Michał Purczyński Kompania Piwowarska w Poznaniu, Uniwersytet Ekonomiczny w Poznaniu

(1)

Michał purczyński

Kompania Piwowarska w Poznaniu, Uniwersytet Ekonomiczny w Poznaniu

wyKOrzyStAnie wyBrAnych

MetOD wielOwyMiArOweJ AnAlizy DAnych DO SeGMentAcJi rynKu piwOwArSKieGO

Streszczenie: W artykule wykorzystano analizę głównych składowych i analizę skupień do segmentacji polskiego rynku piw. Za pomocą analizy głównych składowych zrzutowano na płaszczyznę zmienne opisujące segmenty i pokazano, jak każda ze zmiennych wpływa na rynkowe usytuowanie konkretnej marki oraz jak wyglądają odległości między wybranymi markami. Następnie, za pomocą analizy skupień, pogrupowano 26 najpopularniejszych marek piw w Polsce. Jako metodę grupowania obiektów wybrano metodę Warda. Dzięki opracowanej segmentacji, przedsiębiorstwo piwowarskie jest w stanie zna- leźć segment, w którym jest nieobecne lub nie odgrywa ważnej roli, i właśnie w to miejsce może skierować swoje działania. Z innej strony opracowany podział pokazuje, w któ- rych obszarach rynku znajdują się marki danego przedsiębiorstwa oraz czy te segmenty zgadzają się z opracowaną strategią marketingową.

Słowa kluczowe: rynek piwowarski, analiza głównych składowych, analiza skupień, seg- mentacja rynku.

wstęp

Rynek piwowarski, podobnie jak większość rynków dóbr konsumpcyjnych, skła- da się z niejednorodnej grupy konsumentów podejmujących decyzje kupna na podstawie charakterystycznych dla siebie kryteriów. Dla jednych najważniejszym kryterium będzie cena, dla innych smak lub opakowanie. Z punktu widzenia konsumenta optymalnym rozwiązaniem byłoby opracowanie przez browar produktu, który zaspokoiłby jego wszystkie potrzeby i spełnił wszystkie oczekiwania. Nie- stety, rozwiązanie takie nie jest możliwe z praktycznego i ekonomicznego punktu widzenia. Zatem w celu zadowolenia jak największej liczby konsumentów,

(2)

przedsiębiorstwo grupuje ich na podstawie wybranych cech, takich jak wiek, wy- kształcenie, dochód, miejsce zamieszkania, i przygotowuje produkty adresowane do konkretnych grup konsumentów. Proces dzielenia klientów, produktów, obsza- rów rynkowych itp. na jednorodne grupy nosi nazwę segmentacji rynku [Mynar- ski 2001, s. 114].

Procedura segmentacji rynku przynosi, prawie każdemu przedsiębiorstwu, wiele korzyści, między innymi:

– pozwala dotrzeć do większej liczy konsumentów, na przykład poprzez ofero- wanie produktów tańszych klientom ubogim, którzy są bardziej wrażliwi na cenę, i odwrotnie – poprzez sprzedawanie produktów luksusowych, o orygi- nalnym smaku i opakowaniu, klientom zamożnym,

– pokazuje, jak wyglądają poszczególne segmenty oraz jak na ich tle wyglądają produkty danego przedsiębiorstwa i konkurencji, dzięki czemu możliwe jest wykrycie tzw. nisz rynkowych [Stanimir2006, s. 179],

– umożliwia optymalizację wykorzystania narzędzi marketingu mix w dotarciu do konkretnej grupy klientów¹.

Ze statystycznego punktu widzenia procedura segmentacji rynku jest podzia- łem obiektów rynkowych na podgrupy o wysokiej jednorodności [Rószkiewicz 2002, s. 79]. Oznacza to, że ze względu na przyjęte kryteria grupowania, obiekty należące do jednej grupy muszą być do siebie jak najbardziej podobne.

W literaturze wyodrębnia się dwa podejścia do analiz mających na celu seg- mentację rynku; nazywane są one podejściami a priori i post hoc. Cechą cha- rakterystyczną podejścia a priori jest odgórny wybór „kryteriów grupowania i zmiennych profilujących zdefiniowane segmenty” [Rószkiewicz2002, s. 80].

Do metod wykorzystywanych przy podejściu a priori należą między innymi: ana- liza dyskryminacji, analiza regresji logistycznej i metoda CHAID [Rószkiewicz 2002, s. 80–98].

W podejściu post hoc nie zakłada się żadnych wcześniej ustalonych kryteriów segmentacji. Do metod segmentacji post hoc należą między innymi: analiza czyn- nikowa, analiza głównych składowych, analiza skupień i metoda k-średnich.

