выпуск  79

Факторный анализ и сегментирование потребителей

( фрагмент из книги Сегментирование потребителей )

А.Г. Костерин, к.т.н. директор фирмы КонСи (8312) 441533

root@konsi.nnov.ru

www.konsi.nnov.ru

   Применение факторного анализа к решению задач сегментирования [Doyle,1972] обычно инициируется стремлением аналитика достигнуть двух взаимосвязанных целей:

·    снизить размерность решаемой задачи кластеризации;

·    определить семантику выделяемых кластеров как сегментов.

   Заметим, что последняя задача очень близка к проблеме построения карт восприятия [Hauser,1979; Kohli,1993; Pilon,1992; Sinclair,1990], которые применяются в технологиях позиционирования [Ries,1981; Aaker, 1982; Green,1993].

Сжатие и интерпретация

   Снижение размерности задачи кластеризации с помощью факторного анализа предполагает замену большого числа (20-50 и более) исходных переменных сегментирования на значительно меньшее число искусственно созданных переменных [Айвазян,1989; Doyle,1972]. Обычно используют <сжатие> до двух-трех переменных.

   Факторный анализ обеспечивает построение этих искусственных переменных. Эти переменные интерпретируются как факторы, объясняющие наблюдаемые и скрытые зависимости между значениями исходных переменных. Считается, что информация о зависимостях между переменными в сжатом виде содержится в выделяемых факторах. Поэтому эти факторы рекомендуется использовать как переменные сегментирования, по которым следует провести кластеризацию изучаемых потребителей.

   Можно предположить, что переход от большого числа переменных к меньшему позволит получить лучшие результаты кластеризации, то есть выделяемые кластеры будут обладать большей плотностью и их границы будут более четкими.

   Численный пример

  Объяснение методов, привлекаемых для изучения маркетинговых свойств выделяемых сегментов, мы будем сопровождать иллюстративными материалами. Данные материалы представляют собой описание результатов решения реальной задачи сегментирования.

  Мы проанализируем построенные сегменты в трехмерном пространстве переменных и факторов, а также диаграммы и графики.

  Итак, в качестве примера будем рассматривать результаты следующего маркетингового исследования, выполненного по заказу фирмы, торгующей продуктами питания. Фирма расположена в крупном промышленном городе - областном центре. Для соблюдения конфиденциальности маркетинговой информации мы не приводим названия самой фирмы, заказавшей исследование, а также название ее клиентов. Однако всю числовую информацию о продуктах, закупках и выделяемых сегментах мы приводим в полном объеме.

   Рассматриваемая фирма специализируется на торговле продуктами питания. Ее клиентами являются торговые предприятия самых различных форм собственности и размеров. Среди клиентов можно встретить и крупные продовольственные магазины, и фирмы, владеющие сетью мелких магазинов, и владельцев небольших торговых точек. Также клиентами фирмы являются столовые крупных промышленных предприятий и государственных учреждений. Большая часть клиентов находится в пределах города, но также среди ее клиентов есть и такие, которые расположены в сельской местности, в пригородах и в районных центрах области.

   Изучаемая фирма продает продукты питания по следующим товарным группам:

·      рыба и рыбные полуфабрикаты;

·      мясные полуфабрикаты;

·      пельмени;

·      колбасные изделия;

·      бакалея;

·      кондитерские изделия;

·      йогурты.

  Фирма стремится к расширению ассортимента и разнообразию ценовых предложений в пределах каждой товарной группы. В пределах одной товарной группы в прайсах фирмы были представлены товары различных производителей. Безусловно, что товары различаются по качеству, фасовке, известности, цене.

  В течение года, предшествующего проводимым исследованиям, фирма удерживала в городе положение крупного оптового продавца продуктов питания. Однако у руководства фирмы возникли серьезные опасения по поводу снижения объемов закупок рядом клиентов по отдельным товарным группам. Ухудшение позиций фирмы на рынке руководство фирмы объясняло по-разному.

  Безусловно, наблюдались активные действия конкурентов, которые старались максимально восполнить любые потребности клиентов.

  За последнее время несколько крупных оптовых фирм значительно увеличили свой ассортимент с одновременным снижением цен. Это привело к потере некоторых клиентов.

