Инструменты динамической сегментации рынка пивоваренной продукции с использованием аппроксимационных моделей

Вид материала

Автореферат диссертации

Содержание Научный руководитель Ведущая организация Общая характеристика работы Содержание работы Процедура динамической кластеризации Кластерная модель рынка Центр кластера Прогностическая аппроксимационная модель Процедура экстраполяции По результатам реализации данной процедуры осуществляется принятие маркетинговых решений по охвату рынка и по работе на целевых Т наблюдается – множество векторов в n M, и выбирается значение M Блок ввода статистических данных Модуль кластерного анализа Блок формирования кластерной структуры Блок расчета параметров кластера Блок анализа изменений в структуре кластеров Блок отображения данных кластерного анализа Модуль прогнозирования Блок отображения результатов прогнозирования ... Полное содержание

Подобный материал:

• Контрольная работа по дисциплине «Маркетинг», 231.51kb.
• Рабочая программа по дисциплине «основы сегментации рынка» для специальности 080111, 301.91kb.
• Программа дисциплины "Инструменты срочного валютного рынка" включает изучение следующих, 15.83kb.
• Примерная тематика рефератов по курсу, 15.93kb.
• А. А. Трофимов Петрозаводский государственный университет, 54.42kb.
• Е. И. Рытвин (Журнал «Драгоценные металлы. Драгоценные камни», М., Асми,1994, №5,, 113.32kb.
• Тема Дата проведения, 179.95kb.
• Данная работа посвящена описанию прототипа динамической интеллектуальной системы, реализованному, 30.77kb.
• Удк 621. 311. 016 Определение границы динамической надежности ээс с использованием, 423.64kb.
• Вопросы к экзамену по учебной дисциплине «маркетинг», 25.93kb.

На правах рукописи


Храименков Михаил Михайлович


Инструменты динамической сегментации рынка

пивоваренной продукции с использованием

аппроксимационных моделей


Специальность:

08.00.13 -

Математические и инструментальные методы экономики

Автореферат

диссертации на соискание ученой степени

кандидата экономических наук


Москва – 2010

Работа выполнена в филиале ГОУВПО «Московский энергетический институт (технический университет)» в г. Смоленске на кафедре менеджмента и информационных технологий в экономике


Научный руководитель: доктор технических наук, профессор

Дли Максим Иосифович


Официальные оппоненты: доктор экономических наук, профессор

Зайцевский Игорь Владимирович;

кандидат экономических наук, доцент

Битюцкий Сергей Яковлевич


Ведущая организация: Московская финансово-промышленная академия


Защита состоится 27 октября 2010 г. в 11 часов на заседании диссертационного совета Д 212.157.18 при ГОУВПО «Московский энергетический институт (технический университет)» по адресу: 111250, г. Москва, ул. Красноказарменная, д. 14, ауд. Ж-200.


Отзыв на автореферат (в двух экземплярах, заверенных печатью) просим присылать по адресу: 111250, г. Москва, ул. Красноказарменная, д. 14, Ученый совет МЭИ


С диссертацией можно ознакомиться в библиотеке МЭИ.


Автореферат разослан “____”_________ 2010 г.


Ученый секретарь

диссертационного совета Д 212.157.18,

к.э.н., доцент А.Г. Зубкова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Сегментация рынка является одной из важнейших составляющих маркетинговой деятельности предприятия, которая позволяет определять характеристики потребителей, выбирать маркетинговую стратегию охвата рынка, определять стратегические ориентиры при разработке инструментов комплекса маркетинга. Особенно актуальной задача сегментации является для предприятий, которые вследствие ужесточения конкуренции реализуют стратегию сфокусированной дифференциации и осуществляют свою маркетинговую деятельность на высоко дифференцированных рынках. К таким предприятиям в значительной степени относятся предприятия пивоваренной промышленности, объемы производства которой в 2009 г. снизились по отношению к 2008 г. на 4,8%. По некоторым номенклатурным группам наблюдался еще более выраженный негативный тренд. Например, объемы производства светлого пива в России в январе 2010 г. сократилось по отношению к январю 2009 г. на 44%. В таких условиях пивоваренные компании вынуждены осуществлять более детальный анализ рынка с целью выявления и учета основных характеристик групп потребителей, которые могут рассматриваться как привлекательные сегменты рынка.

Вопросы сегментации рынка как инструмента оперативного и стратегического планирования маркетинговой деятельности предприятия рассмотрены в работах следующих авторов: Х. Анн, В.Ф. Анурин, Г.Л. Багиев, Р.Д. Блэкуэлл, Б. Гантер, Е.В. Евтушенко, Ф. Котлер, Д.В. Кревенс, М.Дж. Крофт, Ж.Ж. Ламбен, М. Макдоналд, Т.Д. Маслова, П.У. Миниард, И.И. Муромкина, А.А. Паршин, Е.В. Попов, А.Н. Романов, Б.А. Резниченко, В.М. Тарасевич, В.М. Терещенко, А. Фернхам, В.Е. Хруцкий, Д.Ф. Энджел и др.

