиток новой марки, если бы увидел рекламу этого напитка в СМИ | 5 | 0,11 |
| 7 | Я способен купить новую, неизвестную мне марку напитка просто увидев её в продаже | 1 | 0,18 |
| 8 | Я буду продолжать употреблять напиток любимой марки, даже если у окружающих будет негативное к ней отношение | 8 | 0,05 |
| 9 | В случае отсутствия в продаже напитка необходимой мне марки я куплю напиток другой марки | 3 | 0,14 |
| 10 | Я не люблю рисковать, пробуя напитки других марок, т. к. боюсь в них разочароваться | 9 | 0,04 |
| 11 | Я стремлюсь пробовать напитки разных марок и вкусов, чтобы найти оптимальный для себя | 2 | 0,16 |
| 12 | В ресторане\кафе Я постоянно заказываю одно и то же блюдо, т. к. точно знаю что оно мне нравиться | 4 | 0,13 |
Итоговая оценка ответов респондента по всем 10 психографическим вопросам рассчитывалась по формуле:
I = ∑ ki * wi,
где i – номер вопроса, ki – оценка ответа респондента в i-м вопросе, а wi – коэффициент значимости i-го вопроса.
- согласно итоговой оценке ответов I респондент попал в один из четырёх интервалов: от 3 до 2,5 баллов (новатор), от 2,4 до 1,4 (раннее большинство), от 1,4 до 0,4 (позднее большинство) или от 0,3 до 0 (консерваторы). Интервалы для определения покупательского типа поведения респондентов рассмотрены в таблице 2.3.
Таблица 2.3
Интервалы для оценки покупательского типа поведения респондентов
| Новатор | Ранее большинство | Позднее большинство | Консерватор | |
| Значение | 3 – 2,5 | 2,4 – 1,4 | 1,4 – 0,4 | 0,3 - 0 |
| В % от максимума (3 балла) | 85 – 100 % | 51 – 84 % | 16 – 50 % | 16 % |
В результате проведения исследования методом R-TGI были определены типы поведения потребителей каждой из выбранных для анализа марок прохладительных напитков («Pepsi Cola», «Lipton Ice tea», «Cido», «Mirinda», «7up»). Данные сведены в таблицу 2.4.
Таблица 2.4
Распределение типов покупательского поведения среди потребителей энергетических напитков различных марок
| Марка энергетического напитка | ||||||
| «Pepsi Cola» | «Lipton Ice tea» | «Cido», | «Mirinda» | «7up» | ||
| Тип покупательского поведения | Новаторы | 15 | 52 | 24 | 24 | 17 |
| Ранее большинство | 29 | 34 | 50 | 28 | 33 | |
| Позднее большинство | 38 | 28 | 18 | 25 | 14 | |
| Консерваторы | 18 | 21 | 8 | 23 | 1 | |
- далее проведём сегментацию 4-х полученных типов потребительского поведения по 5 маркам напитков.
1. Приведём таблицу 2.4 к удобному для расчетов виду, заменяя марки напитков буквами X1, X2 и т.д., а типы потребительского поведения цифрами от 1 до 4 аналогично.
Рассчитаем:
- среднюю величине по каждой марке (Хi) по формуле:
Хi = ∑Xi/n,
где n – количество типов покупательского поведения.
- среднее квадратическое отклонение (σi) по формуле:
σi = ∑(Xi – Х)/n
Полученную таблицу с расчётами рассмотрим на рисунке 2.5.
Таблица 2.5
Исходные данные для анализа
| X1 | X2 | X3 | X4 | X5 | |
| 1 | 15 | 17 | 24 | 24 | 52 |
| 2 | 29 | 34 | 50 | 28 | 33 |
| 3 | 38 | 28 | 18 | 25 | 14 |
| 4 | 18 | 21 | 8 | 23 | 1 |
| Хi | 25 | 25 | 23,2 | 25 | 25 |
| σi | 9,1 | 6,8 | 15,6 | 1,9 | 17,6 |
Данные в полученной таблице нормированы, т. е. измерены в одной шкале, поэтому необходимость нормирования данных отпадает.
2. Проведём сегментирование с помощью иерархического конгломеративного кластерного анализа. Сведём полученные ранее результаты в матрицу исходных данных (табл. 2.5).
Таблица 2.5
Матрица с исходными данными
| Х1 | Х2 | Х3 | Х4 | Х5 | |
| 1 | 15 | 17 | 24 | 24 | 52 |
| 2 | 29 | 34 | 50 | 28 | 33 |
| 3 | 38 | 28 | 18 | 25 | 14 |
| 4 | 18 | 21 | 8 | 23 | 1 |
3. Транспонируем полученную матрицу. Результат транспонирования матрицы исходных данных рассмотрим в таблице 2.6.
Таблица 2.6
Транспонированная матрица исходных данных