Отрывок из книги Кевин Дж. Кленси, Питер С. Крейг, Марианна МакГерри ВольфПеревод на русский язык - под научной редакцией Олега Чернозуба,
Моделирование указывает на негативное воздействие нового продукта
После определения ожидаемого объема продаж нового продукта менеджер по маркетингу обычно хочет знать, за счет чего он будет обе спечен. Источник объема продаж важен, поскольку менеджер должен знать, с кем он конкурирует. Более того, он хочет знать, не будут ли продажи нового продукта в ущерб существующему бренду. Короче говоря, он хочет знать, насколько новый продукт будет (и будет ли) «поглощать» собственный бренд компании.
Системы изучения STM вычисляют источник объема продаж нового или обновленного продукта путем анализа и сравнения доли требований среди целевой группы на двух стадиях исследования моделированного пробного рынка:
- до того, как потенциальные покупатели увидели рекламу или новый продукт;
- после использования продукта.
Разница в доле требований позволяет увидеть разницу во вкладе разных брендов в продажи нового (или обновленного) продукта. Если, например, ведущий бренд имел долю рынка в 75 % до того, как компания представила новый бренд, и если доля лидера упала до 72 % после представления, то потеря 3 % считается эффектом нового бренда.
Когда новый или обновленный продукт принадлежит к расширенной линии или конкурирует с другими продуктами компании, система оценивает влияние на существующие или партнерские бренды. Для повышения достоверности измерений (поскольку иногда трудно измерить эффект) модель применяет многофазный подход. Система STM может предпринять четыре отдельных действия для оценки негативного влияния нового бренда:
- разукрупнение доли рынка;
- непропорциональный интерес;
- постоянная сумма;
- тестируемая подвыборка в сравнении с контрольной подвыборкой.
Одна система, например, нашла золотую середину четырех подходов для оценки негативного воздействия нового продукта на схему брендов. Исследователям удалось доказать способность системы оценить негативный эффект в 34 случаях. Изучение влияния нового или обновленного продукта на продажи существующих брендов, показало, что прогноз отклонился на 10 % от реальности в 29 случаях.
Для иллюстрации четырех объединенных методов возьмем гипотетический пример. Допустим, исходный бренд занимает долю рынка в 38 %, за последние 3 месяца его проникновение составило 44 %, и модель STM прогнозирует долю рынка нового продукта в 2,6 %.
Доля разукрупнения
Этот подход аналогичен подходу, используемому системой для прогнозирования продаж нового (обновленного) продукта или расширения линии. Однако вместо объединения данных рыночного отклика для всей выборки с маркетинговым планом этот подход объединяет данные рыночного отклика для этой группы (с точки зрения размера и объема). На основании этих данных модель прогнозирует долю продаж нового бренда для этой группы. Система следует той же процедуре для тех, кто не входит в целевую группу (табл. 7.7).
Таблица 7.7. Подход под названием «Доля разукрупнения»
Входные данные модели | Существующий бренд | ||
Потребители приобретают продукт | Потребители не приобретают продукт | Всего | |
Пробная, % | 35 | 28 | 33 |
Повторная, % | 30 | 34 | 31 |
Использование (единиц в год) | 87,6 | 72,7 | 83,3 |
Для разукрупнения прогнозируемой доли нового продукта исследователи пересматривают прогнозы для текущей группы лояльных потребителей и тех, кто не приобретает имеющихся продуктов, с учетом реального проникновения на рынок. В этом случае покупатели бренда представляют 44 % рынка, а те, кто приобретать продукт не собирается, — 56 %. Пересмотренный прогноз применяется затем для разделения ожидаемой доли для исходного бренда.
В примере, хотя модель и прогнозирует, что новый продукт достигнет доли рынка в 2,6 %, 52 % объема будет обеспечено за счет пользователей существующего бренда. Доля каннибализации составит 1,25 %.
