2. A fogyasztói kutatások mindkét területe fontos!
Kvalitatív információk
Nem/nehezen számszerűsíthető
Kvantitatív információk
Számszerűsíthető
Mélyinterjú
Résztvevő
megfigyelés
Fókuszcsoport
Social Media
elemzés
Insights FACT
Ökonometria
„Közvélemény-
kutatás”
Szegmentáció
Értékesítés
Gazdasági
mutatók
Kreatívok,
üzenetek
elemzése
Márkaidentitás Célcsoport-méret
Büdzsé
Média-mix
Elérés
„Receptivity”
Szignifikancia
Kérdőív
Marketingkutatás – Károli / Kun Miklós
4. A mérési módszer meghatározza, hogyan értelmezzük
az adatokat
Marketingkutatás – Károli / Kun Miklós
Egy „észrevétlen” eszköz méri a
fogyasztói viselkedést
A válaszadókat megkérjük, hogy
emlékezzenek viselkedésükre…
Passzív mérés Aktív mérés
6. Nem kérdezünk meg mindenkit, egy reprezentatív
mintából* becsüljük meg a teljes sokaságra vonatkozó
értékeket
Marketingkutatás – Károli / Kun Miklós
*A populáció miden tagja egyenlő eséllyel
kerül a mintába
7. Gyakori kérdés, mire reprezentatív a minta…
kulcsszavak: terület, elérhetőség, mintavételi technikák
Marketingkutatás – Károli / Kun Miklós
8. Balanszírozó súly vs. vetítő súly
Marketingkutatás – Károli / Kun Miklós
Balanszírozó: a minta torzulásait állítja helyre
Vetítő: az adott személy hány főt reprezentál a teljes populációból
x
xx
x
x
x
x
x
x
x
15. A magas /alacsony affinitás nem feltétlenül jelenti
azt, hogy a különbség statisztikailag is szignifikáns!
A statisztikailag szignifikáns különbségből pedig
nem feltétlenül következik extrém affinitás
Marketingkutatás – Károli / Kun Miklós
17. A háztartás tagjai közül ki az, aki a legnagyobb összeggel járul hozzá a családi kasszához, ki Önöknél
a fő kereső?
És mi a legmagasabb iskolai végzettsége a fő keresőnek?
Mi (volt) a (legutolsó) foglalkozása, beosztása a fő keresőnek?
Ha a főkereső inaktív (vastagon szedett kategóriák), akkor a következő vagyontárgyakkal való
ellátottságra is rá kell kérdezni:
Van Önöknek...
• színes TV-jük?
• videomagnójuk?
• videokamerájuk?
• kettő vagy több autójuk?
• fényképezőgépük?
• személyi számítógépük?
• elektromos fúrógépük?
• elektromos friteuse-ük?
• DVD lejátszójuk?
• hétvégi házuk, nyaralójuk?
ESOMAR*: A, B, C1, C2, D, E
Marketingkutatás – Károli / Kun Miklós
*www.esomar.com
18. A) társadalmi csoportba tartozók esetében a háztartás főkeresője önálló vagy alkalmazott értelmiségi (felsőfokú
végzettséggel) magasan képzett top menedzser; középvezető vagy más menedzser viszonylag sok (hat vagy több)
beosztottal; átlagnál magasabb iskolai végzettségű vagyoni javakkal jól ellátott inaktív
B) társadalmi csoportba tartozók esetében a háztartás főkeresője magasan képzett alsó és középszintű vezető
hatnál több beosztottal; középvezető; más menedzser hatnál kevesebb beosztottal, munkafelügyelő; felsőfokú
végzettségű hat, vagy hatnál több alkalmazottat foglalkoztató vállalkozó, legalább középfokú iskolai végzettséggel
és átlagos vagy átlagnál jobb vagyoni helyzetben lévő inaktív
C1) társadalmi csoportba tartozók esetében a háztartás főkeresője középfokú végzettségű középvezető, vagy más
menedzser; középfokú végzettséggel rendelkező vállalkozás tulajdonosa, aki legalább hat alkalmazottal dolgozik;
középfokú végzettségű mezőgazdasági vállalkozó
C2) társadalmi csoportba tartozók esetében a háztartás főkeresője irodai alkalmazott; érettségizett szakmunkás,
munkafelügyelő; vállalkozás, vagy üzletrész tulajdonos öt vagy kevesebb alkalmazottal, alacsony iskolai
végzettségű anyagi javakkal átlagosan ellátott inaktív, illetve középiskolai végzettségű vagyoni helyzetét tekintve
átlag alatti inaktív
DE) társadalmi csoportba tartozók esetében a háztartás főkeresője szakmunkás, képzetlen munkás, alacsony
iskolai végzettségű hatnál kevesebb alkalmazottat foglalkoztató vállalkozó, mezőgazdasági termelő
ESOMAR: A, B, C1, C2, D, E
Marketingkutatás – Károli / Kun Miklós
Mindegyik válaszadó a háztartása státuszát kapja!