  Ряд покупателей фирмы изменил организацию торговли и выбрал специализацию на отдельных товарных группах. Поэтому они перестали покупать товары по одним товарным группам, но увеличили объемы закупок по новым товарам.

  Многие владельцы магазинов стали самостоятельно искать поставщиков и привозить для себя продукцию.

  Выделились производители отдельных видов продукции высокого качества, которые стали снижать цены на свою продукцию. Это стало отвлекать внимание конечных покупателей к товарам, которые фирма традиционно предлагала, закупая их у известных производителей.

  Итак, можно было наблюдать множество линий поведения клиентуры. Однако общего стратегического понимания обстановки у руководства фирмы не было.

  При разработке мер противодействия конкурентам и укрепления позиций фирмы на рынке руководство решило провести изучение своей клиентуры. В результате этого, исследования руководство фирмы хотело получить представление о свойствах клиентуры, ее ориентирах на конечного покупателя, ценовых приоритетах.

  Для проведения полномасштабного анкетирования клиентуры у фирмы не было достаточно средств и времени. Кроме того, ряд клиентов отрицательно относились к любым расспросам, касающихся их бизнеса. Обычно можно было получить ответ лишь о примерной доле товаров фирмы в общем объеме реализуемой продукции конкретным клиентом.

  Было принято решение воспользоваться накопленными данными о продажах за прошедший год. Для этого у фирмы было все необходимое. Торговый процесс поддерживался с помощью программных продуктов фирмы 1С. В складской базе данных содержались сведения о всех клиентах, купленных ими товарах с указанием цен, количества. Было известно время совершения продаж. В штате фирмы был программист, который мог быстро извлечь требуемую для анализа информацию и представить ее в виде таблицы Excel. Другими словами, в качестве источника информации для изучения клиентуры была выбрана технология data mining.

  Теперь рассмотрим важнейший вопрос проводимого исследования - "Что следует выбрать в качестве переменных сегментирования?"

  В качестве значений переменных сегментирования был выбран показатель - относительный уровень товарооборота по одной товарной группе. Этот показатель вычислялся для каждого клиента и каждой товарной группе по формуле:

,

где V - объем закупки по ценам продажи в текущем месяце,
V^/ - объем закупки по ценам продажи в базовом месяце.

  Формула 1 Показатель относительного уровня товарооборота клиента по товарной группе

  Значение показателя, меньшее 1, показывает снижение объемов закупки товаров товарной группы, а значение показателя, большее 1, соответствует увеличению объемов закупки.

  Таким образом, по каждому клиенту были вычислены семь показателей относительного уровня товарооборота по каждой из семи товарных групп.

  При укрупненном анализе мотивов поведения покупателей данный показатель позволяет судить о деловой активности покупателя, его заинтересованности в товарах фирмы. А сопоставление значений этого показателя для товарных групп по отдельным клиентам позволяет определить группы клиентов со схожим отношением к товарным предложениям фирмы, а также определить их схожие товарные ориентиры.

  На  Рис. 1 приведен фрагмент таблицы, со значениями показателя относительного уровня товарооборота. Так, клиент Consumer 003 по первой товарной группе ("Кондитерские изделия") имеет значение 1,113. Это означает что объем закупок товаров, относящихся к первой товарной группе возрос на 11,3%. А значение показателя по второй товарной группе ("Йогурты"), равное 0,669, соответствует снижению закупок на 43,1%.

  Конечно, для проведения комплексного исследования деловой активности клиентов были привлечены и иные показатели, но в данный момент, мы о них умалчиваем и вернемся к их обсуждению ниже, когда будем обсуждать методы изучения маркетинговых свойств выделенных сегментов.

  Рис. 1 Фрагмент таблицы с исходными значениями переменных сегментирования -  значениями относительного уровня товарооборота по товарным группам

  На Рис. 2 приведено объемное изображение сегментов в пространстве трех исходных переменных сегментирования.

  Рис. 2 Пример трех "разреженных" кластеров для 995 клиентов, полученных в результате кластеризации по семи переменным и отображаемых в пространстве трех исходных переменных сегментирования

  На основе значений исходных переменных методом факторного анализа выделим главные факторы. Главные факторы представим осями пространства, в котором точками покажем потребителей. Кластеры потребителей обычно принято представлять в виде плотных скоплений точек (облаков).

