Vliv aretingového dotazování na identifiaci tržních segentů Jední z líčových fatorů stanovení optiální aretingové strategie e správně provedená identifiace a následné vyezení tržních segentů cílového trhu. Ačoliv se v prai často ůžee setat s preferencei hoogenníi či difúzníi v případě eistuících přirozených shluových preferencí e nezbytné tyto přirozené shluy spotřebitelů na trhu identifiovat a správně ztotožnit s tržníi segenty a následně e posoudit z hledisa aretingové využitelnosti dle následuících požadavů: dostatečná definovatelnost dostatečná veliost rozlišitelnost přístupnost a ěřitelnost. Přestože typicý postup při identifiaci tržních segentů zahrnue nezbytnou dávu osobní zušenosti a intuice aretéra vhodný výchozí podlade sou data priárního či seundárního aretingového výzuu zeéna aretingového dotazování. Za segent obecně označuee supinu záazníů terá sdílí podobný soubor potřeb a přání respetive e dostatečně diferencovaná od ostatních supin záazníů na záladě přiatých ritérií odlišností potřeb a přání. Z toho vyplývá že aretingové dotazování by ělo posytnout taová výstupní data na eichž záladě bude ožno shluy záazníů snadno identifiovat. Poud se na výsledná data aretingového dotazování díváe ryze technicy ůžee zísané inforace chápat ao čistě statisticá data a pro hledání shluů a použít vhodné statisticé etody a prostředy. K dispozici áe tabulu eíiž sloupci sou ednotlivá ritéria resp. ladené otázy a řády reprezentuí odpovědi ednotlivých účastníů dotazování. Aby taováto data bylo ožno zpracovat ateaticýi prostředy a postupy e nezbytné provést transforaci ednotlivých hodnot odpovědí na číselné hodnoty. Veli důležité e vypořádat se zeéna s různýi ordinálníi a noinálníi ritérii terá sou v aretingových dotaznících převážně využívána protože do ateaticého odelu trhu není ožno vnášet žádné dodatečné závislosti ež by pocházely en z nevhodné etody použité pro transforaci původních hodnot do číselných stupnic následně využívaných při ateaticé zpracování datového souboru. Vhodnou ateaticou etodou pro identifiaci shluů v datové souboru e shluová analýza eíž podstatou e nalezení supin obetů nazývaných shluy a rozčlenění obetů statisticého souboru do těchto shluů ta aby si obety v ráci steného shluu byly vzáeně více podobné než obety vybrané z různých shluů. Pro zišťování a sou si dva obety podobné či nepodobné se užívá íra nepodobnosti terá přiřazue aždé dvoici obetů z datového souboru hodnotu z intervalu <0;1> ta že totožný obetů přiřadí hodnotu 0 a zcela odlišný obetů hodnotu 1. Na záladě znalosti íry nepodobnosti aždé dvoice obetů z datového souboru e poto ožno realizovat různé shluovací algority. Jeliož v typicé aretingové dotazníu eistuí různé typy otáze teré lze rozlišit do následuících typů: vantitativní ordinální noinální syetricá binární a asyetricá binární ritéria e třeba se neprve vypořádat s tí a určit vzáenou nepodobnost dvou obetů resp. respondentů aretingového dotazování. Budee předpoládat že a sou dva i ( i 1 i 2... i ) ( 1 2... obety datového souboru s proěnnýi tedy odpovědi dvou účastníů aretingového dotazování s otázai. Proěnné ůžee přehledně rozčlenit do následuících druhů: vantitativní ritéria obsahuí onrétní číselné hodnoty např. aiální přiatelná cena )
ordinální ritéria obsahuí hodnoty různých stupnic typicy vyádření preferencí (např. silný souhlas souhlas neutrální posto nesouhlas silný nesouhlas) e důležité vzáené pořadí hodnot nicéně nepředstavuí onrétní číselný úda noinální ritéria disrétně rozlišuí ednotlivé odpovědi respondentů neeistue vša žádná přirozená interpretace uspořádání ednotlivých hodnot napřílad u oboru podniání příslušné firy nelze určit aé e vzáené pořadí zeědělství teleouniací a zdravotnictví binární ritéria nabývaí pouze dvou hodnot typicy ano/ne souhlas/nesouhlas apod. Je nezbytné e rozlišovat na asyetricé dy á edna z obou hodnot význaněší výsyt než druhá přílade ůže být výsyt chlapců a díve ezi studenty technicé vysoé šoly a syetricé dy e výsyt obou hodnot steně význaný napřílad výsyt chlapců a díve na záladní šole. Uážee si že typ otáze v aretingové dotazníu a zeéna způsob eich interpretace zásadně ovlivňue stanovení íry nepodobnosti ednotlivých obetů a tí i identifiaci shluů. Jao vhodnou íru nepodobnosti totiž používáe Gowerův oeficient nesouhlasu terý lze ateaticy popsat následuící