Прайс-менеджмент. Стратегия, анализ, решение и реализация

Можно также использовать иерархические байесовы модели, которые дают возможность прогнозировать полезность на индивидуальном уровне [41, 42]. Подходящее программное обеспечение – HB-Sum от Sawtooth [43]. Здесь задача – распределить фиксированное число решений о выборе в рамках набора товаров. Данный метод исходит из того факта, что респондент с равной вероятностью может купить два или более продукта. Например, врач для лечения определенной болезни может прописывать разные лекарства пациентам разного типа. Достоинство этого метода в том, что в анализ можно включать как существующие, так и новые продукты. На существующие (предположительно уже известные респонденту) можно распространить полнопрофильный подход. В общем, данный подход неплохо моделирует реальную ситуацию принятия решения. Процесс демонстрирует высокую информационную эффективность и повышает валидность традиционного совместного измерения. На рис. 3.20 показана типовая последовательность вопросов.

В этом примере врач соотносит число пациентов с каждым конкурирующим препаратом исходя из того, прописал бы он им это средство.

Результативность метода DCM можно улучшить, комбинируя его с другими подходами. Albers et al. [44] показывают, что использование комбинации совместного анализа, основанного на выборе, с другими подходами поддерживает решения о товарах и коммуникации на уровне сегмента. Это также дает возможность деривации готовности платить для пакетных решений. Но мы воздерживаемся от обобщений по поводу превосходства одного метода совместного анализа над другими. Соответствие того или иного метода зависит от непосредственной задачи, метода и контекста сбора данных [45].

Технический прогресс оказывает выраженный эффект на совместные измерения. Компьютеризованные опросы сегодня – обычная вещь. За счет сочетания мощных аналитических методов и современных информационных технологий стало возможным проведение опросов вне зависимости от количества атрибутов и уровней.

Рис. 3.20.

Ситуация принятия решения на основе совместного анализа с постоянной суммой (CSC)

Это означает, что сложные продукты или ситуации принятия решений можно анализировать с помощью совместного измерения. Srinivasan [46] предлагает еще один эффективный вариант совместного измерения – адаптивный метод самоэкспликации (ASE). Альтернативная техника CBC – ограниченный анализ посещаемости сайта, разработанный Schlereth и Schulz [47]. С точки зрения достоверности он сопоставим с другими методами измерения предпочтений. В то время как CBC использует решения о выборе, Schlereth и Schulz [47] обращаются к поиску информации в процессе покупки. Они утверждают, что относительное время, в течение которого потребитель уделяет внимание атрибуту продукта, коррелирует с его относительной взвешенной важностью. Эмпирические результаты этих авторов демонстрируют сравнительный уровень достоверности принятых методов измерения предпочтений.

Применение компьютеров обеспечивает более привлекательное графическое изображение доступных опций за счет видео- и аудиоэлементов. Было, к примеру, доказано, что реалистичное визуальное представление продукта способно заменить использование прототипа без искажений поведения при выборе [48]. В будущем дополненная реальность еще усовершенствует этот процесс. С другой стороны, наличие простых в применении компьютерных программ сопряжено с риском того, что совместные измерения будут применяться без осознания сложности этого метода.

В свете столь продвинутых и серьезных техник, таких как совместные измерения, необходимо высказать предупреждение насчет шаблонного их применения. Чем сильнее упрощаются сбор и анализ данных, тем выше риск, что данный метод будет применяться без достаточной адаптации к конкретной ситуации. Это ведет к стереотипным результатам и некорректным интерпретациям. В этой связи мы снова высказываемся в пользу комплексного подхода. В каждом возможном случае необходимо выполнять перекрестную валидацию совместных результатов другими методами.

Многие практики и теоретики считают совместное измерение наилучшим подходом для измерения клиентских предпочтений и ценовых эффектов. Хотя большое разнообразие вариантов применения на практике подтвердило соответствие данного метода задаче измерения предпочтений, критики обращают внимание на проблему достоверности частично из-за гипотетичной природы ситуации покупки [30, 49, 50]. Таким образом, высокая внутренняя и внешняя достоверность равно исключаются. Внутренняя достоверность – это степень, с которой результаты исследования являются объективно логичными и могут быть интерпретированы однозначным образом. Внешняя достоверность показывает, в какой мере результаты соответствуют реальной ситуации покупки.