Непропорциональный интерес
Для вычисления (не)пропорционального интереса целевой группы (лояльных к существующему бренду потребителей) к новому товару исследователи разрабатывают профиль покупателя и повторного покупателя с точки зрения его поведения по отношению к бренду и к категории. Потом они сравниваются с общей выборкой. Профилирование людей, впервые делающих покупку, и постоянных покупателей в последние 3 месяца, показывает (табл. 7.8), что люди, покупающие продукт впервые (лояльные потребители нового продукта), наиболее вероятно станут потребителями существующего и имеющегося в наличии исходного бренда, чем те, которые не являются лояльными к новому продукту. Поэтому мы можем ожидать пропорционального извлечения из франшизы.
Поскольку мы ожидаем пропорционального интереса и текущая доля продуктов исходного бренда равняется 38 %, этот метод предполагает, что 38 % продаж нового продукта, или 1 долевой пункт, будет отнят у исходного бренда (брендов). Остальные 62 %, или 1,6 долевого пункта, будут приростом к продажам исходного бренда (брендов).
Таблица 7.8. Подход «Непропорциональный интерес»
. | Общая выборка | Новый продукт | |
Покупатели | Целевая группа | ||
Купили любой существующий бренд (за последние 3 месяца), % | 63 | 69 | 63 |
Постоянная сумма
Подход под названием «Постоянная сумма» исследует состояния до и после изменений в продажах бренда. Мы исследуем, как покупатели переключаются на покупки другого бренда. Метод постоянной суммы подразумевает изучение 3 факторов во время интервью. Это представление до продукта, представление после продукта и статус после использования (табл. 7.9).
Доля покупок показывает, что доля линии брендов, включая новый, повышается на 3,4 % благодаря представлению. Увеличение реальной текущей 38 % ной доли линии брендов на 3,4 % означает, что общая рыночная доля компании вырастет до 39,3 %. Модель показывает прирост нового бренда в 1,3 долевого пункта. Поскольку ожидаемая доля нового бренда составляет 2,6 %, он заберет 1,3 долевого пункта у существующего бренда и создаст прирост в 1,3 долевого пункта.
Таблица 7.9. Подход «Постоянная сумма»
Исходные бренды (в рамках метода постоянной суммы), % | До представления нового бренда | После представления нового бренда | Увеличение доли | Процент увеличения |
40,8 | 42,2 | +2,4 | +3,4 |
Сравнение тестируемой и контрольной подвыборок
Специалисты часто включают контрольную подвыборку в схему исследования, когда они тестируют расширение линии продуктов или обновление продукта или когда компании нужно знать влияние нового продукта на существующий бренд для принятия решения о представлении нового продукта. Они применяют контрольную подвыборку для изучения эффективности текущих брендов в моделированном магазине. Это определяет величину прироста пробной покупки, повторной покупки, цикла покупки и в конечном итоге продаж существующего бренда (табл. 7.10).
Таблица 7.10. Подход «Контрольная подвыборка»
По всем существующим брендам | ||
Позиции | Контроль | Тест |
Проникновение лабораторной пробной покупки любого исходного бренда, % | 9 | 19 |
Лабораторная пробная покупка в единицах за операцию | 13,8 | 10,8 |
Повторная покупка, % | 67 | 55 |
Общая для исходных брендов доля требований в категории, % | 88 | 90 |
В этом случае, когда мы сравниваем доли требований контрольной и тестируемой подвыборок, прогноз указывает, что исходная доля возрастет на 2,8 % (с 88 до 90 %). Применяя этот показатель к текущей исходной доле в 38 %, мы получаем новую долю в 39,1 % — возрастание на 1,1 долевого пункта и потеря 1,5 долевого пункта для существующих брендов.
Объединение подходов
Результаты четырех отдельных методов изучения негативного влияния нового продукта на существующие отличаются друг от друга не более чем на 0,5 долевого пункта (табл. 7.11).
Таблица 7.11. Сравнение четырех подходов
Позиции | Новый продукт — доля в единицах | - | Чистая исходная доля в единицах определяет негативное воздействие | = | Прирост долевых пунктов |
Разукрупнение доли | 2,6 | - | 1,35 | = | 1,25 |
Непропорциональный интерес | 2,6 | - | 1,0 | = | 1,6 |
Постоянная сумма | 2,6 | - | 1,3 | = | 1,3 |
Контрольная подвыборка | 2,6 | - | 1,5 | = | 1,1 |
Прирост долевых пунктов, являющийся результатом выпуска продукта, находится в пределах от 1,1 до 1,6 долевого пункта. Усредненный результат четырех подходов показывает, что компанию ожидает прирост в 1,3 пункта рыночной доли после выпуска нового продукта. Теперь менеджеры могут решить, стоит ли такой прирост всех инвестиций в производство и маркетинг. Без нее менеджеры принимают решения на основании некоррект ной информации — ожидаемой валовой доли нового продукта без учета влияний существующих.
