Identyfikacja segmentów klientów hipermarketów w Krakowie

Zeszyty
Naukowe nr
694
Akademii Ekonomicznej w Krakowie
2006
Jarosław Plichta
Katedra Handlu i Instytucji Rynkowych
Identyfikacja segmentów klientów
hipermarketów w Krakowie
według kryterium użyteczności
usługi handlowej
1. Wprowadzenie
Użyteczność i jej pomiar stanowią jedno z ważniejszych zagadnień zarówno
w teorii, jak i praktyce ekonomicznej. Użyteczność traktowana jako miara subiektywnego zadowolenia z nabywania i (lub) konsumpcji dóbr jest zarazem pewną
syntetyczną charakterystyką konsumentów. Decyzje podejmowane przez konsumentów w zakresie wyborów towarów i usług bazują na subiektywnej, syntetycznej ocenie użyteczności, która składa się z oceny ich cząstkowych atrybutów.
Z punktu widzenia podmiotów gospodarczych, których funkcjonowanie opiera
się na akceptacji ich produktów przez konsumentów, poznanie ocen użyteczności
ich produktów czy produktów konkurencji stanowi kluczowy składnik budowania
strategii rynkowych. Poznanie stopnia przydatności (użyteczności) produktów czy
usług dla konsumentów musi iść w parze z identyfikacją przyczyn takiej oceny,
która jest ukryta w cechach produktu bądź usługi. W niniejszym artykule podjęto
problem identyfikacji segmentów klientów hipermarketów wykorzystując jako
kryterium użyteczność usługi handlowej. Jest to kontynuacja procesu badawczego
polegającego na zweryfikowaniu tezy o istnieniu – analogicznie do produktów
czy usług o mniej skomplikowanej strukturze cech – cech charakteryzujących
usługę handlową. Ich identyfikacja, pomiar użyteczności cząstkowych cech oraz
w konsekwencji użyteczności całkowitej różnych usług handlowych (użyteczności
ZN694.indb 95
�������������������������
Szerzej na ten temat [3].
1/30/08 1:19:26 PM
Jarosław Plichta
96
miejsc dokonywania zakupów) przyjęto za główne kryterium segmentacji rynku,
modelowania rynku, modyfikacji usługi, analizy konkurencji itd. Oprócz tego
ważnym zagadnieniem poznawczym np. w modelowaniu usługi handlowej jest
poznanie trade off pomiędzy cechami, a tym samym pomiędzy obiektami handlowymi. Do tego celu wykorzystano metodologię conjoint, pozwalającą na pomiar
użyteczności całkowitych i cząstkowych produktów i usług [2, s. 85].
2. Pomiar użyteczności metodą conjoint
Kluczowym zagadnieniem poznawczym w zakresie segmentacji klientów jest
ustalenie preferencji co do wyboru miejsc dokonywania zakupów, a co za tym
idzie, kryteriów oceny i wyboru. W związku z tym powstaje pytanie: czy można
zdefiniować, badać i mierzyć użyteczność usługi handlowej? Dotychczasowe
badania dotyczące zagadnienia użyteczności skupiały się głównie na obiektach
(produktach, usługach) względnie jednorodnych. W wypadku użyteczności usługi
handlowej chodzi o wiele wymiarów dotyczących bezpośrednio obiektu handlowego (jego strategii, polityki marketingowej), jak również elementów pośrednio
kontrolowanych (np. dobór produktów przy tworzeniu asortymentu) oraz nie podlegających kontroli (np. kształtowanie się przestrzeni handlowej w najbliższym
otoczeniu i w skali całego obszaru oddziaływania obiektu handlowego).
Ocena użyteczności związanej z miejscem dokonywania zakupów stanowi
wiązkę cech, która do tej pory była definiowana w literaturze w sposób niejednolity. Miało to wpływ na wyniki badań preferencji i zachowań prowadzonych
od kilku lat w tym obszarze w Polsce. Ocena użyteczności usługi handlowej jest
związana nie tylko z ilością użyteczności cząstkowych, ale również z jej jakością.
