Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Часть II. Разработка плана исследования 23 страница




мя задействования независимого фактора.

Проведение серии измерений до и после задействования независимого фактора обеспечи-

вает по крайней мере частичный контроль за некоторыми посторонними факторами. В частно-

сти, такой контроль обеспечивается для фактора зрелости в единицах наблюдения, поскольку

этот фактор не может избирательно влиять лишь на результаты отдельных измерений, скажем,

О5 и ОА, но повлияет и на результаты всех остальных измерений. Поэтому можно считать кон-

тролируемыми факторы основного эффекта тестирования, инструментария и статистической

регрессии. Если единицы наблюдения отбираются случайным образом или из аналогичных

пар, то отклонение отбора можно значительно сократить. Несколько проблематичен фактор

убыли, однако и его можно нивелировать, предложив респондентам вознаграждение за участие

в опросе либо применив какие-либо другие стимулы. Основной недостаток модели временных

рядов — отсутствие контроля исторического фактора. Другой недостаток — невозможность уст-

ранения влияния интерактивного эффекта тестирования, поскольку проводится неоднократ-

ное измерение факторов-характеристик на базе одних и тех же респондентов. Тем не менее эта

модель весьма полезна, что и подтверждается нижеприведенным примером. Эффективность

пробного рекламного ролика (X) после его трансляции заданное количество раз можно оценить

на основе опроса заранее определенной экспериментальной выборки респондентов. Хотя ис-

следователь устанавливает время и частоту трансляции ролика, он тем не менее не может уве-

ренно утверждать, сколько раз и где его прослушал каждый отдельный респондент из выборки,

Покупки респондентов из выборки регистрируются до, во время и после трансляции ролика,

чтобы определить, имеет ли последний кратковременный, долговременный или нулевой эф-

фект на покупательское поведение респондентов.

290 Часть II. Разработка плана исследования

Модель множественных временных рядов

Модель множественных временных рядов (multiple time series design)

Модель временных рядов, при которой, кроме экспериментальной группы, используется и

контрольная группа.

Модель множественных временных рядов (multiple time series design) аналогична по содержа-

нию модели временных рядов, за исключением того, что при ней используется, кроме основ-

ной группы, еще и контрольная. Эту модель можно представить следующим образом:

0,0203 04 05Х 0,0708 09 Ow

О, 02 03 О, 05 Ол 07 08 09 От

При условии правильного отбора респондентов в контрольную группу эта модель дает

более надежные результаты, чем модель временных рядов. Надежность возрастает за счет

двоякого сравнения результатов измерений: в экспериментальной группе до и после за-

действования независимой переменной и по сравнению с контрольной. Применительно к

ситуации с оценкой эффективности рекламы данная модель выглядит так: пробный рек-

ламный ролик показывают отобранным респондентам лишь в некоторых городах. Респон-

денты в этих городах составят экспериментальную группу, в городах, где реклама не де-

монстрировалась, — контрольную группу. Еще один пример применения этой модели —

многократная демонстрация рекламного ролика по каналам кабельного телевидения ком-

панией ADTEL.

ПРИМЕР. Интенсивность рекламы повышает ее эффективность

Модель множественных временных рядов использовалась для оценки кумулятивного

I эффекта интенсификации рекламы. Данные получены от Burke Marketing Services. Inc., из

I полевого эксперимента с изменением интенсивности рекламы фирмы ADTEL по кабельно-

I му телевидению. Сформированы две одинаковые панели домохозяйств: экспериментальная

i и контрольная. Эти две панели сходны по своим демографическим характеристикам. Сбор

1 данных проводился в течение 76 недель. Обеим панелям реклама анализируемого продукта

I демонстрировалась по кабельному телевидению с одинаковой интенсивностью в течение \

j первых 52 недель. Затем в течение следующих 24 недель экспериментальной панели реклама

| продукта демонстрировалась с интенсивностью, в два раза превышающей интенсивность

I рекламы того же продукта в тот же период времени для контрольной панели. Результаты

I свидетельствовали о том, что с увеличением интенсивности рекламы количество покупок

I данного продукта немедленно возрастало. Такого рода информация может использоваться

I для разработки стратегии рекламной кампании (т.е. определения количества показов рекла-

[ мы в отдельные периоды времени на протяжении рекламной кампании для получения мак-

1 симального эффекта) [19].

