Выбор методов обработки маркетинговой информации

Федеральное агентство по образованию Российской Федерации

Российская международная академия туризма

Восточносибирский институт туризма – филиал РМАТ

Факультет: Менеджмента

Кафедра: Экономики и финансов

КУРСОВОЙ ПРОЕКТ

По дисциплине: Маркетинг

На тему: Выбор методов обработки маркетинговой информации

ВЫПОЛНИЛ:

Студент Якушев А.А.

Курс 4 поток 2 группа 3

ПРОВЕРИЛ:

Преподаватель Колесов Э.В.

Красноярск 2010



СОДЕРЖАНИЕ

Введение

1. Обработка информации

1.1 Информация в маркетинге

1.2 Методы обработки маркетинговой информации

2. Характеристика предприятия «Русли»

2.1 Методы используемые на предприятии

Заключение

Список использованной литературы и источников

Приложение



ВВЕДЕНИЕ

Процесс управления маркетингом не возможен без объективной оценки ситуации на рынке. Выделяют несколько этапов управления анализ рыночных возможностей (проведение маркетинговых исследований);

    отбор целевых рынков (замеры объемов спроса, сегментирование рынков, выбор целевого рынка и позиционирование товара на рынке);

    разработка комплекса маркетинга (разработка товаров, установление цен на товары, формирование каналов дистрибуции и стимулирование сбыта);

    претворение в жизнь маркетинговых мероприятий.

Как мы видим, на каждом этапе маркетолог так или иначе сталкивается с необходимостью исследования рынка, будь то определение оптимальной цены, сегментирование потребителей или оценка эффективности рекламной компании. Цена вопроса может быть достаточно высока, и ошибка обойдется гораздо дороже, чем даже масштабное маркетинговое исследование. При проведении маркетингового исследования потребителей от исследователя требуется не только талант социолога, но и определенное знание методов обработки данных. Сегодняшняя экономика достаточно сложна и многогранна, объем поступающей информации может быть достаточно велик, поэтому суметь вытащить из этого массива данных необходимые зависимости является важной задачей маркетолога. Существующие статистические пакеты позволяют провести достаточно полный и продвинутый анализ. Для грамотного применения многочисленных методов, заложенных в прикладных пакетах, маркетолог должен понимать суть этих методов, их ограничения и степень точности. В противном случае он будет принимать решения на основании неверной информации.

Есть и второй аспект во владении методами обработки данных: понимание процессов, происходящих на рынке с одной стороны, и владение статистическими методами позволяет вытаскивать из имеющихся данных нетривиальные, незаметные на первый взгляд связи, строить обоснованные прогнозы и оценки.

Курсовой проект состоит из двух разделов, в первом разделе дается характеристика маркетинговой информации и методов обработки маркетинговой информации (статистические и аналитические), во второй части дается краткая характеристика предприятия «Русли» и используемых методов обработки в работе предприятия.

Цель курсового проекта:

    Рассмотрение методов обработки маркетинговой информации, как одного из важнейших аспектов для принятия решений в реализации маркетинговой политики.

Задачи курсового проекта:

    Дать определение маркетинговой информации

    Выявить возможные методы обработки маркетинговой информации

    Для каждого метода определить вопросы, ответы на которые позволяют выбрать тот или иной метод

    Охарактеризовать выбранное предприятие и методы, используемые в его работе

Методы, использованные при реализации курсового проекта:

    Метод обработки общего объема данных

    Метод анализа данных, полученных в ходе предыдущего метода

    Метод копировать – вставить, примененный для данных полученных с предприятия.



1. ОБРАБОТКА ИНФОРМАЦИИ

1.1 Информация в маркетинге

Информация является важнейшим основанием для любого маркетингового действия и тем более исследования. Как утверждают многие маркетологи, информационная работа составляет от трети до половины всего объема маркетинговой деятельности. По оценкам некоторых западных специалистов, отсутствие соответствующей системы информационных связей в нашей стране ежегодно обходится обществу в колоссальную сумму — 80—90 млрд. руб. потерь.

