Разработка методологии прогнозирования коммуникационной эффективности рекламы на рынках услуг с высокой вовлеченностью (на примере банковского рынка)
Дипломная работа - Маркетинг
Другие дипломы по предмету Маркетинг
модно описать с помощью процесса авторегрессии, т.е. авторегрессия порядка p, если выполняется соотношение:
X(t) - = ?1(X(t-1) - ) + ?2(X(t-2) - ) + тАж + ?p(X(t-p) - ) + ?t
Стационарность.
И в теоретических исследованиях, и при решении практических задач важная роль отводится последовательности случайных величин, вероятностные свойства которых не изменяются во времени. Такие случайные последовательности принято называть стационарными и их используют при описании временных рядов, течение которых стабилизировалось и происходит в неизменных условиях.
Случайный процесс X(t) называется стационарным, если для любых n, t1, t2, тАж, tn и ? распределения случайных величин (X(t1), тАж, X(tn)) и (X(tn+ ?)) одинаковы.
Следовательно, функции конечных распределений
не меняются при сдвиге времени, т.е.
ARIMA-модель.
Практически наиболее эффективный подход состоит в том, чтобы соединить модели скользящего среднего порядка и модель авторегрессии. Таким образом, получается модель ARIMA, которая соединяет в себе уже известные нам аббревиатуры AR и MA.
Случайный процесс X(t) называется процессом авторегрессии-скользящего среднего порядков p и q соответственно, если для него выполняется соотношение:
,
где ?t - процесс белого шума, М?t=0, D?t = ?2.
ARIMA-модели имеют три главных параметра: p - порядок компонентов в авторегрессии, d - число различий, необходимое для того, чтобы избавиться от цикличности во временном ряду и q - порядок компонентов в процессе скользящего среднего [32].
Методика построения ARIMA-модели по временному ряду.
Подход, предложенный Боксом и Дженкинсом, схематично можно изобразить следующим образом (График 3).
Первый этап моделирования заключается в выборе (постулировании) общего класса моделей. В данном случае рассматривается класс ARIMA-моделей.
Второй этап - идентификация пробной модели, под которой понимают определение подкласса модели, наиболее подходящего для описание этой модели (в данном случае можно говорить о выборе конкретных значений для p и q).
Третий этап - оценивание (подгонка) параметров пробной модели. На основе наблюдаемых данных с помощью специальных численных процедур оцениваются значения параметров ?1, ?2, тАж, ?q, ?1, ?2, тАж, ?p, ?2 и . Значение параметров вычисляются по методу максимального правдоподобия, который приводит к нелинейному методу наименьших квадратов.
Четвертый этап - диагностическая проверка модели, которая подразумевает под собой выявление или невыявление свойств, противоречащих построению модели. Если проверка показала, что модель неадекватно отражает наблюдаемые данные, то, возможно, что нам необходимо вернуться опять на этап оценивания и применять уже другую численную процедуру. Так же можно вернуться на второй этап и попробовать определить другой подкласс моделей. Если же не тот, ни другой вариант не приводят к успеху, то выбранный общий класс ARIMA-моделей не подходит для описания наблюдаемого процесса.
Глава 4. Разработка методологии для коммуникационной эффективности рекламы
4.1 Переменные модели прогнозирования коммуникационной эффективности рекламы
Итак, обратимся к показателям, которые лягут в основу разработки методологии для прогнозирования коммуникационной эффективности рекламы на рынках с высокой степенью вовлеченности:
.Спонтанное знание банка
.Спонтанное знание рекламы банка
.Подсказанное знание банка
.Подсказанное знание рекламы банка
.Основной канал распределения рекламы (по банкам)
.Интерес к банку
.Лояльность к банку, предпочтение одного банка всем остальным
.Основные причины отказа от услуг банка (анти-лояльность)
.Отношение к банку
Нам необходимо понять, какие изменения в перечисленных выше показателях мы можем все-таки считать эффективностью наружной рекламы. К примеру, мы можем взять переменную спонтанного знания рекламы и предположить, что если ее значения начинают увеличиваться, то, возможно, проведенная рекламная кампания была эффективной.
Однако для некоторых показателей из списка мы предлагаем использовать уже проверенные на практике утверждения. Это будет касаться подсказанного знания рекламы для товаров на рынках с высокой степенью вовлеченности (напомним, что связано это с тем, что чем больше времени, сил - моральных и физических - человеку нужно затратить на выбор и совершение покупки, тем меньше спонтанности в его поступках, и следовательно в ответах). Аналогичная ситуация и с подсказанным знанием рекламы продукции.
Что касается интереса к банку, то как мы уже упоминали выше (см. Главу 2) для рынков с высокой степенью вовлеченности отношение к марке (в нашем случае это банк) формируется исходя из оценки рекламы и интересу к марке, что в свою очередь влияет на намерение покупки. Мы считаем, что при дальнейшем анализе нужно будет использовать эту схему (см. График 2).
4.2 Структура данных
В данной работе будет использоваться данные трекинговых исследований о здоровье бренда и рекламы. Всего будет анализироваться 8 волн (исследование проводилось ежемесячно). Данные являются собственностью компании Радар.
Во всех 8 волнах в выборках отобраны крупные города Уральского федерального округа, мужчины и женщины старше 18 лет в равной пропорции. Выборка была распределена таким образом, что в каждой волне было опрошено 300 человек.
Из нескольких баз данных будет создана ра