Методология сегментации потребителей на основе анализа потребительских ценностей с использованием ЕМ алгоритма, линейного и логистического регрессионного анализа.
Strategic Management Journal, 22: 845–857 (2001)
CUSTOMER VALUE ANALYSIS IN A HETEROGENEOUS MARKET
WAYNE S. DESARBO,1* KAMEL JEDIDI2 and INDRAJIT SINHA
- Smeal College of Business, Pennsylvania State University, University Park, Pennsylvania, U.S.A
- Graduate School of Business, Columbia University, New York, New York, U.S.A
- Fox School of Business and Management, Temple University, Philadelphia, Pennsylvania, U.S.A
ВВЕДЕНИЕ И ПОСТАНОВКА ЗАДАЧИ
Задачу, поставленную в настоящем исследовании, можно сформулировать следующим образом:
По имеющимся данным
- Определить форму функциональной зависимости ценности продукта (для клиента) от его качества и цены.
- Сгруппировать клиентов в однородные по предпочтениям группы и описать полученное разбиение.
- Описать каждый сегмент с точки зрения субъективных (предпочтений) и объективных (расположение, сфера занятости, опыт сотрудничества) характеристик.
При решении первой задачи применялся аппарат регрессионного анализа систем одновременных уравнений. Обоснование выбора количества групп и определение индивидуальной принадлежности к группам проводилось с использованием модифицированного ЕМ алгоритма и информационного критерия Шварца.
Решения о значимости коэффициентов принимались на основе p-value.
ИСХОДНЫЕ ДАННЫЕ
- В основе анализа лежат 20-минутные телефонные интервью 1509-ти клиентов крупного поставщика электроэнергии
- Респондентам было предложено ответить на ряд вопросов, касающихся цены и качества предлагаемого продукта, а также собственных фирмографических (для корпоративных клиентов) и демографических особенностей:
Цена и качество
- Цена
- Воспринимаемое качество продукта (складывается из следующих характеристик: отсутствие сбоев в сети (PROD), профилактическое обслуживание (MAINT), бюро ремонта (REPAIR), сотрудник по связи с клиентами (ACCT), техническая поддержка (TECH), служба работы с покупателями (SVC), ведение учета(REC), выписывание счета (BIL))
Фирмо- и демографические переменные
- Регион (REG1-REG6)
- Тип счета (ACCTYPE1-ACCTYPE6)
- Отрасль (BUSTYPE1-BUSTYPE4)
- Профессия респондента (PROF1-PROF4)
- Наличие контактов с другими поставщиками (RELATION)
- Количество сотрудников (NUMEMP)
- Продолжительность сотрудничества (NUMYEARS)
- Стандартизованное значение выручки от операций по конкретному счету (REVENUES)
ЗАВИСИМАЯ ПЕРЕМЕННАЯ
В качестве зависимой переменной, характеризующей ценность продукта для клиента, большинство исследователей рекомендует выбирать функцию (частное или разность) от цены продажи и воспринимаемого клиентом качества (услуги, продукта…). В настоящей работе мы предлагаем модифицированный вариант реализации этого подхода:
Перейдем от абстрактной переменной «качество» к линейной комбинации конкретных (наблюдаемых переменных). Мы предполагаем, что потребители неоднородны по своим предпочтениям в отношении компонент, определяющих качество продукта в целом, и оценки одних и тех же потребителей могут меняться во времени. Исходя из этих соображений:
- Для определения количества однородных групп, применим информационный критерий Шварца к результатам модифицированного ЕМ подхода.
- Для оценки коэффициентов в каждой из полученных групп, применим регрессионный анализ в системах одновременных уравнений
РЕШЕНИЕ
На первом шаге, мы не располагаем данными о количестве групп, на которые следует разбить совокупность наших покупателей, поэтому, анализируя удовлетворенность услугой каждого отдельного конкретного клиента (от 1 до N), и требуемый им уровень качества, мы можем говорить только об условном распределении оценок коэффициентов в модели (условием выступает принадлежность конкретной группе g (от 1 до G)).
Предполагаем, что ошибки описываются нормальным распределением, обладают нулевым мат. ожиданием, а ковариационная матрица имеет вид:
При этих предпосылках процедуру СVA можно описать следующим образом:
В постановке исходной задачи мы в явном виде предполагаем неоднородность предпочтений потребителей. Следовательно, оценки, полученные для всей совокупности, не будут применимы на практике (среднее для –2 и 2 равно нулю, который неадекватно описывает обе компоненты). Поэтому на первом этапе определим оптимальное число групп и идентифицируем принадлежность респондентов.
В таблице 1 приведены результаты применения модифицированного EM метода к исходной спецификации
Первый столбец таблицы отвечает количеству групп в разбиении, второй - соответствующему количеству свободных параметров, третий - логарифму функции правдоподобия, четвертый – информационному критерию Шварца, пятый – мере энтропии (мера качества разбиения) . В настоящей работе мы обратим внимание лишь на то, что автор предлагает остановиться на модели с тремя кластерами, как на обеспечивающей наименьшее значение СAIC.