Информация в маркетинге бывает первичной и вторичной. Первичная информация чаще всего получается в результате специальных полевых (рыночных) исследований и моделирования, осуществленных в любом случае со специальной целью решить данную конкретную маркетинговую проблему.

Достоинства первичной информации:

- сбор в соответствии с точно поставленной целью;

- известна и контролируема методология сбора;

- результаты доступны для компании и могут ограждаться от конкурентов;

- известна надежность.

Недостатки:

- большое время на сбор и обработку;

- дороговизна;

- сама фирма не всегда может собрать все необходимые данные.

Вторичная информация - это данные, собранные ранее для целей, отличных от целей конкретного маркетингового исследования. Источники вторичной информации делятся на внутренние (документация фирмы: бюджеты, отчеты, счета, запасы, предыдущие исследования и др.) и внешние.

Достоинства вторичной информации:

- дешевизна по сравнению с первичной информацией;

- возможность сопоставления нескольких источников;

- быстрота получения по сравнению со сбором первичной информации.

Недостатки:

- неполнота;

- устареваемость;

- иногда неизвестна методология сбора и обработки;

- невозможность оценить достоверность.

Недостатки вторичной информации обусловлены, прежде всего, тем, что первоначально эта информация собиралась для целей, обычно отличных от целей конкретного маркетингового исследования. Следовательно, для оценки надежности вторичных данных следует ответить на пять основных вопросов:

1. Кто собирал и анализировал данную информацию?

2. Какие цели преследовались при сборе и анализе информации?

3. Какая информация, и каким образом была собрана?

4. Какими методами информация обрабатывалась и анализировалась?

5. Как данная информация согласуется с другой подобной информацией?

Исследования, выполненные на основе вторичной информации, как правило, являются предварительными (обзорными) и носят описательный или постановочный характер. С помощью таких исследований можно определить, например, общеэкономические характеристики рынка, положение в отдельных отраслях, национальные и иные особенности при выходе на зарубежные рынки.

При проведении вторичных исследований значимость внутренней или внешней информации определяется в зависимости от целей исследования и объекта исследования.



1.2 Методы обработки маркетинговой информации

После того как маркетолог собрал информацию, наступает этап оценки и анализа данных. Прежде чем задействовать сложные методы наподобие факторного анализа, используют описательные статистики, чтобы получить общее представление об исследуемых переменных.

Описательные статистики -

Для этого оценивают

1)показатели центра распределения

    средняя (mean)

    мода (mode) - значение переменной, которая чаще всего встречается в ряду распределения.

    медиана (median) - значение переменной, которая приходится на середину частот, слева и справа от нее лежит 50% всех значений.

    сумма (sum)

2)показатели вариации, которые служат для оценки разброса случайной величины вокруг центра распределения.

    дисперсия (variance)= σ2

    стандартное отклонение

    размах –

R=x>max >- x>min>

    максимум и минимум

    межквартильный размах

Q=

    стандартная ошибка средней (S.E. mean) - выборочная средняя, являясь случайной величиной, колеблется вокруг истинного значения средней (если выборка репрезентативна), со стандартным отклонением, равным .

В интервал, равный удвоенной ошибке попадает с вероятностью 67% истинное значение средней совокупности.

3) показатели формы распределения

•ассиметрия (kurtosis):

A=

мера отклонения формы распределения.

от симметричного нормального распределения. В случае наличия ассиметрии распределение скошено влево или вправо. Коэффициент равен 0 , если распределение является симметричным.

•эксцесс (skewness): указывает, является ли распределение пологим или крутым. Коэффициент равен 0 , если распределение является нормальным.

Е=

4). Другие характеристики

•Квартиль (quartile) уровня q - такое значение x>q> случайной величины, при которой функция ее распределения принимает значение, равное q, т.е.

P(X < x>q>) = q

Медиана является частным случаем квантиля при q=0,5.

• Процентная точка (percentile) - квантиль уровня



1-q, т.е. P(X > x>l>>->>q>) = q

Среди аналитических методов в маркетинге часто применяются:

Дисперсионный анализ - С помощью дисперсионного анализа исследуют влияние одной или несколько независимых переменных на одну зависимую переменную или на несколько зависимых переменных. Метод статистического анализа, позволяющий определить достоверность гипотезы о различиях в средних значениях на основании сравнения дисперсий (отклонений) распределений (например, можно проверить гипотезу о различиях двух групп потребителей, выделенных при помощи кластеризации). В отличие от корреляционного анализа дисперсионный анализ не дает возможности оценить тесноту связи между переменными.