Учитывая, что сегмент рынка представляет собой кластер, включающий обладающих сходными характеристиками потребителей, при проведении сегментации целесообразно использовать инструменты кластерного анализа, рассмотренные в публикациях С.А. Айвазяна, М.А. Айзермана, Э.М. Бравермана, С.Я. Виленкина, Р. Гонсалеса, Ф. Груна, Ю.И. Журавлева, А.Г. Ивахненко, Л.А. Растригина, С.А. Редкозубова, В.П. Мешалкина, В.С Мхитаряна, Дж. Ту, К. Фуканаги, Я.З. Цыпкина, Р.Х. Эренштейна, Х. Хейкена. и др.

В тоже время использование традиционных инструментов кластерного анализа позволяет получить только статическую картину рынка и не дает возможность разработать маркетинговую стратегию на длительный период. Так, с течением времени восприятие потребителями продукта и рекламы меняется, изменяются характеристики самих выделяемых кластеров, при этом большой объем данных затрудняет анализ.

В таких условиях для поддержки принятия маркетинговых решений целесообразно использовать инструменты динамического кластерного анализа, предложенные в работах Ангстенбергер Л., Гимарова В.В., Баумана В.Е., Дорофеюка А.А., Круглова В.В., Синха С., Ганеса В., Луниса П., Чернявского А.Л.

Анализ данных работ показывает, что использование инструментов динамического кластерного анализа для решения задачи сегментации динамически изменяющихся рынков в условиях нерегулярности получения результатов маркетинговых исследований предполагает ряд модификаций, который позволил бы оценивать изменение во времени емкости и устойчивость сегментов, прогнозировать появление новых и тенденции изменения существующих сегментов, а применять данные инструменты для построения систем поддержки принятия решений (СППР) по стратегическому управлению маркетинговой деятельностью предприятий, в том числе пивоваренной отрасли. Отметим также, что при применении аппроксимационных моделей анализа эконометрических рядов для прогнозирования состояния кластерной структуры рынка необходимо учитывать нерегулярность поступления информации и существенно нелинейный характер зависимости изменения во времени центров и других характеристик кластеров от внешних факторов.

Сказанное определяет актуальность научной задачи разработки аналитических и программных инструментов динамической сегментации рынка пивоваренной продукции, позволяющих прогнозировать изменение характеристик сегментов данного рынка, а также структуры кластерного поля в целом, имеющей существенное значение для развития математического аппарата анализа экономических систем.

Цель диссертационной работы – разработка инструментов кластеризации рынка пивоваренной продукции для анализа сегментов рынка и прогнозирования их характеристик с использованием методического аппарата динамической кластеризации и построения аппроксимационных моделей в условиях нерегулярности поступления информации, а также архитектуры и методики применения информационной системы, реализующей разработанные аналитические инструменты.

Для достижения указанной цели были поставлены и решены следующие задачи исследования:

1. Анализ основных задач маркетинговых исследований, решаемых при исследовании потребительских рынков. Постановка задачи сегментации рынка как разновидности задачи динамической кластеризации в условиях изменения структуры кластерного поля и нерегулярности поступления маркетинговой информации.
   
2. Анализ современного математического аппарата динамической кластеризации эконометрических данных, а также прогнозирования социально-экономических систем и процессов.
   
3. Экономический анализ и определение основных тенденций развития предприятий пивоваренной промышленности РФ и Смоленской области. Обоснование целесообразности применения инструментов динамической кластеризации с использованием аппроксимационных моделей для выбора стратегии сегментации и охвата целевых сегментов рынков пива.
   
4. Разработка структурной модели процедуры сегментации изменяющегося во времени рынка пивоваренной продукции, предполагающей комплексное использование инструментов динамической кластеризации и аппроксимационного анализа характеристик выделенных сегментов.
   
5. Разработка инструментов динамической сегментации рынка пива с использованием алгоритмов кластеризации, учитывающих возможность изменения характеристик сегментов и кластерного поля потребительского рынка, а также специфические особенности сегмента рынка как вида кластера.
   
6. Модификация существующих инструментов построения аппроксимационных моделей для прогнозирования изменения характеристик целевых сегментов рынка в условиях нерегулярности поступления маркетинговой информации.
   
7. Разработка архитектуры и методики построения СППР по стратегическому управлению маркетинговой деятельностью пивоваренных предприятий, использующей предложенные инструменты динамической сегментации рынка.
   
8. Выработка практических рекомендаций по применению предложенных инструментов в ОАО «Бахус» (г. Смоленск).
   

Теоретической и методологической базой исследования являются методы теории статистического анализа, моделирования и кибернетики, методы экономического анализа, эконометрики и экономико-математического моделирования, системный подход к анализу экономических явлений и процессов, научные положения и выводы, сформулированные в трудах отечественных и зарубежных ученых по математическому моделированию экономических объектов и процессов.