W artykule przedstawiono segmentację 26 najpopularniejszych w Polsce piw². Wykorzystano do tego analizę skupień. Natomiast za pomocą analizy głównych składowych pokazano i wyodrębniono czynniki wpływające na zróżnicowanie polskiego rynku piwowarskiego. Wybór tych dwóch metod nie był przypadko- wy, gdyż dodatkowym celem autora było pokazanie, jak za pomocą właśnie tych prostych statystycznych metod można uzyskać wyniki, które z praktycznego (biz-

1 Więcej na temat segmentacji rynku można znaleźć między innymi w pracach: Kotlera [1999, s. 243–268], Lambina [2001, s. 187–234], Garbarskiego, Rutkowskiego i Wrzoska [1998, s. 153–165].

2 Przez pojęcie najpopularniejszych piw rozumiane są marki piw, które zostały w badaniu wy- mienione przynajmniej przez 400 respondentów z próby liczącej 10 702 osób.

(3)

nesowego) punktu widzenia są bardzo wartościowe i zgodne z intuicją oraz do- świadczaniem osób będących ekspertami w biznesie piwowarskim.

W artykule scharakteryzowano kryteria segmentacji rynku piwowarskiego, przedstawiono wybrane metody wielowymiarowej segmentacji rynku oraz wynik segmentacji produktów rynku piwowarskiego.

Dane pochodzą z fragmentu całościowego badania konsumentów piwa, któ- re przeprowadziła firma SMG/KRC na zlecenie Kompanii Piwowarskiej³. Próba wynosząca 10 702 respondentów została zbadana w okresie pomiędzy 1 stycznia i 31 grudnia 2009 roku. Obliczenia wykonano w programie R.

1. Kryteria segmentacji rynku piwowarskiego

Procedura segmentacji rynku zaczyna się od wyboru właściwych dla danej analizy kryteriów segmentacji. W wypadku branży piwowarskiej, do identyfikacji seg- mentów rynku zostały użyte kryteria odnoszące się zarówno do produktu, jak i do konsumenta. Zatem nie jest to typowa segmentacja konsumentów, ponieważ bez- pośrednio nie zostali pogrupowani konsumenci, lecz produkty, za którymi sto- ją określone grupy konsumentów. Podejście takie jest dozwolone, ponieważ, jak pisze Mynarski [2001, s. 114], „segmentacja rynku może dotyczyć klientów, produktów, sklepów, obszarów rynkowych itp.” Zwykle zmienne odnoszące się zarówno do konsumenta, jak i do produktu są wykorzystywane do segmentacji rynku za pomocą modeli klas ukrytych [Song i Fox 2005; Sawtooth Software 2004].

Kryteria segmentacji dotyczące konsumentów piwa można zakwalifikować do następujących grup [Garbarski, Rutkowski i Wrzosek 1998, s. 158]:

– kryteria społeczno-ekonomiczne – dochód (D), wykształcenie (WYK), wiel- kość miejscowości zamieszkania (MZ),

– kryteria demograficzne – wiek konsumenta (WIEK), płeć (PŁEĆ),

– kryteria psychograficzne – obejmują cechy związane z aktywnością, zainte- resowaniami, opiniami konsumentów; w tym badaniu takimi kryteriami były:

wielkość spożycia piwa (SPOZ) oraz tzw. wspomagana znajomość marki (MARKA).

Uszczegółowienie sposobu pomiaru oraz interpretację zmiennych zawarto poni- żej:– Dochód (D) – jest to przeciętna wielkość dochodu na członka rodziny (w zło-

tych), zatem dochód jest dzielony także na dzieci.

3 Respondentami były osoby w wieku 18–60 lat pijące piwo przynajmniej dwa, trzy razy w miesiącu. Rozkład próby dla wieku, płci i wielkości miejsca zamieszkania był oparty na danych z niezależnego badania TGI (36 000 wywiadów rocznie). Próba wynosiła około 900 respondentów miesięcznie.

(4)

– Wykształcenie (WYK) – jest to zmienna mierzona na skali porządkowej, któ- rej przyporządkowano następujące rangi: 1 – wykształcenie podstawowe, 2 – wykształcenie zawodowe, 3 – wykształcenie średnie, 4 – wykształcenie wyż- – Wielkość miejsca zamieszkania (MZ) – w przeprowadzonym przez firmę sze.

SMG/KRC badaniu wyodrębnione były następujące grupy: wieś oraz miasta do: 10 000, 19 000, 49 000, 99 000, 199 000, 499 000, 999 000 i powyżej miliona mieszkańców. Jako liczbę mieszkańców brano środek przedziału; na przykład dla miasta pomiędzy 19 tys. a 49 tys. było to 34 tys. W przypadku wsi jako liczbę ludności brano wielkość przeciętnej wsi w Polsce, czyli 355 mieszkańców. Jeżeli chodzi o miasta powyżej 1 miliona, to jest to tylko War- szawa, zatem za środek tego przedziału przyjęto liczbę mieszkańców miasta 1 711 466 [GUS 2009].

