Общие подходы к сегментации рынка

Тема №2. Аналитический инструментарий маркетинга

Лекция №6. Критерии и методы сегментации рынка

Вопросы:
1. Общие подходы к сегментации рынка

Выбор критериев сегментации

Методы сегментации

Общие подходы к сегментации рынка

Теоретическим фундаментом рыночной сегментации являются два концептуальных положения:
1) товарные рынки по своей природе гетерогенны (т.е. неоднородны) и представляют совокупность отдельных частей (сегментов), отражающих особенности спроса различных категорий потребителей;
2) на рынках возможна дифференциация продукции и методов ее сбыта.

Сегментация рынка— важная маркетинговая процедура, с помощью которой рынок делится по определенным признакам на ряд сегментов групп) потребителей. Для каждого из них разрабатываются: новые виды продукции, организация товародвижения, реклама, стимулирование сбыта. В практическом смысле сегментация рынка позволяет довести конкретный товар до потенциальных групп потребителей.

В теории и практике маркетинга широко используют понятия целевого рынка и целевого сегмента.

Целевой рынок— это потенциальный рынок фирмы, покупателями на котором выступают люди со схожими намерениями по отношению к конкретному товару или услуге, располагающие достаточными ресурсами и готовые приобрести данную продукцию.

Целевой сегмент— это однородная группа потребителей целевого рынка фирмы, обладающих схожими потребностями и покупательскими привычками по отношению к товару фирмы.

Сегментация проводится с целью максимального удовлетворения запросов покупателей, а также рационализации затрат предприятия-изготовителя на разработку и осуществление комплекса маркетинга.

В литературе используются понятия «макросегментация» и «микросегментация». Макросегментация— это процедура сегментации для выявления целевого (базового) рынка. Микросегментация — процедура сегментации для определения целевого сегмента. Как правило, вначале осуществляется макросегментация, а только затем — микросегментация.

Выбор целевых сегментов — это определение одного или нескольких из них для позиционирования своих товаров.

Позиционирование означает обеспечение данному товару или группе товаров конкурентоспособного положения на рынке и разработку детального плана комплекса маркетинговых мероприятий.

Приведем пять апробированных зарубежной практикой правил сегментации рынка. В некоторых отечественных источниках их называют принципами, соблюдение которых резко увеличивает вероятность успеха.

Правило о различии между сегментамитребует, чтобы в результате проведения сегментации были определены различающиеся друг от друга группы потребителей.

Правило о сходстве потребителей в сегментепредусматривает необходимость обеспечения однородности потенциальных покупателей с точки зрения покупательского отношения к конкретному товару.

Правило о величине сегментаозначает, что целевые сегменты должны быть достаточно большими, чтобы продажи покрыли необходимые издержки.

Правило об измеримости характеристик потребителейуказывает на то, что целевые сегменты должны иметь характеристики, доступные для измерений.

Правило о доступности связи с потребителямитребует наличия соответствующих каналов коммуникации.

В зависимости от вида потребителей различают следующие типы рынков: потребительский рынок и рынки организаций, которые подразделяются на рынки продукции производственно-технического назначения, рынки перепродаж и рынки государственных учреждений. Проводя сегментацию рынка, надо принимать в расчет те или иные его особенности, учитывать своеобразие продуктов, реализуемых на разных рынках.

2. Выбор критериев сегментации

Первым шагом при проведении сегментации является выбор критериев сегментации, которые часто называют классификационными переменными. При этом различаются критерии для сегментации рынков потребительских товаров и продукции производственного назначения и услуг (см. схему 1).

При сегментации потребительских рынков используются следующие классификационные переменные:
• географические: город, государство, почтовый индекс, регион, городской или сельский населенный пункт, плотность населения, климат и т.д. Их использование наиболее эффективно в случае различия культур или климатических условий в регионах сбыта, имеющих принципиальное значение для использования продукции;
• демографические: возраст, пол, годовой доход, национально-этнические данные, вероисповедание, семейный статус, образование, место работы, размер домохозяйства, стаж, тип работы и т.д.;
• поведенческие: верность определенной марке, реакция на маркетинговые факторы и т.д.;
психографические: отношение к риски, стиль жизни, хобби, качества лидера, читаемые журналы, предпочтительные программы телевидения, PRiZM и т.д.