Информационной базой исследования являются данные Росстата, законодательные и нормативно-правовые акты Президента и Правительства РФ, связанные с тематикой диссертации, а также отчетные данные предприятий по производству пивоваренной продукции Смоленской области.

Наиболее существенные научные результаты, полученные лично автором:

1. Разработана структурная модель процедуры сегментации изменяющегося во времени рынка пивоваренной продукции, предполагающей, в отличие от известных, комплексное использование инструментов динамической кластеризации и аппроксимационного анализа характеристик выделенных сегментов, позволяющая осуществлять прогнозирование структуры рынка и основных характеристик целевых сегментов в условиях неравномерного поступления маркетинговой информации.
   
2. Разработаны инструменты (алгоритм и методика) динамической сегментации рынка пива с использованием процедур кластеризации, учитывающих возможность изменения во времени характеристик сегментов и кластерного поля потребительского рынка, а также специфические особенности характеристик сегмента рынка (емкость, стабильность, доступность для предприятия и т.д.) как вида кластера, а также использующие нечеткий критерий оценки качества кластерной структуры для описания емкости сегмента, что позволяет оценить устойчивость анализируемых сегментов.
   
3. Предложены модифицированные алгоритм и методика построения аппроксимационной модели для прогнозирования изменения характеристик целевых сегментов рынка в условиях нерегулярности поступления маркетинговой информации, отличающийся введением дополнительной переменной, характеризующей размер временного окна, что позволяет осуществлять прогноз при существенно нелинейном характере зависимости наблюдаемых показателей сегмента от факторов внешней среды.
   
4. Предложена архитектура информационной системы динамического анализа сегментов рынка, отличающаяся возможностью осуществления кластерного анализа с изменяющимся количеством кластеров и прогноза динамики характеристик кластеров, что позволяет расширить функциональные возможности корпоративных информационных СППР по управлению маркетинговой деятельностью предприятий, осуществляющих выпуск пивоваренной продукции, инструментами оперативного и стратегического планирования.
   

Объектом исследования является маркетинговая деятельность предприятий пивоваренной отрасти на дифференцированных потребительских рынках.

Предметом исследования являются инструменты сегментации динамически изменяющихся рынков.

Обоснованность и достоверность научных результатов, выводов и рекомендаций диссертации определяются корректным применением методов экономического анализа и экономико-математического моделирования. Выводы и предложения диссертационного исследования не противоречат известным теоретическим и практическим результатам, содержащимся в трудах отечественных и зарубежных ученых в области кластерного анализа информации, теории моделирования социально-экономических систем и ее приложений к решению маркетинговых задач.

Научная новизна работы состоит в разработке структурной модели процедуры сегментации изменяющегося во времени рынка пивоваренной продукции, предполагающей комплексное использование предложенных инструментов динамической сегментации и модифицированных инструментов построения аппроксимационной модели для прогнозирования изменения характеристик целевых сегментов рынка в условиях нерегулярности поступления маркетинговой информации, а также реализующей ее информационной СППР по управлению маркетинговой деятельностью предприятий.

Значение полученных результатов для теории и практики.

Предложенные в диссертации инструменты динамической сегментации рынка вносят определенный вклад в развитие математических и инструментальных методов экономики в части развития математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, а также математического моделирования экономической конъюнктуры, определения трендов и тенденций развития.

Разработанная архитектура информационной системы динамического анализа сегментов рынка, реализующая предложенные инструменты, вносит вклад в теорию и практику применения систем поддержки принятия решений для оптимизации управления экономикой на уровне предприятия.

Сведения о реализации и целесообразности практического использования результатов.

Предложенные инструменты динамической сегментации рынка, а также реализующая их информационная СППР были использованы в ОАО «Бахус» (г. Смоленск) и ООО «Арис» (г. Смоленск), что позволило определить перспективные сегменты при выборе маркетинговой стратегии и повысить эффективность маркетинговой деятельности организаций.

Теоретические и методические результаты диссертации используются в учебном процессе филиала Московского энергетического института (технического университета) в г. Смоленске.

Предложенные инструменты и реализующая их СППР могут найти широкое применение на предприятиях различных отраслей промышленности, осуществляющих маркетинговую деятельность на нестабильных дифференцированных рынках.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на XXII Международной научно-практической конференции «Математические методы в технике и технологиях» (Псков, 2009); VII Межрегиональной научной конференции «Информационные технологии, энергетика и экономика» (Смоленск, 2010); Международной научно-технической конференции «Управление экономическим и социальным развитием: инновационные и стратегические подходы (Гатчина, 2010)»; II Международной научно-практической конференции «Проблемы и пути совершенствования экономического механизма предпринимательской деятельности» (Днепропетровск, 2010), а также семинарах в филиале МЭИ (ТУ) в г. Смоленске.