Na początku podjęto próbę zbadania tego problemu na bardziej jednorodnej grupie
obiektów, a mianowicie hipermarketów. Są to obiekty dość łatwo identyfikowane
przez większość konsumentów.
W celu obliczenia użyteczności usługi handlowej świadczonej przez hipermarkety w Krakowie zastosowano analizę conjoint stosując pomiar łączny cech na
podstawie pełnych profili.
W wyniku badań pilotażowych ustalono listę cech oraz ich poziomów potrzebnych do stworzenia profili, które były oceniane przez respondentów w badaniach
ankietowych.
Polecenie CONJOINT jest dostępne w module SPPS Conjoint 8.0 pakietu statystycznego SPPS 11,5 for Windows i służy do analizy za pomocą metody conjoint
analysis danych eksperymentalnych zgromadzonych zgodnie z regułami metody
pełnych profili wyboru (full-profile method). Potencjalny zbiór wariantów danego
��������������������������������������������������
Badania przeprowadzono na próbie 154 respondentów.
ZN694.indb 96
1/30/08 1:19:26 PM
Identyfikacja segmentów klientów hipermarketów w Krakowie…
97
eksperymetu jest na ogół redukowany przez zastosowanie procedury generującej
układ ortogonalny. W poleceniu CONJOINT wymagana jest specyfikacja dwóch
plików danych. W jednym z nich zapisany jest układ ortogonalny eksperymentu
uzyskany za pomocą polecenia ORTHOPLAN, natomiast drugi plik zawiera oceny
respondentów uzyskane w wyniku badań ankietowych.
Polecenie ORTHOPLAN umożliwia wygenerowanie ortogonalnego układu
eksperymentu na podstawie danych przygotowanych zgodnie z regułami metody
pełnych profili wyboru. Układ ortogonalny gwarantuje istotną co do rozmiaru
redukcję skali projektowanych badań. W poleceniu ORTHOPLAN zaimplementowano model addytywny (efektów głównych) zależności użyteczności całkowitej od
użyteczności cząstkowych. Polecenie ORTHOPLAN generuje ortogonalny układ
eksperymentu w postaci unikalnych konfiguracji tworzących profile (warianty)
przedstawione respondentom do oceny na podstawie wartości (poziomów)
zmiennych opisujących obiekty będące przedmiotem analizy. Uzyskane profile
zaprezentowano w załączniku. Następnie użyto polecenia PLANCARDS w celu
kompozycji wygenerowanych, przy użyciu polecenia ORTHOPLAN, wariantów
w postaci kart, które po wydrukowaniu mogą być prezentowane respondentom do
oceny.
Niezależnie od użytej metody gromadzenia danych, otrzymuje się macierz
danych, w której liczba kolumn jest równa liczbie ocenianych profili, zaś liczba
wierszy jest równa liczbie respondentów biorących udział w badaniu. Każdy element macierzy danych reprezentuje preferencję danego respondenta względem
określonego profilu. Macierz danych jest wykorzystywana w poleceniu ����
CONJOINT����������������������������������������������������������������������
jako podstawa estymacji wartości użyteczności cząstkowych poszczególnych zmiennych z punktu widzenia każdego respondenta z osobna oraz w świetle
ocen wszystkich respondentów łącznie biorących udział w badaniu.
Szczegółowe wyniki otrzymane po wykonaniu polecenia CONJOINT informują o tym, która z przestawionych respondentom do oceny konfiguracji zmiennych jest preferowana, która ze zmiennych wywiera największy wpływ na całkowitą preferencję danego profilu oraz jakie jest względne znaczenie poszczególnych
zmiennych. Każdej zmiennej przypisywana jest oszacowana wartość użyteczności
cząstkowej, co pozwala ocenić takie konfiguracje poziomów zmiennych (tzw.
profile symulacyjne), które nie były uwzględnione w badaniu jako warianty eksperymentalne.
