Вам був надiсланий лист з новим паролем Дякуємо за реєстрацiю. Ваш запит буде розглянуто у найближчий час.
15 Листопада 2018

Олександр Калюжний

Найпоширеніші помилки маркетологів при замовлені аналітичних досліджень в агросекторі.

Раніше ринкові дослідження замовляли переважно іноземні компанії, які звикли до такого інструменту збору інформації про цільовий ринок та мають здебільшого «класичне» уявлення про нього. Сьогодні ж до числа їх активно долучаються й українські компанії. Це може свідчити про зростаюче розуміння важливості аналітичних даних для ефективного ведення бізнесу. Дана тенденція є позитивною, адже позиція гравця на ринку визначається не «зв’язками» з представниками державних органів влади, а привабливістю запропонованих послуг чи продуктів серед споживачів.

В Україні станом на кінець 2017-го року існувало близько 60 компаній та організацій, які пропонували консалтингові та аналітичні послуги в агросекторі. Приблизно 70% з них є українськими, а 30% - іноземними. На жаль, оцінити їх успішність важко без фінансової звітності, але можна використати опосередковані показники, щоб проранжувати та порівняти їх між собою. І показники тут невисокі. Із 60 компаній лише третина мала більше 5000 унікальних відвідувачів на місяць. Тобто на ринку зараз існує два десятки активних компаній, які надають аналітичні та консалтингові послуги агробізнесу, що не так вже й мало, якщо говорити про окремий сегмент ринку, і  зовсім небагато, якщо зважати на те, що цей сегмент зараз є  найдинамічнішим в українській економіці.

Зростаючий попит на аналітику в агросекторі є позитивним явищем, проте, можна відмітити нерозуміння окремих принципових та фундаментальних моментів, які проявляються у формуванні хибних очікувань та, відповідно, невиправданих результатів у замовника.

Чи не найважливіший аспект ринкового дослідження, яке базується на проведенні опитування потенційних клієнтів, – є формування «адекватної» вибірки. Досить часто уявлення про статистичну вибірку є хибним. Переважна більшість замовників упевненні в існуванні певної «межі репрезентативності», що залежить від її розміру. Скажімо вибірка в 99 респондентів вважається нерепрезентативною, а ось вибірка в 100 – вже репрезентативна. (Цікаво, якою є тоді вибірка в 101 респондента – «перерепрезентативною»?) Проте, межі чи будь-якої математичної формули, яка б дозволила встановити таку дискретну межу, просто не існує.

Під «якістю» статистичної вибірки слід розуміти розмір похибки окремих показників, які оцінюються з її допомогою (чим похибка нижча – тим якість вища). У науковій дійсно літературі можна зустріти обґрунтування її мінімального розміру в конкретних випадках. За умов попереднього визначення цільових критеріїв, як, наприклад, рівень дисперсії в оцінених показниках для отримання конкретного довірчого інтервалу, можна порахувати, якою має бути вибірка, яка б відповідала зазначеним параметрам. Але в таких випадках мова йде про задану «якість», а не про (не)репрезентативність. Навіть невелика вибірка може бути репрезентативною, хоча й похибка, звісно, буде більша.

Розмір тут – не ключовий аспект. Що ж насправді робить вибірку репрезентативною? Такою вона є, коли випадкова. Тобто респонденти добираються із загального числа випадково, або говорячи науково, кожний окремий респондент має однакову ймовірність бути включеним до вибірки. З випадковою вибіркою – завдяки таким речам, як теорія ймовірностей та Центральна гранична теорема - можна проводити математичні та статистичні операції, оцінювати  показники і т.д.

Простий спосіб для покращення якості випадкової вибірки – це стратифікація. Якщо сукупність, яка нас цікавить, не є однорідною, і її можна розділити на чітко окреслені групи чи класи (наприклад, підприємства за розміром, населення за віком і т.д.), структура випадкової вибірки має наслідувати структуру загальної сукупності. У той же час, відбір респондентів до окремих груп має відбуватися так само випадково.

Ще одна доволі поширена помилка, не є такою per se з математичної чи статистичної точки зору, а зменшує ефективність роботи з респондентом. Вона обґрунтована бажанням замовника отримати більше, замість того, щоб отримати краще. Мова йде про формулювання замовником предмету дослідження.

-        У першому випадку для дослідження визначається (прямо чи опосередковано) більше одного предмету дослідження, що потім знаходить своє відображення в анкеті. Наприклад, одні запитання стосуються сприйняття респондентами компанії чи бренду, інші –  споживчих вподобань стосовно групи товарів чи послуг.

-        У другому випадку, навіть якщо й предмет дослідження лише один, анкета може бути багаторівнева та містити забагато похідних запитань. Тут дуже проста логіка: чим більше запитань в анкеті, тим менша вірогідність доведення до кінця кожного окремого інтерв’ю. Чим менше доведених до кінця інтерв’ю із загального числа, тим менш збалансованим є отриманий набір даних. До незбалансованого набору даних можна застосувати менше інструментів аналізу і, як наслідок, менше отримати корисної інформації. Комплексна чи заскладна анкета легко нівелює позитивний ефект великої вибірки.

Варто сприймати ринкові (маркетингові) дослідження як точкові інструменти – можливість отримати чітку відповідь на чітко сформульоване запитання. Краще проводити прості дослідження частіше, ніж складні рідко. Так можна буде отримати більш точну інформацію, а по-друге, конкурентний ринок за своїм визначенням є середовищем динамічним і постійно змінюється.




  • Agroresurs
  • AMAKO
  • Lozova Machinery
  • Лімагрейн
  • Zeppelin
  • GrainAlliance
  • HTI
  • CHS
  • Quivogne
  • Global Chemical Group
  • Amazone
  • Goodvalley
  • IMMER Group
  • kws
  • LNZ Group
  •  Agricom Group
  • Агроріск
  • БЕЙКЕР ТІЛЛІ УКРАЇНА
  • Райффайзен Банк Аваль
  • horsch
  • Phosagro
  • uahk
  • Сygnet
  • Syngenta
  • Svarog
  • Agco
  • Lembke
  • Agroregion
  • ugt
  • Agroswit
  • Mriya
  • Eridon
  • Monsanto
  • MHP
  • Maschionet
  • Maisadour
  • Козятинський м’ясокомбінат
  • DuPont Pioneer
  • Вінницька аграрно-промислова група
  • Alfabank
  • Agroscop
  • Agroros
  • Agrimatco
  • Avgust
  • NCH Advisors
  • Crop Life International
  • Continental farmers Group
  • AgroGeneration
  • credit agricole
  • danone
  • claas
  • john deer