Изложенный метод будет проиллюстрирована на примере анкеты, составленной для того, чтобы выявить лояльность потребителей к торговой марке «Красный Пищевик», а также пути ее повышения. Респондентам было предложено высказать свое отношение по поводу важности для них параметров при выборе сладкого по шкале «Плохо-Хорошо». Они оценивали параметры по пятибалльной шкале: 1-плохо, 5-хорошо.
В меню факторного анализа поля тестируемых переменных мы поместили следующие переменные: вкус, цена, качество, престиж торговой марки, яркая упаковка, удобная упаковка и удобное место для совершения покупки.
Далее в опции «Дескриптивные статистики» мы оставили вывод первичных результатов, которые включают в себя первичные относительные дисперсии простых факторов, собственные значения и процентные доли объяснённой дисперсии. [17, c 14]
С помощью опции «Отбор» мы оставили здесь анализ главных компонентов, установленный по умолчанию. Количество отобранных в этом случае факторов приравнивается к числу собственных значений, превосходящих единицу.
|
|
«Вращение» - активировали метод варимакса и оставили активированным вывод повёрнутой матрицы факторов. Также организовали вывод факторных нагрузок в графическом виде.
У нас установлена «Регрессия» и «Вывод по величине».
При оценке возможности проведения факторного анализа мы оцениваем таблицу КМО and Barlett's Test.
Таблица 3.1 – Мера адекватности и критерий Барлетта
Мера выборочной адекватности Кайзера-Мейера-Олкина. | ,520 | |
Критерий сферичности Бартлетта | Прибл. хи-квадрат | 298,099 |
ст.св. | 21 | |
Знч. | ,000 |
Примечание – Источник: собственная разработка
Факторный анализ считается пригодным т.к. КМО равен 0, 520, что находится в промежутке (0,5;1). По Barlett's Test критерий показывает весьма низкую значимость (менее 0,001), из чего следует вывод о применимости факторного анализа.
Таблица 3.2 - Полная объясненная дисперсия
Компонента | Начальные собственные значения | Суммы квадратов нагрузок вращения | |||||
Итого | % Дисперсии | Кумулятивный % | Итого | % Дисперсии | Кумулятивный % | ||
dimension0 | 1 | 1,850 | 26,427 | 26,427 | 1,829 | 26,126 | 26,126 |
2 | 1,683 | 24,045 | 50,471 | 1,704 | 24,346 | 50,471 | |
3 | ,979 | 13,988 | 64,459 | ||||
4 | ,840 | 11,995 | 76,454 | ||||
5 | ,777 | 11,101 | 87,555 | ||||
6 | ,506 | 7,227 | 94,782 | ||||
7 | ,365 | 5,218 | 100,000 |
Примечание – Источник: собственная разработка
По таблице можно увидеть, что два собственных фактора имеют значения превосходящие единицу. Следовательно для анализа отобрано только два фактора. Первый фактор объясняет 26,427 % суммарной дисперсии, второй фактор 24,045 %.
Интерпретация факторов:
|
|
Таблица 3.3 – Матрица повернутых компонент
| Компонента | |
1 | 2 | |
престижТМ10.4 | ,753 | |
удобнаяУпаковка10.6 | ,718 | |
удобноеМестоСовПок10.7 | ,638 | |
яркаяУпаковка10.5 | ,559 | |
вкус10.1 | ,845 | |
качество10.3 | ,811 | |
цена10.2 |
Примечание – Источник: собственная разработка
Таким образом, мы видим разделение наших факторов на две компоненты и связь последних с этой компонентой. Показатель «цена» имеет низкую связь со второй компонентой (<0,5), именно поэтому мы исключили из анализа и рассмотрения этот показатель. Группируя показатели и обобщая компоненты, мы поучили следующие данные: внешние показатели для покупки (название для компоненты 1) и показатели товара (название для компоненты 2)
Таблица 3.4 – Выделение факторов
Фактор 1: Внешние показатели для покупки | Фактор 2: Показатели товара |
Престиж торговой марки; Удобная упаковка; Удобное место совершения покупки Яркая упаковка | Вкус; Качество |
Примечание – Источник: собственная разработка
Данные представлены на диаграмме следующим образом:
Рисунок 4 – Диаграмма интерпретации результата
Примечание – Источник: собственная разработка в SPSS
Т.к. любой «Образ товара» у нас целостный, то важно представить взаимосвязь имеющихся данных с компонентами. Впоследствии, размещая свой товар в той или иной области, мы понимаем, какие рычаги восприятия товара являются сильными, а какие нет.
На следующих таблицах представлена матрица сопряженности нашей первой компоненты – внешних показателей для покупки – и восприятия потребителями исследуемой торговой марки и марок конкурентов.
Таблица 3.5 – Таблица сопряженности марки «Красный Пищевик» и компоненты 1
| Внешние показатели для покупки | Итого | ||||
1 (отсутствует) | 2 (слабое) | 3 (сильное) | 4 (очень сильное) | |||
КП | не знаю предприятие | 57 | ||||
знаю, очень нравится | 2 | 6 | 25 | 7 | 40 | |
знаю, нравится | 32 | 22 | 1 | 34 | 89 | |
знаю, безразлично | 15 | 12 | 10 | 4 | 41 | |
знаю, не нравится | 2 | 10 | 30 | 7 | 49 | |
знаю, очень не нравится | 0 | 6 | 9 | 11 | 26 | |
Итого | 75 | 75 | 78 | 74 | 302 |
Примечание – Источник: собственная разработка в spss
Проводя анализ этой таблицы, можно сделать выводы о связи между восприятием предприятия и отношением к наличию внешних показателей для покупки товара. Например, те, кому предприятие не нравится, имеют сильное отношение к внешним показателям для покупки - престижу, упаковке и месту совершения покупки. Возможно, именно эти факторы определили принадлежность этих потребителей к группе с отрицательным отношением к марке. Далее приведена таблица основного конкурента по продукции – фабрики «Красный Мозырянин». Проводя сравнительный анализ этой таблицы и предыдущей, можно выделить, что те, кому «не нравится» и «очень не нравится» предприятие «Красный Пищевик» имеют «сильное» и «очень сильное» отношение к внешним показателям для покупки. У предприятия «Красный Мозырянин» эти данные выражены в гораздо меньшей степени. Это, естественно, усиливает их весомость при формировании и развитии бренда.
Таблица 3.6 - Таблица сопряженности марки «Красный Мозырянин» и компоненты 1
| Внешние показатели для покупки | Итого | ||||
1 (отсутствует) | 2 (слабое) | 3 (сильное) | 4 (очень сильное) | |||
КРмозырянин | 0 | 44 | ||||
знаю, очень нравится | 19 | 18 | 13 | 6 | 56 | |
знаю, нравится | 25 | 14 | 13 | 24 | 76 | |
знаю, безразлично | 19 | 18 | 28 | 31 | 96 | |
знаю, не нравится | 3 | 4 | 10 | 0 | 17 | |
знаю, очень не нравится | 1 | 6 | 0 | 6 | 13 | |
Итого | 75 | 75 | 78 | 74 | 302 |
Примечание – Источник: собственная разработка в SPSS