– Wiek (WIEK) – wiek konsumenta piwa w latach.

– Płeć (PŁEĆ) – zmienna zero-jedynkowa; 1 oznacza mężczyznę, 0 – kobie- tę. Im więcej mężczyzn w danym segmencie, tym „wskaźnik” płci jest bliż- szy 1.

– Wspomagana znajomość marki (MARKA) – jest to zmienna unormowana za- warta w przedziale od 0 do 1. Przyjmuje wartość 1 wtedy, gdy konsument, czytając kartkę z markami produktów, stwierdzi, że zna daną markę.

– Wielkość spożycia piwa (SPOZ) – zmienna ta informuje, ile litrów danej mar- ki przeciętnie w ciągu tygodnia wypija konsument. Jest to spożycie deklaro- wane, a ponieważ picie dużych ilości alkoholu nie jest cechą pożądaną, kon- sumpcja podawana przez respondentów zwykle jest niższa od faktycznej.

Kryteria społeczno-ekonomiczne nie sprawiają większego problemu w identyfikacji i interpretacji, dodatkowo zmienne te stosunkowo łatwo można zmierzyć.

Podobnie jest ze zmiennymi demograficznymi, takimi jak wiek i płeć. Między innymi z tych podwodów należą one do najbardziej popularnych kryteriów seg- mentacyjnych.

Z kryteriów dotyczących produktu wyodrębniono przede wszystkim kryteria uwypuklające świadczone przez produkt korzyści. W wypadku piwa będą to:

– Zawartość syropów smakowych (SYROP) – jeżeli w skład piwa wchodzi sy- rop wzbogacający jego smak i aromat, to taka zmienna przyjmuje wartość 1, w przeciwnym razie jest równa 0. Przykładem piwa z aromatem jest Redd’s.

– Zawartość alkoholu (ALK) – niektórzy konsumenci, podejmując decyzję o wy- borze piwa, kierują się zawartością alkoholu. Dla jednych będzie to czynnik pozytywny, dla innych wręcz przeciwnie, na przykład kobiety w ciąży i osoby prowadzące samochody nie mogą pić piw zawierających alkohol.

– Cena (CENA) – w sytuacji, gdy konsument nie preferuje żadnej marki, cena może być czynnikiem decydującym o nabyciu danego produktu. Zmienna ta jest mierzona w złotych za litr piwa.

(5)

2. Analiza skupień i analiza głównych składowych

Kluczową rolę w procesie segmentacji rynku odgrywa wybór metody porównu- jącej badane obiekty. Jest wielce prawdopodobne, że wybrana metoda przesądzi o tym, ile segmentów otrzymamy i jakie. Spośród metod segmentacji post hoc dużą popularnością, między innymi ze względu na łatwość interpretacji i wizu- alną prezentację rezultatów, cieszy się analiza skupień. Druga użyta w artykule metoda – analiza głównych składowych – jest mniej popularna, aczkolwiek także znajduje zastosowanie w praktyce.

2.1. Analiza głównych składowych

Metoda głównych składowych polega na przekształceniu obserwowalnych zmiennych wejściowych w nowe, nieobserwowalne i nieskorelowane zmienne, nazywane głównymi składowymi [Panek 2009, s. 175]. Składowe, będące liniowymi kombinacjami zmiennych obserwowalnych, mają w jak najlepszy sposób opisać cały zbiór danych. Częstym celem takich przekształceń jest ograniczenie liczby zmiennych do dalszych analiz lub próba zmierzenia pewnych nieobserwowal- nych cech za pomocą zmiennych mierzalnych [Kopczewska, Kopczewski i Wój- cik 2009, s. 402]. Na przykład, chcąc zmierzyć lojalność klienta wobec marki, nie można tego zrobić w sposób bezpośredni, natomiast można wykorzystać inne obserwowalne przejawy lojalności – skłonność do ponownych zakupów, pole- canie danego produktu znajomym itp. W artykule analizę głównych składowych wykorzystano do zrzutowania zmiennych wejściowych na płaszczyznę, w celu graficznego pokazania ich wpływu na poszczególne marki, oraz do wskazania po- dobieństw (różnic) między markami.

W metodzie głównych składowych zmienną oryginalną x można przedsta- wić jako kombinację liniową zmiennych składowych [Kopczewska, Kopczewski i Wójcik 2009, s. 403]:

= + + + + +

1 11 1 12 2 13 3 1 1

1 21 1 22 2 23 3 2 2

1 1 2 2 3 3

, ,

,

k k k k

p p p p pk k p

x λ f λ f λ f λ f u x λ f λ f λ f λ f u x λ f λ f λ f λ f u



(1)

gdzie:

λ – ładunki czynnikowe opisujące udział odpowiedniej głównej składowej w zmiennej oryginalnej x,

f – zmienne składowe, u – czynniki specyficzne,

p – liczba analizowanych zmiennych, k – liczba składowych.

