В настоящее время активного развития рынка информационных технологий, внедрения инноваций во многие сферы хозяйственной жизни, усложнения и обострения конкурентной борьбы существенно сокращаются сроки жизненных циклов товаров и услуг. В этих условиях значительно возрастает скорость обновления товарного портфеля организаций, а, следовательно, актуальными становятся вопросы разработки и внедрения новых продуктов.
Под концепцией нового товара понимают научно-обоснованное развернутое представление о товаре, его потребительских характеристиках, рыночном потенциале, жизненном цикле, а также внешних по отношению к нему факторах и условиях, которые определяют рыночный успех или неудачу нового товара [1, с. 494].
Разработка и тестирование концепции нового товара одна из первых инвестиций компании в процесс создания нового продукта. Разработка концепции представляет собой переход от идей, прошедших предварительную оценку, к четкому описанию характеристик товара и набора выгод для потребителя. Создание концепции базируется на маркетинговых исследованиях предпочтений потребителей. Процесс тестирования концепции, как правило, двухэтапный, включающий в себя качественное маркетинговое исследование (этап предварительного тестирования), проводимое методом фокус-группы, и количественное, чаще причинно-следственное исследование (этап окончательного тестирования), проводимое методом эксперимента.
С учетом ограниченности объема статьи нами будет рассмотрен только второй этап тестирования концепции, который будет выполнен с помощью метода совместного анализа.
Совместный анализ — метод, с помощью которого маркетологи пытаются определить относительную важность, которую придают потребители ясно выраженным характеристикам товара, а также полезность, которую они связывают с уровнями характеристик [2, С. 791]. При этом товар рассматривается как совокупность характеристик. Объектами анализа являются комбинации уровней характеристик товара. В процессе проведения совместного анализа с целью поиска оптимальной комбинации характеристик товара и их уровней строится математическая модель товара, выражающая зависимость между характеристиками товара и его полезностью. Построенная модель позволяет оценить какое влияние оказывают на предпочтения потребителей основные характеристики товара.
Базовая модель совместного анализа имеет вид:
, (1)
где
U (x)- полная полезность альтернативного варианта товара;
αij- вклад частной полезности, соответствующий j-му уровню (j, j=1, 2, …,ki) i-го варианта (i, i=1, 2, …, m);
ki–число уровней характеристики i;
m - число характеристик.
Рассмотрим алгоритм выполнения совместного анализа на примере тестирования концепции нового информационного продукта портала newkaliningrad.ru.
Отметим, что создание концепции нового информационного продукта было основано на проведенном маркетинговом исследовании зарегистрированных пользователей портала newkaliningrad.ru, результатом которого стало определение нового раздела портала — сайта о туризме и отдыхе.
Анализ предпочтений пользователей показал, что респонденты хотят видеть на сайте туристический раздел со следующими характеристиками:
1. Достопримечательности - статьи, публикации, заметки, фоторепортажи различных о достопримечательностях стран туризма, которые послужат памяткой для туристов, и гидом по самым интересным местам, обязательным для посещения. Это и различные памятники архитектуры, музеи, библиотеки, парки, скверы, и другие достопримечательности городов мира. Помимо культурного наследия туристы ездят в отпуск с целью лечения. Другие же предпочитают посещать хорошие рестораны, бары, и магазины.
2. Онлайн-сервисы раздела - каждый раздел интернет портала должен отличаться функциональностью. Раздел о туризме и отдыхе должен отвечать на запросы посетителей: где можно и с какой выгодой приобрести путевки, по какой цене, сколько их в наличии, и при возможности суметь забронировать их, или же получить полную контактную информацию продавца. То есть это могут быть онлайн-сервисы: заказа путевки, подбора туров, и поиск горящих туров.
3. Новостной контент - это новости стран туризма, с актуальной информацией о состоянии экономики, политической обстановки, их законодательство со всеми тонкостями, особенности визового режима. Помимо этого, к новостному контенту можно отнести «полезные советы» туристам о том, что нужно делать, чтобы отпуск прошел удачно, памятки и занимательные публикации.
Выделим в каждой характеристике товара ее атрибутивные уровни. Уровни характеристик показывают значения характеристик. Для каждой характеристики определили по три уровня. Каждый уровень был обозначен фиктивной переменной:
1. Достопримечательности:
1.1 культурное наследие (x1);
1.2 шоппинг, рестораны, бары (x2);
1.3 лечебный отдых (базовый уровень характеристики).
2. Онлайн-сервисы:
2.1 подбор туров (x3);
2.2 онлайн заказ путевки (x4);
2.3 поиск горящих туров (базовый уровень характеристики).
3. Новостной контент:
3.1 советы отпускникам (x5);
3.2 законодательство стран туризма (x6);
3.3 новости стран туризма (базовый уровень характеристики).
Таким образом, любой вариант нового раздела портала (полный профиль нового товара) может быть описан с помощью набора фиктивных переменных. Следующим этапом анализа является оценка различных вариантов реализации нового раздела портала (полных профилей), которая будет осуществлена методом многофакторных оценок (полнопрофильный подход). При заданных трех характеристиках и трех уровнях можно построить 3х3х3=27 полных профилей. Чтобы уменьшить для респондентов задачу оценки, использовали план факторного эксперимента с дробными откликами и составили набор из 9 профилей (табл.1). Другой набор из 9 профилей был составлен для проверки достоверности результатов. Респонденты должны были оценить каждый из девяти предложенных вариантов нового раздела сайта (полный профиль) с помощью девятибалльной метрической шкалы предпочтений (1 - не предпочитаю, 9- предпочитаю всем остальным). Результаты оценок респондентов сведены в табл.1.
