Využití mobilních telefonů studenty PEF Mendelovy univerzity v Brně

Transkript

1 MENDELOVA UNIVERZITA V BRNĚ Provozně ekonomická fakulta Ústav statistiky a operačního výzkumu Využití mobilních telefonů studenty PEF Mendelovy univerzity v Brně Bakalářská práce Vedoucí práce: Ing. Pavel Kolman Autor: Jana Veselá Brno 2010

2 Poděkování: Chtěla bych poděkovat Ing. Pavlu Kolmanovi za odbornou pomoc při zpracování této bakalářské práce. Dále chci poděkovat všem studentům, kteří si udělali čas a vyplnili dotazník.

3 Prohlášení: Prohlašuji, že jsem bakalářskou práci zpracovala samostatně dle pokynů vedoucího práce a s využitím uvedené odborné literatury. V Brně dne

4 Abstrakt Veselá, J. Využití mobilních telefonů studenty PEF Mendelovy university v Brně. Brno, Bakalářská práce se zabývá sledováním využití mobilních operátorů studenty PEF Mendelovy univerzity v Brně. Pomocí vybraných statistických metod analyzuje jejich trh a na základě marketingového výzkumu stanoví doporučení pro stávající výrobce a operátory mobilních telefonů. Klíčová slova Mobilní telefon, student, analýza, statistika, četnost. Abstract Veselá, J. Usage of mobile telephones students Faculty of Business and Economics Mendel University in Brno. Brno, Bachelor thesis deals with studying of Usage of mobile telephones students Faculty of Business and Economics Mendel University in Brno. Through the use of selected statisticial methods analyses their market and base on marketing research appoints recommendation for exist producers and operating agency of mobile telephones. Keywords Mobile telephone, student, analysis, statistics, percent frequency.

5 Obsah 5 Obsah 1 Úvod a cíl práce Úvod Cíl práce Literární přehled Statistika jako pojem Zpracování statistických údajů Rozdělení četností Statistické grafy Marketingový výzkum Formy marketingového výzkumu Techniky sběru marketingových údajů Dotazování Sběr a zpracování marketingových údajů Náhled do světa mobilních telefonů Prodej ve světě Statistika používání v České republice Metodika Míry úrovně Míry variability Analýza závislostí Vlastní práce Analýza identifikačních údajů Jednoduché třídění získaných dat Intervalové třídění získaných dat Analýza závislostí mezi vybranými znaky Diskuze a závěr 47

6 Obsah 6 6 Literatura 50 7 Seznam tabulek 51 8 Seznam grafů 52 9 Přílohy 53

7 Úvod a cíl práce 7 1 Úvod a cíl práce 1.1 Úvod Mobilní telefon je v současné době nedílnou součástí života téměř každého člověka. Na celém světě se mobilní telefon využívá nejen jako prostředek komunikace, ale také jako multimediální zařízení. Fotoaparát, mp3 přehrávač, rádio, bluetooth, navigace, přenášení dat, připojení k internetu a další podobné funkce plní většina mobilů, které se na současném trhu mobilních telefonů vyrábějí. Existuje spousta výrobců, kteří se touto problematikou zabývají a produkují různé typy a druhy různých značek. Předhání se, který z nich vyrobí telefon s více funkcemi, s lepším designem a v neposlední řadě i v menší velikosti. Na trhu mobilních telefonů se mobily dělí do třech základních skupin podle ovládání; telefony vysouvací, vyklápěcí (tzv. véčka ) a klasické mobilní telefony, které vlastní většina populace. V součtu je typů mobilů neskutečně mnoho a spočítat všechny do jednoho od všech značek je téměř nemožný úkol. Před více jak dvaceti lety by nás ani ve snu nenapadlo, že mobilní telefon se stane tak rozšířeným a stále více rozvíjejícím se prostředkem. Prostředkem, který plní funkci nejen dorozumívací, ale hlavně u mladých lidí plní často funkci spíše módního doplňku. Manažeři a výkonní ředitelové firem si bez něj nedokáží den představit, používají jej jako organizátor svého času, děti pomocí mobilního vypracovaného softwaru hrají různé hry, teenageři jej nosí jako přívěšek na krk a prostí lidé se díky mobilu mohou spojit se svými přáteli. Ať chceme nebo ne, mobilní telefon se stává nepostradatelnou součástí našich životů. Toto téma je mi velmi blízké nejenom proto, že sama vlastním dva mobilní telefony, ale také proto, že jsem nějakou dobu pracovala jako brigádnice ve dvou společnostech, které spolupracovaly s mobilními operátory, tudíž jsem do světa mobilů, tarifů a paušálů byla plně zasvědcena. Zprostředkovávala jsem pro společnosti uzavírání nových smluv s klienty, z toho důvodu jsem musela detailně znát informace týkající se nejen operátorů a jejich služeb, ale i samotných mobilních telefonů, vybavení, vlastnosti a veškeré funkce s nimi spojené. Práce to byla velice zajímavá a do budoucna přínosná, proto jsem si tuto oblast zvolila jako téma své bakalářské práce.

8 Úvod a cíl práce Cíl práce Cílem této bakalářské práce je na základě marketingového výzkumu získat informace od studentů Provozně ekonomické fakulty Mendelovy univerzity v Brně. Informace se týkají využití mobilních telefonů studenty, jaké funkce u mobilů nejčastěji využívají, jak jsou s mobilem spokojeni a kolik finančních prostředků jsou ochotni v této oblasti investovat nejen do samotného mobilu, ale také do mobilních služeb. Tyto informace je důležité pomocí vybraných statistických metod zpracovat a následně stanovit doporučení nejen pro výrobce mobilních telefonů, ale také pro mobilní operátory. Jelikož je trh výrobců a operátorů mobilních telefonů již nasycen, budou pro ně tyto informace a zvolené strategie jistě přínosné. Mobilní operátoři se proto se snaží hledat nejen nové zákazníky, ale také se snaží přetáhnout klienty od konkurence. To je způsobené tím, že mobil vlastní téměř každý člověk, s výjimkou malých dětí a nejstarších občanů, kteří si na novou technologii těžko zvykají, a každý si tudíž nějakého operátora už vybral. Proto se operátoři snaží vytvářet různé slevové akce, akční balíčky a zvýhodněné tarify pro ty, kteří přejdou od konkurence. V dnešní době není přechod k jinému mobilnímu operátorovi žádný problém. To, že si klient může ponechat své stávající číslo je velkou výhodou a mnohým to usnadňuje rozhodnutí o přechodu.

