Любовь Лашкевич - Записки маркетолога. Чертеж вашего бизнеса

• Название: Записки маркетолога. Чертеж вашего бизнеса
• Автор: Любовь Лашкевич
• Жанр: О бизнесе популярно

Это набор историй о том, как надо принимать управленческие решения. О том, какие данные и как собрать, как проанализировать, как полученные знания применить в конкретном бизнесе. Огромное преимущество книги в том, что она показывает это на простых примерах. Речь идет о вещах, которые даже в небольшой фирме дешевле и проще сделать своими силами. Советы такие, чтобы за каждым рублем, потраченным на сбор и анализ данных, стояло пропорционально большее количество рублей завтрашней прибыли.

---

Ошибка выборки в данном случае составит ± 5,24% при расчетах в натуральном выражении. В случае расчета в долях, процентах, ошибка выборки рассчитывается в процентных пунктах (п. п.)

Максимальное отклонение от истины в размере 5,24% возможно только в том случае, если результат исследований находится в точке «В», а истина находится в точке «А» или «С» (рис. 2).

Например, мы вычислили, что доля использования антифриза владельцами автомобилей старше 1997 г. в. составляет 10,6% – это результат. Значит истина находится в диапазоне от 5,36% до 15,84%. Вычисление диапазона при получении результата в процентах:

Нижнее значение диапазона: 10,6% – 5,24 п. п. = 5,36%

Верхнее значение диапазона: 10,6% +5,24 п. п. = 15,84%

При расчетах в натуральном выражении, например, результат равен 100 автовладельцам, истина находится в диапазоне от 95 до 105 автовладельцев. Расчет:

Нижнее значение диапазона:

100 автовладельцев – 5,24% = 95 автовладельцев.

Верхнее значение диапазона:

100 автовладельцев +5,24% = 105 автовладельцев.

Большое это расхождение или маленькое? Возможно ли при таком отклонении делать объективные выводы для эффективной работы бизнеса?

В целом, ошибка допустимая. И с полученными данными можно работать. Но! Дальше – интереснее. Сотрудники маркетингового отдела компании Z принимают следующее решение. Так как исследование по региону происходило в определенных населенных пунктах, то почему бы не провести аналитику полученных данных по каждому населенному пункту?

Такое решение принимают без учета того, что ошибку выборки необходимо пересчитывать заново, уже под конкретный населенный пункт.

Например, в городе с населением 250 тыс. человек было опрошено 20 респондентов. Ошибка выборки в данном случае составит уже ± 21,91% (рис. 3).

Что мы получаем в итоге. У нас есть результат исследований: доля потребления антифриза владельцев автомобилей старше 1997 г. в. составляет 10,6%. Вычисляем крайние значения, в которых может находиться истина:

Нижнее значение диапазона:

10,6% – 21,91 п. п. = отрицательное число.

Верхнее значение диапазона:

10,6% +21,91 п. п. = 32,51%

Значит истина находится в диапазоне от 0% до 32,51%.

При такой ошибке не стоит опираться на полученные цифры. Невооруженным взглядом видно, что при такой ошибке использование данных для принятия важных управленческих решений может привести к колоссальной ошибке в бизнесе.

Лучше в этой ситуации принять решение интуитивно. Риски будут те же, зато можно сэкономить деньги и потратить их на что-то более нужное – например, на канцелярию.

Глава 2. Сбор данных своими силами

Опасные средние

Достаточно часто в маркетинге используют понятие «средних», – в среднем по рынку в среднем «X» пользователей предпочитают «Y» товаров, и так далее. Понятие «средних» прочно вошло в жизнь бизнеса, на них строятся маркетинг-планы. На средние показатели ориентируются бизнес-стратегии. И мы настолько привыкли к этим средним, что порой не видим опасности, которую они скрывают.

Рассмотрим пример. В среднем по сети показатель уровня клиентского обслуживания составляет 85%. Хорошая цифра. Можно с гордостью эту цифру демонстрировать и спокойно жить до следующего исследования, аналитика которого построена на средних. Только почему-то, несмотря на высокую оценку клиентского обслуживания, проблемы не решаются, и клиенты недовольны. И самое главное – в процессе работы компании возникают вопросы, на которые нет ответов. Исследование, которое выдало столь высокую оценку, в итоге не дает инструмента для ответов на вопросы. Что произошло? А произошло то, что средние величины бывают коварны и таят в себе множество подводных камней. Ориентироваться на средние показатели стоит лишь в том случае, если вы работаете с узкими, четко описанными сегментами.