vzorce: de d D i e íra nepodobnosti ezi obety wi. di 1 wi 1 i a na záladě proěnné hodnota rovna 0 pro případ dy proěnná e asyetricá binární a alespoň edna z hodnot nebo e rovna nule nebo chybí. V opačné případě e hodnota w w e i rovna 1. Sysle této podíny e vyloučení shody pro negativní výslede v případě asyetricých binárních proěnných dy e zaíavá shoda pouze pro pozitivní výsledy. Míra nepodobnosti i ezi obety a na záladě proěnné závisí na typu této proěnné: pro vantitativní ritéria e definována ao podíl absolutního rozdílu hodnot proěnných u obou obetů a aiálního rozdílu hodnot proěnných pro tuto proěnnou d i a p12... n i p in p12... n p d pro binární a noinální ritéria e definována ao rovnost či nerovnost hodnot dané proěnné u porovnávaných obetů tedy poud a poud i. d 1 i d 0 pro ordinální ritéria sou všechny hodnoty dané proěnné převedeny na pořadí této hodnoty de e aiální pořadí pro hodnotu -té proěnné. S tato převedenýi hodnotai pa pracuee steně ao s vantitativníi ritérii. Jaé důsledy á volba interpretace typu ritéria si uážee na deonstrační příladu alého aretingového dotazování. Nede o výsledy sutečného výzuu ale pouze o uázová data. Předpoládee že deseti respondentů byl předložen aretingový dotazní obsahuící cele 19 otáze z nichž prvních 11 otáze uožňovalo vyádřit preferenční vztah poocí stupnice (silný nesouhlas nesouhlas neutrální souhlas silný souhlas) a zbývaících 8 otáze uožnilo volbu odpovědi ano/ne. Poocí shluové i r 12...
analýzy byly posouzeny výsyty shluů odděleně pro obě supiny otáze. Otázy s odpověďi ve forě stupnice byly správně posouzeny ao ordinální ritéria a dále proveden ontrolní výpočet interpretuící e ao noinální ritéria dy není rozlišen vztah ednotlivých hodnot. respondent otáza 1 otáza 2 otáza 3 otáza 4 otáza 5 otáza 6 otáza 7 otáza 8 otáza 9 ozáza 10 otáza 11 otáza 12 otáza 13 otáza 14 otáza 15 otáza 16 otáza 17 otáza 18 otáza 19 1 souhlas souhlas souhlas souhlas neutrální souhlas neutrální souhlas souhlas souhlas souhlas ano ano ano ne ano ano ne ne 2 nesouhlas silný souhlas silný souhlas silný souhlas neutrální souhlas souhlas souhlas silný souhlas neutrální souhlas ano ano ano ne ano ano ne ne 3 souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas souhlas silný souhlas souhlas souhlas ano ano ano ano ano ano ne ne 4 neutrální souhlas silný souhlas silný souhlas nesouhlas souhlas silný souhlas silný nesouhlas silný souhlas silný nesouhlas souhlas ne ano ne ne ne ano ne ne 5 souhlas silný souhlas silný souhlas souhlas souhlas silný souhlas souhlas souhlas silný souhlas souhlas souhlas ano ano ano ne ano ano ne ano 6 souhlas souhlas souhlas silný souhlas silný souhlas silný souhlas silný souhlas souhlas silný souhlas silný souhlas souhlas ne ano ano ne ano ano ne ne 7 souhlas souhlas neutrální souhlas souhlas silný souhlas silný souhlas neutrální souhlas souhlas souhlas ano ano ano ne ano ano ne ano 8 souhlas souhlas silný souhlas silný souhlas souhlas silný souhlas souhlas souhlas neutrální souhlas neutrální ano ano ano ne ano ano ne ano 9 souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas neutrální silný souhlas silný souhlas souhlas ano ano ano ne ano ano ne ano 10 neutrální souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas silný souhlas souhlas neutrální ano ano ne ne ne ano ne ne Výsledná strutura shluů byla zaznaenána ve forě tzv. dendrograů teré určuí hloubu sloučení při spoení ednotlivých podshluů tvořící shluy vyšších řádů. Podle rozladu dle ordinálních ritérií lze z dendrograu zistit že napřílad ve hloubce 4 lze respondenty rozdělit do 3 shluů { 1 5 7 8 } { 2 4 } a { 3 6 9 10 }. Je zřeé že při užití noinálních ritérií e v této úrovni odlišně zařazen respondent číslo 8 a tedy došlo e zreslení zpracovávaných dat. Noinální ritéria Hlouba spoení Ordinální ritéria Hlouba spoení 1 2 3 4 5 6 1 2 3 4 5 6 1 1 17 7 7 1578 1578 1578 5 5 5 58 8 2 2 1234 4 24 24 24 4 910 3 3 9 2346 39 910 9 369 6 6 36910 6 6 8 10 10 10 10 17 39 369 810 810 157 157 157 24 24 24 3689 10 2346 8910 1234 910 Asyetricá binární ritéria Syetricá binární ritéria Hlouba spoení Hlouba spoení 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 1 1 12 2 123 2 123 1236 1236 3 3 7 1236 3 3 78 1236 6 6 6 789 1236 6 6 6 78910 7 7 7 7 1234 5 5 5 8 8 8 8 8 910 7 78 9 9 9 9 9 9 8 12 789 1236 5789 1235 6789 1234 910 10 10 10 10 10 10 10 9 9 4 4 45 45 45 45 45 45 45 5 10 410 410 410 Zaíavěší situace nastává v případě rozladu dle supiny binárních ritérií teré e ožno interpretovat buď ao syetricá či asyetricá. Uazue se že způsob aý tato data interpretuee zásadně ovlivňue podobu výsledných zištěných shluů. Poud 410
