Маркетинговые исследования. Статистические инструменты анализа

Методы анализа данных / Продажи, маркетинг, BI, HR, экономисты

Тренинг для специалистов по маркетингу. Повышение компетенции. Анализ текущей ситуации, прогнозирование, разработка и принятие решений на основе использования имеющейся информации.

Возможность использования своих данных в процессе обучения

Примечание 1: Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.

Примечание 2: Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).

SPSS

Стоимость участия

Один человек (от компании)

49000 ₽

Два и более человек (от компании)

49000 ₽

Один человек (физическое лицо)

49000 ₽

* Все скидки действуют только при предоплате

** Стоимость участия может изменяться в зависимости от даты и места проведения тренинга

Как проходит обучение On-line?
( узнать подробнее ... )

Программа тренинга

ДЕНЬ 1. Азы аналитики. Подготовка данных для анализа

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Классификация «Цель анализа – Метод анализа» Типы исходных данных (шкалы) Основные статистические показатели и графики, применяемые для описания исходных данных различных типов: среднее и доля медиана и квартили стандартное отклонение и дисперсия стандартная ошибка доверительные интервалы столбиковая и круговая диаграмма (bar chart, pie chart) гистограмма (histogram) ящичная диаграмма (boxplot) диаграмма рассеяния (scatter plot) Алгоритм описательного анализа в зависимости от типа шкалы Способы отбора наблюдений для формирования выборки при проведении маркетингового исследования: случайный систематический расслоенный кластерный Определение размера выборки для описательного анализа данных в различных шкалах	Пример в SPSS. Ищем нетипичных потребителей (выбросы) в исходных данных о клиентах с помощью различных графиков. Пример в SPSS. Проводим описательный анализ покупателей по различным характеристикам, выбираем адекватные показатели и интерпретируем полученные результаты. Пример в Excel. Определяем возможный способ отбора и оцениваем необходимый размер выборки для решения задач слушателей. Пример. Разбираем типичные ошибки определения размера выборки при проведении маркетинговых исследований.

ДЕНЬ 2. Выявление и анализ факторов спроса

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Методы проверки маркетинговых гипотез: Т-критерии Стьюдента для независимых и зависимых выборок U-критерий Манна-Уитни однофакторный дисперсионный анализ (ANOVA) Н-критерий Краскела-Уоллеса критерий Хи-квадрат Пирсона парный критерий Уилкоксона критерии Фридмана, Мак-Немара, Кохрана Корреляционный анализ: коэффициенты корреляции Пирсона и Спирмена Алгоритмы выбора критерия проверки Оценка согласованности мнений экспертов на основе коэффициента конкордации Кендалла Принципы определения размера выборки для проверки маркетинговых гипотез	Примеры в SPSS. На основе имеющихся данных формулируем маркетинговые гипотезы, выбираем адекватные критерии и проводим анализ факторов спроса (пол, регион, уровень дохода, возраст и др.). Визуализируем и интерпретируем результаты анализа. Пример в SPSS. На основе результатов анкетирования характеризуем профиль покупателя. Пример в SPSS. Оцениваем эффекты проведенных акций и рекламных кампаний. Пример в SPSS. Сравниваем группы потребителей/товаров по различным характеристикам. Визуализируем и интерпретируем результаты анализа. Примеры в SPSS. Оцениваем важность характеристик продукта на основе опроса покупателей, проверяем согласованность их мнений. Примеры. Учимся быстро определять адекватный метод анализа для проверки выдвинутой маркетинговой гипотезы.

ДЕНЬ 3. Моделирование влияния факторов спроса

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Метод регрессионного анализа для учета (моделирования) одновременного влияния различных факторов: требования к виду и количеству исходных данных необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы подхода требования к факторам, которые планируется учитывать в анализе особенности моделирования при недостатке информации о факторах. Техника dummy-переменных пошаговый алгоритм регрессионного анализа способ проверки адекватности модели (анализ отклонений «факт-модель») интерпретация результатов: как влияют факторы на отклик, ранжирование по силе влияния Деревья классификации – способ визуализации условий достижения желаемого результата: требования к виду и количеству исходных данных необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы подхода способ проверки адекватности модели определение условий достижения желаемого результата по построенному дереву	Пример в SPSS. Подготавливаем исходные данные о цене товара и влияющих на нее факторах для применения метода регрессионного анализа. Проводим графический анализ влияния факторов на цену. Анализируем взаимовлияние факторов. Строим регрессионную модель. Проверяем качество модели и, при необходимости, улучшаем ее. Интерпретируем результаты регрессионного анализа. Прогнозируем цену в зависимости от факторов на основе построенной модели. Пример в SPSS. Строим различные варианты дерева факторов, влияющих на удовлетворенность потребителей. Учимся «читать» построенные деревья. Выбираем лучшее из нескольких вариантов решений. Интерпретируем результаты моделирования: формулируем условия повышения уровня удовлетворенности клиентов. Пример в SPSS. Строим модель доходности торговой точки в зависимости от ее характеристик и прогнозируем доходность на основе построенной модели. Пример в SPSS. Определяем правила отнесения торговой точки к определенному типу с использованием деревьев классификации.