Давайте посмотрим, как средние величины могут обмануть исследователя, привести его к ошибочным выводам и неправильным управленческим решениям.

На рис. 4 мы видим, что были проведены исследования уровня клиентского обслуживания на четырех торговых точках. Результаты были рассчитаны с помощью средних величин. Торговая точка 4 показала самые низкие результаты. А остальные три торговые точки показали примерно одинаковые высокие результаты. Итогом такого исследования стало решение руководства премировать торговые точки 1, 2 и 3. А торговой точке 4 объявить взыскание за самый низкий показатель клиентского обслуживания.

Что делать управляющему торговой точки 4 с таким взысканием? Да, уровень клиентского обслуживания – самый низкий по сети, но что конкретно делать – непонятно. Пойти и застрелиться всем коллективом? Ведь результат исследования не дает никакого конкретного инструмента для исправления ситуации.

Теперь посмотрим на рис. 5. Здесь в разрезе тех же торговых точек измерены конкретные показатели, которые непосредственно влияют на уровень клиентского обслуживания. Мы видим, что показатель работы консультантов по торговой точке 4 занимает второе место и отстает от лидера всего на 5%. Что же получается? Основываясь на средних величинах уровня клиентского обслуживания, руководство компании объявило взыскание персоналу, который хорошо работает?! Неудивительно, если после подобных действий этот хорошо работающий персонал уйдет из компании.

В то же время, показатель работы консультантов по торговой точке 2 выдает самый низкий результат. И это та торговая точка, персонал которой руководство поощряло на основании средних показателей уровня клиентского обслуживания. Несомненно, персонал, который не очень старался, но при этом получил поощрение, продолжит дальше работать, не особенно усердствуя. И самое опасное, что другие сотрудники сети, наблюдая, как поощряют тех, кто не старается, будут копировать модель «ненапряжного» отношения к работе.

Осталось выяснить, за счет чего так сильно исказились средние величины. Ответ мы найдем на рис. 6. Торговая точка 2 была оборудована лучше всех по сети, там лучший ремонт и новая мебель.

А в торговой точке 4 давно не делали ремонт, там мебель и оборудование старые. Вот и весь секрет успеха и высоких показателей торговой точки 2. Торговая точка 4, не обладая ресурсами торговой точки 2, показывала высокий уровень работы персонала, который действительно заслуживает поощрения. Но опасные средние принижали показатели тех, кто хорошо работал, возвышая тех, кто более халатно относился к своим обязанностям.

Для того, чтобы не попасть в ловушку средних показателей, не стоит «клеить мягкое с круглым». Что происходило в нашем примере: исследователь, собирая данные клиентского обслуживания, вычислял средний показатель, складывая уровень профессионализма персонала с уровнем оборудования торговой точки, и делил эти данные на количество переменных в числителе. С точки зрения математики, вычисления были верны, но по сути они оказались ошибочны и опасны для бизнеса.

Что нужно учитывать в логике анализа данных, чтобы избежать описанной ситуации? Данные, с которыми вы проводите математические операции, должны быть однородными. Это тот самый принцип однородности, который мы разобрали в первой главе. Если вы анализируете уровень клиентского обслуживания, то можете складывать, вычислять средние и делать прочие математические операции только между данными одной группы. Причем вы можете вычислять средний показатель по всей сети, в одной торговой точке, или сравнивать индивидуальные показатели по каждому консультанту.

Но данные из разных групп вы можете только сравнивать. Например, показатели из группы «Уровень проведения консультаций» сравнить с показателями группы «Оформление информационного стенда». При сравнении может оказаться, что в торговой точке высокий уровень проведения консультаций, но менеджеры плохо работают с оформлением информационных стендов, поэтому их общий балл клиентского обслуживания снижен. В этом случае руководитель и персонал торговой точки точно знают, почему они не получили ожидаемых выплат, и что нужно исправить.

Измерение известности. Ошибка в методологии

Одна из задач, которые часто ставит руководство компании перед исследователями – замер известности участников рынка. Замерить известность легко. Достаточно составить небольшую анкету с набором вопросов и провести количественный опрос в соответствии с правильно рассчитанной выборкой.

Так как проводить опрос с двумя вопросами в анкете – непозволительная расточительность, то в анкету, кроме вопроса «Какие компании вам известны?» добавляют еще несколько вопросов, например, «Услугами какой компании вы пользовались?», чтобы в итоге измерить не только известность, но и доли участников рынка.