Forrás: Millward Brown / TGI
19. A fejlett országokban a tanulmányokra fordított idő, a megszerzett tudás
összefügg a későbbi keresettel: aki sokat tanult, többet fog keresni…
(leegyszerűsítve)
A poszt-kommunista államokban az összefüggés nem erős, mert:
Vannak akik sokat tanultak, mégsem tehetősek (pl. tanárok, orvosok)
Vannak, akik kevesebbet tanultak, mégis tehetősek (pl. „vállalkozók”)
E probléma feloldására alkalmaznak egy, a háztartás vásárló-erejét jobban
tükröző státusz változót
Státusz-inkonzisztencia problémája
Marketingkutatás – Károli / Kun Miklós
20. A TGI fogyasztói status változó felépítése
Képző változók:
- ESOMAR társadalmi kategória (képzettség-foglalkozás)
- egy főre jutó jövedelmi csoportok
- vagyoni status csoportok (40 féle fogyasztási cikk alapján)
TGI* státusz változó a státusz-inkonzisztencia
kezelésére
Marketingkutatás – Károli / Kun Miklós
*www.tgi.com
21. A) társadalmi csoportba tartozók esetében a háztartásban élők az átlagnál lényegesen jobb anyagi körülmények
között élnek, a háztartás főkeresője önálló vagy alkalmazott értelmiségi (felsőfokú végzettséggel) magasan képzett
top menedzser; középvezető vagy más menedzser viszonylag sok (hat vagy több) beosztottal
B) társadalmi csoportba tartozók esetében a háztartásban élők az átlagnál jobb anyagi körülmények között élnek,
a háztartás főkeresője alkalmazott értelmiségi, képzett szakmunkás, vállalkozás vagy üzletrész tulajdonos,
magasan képzett alsó és középszintű vezető hatnál több beosztottal; középvezető; más menedzser hatnál
kevesebb beosztottal
C1) társadalmi csoportba tartozók esetében a háztartásban élők átlagos, illetve az átlagnál kicsit jobb anyagi
körülmények között élnek, a háztartás főkeresője jellemzően irodai alkalmazott, vállalkozás, vagy üzletrész
tulajdonos
C2) társadalmi csoportba tartozók esetében a háztartásban élők átlagos anyagi körülmények között élnek, a
háztartás főkeresője jellemzően irodai alkalmazott; képzett szakmunkás, munkafelügyelő; vállalkozás, vagy
üzletrész tulajdonos, anyagi javakkal átlagosan ellátott inaktív
D) társadalmi csoportba tartozók esetében a háztartásban élők az átlagnál rosszabb anyagi körülmények között
élnek, a háztartás főkeresője jellemzően szakmunkás
E) társadalmi csoportba tartozók esetében a háztartásban élők az átlagnál lényegesen rosszabb anyagi
körülmények között élnek, a háztartás főkeresője jellemzően képzetlen fizikai munkás, nyugdíjas, segélyből élő,
szociális ellátásban részesülő inaktív
éggel) magasan képzett top menedzser; középvezető vagy más menedzser viszonylag sok (hat vagy több)
beosztottal; átlagnál magasabb iskolai végzettségű vagyoni javakkal jól ellátott inaktív
TGI: A, B, C1, C2, D, E
Marketingkutatás – Károli / Kun Miklós
Forrás: Millward Brown / TGI
22. A TGI státusz-változó jobban jellemzi a népességet
vásárló-erő tekintetében
Scatter plot
0
500
1000
1500
2000
2500
3000
3500
4000
500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 1900 2000
TGI: E
ESOMAR: DE
TGI: D
ESOMAR: C2
TGI: C2
ESOMAR: C1
TGI: C1
ESOMAR: AB
TGI: ATGI: B
Vásárló-erő index 40 fogyasztási cikk birtoklása alapján
A csoport mérete
(1000 fő)
átlag
átlag
Forrás: Millward Brown / TGI 2005 / Mediacom
Marketingkutatás – Károli / Kun Miklós
23. A lakóhely összefügg a fogyasztási státusszal