9 Literární přehled 9 2 Literární přehled 2.1 Statistika jako pojem Cílem popisné statistiky je výsledky zkoumání vyjádřit v přehledné, koncentrované formě, a to pomocí tabulek, grafického znázornění nebo popisných charakteristik (Blašková, 2009). Statistiku lze chápat nejméně ve třech pojetích. Jednak jako číselné údaje o hromadných jevech, jako praktickou činnost spočívající ve sběru, zpracování a vyhodnocování statistických údajů a jako teoretickou disciplínu, která se zabývá metodami relativně stálých činitelů na hromadné jevy (Hindls, Hronová, Seger, 2002) Zpracování statistických údajů Při statistickém zkoumání máme často několik základních souborů, které bychom rádi porovnali mezi sebou. Předpokládáme, že naše údaje (číselné znaky základního souboru) dostaneme většinou pohromadě. Následně je potřeba je roztřídit (např. podle jednotlivých tříd). Statistickou úlohu spojenou s porovnáním, nazýváme třídění (Hanousek, Charamza, 1992) Rozdělení četností Při jednostupňovém třídění sledujeme pouze jeden kvantitativní statistický znak, údaje uspořádáme do rostoucí posloupnosti a ke každé variantě znaku přiřadíme počty daných statistických jednotek, které se nazývají četnosti. Tabulka, která následně vznikne, se nazývá tabulka rozdělení četností a udává informaci o počtu výskytu jednotlivých variant znaku souboru. Označíme-li jednotlivé varianty nespojitého kvantitativního znaku symbolem xi, i = 1, 2,, k, a jim odpovídající četnosti ni, i = 1, 2,, k, lze rozdělení četností vyjádřit způsobem, který je uvedený v následující tabulce.

10 Literární přehled 10 Varianta znaku xi Tabulka 1: Schéma rozdělení četností Četnost Kumulativní četnost absolutní relativní absolutní relativní ni pi x1 x2 xk Celkem k i= 1 n1 n2 nk ni = n k i= 1 p1 p2 pk pi n1 n1 + n2 k i= 1 ni = n p1 p1 + p2 k i= 1 = pi = 1 Pokud bychom chtěli porovnávat různá rozdělení četností s různým obsahem a chtěli bychom tím dospět ke snazší interpretaci výsledků, museli bychom převést absolutní četnosti na relativní četnosti. Relativní četnosti pi se vypočítají jako podíl jednotlivých absolutních četností k celkovému rozsahu souboru: ni pi = k (1) ni í = 1 přičemž platí: k k pi = i= 1 i= 1 ni n = 1 n k i= 1 n i = 1 * n = 1 n (2) Relativní četnosti můžeme nalézt ve třetím sloupci tabulky. Jsou-li v tabulce spolu s hodnotami znaku xi uspořádány relativní četnosti pi, jedná se o tabulku rozdělení relativních četností. Kromě zmíněných dvou způsobů existuje i rozdělení kumulativních absolutních a kumulativních relativních četností. Ty podávají informace o tom, jaká poměrná část souboru má variantu znaku menší nebo rovnou určité dané obměně. Kumulativní absolutní i relativní četnosti nalezneme v tabulce v posledních dvou sloupcích (Blašková, 2009).

11 Literární přehled 11 Uvedená tabulka rozdělení četností je vhodná, pokud znak nabývá menšího počtu obměn. Máme-li k dispozici údaje o statistickém znaku, který nabývá velkého počtu různých obměn, pak je použití tabulky rozdělení četností nevýhodné a má velmi malé vypovídací schopnosti. V tomto případě je vhodnější použít intervalové rozdělení četností, ve kterém variační rozpětí souboru rozdělíme na určitý počet intervalů a potom zjistíme počty hodnot, patřících do těchto intervalů. Variačním rozpětí rozumíme rozdíl mezi maximální a minimální zjištěnou hodnotou daného znaku. Při určování počtu intervalů musíme potlačit náhodné kolísání četností a zároveň musíme dbát na charakteristické rysy rozdělení. Počet intervalů nemá být ani příliš velký, ani příliš malý (Blašková, 2009) Statistické grafy Statistické grafy jsou jednou z důležitých forem zobrazování statistických údajů, dávají rychlou a přehlednou představu o analyzovaných jevech. Grafy jsou účinným popularizujícím prostředkem statistických výsledků. Lze je rozdělit do různých skupin (Hindls, Hronová, Seger, 2002). Spojnicové a sloupkové grafy Prosté rozdělení četností můžeme graficky znázornit tak, že v pravoúhlých souřadnicích spojíme úsečkami body o souřadnicích (xi, ni), i = 1, 2,, k, kde xi jsou hodnoty znaku a ni jim odpovídající absolutní četnosti. Toto rozdělení nazýváme polygonem četností. Pokud nahradíme absolutní četnosti ni relativními četnostmi pi, dostaneme polygon relativních četností. Vrchol u rozdělení četností se nazývá modus, a je to teda nejčetnější obměna proměnné. Více vrcholů rozdělení četností než jeden má původ v nestejnorodosti zkoumaného souboru, z něhož je nutné vytvořit vhodným tříděním tolik statistických souborů, kolik mělo původní rozdělení četností vrcholů. Pro grafické vyjádření intervalového rozdělení četností se nejčastěji používá histogram četností. Histogram četností je sloupkový graf, který je tvořen pravidelnými rovnoběžníky, jejichž základny mají délku zvolených intervalů a jejichž výšky mají velikost příslušných třídních četností (Hindls, Hronová, Seger, 2002). Bodové grafy Tyto grafy se používají také jako grafické prostředky zobrazované v soustavě pravoúhlých souřadnicích. Slouží k zobrazení závislosti mezi dvěma kvantitativ-

12 Literární přehled 12 ními znaky. Vodorovná osa je stupnicí pro nezávislé proměnné, svislá osa je určena pro závisle proměnné hodnoty. Bodové grafy se vyžívají také pro znázorňování průběhu časové řady (Hindls, Hronová, Seger, 2002). Výsečové grafy Výsečové grafy mají nejčastější využití k vyjádření struktury variant statistického znaku, kde se relativní četnosti obměn znaku znázorňují pomocí výsečového kruhu. Tento kruh získáme rozdělením středového úhlu úměrně k podílu jednotlivých částí zobrazovaného jevu vyjádřených v procentech. V dnešní době není již nutné počítat středový úhel, stačí jednotlivé četnosti nebo pozorované údaje zadat určitému programu, který informace zpracuje a vykreslí uvedený graf (Hindls, Hronová, Seger, 2002). Krabičkové grafy Slouží k znázornění extrémních hodnot souboru a kvartilů (hodnoty, které se dělí na čtyři části, každá část obsahuje ¼ jednotek) (Hindls, Hronová, Seger, 2002). 2.2 Marketingový výzkum Marketingový výzkum je součástí procesu marketingového řízení. Bez vazby na ostatní marketingové činnosti by neměl smysl. Úspěšné marketingové řízení si nelze představit bez marketingového výzkumu. Získat spolehlivé informace je otázkou fungujícího marketingového informačního systému. Jeho součástí je systém marketingového výzkumu. Marketingový výzkum spočívá v: identifikaci shromažďování analýze interpretaci informací, které slouží jako podklad pro rozhodování v procesu marketingového řízení. Marketingový výzkum je souhrn aktivit, které se uskutečňují na podporu manažerského rozhodování. Jen kvalitní výzkum přináší spolehlivé informace, tyto informace musí být ale také využity, resp. zhodnoceny při rozhodování (Stávková, Dufek, 2004).