Отметим, что в табл.1 фиктивные переменные представляют собой атрибутивные уровни характеристик нового товара. Набор характеристик нового раздела сайта с определенными уровнями представляет собой набор независимых факторов, напрямую определяющих степень предпочтения определённого варианта нового раздела портала. Переменная у — зависимая переменная.
Таблица 1
Оценка предпочтений полных профилей нового раздела сайта
|
№ профиля |
Фиктивные переменные (атрибутивные уровни) |
y- оценка предпочтения полного профиля |
|||||
|
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
||
|
1 |
1 |
0 |
1 |
0 |
1 |
0 |
9 |
|
2 |
1 |
0 |
0 |
1 |
0 |
1 |
7 |
|
3 |
1 |
0 |
0 |
0 |
0 |
0 |
5 |
|
4 |
0 |
1 |
1 |
0 |
0 |
1 |
6 |
|
5 |
0 |
1 |
0 |
1 |
0 |
0 |
5 |
|
6 |
0 |
1 |
0 |
0 |
1 |
0 |
6 |
|
7 |
0 |
0 |
1 |
0 |
0 |
0 |
5 |
|
8 |
0 |
0 |
0 |
1 |
1 |
0 |
7 |
|
9 |
0 |
0 |
0 |
0 |
0 |
1 |
6 |
Проанализировав данные табл.1 с помощью регрессионного анализа с фиктивными переменными, выполненного в программе SPSS Statistic, была получена функция полезности (формула 2)
y=4,22+x1 – 0,33x2+ x3+ 0,67x4+ 2,33x5+ 1,33x6 (2)
Учитывая, что коэффициенты регрессии b0,b1, …b6 представляют собой разность полезности для этого уровня характеристики и полезности для ее базового уровня, получаем для характеристики «Достопримечательности»:
α11 - α13= b1
α12 - α13= b2
Чтобы найти значения частных полезностей (полезностей уровней характеристики), введем дополнительное ограничение.
α11 + α12 +α13 = 0
Решив уравнения, получим значения частных полезностей для первой характеристики:
α11= 0,778; α12= -0,555; α13= -0,22.
Аналогично рассчитаем частные полезности для двух оставшихся характеристик:
α21= 0,445; α22= 0,111; α23= -0,556.
α31= 1,111; α32= 0,111; α33= -1,222.
Абсолютная важность каждой характеристики определяется по формуле (3).
Ii= { max (αij)- min (αij) }, (3)
где
max (αij) — максимальная частная полезность j-ого уровня i-й характеристики;
min (αij) - минимальная частная полезность j-ого уровня i-й характеристики.
Абсолютная важность характеристики определяется через диапазон полезностей αij по всем уровням данной характеристики.
I1 =0,778-(-0,556)=1,334;
I2 =0,445-(-0,556)= 1,001;
I3 = 1,111-(-1,222)= 2,332.
Относительная важность каждой характеристики товара ωiопределяется по формуле (4).
(4)
где
где 
– абсолютная важность i-ой характеристики;
∑Ii– сумма абсолютной важности по всем характеристикам.
Как показали расчеты: ω1=0,286; ω2=0,214; ω3=0,5.
Анализируя показатель относительной важности характеристик нового раздела портала, можно сделать вывод о том, что наибольшее внимание необходимо уделить новостному контенту, предоставляя читателям интересный, уникальный материал, отличающийся своей новизной.
Для интерпретации результатов построим графики функций полезности (рис. 1-3).
Рис. 1. График функции полезности по характеристике «достопримечательности»
Из графика видно, что самой привлекательной тематикой является культурное наследие стран мира.
Рис. 2. График функции полезности по характеристике «онлайн-сервисы»
Из рисунка 2 видно, что максимально полезным онлайн-сервисом является сервис подбора туров.
Рис. 3. Функция полезности по характеристике «новостной контент»
Исходя из данных рисунка 3 можно сделать вывод о том, что наибольшей полезностью будет отличаться новостной контент, представленный в виде советов для отдыха.
Таким образом, самая привлекательная концепция раздела о туризме и отдыхе включает в себя новостной контент, в котором в основном будут представлены практические советы по правильной организации отдыха, интересные статьи и памятки. Наиболее освещаемой темой обзорных статей по достопримечательностям стран туризма будет культурное наследие. Для того, чтобы будущие туристы смогли подобрать себе тур и путевку, отвечающий всем потребностям, в разделе должен быть онлайн-сервис подбора туров, который при интеграции с сервисами туристических агентств и туроператоров позволит найти всю необходимую информацию обо всех тонкостях и условиях покупки.
Полная полезность оптимального профиля определяется путем подстановки в функцию полезности значений фиктивных переменных, соответствующих атрибутивным уровням характеристик оптимального профиля: y=4,22+1*1-0,333+1*1+2,33*1= 8,555
Таким образом, общая полезность оптимального профиля равна 8,555.
На последнем этапе проведения совместного анализа оценивается надежность и достоверность полученных результатов. В нашем случае оценка качества модели оценивалась с помощью коэффициента детерминации, который составил R2=0,934, что свидетельствует о хорошем соответствии модели исходным данным.
Литература:
- Ламбен Ж.-Ж. Менеджмент, ориентированный на рынок / пер. с анг. Под ред. В.Б. Колчанова. СПб.: Питер, 2007.
2. Малхотра Н.К. Маркетинговые исследования. Практическое руководство, 4-е изд. М.: Издательский дом «Вильямс», 2004.
