Теория ценовой чувствительности

Содержание                                 

Стр.                                                        

Введение………………………………………………………………………..2

Глава Теория ценовой чувствительности……………………………………4

         1.1. Классификация методов количественной оценки ценовой                                                                             чувствительности покупателей ………………………………………………5

         1.2 Методы, основанные на анализе фактических данных о покупках………………………………………………………………………8.

         1.3 Методы, основанные на анализе данных о покупках в условиях контролируемого эксперимента…………………………………………......18

         1.4.Изучение предпочтений и намерений  покупателей в условиях неконтролируемого  опроса…………………………………………………23

         1.5Факторы ценовой чувствительности………………………………30

Глава2

         2.1 Исследование  предпочтений и намерений покупателей  в контролируемых экспериментатором  условиях……………………………31

         2.2 Заключение………………………………………………………….35

         2.3 Список используемой литературы…………………………………37

Введение

Все расчеты экономических  последствий изменений цен, равно  как и обоснования цен на товары, лишь выводимые на рынок, могут быть реально полезными для фирмы  при том условии, что в их основе лежат сколько-нибудь достоверные  оценки возможной реакции покупателей на эти цены. Это требует от специалистов по ценообразованию умения находить количественные параметры чувствительности покупателей к ценам.

Однако при всей значимости таких количественных параметров им нельзя придавать роль основного критерия при решении ценовых проблем. Эти количественные оценки лишь должны дополнять тот глубокий качественный анализ интересов и предпочтений покупателей. Именно такой качественный анализ дает наилучшие основания для правильного решения проблем: сегментации рынка, координации ценообразования и рекламы, а также выбора типа скидок. Принять такие решения на основе одного лишь количественного показателя чувствительности покупателей к уровню цены практически невозможно.

Вместе с тем сочетание  качественного анализа и количественных оценок ценовой чувствительности может заметно повысить эффективность маркетинговых решений. Поэтому фирмам стоит тратить усилия и средства на определение количественных характеристик спроса на рынках своей продукции. А это требует, прежде всего, осознанного выбора наиболее адекватного метода исследований ценовой чувствительности покупателей.

Целью курсовой работы является изучение анализа ценовой чувствительности. Для достижения поставленной цели в  работе решается ряд задач:

- приведена классификация методов количественной оценки ценовой чувствительности покупателей

-  изучены методы, основанные  на анализе фактических данных  о покупках

- проведен анализ  методов, основанных на анализе  данных о покупках в условиях  контролируемого эксперимента

- изучены предпочтения  и намерения покупателей в  условиях неконтролируемого опроса

- исследованы предпочтения  и намерения покупателей в  контролируемых экспериментатором  условиях.

В курсовой работе использовались методы исследования ценовой чувствительности такие как: наблюдение, анализ документов, экспертная оценка, комплексный системный анализ и т.д.

При написании курсовой работы использовались труды отечественных  экономистов в области менеджмента, стратегического управления и управления организацией, таких как  Гукаьяш Г.М., Котлер Ф., Липсиц И.В., Печенкина И, Салимжанова И.К. и т.д.. К.Л. Келлер(12-ое издание)

1Теория ценовой чувствительности

Все экономические исследования цен, так же как и определения  цен на товары, могут быть полезными для фирм и организаций при условии, что в основе этих данных будет достоверная информация. Это требует от специалистов по ценообразованию, как можно точно находить количественные параметры чувствительности покупателя к ценам.

Ценовая чувствительность заключается в использовании разнообразных методов и анализов (которые мы рассмотрим в главе 2), для того чтобы  определить, как покупатель будет реагировать на цены, по которым ему предлагают, тот или иной товар. Это глубокий качественный анализ интересов и предпочтений покупателей.

1.1. Классификация методов  количественной оценки ценовой  чувствительности покупателей

Все множество способов оценки чувствительности покупателей  к ценам, применяемых в маркетинговых  исследованиях, можно классифицировать так, как это показано в таблице 1.