13 Literární přehled Formy marketingového výzkumu Podle Stávkové a Dufka (2004) se formy marketingového výzkumu člení podle: časového hlediska o průzkum o výzkum metod získávání informací o sekundární výzkum o primární výzkum systémového hlediska o deskriptivní (odpovídá na otázku jak) o diagnostický (proč) o prognostický (kam) o koncepční charakteru informací o ekoskopický (zabývá se kvantifikovanými údaji) o demoskopický (sleduje chování subjektů na trhu) předmětu zkoumání o trhu o makroprostředí o podniku Techniky sběru marketingových údajů Experimentální metody Jsou to metody založené na studiu vztahů mezi dvěma nebo více proměnnými za kontrolovaných podmínek. Pozorování Typy rozhodování rozlišujeme podle různých hledisek členění: Standardizované jsou přesně stanoveny objekty, určeny kategorie a způsob záznamů.

14 Literární přehled 14 Nestandardizované použití je vhodné za situace, kdy problém marketingového výzkumu je jasně definován, při něm je určen cíl pozorování a pozorovatel má možnost sám rozhodovat o průběhu a hlediscích pozorování. Zjevné účastníci děje vědí, že jsou pozorováni. Skryté sledované subjekty nevědí, že jsou předmětem šetření. Osobní pozorovatelem je člověk. Dotazování Je typickou metodou marketingového výzkumu, umožňuje zobrazení rozdílů v mínění respondentů. Znamená verbální kontakt s respondentem prostřednictvím záznamového média. Dotazník je možno začít formulovat, jestliže je znám účel a cíle výzkumu. Dále se uskutečňuje vypracování seznamu informací, které je třeba zjistit, aby bylo stanoveného cíle dosaženo. Každá položka musí být prověřována z hlediska jejího významu pro objasnění cílů. Také musí být brány v úvahu metody, kterými budou informace zpracovány. V závislosti na zvolené technice dotazování je třeba zvolit vhodný typ dotazníku: Dotazník zasílaný poštou dobrý způsob kontaktování osob, které nejsou ochotné poskytnout osobní rozhovor nebo ty, které nejsou v dosahu tazatele, vyžadují velice pečlivou přípravu a návratnost odpovědí je poměrně malá. Dotazování telefonem nejrychlejší metoda pro shromažďování potřebných informací od respondentů, dotazovatel může objasnit nesprávně pochopené dotazy, v průběhu dotazování lze sledovat výsledky, využívá se ve spojení s počítačem, tento způsob má dvě omezující podmínky dotazováni mohou být pouze lidé, kteří mají telefon a dotazování musí být stručné a neosobní. Osobní dotazování nejvšestrannější metoda, umožňuje položit více otázek i dodatečná pozorování respondenta, tento způsob je ovšem nákladnější a vyžaduje dobrou organizační přípravu a dohled. Může být do značné míry zaujatý a odpovědi mohou být zdeformované dotazovatelem. Osobní dotazování má dvě formy: o Dohodnutý rozhovor pro tento rozhovor jsou respondenti vybíráni náhodně a požádáni o rozhovor buď telefonicky nebo jsou navštíveni doma či ve svých kancelářích. Často jsou honorováni nebo je jim věnována malá pozornost jako kompenzace za ztrátu času.

15 Literární přehled 15 o Rozhovor při zastavení tento rozhovor má tu nevýhodu, že nevytváří pravděpodobnostní výběrový soubor a že dotazování musí být velice krátké. Dotazníky jsou velmi pružným nástrojem, protože nabízejí široké spektrum možností, jak klást otázky, musí být velice pečlivě sestaveny a odzkoušeny a nedostatky musí být odstraněny před uplatněním v širokém měřítku. Při přípravě je třeba dobře zvážit otázku, její formu, stylizaci a jejich sled. Kladení otázek musí být jen těch, jejichž zodpovězení má vypovídací schopnost, není vhodné klást takové otázky, které buď nemohou být zodpovězeny nebo i zodpovězení nic nevypoví, dotazovaný pak ztrácí trpělivost. Formy otázky může předem určit možné odpovědi. Stylizace znamená používat jednoduché, přímé a nezaujaté otázky. Sled otázek je rovněž důležitý pro pozornost respondenta, jednoduchými otázkami jej vztahujeme do problematiky, obtížné a osobní otázky klademe jako poslední (Stávková, Dufek, 2004) Dotazování Při sestavování dotazníku bychom měli respektovat tyto zásady: 1. Otázky definitivně formulujeme až na základě důkladného teoretického rozboru problematiky, tzn. nejdříve stanovíme cíl výzkumu, vypracujeme seznam potřebných informací a stanovíme výzkumné hypotézy. 2. Volba otázky musí odpovídat výzkumnému vzorku, tj. mimo jiné úrovni dotazovaných. Otázky musí být jednoznačné, obsahově srozumitelné. Měli bychom používat co nejméně cizích slov a vyvarovat se neurčitých slov (např. některý, dost, často, řídce, málo). 3. Při formulaci otázek je třeba se vyhnout dotěrným, provokačním otázkám. 4. Otázky mají být přiměřeně dlouhé. Příliš dlouhé otázky jsou nepřehledné, snižují vypovídací schopnost, krátké otázky jsou zase příliš jednoznačné, nedávají respondentovi dostatečný prostor pro vyjádření vlastního názoru. 5. Otázky nemají být náročné na paměť (Stávková, Dufek, 2004). Základní fáze dotazování Dotazování, jako jedna z metod marketingovému výzkumu, nás má informovat o určitých vybraných charakteristikách zkoumaných jevů, s cílem získat co nejvěrohodnější údaje. Proto je nutné znát základní fáze dotazování, které bychom měli respektovat.

16 Literární přehled 16 Tabulka 2: Schéma základních fází dotazování Fáze dotazování Stručná charakteristika Adaptace Kontakt Dosažení vytyčeného cíle Závěr dotazování Typy a druhy otázek vysvětlení cíle, popsání způsobu vyplňování otázek snaha vzbudit zájem, motivovat a připravit respondenta dotazování musí být snadné, bezproblémové, s jednoduchými odpověďmi cílem je postupně uvést do problému sběr základní informace pro řešení stanoveného úkolu kontrola relevantnosti odpovědí snaha o udržení zájmu respondenta kontrola, zda respondent patří ke zkoumané skupině otázky odstraňující napětí umožnění emocionálního vyjádření, příp. vlastního názoru Při formulování otázek musíme dávat zvláštní pozor, protože na nich závisí věrohodnost získaných údajů (Stávková, Dufek, 2004). Tabulka 3: Schéma typů a druhů otázek Kritérium členění Typ otázky Druh otázky Cíl, pro který je otázka určena Možnost výběru odpovědí Funkcionálně psychologická Kontaktní Funkcionální Filtrační Kontrolní Otázka o faktech Otázka o vědomostech a znalostech Obsahová Otázka o mínění, postojích a motivech chování Otevřená Nečlení se zpravidla na druhy Alternativní Selektivní Uzavřená Baterie otázek Škálové otázky Polootevřená Nečlení se zpravidla