ДЕНЬ 4. Сегментация и позиционирование

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

RFM-анализ – простой инструмент сегментирования потребителей на основе давности сделки, частоты и суммы покупок Кластерный анализ – три статистических инструмента сегментации с учетом большого объема разнородной информации: требования к виду и количеству исходных данных необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы инструментов условия выбора метода кластерного анализа в конкретной ситуации валидация полученных результатов и описание выделенных сегментов Факторный анализ – метод получения новых обобщающих факторов на основе большого объема информации: требования к виду и количеству исходных данных необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы метода валидация и интерпретация полученных результатов Анализ соответствий – позиционирование с помощью карты восприятия: требования к виду и количеству исходных данных необходимые и достаточные теоретические основы, идеи и принципы, плюсы и минусы метода валидация и интерпретация полученных результатов	Пример в SPSS. Идентифицируем клиентов, наиболее склонных откликнуться на новое предложение. Пример в SPSS. По результатам опроса выделяем группы потребителей с учетом большого числа различных характеристик разными методами. Пример в SPSS. Сегментируем товары с одновременным учетом ряда их свойств. Сравниваем полученные группы и описываем их. Пример. Учимся быстро определять адекватный метод кластерного анализа в конкретной ситуации. Пример в SPSS. Определяем ключевые стратегии выбора продукта по результатам анализа потребительского поведения. Пример в SPSS. Выявляем и группируем взаимосвязанные характеристики товаров. Пример в SPSS. Выявляем ассоциации потребителя с нашим продуктом. Пример в SPSS. Позиционируем свой продукт среди конкурентов глазами потребителя.

ДЕНЬ 5. Выявление потребительских предпочтений

ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ	КЕЙСЫ

Conjoint (совместный) анализ – статистический инструмент разработки или улучшения продукта с учетом мнений потребителей: особенности сбора информации о предпочтениях потребителей этапы conjoint анализа интерпретация результатов – профиль «идеального» продукта с точки зрения потребителя Метод Кано – типизация свойств продукта на основе опроса потребителей с целью разработки конкурентной стратегии на рынке FMEA – экспертный способ выявления и ранжирования причин неудовлетворенности потребителей качеством продукта (свойства, компоненты) QFD – экспертный метод, позволяющий графическим способом преобразовать требования и ожидания потребителей в требования к производству продукта	Пример в SPSS. По результатам опроса фокус-группы выясняем, каким должны быть конкретный продукт, чтобы соответствовать ожиданиям потребителя. Пример. Классифицируем характеристики продукта по методу Кано и определяем стратегию улучшения продукта. Пример. Ранжируем потенциальные причины неудовлетворенности клиентов с использованием методики FMEA. Пример. Определяем соответствие контролируемых параметров при производстве продукта ожиданиям потребителей на основе «дома качества».

После окончания обучения Вы сможете

Правильно подготавливать маркетинговые данные для анализа информационных потоков на рынке

Проверять маркетинговые гипотезы с помощью доказательных методов и визуализировать результаты анализа

Моделировать и прогнозировать поведение клиента в зависимости от различных факторов

Позиционировать свою компанию на фоне конкурентов

Рассчитывать и грамотно интерпретировать статистические показатели и графики, характеризующие потребителей / продукты

Обосновывать существующие в компании классификации потребителей / продуктов

Сегментировать клиентов / товары с учетом большого объема разнородной информации и описывать полученные сегменты

Выявлять потребительские предпочтения и ожидания относительно существующих продуктов с целью их улучшения

Преподаватели

Юлия Берлин

Преподаватель-аналитик Центра Статистических Технологий
Кандидат экономических наук, доцент.
Опыт преподавания и консультирования более 10 лет.
Разработка системы прогнозирования и анализа продаж компаний рынка FMCG.
Исследование потребительских предпочтений.
Планирование исследований и разработка планов экспериментов.
Обработка результатов анкетирования и тестов.
Разработка прогнозных моделей энергопотребления.
Автор более 40 учебно-методических и научных работ.