По сути, дисперсионный анализ применяют как проверку статистической значимости различий выборочных средних для двух или больше совокупностей. Обычно нулевая гипотеза утверждает, что все выборочные средние равны.

Примеры использования дисперсионного анализа в практике маркетологов:

    Различаются ли разные сегменты рынка с точки зрения объема потребления товара;

    Действительно ли различаются оценки торговой марки группами респондентов, которые посмотрели разные рекламные ролики;

    Различается ли отношение розничных, оптовых торговцев и торговых агентов к политике распределения, проводимой фирмой;

    Зависит ли намерение потребителей приобрести товар данной торговой марки от разницы в уровнях цен;

    Влияет ли осведомленность потребителей о магазине (высокая, средняя и низкая) на предпочтение данного магазина.

Однофакторная модель имеет вид –



x>ij>> >= μ + F>i>> >+έ>ij>

Двухфакторная модель имеет вид –

ч>шо = >μ + А>+ П> + Шшо + ε>шоло>

Где F>i >- эффект, обусловленный влиянием i-го уровня фактора А.

G>j>> >- эффект, обусловленный влиянием i-го уровня фактора B.

Iij – эффект, обусловленный взаимодействием двух факторов, т.е. отклонение от средней по ячейке x>ij>> >от суммы слагаемых μ + F>i >+ G>j>>.>

Идея дисперсионного анализа состоит в следующем. Вспомним правило сложений дисперсий: общая дисперсия равна сумме межгрупповой и средней из внутригрупповых дисперсий.

σ2 = + δ

Разновидности дисперсионного анализа:

По числу факторов (независимых переменных):

    один фактор (однофакторный анализ);

    несколько (многофакторный анализ)

По виду факторов:

    метрическая, интервальная;

    порядковая

По виду зависимой переменной:

-категориальная (обычный дисперсионный анализ);

    интервальная или метрическая (ковариационный анализ)

По числу зависимых переменных:

    одна;

-несколько (многомерный дисперсионный).

По виду проверяемой гипотезы:

-общее различие средних;

    различия конкретных средних (множественные контрасты).

По виду проверяемых групп:

    различные группы;

    одна и та же группа (повторными измерениями).

Кластерный анализ - это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается неким набором переменных. Кластерный анализ - способ классификация объектов на относительно гомогенные (однородные) группы, исходя из рассматриваемого набора переменных. Объекты в группе относительно схожи с точки зрения этих переменных и отличаются от объектов в других группах.

Решаемые задачи:

Кластерный анализ используют в маркетинге для различных целей.

•Сегментация рынка. Например, потребителей можно разбить на кластеры на основе выгод, которые они ожидают получить от покупки данного товара. Каждый кластер может состоять из потребителей, которые ищут схожие выгоды. Этот метод называют сегментаций преимуществ . Мы проиллюстрируем его на следующем примере.

В исследовании, посвященном моделям принятия решений людьми, проводящими свой отпуск за рубежом, маркетологи получили от 260 респондентов информацию, касающуюся шести психографических направлений: психологического, образовательного, социального, релаксационного, физиологического и эстетического. Для разбивки респондентов на психографические сегменты использовали кластерный анализ. Первый сегмент (53%) состоял из людей с высоким (или близким к нему) уровнем жизни. Эту группу назвали "требовательными". Во вторую группу (20%) входили лица с высоким образовательным уровнем, ее назвали "интеллектуалы". Лица, входящие в последнюю группу (26%), оказались большими любителями релаксации (развлечений). Они получили низкую оценку по социальной шкале, и были названы "беглецами" (от действительности). Чтобы привлечь отпускников в каждый из сегментов, разработали специальные маркетинговые стратегии.

