авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 || 3 |

Инструменты динамической сегментации рынка пивоваренной продукции с использованием аппроксимационных моделей

-- [ Страница 2 ] --

В диссертации сформулированы общие требования к разрабатываемым инструментам динамической сегментации нестабильных рынков: возможность анализа изменения кластерного поля (появление новых сегментов, исчезновение некоторых сегментов и т.д.) с учетом специфики сегмента рынка как кластера и необходимость прогноза изменения показателей сегментов рынка в условиях нерегулярности поступления маркетинговой информации.

На рис. 1 приведены основные группы методов классификационного анализа данных, которые могут быть использованы для кластеризации рынков.

Рисунок 1 – Основные группы методов кластеризации

Анализ данных методов показал, что при исследовании кластерной структуры нестабильных рынков целесообразно применять основные подходы, реализуемые в рамках группы нечетких методов – методов кластеризации с использованием нечеткой меры расстояний. Для прогнозирования изменения характеристик сегментов рынка предложено использовать аппроксимационные модели. При этом специфические особенности сегмента рынка как кластера определяют необходимость учета при проведении сегментации следующих требований: сегменты должны быть достаточно устойчивыми и емкими; сегменты должны быть доступны для предприятия, т.е. должны иметься каналы сбыта и распределения продукции; предприятие должно иметь контакт с сегментом (например, через каналы массовой коммуникации).

С учетом данных требований инструменты динамической сегментации должны использовать критерии оценки качества кластерной структуры с точки зрения возможности отнесения выделенных кластеров к сегментам рынка.

Вторая глава «Организационно-экономический анализ состояния и основных тенденций развития отечественных предприятий по производству алкогольной продукции» посвящена описанию результатов исследования изменения рынков алкогольной продукции и пива РФ и Смоленской области. Целью данного анализа являлось обоснование целесообразности применения инструментов динамической сегментации для выбора маркетинговой стратегии охвата рынка пива.

Динамичное развитие пивоваренных предприятий в 2006-2007 гг. сменилось в 2008 г. периодом определенной стагнации. Однако в целом экономические показатели пивоваренной отрасли за 2008 г. нельзя в полной мере охарактеризовать как негативные. Как показывает анализ статистических данных, выручка производителей пива без учета НДС и акцизов при фактически неизменных натуральных показателях выросла в 2008 г.на 16,6% (в 2007 г. данный показатель составил 21%), при этом себестоимость проданного пива выросла на 12,4%. В соответствии с данными Росстата в 2008 г. также был отмечен рост объема капитальных затрат (на 21% по сравнению с предыдущим периодом) в связи с завершением крупных инвестиционных проектов в отрасли: строительством предприятий «Балтики» в Новосибирской области, SABMiller в Ульяновской области и AB InBev в Иркутской области и ряда других.

В 2009 г. было отмечено сокращение объемов продаж пива, одной из причин которого стало переключение потребителей с более дорогих на более экономичные сорта. Отметим, что производство алкогольных напитков в целом в 2009 г. сократилось более чем на 3%. При этом сокращение коснулось всех групп продуктов – от пивоваренного солода (около 20%), водки и ликероводочных изделий (7,3%), пива (5%) до виноградного вина (0,2%). Доля пива в общем объеме продажи алкогольных напитков и пива в 2009 г., как и в 2008 г., составила 78%, доля водки и ликероводочных изделий - 12%.

В то же время пивоварение продолжает оставаться одним из самых высокорентабельных производств. Так, уровень рентабельности пивоваренного производства составляет в среднем 20-30%. В таблице 1 приведены основные показатели пивоваренной промышленности РФ.

Таблица 1 – Основные показатели деятельности пивоваренных предприятий РФ (по данным Росстата)

Показатели

2005

2006

2007

2008

2009

Индекс производства пива, % к пред. году

108,5

110

114,6

99,3

95

Производство пива, млн. дкл

910

1001

1147

1140

1085

Использование среднегодовой мощности организаций, %

74

77

81

74

72

Продажа пива, млн. дкл

892,1

1002,8

1155,3

1138,2

1091,7

Автором в 2006-2009 г. было проведено исследованием рынка пива г. Смоленска низкой ценовой категории, результаты которого представлены на рис. 2.