(6)

Z formalnego punktu widzenia można wyznaczyć tyle głównych składowych, ile jest zmiennych wejściowych. Jednak zwykle w zastosowaniach marketingowych wyznacza się 2–3 główne składowe, aby można było przedstawić zbiór ob- serwacji na wykresie dwu- lub trójwymiarowym. Dodatkowo nie praktykuje się wyznaczania większej liczby składowych, ze względu na to, że każda następna składowa zawiera coraz mniej informacji o badanym zjawisku. Szczegóły doty- czące algorytmu wyznaczania macierzy współczynników głównych składowych można znaleźć w pracach z zakresu wielowymiarowej analizy danych [Morrison 1990; Panek 2009].

2.2. Analiza skupień

Metody grupowania obiektów można podzielić na metody hierarchiczne i metody niehierarchiczne (często nazywane dzielącymi). Wśród metod hierarchicznych wyróżnia się warianty aglomeracyjny i podziałowy. W praktyce właśnie metody hierarchiczne są najczęściej wykorzystywane [Kopczewska, Kopczewski i Wój- cik 2009, s. 402]. Upraszczając, celem analizy skupień jest podział niejednorod- nego zbioru obiektów na kilka (kilkanaście) jednorodnych podzbiorów [Migut 2009]. Wyniki procedury grupowania mogą być przedstawione w formie hierar- chicznego drzewa – dendrogramu, który obrazuje kolejne etapy łączenia obiek- tów. Jak pokazuje praktyka, jest to metoda ciesząca się dużą popularnością po- śród osób przeprowadzających segmentację rynku [Kaczmarek 2002].

Często w literaturze można wyodrębnić siedem etapów typowej analizy sku- pień [Walesiak i Gatnar 2009, s. 409]:

wybór zmiennych

Dobór odpowiednich zmiennych jest jednym z najważniejszych i prawdopodob- nie najtrudniejszych zagadnień. Jakość i wiarygodność otrzymanych wyników w dużej mierze zależy od zestawu zmiennych. Przede wszystkim uwzględnia się te zmienne, które różnicują grupowane obiekty. Należy unikać bezmyślnego do- dawania zmiennych, które nic nie wnoszą do przeprowadzanej analizy.

normalizacja wartości zmiennych

Zwykle zmienne są wyrażone w różnych jednostkach. Dlatego, aby ich wpływ był porównywalny, należy je znormalizować. Najpopularniejszą formą normalizacji jest standaryzacja, której użyto do normalizacji danych opisujących segmenty rynku piwowarskiego.

wybór metody klasyfikacji

W artykule skoncentrowano się tylko na hierarchicznych metodach aglomeracyj- nych, aczkolwiek istnieją także metody deglomeracyjne i metody, w których podaje się wstępny podział zbioru obiektów.

(7)

wybór miary odległości i metody obliczania odległości między skupieniami Odległość jest miarą niepodobieństwa między obiektami i ich grupami. Najpopu- larniejszą miarą jest odległość euklidesowa, jednak używane są także i inne miary, na przykład odległość Minkowskiego, odległość miejska, odległość Mahala- nobisa [Rószkiewicz 2002, s. 108]. W przypadku łączenia obiektów, kluczowym zagadnieniem jest wybranie metody obliczenia odległości między skupieniami.

Najczęściej wykorzystywane metody to: metoda najbliższego sąsiedztwa, metoda najdalszego sąsiedztwa, metoda średniej, metoda mediany, metoda centroidalna, metoda Warda [Rószkiewicz 2002, s. 109–110; Walesiak i Gatnar 2009, s. 413–

414; Panek 2009, s. 93–96]. Spośród powyższych metod, w symulacjach polega- jących na odtworzeniu znanej struktury grupowej najlepiej wypada metoda War- da⁴. W metodzie tej dwie grupy obiektów są łączone w jedną w taki sposób, aby zminimalizować sumę kwadratów odchyleń wszystkich obiektów z tych grup od środka ciężkości nowo powstałej grupy [Panek 2009, s. 95]. Miarą zróżnicowania jest wyrażenie ESS (Error Sum of Square), tzw. suma kwadratów błędów:

2 2

1 1

1

k k

i i

ESS x x

k

= =

 

= −  

 

∑ ∑

^, ⁽²⁾

gdzie:

x_i – wartość cechy stanowiącej kryterium segmentacji, opisująca i-tą jednost- k – liczba jednostek w grupie.kę,

ustalenie liczby klas

Istnieje kilka procedur numerycznych pozwalających wyznaczyć liczbę klas. Jed- nymi z bardziej popularnych są indeks Goodmana-Kruskala G2 i indeks G3 [Wa- lesiak i Gatnar 2009, s. 418]:

{ }

( ) ( ) ˆ

2( ) , ( ) [ 1, 1], arg max 2( )

( ) ( ) ^u

s s

G u G u u G u

s s

+ − −

= ∈ − =

+ + −^{( )} ^{( )} ˆ

{ }

2( ) , ( ) [ 1, 1], arg max 2( )

( ) ( ) ^u

s s

G u G u u G u

s s

+ − −

= ∈ − =

+ + − , (3)

{ }

min

max min

( ) ˆ

3( ) 1 ^w , ( ) (0, 1), arg min 3( )

w w u

D u l D

G u G u u G u

l D l D

= − − ∈ =

− , (4)

gdzie:

u – liczba klas,

s(+) – liczba par odległości zgodnych, s(–) – liczba par odległości niezgodnych,

4 Taki wniosek podaje Sokołowski [1992], natomiast w pracy Kopczewskiej, Kopczewskiego i Wójcika [2009] sugeruje się wybór jednej z trzech metod: Warda, średniej grupowej lub najdalszego sąsiedztwa.

(8)

D(u) – suma wszystkich odległości wewnątrzklasowych, D_min, D_max – najmniejsza i największa odległość wewnątrzklasowa, l_w – liczba odległości wewnątrzklasowych.

Odległości są zgodne, jeżeli dla dowolnych obiektów a, b, c, d prawdziwe są na- stępujące nierówności:

d(a, b) < d(c, d), (5)

jeżeli a i b są w tym samym skupieniu, a c i d są w różnych skupieniach,

d(a, b) > d(c, d), (6)

jeżeli a i b są w różnych skupieniach, a c i d są w tym samym skupieniu.

Optymalna liczba klas powinna maksymalizować indeks G2(u) i minimalizo- wać indeks G3(u). Pomimo istnienia powyższych wskaźników, ostateczną decy- zję dotyczącą liczby klas podejmuje badacz. Od jego wiedzy i umiejętności oceny danych zależy ostateczny wynik segmentacji.

Ocena wyników klasyfikacji

Indeks Silhouette to unormowany miernik, przyjmujący wartości z przedziału [–1, 1] pozwalający ocenić między innymi ogólną jakość klasyfikacji [Walesiak i Gatnar 2009, s. 420]:

{ }

1

1 ( ) ( )

( ) max ( ), ( )

n i

b i a i S u n = a i b i

=

∑

− ^, ⁽⁷⁾

gdzie:

a(i) – średnia odległość obiektu i od pozostałych obiektów należących do tej samej klasy P_r:

( )

r

ik r k P

a i d n

∈

=

∑

r – numer klasy,

n_r – liczba obiektów w klasie P_r, u – liczba klas,

b(i) – średnia odległość obiektu i od obiektów należących do klasy P_s (do któ- rej i nie należy):

{ }

( ) min _S , _S

S

iP iP ik s

s r k P

b i d d d n

≠ ∈

= =

∑

s – numer klasy,

n_s– liczba obiektów w klasie P_s.

(9)

Im większa jest wartość S(i), tym wyraźniejsza jest struktura klas. Jeżeli S(u) > 0,7, to istnieje wyraźna struktura klas między badanymi obiektami; dla wartości poniżej 0,25 nie odkryto żadnej struktury klas.

Opis klas

Finalnym rezultatem pracy jest podział zbioru obiektów na klasy. Między innymi należy wskazać, na podstawie wcześniej wybranych zmiennych, cechy charakte- rystyczne każdej klasy. W tym celu zazwyczaj oblicza się środek ciężkości każdej z klas oraz odchylenie standardowe zmiennych w poszczególnych klasach.

3. Segmentacja rynku piwa w polsce

Segmentację piw przeprowadzono dwuetapowo. Na etapie pierwszym, za po- mocą analizy głównych składowych, zredukowano wymiar analizy i zrzutowano zmienne wejściowe na nowe zmienne nazywane głównymi składowymi. Następ- nie, wykorzystując metodę Warda, pogrupowano marki w klasy, przedstawiając proces grupowania za pomocą dendrogramu.

3.1. Analiza głównych składowych

W tabeli 1 znajdują się wartości ładunków czynnikowych. Cechami silnie oddzia- łującymi na składową PC1 są: liczba ludności, wielkość miejsca zamieszkania i dochód (korelacja dodatnia), natomiast mocno negatywnie oddziaływuje wiek respondenta. Na główną składową PC2 wpływają: wielkość spożycia i płeć – za- leżność dodatnia – oraz dodatek soku (aromatu) – zależność silnie ujemna.

tabela 1. wartości współczynników głównych składowych

zmienna PC1 PC2

MARKA 0,30 0,45

PŁEĆ –0,26 0,90

WIEK –0,73 0,30

WYK 0,87 –0,36

D 0,92 –0,10

SPOZ –0,53 0,77

MZ 0,95 0,00

ALK –0,22 0,69

SYROP 0,26 –0,88

CENA 0,74 –0,30

Źródło: Opracowanie własne.