Публикации. По теме диссертации опубликовано 11 печатных работ общим объемом 10,5п.л., в том числе лично автору принадлежит 5,2 п.л.

Структура и объем работы.

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, включающего 117 наименований, и одного приложения. Диссертация содержит 162 страницы машинописного текста, 31 рисунок и 34 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность научных исследований по выбранному направлению. Формулируется цель диссертационной работы и решаемые в ней задачи, излагается научная новизна и практическая значимость полученных результатов.

В первой главе «Анализ современных подходов к сегментации рынков» рассмотрена задача сегментации рынка как одна из важнейших задач стратегического маркетинга. Показано, что решение данной задачи позволяет планировать маркетинговую деятельность предприятия. Выделен класс задач динамической сегментации рынка, который характеризуется необходимостью отслеживания изменения структуры сегментов во времени и прогнозирования их характеристик. Проведен анализ известных методов кластеризации и возможность их использования для динамической сегментации нестабильных дифференцированных рынков.

В диссертации сформулированы общие требования к разрабатываемым инструментам динамической сегментации нестабильных рынков: возможность анализа изменения кластерного поля (появление новых сегментов, исчезновение некоторых сегментов и т.д.) с учетом специфики сегмента рынка как кластера и необходимость прогноза изменения показателей сегментов рынка в условиях нерегулярности поступления маркетинговой информации.

На рис. 1 приведены основные группы методов классификационного анализа данных, которые могут быть использованы для кластеризации рынков.





Рисунок 1 – Основные группы методов кластеризации


Анализ данных методов показал, что при исследовании кластерной структуры нестабильных рынков целесообразно применять основные подходы, реализуемые в рамках группы нечетких методов – методов кластеризации с использованием нечеткой меры расстояний. Для прогнозирования изменения характеристик сегментов рынка предложено использовать аппроксимационные модели. При этом специфические особенности сегмента рынка как кластера определяют необходимость учета при проведении сегментации следующих требований: сегменты должны быть достаточно устойчивыми и емкими; сегменты должны быть доступны для предприятия, т.е. должны иметься каналы сбыта и распределения продукции; предприятие должно иметь контакт с сегментом (например, через каналы массовой коммуникации).

С учетом данных требований инструменты динамической сегментации должны использовать критерии оценки качества кластерной структуры с точки зрения возможности отнесения выделенных кластеров к сегментам рынка.

Вторая глава «Организационно-экономический анализ состояния и основных тенденций развития отечественных предприятий по производству алкогольной продукции» посвящена описанию результатов исследования изменения рынков алкогольной продукции и пива РФ и Смоленской области. Целью данного анализа являлось обоснование целесообразности применения инструментов динамической сегментации для выбора маркетинговой стратегии охвата рынка пива.

Динамичное развитие пивоваренных предприятий в 2006-2007 гг. сменилось в 2008 г. периодом определенной стагнации. Однако в целом экономические показатели пивоваренной отрасли за 2008 г. нельзя в полной мере охарактеризовать как негативные. Как показывает анализ статистических данных, выручка производителей пива без учета НДС и акцизов при фактически неизменных натуральных показателях выросла в 2008 г.на 16,6% (в 2007 г. данный показатель составил 21%), при этом себестоимость проданного пива выросла на 12,4%. В соответствии с данными Росстата в 2008 г. также был отмечен рост объема капитальных затрат (на 21% по сравнению с предыдущим периодом) в связи с завершением крупных инвестиционных проектов в отрасли: строительством предприятий «Балтики» в Новосибирской области, SABMiller в Ульяновской области и AB InBev в Иркутской области и ряда других.

В 2009 г. было отмечено сокращение объемов продаж пива, одной из причин которого стало переключение потребителей с более дорогих на более экономичные сорта. Отметим, что производство алкогольных напитков в целом в 2009 г. сократилось более чем на 3%. При этом сокращение коснулось всех групп продуктов – от пивоваренного солода (около 20%), водки и ликероводочных изделий (7,3%), пива (5%) до виноградного вина (0,2%). Доля пива в общем объеме продажи алкогольных напитков и пива в 2009 г., как и в 2008 г., составила 78%, доля водки и ликероводочных изделий - 12%.

В то же время пивоварение продолжает оставаться одним из самых высокорентабельных производств. Так, уровень рентабельности пивоваренного производства составляет в среднем 20-30%. В таблице 1 приведены основные показатели пивоваренной промышленности РФ.


Таблица 1 – Основные показатели деятельности пивоваренных предприятий РФ (по данным Росстата)

Показатели	2005	2006	2007	2008	2009
Индекс производства пива, % к пред. году	108,5	110	114,6	99,3	95
Производство пива, млн. дкл	910	1001	1147	1140	1085
Использование среднегодовой мощности организаций, %	74	77	81	74	72
Продажа пива, млн. дкл	892,1	1002,8	1155,3	1138,2	1091,7

Автором в 2006-2009 г. было проведено исследованием рынка пива г. Смоленска низкой ценовой категории, результаты которого представлены на рис. 2.