В результате было выделено три основных сегмента потребителей: молодежь в возрасте 17-27 лет со средним доходом 5-7 тыс. руб. в месяц; лица среднего возраста (35-45 лет) со средним доходом 20-25 тыс. руб. в месяц; старшая возрастная группа (50-70 лет) со средним доходом 8-12 тыс. руб. в месяц;

Динамический анализ изменений рынка в 2006-2008 г.г. показал что:

1) средний возраст типичного потребителя в первой группе уменьшается, а общее количество потребителей в данном сегменте растет, что говорит о перспективности данного сегмента;

2) вторая группа несколько размывается и уменьшается, что, по всей видимости, вызвано появлением на рынке большего количества качественного и элитного пива, которое предпочитают представители этой группы. Возможно, что часть данного сегмента отойдет к первой и к третьей группам потребителей.

2006 год

2007 год

2008 год

2009 год

Рисунок 2 – Кластерная структура рынка пива Смоленской области

3) третья группа также несколько размывается, однако емкость сегмента остается стабильной при дрейфе центра кластера в сторону большего дохода.

Анализ показывает, что наблюдаемые изменения характеристик кластеров даже в рамках одной ценовой категории позволяют сделать вывод о целесообразности использования инструментов динамической сегментации.

В третьей главе «Разработка структурной модели и инструментов динамической сегментации нестабильных рынков» предложены обобщенная структурная модель процедуры сегментации изменяющегося во времени рынка пивоваренной продукции; разработанные инструменты динамической сегментации рынка пива с использованием алгоритмов нечеткой кластеризации; модифицированные инструменты построения аппроксимационных моделей для прогнозирования изменения характеристик целевых сегментов рынка в условиях нерегулярности поступления маркетинговой информации.

Структурная модель процедуры сегментации изменяющегося во времени рынка пивоваренной продукции, предполагающая комплексное использование инструментов динамической кластеризации и аппроксимационного анализа характеристик выделенных сегментов, приведена на рис 3.

Рисунок 3 – Структурная модель процедуры динамической сегментации рынка

Структурная модель включает в себя следующие компоненты:

1) Процедура динамической кластеризации. Осуществляет кластеризацию n исходных наблюдений, полученных в некоторый момент времени Ti. Для этого используется алгоритм кластеризации с неизвестным числом кластеров, который осуществляет разбиение исходного множества наблюдений на несколько подмножеств. В результате формируется статическая кластерная модель рынка для различных временных интервалов.

2) Кластерная модель рынка. Описывает полученные сегменты рынка. Кластерная модель рынка характеризуются набором статических показателей, которые могут быть использованы для принятия маркетинговых решений:

  • Центр кластера (с(i)) отражает портрет типового потребителя данного сегмента рынка.
  • Количество объектов в кластере (Ni) – отражает емкость сегмента рынка, соответствующую данному кластеру.
  • Интервал значений  исследуемой характеристики (например, возраста потребителей, дохода и т. д.)-5 исследуемой характеристики (например, возраста потребителей, дохода и т. д.) для кластера i.

Данные параметры характеризуют каждый конкретный кластер, что позволяет рассматривать динамику сегмента, прогнозируя ограниченный набор переменных.

3) Прогностическая аппроксимационная модель. На основании анализа параметров кластерной модели рынка описывает поведение сегментов в динамике. Строится для каждого прогнозируемого параметра сегмента рынка. Кроме того, при построении данной модели отслеживаются изменения в структуре рынка – появление новых и слияние существующих сегментов, что служит своего рода порогом для начала построения новых моделей.

4) Процедура экстраполяции. На основании построенной аппроксимационной модели определяются прогнозируемые значения параметров модели сегмента рынка – , и . Результаты прогнозирования определяются точностью построенной аппроксимационной модели, которая зависит от количества и качества исходных наблюдений.

5) По результатам реализации данной процедуры осуществляется принятие маркетинговых решений по охвату рынка и по работе на целевых сегментах.

Рассмотрим подробнее описанные компоненты указанной структурной модели.

