Исследование имиджа компании ООО Издательская группа Первая полоса (стр. 9 из 14)

3) Размещение в построенном семантическом пространстве оцениваемых объектов, анализ получившегося распределения. Оценка расстояния между тестируемыми объектами и идеальным объектом (например, идеальный йогурт, автомобиль, “я сам” и т.п.), для определения “положительных” полюсов факторов. Например, если мы получили фактор “модность, стильность, яркость” автомобиля, то важно понять являются ли высокие оценки нашей марки по этому фактору позитивом для целевой аудитории или нет. Быть может для них идеальный автомобиль – это надежный, консервативный “железный конь”, экономичный по расходу топлива и без особых причуд в дизайне.

Этап 1 Формирование и тестирование списка утверждений.

Инструментарий, используемый в методике семантического дифференциала, обычно состоит из таблицы следующего вида: по строкам размещаются шкалы, а в столбцах – оцениваемые объекты. Инструкция, предлагаемая респонденту, формулируется примерно следующим образом: “Оцените, пожалуйста, характеристики каждой из марок «…» по шкале от 0 до 5, где 0 – нет такого свойства, а 5 – свойство выражено максимально. В графе “идеальное …” запишите, какими свойствами должно обладать хорошее…, используя шкалу от 0 до 5, где 0 – такого свойства не должно быть, а 5 – свойство должно быть присуще товару в максимальной степени”.

Учитывая, что вполне достаточной выборкой для гомогенной группы респондентов в рамках данной методики является 30–50 человек, то часто сбор информации удобно проводить параллельно с фокус-групповым исследованием. Учитывая, что обычно выведение нового бренда, названия, упаковки сопровождается проведением серии фокус-групп, то в ходе 3–5 групп можно собрать 30–50 анкет. Такой объем выборки оказывается вполне достаточным для того, чтобы дополнить сознательную, рациональную информацию, предоставляемую респондентами, еще и оценками аффективных элементов установки, т.е. собрать внесознательные, эмоциональные, нерациональные данные, которые позволяет получить методика семантического дифференциала.

Качества / марка	Марка 1	Марка 2	Марка 3	Идеальное значение
Высокая репутация компании производителя	5	4	1	5
Нет защиты от подделки	1	2	3	0
Надежное	4	2	0	4
Оптимальное соотношение цены и качества	...
Сложно найти

Рисунок 4 - Пример таблицы семантического дифференциала для оценивания объектов

Этап 2. Математическая обработка результатов и их интерпретация

Методика СД позволяет достаточно четко с помощью простейших статистических характеристик произвести обработку результатов и интерпретировать их. В качестве таких характеристик предлагаются среднее значение измеряемой величины, среднее квадратическое отклонение, коэффициент корреляции. Первичная обработка результатов заключается в составлении статистического ряда измеряемой величины для каждого исследуемого объекта. Затем подсчитывается среднее статистическое значение измеряемой величины по выборке и мера единодушия оценок, выраженная средним квадратическим отклонением. После того как выявлены средние оценки каждого объекта по трем измеряемым показателям, интересно проследить их взаимозависимость. Таким образом, алгоритм математической обработки результатов СД следующий:

Шаг 1. Составление статистического ряда в виде таблицы.

Х_i	-3	– 2	– 1	0	1	2	3
n_i	n₁	n₂	n₃	n₄	n₅	n₆	n₇

X_i – оценка определенного качества объекта по семибалльной шкале;

n_i – частота значения X_i, т.е. сколько раз был поставлен балл X_i при оценке объекта по исследуемому параметру всеми респондентами в совокупности.

Шаг 2. Подсчет среднего значения величины.

Если в опросе участвовало К респондентов, то среднее значение величины вычисляется по формуле:

где

n=М*K, так как исследуемое качество оценивается К респондентами в разработанном бланке М раз (в М парах антонимичных прилагательных). Среднее значение X служит показателем совокупного оценивания данного качества объекта всем классом, являясь при этом достаточно объективной характеристикой, так как позволяет нивелировать влияние субъективных факторов (например, предвзятость отдельных респондентов по отношению к данному объекту на момент опроса).