Forrás: Millward Brown / TGI 2011Q4-2012Q3
Marketingkutatás – Károli / Kun Miklós
24. A fogyasztó
A TGI adatbázisa, a Millward Brown terméke
Marketingkutatás – Károli / Kun Miklós
25. A TGI az ügynökségi kutatások és offline
médiatervezés alapja
Planning
Research
TGI
Marketingkutatás – Károli / Kun Miklós
26. A TGI kérdőíve állandó
(Abból főzünk, ami van)
A bánya Az alkotás
TGI A tanulmány
Marketingkutatás – Károli / Kun Miklós
27. TGI – áttekintés
1998 óta van Magyarországon
Havi mintavétel, negyedéves publikáció: évi 17.500 válaszadó
■ A TGI mintán végzik a Nemzeti Olvasottság Kutatást (NOK) – személyes interjú
■ A kérdőív nagy része önkitöltős – 1 hétre a válaszadónál hagyják
A TGI egyforrású (single-Forrás): a minta minden tagja ugyanazokra a kérdésekre válaszol
A 15-75 évesekre reprezentatív minta nem, kor, településtípus és régió szerint
Tartalma:
■ NOK
■ demográfia
■ Márkahasználat (kb. 450 kategória, 8000+ márka),
■ Média használat,
■ 200+ attitűd-kérdés
Forrás: Millward Brown / TGI
Marketingkutatás – Károli / Kun Miklós
29. Előre definiált fogyasztói szegmensek - 1
Elite
Conservative demanding
Complex demanding
Adventurers
Savers
Poor
Youthfully daring
Broad-minded balanced
Emulators
Savers open female / Plain reserved male
Limited traditional
Innovator
Early adopter
Early majority
Late majority
Laggards
Affluent bourgeois
Well-off bourgeois
Youthful
Well-off working class
Sustainer consumer
Restrained elderly
Limited poorish
Very low
Low
Average
High
Very high
Forrás: Millward Brown / TGI
Marketingkutatás – Károli / Kun Miklós
30. Előre definiált fogyasztói szegmensek - 2
Quintile 1 (Highest)
Quintile 2
Quintile 3
Quintile 4
Quintile 5 (Lowest)
Fledglings – 14-34, not married and have no son/daughter, living with own parents
Flown the Nest – 14-34, not married and have no son/daughter, do not live with relations
Nest Builders - 14-34, married and have no son/daughter
Mid-life Independents - 35-54, not married, do not live with relations
Unconstrained Couples - 35-54, married, do not live with son/daughter
Parents with child 0-4 - Live with son/daughter and youngest child 0-4
Parents with child 5-9 - Live with son/daughter and youngest child 5-9
Parents with child 10-15 - Live with son/daughter and youngest child 10-15
Hotel Parents - Live with son/daughter and have no child 0-15
Senior Sole Decision Makers - 55+ not married and live alone
Empty Nesters - 55+, married, and do not live with son/daughter
Non-standard Families - Live with relations
Many different people
A few friends
1 or 2 people
No one
Underweight (<20)
Normal (20 - 25)
Overweight (25 - 30)
Obese (30+)
Did not respond
Forrás: Millward Brown / TGI
Marketingkutatás – Károli / Kun Miklós
31. Média-használat - 1
Every copy, almost every copy
Most part of the copies, half of the copies
Small part of the copies
Recent
Broadest
Impossible to reach by indoor boards
Hard to reach by indoor boards
Can be reached by indoor boards on an avarage
Easy to reach by indoor boards
Very easy to reach by indoor boards
Travel & Shopping Network
Travel Network (Newsstand at subways, public transfer stations)
Shopping NetWork (Newsstand in malls, streets, outside of hypermarket stores)
Inside hypermarkets, food shops