Основой классификации  выступают два признака [11, c. 34]:

1) тип исследуемых  переменных;

2) мера вмешательства  специалиста в процесс покупки  товаров.

Таблица 1.

Методы оценки чувствительности покупателей к ценам

Общим для всех методов, основанных на действиях покупателей  в неконтролируемой исследователем среде, является то, что специалист  выступает лишь в качестве наблюдателя, ни в коей мере не вмешивающегося в поведение покупателей. Он лишь собирает данные о том, каковы реальные объемы покупок, либо о том, что и в каком объеме покупатели собираются приобрести в фактически существующей ситуации. Например, он может собрать данные об объеме покупок определенной марки алкогольных напитков в определенном магазине на протяжении месяца. Но при этом цены всех остальных алкогольных напитков (равно как и другие важные параметры формирования спроса) он принимает в качестве независимых переменных.

Выбирая в качестве основы экспериментальное изучение поведения  покупателей в контролируемых условиях и желая точнее оценить влияние  тех или иных параметров (переменных) на спрос, начинается процесс  сознательного  манипулирования  покупателями.

Еще более контролируемый вариант обследований: организация закупок в лабораторном магазине, когда управляемым параметром становится еще и круг покупателей. В этом случае можно либо сформировать

репрезентативную группу покупателей, адекватную генеральной  совокупности с точки зрения возрастной, половой структуры и структуры доходов, либо исследовать покупки для целевой группы покупателей (например, изучить приобретение определенной группы молочных продуктов матерями с детьми дошкольного возраста) [6, c. 98]. Такие лабораторные эксперименты при их правильной постановке позволяют получить наиболее точные результаты. Вместе с тем они требуют весьма крупных затрат и обычно довольно длительны, что ограничивает возможности их широкого использования. Если обратиться к классификации исследовательских методов с точки зрения их объекта, то можно разграничить методы, предполагающие изучение данных о реально совершенных покупках (таблица 1.), т. е. о фактическом поведении покупателей, и методы, предполагающие изучение предпочтении и намерений покупателей, т. е. их возможного поведения в некоторой гипотетической ситуации покупки товаров.

 В заключение отметим,  что  для любой фирмы особую  ценность представляет информация  именно о том, как покупатели  будут реагировать на цены  ее товаров в реальной действительности, значит,   сравнивая выше перечисленные методы, можно априорно отдать предпочтение методам, основанным на изучении фактических продаж.

Таким образом, чтобы  сделать выбор в пользу наиболее подходящего способа исследований осознанно, следует хорошо представлять сущность и возможные результаты использования каждого из методов.  
1.2. Методы, основанные на анализе фактических данных о покупках

Делать выводы относительно чувствительности покупателей к  уровням цен проще всего на основе данных о продажах в прошлом. Ценность таких выводов умаляется их “историческим” характером, сильно снижающим пригодность подобной информации при принятии решений о поведении в будущем. А именно к этому типу относятся решения относительно уровня цены на новый товар или изменения цены на товар уже продаваемый.

Но очевидно, что полной сопоставимости данных здесь быть не может. И максимум, что исследователи  способны сделать, — это предположить, что покупатели будут реагировать  так же, как они в прошлом  реагировали на изменения цен товаров, которые в их глазах являются аналогами. На том же принципе аналогии строятся и ценовые прогнозы, когда оценка возможных результатов крупномасштабного изменения цен основывается на данных о реакции покупателей на небольшие колебания цен. Если нет иной альтернативы для оценки чувствительности покупателей к ценам, то можно воспользоваться и такими методами, но надо понимать, что достоверность опирающихся на них выводов будет невысока.

Разработка прогнозов  экономических последствий изменений цен на базе данных о продажах в прошлом позволяет получить надежные выводы лишь в том случае, если намечаемые изменения цен сходны с теми, что практиковались в прошлом и явились основой формирования такого рода исторических данных. Если ежегодно в разгар лета фирма, торгующая овощами и фруктами, вводит скидки на свои товары, то данные о приросте продаж после введения таких скидок в прошлые годы могут обеспечить более или менее достоверные прогнозы и при оценке выгоды от их введения в текущем году.