Моделирование помогает в ценообразовании
В прошлом маркетологи уделяли мало внимания роли ценообразования в разработке маркетинговой стратегии. Ведущие роли в маркетинге отдавались разработке продукта и его рекламе. Конечно, маркетологи лицемерно уверяли, что им важны 4 фактора: продукт, цена, место и продвижение. Но на практике большинство компаний использовало ценообразование только как тактический фактор, поддерживающий стратегии продвижения или запуск нового продукта.
Компании, изучающие STM, применяют эту технологию для выяснения ответа на ключевой вопрос маркетинга: какова оптимальная цена? Менеджер может выстраивать стратегию оптимальной цены на основании сочетания анализа альтернатив и STM эксперимента.
Здесь показано, как был использован анализ альтернатив для выявления оптимального соотношения «цена/качество» для провайдера новой интернет услуги. Крупная американская телефонная компания собиралась создать новую услугу, которая расширила бы бизнес — до сих пор она занималась только местной и междугородной телефонной связью. Хотя менеджеры компании считали, что пользователи телефонов будут платить за новую услугу, руководство не было уверено в том, какими именно качествами должна обладать эта услуга и какую цену следует установить. Трудность для фирмы состояла в том, что надо было выявить оптимальную комбинацию качества и цены. Чем больше разных качеств включает система, тем дороже будет наладить ее и поддерживать. Поэтому руководство хотело включить только те качества, ценность которых была бы очевидной для покупателей, и за которые они согласны были бы платить.
Чтобы провести анализ инициатив, исследовательская компания выбирает наугад 500 потенциальных пользователей из списка всех абонентов телефонной компании, присоединенных к Интернету. Исследователи провели интервью продолжительностью примерно по 40 минут. Во время интервью респондентам представляли 18 разных комбинаций возможных качеств и цены. Эти комбинации были тщательно отобранными сочетаниями 6 разных факторов: только для особых подписчиков, 24 часовая поддержка обслуживания клиентов, хранение файлов в Интернете, защита от спама и вирусов, специальный телефонный/широковолновый пакет и помесячная оплата услуг.
Респонденты оценили каждую комбинацию, затем позже в интервью они оценили отдельные факторы и уровни с использованием простого рейтинга (по намерению купить). Затем система использовала свои данные для разработки «микромодели» потенциального рынка, позволившего исследователям предварительно сделать вывод о числе покупателей, которые, будучи осведомленными об услуге, подпишутся на каждую из более чем 500 тыс. возможных комбинаций. Анализ альтернатив показал, что цена была важнейшим фактором, определяющим интерес к провайдеру. Таблица 7.12 показывает влияние цены на ожидаемый переход от осведомленности к пробной покупке (пример предполагает 100 % ную осведомленность и 100 %?ную возможность купить новую услугу).
Признавая важность цены, руководство компании хотело убедиться, что услуга включает только те качества, которые подчеркивают ее ценность для потенциальных пользователей. Как следствие, руководство обратило особое внимание на выгоды каждого качества.
Таблица 7.12. Как цена влияет на пробную покупку
Ежемесячная оплата услуг (долл.) | Ожидаемый процент покупателей, которые подпишутся на услугу (при наличии осведомленности и возможности купить) |
15* | 49 |
20 | 37 |
25* | 23 |
30 | 15 |
35* | 9 |
40 | 4 |
* Эти три уровня были включены в эксперимент. | |
Таблица 7.13 демонстрирует выгоды, связанные с хранением файлов в Интернете и с ценой. Другие уровни были предварительно оценены с использованием отдельного рейтинга. Эти цифры показывают, что покупатели находят провайдера услуги, предлагающего 100 мегабайт хранения файлов в Интернете по цене 25 долл. в месяц, более привлекательным, чем того, который вообще не предлагал хранения файлов в Интернете, но зато по цене всего 15 долл. Более того, меньший рост выгодности хранения в Интернете при увеличении объема с 200 до 500 мегабайт указывает на то, что покупатели не хотели бы платить дополнительные 10 долл. за эти возможности.