• Понимание поведения покупателей. Кластерный анализ используется для идентификации однородных групп покупателей. Затем поведение каждой группы при покупке товара изучается отдельно, как, например, в проекте "Выбор универмага". В этом случае респондентов разбили на группы, исходя из оценок важности, которую они присвоили каждому критерию, используемому для выбора универмага. Кластерный анализ также использовали, чтобы определить виды стратегий, применяемых покупателями автомобилей для получения внешней информации.

    Определение возможностей нового товара. Кластеризацией торговых марок и товаров можно определить конкурентоспособные наборы в пределах данного рынка. Торговые марки в одном и том же кластере конкурируют более жестко между собой, чем с марками других кластеров. Фирма может изучить свои текущие предложения в сравнении с предложениями своих конкурентов, чтобы определить потенциальные возможности новых товаров.

    Выбор тестовых рынков. Группировкой городов в однородные кластеры можно подобрать сравнимые города для проверки различных маркетинговых стратегий.

    Сокращение размерности данных. Кластерный анализ можно использовать как основной инструмент сокращения размерности данных при создании кластеров или подгрупп данных, более удобных для анализа, чем отдельные наблюдения. Последующий многомерный анализ выполняют над кластерами, а не над отдельными наблюдениями. Например, чтобы описать отличия в поведении потребителей по отношению к товарам, их вначале разбивают на группы. Затем различия между группами проверяют с помощью множественного дискриминантного анализа

Важно отметить еще одну особенность применения кластерного анализа в сегментировании. Кластерный метод призван выделять группы из исходного множества объектов. Результатом его применения всегда является некоторый набор групп объектов. Однако получаемое разбиение может и не соответствовать гипотезе аналитика о существовании «реальной» сегментной структуры. Поэтому при применении кластерного анализа аналитик вынужден проводить многочисленные эксперименты, позволяющие совместить его представление о реальной структуре рынка с конкретными вычисляемыми результатами. Выделяемые реальные группы объектов позволяют аналитику убедиться в правильности своих представлений о сегментной структуре рынка.

Теория Выбор переменных

Возможно, самая важная часть формулирования проблемы кластеризации - это выбор переменных, на основе которых проводят кластеризацию. Включение даже одной или двух посторонних (не имеющих отношение к группированию) переменных может исказить результаты кластеризации. Задача состоит в том, чтобы выбранный набор переменных смог описать сходство между объектами с точки зрения признаков, имеющих отношение к данной проблеме маркетингового исследования. Переменные следует выбирать, исходя из опыта прошлых исследований, теории или тестируемой гипотезы. Экспериментатор должен обладать интуицией и уметь делать выводы.

Нормирование значений переменных

Смысл нормирования состоит в приведении численных значений выбранных переменных к одному масштабу. Методика нормирования была рассмотрена выше.

Измерение расстояний или меры близости между объектами

Цель кластеризация - группирование схожих объектов. Поэтому для того чтобы оценить, насколько они похожи или непохожи, необходимо использовать некую единицу измерения. Наиболее распространенный метод заключается в том, чтобы в качестве такой меры использовать расстояния между двумя объектами. Объекты с меньшими расстояниями между собой больше похожи, чем объекты с большими расстояниями.

Выбор метрики зависит от главных целей исследования, физической и статистической природы изучаемых явлений. Существует несколько способов вычисления расстояния между двумя объектами, из них наиболее распространенные на пример:

    Евклидова – расстояние

(x,y) = {>i> (x>i> - y>i>)2 }1/2

    Квадрат евклидова расстояния – расстояние

(x,y) = >i> |x>i> - y>i>|

    Расстояние Чебышева –

расстояние(x,y) = Максимум |x>i> - y>i>|

Регрессионный анализ - Регрессионный анализ - статистический метод, предназначенный для оценки влияния различных факторов на результат эксперимента, прогноза неизвестных значений зависимой переменной.

Примеры использования дисперсионного анализа в практике маркетологов:

    Можно ли вариацию в объеме продаж объяснить расходами на рекламу"

    Какова форма этой зависимости и можно ли ее выразить в виде уравнения, описывающего прямую линию"

    Какую долю вариации объема продаж можно объяснить расходами на рекламу, ценами и дистрибуцией?

    Чему равен вклад расходов на рекламу в объяснении вариации объема продаж при контролируемых переменных - уровнях цен и распределения?