(10)

Na rysunku 1 przedstawiono wyniki analizy głównych składowych. Podział na podzbiory nie jest jednoznaczny, aczkolwiek można wyróżnić kilka cech charakterystycznych. Przede wszystkim silnie odróżniają się od innych piwa smakowe skierowane do kobiet, takie jak: Redd’s, Karmi, Gingers, przy czym Karmi, ze względu na niewielką zawartość alkoholu, jest piwem w zasadzie niemającym konkurencji. Bardzo charakterystycznym piwem jest także Desperados – piwo popularne wśród zarówno kobiet, jak i mężczyzn, zawierające aromaty smakowo-zapachowe, ale w odróżnieniu od piw Redd’s i Karmi mające dużą zawartość alkoholu.

Spośród piw skierowanych do mężczyzn na uwagę zasługują piwa międzyna- rodowe o uznanej marce, takie jak Pilsner Urquell, Heineken, Carlsberg. Z pol- skich produktów do tej wielkiej trójki próbuje dołączyć Lech Premium. Po prze- ciwnej stronie są głównie piwa lokalne, pite przez osoby mniej zamożne – Łomża, Specjal Jasne, Kasztelan.

rysunek 1. Graficzna prezentacja wyników analizy głównych składowych

Opracowanie własne

420–2–4–6

–0,4–0,20,00,2

–0,4 –0,2 0,0 0,2

4 2

0 –2

–4 –6

PC1

PC2

(11)

Dzięki analizie głównych składowych można zauważyć, jak poszczególne zmienne wpływają na usytuowanie konkretnej marki. Na przykład dodanie do piwa aromatu spowoduje przesunięcie konsumpcji w stronę kobiet, piwo droż- sze od przeciętnego wzbudzi zainteresowanie wśród osób lepiej wykształconych i o wyższym dochodzie, podniesienie zawartości alkoholu spowoduje zainteresowanie daną marką ze strony mężczyzn, pijących kilka do kilkunastu piw tygodniowo. Zrzutowanie zmiennych na płaszczyznę pokazuje, jaka jest odległość między wybranymi markami.

Analiza głównych składowych ma wiele zalet, jednak aby pogrupować obiekty w klasy, należy wykorzystać analizę skupień, skalowanie wielowymiarowe lub inne metody grupowania obiektów.

3.2. Analiza skupień

Segmentację gatunków piw przeprowadzono metodą Warda przy wykorzystaniu odległości euklidesowych. Wynikiem postępowania jest dendrogram pokazany na rysunku 2.

rysunek 2. Dendrogram z wyodrębnionymi segmentami rynku piwa

Źródło: Opracowanie własne

(12)

Liczbę klas ustalono na podstawie posiadanej wiedzy eksperckiej, uwzględ- niając dodatkowo wartości następujących miar statystycznych⁵:

– współczynników G2, G3 i indeksu Silhouette S, służących do oceny jakości klasyfikacji;

– stosunku przeciętnego zróżnicowania wewnątrz skupień do przeciętnego zróż- nicowania między skupieniami (oznaczanego w programie R jako wb-ratio).

W tabeli 2 znajdują się wartości wskaźników G2, G3, wb-ratio oraz indeksu Silhouette, informujących o jakości przeprowadzonej klasyfikacji. Wskaźniki dla różnej liczby skupień wskazują, że optymalna liczba klas wynosi 7, co jest zgodne z posiadaną wiedzą rynkową. Martwi natomiast nienajlepsza wartość wskaźni- ka Silhouette, świadcząca o nienajmocniejszej strukturze klas.

tabela 2. wartości indeksów jakości klasyfikacji

liczba klas wb.ratio Silhouette G2 G3

2 0,553 0,390 0,776 0,113

3 0,504 0,365 0,872 0,051

4 0,519 0,272 0,785 0,077

5 0,491 0,288 0,822 0,065

6 0,455 0,298 0,881 0,038

7 0,441 0,297 0,910 0,028

8 0,447 0,273 0,877 0,041

9 0,433 0,264 0,880 0,041

Źródło: Opracowanie własne.