В заключение рассмотрения моделей предварительного эксперимента, действительного

эксперимента и псевдоэксперимента приведена табл. 7.3, обобщающая данные обо всех воз-

можных факторах влияния на достоверность результатов, полученных применением каждой из

этих моделей.

Знак "минус" означает относительно ослабляющее воздействие данного фактора; "плюс"

означает, что соответствующий фактор контролируемый; знак вопроса означает, что характер

воздействия фактора неопределен, но существует потенциальная проблема: наконец, пропуск

означает, что фактор не влияет на результаты, полученные в соответствии с данной моделью,

При этом необходимо помнить, что потенциальные факторы недостоверности и реальные по-

грешности в результатах — это не одно и то же.

Глава 7. Причинно-следственное маркетинговое исследование: эксперимент 291

Таблица 7.3. Причины недостоверности различных моделей эксперимента

Фактор, обуславливающий недостоверность

Внутреннюю Внешнюю

Модели Исгори- Зрелости Гестиро- Инсгру- Регрес- Отбора Убыли Взаимодейст-

ческий вания мента- сии вия процесса

рня тестирования

и независимо-

го фактора X

Модели предварительного эксперимента

Однократное исследование

X О

Предварительное и итоговое? +

исследование с одной группой

респондентов 0 X 0

Сопоставление статичных + + + +

групп

ХО

О

Модели действительного эксперимента

Предварительное и итоговое + + + + + + +

исследование с использовани-

ем контрольной группы

ЯО X О

RO О

Модель итогового исследова- + + + + + + + +

ния с использованием кон-

трольной группы

Я X О

Н О

Модели псевдоэксперимента

Временные ряды + +? + + +

000X000

Множественные временные + + + + + + +

ряды

000X000

000 000

СТАТИСТИЧЕСКИЕ МОДЕЛИ

Статистические модели предполагают проведение нескольких серий измерений, дающих

возможность статистическими методами контролировать и анализировать влияние посторон-

них факторов. Иными словами, несколько одинаковых экспериментов проводится одновре-

менно. Таким образом, на результаты, полученные в рамках статистического моделирования,

влияют те же факторы недостоверности, что и на результаты, полученные в рамках базовых мо-

делей. Статистические модели имеют следующие преимущества.

292 Часть II. Разработка плана исследования

1. Можно измерить влияние более чем одного независимого фактора.

2. Конкретные посторонние факторы поддаются статистическому контролю.

3. Экономически значимые выводы можно сделать при условии, что проводится более одного

измерения каждой единицы.

Наиболее распространенными статистическими моделями являются модели случайных

групп, латинского квадрата и факториальные методы.

Модель случайных групп

Модель случайных групп (randomized block design)

Статистическая модель, при которой единицы наблюдения объединяются в отдельные

категории в зависимости от значения какого-либо постороннего фактора для равномер-

ного включения представителей каждой такой группы в экспериментальную и контроль-

ные группы.

Модель случайных групп (randomized block design) полезна в тех случаях, когда существует

только один значимый посторонний фактор (такой как объем продаж, доходы респондента,

размер магазина), способный повлиять на значение зависимой переменной. Единицы наблю-

дения разбиваются по категориям в зависимости от значений этого постороннего фактора. Ис-

следователь должен иметь возможность определить и измерить разницу в значении посторон-

него фактора между отдельными категориями. Выделением категорий единиц наблюдения ис-

следователь обеспечивает равное представительство единиц наблюдения из каждой категории в

экспериментальных и контрольных группах, формируемых для проведения эксперимента.

СКВОЗНОЙ ПРИМЕР. ВЫБОР УНИВЕРМАГА

I Модель случайных групп

Рассмотрим пример анализа рекламы в универмаге с точки зрения того, каким образом

юмор влияет на ее эффективность. Три образца рекламных роликов А, В и С созданы соот-

ветственно в серьезном стиле, с легким юмором и в шуточном стиле. Какой из них наиболее

эффективен? Менеджеры универмага предполагают, что оценка респондентами рекламных

роликов зависит от того, являются ли они постоянными покупателями данного универмага;

таким образом, частота совершения покупок в данном универмаге определена как критерий

формирования категорий респондентов. Случайным образом выбранные респонденты

сгруппированы в четыре категории (постоянные покупатели; лица, периодически совер-

шающие покупки; лица, изредка совершающие покупки; лица, не являющиеся покупате-

лями данного универмага). Представители каждой категории случайным образом включа-

ются в экспериментальные группы, которым будут продемонстрированы рекламные роли-

ки. Результаты эксперимента позволяют сделать вывод о том, что рекламный ролик в легком

юмористическом стиле (В) наиболее эффективный (табл. 7.4) [20].