В результате было выделено три основных сегмента потребителей: молодежь в возрасте 17-27 лет со средним доходом 5-7 тыс. руб. в месяц; лица среднего возраста (35-45 лет) со средним доходом 20-25 тыс. руб. в месяц; старшая возрастная группа (50-70 лет) со средним доходом 8-12 тыс. руб. в месяц;

Динамический анализ изменений рынка в 2006-2008 г.г. показал что:

1) средний возраст типичного потребителя в первой группе уменьшается, а общее количество потребителей в данном сегменте растет, что говорит о перспективности данного сегмента;

2) вторая группа несколько размывается и уменьшается, что, по всей видимости, вызвано появлением на рынке большего количества качественного и элитного пива, которое предпочитают представители этой группы. Возможно, что часть данного сегмента отойдет к первой и к третьей группам потребителей.

2006 год	2007 год
2008 год	2009 год

Рисунок 2 – Кластерная структура рынка пива Смоленской области


3) третья группа также несколько размывается, однако емкость сегмента остается стабильной при дрейфе центра кластера в сторону большего дохода.

Анализ показывает, что наблюдаемые изменения характеристик кластеров даже в рамках одной ценовой категории позволяют сделать вывод о целесообразности использования инструментов динамической сегментации.

В третьей главе «Разработка структурной модели и инструментов динамической сегментации нестабильных рынков» предложены обобщенная структурная модель процедуры сегментации изменяющегося во времени рынка пивоваренной продукции; разработанные инструменты динамической сегментации рынка пива с использованием алгоритмов нечеткой кластеризации; модифицированные инструменты построения аппроксимационных моделей для прогнозирования изменения характеристик целевых сегментов рынка в условиях нерегулярности поступления маркетинговой информации.

Структурная модель процедуры сегментации изменяющегося во времени рынка пивоваренной продукции, предполагающая комплексное использование инструментов динамической кластеризации и аппроксимационного анализа характеристик выделенных сегментов, приведена на рис 3.




Рисунок 3 – Структурная модель процедуры динамической сегментации рынка


Структурная модель включает в себя следующие компоненты:

1) Процедура динамической кластеризации. Осуществляет кластеризацию n исходных наблюдений, полученных в некоторый момент времени T_i. Для этого используется алгоритм кластеризации с неизвестным числом кластеров, который осуществляет разбиение исходного множества наблюдений на несколько подмножеств. В результате формируется статическая кластерная модель рынка для различных временных интервалов.

2) Кластерная модель рынка. Описывает полученные сегменты рынка. Кластерная модель рынка характеризуются набором статических показателей, которые могут быть использованы для принятия маркетинговых решений:

• Центр кластера (с⁽ⁱ⁾) отражает портрет типового потребителя данного сегмента рынка.
  
• Количество объектов в кластере (N_i) – отражает емкость сегмента рынка, соответствующую данному кластеру.
  
• Интервал значений исследуемой характеристики (например, возраста потребителей, дохода и т. д.) для кластера i.
  

Данные параметры характеризуют каждый конкретный кластер, что позволяет рассматривать динамику сегмента, прогнозируя ограниченный набор переменных.

3) Прогностическая аппроксимационная модель. На основании анализа параметров кластерной модели рынка описывает поведение сегментов в динамике. Строится для каждого прогнозируемого параметра сегмента рынка. Кроме того, при построении данной модели отслеживаются изменения в структуре рынка – появление новых и слияние существующих сегментов, что служит своего рода порогом для начала построения новых моделей.

4) Процедура экстраполяции. На основании построенной аппроксимационной модели определяются прогнозируемые значения параметров модели сегмента рынка – , и . Результаты прогнозирования определяются точностью построенной аппроксимационной модели, которая зависит от количества и качества исходных наблюдений.

5) По результатам реализации данной процедуры осуществляется принятие маркетинговых решений по охвату рынка и по работе на целевых сегментах.

Рассмотрим подробнее описанные компоненты указанной структурной модели.

Формально задача кластеризации может быть определена следующим образом. Пусть в начале некоторого интервала времени Т наблюдается – множество векторов в n-мерном пространстве, описывающих объекты кластеризации (потребителей), где n – число характеристик, по которым осуществляется сегментация; – множество выделенных кластеров; – функция расстояния между векторами a и b (используются известные метрики). При этом вектору ставится в соответствие кластер y_j, до центра которого расстояние (при использовании выбранной метрики) минимально:

, (1)

где вектор – центр j-го кластера в n-мерном пространстве; при этом обычно .

