Прайс-менеджмент. Стратегия, анализ, решение и реализация

Рис. 3.17. Функция «цена-отклик» автомобиля А

Таблица 3.8. Расчет значения полезности для трех автомобилей (на индивидуальной основе)

Автомобиль А обладает самой высокой общей полезностью и, скорее всего, из трех вариантов респондент выберет его. Автомобиль С мог бы иметь более высокую полезность, чем автомобиль В, если бы его цена была на $2000 ниже. Но здесь нет комбинации технических новшеств, которые помогли бы автомобилям В и С превзойти автомобиль А по общей полезности. Причиной является большая разница в полезности за счет вклада атрибута «цена» и его высокой важности для потребителей.

Далее мы будем рассматривать только автомобили А, В и С для определения инидивидуальных функций «цена-отклик». В этом случае мы имеем ценовое решение по принципу «да-нет».

Таблица 3.9. Расчеты рыночной доли автомобиля А и одного конкретного респондента

От полезности к объему продаж

Чтобы перейти от полезности к объему продаж, существуют две базовые модели. Детерминированная модель исходит из предпосылки, что будет куплен продукт с самой высокой общей полезностью. Согласно стохастической модели, значения полезности определяют вероятности покупки. В следующем примере мы используем стохастическую модель. Чтобы вывести обобщенную функцию «цена-отклик» из полезностей, используем модель притяжения. Вероятности покупки можно интерпретировать как доли рынка:

При данном подходе мы получаем «вероятности покупки» для каждого респондента и каждого рассматриваемого продукта по трем альтернативным ценам. Этот процесс показан для выбранного респондента в табл. 3.9 и графически представлен на рис. 3.17. Когда цена растет с $20 000 до $22 000, доля рынка снижается с 56 до 47 % (ценовая эластичность –1,6). Если цена повышается с $22 000 до $24 000, доля рынка падает до 33 %, а абсолютная ценовая эластичность резко возрастает до –3,3. Мы получаем общую долю рынка, сложив результаты по всем респондентам.

Довольно реалистичный подход к определению долей рынка основан на полиномиальной logit-модели и подходит для расчета как конкретной общей полезности, так и отношения «рынок – продукты конкурентов». Если автомобили А и В имеют сходные значения полезности, то верятность покупки будет меняться более резко, когда одна модель приобретает добавочную полезность, чем когда в отношении какой-то модели уже имеется сильное предпочтение.

Дальнейшее развитие метода совместного измерения

Теперь мы сосредоточимся на наиболее релевантных теоретичеких и практических подходах. Они различаются по процедуре оценки предпочтений и по выбору алгоритмов прогнозирования [31, 32, 34]. Прежде всего, мы проводим различие между следующими подходами.

• Классические – метод компромиссов и метод профилей.

• Гибридные – ACA (декомбинационный анализ) или ACBC (декомбинационный анализ, основанный на выборе).

• Моделирование дискретного выбора (DCM), совместный анализ, основанный на выборе (CBC) и совместный анализ с постоянной суммой (CSC).

Классический подход наталкивается на определенные проблемы валидности при большом количестве атрибутов. Для решения этих проблем ученые разработали гибридные подходы к совместному измерению.

Гибридные подходы сочетают в себе композиционные и декомпозиционные методы. В них применяются скоринговые модели и совместное измерение. Комбинирование двух данных подходов позволяет применять планы полного факторного эксперимента с дробными откликами к нескольким людям [30, 34]. При гибридном анализе респондентов на начальном (композиционном) этапе просят составить изолированные мнения о важности атрибутов и их уровней. На втором (декомпозиционном) этапе они оценивают выбранные комбинации атрибутов. Подобные подходы смягчают когнитивную нагрузку на респондента. Однако усилия по сбору данных здесь возрастают. Наиболее часто используемая форма гибридного совместного измерения – это ACA (декомбинационный анализ).

ACA адаптирует компьютерные опросы к каждому человеку в постоянном режиме. Ответы респондентов анализируются в ходе опроса, а следующие друг за другом вопросы сосредоточиваются на самой важной для респондента области. Это сокращает число необходимых парных сравнений и продолжительность опроса, что в свою очередь повышает вовлеченность респондентов и качество отдельных ответов.

Типовой опрос ACA включает следующие этапы.

1. Определение неприемлемых атрибутов (как опция).

2. Ранжирование предпочтения для атрибутивных уровней.

3. Оценка важности атрибутов.

4. Парные сравнения.

Чтобы представить респонденту осмысленные варианты решений, нужно, чтобы последние попадали в «приемлемый набор» респондента. Для этого на первом этапе каждый респондент должен исключить неприемлемые атрибутивные уровни. Затем данные уровни исключаются из остальной части опроса.