17 Literární přehled 17 Funkcionální otázky: Kontaktní otázky, na něž jsou snadné odpovědi a které plní funkci úvodu dotazování. Funkcionálně psychologické používají se k odstranění napětí při přechodu od jednoho tématu k druhému a také k odstranění stereotypů, které by se mohly u respondenta vyskytnout. Filtrační otázky, které nám pomáhají zjistit, zda respondent patří ke skupině, jíž se otázka týká. Kontrolní jsou poměrně rozšířené, stále musíme řešit problém, zda získáváme věrohodná data, umísťují se ve větší vzdálenosti od kontrolované otázky. Obsahové otázky: Otázky o faktech jsou poměrně jednoduché, patří sem otázky identifikační demografické otázky (věk, pohlaví, zaměstnání, rodina apod.). Jsou důležitou součástí každého dotazníku, dotazování jimi zpravidla nezačínáme. Otázky o vědomostech a znalostech nejčastěji zpracováváme celý soubor otázek, které nám mohou poskytnout přesnější obraz o znalostech. Otázky o mínění, postojích a motivech chování jsou spojeny se značnými obtížemi, které plynou z jejich kvalitativní a obtížně měřitelné podstaty. Otázky v závislosti na možnosti výběru odpovědi: Otázky s uzavřeným koncem dělení otázek: o Dichotomická nabízí dvě možné volby (ano x ne) o Trichotomická (ano x ne x nevím) o Polytomická nabízí více možností Výběrové (vybírá se jen jedna odpověď) Výčtové (umožňují vybrat jednu nebo více odpovědí, jsou jednouché pro respondenta, ale náročné na sestavení)

18 Literární přehled 18 Nejvhodnějším nástrojem pro měření názorů a postojů je škálování. Hodnotící škála po respondentovi se žádá, aby vyjádřil svůj postoj k objektu zaznamenáním určité pozice na stupnici, která zrcadlí řadu možných pohledů na hodnocený předmět. Škála pořadí respondent je požádán, aby uspořádal soubor vyjmenovaných předmětů podle preferenčního pořadí. Likertova škála (škála souhlasu) vyžaduje od respondenta, aby vyjádřil stupeň souhlasu nebo nesouhlasu s různými tvrzeními. Sémantický diferenciál slouží k zjištění image výrobku nebo organizace popř. při srovnávání konkurenčních výrobků či organizací. Respondenti jsou požádáni, aby vyjádřili svůj postoj k předmětu na určitém počtu (10 25) pětibodových bipolárních škál. Škola konstantní sumy umožňuje lépe diferencovat preference připisované jednotlivým objektům. Respondent je požádán, aby fixní sumu bodů (100) rozdělil mezi několik předmětů a tím aby vyjádřil pro každý z nich relativní preferenci. Otázky s otevřeným koncem- respondenti nenavrhují žádné možné odpovědi a odpověď vytváří sám dotazovaný. Pomáhají v orientaci, jak dlouhá má být odpověď, jsou obtížně zpracovatelné (Stávková, Dufek, 2004). 2.3 Sběr a zpracování marketingových údajů Podle Stávkové a Dufka (2004) se při marketingovém šetření metody zpracování údajů liší nejen podle účelu šetření, ale také podle charakteru získaných údajů. Hodnoty sledovaných vlastností se zjišťují pomocí znaků. Znaky jsou určující vlastností základní jednotky souboru a člení se z několika hledisek: speciální znaky ty znaky, které určují, zda jednotka do souboru patří či nikoliv, identifikace se provádí z hlediska: o věcného co budeme zkoumat, o časového kdy budeme šetření provádět, o prostorového kde šetření provedeme.

19 Literární přehled 19 Variabilní znaky jsou ty, které u jednotek šetříme, např. výše příjmů, počet dětí, výše pojistného atd. Slovní znaky (kvalitativní) takové, při kterých je získaná informace vyjádřena slovem (muž, žena atd.). Alternativní znaky mohou nabývat dvě obměny, znaky množné nabývají více obměn (národnost, stupeň vzdělání atd.). Číselné znaky (kvantitativní) vyskytují se na každé jednotce a nabývají číselných hodnot. Dále je dělíme: o pořadové znaky určitým způsobem v číselné podobě vyjadřují různou úroveň výskytu nějakého původně slovního znaku, mají ve srovnání s měřitelnými znaky nižší vypovídací schopnost. Typickým příkladem je klasifikace žáků ve třídě, kvalifikační platová třída atd. o měřitelné znaky získávají se klasickým způsobem měření, vážení atd., např. čas, teplota, výška, hmotnost, ekonomické veličiny produkce, náklady, zisk úvěr atd. Dále tyto znaky dělíme na znaky spojité a diskrétní, což má význam v matematické statistice. Kategorizace přesné vymezení znaků, se kterými budeme provádět další operace, je dána charakterem znaků o Kategorizace slovních znaků volíme podle toho, co nám mají jednotlivé odpovědi přinést v další analýz a jaké operace s jednotlivými kategoriemi budeme dále provádět. o Kategorizace číselných znaků používají se otázky, jejichž odpovědí je buď pořadový nebo měřitelný znak, je vhodné, abychom pracovali jen s několika kategoriemi hodnot znaků, použitých v otázkách. Kódování přiřazení určitého, většinou číselného indexu každé otázce a každé alternativě (hodnotě) odpovědi, do které jsme otázku kategorizovali. Hlavními pravidly jsou jednoznačnost a přehlednost okódovaného materiálu, toto kódování přispívá k rychlejšímu a přehlednějšímu zpracování a uchovávání údajů (Stávková, Dufek, 2004).

20 Literární přehled Náhled do světa mobilních telefonů Historie mobilních telefonů sahá do počátku 70. let 20. století. Pro jejich rychlé rozmístění a nízké zaváděcí náklady se mobilní sítě rychle rozšířily po světě a předstihly růst pevné telefonie, jelikož mohou profitovat i s malým počtem zákazníků. To je způsobené tím, že náklady mobilní sítě většinou souvisí s objemem hovorů, zatímco telefonie pevných linek má mnohem vyšší náklady spojené s každým účastníkem sítě Prodej ve světě Světovou jedničkou v prodeji mobilních telefonů je dlouhodobě společnost Nokia. Druhým největším prodejcem je jihokorejský Samsung, kterého celosvětová finanční krize postihla nejméně. LG se stalo v roce 2008 třetím největším prodejcem, nejvíce ekonomická krize postihla společnost Motorola, která zaznamenala v roce 2008 propad v prodeji oproti roku 2006 o více než 127 %. Rok 2008 byl pro společnost Sony Ericsson ztrátovým. Podle odborníků se v roce 2009 očekával v důsledku ekonomické krize značný pokles v prodeji mobilních telefonů. V roce 2009 se celkem prodalo 1133 mil. mobilů, což je sice méně než v roce předchozím, ale k dramatickému propadu nedošlo (MobilBonus, s. r. o., 2010). Tabulka 4: Počet prodaných mob. tel. v letech Značka Počet prodaných mob. tel. (v milionech) Nokia 347,5 437,1 468,4 Samsung 118,0 161,2 196,6 LG 64,4 80,5 196,6 Motorola 217,4 159,0 99,9 Sony Ericsson 74,8 103,4 99,9 Celkem 1018,8 1125,5 1177,0 Zdroj:

21 Literární přehled Statistika používání v České republice V roce 2008 připadalo na každých 100 lidí 130 telefonních čísel. Polovina populace má ve svém mobilním telefonu více jak 150 kontaktů, ovšem 42 % lidí si své kontakty vůbec nezálohuje. Nejvíce telefonních čísel si ukládají muži ve věku 35 až 44 let. Mobilní telefon ztratila již třetina lidí. Nejčastěji si lidé v České republice mobil obměňují jednou za dva roky a kupují mobil nižší střední třídy s fotoaparátem. Téměř každý student vlastní minimálně jeden telefon, taktéž každý druhý senior. Průměrná měsíční platba za mobilní služby činí 800,- Kč (Věnuj mobil, 2010). Česká republika patří mezi špičku v počtu odeslaných SMS na jednoho obyvatele. Počet mobilních telefonů převyšuje počet obyvatel v ČR, počet SIM karet převyšuje toto číslo téměř dvojnásobně. Cílovou skupinou mobilního marketingu je téměř 8 milionů uživatelů mobilních telefonů v ČR (MobilBonus, s. r. o., 2010)

22 Metodika 22 3 Metodika Ještě předtím, než jsem začala vypracovávat tuto bakalářskou práci, jsem si dobře rozmýšlela a vybírala téma, které by mně bylo blízké, bylo zajímavé a dalo se dobře zpracovat. Poté, co bylo téma zvolené, bylo potřeba nasbírat potřebná data a informace o této problematice. Rozhodla jsem se, že data získám prostřednictvím marketingového výzkumu, formou dotazníku, a potřebnou literaturu nastuduji v knihách, případně na internetu. Po teoretickém výkladu související s prací byl sestaven dotazník. Měla jsem možnost jej sestavit v programu ReLa, který mi pomohl provést výzkum prostřednictvím elektronického sběru dat. Dotazník byl rozeslán mezi svolené respondenty, studenty Provozně ekonomické fakulty Mendelovy univerzity v Brně. Jakmile byl ukončen marketingový výzkum, začala jsem zpracovávat získaná data pomocí programu Excel, různých statistických metod a charakteristik. Zvolené odpovědi na dané otázky jsem uspořádala do přehledné tabulky, tj. rozdělila četnosti, případně jsem pro přehlednost sestrojila graf. Statistické charakteristiky, které byly použity při psaní této bakalářské práce jsou popsány v následující kapitole. 3.1 Míry úrovně Aritmetický průměr Aritmetický průměr je definován jako součet všech naměřených údajů vydělený jejich počtem. Výpočet má tedy podobu: x n n x i i= = 1 (3) Znak symbolizuje součet hodnot xi pro všechny možné hodnoty indexu i. Aritmetický průměr se má používat: jestliže jsou data získána minimálně v intervalovém měřítku jestliže je rozdělení symetrické jestliže chceme použít statistické testy (Hendl, 2006)

23 Metodika 23 Modus Modus nebo modální hodnota je taková hodnota, která se v datech vyskytuje nejčastěji, nalézá uplatnění především u kategoriálních dat. V případě spojitých dat se odečítá pomocí sestrojeného histogramu, kdy se počítá jako průměr z krajních hodnot intervalu, který obsahuje nejvíce dat. Pokud existuje v histogramu více vrcholů, udáváme je všechny. Označuje se xˆ (Hendl, 2006). Medián Medián znamená hodnotu, která dělí řadu podle velikosti seřazených výsledků na dvě stejně početné poloviny (Hendl, 2006). Jestliže je n sudé číslo, ~ pak: x = 0,5( xn / 2 + xn / ) (4) Jestliže je n liché číslo, pak: ~ x = x ( n + 1 / 2) (5) 3.2 Míry variability Statistické soubory se mohou lišit nejen v úrovni hodnot znaku, ale i variabilitou hodnot pozorovaného znaku. Míry variability charakterizují míru rozptýlení hodnot znaku, některé se počítají vzhledem k vybrané charakteristice polohy (Blašková, 2009). Variační rozpětí Variační rozpětí je rozdíl mezi maximální a minimální hodnotou znaku a poskytuje základní pohled na proměnlivost hodnot znaku ve statistickém souboru. Vypočítá se: R = x x mi n (6) Průměrná odchylka Průměrná odchylka je mírou variability, jejíž velikost závisí na každé naměřené hodnotě statistického souboru. Počítá se jako aritmetický průměr absolutních hodnot všech odchylek od aritmetického průměru. n e = 1 f X n i = 1 L M x f L M n e = 1 f X n i = 1 x x f L Bni (7)

24 Metodika 24 Rozptyl Rozptyl je nejčastěji používaná míra variability, počítáme ho jako aritmetický průměr čtverců odchylek hodnot od aritmetického průměru podle vztahů: n σ 2 = 1 f X n i = 1 b x x f c 2 σ 2 = 1 n n f X i = 1 b x x f c 2Bni (8) Směrodatná odchylka Variabilita znaku se charakterizuje pomocí směrodatné odchylky, protože má stejný rozměr jako pozorovaný znak. Vypočítá se jako: Variační koeficient p w σ = σ 2 Variační koeficient je bezrozměrné číslo a po vynásobení 100 udává variabilitu v %. Definuje se jako podíl směrodatné odchylky a aritmetického průměru: ` a v x = σ x f C 100 % (9) (10) Mezikvartilové rozpětí K zavedení tzv. rozpětí kvartilů potřebujeme pojem prvního a třetího kvartilu znaku x. Medián je prostřední hodnota neklesající posloupnosti hodnot pozorovaného znaku, první kvartil Q1 je hodnota čtvrtinová a třetí kvartil Q3 hodnota třičtvrtinová. Rozpětí kvartilů znaku x je definováno vztahem: Q = 2f 1 b c 1 (11) (Hendl, 2006) 3.3 Analýza závislostí Tato podkapitola bude zaměřená na hledání, zkoumání a hodnocení závislostí mezi dvěma a více statistickými znaky. Příčinnou souvislostí mezi dvěma jevy se rozumí situace, kdy výskyt určitého jevu souvisí s existencí jevu jiného. Při zkoumání závislostí mezi dvěma statistickými znaky x a y je možné jednotlivá pozorování uspořádat do kombinační tabulky se dvěma vstupy tak, aby vyjadřovala dvourozměrné rozdělení četností znaku x a y. Tato tabulka se někdy označuje jako korelační. V legendě má jednotlivé varianty znaku x a v hlavičce jednotlivé varianty znaku y. Označíme-li varianty znaku x jako xi

25 Metodika 25 pro i = 1, 2,, k a varianty znaku y jako yi pro j = 1, 2,, l, sdružené četnosti jako nij a součty řádkových, resp. sloupcových sdružení četností jako ni, resp. nj, pak toto schéma můžeme vyjádřit v následující tabulce., kde budeme předpokládat r řádků a s sloupců (Hendl, 2006). Tabulka 5: Dvourozměrné rozdělení četností yi xi x1 x2 xk y1 y2 yl ni. n11 n21 nk1 n12 n22 nk2 n1l n2l nkl n.j n.1 n.2 n.l n n1. n2. nk Četnost pro kombinaci i-tého znaku x a j-tého znaku y vypočteme jako: n ij = n icn j n f (12) kde ni a nj jsou okrajové četnosti a n je rozsah souboru (Hendl, 2006). Kontingenční tabulka je dvourozměrná tabulka se slovními proměnnými. Dvourozměrná tabulka numerických proměnných se nazývá korelační tabulka. V ní jsou v hlavičce a v legendě uvedeny buď hodnoty proměnných, nebo intervaly hodnot proměnných. Hodnoty proměnných se vyskytují, jde-li o nespojité proměnné nabývající jen malého počtu hodnot, intervaly hodnot proměnných, jde-li o proměnné nabývající velkého počtu hodnot. Pokud se hodnoty korelační tabulky zpracovávají, jsou u intervalů zvoleny jejich středy. O čtyřpolní tabulce hovoříme, pokud obě proměnné nabývají pouze dvou hodnot. Takovou tabulkou je například asociační tabulka (Hindls, Kaňoková, Novák, 1997).