Через некоторые интервалы T проводится проверка стабильности структуры кластеров, и при необходимости, т.е. при наличии динамических изменений, ее коррекция. С целью исключения влияния неактуальных наблюдений, мониторинг организуется по принципу временного окна, т.е. при анализе кластерной структуры учитываются только объекты, зафиксированные в предпоследнем маркетинговом исследовании.

На практике при осуществлении кластерного анализа рынка число сегментов априори точно неизвестно, поэтому необходимо использовать критерий для оценки результативности разбиения потребителей на сегменты. С одной стороны этот критерий должен удовлетворять условию минимума функции (1), а с другой стороны, должен учитывать изложенные выше требования к сегментам рынка.

В качестве базового критерия оценки качества разбиения выборки потребителей, полученной в ходе маркетингового исследования, на кластеры можно использовать известный критерий Дэйвиса-Болдуина (DBI). DBI рассчитывается для каждого кластера как отношение плотности векторов внутри кластера к расстоянию между кластерами и показывает степень перекрытия кластеров:

, (2)

где векторы – центры j-го и k-го кластеров соответственно.

Показатель для j-го кластера рассчитывается как:

, (3)

где – количество объектов в j-ом кластере.

Из формулы (3) очевидно, что представляет собой некоторый радиус усредненной гиперсферы относительно центра кластера, охватывающей кластер. Из формулы (2) видно, что чем больше эта гиперсфера для некоторого кластера, и чем ближе она к гиперсферам, соответствующим другим кластерам, тем выше вероятность, что кластеры сольются. Однако данное условие справедливо для кластера любого размера, что идет в разрез с требованием к емкости сегмента. Поэтому предложено добавить в формулу (3) для расчета значения нечеткую переменную, которая характеризует емкость кластера:

, (4)

где  – весовой коэффициент, определяемый экспертом; – функции принадлежности к термам нечеткого понятия «емкость рынка».

Введение дополнительного параметра приводит к увеличению значения критерия для небольших кластеров, что позволяет объединять большие сегменты с малыми, находящимися от них в непосредственной близости. Такой подход позволяет ориентировать маркетинговую деятельности организации только на достаточно емкие укрупненные сегменты.

В результате интегральный показатель DBI для М кластеров рассчитывается как:

. (5)

Данный интегральный показатель определяется для различных конфигураций, полученных при вариации значений числа кластеров M, и выбирается значение M*, соответствующее минимальному значению показателя DBI. Кластеризацию при определенном числе кластеров M предложено осуществлять с использованием известного алгоритма c-means. На рис. 4 представлена блок-схема алгоритма динамической кластеризации потребителей.

Для осуществления прогнозирования динамики сегмента рынка предложено использовать аппроксимацонные методы. Как правило, статистические данные для формирования модели наблюдаются в нерегулярные моменты времени t_i, что делает невозможным использование аппроксимационных моделей, основанных на построении традиционной локальной линейной авторегрессии. В этой связи предложено дополнять множество переменных для построения аппроксимационной модели значениями временных интервалов T_i, через которые поступают результаты маркетинговых исследований рынка.



Рисунок 4 – Блок-схема алгоритма динамической сегментации рынка


Тогда значение прогнозируемое значение сегмента рынка определяется следующим образом:

, (6)

где – коэффициенты модели, которые можно найти с использованием метода «М ближайших узлов», т.е. с использованием данных М ближайших в смысле расстояния приведенных наборов значений (число М полагается заданным), на базе стандартной процедуры метода наименьших квадратов.

Введем обозначения: – вектор коэффициентов модели (6), – вектор, соответствующий одному из «М ближайших узлов», i=1,2,...,M; ; – вектор, соответствующий текущему значению прогнозируемой характеристики изменяющегося сегмента.

В этом случае коэффициенты локальной авторегрессионной модели определяются при помощи выражения:

, (7)

где

, (8)

. (10)

В соответствии с изложенным, была предложена методика построения аппроксимационной модели характеристик сегмента рынка.

В четвертой главе «Результаты практической реализации предложенных математических моделей и алгоритмов для динамического анализа сегментов рынка пивоваренной продукции» рассмотрена архитектура информационной системы динамического анализа сегментов рынка, реализующая разработанные аппроксимационные модели и алгоритмы кластеризации; представлена методика динамического анализа кластерной структуры рынка с использованием информационной системы, а также представлены результаты применения разработанной информационной системы для анализа рынка Смоленской области.

Архитектура информационной системы динамической сегментации рынка приведена на рис. 5.




Рисунок 5 – Архитектура информационной системы динамического анализа сегментов рынка


Разработанная информационная система построена по модульному принципу и реализована на языке программирования С# с использованием среды визуального программирования Visual Studio 2008 и .NET Framework 2.0.

Информационная система состоит из следующих модулей и блоков:

1) Блок ввода статистических данных, полученных в результате опроса потребителей. Данный программный блок предоставляет пользователю интерфейс ввода первоначальных сведений, необходимых для формирования кластерной модели рынка посредством классификации потребителей.