На многих рынках стандартные характеристики (пол, возраст, уровень образования, занятость, не позволяют однозначно идентифицировать человека как потенциального покупателя. Отсюда возникает необходимость в разработке комплексных показателей, которые позволяли бы структурировать общество по типам покупательского поведения.

Согласно теории социальной стратификации общество часто делят на «высшие», «средние» и «низшие» классы и страты на основе таких признаков, как образование, бытовые условия, занятия, доходы, особенности повседневного поведения.

Принято считать, что индивидуумы, относящиеся к одному социальному классу или социальной группе, имеют схожий стиль жизни. Это положение лежит в основе систем социальной стратификации, которые получили широкое распространение в практике маркетинговых исследований. В них используется сводный показатель для описания потребителей.

Кратко остановимся на наиболее известных системах.

Весьма распространенная «Система международной социально-экономической классификации респондентов, участвующих в маркетинговых и социальных исследованиях» (ESOMAR) предлагает использовать комплексную переменную для формирования социально-экономических групп. Этот показатель описывается семью параметрами и формируется на базе двух из них: профессионального статусачлена семьи, обеспечивающего основной (наибольший) вклад в ее доход, и уровня образования этого члена семьи.

Для групп, не имеющих такого члена семьи (пенсионеры, инвалиды, студенты), в качестве вспомогательной характеристики, описывающей экономический статус, рассматривается факт наличия в семье десяти статусных товаров (цветной телевизор, видеомагнитофон, видеокамера, две и более автомашины, фотоаппарат, домашний компьютер, электродрель, фритюрница, радиочасы, дача).

Профессиональный статус представлен 16 категориями. Уровень образования определяется как общая продолжительность получения основного образования, дополнительного, любых профессиональных курсов и тренингов. Этот критерий делит членов семьи, обеспечивающих основной вклад в доход, на пять категорий: «более 20 лет», «17— 20 лет», «15—16 лет», «14 лет», «13 и менее лет».

На основании представленных параметров методика определяет социально-экономические группы:
• «А» — руководители высшего звена, профессионалы (специалисты) высокой квалификации, владельцы крупного бизнеса (8—14% для стран Евросоюза);

• «В» — руководители среднего звена (9—14% для стран Евросоюза);
• «С» — специалисты (офисный персонал), квалифицированные рабочие, владельцы малого бизнеса (30—50% для стран Евросоюза);
• «ДЕ» — недостаточно квалифицированные рабочие и офисный (технический) персонал, персонал, работающий вне офиса, фермеры и рыбаки (20—40% для стран Евросоюза).

Предложенная схема структурирования респондентов на четыре (или на восемь) социально-экономические группы позволяет в значительной мере унифицировать подход к определению целевых групп потенциальных потребителей. Распределение по группам отражает финансовый статус и покупательную способность людей. Финансовые возможности при этом определяются по косвенным признакам без неприятных для респондента прямых вопросов об уровне дохода, на которые, как правило, приходится достаточно высокий процент отказов от ответа.

Широко известна в мире одна из первых систем сегментации населения — система PRiZM, разработанная в США. В настоящее время она служит стандартом во многих европейских странах. По утверждению авторов методики, PRiZM позволяет лучше понимать покупателя, выделять для непосредственного обращения различные группы (всего до 60).

В основе формирования групп, которые часто называют кластерами, лежат демографические и поведенческие характеристики. Базовой единицей сегментации является семья.

Первым параметром для формирования кластеров является тип семьи: «одинокие и молодые семьи без детей», «семьи с детьми до 7 лет», «семьи с детьми школьного возраста», «пожилые пары и одинокие».