Other
1 time
2 times
3 times
4 times
5 times
6 times
7 times
Forrás: Millward Brown / TGI
Marketingkutatás – Károli / Kun Miklós
32. Média-használat - 2
7 days a week
6 days a week
5 days a week
4 days a week
3 days a week
2 days a week
1 day a week
Less often
Never
06.00-07.59
08.00-08.59
09.00-09.59
10.00-11.59
12.00-14.59
15.00-15.59
16.00-16.59
17.00-17.59
18.00-18.59
19.00-19.59
20.00-20.59
21.00-23.59
00.00-05.59
DATA FOR 50 CHANNELS:
Received channels
Watched channels (last 6 months)
Watched channels (last 7 days)
Most often watched channel
Firstly switched on channel
Firstly searched channel in the programme magazine
~ 200 programmes on M1, RTL, TV2, Viasat, StoryTV, VIVA, Cool, MTV:
Specially chooses to watch it
Watches because someone in the family likes it
When there's nothing better
Does not watch
3 days a week
2 days a week
1 day a week
Less often
Never
06.00-07.59
08.00-08.59
09.00-09.59
10.00-11.59
12.00-14.59
15.00-15.59
16.00-16.59
17.00-17.59
18.00-18.59
19.00-19.59
20.00-20.59
21.00-23.59
00.00-05.59
Forrás: Millward Brown / TGI
Marketingkutatás – Károli / Kun Miklós
33. Attitűdök
Answer categories:
definitely agree, tend to agree, neither agree nor disagree,
tend to disagree, definitely disagree
or
YES/NO
Forrás: Millward Brown / TGI
Marketingkutatás – Károli / Kun Miklós
34. Fiziológiai szükségletek
(élelem, víz)
Bitonság szükséglete
(otthon/rezsi, munkahely biztonsága)
Szeretet, valahova tartozás
(gyermek, társ, család)
Elismerés
(hírnév, karrier)
Ön-
megvalósítás
Az attitűdök jól tükrözik a társadalmi folyamatokat
Fontosabb egy stabil munkahely, mint a nagy
pénz (igen)
50%
60%
40%
45%
50%
55%
60%
65%
2008 / 2. félév (N=600) 2009 / 1. félév (N=575)
Forrás: Millward Brown / TGI 2008Q3-2009Q2 database
Stable workplace is more important than big
money
HY2 HY1
Marketingkutatás – Károli / Kun Miklós
38. A „rúzs hatás” is
mérhető a TGI-ban..
„When selling-rate of lipstick
increases people do not want to
buy clothes”
Leonard Lauder, CEO of
Estee Lauder
Marketingkutatás – Károli / Kun Miklós
39. Rúzs-hatás…
Forrás: Millward Brown / TGI 2008Q3-2009Q2 adatbázisa
Parfüm/kölni
Körömlakk
Szempillaspirál
Szemhéjpúder
Szemceruza
Arcpúder
Alapozó
Arcpirosító
Rúzs és szájfény
ArckrémekArctisztítók
Hajfixáló zselék
Hajlakk
Hajbalzsam
Hajfestékek és
színezők
-1%
1%
3%
5%
7%
9%
11%
10% 20% 30% 40% 50% 60% 70% 80%
Használat: "igen"
2009 első félév
Százalékpont változás
vs. 2008 első félév
95%-significance level
Target Group: W18-59
(N=3000 / HY)
Lipstick
Eye-liner
Eye-lash curver
Parfume
Face-cream
Balsam
Hair colour
Cleanser
Hair sprayGround
make-up
Hair gels
Blusher
Face powder
Eye powder Nail polisher
Change-index in %p vs.
2008 HY1
Usage in 2009 HY1
Marketingkutatás – Károli / Kun Miklós
41. A rendelkezésre álló változók mérési szintje határozza meg, mire van
lehetőség. A végeredmény ábrázolása azonban mindkét esetben
valamilyen térkép (is lehet)
Marketingkutatás – Károli / Kun Miklós
Alacsony mérési szintű változók
Magas (vagy annak mondott) mérési szintű
változók
Példák
Milyen vallású ön? Mely dezodorokat
használja ön? Milyen mezeket viselt
az FC Barcelona a bajnokságban?
Mennyire vallásos ön? (1-10ig). Hány darab
dezodora van önnek most otthon? Mennyi
gólt lőtt a Barca a bajnokságban?