Даже в таких ситуациях  абсолютно достоверных прогнозов  быть не может. Это порождается изменениями, происходящими год от года (сезон  от сезона) в таких условиях реализации коммерческой, и в частности ценовой, политики фирмы, как [12, c.5]:

1) текущее количество конкурирующих фирм и торговых марок;

2) масштабы и дата  самого недавнего изменения цен  конкурентами;

3) масштабы и эффективность  рекламной кампании каждой из  конкурирующих марок (фирм);

4) макроэкономическая  ситуация в стране.

Существование таких изменений приводит к тому, что текущий рынок в текущем сентябре оказывается не совсем тем же, что рынок, скажем, в сентябре прошлого года.

Например, российский маркетолог, который попытался бы осенью 1996 года сделать некоторые оценки возможного влияния изменения цены на сбыт определенной марки мониторов для персональных компьютеров, опираясь на данные о продажах в аналогичный период 1995 г., неизбежно столкнулся бы со значительными трудностями. Даже если бы он мог собрать информацию об объемах продаж мониторов различных марок и сопоставить объемы продаж аналогичных по техническим свойствам мониторов с уровнями их цен, то сделать достоверные выводы на будущее он бы все равно не смог.

Ситуация на рынке  изменилась принципиально в силу перехода покупателей к новой модели формирования парка своего компьютерного оборудования. Если в 1995 г. и начале 1996 г, преобладали продажи полностью укомплектованных компьютеров, то к осени 1996 г. все более частыми стали обособленные покупки системных блоков и мониторов, т. е. произошла дифференциация рынка. А потому статистика продаж мониторов в 1995 г. оказывается совершенно непригодной для формирования оценок относительно возможного изменения продаж мониторов в 1996 г. при той или иной корректировке их цен.

Даже если фирма предлагает на рынок тот же товар, что в прошлом году, и намечает аналогичные прошлогодним изменения его цен, итогом может оказаться существенно иной масштаб изменения продаж. К тому же на все это накладываются происходящие год от года изменения в характере и масштабах рекламной кампании самой фирмы, развитости ее сбытовой сети, методах организации деятельности. И все это приводит к тому, что становится крайне трудно вычленить из общей динамики продаж влияние именно изменений цен.

Проанализируем  три  типа аналитических процедур, которыми могут пользоваться  при оценке чувствительности покупателей к уровням цен определенных товаров.

I. Исследование агрегированных  данных о продажах, т.е. обработка  и анализ сводной информации  о динамике продаж товаров  определенной марки, полученной либо из собственной отчетности фирмы, либо из баз данных, формируемых специальными службами изучения рынка.

Это данные, которые регулярно  накапливаются в бухгалтерии  фирмы и служат поэтому наиболее доступным и дешевым источником сведений о продажах тех товаров, которые уже некоторое время предлагаются на рынок. У такого рода информации имеются существенные недостатки:[17, c. 106]

1) периодичность, т.е.  сбор и обработка данных о  продажах осуществляются, как правило,  лишь раз в месяц или даже квартал. Некоторое изменение в эту ситуацию вносит лишь появление штрих-кодов и компьютеризованных касс, что в принципе позволяет перейти к ежедневному сбору и анализу данных. Однако и в практике фирм развитых стран это пока что новинка. Малореальной пока выглядит эта возможность для  России, где еще пока продолжается борьба за установку кассовых аппаратов как таковых, а штрих-кодирование делает лишь первые шаги (например, даже в Москве решением городских властей оно станет обязательным лишь с 1998 г.);

2) большинство фирм  продают свои товары не напрямую  конечному покупателю, а через  посредников. Но в этом случае  статистика продаж фактически  представляет собой лишь свод  данных об отгрузке товаров  торговым посредникам, но не  реальных продаж. Чтобы преодолеть этот недостаток, надо накладывать на статистику отгрузки статистику погашения дебиторской задолженности, что делает задачу формирования информационной базы ценовых расчетов крайне сложной.