W efekcie uzyskano użyteczności cząstkowe atrybutów, które stanowią bezpośrednią podstawę segmentacji w przypadku korzystania z metodologii conjoint
analysis.
Macierz użyteczności cząstkowych może być wykorzystywana do:
– obliczenia użyteczności całkowitej dla każdego respondenta z osobna oraz
dla zbiorowości respondentów,
ZN694.indb 97
1/30/08 1:19:27 PM
Jarosław Plichta
98
– określenia relatywnej ważności każdej cechy w procesie wyboru produktu
(usługi) przez nabywcę,
– wydzielenia segmentów potencjalnych nabywców o zbliżonych preferencjach
wyboru,
– prognozowania udziału w rynku wybranych produktów (usług).
Tabela 1. Użyteczności cząstkowe i średnie cech charakteryzujących usługę handlową
Cecha
A. Jakość obsługi
B. Różnorodność towarów
Użyteczności
cząstkowe
Relatywna wartość
zmiennej
1,34
–1,34
15,13
1. dużo
2. co jakiś czas
3. niewiele
0,83
–0,17
–0,66
12,82
1. do 15 min.
2. do 30 min.
3. do 60 min.
2,38
0,12
–2,51
28,93
Poziomy
1. wysoka
2. średnia
3. niska
1. duża
2. mała
C. Sklepy w pasażu handlowym 1. dużo
2. mało
D. Promocje
E. Jakość towarów
F. Odległość od domu
1. wysoka
2. średnia
3. 3. niska
1,10
0,24
–1,34
14,59
0,18
–0,18
4,35
1,9
0,12
–2,07
24,17
Źródło: opracowanie własne.
Użyteczności cząstkowe stanowią podstawę segmentacji nabywców, ponieważ
odwzorowują reakcje konsumentów na określone warianty (profile) rzeczywistych
lub hipotetycznych obiektów handlowych (produktów, usług). W segmentacji
opartej na użytecznościach z wykorzystaniem analizy conjoint stosuje się różne
podejścia [2, s. 80], najczęściej dwufazowe, w których identyfikacja segmentów
rynku i estymacja użyteczności cząstkowych są rozdzielone.
3. Identyfikacja segmentów klientów hipermarketów
Do podziału zbiorowości badanych mieszkańców Krakowa i jednocześnie
klientów hipermarketów wykorzystano metodę k-średnich. W celu określenia
ilości zakładanych skupień w metodzie k-średnich wykonano analizę skupień
stosując metodę Warda wykorzystującą miarę odległości euklidesowej [1,
s. 191]. Metodę Warda zastosowano, aby określić ilość skupień przyjętych później
ZN694.indb 98
1/30/08 1:19:27 PM
ZN694.indb 99
0,17
do 30 min.
do 60 min.
do 15 min.
niska
średnia
–0,46
Źródło: opracowanie własne.