2) Модуль кластерного анализа, осуществляет статистическую обработку представленной выборки наблюдений, в результате которой выделяется множество кластеров. Модуль включает в себя несколько блоков:

а) Блок формирования кластерной структуры осуществляет разбиение исходной выборки наблюдений на кластеры с использованием предложенного алгоритма кластеризации.

б) Блок расчета параметров кластера осуществляет расчет таких параметров, как центр кластера, емкость кластера, интервалы значений для каждой характеристики.

в) Блок анализа изменений в структуре кластеров проводит мониторинг кластерного поля и на основании сравнения текущего состояния с предыдущим делает вывод об изменении в структуре кластеров: появление новых или слиянии старых кластеров.

3) Блок отображения данных кластерного анализа проводит графическую интерпретацию полученных в результате процедуры кластеризации данных, строит кластерное поле, отображает параметры для каждого кластера.

4) Модуль прогнозирования осуществляет построение аппроксимационной модели сегмента рынка во временных окнах переменной длины, а также получение экстраполированных значений для каждой прогнозируемой характеристики с использованием разработанных в работе алгоритмов и процедур. Включает в себя блоки: построения аппроксимационной модели сегмента рынка и экстраполяции.

5) Блок отображения результатов прогнозирования выводит результаты экстраполяции, а также предыдущие значения характеристик кластеров в виде графика, что позволяет эксперту наглядно оценить результаты прогнозирования.

Для организации базы данных (БД) используется Microsoft SQL Server Express. Использование стандартных методов сериализации XML, предоставляемых каркасом приложений .NET framework, позволяет значительно упростить задачу хранения моделей в БД: модель преобразуется в XML-код и в данном виде сохраняется в базе данных.

В соответствии с приведенной на рис. 5 архитектурой информационной системы динамического анализа сегментов рынка, а также учитывая описание процесса динамического кластерного анализа, можно выделить следующие последовательные процедуры в работе с информационной системой:

Шаг 1. Сбор статистических данных по рынку за некоторый отчетный период T_i. В качестве такого периода может выступать месяц, квартал, полугодие и т.д.

Шаг 2. На основании статистических данных осуществляется разбиение n-мерного пространства характеристик потребителей на отдельные кластеры с использование разработанного алгоритма динамической кластеризации с неизвестным числом кластеров.

Шаг 3. Выделяются параметры каждого кластера: центр кластера, емкость кластера, границы значений отдельных характеристик рынка.

Шаг 4. Аппроксимационная модель каждого сегмента рынка дополняется данными за период T_i. В случае, если образовался новый кластер инициируется процесс накопления данных для аппроксимационной модели нового кластера, а также перестраивается новая модель для кластера, от которого отделился новый сегмент.

Шаг 5. На основании аппроксимационной модели с использованием разработанных процедур строится прогноз на период T_i+1. Переход к шагу 1.

Предложенные инструменты динамической сегментации рынка, а также реализующая их информационная СППР были использованы в ОАО «Бахус» (г. Смоленск) и ООО «Арис» (г. Смоленск), что позволило определить перспективные сегменты реализации маркетинговой стратегии и повысить эффективность маркетинговой деятельности организаций.

ОАО «Бахус» является крупнейшим производителем алкогольной продукции Смоленской области, производящим около 450 тыс. дал в год, из них около 150 тыс. дал пивоваренной продукции. Начиная с 2007 г. объемы производства предприятия начали сокращаться. Так, индекс объемов производства по группе пивоваренной продукции в 2007 г. составил 0,96, в 2008 г. – 0,82, в 2009 г. – 0,95, что, помимо последствий кризисных явлений в экономике, было вызвано усилением конкурентного давления.

В 2009 г. в ОАО «Бахус» была внедрена СППР по управлению маркетинговой деятельностью, реализующая, в том числе, предложенные в диссертации инструменты динамической сегментации. В результате анализа кластерной структуры рынка были выявлены следующие изменения сегментов рынка:

- центр сегмента потребителей молодого возраста и низких доходов смещается по оси «возраст» влево, при этом емкость сегмента достаточно быстро растет. Для данного сегмента была предложена маркетинговая стратегия «развития продукта» - безалкогольного пива с проведением соответствующих мероприятий коммуникации-микс, учитывающих сезонный фактор;

- наблюдается сокращение емкости сегмента потребителей среднего возраста с движением центра по оси «доход» вверх. Для данного сегмента предложно развитие ассортиментной группы сувенирной продукции;

- сегмент более старших потребителей с низким доходом практически не изменяется, что предполагает отсутствие изменений в маркетинговой политике предприятия;

- сформировался новый кластер, который, начиная с 2010 г., может рассматриваться как сегмент, - сегмент потребителей в возрасте 27-32 года с достаточно высоким доходом, потребляющих пиво в летних кафе, на пикниках и т.д. Для данного сегмента предложено начать выпуск пива в кегах.