Wyodrębnione segmenty (skupienia) charakteryzują się następującymi cechami:

a) Segment piw lokalnych (skupienie 1) – w segmencie tym znajdują się głów- nie piwa o charakterze lokalnym (np. Perła – Lubelskie, Specjal i Bosman – Po- morze, Kasztelan – Kujawy, Wojak – Kielecczyzna), o zawartości alkoholu oko- ło 5,5%. Piwa te są skierowane do osób o dochodzie poniżej przeciętnego, nieco gorzej wykształconych (wykształcenie zawodowe lub średnie), pijących dość dużo – według deklaracji ponad 4 piwa o pojemności 0,5 litra tygodniowo. Z lo- kalnego charakteru konsumpcji wynika przywiązanie do tradycyjnego stylu ży- cia, pewna niechęć do innowacji i ogólnie rozumianej nowoczesności.

b) Segment piw popularnych (skupienie 2) – to piwa o cenie zbliżonej do prze- ciętnej lub minimalnie wyższej, skierowane do osób mających dochód na osobę

5 Przegląd statystyk oceniających jakość pogrupowania danych za pomocą programu R moż- na znaleźć pod adresem: http://bm2.genes.nig.ac.jp/RGM2/R_current/library/fpc/man/cluster.stats.

html.

(13)

na poziomie średniej krajowej. Dzięki silnej ogólnopolskiej promocji i reklamie piwa te są bardzo dobrze znane i cieszą się dobrą opinią pośród konsumentów.

Przeciętny konsument wypija około 3 takich piw tygodniowo. W skupieniu tym znajdują się także regionalne odmiany piw dostępnych na terenie całej Polski – Lech Pils, Lech Mocne i Tyskie Książęce. Pomimo że są to piwa głównie lokalne, jednak ze względu na nazwę marki te są rozpoznawalne w całym kraju.

c) Segment piw ekonomicznych i mocnych (skupienie 3) – konsumentami tych piw są głównie mężczyźni z wykształceniem przeważnie zawodowym, lu- biący piwa z dużą zawartością alkoholu, wypijający ponad 4,5 piwa tygodniowo.

Marki tych piw są dość dobrze znane, jednak – między innymi ze względu na ni- ską cenę – nie cieszą się tak dobrą opinią jak piwa z segmentu popularnych.

d) Segment piw premium (skupienie 4) – marki tych piw mają bardzo dobrą opinię i są uznawane za najlepsze piwa na rynku. Zawartość alkoholu jest niższa od przeciętnej i wynosi około 5%. Cenowo pozycjonowane są bardzo wysoko – średnia cena wyraźnie przekracza 3 zł. Konsumentami tych piw są głównie osoby młode (średnia wieku 35 lat), dobrze usytuowane, zarabiające wyraźnie powy- żej przeciętnej, mieszkające w dużych miastach, aglomeracjach. Spożycie jest na umiarkowanym poziomie – 3 piwa tygodniowo. W skład tego segmentu wchodzą takie marki piw, jak: Pilsner Urquell, Heineken i Carlsberg.

e) Segment piw „alkopopów” (skupienie 5) – jest to dość przedziwny segment, ponieważ zawiera tylko jedną markę – Desperados. Piwo to zawiera dużą ilość alkoholu – około 6%, mimo to nie ma charakterystycznego piwnego smaku, po- nieważ w fazie produkcji dodaje się do niego syropy smakowo-zapachowe. Ze względu na reklamę podkreślającą smak „tequili”, konkuruje z gazowanymi na- pojami alkoholowymi, tzw. alkopopami⁶. Konsumentami są osoby młode (śred- nia wieku około 30 lat), dobrze wykształcone, mieszkające w dużych miastach.

Piwo to jest tak samo popularne wśród kobiet i mężczyzn.

f) Segment piw smakowych „bezalkoholowych” (skupienie 6) – podobnie jak w przypadku piwa Desperados, do segmentu tego należy tylko jedna większa marka – Karmi. Piwo to jest postrzegane i reklamowane jako bezalkoholowe, mimo że zawiera do 0,5% alkoholu. Do piwa Karmi dodawane są syropy smakowe, przez co nie ma charakterystycznego gorzkiego smaku. Konsumentami tego piwa są w 90% kobiety, zwykle z wykształceniem średnim lub wyższym, dobrze sytuowane. Spożycie jest niewielkie – trochę ponad jedno piwo tygodniowo.

g) Segment piw smakowych z alkoholem (skupienie 7) – piwa należące do tego segmentu zawierają około 4–5% alkoholu i jest to główna różnica między skupieniem 6 i 7. Konsumentami są głównie kobiety, pijące trochę ponad jedno piwo tygodniowo.

6 Przygotowane na bazie wódki gotowe do picia drinki o niskiej zawartości alkoholu, zwykle zawierające około 4,5% alkoholu w butelce 250 ml.