–2,71
3,17
1,58
–0,92
–0,67
–4,00
0,00
0,12
4,00
–0,62
0,50
0,37
–0,37
–1,00
1,00
–1,88
1,50
0,38
–4,58
0,92
3,67
–0,42
wysoka
niewiele
0,33
0,08
dużo
co jakiś
czas
AV – wartość średnia z 154 obserwacji
Odległość od
domu
Jakość towarów
Promocje
–0,75
mało
0,75
–2,75
dużo
Sklepy w pasażu
handlowym
mała
duża
2,75
niska
–0,83
0,67
średnia
wysoka
Różnorodność
towarów
Jakość obsługi
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
-
2
1
Cecha
Poziom
3
2
1
Wyszczególnienie
5
76
Numer respondenta
-
6
–4,67
–0,67
5,33
0,04
–0,21
0,17
–0,88
0,38
0,50
0,12
–0,12
–1,50
1,50
–0,67
0,33
0,33
0,04
–0,21
0,17
–3,67
–1,67
5,33
–2,00
1,00
1,00
–0,50
0,50
–0,62
0,62
–0,58
–1,08
1,67
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
-
Oszacowane użyteczności
75
4
1,17
1,79
153
7
–0,29
–0,54
0,83
–1,75
0,75
1,00
–2,21
1,04
1,17
–0,38
0,38
–3,25
3,25
–2,96
Tabela 2. Użyteczności cząstkowe cech usługi handlowej na podstawie ocen badanych respondentów
1,46
–1,29
–0,17
–2,75
0,75
0,17
2,00
–0,83
0,67
–2,50
2,50
–2,62
2,62
0,33
1,33
–1,67
154
8
–2,51
0,12
2,38
–2,06
0,11
1,94
–0,66
–0,17
0,83
–0,19
0,19
–1,35
1,35
–1,35
1,10
0,25
AV
9
Identyfikacja segmentów klientów hipermarketów w Krakowie…
99
1/30/08 1:19:28 PM
Jarosław Plichta
100
Przykładowe kody respondentów
w analizie metodą k-średnich. W przeciwnym wypadku należałoby przyjąć ich
ilość a priori, co mogłoby wpłynąć na wyniki dalszych analiz. Wykres w formie
dendogramu zaprezentowano na rys. 1, a wykres aglomeracji stanowiący funkcję
pomocniczą – na rys. 2. Wszystkich obliczeń dokonano za pomocą programów
SPPS for Windows oraz Statistica.
P_2
P_52
P_109
P_145
P_15
P_32
P_76
P_35
P_17
P_108
P_51
P_105
P_71
P_111
P_90
P_82
Diagram dla 154 przyp.
Metoda Warda
Odległości euklidesowe
0
20
40
60
100*Dwiąz/Dmaks
Stopnie aglomeracji w %
80
100
120
Rys. 1. Dendogram prezentujący skupiska (clustery) utworzone metodą Warda
Źródło: opracowanie własne.
Na podstawie analizy skupień metodą Warda wybrano 3 segmenty klientów
hipermarketów. Wprawdzie wykres przebiegu aglomeracji wskazuje na 2 podstawowe segmenty (na poziomie 50 następuje silniejszy spadek kąta nachylenia), to
jednak opierając się na analizie skupisk (dendogram) oraz zaleceniach metodologicznych wybrano 3 segmenty klientów hipermarketów.
��������
Analizy conjoint oraz analizy metodą k-średnich dokonano w programie SPSS, który zawiera
specjalny moduł conjoint, natomiast w programie Statistica dokanano analizy skupisk metodą
Warda.
�������������������������������������������������������������������������������������������
Według A. Sagana ilość skupisk powinna zawierać się w przedziale od 3 do 6. Szerzej na ten
temat w: [1, s. 193].
ZN694.indb 100
1/30/08 1:19:28 PM
Identyfikacja segmentów klientów hipermarketów w Krakowie…
101
Wykres odległości wiązania względem etapów wiązania
Odległości euklidesowe
140
120
Odległość
100
80
60
40
20
0
–20
0
14
28
42
56
70 84
Etap
98
112 126 140 154
Wiązania
Odległ.
Rys. 2. Przebieg aglomeracji skupisk w metodzie Warda
Źródło: opracowanie własne.
W następnej kolejności za pomocą metody k-średnich (Quick Cluster) dokonano podziału zbiorowości klientów hipermarketów uzyskując przy wartości progowej równej 0,000 po ósmej iteracji przyporządkowania obserwacji (obiektów)
do 3 skupisk (segmentów). Minimalna odległość pomiędzy wstępnymi centrami
skupień wynosi 10,390 (tabela 3).
Tabela 3. Przebieg iteracji
Iteracja
1
2
3
4
5
6
7
8
Źródło: opracowanie własne.
ZN694.indb 101
1
5,013
1,230
0,589
0,523
0,411
0,353
0,121
0,000
Zmiana w centrach skupień
2
3,596
0,615
0,214
0,000
0,138
0,000
0,099
0,000
3
5,873
0,729
0,367
0,345
0,167
0,175
0,102
0,000
���������������������������������������������������������
Dane zaprezentowano w formacie generowanym przez program SPSS for Windows.