Второй параметр — уровень благосостояния. Выделяют четыре группа: от «наиболее обеспеченных» до «наименее обеспеченных».

Третьим параметром является место проживания.

Четвертый и пятый параметры, участвующие в формировании кластеров, определяются на основании нескольких характеристик: увлечения (мода, спорт, музыка и т.п.), обладание определенными товарами, особенности покупательского поведения. Их количество может достигать тысячи.

Одной из наиболее известных в России систем сегментирования потребителей по «стилю жизни» является система VALS (от англ.Values and Life Style — ценности и стиль жизни), а также ее модификация VALS 2. В системе VALS определяются три основные категории ценностей и стилей жизни потребителей и девять подтипов.

Рыночные сегменты потребителей следующие.

Потребители, которые тратят деньги в связи со своими потребностями, а не предпочтениями. Подразделяются на тех, кто «выживает», и тех, кто «терпит». К первым относятся самые обездоленные люди.

Потребители, которыми руководят внешние факторы, подразделяются на три группы и составляют основную рыночную массу. Совершая покупки, они также заботятся о том, что подумают об этом другие люди.

Потребители, которыми руководят внутренние факторы, делятся на четыре группы. Они составляют гораздо меньший процент населения. Их жизнь направлена в основном на собственные нужды, а не на ценности окружающих людей. Хотя их число невелико, они могут играть важную роль в качестве законодателей мод, групп, через которые проходят все успешные идеи и товары. Этот сегмент быстро растет, в то время как число потребителей из первой группы сокращается. Вторая группа остается стабильной.

Система VALS быстро и широко распространилась в маркетинге, но тем не менее у нее есть свои ограничения.

Тип жизненного стиля потребителя в реальности никогда не бывает идеальной моделью. Каждый человек склонен совершать поступки, противоречащие основному стилю жизни.

Система VALS - это запатентованная разработка, и некоторые пользователи неодобрительно относятся к тому, что не имеют о ней полной информации. Это заставляет их обращаться к более простым подходам, основанным на академических исследованиях ценностей Рокича и Шварца.

Шкалу ценностей Рокича (ШЦР) часто используют при измерении ценностей в исследованиях поведения потребителей. Рокич считал, что ценности связаны как с задачами (желаемыми состояниями), так и со способами поведения (инструментальными компонентами), с помощью которых можно выполнить эти задачи. Ценность, по его определению, — это устойчивое убеждение в том, что какая-либо форма поведения или конечного состояния существования является для человека или общества более предпочтительной, чем противоположная форма.

ШЦР представляет собой наборы задач и способов поведения, которые респонденты должны ранжировать по степени важности. Результаты могут быть проанализированы с точки зрения пола, возраста, этнической принадлежности или любой другой переменной, по которой проводится сегментирование рынка. В некоторых исследованиях предпринималась попытка увязать личные ценности с выбором торговой марки, использованием продукта и сегментированием рынка.

Современные исследователи поведения потребителей используют ценности как критерий разделения всего населения на однородные группы людей, имеющих сходные системы ценностей.

На основании эмпирических исследований, проведенных в 35 странах мира, Шварц говорит о том, что ценности — это существующие вне ситуации задачи, которые служат интересам отдельных людей или коллективов. Он отмечает десять мотиваций, или типов ценностей. Эти мотивации(типы ценностей) являются основными принципами, на которыхпостроена жизнь человека. Смысл личной ценности отражается в схеме ее взаимодействия с другими ценностями. Для этого применяется аналитический метод под названием «анализ наименьшей площади». Ценности служат личным интересам: достижениям, самонаправленности и стимулированию. Интересы же коллективные могут быть представлены в виде таких типов мотивации, как благожелательность, подчинение, безопасность. Смешанные интересы типа «жизнь в мире», «жизнь в красоте», «мудрость» и «зрелая любовь» описываются в шкале Шварца как универсальные.