26 Metodika 26 Čtvercová kontingence Čtvercová kontingence měří rozdílnost pozorovaných a vypočtených četností v kontingenční tabulce. Je to bezrozměrná hodnota a platí pro ni χ2 0. Hodnoty 0 nabývá pouze v případě, že jsou znaky nezávislé. r χ 2 =XX i = 1 s j = 1 b c 2 n ij n ij f (13) Průměrná čtvercová kontingence φ 2 = χ 2 n f (14) Pearsonův koeficient kontingence Tento koeficient nabývá hodnot 0 P < 1, přičemž hodnoty 1 nemůže nikdy dosáhnout. v w v w u φ 2 f u χ 2 P = t f = t (15) 1 + φ 2 Cramerův koeficient kontingence χ 2 + n Tento koeficient nabývá hodnot 0 C 1, min {(r - 1) (s 1)} udává menší z čísel, které vznikne zmenšením počtu řádků, resp. sloupců o jedna. Pokud se hodnota blíží 0, jedná se o slabou závislost, v opačném případě, tj. u hodnot blížících se k 1 jde o silnou závislost. v w χ 2 C = u f R` a` as t (16) nc min r@1 s@ 1 Koeficient asociace Používá se v případě, kdy hodnoty v tabulce nabývají hodnot ano a ne nebo spokojen a nespokojen. Nabývá hodnot v interval <-1, 1>. f V = nc n 11@n 1A C n A 1 w pn 1A n A 1 n 0A n,0 (17) (Hendl, 2006)

27 Vlastní práce 27 4 Vlastní práce Tato část bakalářské práce je zaměřena na statistické zpracování a vyhodnocení dat, které jsem získala prostřednictvím dotazníkového šetření. Dotazník byl vytvořený v systému ReLa (Research Laboratory), který vznikl z iniciativy zaměstnanců Ústavu marketingu a obchodu Provozně ekonomické fakulty Mendelovy univerzity v Brně a umožňuje provádět výzkum prostřednictvím elektronického sběru dat. Takto vytvořený dotazník byl následně rozeslán elektronickou poštou vybraným respondentům a zároveň byl umístěn na dokumentovém serveru Univerzitního informačního systému. Výsledky dotazníku byly zpracovány pomocí programu Microsoft Excel a následně importovány do programu Microsoft Word. Dotazník vyplnilo celkem 636 respondentů, z nichž muselo být 114 vyřazeno z důvodu neúplnosti údajů. Celkem tedy bylo zpracováváno 522 dotazníků. Dotazník, který byl respondentům rozeslán, je uveden v Příloze č. 1. Skládá se z 23 otázek, přičemž poslední čtyři otázky mají identifikační charakter. Kapitola Vlastní práce je rozdělena do čtyř částí: Analýza identifikačních údajů, Jednoduché třídění získaných dat, Intervalové třídění získaných dat a Analýza závislostí mezi vybranými znaky. 4.1 Analýza identifikačních údajů Mezi základní otázky každého dotazníku řadíme takové otázky, které nám podávají informaci o struktuře složení vybraných respondentů, tj. pohlaví, forma, typ a program studia. Složení respondentů dle pohlaví (otázka č. 23) Dotazník vyplnilo celkem 522 respondentů, z nichž 392 bylo žen a zbývajících 130 bylo mužů. V procentním vyjádření můžeme říci, že 75 % respondentů bylo ženského pohlaví a 25 % respondentů bylo mužů.

28 Vlastní práce 28 Složení respondentů dle formy studia (otázka č. 22) Zastoupení studentů PEF Mendelu bylo z 98 % prezenční formy, tj. 512 studentů, z kombinované formy dotazník vyplnilo pouze 2 %, tj. 10 studentů. Tento nepoměr je dán především tím, že studentů kombinované formy je podstatně méně. Složení respondentů dle typu studia (otázka č. 20) Studenti PEF Mendelu mohou být zařazeni mezi tři typy studia, tj. bakalářský, magisterský a doktorský typ studia. Osloveni byli všechny tři kategorie respondentů, z nichž dotazník vyplnilo 418 studentů bakalářského studia (80 %), 16 studentů magisterského studia (3 %) a v neposlední řadě i 88 studentů doktorského studia (17 %). Graf 1: Složení respondentů dle typu studia magisterský 3% doktorský 17 % bakalářský magisterský doktorský bakalářský 80% Složení respondentů dle studijního programu (otázka č. 21) Největší počet respondentů, tj. 60 % (312 studentů) studuje program Ekonomika a management, dále 31 % studuje program Hospodářská politika a správa (161 studentů) a nejmenší zastoupení mají studenti programů Ekonomická informatika a Automatizace řízení a informatika, tj. 9 % (49 studentů).

29 Vlastní práce 29 31% Ekonomická informatika, Automatizace řízení a informatika 9% Ekonomika a management 60% Hospodářská politika a správ a Graf 2: Složení respondentů dle studijního programu 4.2 Jednoduché třídění získaných dat Počet používaných mobilních telefonů (otázka č. 1) Tabulka 6: Rozdělení četností používaných mob. telefonů Počet mobilů ni pi v % žádný 2 0,38 jeden ,83 dva 66 12,64 tři a více 6 1,15 celkem ,00 Hned v první otázce měl respondent odpovědět na otázku, kolik mobilních telefonů používá. Na výběr měl čtyři možnosti: žádný, jeden, dva, tři a více. Z následující tabulky můžeme vyčíst, že 86 %, tj. 448 studentů, kteří odpověděli na tento dotazník, používá pouze jeden telefon, dva telefony vlastní 13 %, tj. 66 studentů. Pouze 1 %, tj. 6 studentů používá tři a více mobilů a z celkového počtu 520 respondentů uvedli pouze 2 studenti, že nepoužívají žádný mobilní telefon. Další zpracování údajů bude prováděno pouze ze studentů, kteří vlastní alespoň jeden mobil, tj. z 520 respondentů.