Формально задача кластеризации может быть определена следующим образом. Пусть в начале некоторого интервала времени Т наблюдается – множество векторов в n-мерном пространстве, описывающих объекты кластеризации (потребителей), где n – число характеристик, по которым осуществляется сегментация; – множество выделенных кластеров; – функция расстояния между векторами a и b (используются известные метрики). При этом вектору ставится в соответствие кластер yj, до центра которого расстояние (при использовании выбранной метрики) минимально:

, (1)

где вектор – центр j-го кластера в n-мерном пространстве; при этом обычно .

Через некоторые интервалы T проводится проверка стабильности структуры кластеров, и при необходимости, т.е. при наличии динамических изменений, ее коррекция. С целью исключения влияния неактуальных наблюдений, мониторинг организуется по принципу временного окна, т.е. при анализе кластерной структуры учитываются только объекты, зафиксированные в предпоследнем маркетинговом исследовании.

На практике при осуществлении кластерного анализа рынка число сегментов априори точно неизвестно, поэтому необходимо использовать критерий для оценки результативности разбиения потребителей на сегменты. С одной стороны этот критерий должен удовлетворять условию минимума функции (1), а с другой стороны, должен учитывать изложенные выше требования к сегментам рынка.

В качестве базового критерия оценки качества разбиения выборки потребителей, полученной в ходе маркетингового исследования, на кластеры можно использовать известный критерий Дэйвиса-Болдуина (DBI). DBI рассчитывается для каждого кластера как отношение плотности векторов внутри кластера к расстоянию между кластерами и показывает степень перекрытия кластеров:

, (2)

где векторы – центры j-го и k-го кластеров соответственно.

Показатель для j-го кластера рассчитывается как:

, (3)

где – количество объектов в j-ом кластере.

Из формулы (3) очевидно, что представляет собой некоторый радиус усредненной гиперсферы относительно центра кластера, охватывающей кластер. Из формулы (2) видно, что чем больше эта гиперсфера для некоторого кластера, и чем ближе она к гиперсферам, соответствующим другим кластерам, тем выше вероятность, что кластеры сольются. Однако данное условие справедливо для кластера любого размера, что идет в разрез с требованием к емкости сегмента. Поэтому предложено добавить в формулу (3) для расчета значения нечеткую переменную, которая характеризует емкость кластера:

, (4)

где – весовой коэффициент, определяемый экспертом; – функции принадлежности к термам нечеткого понятия «емкость рынка».

Введение дополнительного параметра приводит к увеличению значения критерия для небольших кластеров, что позволяет объединять большие сегменты с малыми, находящимися от них в непосредственной близости. Такой подход позволяет ориентировать маркетинговую деятельности организации только на достаточно емкие укрупненные сегменты.

В результате интегральный показатель DBI для М кластеров рассчитывается как:

. (5)

Данный интегральный показатель определяется для различных конфигураций, полученных при вариации значений числа кластеров M, и выбирается значение M*, соответствующее минимальному значению показателя DBI. Кластеризацию при определенном числе кластеров M предложено осуществлять с использованием известного алгоритма c-means. На рис. 4 представлена блок-схема алгоритма динамической кластеризации потребителей.

Для осуществления прогнозирования динамики сегмента рынка предложено использовать аппроксимацонные методы. Как правило, статистические данные для формирования модели наблюдаются в нерегулярные моменты времени ti, что делает невозможным использование аппроксимационных моделей, основанных на построении традиционной локальной линейной авторегрессии. В этой связи предложено дополнять множество переменных для построения аппроксимационной модели значениями временных интервалов Ti, через которые поступают результаты маркетинговых исследований рынка.

Рисунок 4 – Блок-схема алгоритма динамической сегментации рынка

Тогда значение прогнозируемое значение сегмента рынка определяется следующим образом:

, (6)

где – коэффициенты модели, которые можно найти с использованием метода «М ближайших узлов», т.е. с использованием данных М ближайших в смысле расстояния приведенных наборов значений (число М полагается заданным), на базе стандартной процедуры метода наименьших квадратов.



Pages:     | 1 || 3 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.