    Какие объемы продаж можно ожидать, исходя из данных уровней расходов на рекламу, цен и уровня распределения?

Регрессионная модель имеет вид –

y>i> = ƒ (x) + ε = θ>0> +θ>1>x>i>> + >i>

где

y>i> - зависимая переменная;

x>i> - независимая переменная (фактор);

θ>0>, θ>1> - параметры функции регрессии;

ε>i> - случайная переменная, характеризующая отклонение от функции регрессии. Таким образом, переменная y>i> есть линейная функция от переменной x>i> с точностью до случайного возмущения ε>i>.

Свойства коэффициентов регрессии существенным образом зависят от свойств случайной составляющей. Чтобы регрессионный анализ, основанный на обычном методе наименьших квадратов, давал наилучшие результаты, случайный член должен удовлетворять определенным условиям. Именно понимание важности этих условий отличает компетентного исследователя, использующего регрессионный анализ, от некомпетентного. Если эти условия не выполнены, исследователь должен это осознавать. Если корректирующие действия возможны, то аналитик должен быть в состоянии их выполнить. Если ситуацию исправить невозможно, исследователь должен быть способен оценить, насколько серьезно это может повлиять на результаты.

Факторный анализ - Факторный анализ (factor analysis) - это общее название для класса методов, используемых, главным образом, для сокращения числа переменных и их обобщения.

Идея метода состоит в сжатии матрицы признаков в матрицу с меньшим числом переменных, сохраняющую почти ту же самую информацию, что и исходная матрица. В основе моделей факторного анализа лежит гипотеза, что наблюдаемые переменные являются косвенными проявлениями небольшого числа скрытых (латентных) факторов. Обычно под моделью факторного анализа понимают представление исходных переменных в виде линейной комбинации факторов.

X>i> =

Сами факторы неизвестны. Но их можно выразить через значения исследуемых переменных. Факторы, выраженные через исходные переменные сегментирования, интерпретируются как существенные внутренние характеристики потребителей.

Факторы F построены так, чтобы наилучшим способом (с минимальной погрешностью) представить X. В этой модели "скрытые" переменные F>k> называются общими факторами, а переменные U>i> специфическими факторами. Обычно (хотя и не всегда) предполагается, что X>i> стандартизованы (=1, Xi=0), а факторы ,F>2>,...,F>m> независимы и не связаны со специфическими факторами U>i> (хотя существуют модели, выполненные в других предположениях). Предполагается также, что факторы F>i> стандартизованы.

В этих условиях факторные нагрузки a>ik> совпадают с коэффициентами корреляции между общими факторами и переменными X>i>

Факторный анализ используют в следующих ситуациях:

    Для определения основных факторов, которые объясняют связи в наборе переменных. Например, можно использовать набор высказываний об образе жизни для измерения психографических профилей потребителей. Затем эти высказывания подвергают факторному анализу, чтобы определить основные психографические факторы.

    Для определения нового, меньшего по размеру, набора некоррелирующих переменных, заменяющих исходный набор коррелирующих переменных, на основании которого дальше выполняется многомерный анализ (регрессионный или дискриминантный). Например, выявленные психографические факторы можно использовать как независимые переменные при объяснении различий между лояльными и нелояльными потребителями.

Факторный анализ широко используется в маркетинговых исследованиях.

    При сегментации рынка для определения латентных переменных с целью группировки потребителей. Например, покупателей новых автомобилей можно сгруппировать в зависимости от того, на что они обращают внимание при покупке автомобиля: экономию, удобства, рабочие характеристики автомобиля, комфорт и респектабельность

    При разработке товарной стратегии факторный анализ используется для определения характеристик торговой марки, влияющих на выбор потребителей. Конкретные торговые марки зубных паст оценивают с точки зрения защиты от кариеса, отбеливания зубов, вкуса, приятного запаха и цены.

    При разработке рекламной стратегии маркетологи с помощью факторного анализа пытаются понять, каким передачам отдают предпочтение потребители целевого рынка. Покупатели замороженных продуктов, например, могут смотреть кабельное телевидение, любить фильмы определенного жанра и музыку в стиле "кантри".