Таблица 7.13. Как возможность хранения файлов в Интернете и цена влияют на выгоды
Хранение файлов в Интернете (мегабайт) | Выгода | Ежемесячная плата за услугу, долл. | Вероятность покупки, % |
0 | +11 | 15 | 36 |
100 | +22 | 25 | 49 |
200 | -9 | 35 | 14 |
500 | -24 | 50 | 1 |
Ученые маркетологи смогли предварительно оценить выгодность и вероят ность покупки для большего количества уровней цены каждого качества, чем анализ альтернатив с использованием технологии микромоделирования. В результате руководству был представлен прогноз увеличения (или снижения) продаж при любом изменении цены, сопровождающем изменения в качествах услуги. Оценивая увеличения (или снижения) продаж, связанные с разными комбинациями качеств, телефонная компания смогла выбрать оптимальное сочетание.
Когда компания поняла, что выбор оптимальной комбинации качеств и цены является главным маркетинговым решением, исследователи STM смогли разработать схему исследования для изучения влияния цены на пробную и повторную покупку продукта в лабораторном окружении. Такие исследования применяют множественные подвыборки для тестирования альтернативных цен и, в сочетании с анализом альтернатив, для выбора оптимальной цены.
В одном случае были использованы множественные подвыборки для тестирования от 2 до 4 разных цен на «Бурбон» высшего качества, как показано на рис. 7.6. Модель может использовать множественные подвыборки в сочетании с анализом альтернатив для тестирования от 3 до 10 цен. Рисунок 7.7 показывает результаты такого анализа для новой микроволновой печи.
Моделирование определяет эффективность продукта или услуги
Вопросник, используемый исследователями при повторном звонке, включает в STM исследование стадии использования дополнительный рейтинг тестируемого продукта по качествам, которые потребители оценивали на стадии, предваряющей применение. Сравнение рейтингов до и после использования позволяет модели оценить, в какой мере продукт или услуга отвечают ожиданиям потребителя, которые сформировались под действием рекламы.
Сравнение рейтингов качеств показывает значительное изменение рейтингов 10 качеств после использования продукта (рис. 7.8).
Naturally Dry показал лучшую эффективность, чем ожидалось, по 6 характеристикам: «все ингредиенты натуральные», «высокое качество», «предупреждает запах», «не оставляет пятен», «этому бренду я доверяю» и «цена разумная». Но продукт не показал ожидаемой эффективности по 4 другим характеристикам: «сильное действие», «легко открывать», «прост в использовании» и «длительное действие». Эта информация показывает менеджеру по маркетингу, что для длительной конкурентоспособности компания должна улучшить характеристики, по которым продукт показал меньшую эффективность, чем ожидалось, и делать упор на те характеристики, эффективность по которым была выше ожидаемой.
Анализ чувствительности помогает усовершенствовать план
Поскольку менеджеры по маркетингу стремятся опробовать небольшое количество планов, исследователи STM разработали методы анализа чув ствительности для различных элементов плана. Анализ чувствительности позволяет маркетинг менеджерам понять, какой эффект оказывает каждый из элементов плана на продажи, на прибыль и (или) на то и другое.
Алгоритм Discovery применяет модель много раз подряд, для каждого из компонентов маркетингового плана, повышая и снижая их бюджет на 10, 20, 30, 40 и 50 % (или больше), сохраняя при этом остальные элементы неизменными. Такой анализ показывает относительное соотношение «затраты/эффективность» для каждого компонента.
Discovery использует данные анализа эффективности для определения предельной стоимости каждого элемента маркетингового плана. Предельная стоимость — это дополнительные затраты, которые должна понести компания для продажи одной дополнительной единицы продукта при сохранении остальных затрат неизменными. Чем ниже предельная стоимость, тем эффективнее влияние СМИ, купонов и образцов.
