Identyfikacja segmentów klientów hipermarketów w Krakowie według kryterium użyteczności usługi handlowej

Pełen tekst

(1)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.

(2) 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.

(3) 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.

(4) 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.

(5) 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.

(6) 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.

(7) 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.

(8) 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.

(9) 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.

(10) 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.

(11) 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.

(12)