Értelmezés
A változó kategóriái között nincs
minőségi különbség
A változó értékei sorrendiséget fejeznek ki,
matematikai műveletek (pl. átlag)
végezhetők
Összefüggés-keresés Kereszttáblával Pont-ábra (scatter plot), stb.
Módszer Korrespondencia analízis Szegmentáció (klaszter-analízis)
Szabály
Nem lehet belőle magas mérési szintű
változót létrehozni
Mindig redukálni lehet alacsony mérési
szintűvé
42. Kereszttáblák
Marketingkutatás – Károli / Kun Miklós
■ A vertikális és a horizontális megoszlásokat
nem szabad összetéveszteni!
■ Ha a vizsgálandó márkák vannak az
oszlopokban, akkor a vertikális % mondja
meg, milyen az ő összetételük.
■ Megfigyelhető, hogy a Z jelű márka kor-
összetétele idősebb, a másik kettő között
nincs nagy különbség
■ A Z jelű márka elemszáma (sample)
alacsony. Penetrációja a teljes mintában
(horizontális %) 1% körüli.
■ Korrespondencia-térképet csak akkor
szabad készíteni, ha a vizsgált csoportok,
márkák között van szignifikáns különbség
■ Oka: a korrespondencia térkép a
nem szignifikáns különbségeket is
értelmezi, tehát fennáll annak a
veszélye, hogy csak a mintavételi
hibát interpretáljuk ebben az
esetben.
VERT% total X Y Z
14-24 19% 20% 19% 14%
25-39 30% 33% 33% 22%
40-59 37% 36% 34% 35%
60-69 14% 11% 14% 30%
HORZ% total X Y Z
total 100% 4% 4% 1%
14-24 100% 5% 4% 1%
25-39 100% 5% 4% 1%
40-59 100% 4% 3% 1%
60-69 100% 4% 4% 2%
INDEX total X Y Z
14-24 100 106 102 72
25-39 100 109 108 71
40-59 100 97 92 94
60-69 100 80 100 219
SAMPLE total X Y Z
total 16 000 672 555 113
14-24 2 847 128 101 13
25-39 5 027 226 187 28
40-59 6 005 248 192 37
60-69 2 121 70 75 35
Forrás: Millward Brown / TGI 2005 1-4
43. A korrespondencia térkép a kereszttáblából indul ki. A kategóriák közötti relatív
távolságot jeleníti meg az összefüggésekre legjobban illeszthető dimenziók által.
Marketingkutatás – Károli / Kun Miklós
Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 100%
Vertical axis 2: 0% (Total Variance: 100%)
14-24
25-39
40-59
60-69
Centrum
Béres Actival
Béres csonterősítő
X
Y
Z
Forrás: Millward Brown / TGI 2005 1-4
44. A korrespondencia térkép a kereszttáblából indul ki. A kategóriák közötti relatív
távolságot jeleníti meg az összefüggésekre legjobban illeszthető dimenziók által.
Marketingkutatás – Károli / Kun Miklós
Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 100%
Vertical axis 2: 0% (Total Variance: 100%)
14-24
25-39
40-59
60-69
Centrum
Béres Actival
Béres csonterősítő
X
Y
Z
1. dimenzió
2. dimenzió
Forrás: Millward Brown / TGI 2005 1-4
45. Hány dimenziós megoldást ad a korrespondencia analízis?
Marketingkutatás – Károli / Kun Miklós
Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 100%
Vertical axis 2: 0% (Total Variance: 100%)
14-24
25-39
40-59
60-69
Centrum
Béres Actival
Béres csonterősítő
X
Y
Z
1. dimenzió
2. dimenzió
Kiválasztja a kereszttábla soraiba vagy
oszlopaiba bevont változót aszerint, hogy
melyiknek van kevesebb kategóriája.
Ebből elvesz 1-et.
Következésképpen, ha 3 márkát
vizsgálunk, akkor csak 2 dimenziót
határoz meg.
Forrás: Millward Brown / TGI 2005 1-4
46. Amit még figyelni kell, az a magyarázott variancia: „mennyire jól tudja az első két
dimenzió visszaadni a teljes információmennyiséget?