■ При разработке стратегии ценообразования факторный анализ определяет характеристики потребителей, чувствительных к цене. Например, может оказаться, что они стремятся к экономии и ориентированы на домашний отдых.

Один из наиболее распространенных методов поиска факторов, метод главных компонент, состоит в последовательном поиске факторов. Существуют и другие методы оценки общих факторов. Они включают: метод невзвешенных наименьших квадратов, обобщенный метод наименьших квадратов, метод максимального правдоподобия, альфа-факторный метод, распознавания образов. Эти методы сложнее, и их не рекомендуется использовать неопытным аналитикам. Следует отметить, что метод главных компонент хорошо работает при числе признаков порядка 10-15. Если число признаков больше 20, то следует использовать другие методы факторного анализа.

Дискриминантный метод - Дискриминантами анализ включает в себя статистические методы классификации многомерных наблюдений в ситуации, когда наблюдатель обладает так называемыми обучающими выборками ("классификация с учителем").

Решаемые задачи:

Дискриминантный анализ используется:

    для принятия решения о том, какие переменные наилучшем образом различают (дискриминируют) две или более возникающие совокупности (группы).

    классификация новых объектов на основе выявленных зависимостей.

    составление карты восприятия

В маркетинговых исследованиях можно привести массу примеров применения дискриминантного анализа. Так, с помощью этого метода можно получить ответы на следующие вопросы:

•Чем, с точки зрения демографических характеристик, отличаются приверженцы данного магазина от тех, у кого эта приверженность отсутствует"

•Какие психографические характеристики помогают провести различия между восприимчивыми и невосприимчивыми к цене покупателями бакалейных товаров"

•Различаются ли между собой различные сегменты рынка по своим предпочтениям к средствам массовой информации"

    Какие существуют различия между постоянными покупателями местных универсальных магазинов и постоянными покупателями общенациональных сетей универмагов с точки зрения стиля жизни"

    Какими отличительными характеристиками обладают потребители, реагирующие на прямую почтовую рекламу"

В общем случае задача различения формулируется следующем образом: В результате наблюдения над объектом мы определили значения его k признаков

х = (>2>,...,х>)

Требуется установить правило, согласно которому по наблюденному значению вектора х объект относят к одной из возможных совокупностей , i=1,2..,l. Для построения правила дискриминации все выборочное пространство R вектора х разбивается на области R i=1,2..,l, так что при попадании х в объект относят к совокупности .

Правило дискриминации выбирается в соответствии с определенным принципом оптимальности на основе априорной информации о вероятностях p извлечения объекта из K>t> .Очевидно, что рекомендации будут тем точнее, чем полнее исходная информация.

Виды дискриминантного анализа:

1. Дискриминантный анализ для двух групп Метод дискриминантного анализа, когда зависимая переменная имеет две категории

2.Если анализируют три или больше категорий, то метод называют множественным дискриминантным анализом.

Главное отличие между ними заключается в том, что при наличии двух групп возможно вывести только одну дискриминантную функцию. Используя множественный Дискриминантный анализ, можно вычислить несколько функций (а точнее число групп минус один).

Этапы выполнения дискриминантного анализа:

1. Формулировка проблемы

Определения целей, зависимой переменой и независимых переменных. Зависимая переменная должна состоять из двух или больше взаимоисключающих и взаимно исчерпывающих категорий. Если зависимая переменная измерена с помощью интервальной или относительной шкалы, то ее следует, в первую очередь, перевести в статус категориальной. Например, отношение к торговой марке, измеренное по семибалльной шкале, можно категоризировать как неблагоприятное, нейтральное и благоприятное.

Следующий шаг - разделение выборки на две части. Одна из них - анализируемая выборка (analysis sample) - используется для вычисления дискриминантной функции.

Другая часть - проверочная выборка - предназначена для проверки дискриминантной функции.

Когда выборка достаточно большая, ее можно разбить на две равные части. Одна служит анализируемой выборкой, а другую используют для проверки. Затем роль этих половинок взаимно меняют и повторяют анализ

2. Определение коэффициентов дискриминантной функции

После определения анализируемой выборки мы можем вычислить коэффициенты дискриминантной функции, используя два метода.