Но чем дольше продолжается процесс сбора базы данных о прошлых продажах, тем менее надежной основой для выводов о будущем она становится. Причина этому — возрастающая возможность того, что на динамику объемов покупок большее влияние станут оказывать факторы иные, чем цены. Исследователь рискует попасться в известную ловушку: чем больше времени необходимо для сбора данных, тем больше параметров исследуемой ситуации изменяется, а это требует сбора дополнительных данных. И тогда процесс формирования надежной базы для расчетов становится бесконечным;

3) агрегированность, т. е. сводный (а потому неизбежно как бы усредненный) характер данных. Это особенно существенно для средних и крупных фирм, которые ведут продажу своих товаров в различных регионах или через различных торговых посредников (особенно если последние обладают правом варьировать цены конечных продаж в достаточно большом диапазоне). В результате в один и тот же период времени на рынке могут существовать достаточно различающиеся уровни цен на один и тот же товар и соответствующие им объемы покупок. Например, в сентябре 1996 г. в Москве монитор фирмы “Самсунг” марки 17" Sync Master GLsi можно было приобрести по цене и 825, и 920 долл.1

Таким образом, разница  в цене составляла более 11%, что, естественно, сказывалось на объемах продаж отдельными фирмами. Но при использовании агрегированных данных аналитик вынужден был бы оперировать лишь средневзвешенной ценой продаж этих мониторов в Москве (на уровне, скажем, 860 долл.). А значит, выводы, которые бы он сделал на этой основе, были бы столь же близки к реальной чувствительности покупателей к ценам мониторов “Самсунг”, как оценка здоровья пациентов больницы на основе информации о средней температуре всех находящихся в ней на излечении.

Поэтому информационная ценность агрегированных данных всегда ниже, чем индивидуальных рядов, характеризующих продажи данного товара в одном конкретном магазине.

Особенно дезориентирующим может быть использование агрегированных данных при оценке чувствительности к ценам тех покупателей, которые  приобретают продукцию промышленного  назначения. Здесь на формирование рыночной ситуации накладывается еще один, весьма мощный фактор — про-изводность спроса. Она связана с тем, что спрос на такую продукцию прямо определяется спросом на конечные изделия, для изготовления которых она приобретается.

И если изготовители промежуточной продукции начинают делать выводы о чувствительности покупателей к тем или иным элементам своей маркетинговой политики на основе лишь собственных данных о прошлых продажах, ценах, затратах на рекламу и т.п., то они рискуют прийти к выводам ошибочным. Причиной окажется неучет данных о динамике продаж на рынках следующего уровня, которые неспециализированной фирме собрать крайне трудно.

Такой анализ может быть полезен как источник дополнительной информации.

II. Изучение панельных данных, т. е. информации о динамике покупок специальным образом отобранной группы покупателей (покупательской панели).

Для некоторых типов  товаров изучение рынка, и в частности  чувствительности покупателей к  ценам, может быть проведено по итогам постоянного обследования репрезентативной группы покупателей. Размер такой панели может варьироваться в достаточно большом диапазоне, доходя иногда до нескольких тысяч семей. Все семьи, включенные в панель, за определенную плату ведут ежедневный учет всех. своих покупок (с указанием марки и цены приобретаемых товаров и объема покупки). Затем с той или иной периодичностью (например, еженедельно или 2 раза в месяц) такие данные агрегируются и направляются для изучения.

Панель покупателей  — отобранная на основе статистических процедур репрезентативная группа покупателей, которые за плату или бесплатно ведут ежедневный полный учет всех своих покупок и предоставляют информацию об этом статистическим органам или исследовательским фирмам [4, c. 153].