  На Рис. 3 приведены результаты проведенной кластеризации той же совокупности потребителей на трех факторах, которые выбраны в качестве трех переменных сегментирования. Плотные скопления точек, образующих кластеры, не всегда удается наблюдать, когда пространство отображения кластеров ограничивается только двумя-тремя исходными переменными сегментирования. Но, когда в качестве осей выбираются построенные факторы, тогда кластеры приобретают четкие очертания и их можно наблюдать в виде облаков точек.

  Рис. 3 Пример трех "плотных" кластеров для 995 клиентов, полученных в результате использования процедур "сжатия" - кластеризации по трем главным факторам

  Такой эффект "улучшения" визуального образа кластера объясняется тем, что факторы "вобрали" в себя информацию о связях между отдельными переменными, и визуальные образы кластеров в пространстве факторов стали более четко выраженными и информативными.

  Одновременно с улучшением результатов кластеризации построенные факторы позволяют аналитику объяснить семантику формируемых кластеров. При построении факторов аналитик выбирает те исходные переменные сегментирования, которые вносят наибольший вклад в создаваемый фактор. Изучая семантику этих переменных, аналитик пытается объяснить смысл создаваемого фактора. А через семантику создаваемых факторов аналитик объясняет смысл выделяемых кластеров. Применение факторов позволяет интерпретировать взаимное расположение потребителей друг к другу.

Главные компоненты (факторы)

Применение факторного анализа в рамках технологии сегментирования обусловлено его возможностями как инструмента изучения и объяснения связей, существующих между исходными переменными сегментирования. Предполагается, что данные связи могут быть численно оценены с помощью коэффициентов корреляции.

  Идея метода факторного анализа состоит в том, чтобы объяснить всё многообразие корреляционных связей через воздействие нескольких обобщенных гипотетических факторов [Хартман,1972]. Эти факторы можно образно представить как некоторые "внешние силы", которые воздействуют на переменные сегментирования и "заставляют" их принимать значения, между которыми наблюдаются зависимости, отражаемые в коэффициентах корреляции.

  Согласно формальному определению исследуемые переменные можно представить как линейные комбинации "скрытых" факторов. Сами факторы неизвестны. Но их можно выразить через значения исследуемых переменных. Факторы, выраженные через исходные переменные сегментирования, интерпретируются как  существенные внутренние характеристики потребителей. Предполагается, что факторы могут быть либо независимы, либо зависимы между собой. Это предположение определяет выбор математической модели факторного анализа.

  Рассмотрим одну из разновидностей факторного анализа - метод главных компонент [Андрюкович,1974; Иберла, 1980; Окунь,1974], который основан на предположении, что исследуемые обобщенные факторы независимы между собой.

  Здесь мы вынуждены извиниться перед читателем за краткость изложения. Объяснение техники выполнения факторного анализа требует привлечения математических терминов. Поэтому аналитику, далекому от математических тонкостей теории факторного анализа, скажем, что изучение корреляционной матрицы позволяет найти так называемую матрицу факторных нагрузок. А детали описания факторного анализа можно найти в специальных изданиях по факторному анализу [Хартман,1972; Ким,1989]

  При реализации метода главных компонент вычисляется матрица факторных нагрузок. Эта матрица показывает, какое влияние каждый фактор оказывает на ту или иную переменную. Строки матрицы соответствуют переменным сегментирования, а столбцы факторам. На Врезка 1 показан пример матрицы факторных нагрузок.

  Врезка 1 Пример построения матрицы факторных нагрузок

  На основе исходных данных, приведенных на Рис. 1, методом главных компонент была построена матрица факторных нагрузок (Рис. 4). Обычно в методе главных компонент оставляют 2-3 фактора, чтобы можно было наглядно увидеть облака точек (скопления объектов) в пространстве небольшой размерности, определенной выделенными факторами. На данном рисунке жирным шрифтом выделены значения нагрузок тех переменных, которые дают наибольший вклад в фактор.

  Рис. 4 Матрица факторных нагрузок для семи переменных и трех главных факторов