Таблица 7,4. Пример применения модели случайных групп

Экспериментальные группы, которым демонстрируется

Номер категории Частота совершения покупок в универмаге

1 Постоянно

2 Периодически

3 Изредка

4 Никогда

Ролик А Ролик в Ролик С

Глава 7. Причинно-следственное маркетинговое исследование: эксперимент 293

Как показывает пример, в большинстве случаев маркетинговых исследований посторонние

факторы, такие как объем продаж, размер магазина, тип магазина, его расположение, род заня-

тий и социальный статус респондентов, влияют на значения зависимых переменных. Таким

образом, модель случайных групп употребляется чаще, чем модели, основанные на случайном

отборе респондентов. Однако основным недостатком этой модели является то, что исследова-

тель с ее помощью может в каждом отдельном случае контролировать только один посторонний

фактор. Б ситуациях, когда необходимо контролировать несколько посторонних факторов од-

новременно, используются модель Латинского квадрата или факториальные модели.

Модель латинского квадрата

Модель латинского квадрата (Latin square design)

Статистическая модель, позволяющая наряду с манипуляциями с независимой переменной

контролировать два невзаимосвязанных посторонних фактора.

Модель латинского квадрата (Latin square design) позволяет наряду с манипуляциями с незави-

симой переменной контролировать два невзаимосвязанных посторонних фактора. В зависимости

от значений каждого из двух контролируемых посторонних, или категориальных, факторов выде-

ляется одинаковое количество категорий респондентов. Одновременно выделяется такое же коли-

чество значений независимого фактора. Модель латинского квадрата можно представить в виде

таблицы (табл. 7.5), в которой колонки и строки представляют собой отдельные категории рес-

пондентов, выделенные в зависимости от значений каждого из посторонних факторов. Таким об-

разом, каждая ячейка таблицы представляет группу респондентов, удовлетворяющую одновре-

менно условиям принадлежности к одной из категорий каждого из двух контролируемых посто-

ронних факторов. Затем устанавливается соответствие между значениями независимой

переменной и группами респондентов, попавшими в каждую ячейку таблицы. Правило установ-

ления соответствия заключается в том, что каждое значение независимого фактора должно появ-

ляться только один раз в каждой строке и в каждом столбце, как показано в табл. 7.5.

I. Таблица 7.5. Пример применения модели латинского квадрата

Заинтересованность в информации об универмаге

Частота покупок в универмаге Высокая Средняя Низкая

Постоянно

Периодически

Изредка или никогда

В

С

А

А

В

С

С

А

В

Примечание. А, В и С — три образца рекламных роликов, выполненных соответственно в серьезном стиле, в легком юмори-

стическом и шуточном стиле.

Хотя модель латинского квадрата весьма популярна в маркетинговых исследованиях, она

все же не свободна от недостатков. Ее применение требует выделения одинакового количества

категорий респондентов по обоим контролируемым посторонним факторам и такого же коли-

чества значений базисного фактора, что иногда проблематично. Примечательно, что в приве-

денном примере потребовалось объединить покупателей, редко совершающих покупки в уни-

вермаге, и лиц, не являющихся покупателями универмага, в.одну категорию для того, чтобы

применение модели латинского квадрата стало возможным. Кроме того, можно контролиро-

вать одновременно только два посторонних фактора. Контроль большего количества посторон-

них факторов возможен при применении одного из вариантов этой модели, модели греко-

латинского квадрата- Кроме того, модель латинского квадрата не позволяет определить характер

взаимодействия посторонних факторов между собой или с независимым фактором. Для ана-

лиза взаимодействий такого рода необходимо использовать факторные модели.

