H4. Marktonderzoek.

H4 Marktonderzoek
Verschillende informatiebehoeften in
verschillende fasen:
• Analyse fase
• Strategische fase
• Implementatie fase
• Evaluatie fase
Soorten marktonderzoek tijdens
product ontwikkeling
•
•
•
•
•
•
•
•
•
•
product-productidee
productconcept
productuitzetting
prijsonderzoek
prijsacceptatie
merknaam
verpakking
communicatie
overige (pantry, dustbin)
testmarkt (ultieme onderzoek)
Statistiek
De normale verdeling (Gauss)
Standaarddeviatie = σ = SQRT(P * Q / N) (P in %, en Q =
100 – Pl).
Uit tabel verband z-waarde (1, 2, 3) en betrouwbaarheid
(68%, 95,4%, 99,7%)
Totale nauwkeurigheidsinterval = 2 * z * σ
Sommen: bepaal steekproef omvang bij een bepaalde
gewenste nauwkeurigheid en betrouwbaarheid.
Statistiek, toetsen
Doel: bepalen of uitkomst van steekproef significant afwijkt van:
1.
verwacht resultaat;
2.
van eerder resultaat (voordat een promotiecampagne werd
gehouden bijvoorbeeld)
3.
of er een bepaald significant verband is tussen enkele variabelen.
Z-toets:
Doel: Check of één variabele/waarde met bepaalde betrouwbaarheid
ligt binnen het nauwkeurigheidsinterval van een steekproef.
Algoritme:
1.
Bepaal p in %; dit is:
p = aantal-waarnemingen-van-een-waarde
totaal-omvang-steekproef
2.
Bepaal q = 100 - p (in %)
3.
4.
5.
Pas de formule: s of σ = SQRT(p * q / n) toe.
Pas de z-waarde toe op basis van de vereiste betrouwbaarheid
Check of de waarde ligt binnen het interval.
Statistiek, toetsen (2)
T-toets (pooled variance)
Doel: check of een steekproef uitkomst significant afwijkt van een
andere steekproefuitkomst.
Achterliggend idee: overlappen de 2 Gauss krommen (zelfde uitkomst)
of niet (significant andere uitkomst).
Algoritme:
1.
Bepaal van beide steekproeven de p en q waarden in % (zie Ztoets)
2.
Bepaal de pooled variance:
Sp = SQRT( p1 * q1 / n1 + p2 * q2 / n2). Dit is een maat voor
de uitdijing van de beide Gauss krommen samen.
3.
Bepaal de kritische z-waarde:
Zk = (p1 - p2) / Sp. Dit zegt eigenlijk: hoeveel keer past de
uitdijing van de 2 Gauss krommen in het verschil van de
gemiddelde waarnemingen.
4.
Bepaal de z-waarde op basis van de vereiste betrouwbaarheid.
5.
Als Zk > z dan is er een significant verschil. Ofwel: het verschil
tussen de waarnemingen is groter dan z keer de uitdijing
Statistiek, toetsen (3)
T-toets (pooled variance), vervolg
Je kunt het ook anders, meer concreet, benaderen:
1.
Bepaal van beide steekproeven de p en q waarden in % (zie Ztoets)
2.
Bepaal de pooled variance:
Sp = SQRT( p1 * q1 / n1 + p2 * q2 / n2). Dit is een maat voor
de uitdijing van de beide Gauss krommen samen.
3.
Bepaal de z-waarde op basis van de vereiste betrouwbaarheid.
4.
Controleer of:
p1 - p2 > z * Sp ofwel check of de afstand tussen p1 en p2
groter is dan z keer de Sp. Het is evident, dat als die
afstand kleiner is, er natuurlijk geen significant verschil
tussen die twee waarden p1 en p2 is.
Statistiek,
toetsen
(4)
Chi-kwadraat
Doel: check of meer dan 2 variabelen significant van elkaar afwijken of
check of er samenhang is tussen variabelen in een kruistabel.
Achterliggende idee: door de genormeerde afstand van meerdere sets
van variabelen te berekenen kun je die afzetten tegen de waarden
uit een genormeerde Chi2-tabel. Is de waarde groter, dan is er
een significant verschil. De z-waarden zitten al in de tabel
verwerkt.
Statistiek, toetsen (5)
Chi-kwadraat (vervolg)
.
Algoritme:
1.
Zorg voor een kruistabel met rijen en kolommen met waarden Wi
2.
Zorg voor een analoge T-tabel of theoretische waarde of nulwaarde tabel met waarden Ti. Randvoorwaarden: elke Ti > 1,
maximaal 10% van de cellen Ti < 5. Zo niet: rijen of kolommen
samenvoegen.
3.
Bereken de Chi2:
Chi2 = Σ { (Wi - Ti)2 / Ti } ; sommeer alle genormeerde
celafstanden.
4.
Bepaal de vrijheidsgraden = (aant.kol - 1) * (aant. rijen - 1)
5.
Lees kritische Chi2 waarde af uit tabel en check of deze groter is
dan Chi2 die berekend is. Zo ja: dan is er significant verschil.
Tijdreeksanalyse
Waarde = Trend ± Seizoensafwijking ± A (toevallige afwijking)
Exponential smoothing over periode t:
Voorspellingt = α Wt-1 + (1 - α) Wt-2
Je geeft verschillende (hoger) wegingsfactoren aan meer recente
periodes.
Causale tijdreeksmodellen.
Q = α1 A + α2 B + α3 C,
waarbij αi verschillende weegfactoren zijn, en A, B en C bepaalde
gebeurtenissen zijn bijvoorbeeld prijsverlaging, mediabudget,
actie concurrent etc.