При корректном формировании панели и хорошо организованном сборе и обработке получаемой с ее помощью информации, она становится источником данных, обладающих рядом существенных достоинств:

- при обработке информации  еженедельно или раз - в две  недели появляется возможность  проводить анализ рынка более оперативно. Тем самым ослабляется искажающее влияние прочих факторов формирования спроса;

- появляется возможность  ближе подойти к оценке влияния  на спрос фактических цен покупки  в различных магазинах (регионах), а при определенной постановке обследований — выявить и покупки, явившиеся следствием введения, например, определенного типа скидок (скажем, на основе предъявления все шире распространяющихся в России купонов);

-  если покупатели  фиксируют не только тип, но  и марку покупаемых товаров, то становится возможным сопоставление реакции покупателей на разницу в соотношениях “цена/полезность” по товарам различных марок;

- можно вести анализ информации  о покупках и чувствительности  покупателей к ценам в увязке  с демографическими и иными характеристиками совокупности покупателей. А это дает более объективные основания для выработки политики сегментации рынка и соответствующей корректировки рекламной и ценовой политики фирмы.

Достоинства покупательской панели тесно  соседствуют с ее недостатками. Главный из них — возможная нерепрезентативность выборки покупателей, т. е. отличие характеристик поведения ее участников от типового поведения основной массы покупателей. Здесь легко просматривается аналогия с методами испытаний, применяемыми в технике, когда определить предел прочности материала можно, лишь разрушив его. То же самое происходит и с покупательской панелью, причем это обусловлено двумя причинами.

1. Не каждый покупатель соглашается  стать участником таких регулярных  обследований (обычно принимают такое предложение и регулярно ведут учет покупок не более 5% семей). А значит, панель неизбежно формируется из наиболее сознательных и педантичных покупателей, модели предпочтений которых могут быть отличны от основной массы населения.

2. Сама необходимость для участников панели фиксировать цены своих покупок делает их более внимательными к этим ценам, а значит, что подтверждают специальные психологические тесты, и более чувствительными к их уровням. С увеличением стажа участия в панели этот эффект возрастает. В итоге возникает определенное деформирование информации.

Ослабить такие деформации поведения  в принципе возможно, хотя это требует  достаточно высокого технического уровня организации торговли. Таким образом,  объективность данныx можно повысить, если [21, c.53]:

1) кассовые узлы в магазинах  компьютеризованы;

2) для покупателей—членов панели  введены специальные расчетные  карточки;

3) покупатели осуществляют покупки  только в специально отобранных  магазинах, откуда информация  о покупках “панельных” покупателей поступает в аналитическую фирму.

При такой организации работы можно  и повысить степень охвата покупателей, и устранить эффект повышенной чувствительности к ценам.

Высокотехничная организация панельных  исследований для России — дело будущего, но сама работа по созданию покупательских панелей, несомненно, может стать одним из важнейших направлений деятельности возникающих сейчас в нашей стране маркетинговых фирм. Тем более, что определенный опыт таких исследований у отечественных специалистов имеется.

Конечно, наиболее успешно материалы  панельных обследований могут использоваться при оценке чувствительности покупателей  к ценам часто приобретаемых  товаров, т. е. преимущественно продовольственных  товаров и некоторых промышленных товаров (бытовая химия, парфюмерия и т. п.).

Особенно широко этот метод исследования стал распространяться в последнее  десятилетие, когда на товарах появились  штрих-кодовые ярлыки, а в магазинах  — кассовые сканеры, считывающие  информацию с этих ярлыков. В этих условиях информацию о динамике покупок можно получать с любой детализацией и высокой частотой (практически ежедневно).

Конечно, у такого метода есть и  свой недостаток: нельзя гарантировать  демографическую и экономическую  репрезентативность той совокупности покупателей, которая посещает выбранный для исследований магазин. А значит, снижается достоверность выводов, которые на основе такого обследования делаются применительно ко всей (генеральной) совокупности покупателей.