1) Прямой метод - вычисление дискриминантной функции при одновременном введении всех предикторов.

2) Пошаговый метод - предикторы вводят последовательно, исходя из их способности различить (дискриминировать) группы.

3. Интерпретация результатов

4. Оценка достоверности дискриминантного анализа



2. ХАРАКТЕРИСТИКА ПРЕДПРИЯТИЯ «Русли»

Компания «РУСЛИ» образована в 1996 г.

Головное предприятие и производство находится в г. Красноярске.

Сеть представительств за (более чем) десять лет работы на рынке распространилась за пределы города и края. Прямые поставки уже осуществляются в Екатеринбург, Омск, Кемерово, Новосибирск, Новокузнецк и Абакан.

Основным направлением производства является обработка, обжарка и фасовка семян подсолнечника, кедрового ореха, фисташки и арахиса. При этом технологии и разработанные специалистами компании рецептуры позволяют воплощать самые смелые вкусовые идеи и радовать потребителей новинками. Продукция компании изготовлена только из натуральных продуктов, содержащих витамины и аминокислоты, необходимые для здоровья и хорошего настроения.

Компания «Русли» включает в себя ряд управленческих и производственных отделов. Специалисты в области технологий производства, контроля качества, продвижения продукции, снабжения и транспортной логистики, маркетинга и рекламы работают сплоченной творческой командой, целью которой является развитие компании, расширение предложений, создание продукта высокого качества, отвечающего требованиям и пожеланиям потребителя в любом уголке нашей страны.

Миссия компании

Миссией компании «Русли» является формирование и поддержание образа лидирующего поставщика качественной снековой продукции на территории России в понимании действующих и потенциальных потребителей нашей услуги.

На протяжении десяти лет компания «РУСЛИ» зарекомендовала себя надежным партнером. С нами сотрудничают крупные торговые сети региона, такие как «Командор», «Алпи», «Красный Яр», «Каравай», «Пятерочка».

Партнерские отношения сложились с крупными оптовыми компаниями города и края.

За последний год компании благодаря реализованному проекту «Van-selling», большинство торговых точек категории С в Красноярске проявили интерес к нашей продукции и заключили договоры сотрудничества.

География продаж расширяется. На сегодняшний день в городах Красноярского края, Новосибирской, Омской, Кемеровской областей, в республике Хакасия, в городе Екатеринбурге есть представительства компании «РУСЛИ».

Индивидуальный подход к каждому клиенту, маркетинговая поддержка, гибкие условия сотрудничества позволяют нам поддерживать устойчивые деловые отношения с партнерами.

Компания владеет марками - «Чудные», «Кубики», GrЫzli.

Ассортимент компании представлен 40 наименованиями – это семечки жареные, соленые, тыквенные, фисташки арахис и т.д.

В год компания выпускает в среднем около 1 тыс. тонн готовой продукции. На местном рынке «Русли» с самого начала вышла в лидеры, занимая на старте до 80% емкости своего сегмента. Сегодня, учитывая значительно возросшую конкуренцию (на рынке присутствует, как минимум, пять основных игроков), компания сохраняет ведущие позиции с долей в 30%.

Годовой оборот компании составляет около 3,5 млрд. рублей.

Основными потребителями марки «Чудные» женщины в возрасте 40 лет, марки GrЫzli молодеешь в возрасте 23 лет.

2.1 Методы, используемые на предприятии «Русли»

Одной из важнейшей составляющей для получения годового оборота на предприятии «Русли» является грамотная обработка полученной маркетинговой информации.

В своей работе, маркетологи в достаточной мере используют аналитические методы обработки информации, так как было указано ранее, каждый аналитический метод может дать ответ на различные вопросы.

дисперсионный анализ

    Различается ли отношение розничных, оптовых торговцев и торговых агентов к политике распределения, проводимой фирмой – основными потребителями продукции на краевом рынке являются розничные торговцы, их доля составляет порядка 48%, от всего объема продаж. Оптовые торговцы и контр агенты делят оставшуюся часть пополам 26 и 26% соответственно. Данная политика полностью поддерживается в краевом регионе. Однако же на рынках других регионов ситуация несколько меняется – доля всех торговых партнеров примерно равно 33,1%, но 13% розничных торговцев не довольны такой политикой распределения, считая ее по отношении к себе слишком заниженной.