1/30/08 1:19:29 PM
Jarosław Plichta
102
W wyniku obliczeń uzyskano podział na trzy segmenty o liczebnościach:
– segment I – 35 klientów,
– segment II – 51 klientów,
– segment III – 68 klientów.
Tabela 4. Liczebność i struktura segmentów uzyskanych metodą k-średnich
Segment
Liczebność
1
35
2
3
Razem
51
68
154
Struktura w %
22,7
33,1
44,2
100,0
Źródło: opracowanie własne.
W celu określenia użyteczności poszczególnych poziomów i cech w poszczególnych segmentach rynku, procedurę conjoint analysis powtórzono osobno
w każdym segmencie. Dzięki temu dokonano charakterystyki segmentów według
głównego kryterium, a mianowicie kryterium użyteczności. Oszacowane użyteczności cząstkowe zaprezentowano w tabeli 5.
Uzyskane wstępne wyniki badań segmentacyjnych pokazują, że:
a) w segmencie I największe znaczenie dla klientów mają „różnorodność towarów” i „promocje”. Ten typ klienta można określić: „Jak najwięcej i jak najtaniej”;
b) w segmencie II zdecydowanie klienci zwracają uwagę na „jakość towarów”
oraz „jakość obsługi”. Klient tego segmentu jest typowym klientem oczekującym wyższego poziomu usługi handlowej: „Oczekujemy dobrej jakości i dobrej
obsługi”. Tego typu klienci mają więcej czasu i cenią głównie poziom usługi handlowej. Nie są wrażliwi na promocje i różnorodność towarów;
c) w segmencie III zdecydowanie liczy się „odległość od domu”, czyli bliskość
placówki handlowej, dość wysoko ceniono również „jakość towarów”. Ten segment
rynku dotyczy klienta nastawionego głównie na oszczędność czasu oraz wysoką
jakość towarów: „Blisko, dobrej jakości i nie za dużo”. Ze względu na czas klienci
należącego do tego segmentu oczekują rzetelności w zakresie jakości towarów,
ponieważ z braku czasu nie mogą sobie pozwolić na poszukiwanie i sprawdzanie.
Są zdeterminowani dokonać zakupów w możliwie najkrótszym czasie, dlatego
takie atrybuty, jak: dojazd, parking, dostępność towarów, brak kolejek pojawiają
się często na wysokich pozycjach w rankingach czynników determinujacych
wybór obiektu handlowego.
Na uwagę zasługuje bardzo niska użyteczność „dodatkowej oferty handlowo-usługowej” hipermarketów, co w wielu przypadkach potwierdzają opinie właścicieli tych przedsiębiorstw. Zbyt duży udział hipermarketu w ogólnej powierzchni
ZN694.indb 102
1/30/08 1:19:30 PM
ZN694.indb 103
do 60 min.
do 30 min.
do 15 min.
niska
średnia
wysoka
niewiele
co jakiś czas
dużo
1,6095
R = 0,996
35
–1,4833
0,4452
1,0381
–0,8964
–0,0607
0,9571
–1,8119
0,2024
τ = 0,962
16,13
15,50
22,39
4,77
24,87
16,34
b
1,6078
0,0294
R=0,996
51
–0,6176
0,0098
0,6078
–4,1953
0,4665
3,7288
–0,4093
–0,4044
0,8137
–0,4755
0,4755
–1,1250
1,1250
11,36
42,49
10,39
5,82
11,59
18,36
b
τ = 0,983
Segment II
–1,6373
a
0,3977
0,6642
1,0074
R = 0,995
68
–4,4455
0,0362
4,4093
–1,0502
–0,0576
1,1078
–0,2567
–0,1869
0,4436
–0,0239
0,0239
–1,0074
48,75
14,61
9,79
3,09
12,80
10,97
b
τ = 0,962
Segment III
–1,0619
a
Źródło: opracowanie własne.