Зрелой альтернативой методу VALS служит подход под названием LOV (от англ. List of Values — список ценностей). В соответствии с этим подходом респондентов просят расставить приоритеты в списке ценностей, полученных из шкалы Рокича. С помощью ценностей, заслуживших наивысшие оценки, специалисты по маркетингу разбивают потребителей на сегменты.

В ряде случаев применяют концептуальный подход Шварца для определения сегментов рынка на основе скрытой системы ценностей потребителей. Такое расширение метода LOV позволяет учесть множество ценностей, влияющих на покупательское поведение человека.

Наряду с классификацией потребителей существует так называемая «продуктовая сегментация», или сегментация рынка по параметрам продукции. Она имеет большое значение при выпуске и сбыте новых изделий. Особую роль приобретает сегментация по продукту, базирующаяся на изучении долгосрочных тенденций на рынке. Процесс разработки и производства нового изделия требует достаточно продолжительного периода, и достоверность результатов анализа рынка, оценки его емкости здесь особенно важна.

В современных условиях для повышения конкурентоспособности и реального определения емкости рынка предприятию уже недостаточно проводить сегментацию рынка только в одном направлении — определения групп потребителей по каким-то признакам. В рамках интегрированного маркетинга необходима еще и сегментация самого изделия по наиболее важным для его продвижения на рынке параметрам.

С этой целью используется метод составления функциональных карт — это проведение своего рода двойной сегментации: по изделию и потребителю.

Функциональные карты могут быть однофакторными (сегментация проводится по какому-то одному фактору и для однородной группы изделий) и многофакторными (анализ того, для каких групп потребителей предназначена конкретная модель изделий и какие ее параметры наиболее важны для продвижения продукции на рынке).

С помощью составления функциональных карт можно определить, на какой сегмент рынка рассчитано данное изделие, какие его функциональные параметры соответствуют тем или иным запросам потребителей.

При разработке новой продукции данная методика предполагает, что должны учитываться все факторы, отражающие систему потребительских предпочтений. Одновременно с выявлением технических параметров нового изделия, при помощи которых можно удовлетворить запросы потребителя, определяются группы потребителей, каждая со своим набором запросов и предпочтений. Все выбранные факторы ранжируются по степени значимости для каждой из групп потребителей.

При сегментации рынка продукция производственно-технического назначения в первую очередь учитываются: географическое местоположение; тип организации, приобретающей товар; размер закупок; направления использования купленных товаров.

3. Методы сегментации

Подготовка данных. В рамках этой процедуры чаще всего используется факторный анализ, анализ соответствия (анализ корреспонденции), конджойнт-анализ.

Факторный анализ(— метод многомерной математической статистики, применяемый при исследовании статистически связанных признаков с целью выявления определенного числа скрытых от непосредственного наблюдения факторов.

Созданный в начале ХХ в. для нужд психологии (Ч. Спирмен предпринимал попытки выделить основной фактор, определяющий интеллект), он впоследствии получил большое распространение в экономике, социологии и других науках, располагающих огромным числом переменных, из которых обычно необходимо выделить существенные.

С помощью факторного анализа не только устанавливается связь изменения одной переменной с изменением другой, а определяется мера этой связи и обнаруживаются основные факторы, лежащие в основе изменений.Особенно продуктивно применение этого метода на начальных этапах исследований, когда необходимо выделить какие-либо предварительные закономерности в исследуемой области. Но метод имеет определенные слабые стороны, в частности нельзя получить однозначное математическое решение проблемы факторных нагрузок, т.е. выяснить влияние отдельныхфакторов на изменения различных переменных.

Анализ соответствия( другое название — анализ корреспонденции). Наряду с факторным анализом и методом многомерного шкалирования его используют для снижения размерности, в частности для перевода номинальных данных, таких; как ответы «да» — «нет», в метрические шкалы.