Marketingkutatás – Károli / Kun Miklós
Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 100%
Vertical axis 2: 0% (Total Variance: 100%)
14-24
25-39
40-59
60-69
Centrum
Béres Actival
Béres csonterősítő
X
Y
Z
1. dimenzió
2. dimenzió
3 márka (kategória) vizsgálata esetén
nincs kérdés: 100%, hiszen nincs több
dimenzió. Viszont a 2. dimenzió már
semmit nem ad hozzá az értelmezéshez!
Ezért nem szabad interpretálni a
távolságokat rajta!
Forrás: Millward Brown / TGI 2005 1-4
47. A kereszttáblából ismerjük az arányokat. Megvizsgáljuk, hogy a „távoli” pontok
között mekkorák a tényleges különbségek. Ha szignifikánsak, akkor a térképet
érdemes használni (feltéve, hogy a többi paraméter rendben van)
Marketingkutatás – Károli / Kun Miklós
Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 100%
Vertical axis 2: 0% (Total Variance: 100%)
14-24
25-39
40-59
60-69
Centrum
Béres Actival
Béres csonterősítő
X
Y
Z
11%
30%
19%pontos
különbség van a
két márkán belül a
60-69 évesek
arányát tekintve
Forrás: Millward Brown / TGI 2005 1-4
48. A korábban vizsgált márkákon kívül bevonunk több márkát és több
demográfiai változót
Marketingkutatás – Károli / Kun Miklós
VERT% total A B C D E F G H X Y Z
14-24 19% 22% 20% 17% 20% 18% 12% 20% 17% 20% 19% 14%
25-39 30% 31% 35% 33% 26% 29% 33% 38% 32% 33% 33% 22%
40-59 37% 35% 35% 38% 33% 36% 40% 31% 37% 36% 34% 35%
60-69 14% 12% 10% 11% 20% 16% 15% 10% 14% 11% 14% 30%
Férfi 49% 43% 42% 37% 44% 33% 34% 34% 34% 46% 42% 28%
Nő 51% 57% 58% 63% 56% 67% 66% 66% 66% 54% 58% 72%
Budapest 17% 14% 16% 24% 17% 16% 18% 23% 27% 20% 26% 19%
Megyeszékhely 19% 19% 22% 23% 20% 18% 20% 25% 19% 18% 22% 19%
Egyéb város 30% 33% 33% 26% 32% 36% 33% 22% 29% 31% 26% 31%
Falu, tanya 34% 33% 29% 26% 31% 30% 29% 30% 24% 30% 26% 32%
A státusz 10% 12% 13% 15% 12% 12% 13% 20% 18% 17% 17% 8%
B státusz 9% 12% 12% 13% 11% 12% 9% 15% 12% 13% 13% 10%
C1 státusz 15% 15% 15% 19% 14% 17% 20% 16% 18% 18% 18% 12%
C2 státusz 18% 17% 16% 19% 18% 17% 16% 15% 16% 18% 21% 21%
D státusz 24% 22% 23% 18% 23% 23% 23% 18% 17% 20% 18% 28%
E státusz 23% 21% 19% 14% 21% 18% 18% 15% 18% 13% 12% 21%
Forrás: Millward Brown / TGI 2005 1-4
49. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
A térkép „megfordult” – ennek nincs jelentősége
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Forrás: Millward Brown / TGI 2005 1-4
50. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
A 11 márka 10 dimenziós teret feszít ki. Ebből most is csak
az első kettőt látjuk. Ellenőrizzük a magyarázott varianciát!
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
75%, amelyen „egészségesen” osztozik
meg a két dimenzió
Forrás: Millward Brown / TGI 2005 1-4
51. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
A dimenziókat el kell nevezni, hogy értelmezhetővé
váljanak a pozíciók
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Forrás: Millward Brown / TGI 2005 1-4
52. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
Az extrém és a központi pozíciók
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Általános vagy
nagy márka
(sokan
fogyasztják)
Tipikus „high-
tier” márka,
vagy kevesen
fogyasztják
Forrás: Millward Brown / TGI 2005 1-4
53. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
Félrevezető interpretáció
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Forrás: Millward Brown / TGI 2005 1-4
54. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
Helyes interpretáció: a „D” márkát leginkább leíró demográfiai
kategóriák. Minél közelebb van a márka-origo tengelyhez, annál
jellemzőbb rá az adott kategória
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Forrás: Millward Brown / TGI 2005 1-4
55. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
Figyelem! A Z és D márkáknak van a legtöbb idős
fogyasztójuk!