294 Часть II. Разработка плана исследования

СКВОЗНОЙ ПРИМЕР. ВЫБОР УНИВЕРМАГА

Модель.чатинского квадрата

Для иллюстрации применения модели латинского квадрата допустим, что в описанном

выше примере в дополнение к постороннему фактору частоты совершения покупок в дан-

ном универмаге необходимо контролировать еще и посторонний фактор степени заинтере-

сованности в информации о данном универмаге, для которого установлены такие катего-

рии: высокая, средняя и низкая. Чтобы применить модель латинского квадрата, придется

также объединить покупателей, совершающих покупки в универмаге изредка, с теми, кто

никогда не совершает здесь покупок, в одну категорию. Выбор рекламных роликов для де-

монстрации группе респондентов в каждой ячейке сделан так, как показано в табл. 7.5.

Примечательно, что каждый из рекламных роликов А, В и С появляется в каждой строке и в

каждой колонке таблицы только один раз.

Факторная модель

Факторная модель (factorial design)

Статистическая экспериментальная модель, применяемая для измерения влияния различных

значений двух и больше независимых переменных, между которыми допускается взаимо-

действие.

Факторная модель (factorial design) измеряет влияние различных значений двух и больше

независимых переменных. В отличие от модели случайных групп и латинского квадрата, фак-

торная модель допускает взаимодействие между независимыми факторами [21]. Взаимодейст-

вие между факторами возникает, если их совместное воздействие отличается от простого сум-

марного воздействия обоих факторов. Например, респондент может назвать своим любимым

напитком кофе, а отдавать предпочтение охлажденным напиткам. Однако это не значит, что

данный респондент изо всех напитков предпочитает холодный кофе, что свидетельствует о на-

личии эффекта взаимодействия между анализируемыми независимыми факторами.

Факторную модель также можно представить в виде таблицы. Если в анализе участвуют два

независимых фактора, то каждое значение одного из них будет представлено в отдельной стро-

ке, а каждое значение другого — в отдельной колонке таблицы. Если факторов больше двух, то

таблица становится многомерной. Каждая ячейка в факторной таблице представляет собой

респондента или группу респондентов, которой демонстрировалась определенная комбинация

значений независимых факторов.

Предположим, что в дополнение к исследованию фактора наличия юмора в рекламном ро-

лике из предшествующего примера исследователь заинтересован также в исследовании фактора

количества информации об универмаге. Количество информации об универмаге можно варьи-

ровать по трем категориям: значительное, среднее и незначительное. Как показано в табл. 7.6, в

этом случае потребуется 3 хЗ = 9 ячеек таблицы.

Таблица 7,6. Пример применения факторной модели

Наличие юмора в рекламе

Количество информации об универмаге Серьезный стиль Легкий юмор Шуточный стиль

Незначительное

Среднее

Значительное

Респондентов нужно отобрать случайным образом и таким же образом распределить по де-

вяти группам (ячейкам). Респондентам в каждой группе (ячейке) будет продемонстрирована

Глава 7. Причинно-следственное маркетинговое исследование; эксперимент 295

различная комбинация независимых факторов. Например, респондентам в левой верхней

ячейке будет показан рекламный ролик, выполненный в серьезном стиле и содержащий незна-

чительное количество информации об универмаге. Результаты исследования свидетельствуют о

значительной взаимосвязи между двумя независимыми факторами. Респонденты, которым

представили ролики с незначительным количеством информации об универмаге, предпочли

выполненный в шуточном стиле (Q. Респонденты, которым демонстрировались ролики со

значительным содержанием информации об универмаге, предпочли выполненный в серьез-

ном стиле (А). Примечательно, что хотя табл. 7.6 может показаться чем-то похожей на табл. 7.4.

тем не менее случайный отбор респондентов и характер анализа данных очень отличают фак-

торную модель от модели случайных групп [22]. Еще один пример применения факторной мо-

дели приведен ниже.

i ПРИМЕР. Цена и марка корма интересны только собакам

Burke Marketing Services, Inc. проводила эксперимент для выяснения влияния информа-

I ции о цене и конкурентных марках нового корма для собак на покупательские намерения.

\ Использовалась двухфакторная модель анализа. Цена была установлена на четырех уровнях: I

i один уровень — цена со скидкой ($1,07), два уровня — стандартных ($1,27 и $1,47) и один |

I уровень — повышенный ($1,67). Информация о конкурентной продукции варьировалось по |

I двум категориям: такая информация присутствует или не присутствует. Около 240 респон-!

I дентов были случайным образом распределены по восьми (2 х 4) группам, каждой из кото- |

1 рых предлагался свой набор независимых факторов. Респондентам предлагалось выразить I

f свои намерения относительно покупки продукта по пятибалльной шкале. Результаты свиде- 1

| тельствовали о том, что ни информация о цене, ни информация о конкурентных марках не I

1 влияют серьезно на покупательские намерения потребителей [23].