(14)

podsumowanie

Za pomocą analizy głównych składowych i analizy skupień dokonano segmentacji polskiego rynku piwa. Analiza głównych składowych została wykorzysta- na do zrzutowania zmiennych opisujących segmenty na płaszczyznę i pokazania, jak każda ze zmiennych wpływa na usytuowanie konkretnej marki oraz jak wyglądają odległości między wybranymi markami. Następnie, za pomocą analizy skupień, pogrupowano 26 najpopularniejszych marek piwa w Polsce. Jako metodę grupowania obiektów wybrano metodę Warda. Segmenty wyróżniono na podstawie zmiennych opisujących produkt – ceny, aromatu, zawartości alkoholu, znajomości marki – oraz na podstawie cech charakterystycznych ich konsumen- tów: wieku, płci, wykształcenia, dochodu na osobę w gospodarstwie domowym, wielkości miejsca zamieszkania, przeciętnego tygodniowego spożycia piwa. Fi- nalnie otrzymano siedem segmentów: segment piw lokalnych, segment piw popularnych, segment piw premium, segment piw smakowych „bezalkoholowych”, segment piw smakowych z alkoholem, segment piw „alkopopów”, segment piw ekonomicznych i mocnych.

Dzięki opracowanej segmentacji, przedsiębiorstwo piwowarskie jest w stanie znaleźć segment, w którym jest nieobecne lub nie odgrywa ważnej roli, i właśnie w to miejsce może skierować swoje działania. Opracowany podział pokazuje też, w których obszarach rynku znajdują się marki danego przedsiębiorstwa oraz czy te segmenty zgadzają się z opracowaną strategią marketingową. Dodatkowo za pomocą metod wielowymiarowych można pokazać głównych konkurentów danej marki oraz odległości między poszczególnymi produktami.

Bibliografia

Garbarski, L., Rutkowski, I., Wrzosek, W., 1998, Marketing, PWE, Warszawa.

GUS, 2009, Ludność. Stan i struktura w przekroju terytorialnym [online] http://www.stat.

gov.pl/cps/rde/xbcr/gus/PUBL_L_ludnosc_stan_struktura_30_06_2009.pdf [dostęp:

3.06.2010].

Kaczmarek, M., 2002, Jak prowadzić segmentację klientów? Metody wielowymiarowej segmentacji rynku, Bank i Kredyt, nr 6.

Kopczewska, K., Kopczewski, T., Wójcik, P., 2009, Metody ilościowe w R, CeDeWu, Warszawa.

Kotler, P., 1999, Marketing, Felberg SJA, Warszawa.

Lambin, J.J., 2001, Strategiczne zarządzanie marketingowe, Wydawnictwo Naukowe PWN, Warszawa.

(15)

Migut, G., 2009, Zastosowanie technik analizy skupień i drzew decyzyjnych do segmenta- cji rynku, StatSoft Polska [online] http://www.statsoft.pl/czytelnia/artykuly/ Zastoso- wanie_technik.pdf [dostęp: 3.06.2010].

Morrison, D.F., 1990, Wielowymiarowa analiza statystyczna, PWN, Warszawa.

Mynarski, S., 2001, Badania rynkowe w przedsiębiorstwie, Wydawnictwo Akademii Eko- nomicznej w Krakowie, Kraków.

Panek, T., 2009, Statystyczne metody wielowymiarowej analizy porównawczej, Szkoła Główna Handlowa w Warszawie, Warszawa.

Rószkiewicz, M., 2002, Narzędzia statystyczne w analizach marketingowych, C.H. Beck, Warszawa.

Sawtooth Software, 2004, The CBC Latent Class Technical Paper, (Version 3) [online]

www.sawtoothsoftware.com [dostęp: 3.06.2010].

Sokołowski, A., 1992, Empiryczne testy istotności w taksonomii, Zeszyty Naukowe Aka- demii Ekonomicznej w Krakowie, Kraków.

Song, J.H., Fox, R.J., 2005, A Note of Caution Regarding Applying Basic Latent Class Analysis, Marketing Bulletin, no. 16/6.

Stanimir, A. (red.), 2006, Analiza danych marketingowych, Wydawnictwo Akademii Eko- nomicznej im. Oskara Langego we Wrocławiu, Wrocław.

Walesiak, M., Gatnar, E. (red.), 2009, Statystyczna analiza danych z wykorzystaniem pro- gramu R, Wydawnictwo Naukowe PWN, Warszawa.

ApplicAtiOn OF the SelecteD MethODS OF MultiDiMenSiOnAl DAtA AnAlySiS FOr the BrewinG MArKet SeGMentAtiOn

Summary: In the paper principal components analysis (PCA) and cluster analysis (CA) were used for segmentation of the Polish beer market. The principal components analysis was applied in order to reduce data dimensionality, to present distances between chosen brands of beer and to demonstrate the impact of each variable describing beer on the posi- tion of each brand on the market. Cluster analysis was applied to divide the most popular 26 brands of beer in Poland into 7 groups (market segments). Market segmentation en- ables a brewing company to find the niche, in which its role does not seem to be signifi- cant. On the other hand, the cluster analysis shows market segments where certain brands of beer belong. That helps a brewing company to construct its marketing strategy.