Роль двумерного и многомерного анализа в медиапланировании


Величина погрешности при простом случайном отборе

(в %, уровень надежности 98%)

Количество у. исслед. 1/99 5/95 10/90 15/85 20/80 30/70 40/60
4,0 8,8 12,0 14,2 16,0 18,4 19,6 20,0
2,4 6,3 8,6 10,4 11,3 14,2 14,3 15,0
2,0 4,4 6,0 7,2 8,0 9,3 9,9 10,2
1,6 3,6 4,6 5,8 6,3 7,2 8,0 8,2
1,2 3,0 4,2 4,9 5,4 6,8 7,2 7,5
1,1 2,4 3,5 4,1 4,6 5,4 5,7 6,2
1,0 2,2 3,0 3,6 4,0 4,6 5,2 5,4
0,8 1,9 2,7 3,2 3,7 4,1 4,4 4,9
0,7 1,8 2,6 2,9 3,3 3,9 4,2 4,4
0,6 1,6 2,1 2,5 2,8 3,5 3,7 3,9
0,5 1,4 1,9 2,2 2,5 2,9 3,1 3,4
0,4 1,2 1,5 1,9 2,3 2,5 2,8 3,0
0,3 0,9 1,3 1,7 2,1 2,3 2,6 2,7
0,2 0,7 1,0 1,2 1,4 1,7 1,9 1,9

 

отношения к предлагаемому товару или услуге, а также степени глу­бины и достоверности восприятия сообщения, размещенного в том или ином СМИ. При этом особое внимание уделяется изучению степени соответствия средств массовой информации характеру раз­мещаемого сообщения и ожиданий аудитории.

Например, имея случайные выборки из совокупностей двух объявлений, следует выяснить, какое из них наиболее привлека­тельно для целевой аудитории. Если выделенный на исследования бюджет позволяет провести тестирование двух групп, включаю­щих 100 человек в каждой выборке, то величина погрешности мо­жет достигать «±10,2%» (в том случае, если 50% опрошенных выдают позитивную реакцию на размещенное объявление). Чтобы оценить финальный результат, необходимо изначально установить 20,4% порог погрешности для обоих объявлений (так как для к готы результатов необходимо суммировать погрешность каж­дой выборки). Если полученный результат окажется меньше указанной цифры, соответственно, произошло како-либо внешнее

вмешательство. К тому же 20,4% — слишком высокий показатель, по которому довольно сложно судить об эффективности сообще­ния. Таким образом, устанавливаем необходимый объем выбор­ки — 400 человек. Это даст возможность предположить, что раз­ница в 10% возникла неслучайно, а под воздействием рядя объек­тивных факторов.

Двумерный анализ предполагает исследование моделей, бази­рующихся на причинных отношениях между переменными. На­пример, предполагается, что потребители активно покупающие витамин С в зимний период будут покупать апельсиновый сок. Для подтверждения или опровержения выдвинутой коммуникативной основы будущего послания необходимо составить таблицу с предполагаемой переменной в качестве независимой и исследо­вать, существует ли у нее математическая взаимосвязь с зависи­мой переменной.

Таблица 4

Отношение к апельсиновому соку, обогащенному витамином С13

 

Ожидания Степень интереса высока Ср. степень интереса Малая степень интереса Отсутст­вие инте- ! реса Итого
Нет ярко выраж. ожиданий 4,5 5,2 13,5 34,6 12,6
Смешанн. отношен. 19,5 27,4 29,8 23,2 27,9
Позитив 36,5 25,9 14,3 7,7 18,3
Негатив 39,5 41,5 42,3 34,6 41,2
Итого 100% 100% 100% 100% 100%
Количество

 

Таким образом, опросив 5122 человека и выяснив их отноше­ние к обогащенному витамином С апельсиновому соку, можно сделать следующие выводы. Во-первых, в том случае если нет ярко выраженных ожиданий (т.е. стремления покупать именно обогащенный витаминами сок), то интерес к объекту минимален.