Конджойнт-аналцз используется в том случае, когда необходимо понять предпочтения потребителей в отношении различных вариантов исполнения того или иного товара или услуги. С помощью конджойнт-акализа можно измерять сравнительную важность таких характеристик продукта, как марка, страна, компания-изготовитель, упаковка, цена и др. В рамках этого метода каждого респондента просят разложить в соответствии с его предпочтениями набор карточек с обозначенными на них различными комбинациями свойств (характеристик) продукта. Далее с помощью математической модели выводятся показатели предпочтений.

Достоинством метода конджойнт-аяализа, по мнению его авторов, является «возможность разложения и раздельного анализа атрибутов товара или услуги». Он позволяет планировать товарную стратегию предприятия, сохраняя возможности для модифицирования текущих товаров и услуг и разработки новых для выбранных потребительских сегментов. Приложения из конджойнт-анализа могут использоваться при сегментации, так как они устанавливают относительную ценность места индивидуума по всем ключевым атрибутам, которые определяют продукт или услугу.

Анализ данных. Чаще всего используют кластерный анализ, автоматические алгоритмы классификации (CHAID), анализ CART, нейронные сети, структурные модели латентного класса.

Кластерный анализ — это математическая процедура многомерного анализа, позволяющая на основе множества показателей, характеризующих ряд объектов, сгруппировать их в классы (кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородными, сходными по сравнению с объектами, входящими в другие классы.

В рамках кластерного анализа на основе численно выраженных параметров объектов вычисляются расстояния между ними, которые могут выражаться как в евклидовойметрике, так и в других, более сложных метриках. Кластерный анализ — это наиболее часто используемый метод сегментации рынка. Внутренние определения процедур кластерного анализа отражают цели сегментации рынка. Требуется определить группы респондентов так, чтобы минимизировать различия между членами каждой группы, в то же время максимизировать различия между членами одной группы и теми, кто к ней не принадлежит.

Между делением на кластеры и сегментацией есть ключевое различие. Кластеры — это группы респондентов со схожими ответами на ключевые вопросы, а сегменты — это группыреспондентов со схожим поведением при покупке и поиске продуктов на рынке.

Для сегментации рынка могут быть использованы процедуры как иерархического, так и итерационного кластерного анализа. Среди разных процедур итерационного кластерного анализа наиболее часто используется метод К- средних. Его можно найти в большинстве популярных статистических программ.

CHAID-анализ (от англ.-автоматический детектор взаимодействия, использующий метод хи- квадрат) — это набор математических и статистических процедур и соответствующего программного обеспечения, предназначенный для сегментационного моделирования.

CHAID разделяет изучаемую совокупность на две и более различные группы, основываясь на категориях переменной, «наилучшим образом объясняющей» зависимую переменную. Каждая из полученных групп делится на более мелкие подгруппы, основываясь на другой объясняющей переменной. Этот процесс разделения (расщепления) продолжается до тех пор, пока не оказывается, что больше нельзя найти ни одной статистически значимой объясняющей переменной. Сегменты, которые образуются в ходе CHAID -анализа, являются взаимоисключающими и исчерпывающими. Поэтому они не перекрывают друг друга и каждая единица совокупности (например, ответ респондента) содержится только в одном сегменте.
Метод CART ( от лат.- деревья классификации и регрессии.), так же как метод CHAID , относится к методам «дерева классификаций». На их основе респондентов делят на группы, затем каждую группу на подгруппы, базирующиеся на отношениях между базовыми переменными сегментации и некоторой зависимой переменной. Обычно зависимая переменная — это ключевой индикатор, такой, как уровень использования блага, намерение покупки и т.д.

CHAID — это один из наиболее часто используемых методов «дерева классификаций», но он не может справиться с продолжительно зависящими переменными, поэтому иногда используется и CHAID и CART , которые способны обрабатывать неметрические и неординальные данные.

Методы «дерева классификаций», деля респондентов, в отличие от кластерного анализа, создают истинные сегменты, которые базируются лишь на одной зависимой переменной. Используя другие методы, включая кластерный анализ, исследователи группируют респондентов, базируясь на десятках или даже сотнях элементов данных.