    Зависит ли намерение потребителей приобрести товар данной торговой марки от разницы в уровнях цен – согласно данному пункту проведенного анализа, выяснено что таки да, потребители намерены приобрести товар в оговоренных условиях. Компания «Русли» как ведущий производитель снековой продукции держит уровень своих цен ниже чем на 2-3% от конкурентов, что достаточно влияет на намерения потребителей, вкупе с высоким уровнем качества продукции.

    Имеет ли влияние выбор каналов сбыта на объем сбыта – продукция производимая «Русли» прежде всего направлена на массовость, в связи с этим выбор основным каналом сбыта розничного торговца является само собой разумеющимся, дающая порядка 53% объема сбыта.

Кластерный анализ – используя кластерный анализ маркетологи «Русли» в первую очередь составляют распределение групп покупателей по возрасту, что выглядит примерно так –



«Чудные»

GrЫzli

Факторный анализ - При сегментации рынка для определения латентных переменных с целью группировки потребителей – покупатели группируются в зависимости от того на что они в первую очередь обращают внимание –

    Из 100% процентов опрошенных покупателей 13% обращают внимание в первую очередь на объем упаковки, 26% обращают внимание на слоган, а 24% обращают внимание на цвет упаковки. Остальные же покупатели не придают особого значения и покупают что первым увидят.



ЗАКЛЮЧЕНИЕ

В заключении, можно сказать, что проведение маркетингового исследования – это сложный многоступенчатый процесс, требующий глубокого знания объекта изучения, от точности, качества и своевременности которого зависит во многом успешное функционирование всего предприятия.

Маркетинговые исследования становятся инструментом, с помощью которого существенно снижается риск предпринимательства, поставщика посредника и возрастает качество решения задач потребителя.

А одним из этих инструментов является грамотное понимание и умение пользоваться методами обработки маркетинговой информацией, для более точного прогнозирования и принятия решений.

В данном проекте были проанализированы основные методы обработки маркетинговой информацией и выявлены вопросы ответы на которые влияют на выбор того или иного метода.

Были кратко рассмотрены предприятие «Русли», а также методы обработки, используемые на предприятии. Можно сказать, что предприятие довольно активно пользуется методами, но использовать все методы нецелесообразно.

Так как не все они требуются в плане поставленных задач.



СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ И ИСТОЧНИКОВ

    Айвазян С.А., Мхитарян B.C. Теория вероятностей и прикладная статистика. - М., 2001 Т.1

    Айвазян С.А. Основы эконометрики. - М., 2001 Т.2

    Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз: Учебное пособие. -М., 2001

    Божук С.Г. Маркетинговые исследования. - Спб., 2003

    Боровиков B. Statistika: искуство анализа данных на компьютере. - Спб,

    Бююль А., Цефель П. SPSS: искусство обработки информации. - Спб, 2002.

    Голубков Е.П. Маркетинговые исследования: теория, методика и практика. - М., 2000

    Девятко И.Ф. Методы социологического исследования. - М., 2002

    Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы.- М., 2000.

    Костерин А.Г. Практика сегментирования рынка. - Спб., 2002

    Кремер Н.Ш. Теория вероятностей и математическая статистика. - М., 2003

    Литтл Р.Дж., Рубин Д.Б. Статистический анализ данных с пропусками. - М., 1990

    Малхотра Н.К. Маркетинговые исследования. Практическое руководство. -М.,2002

    Мангейм Дж.Б., Рич Р.К. Политология. Методы исследования: Пер. с англ.

    Теория статистики/ под ред. Р.А. Шмойловой - М., 2002.

    Толстова Ю.Н. Измерения в социологии.-М., 1998

    Трошин Л.И. Анализ нечисловой информации. - М: МЭСИ, 1998

    Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. - М., 2003

    Туркин В.С. Методы обработки маркетинговой информации М. 2004г.

    Черчилль Г.А. Маркетинговые исследования. - Спб, 2000.