Анализ среднеквадратичного отклонения оценок в исследованиях удовлетворенности потребителей
Одним из основных элементов формирования лояльности является удовлетворенность потребителей. Измеренная степень удовлетворенности/неудовлетворенности потребителей может быть ранним сигналом возможного усиления конкурентных преимуществ или же оттока клиентов1. Данная работа описывает модернизацию одного из методов анализа удовлетворенности (матрица «удовлетворенность/неудовлетворенность»), которая позволит повысить эффективность его практического применения.
Существует множество методов анализа удовлетворенности потребителей, реализуемых на базе проводимых количественных исследований.
Путем сложения произведения взвешенных оценок по каждому показателю определяется интегральная оценка степени удовлетворенности продуктом/ услугами компании2.
Возможно определение средних значений (mean scores) различных параметров и их значимых отличий друг от друга, определение доли потребителей, вошедших в первые (верхние) две группы (бокса) шкалы удовлетворенности (top two box scores) и/или последние (нижние) две группы (бокса) шкалы удовлетворенности3.
Одним из методов анализа, который имеет недостаточное практическое распространение, но, тем не менее, описан во многих литературных источниках4, является использование матрицы «удовлетворенность/неудовлетворенность». Данный подход к исследованию удовлетворенности применял Годерис Дж. (Goderis У.Я.). Суть метода заключается в следующем: ответы на различные вопросы по отдельным показателям распределяют по двум осям, одна из которых соответствует средним оценкам уровня удовлетворенности, а вторая — среднеквадратическим отклонениям (рис. 1). Большое отклонение означает, что одного и того же мнения придерживается малое количество респондентов5.
Рис. 1. Метод оценки удовлетворенности потребителей через удовлетворенность параметром и разброс мнений относительно этой удовлетворенности – матрица «удовлетворенность/неудовлетворенность»
Выбор точки пересечения осей представляет собой сложный вопрос. Обычно выбирают средний результат общих оценок по фирмам сектора или результат самого опасного конкурента.
Средняя оценка услуг, отнесенных к правому нижнему квадранту, выше средней по сектору в целом, а их среднеквадратичное отклонение ниже. Здесь клиенты в целом удовлетворены и согласно признают это.
В правом верхнем квадранте услуга также получает высокую среднюю оценку, но высокое среднеквадратичное отклонение указывает, что оценки клиентов не совпадают. В этом случае говорят о «распределенной удовлетворенности», что может быть обусловлено непостоянством качества предлагаемых услуг.
В верхнем левом квадранте средняя оценка ниже, чем по сектору, а среднеквадратичное отклонение значительно. Неудовлетворенность распределена: большинство клиентов недовольно, но часть из них в меньшей степени, чем другие. Такую ситуацию можно объяснить предложением, плохо адаптированным к реальным нуждам клиентов.
Наконец, в левом нижнем квадранте клиенты не удовлетворены и согласны в этом. Это самый тяжелый случай6.
Метод на первый взгляд является простым и понятным. Но когда дело доходит до практического применения оказывается, что в большинстве случаев, когда используются ограниченные интервальные шкалы (например, 5-балльная шкала Лайкерта: 1 — не удовлетворены, 5 — удовлетворены), среднеквадратичное отклонение исследуемых параметров удовлетворенности, по нашим наблюдениям, имеет некоторую зависимость от их математического ожидания: среднеквадратичное отклонение растет при приближении к центру шкалы и сокращается при удалении, почти параболически (см. пример на базе одного из исследований на рисунке 2).
Рис. 2. Наблюдаемая зависимость среднеквадратичного отклонения от математического ожидания оценки удовлетворенности определенным параметром
На практике это означает, что в большинстве случаев результатом анализа является либо распределенная неудовлетворенность либо нераспределенная удовлетворенность. Что наводит на мысль о необходимости корректировки выше обозначенного метода с точки зрения анализа выбросов из складывающегося распределения результатов.