Анна Монахова

Преподаватель-аналитик, эксперт
Руководитель отдела развития образовательных программ ЦСТ.
Опыт консультационной деятельности 10 лет.
Большой опыт аналитика-практика.
Реализовала более двадцати консалтинговых проектов по анализу данных в бизнесе и научных исследованиях.
Консультировала специалистов таких компаний, как "Пивоваренная компания "Балтика", "Пивоварня Москва — Эфес", "ВымпелКом", "МегаФон", "Газпром нефть", "Монокристалл", "НЛМК", "Кока-Кола", "Маревен Фуд Сентрал" и др.
Является одним из ведущих консультантов в области использования статистических инструментов для решения прикладных задач.
Проводит подготовку специалистов по концепции SixSigma.

Вы получите:

Пошаговые инструкции по применению каждого метода

Сертификат на 4-месячную бесплатную консультационную поддержку

Требования:

Высшее образование

Опыт работы в Excel на уровне пользователя

Отзывы учеников

Сергеев Иван Алексеевич

ООО "Запсибтрансгаз"

За пятидневный тренинг я многое для себя открыл. Преподаватель четко и понятно рассказывал теоретическую часть, после чего все знания закрепились практикой. Кроме того порадовала техническая оснащенность и раздаточный материал. Их вполне достаточно, чтобы получить необходимую базу знаний.
Сафронова Светлана Викторовна

ООО "Нутриция"

Очень доступный в понимании материал, профессионализм преподавателя, а также чуткость и отзывчивость. Семинар очень понравился! Спасибо Анне!
Предложение. Сделать "школу статистика": увеличить количество дней тренинга, возможно на 2 недели; всем вместе полностью погрузиться в мир статистики... и, самое главное, создать несколько уровней изучения (аналогично ин.языкам).
Уварова Татьяна Эриховна

ДФУ, доцент кафедры гидротехники теории зданий и сооружений

Тренинг организован на высоком уровне, материал объяснен доступно, агрументированно. Раздаточный материал и презентации полностью отражают суть тренинга и помогают его осмыслить.
Селезнёва Марина Васильевна

Мясокомбинат "Павловская слобода"

Всё понравилось, отношение преподавателя очень позитивно, умение применительно ко всем донести материал, если считать, что все из разных отраслей, но с общими проблемами. Материал дан так, что хочется ещё чему-то научиться, что мы и сделаем в ближайшее время. Спасибо за тренинг.
Винникова Ольга Игоревна

инженер по качеству, Калсоник Кансей Рус

Все очень понятно. Практические задания помогают усвоить теорию в полном объеме. Емкое, упорядоченное преподавание. Раздаточный материал с концентрированным материалом, изученным на практике. Приятным "бонусом" является возможность впоследствии обратиться за поддержкой в решении конкретных задач. Спасибо!
Феденко Игорь Вячеславович

ПАО "Авиакомпания "Сибирь"

Очень понравилось. Подача информации - информативно, сжато, широкий охват. Большое число примеров, изучение темы на практике. Предоставляются инструменты для Excel для дальнейшей работы. Готовность и желание преподавателей ответить на все вопросы.
Харлан Елена Владимировна

ПК "Балтика", менеджер по управлению ассортиментом

Замечательный тренинг, очень практичный, ценный, доступно для понимания.
Животов Антон Сергеевич

ООО "Татхимпласт"

Тренинг полностью оправдал мои ожидания. Темы объясняются очень доступно, подкрепляются примерами, что помогает лучше усваивать пройденный материал. В целом тренинг дает хорошие практические навыки, которые можно применять в дальнейшей работе. При возможности буду планировать посетить еще одни курсы.
Юдина Надежда Александровна

Триколор ТВ

Тренинг полностью оправдал мои ожидания. Был интересным, информативным. Полученные знания абсолютно точно будут применены на практике. Большое спасибо.
Царёв Сергей Александрович

ОАО "Савушкин продукт", начальник отдела аналитики

Тренинг был продуктивным. Получил массу полезной инофрмации. Взглянул на работу подразделения и нашей компании с другой стороны. Оказывается, всё гениальное в управлении - очень просто. Пересмотрел свои взгляды на постановку задач.