Главная страница | Контакты | Случайная страница Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Табулирование маркетинговых данных

Табулирование — это процесс обработки информации, заклю­чающийся в подсчете числа событий попавших в ячейки отве­тов на вопросы. Существует две разновидности табуляции — простая и перекрестная.

Простая табуляция может быть использована для нескольких целей:

• определения коэффициента безответности позиции вопроса;

• исключения грубых ошибок при анализе или кодировании;

• определения закономерности распределения переменной;

• подведения итогов исследований.

При простой табуляции производится подсчет событий, со­зданных из одной переменной. При этом табуляция одной пе­ременной не зависит от табуляции другой переменной. Количество событий определяется размером выборки.

Коэффициент безответности — Kg служит показателем каче­ства исследований или качества составления анкеты, а также глубины заботы респондента о вопросе анкеты. Коэффициент безответности выражается как отношение позиций без ответа — П_б к общему числу анкетируемых позиций — П, т.е.:

*б = (1 - П^П) х 100%.

Если эта величина превышает 40%, то сомнительным стано­вится качество проведенного исследования. Для оптимизации полученных исследований в случае Kg > 40% используются сле­дующие приемы.

1. Выделить пустые позиции в отдельную категорию с целью
специального анализа.

2. Исключить вопрос при анализе анкет.

3. Аналитик на основании общей информации анкеты может
самостоятельно подставить значение ответа в утраченную пози­
цию. Но это может привести к некоторым искажениям резуль­
тата опроса.

Исключение (локализация) грубых ошибок представляет со­бой ликвидацию ошибок, описок при анализе информации, ко­дировании, записи. Например, количество респондентов, выра­зивших свое отношение к потреблению пива (таблица 7.25).

Таблица 7.25 Фрагмент анкеты «Суточное потребление пива в литрах»

Цифра 16 в количестве репондентов категории «женщины» является грубой нелогичной ошибкой. Это значение можно скор­ректировать на основании построения аппроксимирующей кривой (тренда). Количество позиций для одномерной табуляции в таб­лице равно 65. Если исключить цифру 16 вообще, то процент рес­пондентов в таблице с учетом округления до целых чисел также корректируется.

Локализация посторонних значений заключается в исключе­нии наблюдения из анализа, или определении факторов, оказав­ших такое влияние на показатель. Локализация не является ошиб­кой, она является информацией для размышления о причине появления такого результата. Цифра 16 также может нести при­чинно-следственный вопрос о ситуации во время анкетирования и может быть верной.

Простая одномерная табуляция позволяет определить закон изменения эмпирических данных. Закономерность изменения эмпирических данных лучше всего представить в виде гистог­раммы.

При перекрестной табуляции производится подсчет событий, созданных на двух и более переменных, рассматриваемых одно­временно, т.е. такие переменные обрабатываются одновремен­но. Например, результаты исследования двух взаимосвязанных характеристик — потребителей продукта «X» в магазине «Y».

Табуляция в зависимости от сложности может выполняться на компьютере, на арифмометре, от руки или в уме. Количество табуляций определяется количеством альтернативных ответов (переменных) в системе анкеты. Каждая переменная занимает особое место в записи системы выборки, что определено коди-ровочной таблицей. Каждому наблюдению выборки назначена одна строка. Если количество информации не вмещается в одну строку, необходимо вводить дополнительные строки.

В таблице приведен сокращенный вариант анкеты, которая была заполнена потребителями пива известной компании.

1. Сколько раз в неделю Вы покупаете пиво?

• ни разу;

• 1раз;

• 2 раза;

• 3 раза;

• 4 раза;

• каждый день.

2. Сколько бутылок приобретаете при покупке пива?

• 1;

• 2;

• 3;

• более 3.

3. Вы когда-нибудь пробовали пиво из кег?

• никогда не пробовал;

• пробовал давно;

• пробовал в этом году.

4. Насколько Вы уверены, что новый сорт пива «X» извест­
ной компании будет являться вашим любимым сортом исходя
из критериев (см. табл. 7.26).

Рассмотрим построение таблиц сопряженности признаков (кросс-табуляция). Построение таблиц сопряженности позволяет увидеть одновременно значения двух или больше переменных. Кросс-табуляция представляет собой процесс объединения рас­пределения частот значений двух или больше переменных в одну таблицу. Она объясняет, как одна переменная, например объем потребления мяса, связана с другой переменной, такой, как до­ход. В таблицах сопряженных признаков показывается совмес­тное распределение значений двух или более переменных, об­ладающих ограниченным числом категорий или принимающих

Таблица 7.26

Таблица 7.27 Фрагмент кодовой таблицы анкеты потребителей пива

Таблица 7.28 Пример заполнения сырых данных анкетной информации

определенные значения. Категории одной переменной помещают в таблицу так, чтобы они размещались в ней (сопрягались) в соответствии с категориями другой или другими несколькими пе­ременными. Таким образом, распределение частот одной пере­менной подразделяется на группы в зависимости от категорий других переменных. Например, итог процедуры кросс-табуля­ции представлен в табл. 7.29.

Таблица 7.29 Изучение потребления жевательной резинки в зависимости от пола

Кросс-табуляция позволяет осуществить создание ячейки для каждой комбинации категорий двух переменных. Число в каж­дой ячейке показывает количество респондентов, давших эту комбинацию ответов.

Кросс-табуляцию с двумя переменными можно рассматривать как двумерную. Рассмотрим из табл. 7.29, связано ли потребле­ние жевательной резинки с полом. Это можно выяснить из табл. 7.30.

Таблица 7.30

Какую из рассмотренных таблиц считать полезнее, зависит от того, что можно считать зависимой и что независимой перемен­ной. В табл. 7.30 пол потребителя можно считать как независи­мую переменную, потребление — как зависимую. Вычисление процентов в направлении зависимой переменной через незави­симую бессмысленно, интенсивное пользование жевательной резинкой является причиной того, что такими людьми являют­ся мужчины, что неправоподобно. Связь между полом потреби­теля и уровнем потребления можно уравновесить через третью переменную, например доход или культуру. Третья переменная предназначена для уточнения связи между двумя переменными; для указания отсутствия связи между двумя переменными; для указания скрытой связи между переменными; для подтвержде­ния отсутствия изменений в первоначальной связи. Например, приобретение автомобиля в зависимости от семейного положе­ния (табл. 7.31).

Для анализа таблицы была введена третья переменная — пол покупателя (табл. 7.32).

Таблица 7.31