Основной недостаток факторной модели в том, что количество различных комбинаций не-

зависимых факторов возрастает в геометрической прогрессии с ростом количества факторов и

категорий, или уровней, в них выделяемых. В примере с Burke Marketing Services, если бы цена

устанавливалась по шести категориям ($0,99, $1,07, $1,27, $1,47, $1,67 и $1,99), а информация о

конкурентных продуктах — по трем (отсутствие информации, частичная информация, полная

информация), то количество ячеек в таблице подскочило бы с S до 18-ти. При этом включение

всех возможных комбинаций независимых факторов необходимо в том случае, если нужна ин-

формация о влиянии всех факторов и их взаимодействии. Если исследователь заинтересован в

информации лишь о некоторых комбинациях факторов, можно использовать фрагментарную

факторную модель. Как видно из названия, эта модель представляет собой лишь фрагмент, или

часть соответствующей полной факторной модели.

ЭКСПЕРИМЕНТЫ В РЫНОЧНЫХ И ЛАБОРАТОРНЫХ

УСЛОВИЯХ

Рыночная среда, условия (field environment)

Место проведения эксперимента в реальных рыночных условиях.

Лабораторная среда, условия (laboratory environment)

Искусственно созданное место проведения эксперимента, в котором исследователь создает

требуемые условия.

Эксперименты могут проводиться в рыночных (полевых) или лабораторных условиях. Ла-

бораторные условия искусственно создаются исследователем в соответствии с заданными тре-

бованиями конкретного эксперимента. Описанный выше эксперимент по определению эф-

фективности пробного рекламного ролика можно провести в лабораторных условиях, показы-

вая респондентам телевизионную программу, в которую вмонтирован анализируемый

296 Часть II. Разработка плана исследования

рекламный ролик, в лабораторном кинозале. Аналогичный эксперимент можно также провес-

ти в полевых условиях, показывая пробный рекламный ролик на действующих телеканалах.

Различия между рыночной и лабораторной средой обобщены в табл. 7.7.

По сравнению с экспериментами в полевых условиях (field environment) эксперименты в ла-

бораторных условиях (laboratory environment) имеют следующие преимущества. Лабораторная

среда обеспечивает высокую степень контроля за проведением эксперимента, поскольку по-

следний изолирован от посторонних воздействий в тщательно регулируемой среде. Таким об-

разом воздействие факторов среды можно свести к минимуму. Лабораторные эксперименты,

как правило, приносят одинаковые результаты, если проводятся с одними и теми же субъекта-

ми, что обеспечивает высокую степень внутренней достоверности. Для проведения лаборатор-

ных экспериментов привлекается меньшее число респондентов, требуется меньше времени,

они ограничены географическим районам проведения и проще в реализации, чем эксперимен-

ты в естественных условиях. Следовательно, они, как правило, требуют и меньших затрат.

Ложные результаты (demand artifacts)

Ответы, данные в результате того, что респонденты пытаются угадать цель проведения экс-

перимента и реагировать соответственно своим предположениям.

По сравнению с полевыми экспериментами лабораторные имеют следующие основные не-

достатки. Искусственность среды проведения может вызвать ошибку реакции, когда респон-

денты реагируют скорее на саму по себе среду, а не на изменения независимых факторов [24].

Кроме того, искусственность обстановки может привести к появлению ложных результатов

(demand artifacts), феномен, возникающий в результате того, что респонденты пытаются угадать

цель проведения эксперимента и реагировать соответственно своим предположениям. Напри-

мер, просматривая тестовый рекламный ролик, респонденты могут вспомнить задававшиеся

перед демонстрацией вопросы о данной торговой марке, и предположить, что реклама призва-

на изменить их отношение к этой марке [25]. Наконец, лабораторные эксперименты, видимо,

имеют более низкую степень внешней достоверности по сравнению с экспериментами в ры-

ночных условиях. Поскольку лабораторный эксперимент проводится в искусственно создан-

ной среде, может возникнуть проблема обобщения полученных результатов и их распростране-

ния на реальные ситуации.