se opět zaěříe na hloubu shluového rozladu na úrovni 4 zistíe že v případě asyetricých binárních ritérií eistue cele 6 shluů: { 1 2 3 6 } { 7 } { 8 } { 9 } {10 } a { 4 5 }. Naproti tou pro syetricá binární ritéria naleznee eno 3 shluy { 1 2 3 6 } { 5 7 8 9 } a { 4 10 }. Z této sutečnosti vyplývá že volba interpretace ritéria zásadní způsobe ovlivňue ožnost analýzy výsledného datového souboru aretingového dotazování. Poud při návrhu aretingového dotazníu počítáe s využití zísaných výsledů neen pro zištění onrétních procentuálních odpovědí ale uvažuee s ní i pro analýzu eistuící strutury trhu poocí statisticých etod e vhodné eho návrh přizpůsobit požadavů na optiální ateaticé zpracování těchto dat. Měly by být dodrženy následuící zásady: používat vantitativní ritéria terá uožňuí veli přesné určení nepodobnosti obetů v datové souboru. Poud lze e výhodné začlenit něoli vantitativních ritérií do dotazníu u ordinálních ritérií preferovat větší stupnice alespoň s 5 hodnotai ordinální ritéria s větší počte hodnot ohou být dostatečnou náhradou za chyběící vantitativní ritéria poud charater otáze není vhodný pro eich použití např. dotaz na výši příu lze nahradit ordinální ritérie s dostatečný počte páse v žádné případě by neěla převažovat noinální ritéria eich doporučený podíl by neěl přesahovat více než 30% u těchto ritérií e porovnávána pouze prostá shoda dvou hodnot a tedy neposytuí dostatečnou inforaci pro posouzení nepodobnosti sledovaných obetů otázy by ěly být forulovány ta aby byl inializován počet neurčitých odpovědí. V případě neúplných odpovědí nelze taovýto zázna použít pro zpracování poocí shluové analýzy s výiou asyetricých binárních ritérií. Vhodnou forulací otáze e tedy třeba předeít neúplný odpovědí respondentů teré znehodnocuí zísaná data aretingového dotazování pro další využití neboť usí být vyřazeny ze statisticého zpracování e nezbytné podle charateru odpovědí respondentů posoudit interpretaci binárních ritérií ao syetricých či asyetricých. Poud e výsyt edné hodnoty doinantní zhruba v poěru 85% oproti druhé včetně započtení neúplných odpovědí e vhodné vyhodnocovat toto ritériu ao asyetricé binární. V případě syetricého binárního ritéria dode v toto případě potlačení veli výrazného znau aícího potenciálně vysoý vliv na forování segentu. Cíle tohoto článu bylo pouázat na ožnosti využití prostředů shluové analýzy v procesu segentace trhu a deonstrovat ožná úsalí vycházeící z návrhu aretingových dotazníů. Ačoliv se edná o apliaci statisticé etody v žádné případě není ožno ponechat tuto činnost na statistiovi bez hluboých znalostí aretingové probleatiy. Interpretace vstupních dat i výsledů použitých algoritů usí plně respetovat specificé požadavy aretingové segentace trhu. Maretér v ráci segentace trhu nepožadue znalost optiální shluové strutury daného datového souboru ale hledá taové shluy respondentů teré vyhovuí požadavů na efetivní tržní segenty. Optiální e tedy nalezení eistence zhruba 3 až 5 shluů z toho plyne zvolená hlouba shluovací úrovně použitá v deonstrační příladu. Výsledy shluové analýzy dat z aretingových dotazníů sou veli cennou poůcou terá aretérů posytue dodatečné inforace o strutuře záaznicých preferencí a tí i usnadňue nalezení optiálních tržních segentů.
Použitá literatura TOMEK G. VÁVROVÁ V. Mareting od yšleny realizaci. Praha: Professional Publishing 2008 ŘEZANKOVÁ H. HÚSEK D. SNÁŠEL V. Shluová analýza dat. Praha: Professional Publishing 2007 EVERITT B.S. LANDAU S. LEESE M. Cluster analysis 4th edition. London: Arnold a eber of the Hodder Headline Group 2001 Suary Mareting questioning has a crucial ipact on areting segentation process. Having relevant output data allows statistics ethod usage to discover cluster structure and identify areting segents on the final aret. Author focuses on cluster analysis and dissiility easures with relationship to questionnaire questions. It is necessary to rethin questionnaire designs in order to siplify effective discovery of areting segents.