30 Vlastní práce 30 Spokojenost se současným mobilním telefonem (otázka č. 2) Tabulka 7: Rozdělení četností spokojenosti s mob. telefonem Spokojenost ni pi v % ano ,69 ne 64 12,31 celkem ,00 Většina studentů je se svým současným mobilním telefonem spokojena, což je pravděpodobně dáno tím, že při výběru telefonu má student možnost vybírat si z velké škály značek a vlastností. Doplňkové funkce mobilních telefonů (otázka č. 3) Tabulka 8: Rozdělení četností doplňkových funkcí Funkce ni pi v % ano ne ano ne fotoaparát ,57 9,43 bluetooth ,73 3,27 wap ,23 35,77 mp3 přehrávač ,81 20,19 rádio ,23 20,77 JAVA hry ,81 30,19 navigace ,77 84,39 Studenti v této otázce vybírali doplňkové funkce, které vlastní jejich mobilní telefon. Nejčastěji volená funkce bylo bluetooth, které slouží k přenosu dat mezi dvěma elektronickými zařízeními. S výjimkou 17 studentů odpověděli všichni, že jejich mobilní telefon tuto funkci má. Další, často volenou funkcí, byl fotoaparát, který má v dnešní době téměř každý mobil. Jeho zastoupení bylo v 471 případech, pouze 49 mobilů jej nemá. Mp3 přehrávač, rádio, wap a JAVA hry jsou funkce, které má více jak 60 % respondentů. U všech zmíněných doplňkových funkcí převládal jejich výskyt. Výjimku tvoří funkce navigace, která není ještě zdaleka tak rozšířená jak ostatní a mají ji většinou novější typy mobilních telefonů. Z toho důvodu si také můžeme všimnout, že tuto funkci má ve svém mobilu pouze 82 respondentů, tj. přibližně 16 %.

31 Vlastní práce 31 Nejčastěji využívaná doplňková funkce (otázka č. 4) Tabulka 9: Rozdělení četností nejčastěji využívaných doplňkových funkcí Funkce ni pi v % fotoaparát ,19 bluetooth 41 7,88 wap 13 2,50 mp3 přehrávač ,12 rádio 45 8,65 JAVA hry 17 3,27 navigace 2 0,39 celkem ,00 Z uvedené tabulky je jasně zřejmé, že studenti nejčastěji využívají na svém mobilním telefonu fotoaparát a následně mp3 přehrávač. Ostatní doplňkové funkce (rádio, bluetooth, JAVA hry, wap, navigace) využívá nejčastěji jen malá skupiny respondentů.

32 Vlastní práce 32 Funkce, kterou by respondenti uvítali (otázka č. 5) Tabulka 10: Rozdělení četností funkcí, které by respondenti uvítali Funkce ni Počet studentů pi v % žádná ,15 navigace ,58 wifi ,04 mp3 přehrávač ,52 fotoaparát ,61 rádio ,96 bluetooth ,41 dotykový displej ,96 digitální TV ,58 teploměr ,58 bezdr. nabíjení ,38 alkohol tester ,19 diář ,19 itunes ,19 pdf prohlížeč ,19 paralyzér ,19 svítilna ,19 Z uvedených odpovědí, kde mohli respondenti odpovídat na otevřenou otázku, vyplívá, že více jak 60 % je zcela spokojeno se svým mobilním telefonem a žádnou další funkci by na svém mobilu neuvítali. Naopak přibližně 18 % by uvítalo navigaci, 22 % wifi, necelých 30 % mp3 přehrávač, více jak 30 % by uvítalo fotoaparát, 13 % rádio a 29 % bluetooth. Je nutné zdůraznit, že tyto podíly byly počítány z počtu studentů, kteří tuto funkci na svém mobilu nemají. Ostatní funkce, které byly v odpovědích na otázku uvedeny, jsou většinou netradiční a klasický mobilní telefon jej nemá. Patří mezi ně dotykový displej, digitální televize, bezdrátové nabíjení, alkohol tester, diář, itunes (program, který zajišťuje přehrávání multimediálních audio souborů), pdf prohlížeč, paralyzér (přístroj, který pomocí elektrického šoku ochromí útočníka) a svítilna. Zmíněné funkce volilo vždy méně než 1 % studentů. Tyto funkce nejsou v některých případech ještě ani uvedeny na trh.

33 Vlastní práce 33 Značky mobilních telefonů studentů (otázka č. 6) Tabulka 11: Rozdělení četnost značek mobilních telefonů Značka ni pi v % Alcatel 0 0,00 Apple 10 1,92 E-ten 0 0,00 I-Phone 2 0,38 HTC 4 0,77 LG 16 3,07 Motorola 9 1,73 Nokia ,08 Panasonic 0 0,00 Philips 0 0,00 Sagem 0 0,00 Samsung 72 13,85 Siemens 3 0,58 Sony Ericsson ,62 celkem ,00 Z uvedené tabulky můžeme vyčíst, že z celkového počtu 520 studentů se nenašel ani jeden student, který by vlastnil mobil značky Alcatel, Eten, Panasonic, Philips nebo Sagem. Nejvíce studentů, tj. 48 % vlastní mobilní telefony značky Nokia. Četnost zastoupení mobilů značky Nokia kopíruje zastoupení této značky v běžné populaci. Další nejčastěji zvolenou značkou je Sony Ericsson, kterou má přibližně 30 % a na třetím místě se umístil výrobce Samsung (14 %). Ostatní značky mobilních telefonů se nevyskytují u studentů ve velkém množství, ale i přesto je zde jejich zastoupení patrné. Jedná se zejména o značky: LG (3 %), Apple (2 %), Motorola (2 %), HTC (1 %), Siemens (1 %) a I-Phone (0,4 %).

34 Vlastní práce 34 Tabulka 12: Počet prodaných mob. tel. vybraných značek v roce 2008 Značka ni pi v % Nokia 468,4 39,8 Samsung 196,6 16,7 LG 196,6 16,7 Motorola 99,9 8,5 Sony Ericsson 99,9 8,5 celkem 1177,0 x Zdroj: Porovnání volby značky nového telefonu se stávajícím telefonem (otázka č. 6 a 7) Stávající Nokia Tabulka 13: Porovnání volby značky nového mob. tel. LG Apple Nový ni HTC I- Phone Sony Ericsson Samsung Motorola Siemens celkem Nokia Sony Ericsson Samsung LG Apple Motorola HTC Siemens I-Phone celkem

35 Vlastní práce Graf 3: Porovnání značek nového a stávajícího mob. tel. počet studentů Nokia Sony Ericsson Samsung LG Apple Motorola HTC Siemens I-phone stávající nov ý značka b c 2 b c 2 203@ 126,4 13@ 62 ` a 2 χ 2 f f 1@ 0 f = = 690,5 126, φ 2 = 690,5 f = 1, w v w 1,33 f u 690,5 f P = s = t = 0, ,33 690, Ve výše uvedeném grafu bylo porovnáváno, jak by se změnilo složení značek, kdyby si studenti kupovali nový mobilní telefon. V grafu je jasně vidět, že studenti PEF se drží značky. Na prvním místě by se umístila Nokia, na druhém Sony Ericsson a na třetím Samsung. Můžeme tu ovšem vyčíst, že značka Nokia by dosáhla nárůstu, a to o 13 telefonů, Sony Ericsson by poklesla o 25 tel. a Samsung by poklesl o 16 tel. Výraznější nárůst v prodeji mohou v budoucnu očekávat výrobci nových značek HTC, I- phone a Apple. Jsou to výrobci, kteří produkují velice kvalitně vybavené mobilní telefony. Největší nárůst tu zaznamenal výrobce HTC, a to o 24 tel., dále I-phone o 10 tel. a společnost Apple o 4 mobilní telefony. Propad se vyskytl u značky Motorola, o 7 mobilů. Lze se domnívat, že tato značka není mezi studenty příliš populární. Značka LG a Siemens nezaznamenala výraznou odchylku. Mezi značkou mobilního telefonu, který vlastní studenti v současnosti a značkou, kterou by si vybrali, kdyby si kupovali nový mobilní telefon existuje značná závislost, jak dokazuje Pearsonův koeficient kontingence. Tato závislost