[Таблица 7.7. Лабораторные и рыночные эксперименты

Фактор

Среда

Степень контроля

Ошибка реакции

Ложные результаты

Внутренняя достоверность

Внешняя достоверность

Время проведения

Количество единиц наблюдений

Простота проведения

Затраты

Лабораторный эксперимент

Искусственная

Высокая

Высокая

Высокие

Высокая

Низкая

Непродолжительное

Небольшое

Высокая

Низкие

Рыночный эксперимент

Естественная

Низкая

Низкая

Низкие

Низкая

Высокая

Продолжительное

Большое

Низкая

Высокие

Предпринимались попытки доказать, что искусственность, или недостаток реалистичности

обстановки в лабораторных экспериментах, не обязательно снижает уровень внешней досто-

верности. Конечно, исследователь должен отдавать себе отчет в существовании различий между

искусственной экспериментальной средой и теми реальными ситуациями, на которые распро-

страняются результаты эксперимента. Внешняя достоверность снизится только в том случае,

Глава 7. Причинно-следственное маркетинговое исследование: эксперимент 297

если факторы, обусловившие эти различия, будут взаимодействовать с независимыми факто-

рами, изменяемыми в ходе эксперимента. Это часто случается в практике маркетинговых ис-

следований. Необходимо принять во внимание и тот факт, что в лабораторных условиях могут

применяться более сложные методики эксперимента, чем в рыночных. Кроме того, в лабора-

торных условиях исследователь может контролировать больше посторонних факторов, что при-

водит к повышению внешней достоверности эксперимента [26].

Исследователь должен принять во внимание все эти соображения, прежде чем сделать вы-

бор в пользу проведения лабораторного или полевого эксперимента. Последние реже встреча-

ются в практике маркетинговых исследований, чем лабораторные эксперименты, тем не менее

оба вида взаимодействующие [27],

ЭКСПЕРИМЕНТАЛЬНЫЕ И

НЕЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ

В главе 3 обсуждались три основных плана маркетинговых исследований: поисковый, де-

скриптивный и причинно-следственный. Из них лишь последний можно использовать для

выявления причинно-следственных связей. Хотя данные, полученные в результате дескрип-

тивных исследований, часто используются в качестве доказательства причинно-следственных

связей, тем не менее они не могут подтвердить все условия причинной зависимости. Напри-

мер, при проведении дескриптивного исследования сложно обеспечить исходную однород-

ность групп респондентов по отношению как к независимым факторам, так и к зависимым.

С другой стороны, при проведении эксперимента эту однородность может обеспечить принцип

случайного отбора при распределении респондентов по группам. В дескриптивных исследова-

ниях трудно также установить временную последовательность действия отдельных факторов,

В то же время при проведении эксперимента исследователь устанавливает график проведения

измерений и момент задействования независимых факторов. Наконец, дескриптивное иссле-

дование не обеспечивает достаточного контроля за возможными посторонними факторами.

Тем не менее нельзя недооценивать роль дескриптивных исследований в маркетинге. Как

упоминалось в главе 3, они представляют собой наиболее часто встречающийся вид маркетин-

говых исследований, и нельзя утверждать, что их применение не способствует выявлению

причинно-следственных связей. В самом деле некоторые авторы предлагают способы выявле-

ния причинно-следственных связей на основе данных дескриптивных (неэкспериментальных)

исследований [28]. Таким образом, задачей дальнейшего изложения является скорее ознаком-

ление читателя с ограничениями применения дескриптивных исследований для выявления

причинно-следственных связей. Одновременно рассматриваются и ограничения эксперимен-

тальных методик [29].

ФАКТОРЫ, ОГРАНИЧИВАЮЩИЕ ВОЗМОЖНОСТИ

ЭКСПЕРИМЕНТА

Хотя значение эксперимента в маркетинговых исследованиях все время возрастает, тем не

менее существуют ограничения по времени, затратам и возможностям его осуществления.

Время. Эксперимент может требовать продолжительного времени для проведения, особен-

но если исследователь ставит своей целью выявить эффект воздействия независимого фактора

в долгосрочной перспективе, как, например, при оценке эффективности рекламной кампании.

Эксперимент должен продолжаться достаточно долго, чтобы выявить все или большинство ас-

пектов воздействия независимого фактора.

Затраты. Эксперименты часто обходятся дорого. Требования к размерам эксперименталь-




Поделиться с друзьями:


Дата добавления: 2015-05-09; Просмотров: 360; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.01 сек.