τ Kendalla i R Pearsona – współczynniki określające stopień korelacji wielorakiej oraz stopień dopasowania danych rzeczywistych do modelu
Liczba klientów
Współczynniki
Odległość od
domu
Jakość towarów
Promocje
0,1000
–0,1000
mało
dużo
Sklepy w pasażu
handlowym
–2,3393
mała
2,3393
–1,4750
duża
średnia
niska
0,2607
Segment I
1,2143
a
wysoka
poziom
Różnorodność
towarów
Jakość obsługi
cecha
Wyszczególnienie
Tabela 5. Użyteczności cząstkowe oraz całkowite cech usługi handlowej w trzech podstawowych segmentach klientów
hipermarketów
Identyfikacja segmentów klientów hipermarketów w Krakowie…
103
1/30/08 1:19:30 PM
104
Jarosław Plichta
sprzedażowej całego obiektu nie powoduje zwiększenia przychodów małych
obiektów zlokalizowanych w częściach galeryjnych.
4. Wnioski końcowe
Opracowanie stanowi kolejny etap badań dotyczących wykorzystania teorii
użyteczności w praktyce handlowej oraz podstawę do dalszych pogłębionych analiz i charakterystyki zdefiniowanych segmentów klientów hipermarketów.
Ocena wiarygodności (rzetelności i trafności) przeprowadzonych badań i analiz
zawężona została do analizy trafności wewnętrznej oraz trafności prognostycznej
(por. [2]). Powodem tego ograniczenia był brak w zbiorze profili wygenerowanych metodą tablic ortogonalnych, wariantów testowych (profili ocenionych przez
respondentów, ale nie uwzględnionych w procedurze estymacji).
Dodać należy, że ocena trafności wewnętrznej mierzona za pomocą współczynnika korelacji Pearsona na poziomie 0,995 oraz współczynnika korelacji Kendalla
na poziomie 0,950 potwierdza dobrą zgodność dopasowania modelu do danych
ankietowych.
Ocena trafności prognostycznej, polegająca na porównaniu rezultatów badania
z obserwacjami, potwierdza, że istotnym czynnikiem branym pod uwagę przy
wyborze hipermarketu jest szeroko rozumiana jego lokalizacja.
Literatura
[1] Sagan A., Badania marketingowe – podstawowe kierunki, Wydawnictwo AE w Krakowie, Kraków 2004.
[2] Walesiak M., Bąk A., Conjoint analysis w badaniach marketingowych, Wydawnictwo
AE we Wrocławiu, Wrocław 2000.
[3] Zarządzanie sprzedażą w warunkach konkurencji – konsumencka ocena użyteczności
usług handlowych jako czynnik przewagi konkurencyjnej handlu detalicznego, Raport
z badań statutowych pod kier. prof. dr. hab. J. Szumilaka, nr KHiIR/S/2003, Kraków
2003.
Identification of Hypermarket Customer Segments in Kraków Using
the Trade Service Utility Criterion
In this article, the author addresses the problem of identifying hypermarket customer
segments using trade service utility as a criterion. The article is a continuation of research
that aims to verify the thesis on the existence – analogously for products and services
with a less complicated structure of features – of attributes that describe a trade service.
Their identification, measurement of the utility of partial features and, consequently, the
total utility of various trade services (utility of shopping sites), was assumed as the main
ZN694.indb 104
1/30/08 1:19:30 PM
Identyfikacja segmentów klientów hipermarketów w Krakowie…
105
criterion for market segmentation, market modelling, service modification, competition
analysis, etc. Apart from this, an important cognitive issue in, for example, the modelling
of a trade service is becoming familiar with the trade-off between attributes, and – at the
same time – between shopping centres. To this end, the conjoint methodology was used,
which allows the utility of total and partial products and services to be measured. In order
to define market segments, Ward and k-means cluster analysis were used. This enabled
the author to define three basic segments of hypermarket customers in Kraków using the
trade service utility criterion.
ZN694.indb 105
1/30/08 1:19:30 PM