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Forrás: Millward Brown / TGI 2005 1-4
56. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
Ajánlott interpretáció.
Mikor a pozíciókat értelmeztük, azt követően érdemes megfogalmazni a termékek
pozicionálására, újra-pozicionálására vonatkozó ajánlásokat…
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Forrás: Millward Brown / TGI 2005 1-4
57. Axis 1+2
KMR Software Correspondence Analysis
TGI 2005/1-4 TGI Hungary Ltd. 2005Horizontal axis 1: 53%
Vertical axis 2: 22% (Total Variance: 75%)
14-24
25-39
40-59
60-69
Férfi
Nő
Budapest
Megyeszékhely
Egyéb város
Falu tanya
A
B
C1C2
D
E
Vitamin-C
Centrum
Plusssz Multivitamin
Béres Actival
Egyéb
Béres csepp plusz
Magne B6
Béres Vitalin
Supradyn
Béres csonterősítő
Cetebe
… és elnevezni pozíció-szegmenseket.
Marketingkutatás – Károli / Kun Miklós
X
Y
Z
A
B
C
D
E
F
G
H
Kor,
státusz
Nem,
település-
típus
Fiatalos
tehetős
városiak
(nőies)
Fiatal
kisvárosi
férfiak
Alacsony
státuszú
kisvárosi
középkorúak
Idősek
Forrás: Millward Brown / TGI 2005 1-4
59. Ha magas mérési szintű (skála) változók állnak rendelkezésre
A klaszterelemzés segítségével képesek vagyunk a társadalmi mintázatok feltárására,
homogén csoportok elkülönítésére
„Fagyikedvelő”Fagyitnem kedvelő
„Csokikedvelő”
Csokitnem kedvelő
„Édesszájú”
„Csak a fagyi”
„Visszafogott
nassoló”
„Ropi”
„Csak a csoki”
„Átlagos”
60. A cél: belülről homogén, kívülről különböző csoportok
létrehozása a bevont „klaszterképző” változók mentén.
„Fagyikedvelő”Fagyitnem kedvelő
„Csokikedvelő”
Csokitnem kedvelő
„Édesszájú”
„Csak a fagyi”
„Visszafogott
nassoló”
„Ropi”
„Csak a csoki”
„Átlagos”
61. A klaszter-analízis esetében két pont (matematikai)
távolsága határozza meg, kik kerülnek egy klaszterbe
„Fagyikedvelő”Fagyitnem kedvelő
„Csokikedvelő”
Csokitnem kedvelő
„Édesszájú”
„Csak a fagyi”
„Visszafogott
nassoló”
„Ropi”
„Csak a csoki”
„Átlagos”
A klaszter-
középponthoz
viszonyít
Mindig vannak
besorolhatatlan
egyedek
A klaszter-
középponttól távol
esőkre kevésbé lesz
jellemző a klaszter
„neve”
62. A szegmentáció fő kérdései:
Mekkora a szegmensek mérete? Melyikben van a legnagyobb üzleti potenciál? Megéri-e
terméket fejleszteni számukra? Hogyan érhetők el médiával? Mik a motivációik a termék
használatára?
„Fagyikedvelő”Fagyitnem kedvelő
„Csokikedvelő”
Csokitnem kedvelő
„Édesszájú”
„Csak a fagyi”
„Visszafogott
nassoló”
„Ropi”
„Csak a csoki”
„Átlagos”
63. A klaszter-analízis statisztikai célja, hogy a megtalált
csoportok között a klaszterképző változók átlagai
szignifikánsan eltérjenek a változón belül is!
Klaszterek Fagyi kedvelése Csoki kedvelése
A 2 8
B 5 6
C 8 7
D 7 4
E 5 2
F 3 3
Amelyik klaszterképző változón ez nem teljesül, az ki kell venni az
elemzésből, hiszen semmit nem ad hozzá a szegmentációhoz
A klaszterképző változók átlagai a megtalált csoportokon belül. (A válaszadók 1-10-ig
pontozhatták magukat)
64. Hány klasztert fogadjunk el?
A klaszterek száma (=magyarázott információ)
Az eredmények
interpretálhatósága,
relevanciája
4 – 12 klaszter
Általában 4-12 klaszteres megoldások a leghatékonyabbak