Приведем оценки коэффициентов системы (1), полученные при оценивании агрегированных данных и для разбиения на три группы:
Налицо существенные расхождения в знаках и абсолютных оценках коэффициентов модели:
Оценка коэффициента при факторе PRICE для группы 1 (44% респондентов) близка к нулю (- 0,009), для оставшихся двух групп цена оказывает существенное отрицательное влияние на комплексное восприятие ценности продукта. Таким образом, можно предположить, что наиболее крупный сектор потребителей характеризуется низкой эластичностью спроса по цене. Заметим также, что оценка влияния фактора PRICE, построенная на агрегированных данных, является значимо отрицательной (-0,399) и существенно отличается от результата, полученного для первой группы.
Аналогичные выводы можно делать и о показателях, характеризующих воспринимаемое качество предоставляемой услуги. Из всех факторов качества значимо выделяется отсутствие сбоев в сети. Манипулируя остальными показателями, электростанция сможет достичь на несколько порядков менее существенного изменения составляющей «качество продукта в целом».
Особенностью второй группы является примерно одинаковые по абсолютной величине, но разные по знакам веса факторов цены (-0,481) и качества (0,498) при расчете показателя «воспринимаемая ценность продукта». Самые низкие значения оценок констант в обоих уравнениях для респондентов второй группы дают нам основания полагать, что, при прочих равных, они будут менее удовлетворены показателями качества продукта и продуктом в целом. Заметим также, что, в отличие от предыдущей группы, рассматриваемые респонденты не едины при расстановке приоритетов в области показателей качества:
Наиболее существенной характеристикой по-прежнему остается отсутствие сбоев в сети (0,286), но оценки при факторах
- профилактическое обслуживание (0,173)
- бюро ремонта (0,106)
- сотрудник по связи с клиентами (0,131)
выходят на сопоставимый с ним уровень.
Третий сегмент характеризуется наиболее близкими к агрегированным показателям результатами оценивания. Во многом это можно объяснить тем, что асимметричные предпочтения двух других сегментов взаимно уравновешивают друг друга.
Апостериорный анализ средних
В предыдущем разделе мы сформулировали гипотезу о том, что имеют место существенные различия средних показателей удовлетворенности по группам. Проверим это предположение с помощью апостериорного анализа стандартизованных средних, а также проведем анализ различий по объективным (фирмо- и демографическим показателям)
Таблица 3 свидетельствует о том, что существуют существенные различия по средним показателям удовлетворенности между всеми тремя сегментами:
Наивысшие оценки качественной и ценовой характеристике продукта дает первый сегмент. Для второй категории респондентов показатели удовлетворенности по всем показателям ниже, чем в среднем по группе. Третий сегмент с этой точки зрения занимает промежуточное положение.
Для того чтобы определить объективнее характеристики полученных групп респондентов, применим аппарат логистической регрессии. Обратимся к оценкам коэффициентов, приведенным в таблице 4:
На вероятность попадания в первый сегмент отрицательно влияют
- происхождение из 5-го региона продаж
- низкий опыт сотрудничества с компанией
На вероятность попадания в первый сегмент положительно влияют
- небольшой размер компании
- принадлежность клиента к сфере бизнеса «4»
На вероятность попадания во второй сегмент отрицательно влияют
- происхождение из 2-го региона продаж
- принадлежность клиента к сфере бизнеса «4»
На вероятность попадания в третий сегмент положительно влияют
- происхождение из 2-го, или 3-го региона продаж
- значительный размер компании
На вероятность попадания в третий сегмент отрицательно влияют
- принадлежность клиента к сфере бизнеса «4»
ЗАКЛЮЧЕНИЕ
Обобщая результаты, полученные в настоящем исследовании, подчеркнем его исключительную практическую ценность. В работе был предложен инструмент сегментации потребителей по степени их удовлетворенности и выявления их «истинных предпочтений». Зная индивидуальные особенности оценки «комплекса выгод от продукта» каждой группой потребителей, мы сможем обоснованно выделить целевой сегмент, и предложить для него свою программу развития дальнейшего сотрудничества.
Можно, к примеру, пользоваться низкой эластичностью спроса по цене, характерной для первой группы, и, повышая одновременно цену электроэнергии и надежность сети, являющуюся определяющим показателем качества услуги, добиваться большего уровня удовлетворенности клиента и более высоких денежных поступлений.
Еще одной прикладной сферой применения предложенной концепции анализа является реклама в internet и СМИ. Точно зная, какая именно характеристика продукта представляет для целевого сегмента наибольшую ценность, мы сможем эффективно использовать эфирное время, размещать приоритеты на сайте…