36 Vlastní práce 36 se pohybuje přibližně kolem 0,75. Můžeme tedy říci, že spokojenost značky současného mobilu ovlivňuje výběr značky mobilu budoucího. Důležitost parametrů při výběru mob. tel. (otázka č. 9) Tabulka 14: Rozdělení četností důležitosti parametrů při výběru mob. tel. Parametr ni pi v % Σ Σ značka ,5 35,4 24,4 10,8 7,9 100,0 cena ,3 37,3 10,4 3,7 2,3 100,0 design ,9 39,6 17,5 7,3 2,7 100,0 výdrž ,3 34,2 26,9 10,8 4,8 100,0 baterie doporučení ,5 27,5 31,7 19,6 11,7 100,0 Pozn.: 1 nejdůležitější, 5 nedůležitý V této otázce vybírali studenti stupeň důležitosti u vybraných parametrů, podle kterých si vybírají nový mobilní telefon. Jako nejdůležitější parametr zvolilo 46 % studentů cenu. Tato skutečnost se dala předpokládat, jelikož studenti mají omezené finanční zdroje. Rozložení ostatních parametrů můžeme sledovat v tabulce. Dalším významným parametrem je pro studenty design mobilního telefonu, poté značka a výdrž baterie a na posledním místě je to doporučení, na které studenti nepřikládají velký význam.

37 Vlastní práce 37 Podíly mobilních operátorů (otázka č. 10) Tabulka 15: Rozdělení četností mobilních operátorů Služba ni pi v % Telefonica O ,96 T-mobile ,11 Vodafone ,93 U:fon 0 0,00 celkem ,0 Graf 4: Podíly mobilních operátorů 32% 31% Telefonica O2 T-mobile Vodafone 37% Je nutné podotknout, že ani jeden z respondentů nevyužívá služeb mobilního operátora U:fon. Podíly ostatních operátorů jsem téměř vyrovnané, ale největší počet respondentů zvolilo mobilní síť T-mobile. Nejčastěji využívané služby (otázka č. 13) Tabulka 16: Rozdělení četností nejčastěji využívaných služeb Služba ni pi v % volání ,04 SMS ,62 MMS 0 0,00 připojení na internet 7 1,34 celkem ,00 Z tabulky můžeme jasně vyčíst, že respondenti, kteří vyplňovali dotazník posílají nejčastěji SMS (krátké textové zprávy). SMS jsou u mladých lidí velice oblíbené, a proto je tu jejich zastoupení natolik zřetelné. Necelých 65 %, tj. 336 studentů

38 Vlastní práce 38 zvolilo právě SMS, 34 %, tj. 177 studentů nejčastěji volá a připojení na internet využívá nejčastěji pouhých 7 studentů, tj. 1 %. Důležitým poznatkem je, že ani jeden student nezvolil možnost, že nejčastěji posílá MMS (multimediální zprávy). Tento druh komunikace mezi lidmi není na trhu novinkou, ale jak je vidět, není využíván nejčastěji. Způsob platby za poskytnuté mobilní služby (otázka č. 14) Tabulka 17: Rozdělení četností způsoby platby za mob. služby Způsob ni pi v % kredit ,77 paušál ,23 celkem ,00 Graf 5: Rozdělení studentů dle způsobu platby za mob. služby 21% kredit paušál 7 9% Na první pohled je patrné, že většina studentů využívá paušálních služeb, a to konkrétně 412 studentů, tj. 79 %. Tato forma platby je v současnosti finančně výhodnější, jelikož mobilní operátoři poskytují nižší ceny při uzavření smlouvy, tzn. závazku, většinou na dva roky. Pouhých 108 studentů odpovědělo, že využívá předplacené karty kreditu, který funguje na tom principu, že si zákazník za určitou částku dobije kredit, který následně čerpá. Vývoj mobilního sektoru z pohledu toho, zda zákazníci využívají předplacené (prepaid) služby, nebo služby tarifní (postpaid), placené až podle skutečně využitých služeb, je velice zajímavý. V praxi platí, že tarifní zákazníci mají vyšší útratu, a jsou tedy pro operátory zajímavější. Mobilní operátoři mají proto tendenci motivovat své klienty, aby přešli z předplacené služby na službu tarifní. Počet klientů, kteří využívají předplacené služby klesá, zatímco počet tarifních zákazníků výrazně roste (Český statistický úřad, 2010).

39 Vlastní práce 39 Přehled studentů o tarifech mob. operátorů (otázka č. 16) Tabulka 18: Rozdělení četností přehledu studentů o mobilních tarifech Přehled ni pi v % perfektní 11 2,12 nadprůměrný 27 5,19 průběžně sleduji ,23 podprůměrný ,27 vůbec žádný 79 15,19 celkem ,00 Z výše uvedené tabulky můžeme vyčíst, že studenti PEF Mendelu v Brně se o tarify jak stávajících, tak ostatních mobilních operátorů spíše nezajímají. 43 % respondentů odpovědělo, že jejich přehled je podprůměrný, 34 % tarify průběžně sleduje, nadprůměrný přehled má 5 %, perfektní pouze 2 % studentů a vůbec žádný přehled nemá dokonce 15 % ze všech studentů, kteří odpověděli na tento dotazník. Kde nastala chyba? Tyto skutečnosti mohou být způsobeny neustále se měnícími tarify a změnami v této oblasti. Zvýhodněné sazby pro studenty (otázka č. 15) Tabulka 19: Rozdělení četností využívání zvýhodněných sazeb pro studenty Zvýhodněné sazby ni pi v % ano ,73 ne ,27 celkem ,00 Při prozkoumání tabulky vidíme, že přibližně polovina studentů využívá zvýhodněné sazby a druhá polovina je nevyužívá. 4.3 Intervalové třídění získaných dat Intervalové třídění dat je o něco složitější než třídění jednoduché, které bylo použito v předcházející kapitole. V této kapitole bude použito třídění diskrétního znaku. Jednotlivé statistické soubory zde budou vyjádřeny pomocí statistických charakteristik.

40 Vlastní práce 40 Výše finančních prostředků, které jsou studenti ochotni investovat do nového mobilního telefonu (otázka č. 8) počet studentů Tabulka 20: Rozdělení četností výše investice do mob. tel. Výše investice Střed třídy xi ni pi v % xi ni Kč , Kč , Kč , Kč a více , celkem x , Graf 6: Rozdělení výše investice do nového mob. tel Kč Kč výše investice Kč Kč a více x f 1 f = C = 4 419, b x^ = 3 001@ 6 000> @ 127f xb = C = 4 239,30 2C σ 2 f = = σ = 2 184,10