В целом наблюдаемая зависимость, по нашему мнению, объясняется максимальным ограничением среднеквадратичного отклонения для интервальных шкал (например, ясно, что если шкала 5-балльная, то на ее концах, в точках 1 и 5, среднеквадратичные отклонения равны 0). Математически можно показать, например, что для шкалы от 1 до 5 зависимость максимального стандартного отклонения от математического ожидания будет равна
(1)
где x — математическое ожидание оценки удовлетворенности параметром.
Таким образом, с точки зрения автора, зная зависимость (1) можно рассчитывать долю наблюдаемого стандартного отклонения от максимально расчетного, тем самым задавая определенные уровни, относительно которых среднеквадратичное отклонение ведет себя в рамках нормы, является завышенным, либо заниженным по сравнению с остальными показателями. Эмпирически определены приблизительные уровни, которые подходят для аналитических целей в большинстве случаев анализа 5-балльных шкал: 0%, 40%, 60%, 80% и 100% (рис. 3). Имея информацию о том, насколько превышает наблюдаемое среднеквадратичное отклонение установленный уровень нормы, можно делать выводы о фактической «распределенности» оценок удовлетворенности по сравнению с «нормой».
Рис. 3. Скорректированная матрица «удовлетворенность/неудовлетворенность»
Предлагаемая автором корректировка матрицы «удовлетворенность/неудовлетворен-ность» избавляет от необходимости определения среднего уровня среднеквадратичного отклонения для расчета центральной точки, т. к. сравнение разброса происходит по установленным уровням. Кроме того, внесенная корректировка позволяет определить параметры с «ложным» распределением оценок, т. е. по предыдущей версии оценки левого верхнего квадранта могли быть отнесены к категории «распределенная неудовлетворенность», хотя на самом деле распределение находилось в рамках нормы,обычной для заданной шкалы, кроме одного параметра (см. обведенный параметр на рис. 3), а также действительно распределенные оценки: параметры нижнего правого квадранта по первоначальной версии Годериса могли быть отнесены к «нераспределенной удовлетворенности», тогда как в действительности уровень «распределенности» по одному из параметров выше нормы (см. обведенный параметр на рис. 3).
Данный скорректированный метод анализа был успешно использован для исследования удовлетворенности абонентов ЗАО «Мобиком-Центр» (дочерняя компания ОАО «МегаФон» в центральном макрорегионе) качеством предоставляемых услуг в одной из областей в 2005 году (результаты анализа представлены на рис. 3). На основании данного анализа было успешно устранено непостоянство качества одной из предоставляемых услуг (на рис. 3 данный параметр выделен в правом нижнем квадранте), а также адаптирован к рынку один из параметров (на рис. 3 данный параметр выделен в левом верхнем квадранте).
1 Karen G. Strouse. Strategies for success in the new telecommunications marketplace - London: Artech house, inc., 2001. - Р. 260-261.
2 Аакер Д., Кумар В., Дэй Дж. Маркетинговые исследования. 7-е изд./Пер. с англ. Под ред. С. Божук. - СПб.: Питер, 2004. - 848 с.
3 Rajan Sambandan, George Hausser. An alternative method of reporting customer satisfaction scores// Quirk Marketing Research Review. - 1998. - № 3. - Р. 20-24.
4 Голубков Е.П. Маркетинговые исследования: теория, методология и практика. - 2-е изд., перераб. и доп. - М.: Финпресс, 2000. - 464 с.; Ламбен Жан-Жак. Менеджмент, ориентированный на рынок / Пер. с англ. под ред. В.Б. Колчанова - СПб.: Питер, 2007 - 800 с.
5 Голубков Е.П. Маркетинговые исследования: теория, методология и практика. - 2-е изд., перераб. и доп. - М.: Финпресс, 2000. - 464 с.
6 Ламбен Жан-Жак. Менеджмент, ориентированный на рынок / Пер. с англ. под ред. В.Б. Колчанова - СПб.: Питер, 2007. - 800 с.