В этом случае медиаплэнеру предстоит увеличение необходимых контактов для создания нужного отношения к предлагаемому на­питку, которое затем будет последовательно снижаться. Также на­блюдается тенденция позитивного отношения к предлагаемому продукту по мере роста интереса к его качествам, в то время как появление негативного отношения в меньшей степени зависит от проявленного к товару интереса.

Многомерный анализ предполагает исследование трех или бо­лее переменных. в случае применения многомерного анализа выст­раивается причинная модель, увязывающая между собой три переменные. Так, в качестве переменных вводится цель исследова­ния, геодемографический и психографический параметры. На­пример, в случае проведения исследования по существующему от­ношению к обогащенному витамином С апельсиновому соку в ка­честве демографических параметров могут выступать пол и возраст опрашиваемых, в качестве психографических — стиль со­вершения покупки (импульсный, отслеживающий моду и т.п.).

Более точные данные в медиапланировании могут быть полу­чены с помощью многомерного анализа. Двумерный анализ хо­рош в том случае, если необходимо внести корректировку в уже имеющуюся информацию. Если проанализировать медиапланы крупнейших компаний за последние пять лет, налицио увеличе­ние исследуемых параметров. Например, та целевая аудитория, которая описывалась ранее как мужчины в возрасте от 25 до 54, сейчас включает в себя следующие параметры: социально актив­ные мужчины в возрасте от 25 до 54, с доходом свыше 50 000 дол­ларов в год.

Если проследить тенденцию проводимых в медиапланировании исследований в течение последних пяти лет, то среди параметров заметно увеличилось количество психографических черт. Именно они в результате исследования позволяют ответить на вопросы, описывающие мотивацию потребительской аудитории. В результа­те группы опрашиваемых, объединяются в кластеры по наиболее ярким чертам характеризующим всю выборочную совокупность.

В американской практике на сегодняшний день наиболее ак­тивно используются шесть кластеров: Эйкорн, КластерПлюс 2000, МикроВизион 50, Призм, Коэртс и Нич (последние два кластера используются для исследования результативности в сфере прямого маркетинга). В российской практике кластеры представлены ис­следовательскими системами Гэллап и Комкон. При кластерном делении исследователем могут быть получены следующие данные:

1. геодемографические параметры;

2. существующие установки внутри каждого кластера;

3. уровень потребительской активности;

4. мотивационные аспекты.

Как правило, все эти данные четко увязываются проживанием того или иного человека в определенном районе. Если рассматривать российскую систему кластеров, то здесь четко выделяются Москва, города-миллионики и пр. Например, необходимо изу­чить потребительское отношение к товару X среди 10 000 человек, в этом случае выбирается контрольная 1000, из которой 100 чело­век активно используют товар X и все они относятся к кластеру У. Соответственно, устанавливается пропорциональная зависи­мость, которая проецирует все совокупность кластера на населе­ние исследуемого пункта.

Так же в ходе многомерного исследования можно установить кластерное распределение. Всегда будут кластеры с высокой сте­пенью концентрации целевой аудитории, и кластеры с более низ­кими показателями. Выбор ключевых кластеров, как правило, тождественен набору демографических параметров, определяю­щих профиль целевой аудитории, в этом случае выбирается тот набор параметров, которым максимально должны соответство­вать те или иные СМИ.

Выбор кластера начинается с оценки структуры аудитории. В этом случае по каждому из демографических параметров уточ­няется процент людей соответствующих профилю того или иного средства массовой информации, в ходе исследования структуры аудитории может быть получен ответ на вопрос, какой процент общей аудитории является моей целевой аудиторией.

Например, необходимо сопоставить две телепередачи, каждая из которых насчитывает 50 000 зрителей. Количество зрителей мужчин программы А составляет 17 500 человека. Они представ­ляют собой 35% всех телезрителей (17,5:50,0). Женская часть ау­дитории доходит до 40%, подростки 15%, дети 10%. Структура программы в выглядит следующим образом: количество телезри­телей мужчин составляет 30%, женщин — 25%, подростков — 25%; детей - 20%.

Таблица 5