Vjerujete li istraživanju potrošača?

istrazivanje-olovka-largeObradom tržišta statističkom marketing segmentacijom izbjegavamo predrasude o karakteristikama ciljnih potrošačkih segmenata jer klasična obrada nije dovoljna i može dovesti do krivih zaključaka

”Istraživanje je kreiranje novog znanja”, rekao je čovjek koji je prvi zakoračio na Mjesec. Kvalitetna dubinska analiza i istraživanje čini 80 posto svakog uspješnog projekta, neovisno o industriji i zahtjevnosti.

Jednako vrijedi i za strateški marketing, koji predstavlja vrlo analitičnu i statističku disciplinu, od identifikacije tržišnih prilika, do segmentacije potrošača.

Mnoge hrvatske tvrtke, pritisnute smanjenim budžetima, zanemaruju važnost istraživanja potrošača i često pribjegavaju tržišnim predrasudama o njihovom ponašanju, navikama i potrebama. Istraživanja se često naručuju kako bi pribjegli kolektivnoj odgovornosti i kako bi istraživanje ”donijelo” odluku.

Kod određenog dijela menadžera postoji nepovjerenje u ishod i rezultate istraživanja, temeljeno na nalazima potpuno različitim od tržišnog predznanja menadžmenta.

Marketing segmentacija
Postoje i oni koji su potpuno svjesni važnosti ”consumer intelligence-a” i primjenjuju sofisticirane analitičke procese. Jedna od takvih metodologija je statistička marketing segmentacija koja se primjenjuje kod analize tržišnih prilika i dubinskog uvida u potrošačke segmente.

Procesom marketing segmentacije razdvajamo postojeće i potencijalne potrošače u različite grupe ili segmente unutar kojih potrošači dijele zajedničku razinu zanimanja, navika ili usporedivih potreba koje se mogu zadovoljiti određenim marketing propozicijama.

Cilj marketing segmentacije je identificirati grupe potrošača koje su generatori prodaje i nositelji financijskog rezultata tvrtke.

Nadalje, potrebno je detektirati skupine potrošača čije potrebe nisu zadovoljene i na čije ponašanje je moguće utjecati. Pojednostavljeno, segmentacijom određujemo sve tržišne segmente potrošača koji postoje, kako bi selektirali koji od njih su ciljni segmenti, tj. oni od kojih će tvrtka najbrže i najviše zaraditi.

Svaki segment se mora sastojati od potrošača relevantnih za proces donošenja odluke o kupnji. Svaki segment mora imati dovoljnu veličinu kako bi se opravdala ulaganja, mora biti poseban, mora se razlikovati od ostalih,  mora se moći doseći kanalima koji se već koriste ili se namjeravaju koristiti i okarakterizirati se nekim specifičnim značajkama potrošača koje ga obilježavaju kako bi se mogao dosegnuti odabranim kanalima komunikacijske strategije.

Tvrtka mora biti sposobna napraviti promjene u vlastitoj strukturi kako bi mogla biti fokusirana na odabrane segmente. Tek kad detektirate sve postojeće segmente potrošača, možete izmjeriti njihov profitni potencijal i odrediti ciljne segmente prema kojima ćete pozicionirati proizvod ili uslugu, te marketing miks modelingom realizirati prodajne projekcije.

Riješite se predrasuda
Osnovna razlika tj. dodana vrijednost statističke segmentacije je eliminacija bilo kakvih predrasuda o potrošaču. Svi imamo određene pretpostavke o tome tko predstavlja potencijalno ciljnog potrošača od kojeg najviše zarađujemo i koje su njegove karakteristike.

Primjera radi, recimo da su to za naš fiktivni proizvod žene od 25-35 godina, zaposlene, VSS, i određenih ostalih socio-demografskih karakteristika.

Kada naručujemo istraživanje na velikom uzorku, npr. CATI metodologijom na uzorku od 1000, apriori želimo ispitati točno takav segment i istraživanjem dobijemo odličan uvid u potrebe, navike i ponašanje upravo tog segmenta, što nije krivo, ali nije dovoljno za kvalitetan proces targetinga. Naime, krenuli smo od pretpostavke da se naš segment grupira prema kriterijima spola, dobi i sl.