Шаг 3. Подсчет среднего квадратического отклонения.

Среднее квадратическое отклонение служит показателем меры рассеивания значений величины около ее среднего значения X, т.е. меры единодушия, сплоченности респондентов в оценке данного качества объекта. Среднее квадратическое отклонение вычисляется как корень квадратный из дисперсии σ_х=√Д_х, где дисперсия Д_х, в свою очередь, вычисляется по формуле:

Описанные три шага математической обработки данных диагностики выявляют картину восприятия исследуемых объектов респондентами. Это позволяет наглядно представить результаты анализа.

Данные, полученные после вышеописанной обработки, могут быть сопоставлены между собой путем подсчета их корреляции. Этот этап обработки имеет целью установить, в какой степени отношение респондентов к объекту связано с его отдельными характеристиками.

Шаг 4. Расчет корреляции полученных оценок.

При определении коэффициента корреляции, во-первых, подсчитывается среднее значение оценок каждого из показателей для всех оцениваемых объектов. Допустим, респондентом оценивается n объектов. По активности 1-й объект был оценен средним значением А_j. Тогда средняя оценка показателя А всех объектов:

Средняя оценка показателя П:

Тогда коэффициент корреляции А и П r_А,П:

где

(ковариация);

– средние квадратические отклонения величин A_j и O_j от их средних значений, которые находятся так:

;

В результате расчета корреляции оценок можно наглядно увидеть психологический механизм построения отношения оценок респондентов к исследуемым объектам.

Этап 3. Представление расположения тестируемых марок в семантическом пространстве.

После проведения этапа математической обработки можно выделить несколько основных факторов и представить расположение тестируемых марок в семантическом пространстве, образуемом выделенными латентными факторами.

Результаты в итоге оказываются вполне наглядными и довольно легко интерпретируемыми: из рисунка видно, что идеальный товар должен иметь высокое качество и приемлемую цену (для наглядности примера отобраны довольно очевидные свойства). По фактору качества наиболее близкими к идеальному продукту оказываются марки 1 и 2, а по фактору цены 4 и 5. Оценивая совокупность критериев можно сделать вывод о том, что наиболее близкой к идеалу является марка 1.

Аналогичным образом можно тестировать, например, варианты названий, выбирая названия, вызывающие наиболее позитивные эмоции, при этом, связанные с конкретным продуктом и вызывающие образ, ассоциацию с соответствующими ценными качествами.

Интересные результаты можно получить, сравнивая не конкурирующие между собой товары, но обладающие сходной основой, что делает возможным сравнение и помогает выявить новые позитивно оцениваемые качества товара, бренда и перенести их на новое товарное поле (изобретение на применение).

Например, оценка пластиковых карт вообще, для того, чтобы понять какие свойства топливных пластиковых карт нуждаются в развитии, и использование которых помогло бы в захвате рынка топливных карт.

Методика семантического дифференциала позволяет при исследовании бренда выявить эмоциональное отношение к нему (аффективный компонент установки), не отягощенное рационализирующими мотивами (когнитивным аспектом). Выявить то, что потенциальный потребитель чувствует по поводу бренда, т.е. прогнозировать его реальное поведение, а не слова о действиях.

Семантический дифференциал позволяет делать статистически значимые выводы на небольших выборках (достаточный материал можно собрать на 3–5 гомогенных фокус-группах) за счет того, что единицей анализа является не респондент, а оценка (в среднем каждый респондент оценивает по 7–10 объектов по 15–25 шкалам, т.е. выставляет 100-250 оценок).

Метод СД позволяет выявить структуру латентных факторов, критериев, на основе которых респонденты конструируют оценки различных брендов. Соответственно, с помощью метода СД можно построить карту размещения интересующих брендов в структуре факторов, получив при этом наглядный, относительно легко интерпретируемый результат исследования.