Предельная стоимость — это изменение затрат, деленное на изменение продаж. Она меняется, когда меняются продажи. Поэтому средняя предельная стоимость всех уровней затрат показывает относительную эффективность каждого из факторов (табл. 7.14).
Таблица 7.14. Предельная стоимость маркетинговых элементов маркетингового плана в 43 млн долл.
Элемент маркетингового плана | Средняя стоимость маркетинга, долл. |
Купоны | 4,45 |
15 секундная реклама в прайм тайм | 3,13 |
30 секундная реклама в прайм тайм | 2,59 |
15 секундная реклама в дневное время | 1,72 |
30 секундная реклама в дневное время | 1,51 |
Как показал ранее анализ чувствительности, купоны являются наименее эффективным средством в этом плане, потому что у них самая высокая предельная стоимость. В этом примере если маркетолог добавляет в план дополнительные купоны, каждая единица будет стоить 4,45 долл. в купонах; а стоимость дополнительной единицы в пересчете на 30 секундную телерекламу в дневное время составит только 1,51 долл.
Анализ чувствительности ясно показывает маркетинг менеджеру, что для этого продукта с этим уровнем затрат план продвижения наименее эффективен, чем каждый элемент рекламного плана. Поскольку система может протестировать более одного маркетингового плана, грамотный маркетинг менеджер протестирует дополнительные планы в рамках анализа чувствительности и таким образом повысит их потенциал.
Мы давно уже считаем, что исследователи моделированного пробного рынка должны применять технологию анализа чувствительности. На профессиональных встречах, где мы представляли этот подход, нас спрашивали: «Как это возможно проводить такой анализ?» или «Анализ чувствительности уводит исследование STM далеко за пределы его возможностей!» Мы отвечали, что каждая фирма, занимающаяся STM?исследованиями, говорит своим клиентам, что она сможет точно и достоверно прогнозировать продажи нового продукта, если рекламодатель изменит медиаплан, план продвижения или другие маркетинговые компоненты.
Но как сделать это без использования модели, которая включала бы в себя влияние этих изменений на рыночный отклик? Если модель существует, то ее можно запрограммировать на проведение анализа чувствительности. В конце концов, анализ чувствительности всего лишь позволяет совместить результаты достоверной модели STM с запрограммированным анализом данных для получения результата, показанного на рис. 7.9. Любой маркетолог или компания, которые не в состоянии представить детальный анализ чувствительности, не имеют научной модели маркетингового процесса.
Выводы
В этой главе описаны разнообразные инструменты и подходы, используемые исследователями моделированного пробного маркетинга для расширения возможностей сегодняшних моделей STM за рамки простого прогнозирования продаж. В наши дни, как мы многократно повторяли, большинство новых продуктов и услуг, представляемых на реальном рынке, «проваливаются», и неудивительно, что большинство исследователей STM предсказывают неудачу. Менеджерам необходимо знать не только прогноз для продукта, но и факторы достижения успеха.
Правильно выстроенный эксперимент с моделированным пробным рынком может исследовать и проанализировать целевую группу, позиционирование, рекламу, расширение линии, негативный эффект и качество для создания усовершенствованного маркетингового плана. Действительно, в наше время, когда более 90 % новых продуктов и услуг, упакованных товаров и товаров длительного пользования, потребительских и промышленных товаров получают неутешительный прогноз, технологии, позволяющие создавать более совершенные маркетинговые планы, становятся необходимыми.
Лучшие модели, занимающиеся моделированным пробным маркетингом сегодня, могут предсказать вам не только как пойдут ваши дела (то есть какова будет эффективность вашего нового или обновленного продукта), а что надо делать (то есть какие изменения внести), чтобы выпуск нового продукта был успешным.
И затем уже будет несложно менять входные данные и многократно использовать модель, пока она не выдаст результат, который можно будет назвать оптимальным планом.
Наша мечта это предоставить менеджеру панель маркетинговых инструментов — можно сказать, навигатор, — которая предлагала бы наилучшие прогнозы о том, что будет с новым продуктом или услугой, потребительским или промышленным товаром, если компания представит смоделированный план.
Комментариев нет:
Отправить комментарий