Kada provodimo statističku marketing segmentaciju, krećemo od kriterija da znamo vrlo malo o demografiji, neovisno o našim uvjerenjima i želimo ispitati 1000 bilo kojih žena koje su prošlog tjedna kupile naš proizvod ili to namjeravaju sljedećeg tjedna.

Drugim riječima, kao kvalifikacijske kriterije postavljamo priželjkivano ponašanje ciljnih segmenata, ili one sa svježim iskustvom interakcije s našim proizvodom ili uslugom.

Statističkom obradom koristeći algoritme kao što su k-means, Chi kvadrat, conjoint analysis, grupiramo segmente prema unaprijed nepredvidivim kriterijima i dobivamo realan uvid u demografiju, geografiju i sociografiju onih koji mogu predstavljati ciljne potrošačke segmente.

Evo jednog stvarnog primjera. Tvrtka koja se bavi razvojem i investiranjem u projekte nekretnina želi sagraditi stambeno naselje u jednom gradu na moru.

Kreirali su prototip svog proizvoda, tj. arhitektonski projekt koji uključuje kombinaciju stanova različite kvadrature, sobnosti, opremljenosti, položaja, itd.

Tvrtka je napravila nekoliko projektnih prijedloga. Budući kako im je cilj prodati sve stambene jedinice prije nego budu sagrađene, zanima ih koji prijedlog odabrati jer nisu bili sigurni čine li ciljnu skupinu kupaca koji će najprije kupiti stan ljudi iz Zagreba koji žele stan na moru, lokalni stanovnici koji žele preseliti u novogradnju, stranci koji žele drugi dom i sl.

Sve te skupine potencijalnih kupaca posjeduju različite preferencije sobnosti, kvadrature i opremljenosti. Na osnovu prijašnjeg iskustva pretpostavljaju da su kupci stanova na moru uglavnom muškarci od 40 do 60 godina, višeg imovinskog statusa.

Tvrtka je odlučila provesti istraživanje tržišta na način da ne kreće od predrasuda prema potencijalnim ciljnim kupcima i ne pita samo muškarce očekivane demografije, nego da kriterij odabira bude da u sljedećih godinu dana planiraju kupiti drugu nekretninu, stan na moru i to izvan njihovog mjesta boravka.

Incidencija pronalaska takvog uzorka bila je niža što je poskupilo istraživanje, ali je selektirani i obrađeni uzorak dao fantastične rezultate koji su, obrađeni statističkom segmentacijom, dali detaljan uvid u preferencije sobnosti, kvadrature i svih detalja opremljenosti koje su zanimale investitora, te tako donijeli uštedu.

Znanstveni pristup
Velika prednost statističke segmentacije je potencijal križanja različitih svojstava i to što statistička obrada detektira što različitije skupine što sličnijih osoba. Klasična analiza uprosječuje rezultate i ne može dati jasnu sliku o segmentima.

Na primjeru demografske varijable prihoda kućanstava klasična obrada uprosječi rezultat prema kojem ispada da je većina ispitanika imala prihod od 6000-9000 kn, što se nakon statističke obrade po segmentima pokazalo kao netočan podatak i od četiri detektirana segmenta, tri su imala različite raspone prihoda, veće od prvotno uprosječenih.

Klasična obrada podataka može navesti na krive zaključke. Marketing je postao znanstveniji i specijaliziraniji, primjenjuju se napredne statističke tehnike za seciranje segmenata na grupe s nevjerojatnim brojem različitih kombinacija svojstava.

Postoji zamka tehničke savršenosti, ali važno je imati u vidu da svaki segment mora biti revidiran i odobren od strane menadžmenta i ipak mora donekle biti intuitivno očekivan tj. preklopljen s poslovnim iskustvom.

andrijana-culjak-okomito-potpis

Odgovori

Vaša adresa e-pošte neće biti objavljena. Nužna polja su označena s *