Если говорить о методике обработки  и анализа данных, полученных одним из трех описанных выше методов, то обычно она основывается на построении регрессионных уравнений и оценке значений их коэффициентов. Этот метод позволяет определить, в какой мере изменения в объемах продаж могут быть отнесены на счет того или иного фактора, включенного в регрессионную модель.

В качестве примера типичного маркетингового исследования чувствительности покупателей  к уровню цен (эластичности спроса по цене) можно привести работу, выполненную  американскими исследователями Рокни Г. Уолтерсом (Университет Индианы, Блумингтон) и Уильямом Боммером (Университет Южного Иллинойса, Эдвардсвилль) и опубликованную в “Journal of Business Research” (1996. № 36. Pp. 203— 216).

Они ставили своей задачей исследовать  совместное влияние на объемы продаж таких факторов, как: 1) доля определенной торговой марки в общем объеме продаж; 2) цена товаров определенной марки; 3) геометрические размеры продукта; 4) место, занимаемое товаром данной марки на полке магазина; 5) тип торговой марки (общенациональная, местная, данной торговой сети). При этом особое внимание было уделено исследованию проблемы совпадения эластичности спроса по цене применительно к регулярным и рекламным ценам, т. е. соответственно к ценам, по которым постоянно ведется продажа товаров данной марки, и к тем, которые используются в период вывода этого товара в продажу, когда он еще является новинкой.

Основой для проведения обследования послужили данные о еженедельных продажах, ценах и деятельности в  области продвижения товаров  на рынок (“промоушн”) в течение 52-не-дельного периода с апреля 1990 г. по апрель 1991 г. по товарам 302 марок. При этом в основу анализа данных была положена следующая модель:

(1)

где Q1 — объем товаров  определенной категории (по всем маркам), проданных в период времени t; RPit — цена товаров марки i, относящихся  к данной категории, в период обычных (нерекламных) продаж t; DPit — цена товаров  марки i, относящихся к данной категории, в период рекламных продаж t;

RPit— цена товаров  марки j, относящихся к данной  категории, в период обычных  (нерекламных) продаж t; DPjt — цена  товаров марки j, относящихся к  данной категории, в период  рекламных продаж t. Величины β1i, β2i, γ1j и т.д. представляют собой оцениваемые коэффициенты.

В результате авторами были определены, например, следующие коэффициенты эластичности спроса по ценам, используемым в период вывода товара на рынок (в  целом для товарной группы):

Молочные/охлажденные  продукты .…………………………………. 0,08

Консервы ................……………………………………………………. 0,20

Готовые завтраки .............……………………………………………... 0,05

Полуфабрикаты .............………………………………………………. 0,17

Писчебумажные товары .........………………………………………... 0,14

Соки в бутылках .............……………………………………………… 0,12

Использование методов  регрессионного анализа может породить у самих исследователей и менеджеров фирм, которые такие работы заказывают, ощущение точного знания, т. е. как  бы абсолютно надежной и достоверной  базы для принятия ценовых или иных маркетинговых решений. Между тем более глубокое знакомство с основами математической статистики позволяет обнаружить, что полученные результаты в немалой мере зависят от принятых исследователями исходных предпосылок, и прежде всего формы регрессионной зависимости, используемой как исходная модель. И если исследователь изначально неверно задал математическую форму зависимости между ценой и продажами, то степень достоверности его выводов будет низкой.

Выводы регрессионного анализа  можно считать достоверными лишь в пределах того диапазона значений переменных, который был использован в ходе анализа. Нет никаких оснований полагать, что эти закономерности сохранятся за пределами таких диапазонов. Необходимо помнить, что любая регрессионная модель описывает связи, сложившиеся в прошлом, но не может считаться абсолютно надежной моделью для прогнозирования. Чем в большей мере внешние параметры будущей ситуации могут отличаться от их значений в прошлом, тем менее надежными будут прогнозы на основе регрессионных моделей.