Нейронные сети. Для их обозначения широко используется английская аббревиатура — ANN. Искусственные нейронные сети применяются во многих сферах: при прогнозировании экономической и финансовой деятельности, в системах обработки изображений, сигналов и т.д.

Своим названием они обязаны значительному сходству с элементами человеческого мозга. Человеческий мозг содержит свыше триллиона элементов, называемых нейронами, которые являются основными составляющими нервной системы человека. Нейроны связаны множеством нервных нитей, называемых синапсами. Эта биологическая сеть отвечает за наши мысли, эмоции, способность обучаться.

Нейроны посылают друг другу электрические импульсы — сигналы различной силы и частоты. Искусственные нейроны, из комбинаций которых состоят нейронные сети, в принципе, имитируют свойства биологического нейрона.

Однако простая модель искусственного нейрона игнорирует многие свойства нейрона биологического. Один искусственный нейрон способен выполнять простейшие процедуры распознавания. Сложные вычисления требуют соединений нейронов в сети.

Простейшая сеть состоит из группы нейронов, образующих слой. Многослойные сети обладают более широкими возможностями, чем однослойные, и в последние годы были разработаны различные алгоритмы для их обучения. В отличие от экспертных систем, которые в обработке данных ориентируются на набор правил, заложенных в их базе данных, нейросеть проводит анализ информации, которую она научена распознавать.

В 80-х гг. прошлого столетия появились нейронные сети, названные многослойными перцептронами. Они умеют распознавать данные, управлять ими и прогнозировать их.

Основными перспективными направлениями современного развития нейрокомпьютерных технологий; в частности, являются нейросетевые экспертные системы, СУБД с включением нейросетевых алгоритмов. Искусственные нейронные сети могут менять свое поведение в зависимости от внешней среды, так же как человек. Способность к самообучению и обобщению прецедентов указывает на то, что в будущем искусственные нейронные сети станут использоваться повсеместно.

Искусственные нейросети могут служить средством для сегментации. Так, например, самоорганизующаяся ANN (часто пользуются термином «архитектура Кохоненна».) пытается сгруппировать респондентов, базируясь на их схожих элементах. Она отличается от кластерного анализа своей способностью игнорировать «шумы» в данных и тем, что нетипичные индивидуумы меньше влияют на сегментацию. Каждая успешная итерация делает их вклад все меньше, так что расчеты быстро стабилизируются, игнорируя нечастые характеристики респондентов. ANN работает тем лучше, чем больше вариация или неуверенность в ответах респондентов.

Структуры латентных классов. Латентный анализ (от лат. — скрытый, невидимый) — математический метод, позволяющий анализировать структуру связей между ненаблюдаемыми переменными, полученными в эксперименте. Он используется для нахождения скрытых конструкций внутри множества переменных.

Анализ латентных классов может быть использован для кластеризации категорийных переменных в сегменты, базирующихся на ответах широкого поля категорийных переменных, а также при поиске скрытых конструкций, которые вызывают мотивацию для покупки определенного продукта или желание приобрести продукт, обладающий определенными свойствами.

Классификационные алгоритмы. К данным опроса для получениясегментов рынка могут быть применены, в частности, дискриминантный анализ и множественная регрессия. Дискриминантный анализ на практике используется для определения признаков разницы двух и более категорий объектов. Метод регрессионного анализа применяется для изучения зависимости результативного показателя от нескольких независимых переменных. Наиболее широко распространены методы множественной регрессии.

Линейный регрессионный анализ позволяет оценить коэффициенты линейного уравнения, содержащего одну или несколько (множественная регрессия) независимых переменных, значения которых используются для предсказания значения зависимой переменной. Вычислив коэффициенты такого уравнения, можно предсказать значения зависимой переменной.

Программное обеспечение сегментного анализа является составной частью практически всех современных специализированных маркетинговых пакетов. Особое внимание этому вопросу уделяется в программном продукте компании КонСи «Сегментирование и рынки».