На рис. 6 приведена кластерная структура рынка пива Смоленской области в 2010 г.

В таблице 2 приведен прогноз влияния предложенных мероприятий на показатели деятельности предприятия.




Рисунок 6 - Кластерная структура рынка пива Смоленской области в 2010 г.


Таблица 2 - Прогнозные показатели ОАО «БАХУС» с учетом изменения сегментов рынка /без учета изменения (*- прогноз)

Показатели	2009	2010*	2011*	2012*
Индекс производства	0,95/0,87	1,02/0,94	1,1/1,01	1,1/1,05
Рентабельность продаж, %	14/5	13/4	18/6	24/9
Эффективность маркетинговой деятельности	12,6/11,4	23,5/11,6	23,8/11,7	34,2/10,8

В заключении приведены основные результаты работы, выводы и предложения.

В приложении представлена справка о реализации результатов диссертации.


ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Сформулирована задача сегментации рынка как разновидность задачи динамической кластеризации в условиях изменения структуры кластерного поля и нерегулярности поступления маркетинговой информации. Показано, что для решения данной задачи целесообразно применять методы кластеризации с использованием нечеткой меры расстояния и аппроксимационных моделей.
   
2. Предложена структурная модель процедуры сегментации изменяющегося во времени рынка, предполагающей комплексное использование инструментов динамической кластеризации и аппроксимационного анализа характеристик выделенных сегментов, а также анализа структуры рынка.
   
3. Разработаны инструменты динамической сегментации рынка пивоваренной продукции с использованием алгоритмов кластеризации, учитывающих возможность изменения характеристик сегментов и кластерного поля потребительского рынка, а также специфические особенности характеристик сегмента рынка как вида кластера. При реализации данных инструментов предложено использовать нечеткий критерий оценки качества кластерной структуры для описания емкости сегмента.
   
4. Предложены модифицированные алгоритм и методика построения аппроксимационной модели для прогнозирования изменения характеристик целевых сегментов рынка в условиях нерегулярности поступления маркетинговой информации, в которых в качестве переменной рассматривают интервалы времени между моментами поступления маркетинговой информации.
   
5. Разработана архитектура информационной системы динамического анализа сегментов рынка с возможностью осуществления кластерного анализа с изменяющимся количеством кластеров и прогноза динамики характеристик кластеров. Данная система может быть использована в составе корпоративных информационных СППР по управлению маркетинговой деятельностью предприятий, осуществляющих выпуск пивоваренной продукции, а также другой продукции, реализуемой на нестабильных рынках.
   
6. Предложенные инструменты динамической сегментации рынка, а также реализующая их информационная СППР были использованы в ОАО «Бахус» (г. Смоленск) и ООО «Арис» (г. Смоленск), что позволило определить целевые сегменты для стратегии дифференцированного маркетинга и повысить эффективность маркетинговой деятельности данных организаций за счет роста продаж на перспективных сегментах рынка.
   

Основные работы, опубликованные по теме диссертации

В изданиях перечня ВАК

1. Храименков М.М. Динамический кластерный анализ сегментов рынка // Вестник Российской Академии естественных наук (серия экономическая) – 2010 - №3-С.34-39

2. Храименков М.М., Тютюнник А.А. Кластерные модели рынка алкогольной продукции // Вестник Российской академии естественных наук (серия экономическая) – 2009 - №3– С.58-60.

3. Храименков М.М., Тютюнник А.А. Определение изменения потребительских предпочтений алкогольных напитков на региональном уровне // Путеводитель предпринимателя – 2010 - №8 – С.20-25

4. Гимаров В.В., Гимаров В.А., Храименков М.М. Продукционные модели прогнозирования конъюнктуры рынка товаров и услуг // Вестник Российской академии естественных наук (серия экономическая) – 2010 - №1 – С.27-28.

5. Храименков М.М., Образцов А.А. Математические модели сегментации рынка // Ученые записки Российской Академии предпринимательства – 2010. – Вып. 25 – С. 54-59.

В других изданиях

6. Дли М.И., Храименков М.М. Динамическая сегментация нестационарных рынков (монография) – Смоленск: изд-во «Смоленская городская типография» - 2010 – 146 с.

7. Храименков М.М., Тютюнник А.А. Практическое использование кластерной модели для отслеживания тенденций изменения рынка // Управление экономическим и социальным развитием: инновационные и стратегические подходы. Сб. тр. Межд. науч.-практ. конф. – Гатчина. – 2010. – С.23-26.

8. Храименков М.М. Использование продукционных моделей для анализа сценариев развития рыночной ситуации // Информационные технологии, энергетика и экономика. Сб. тр. VII Межрег. науч.-техн. конф. студентов и аспирантов. В 3 т. Т.3. – Смоленск: СФМЭИ - 2010. – С.161-163.

9. Храименков М.М. Прогнозирование экономического процесса в условиях нерегулярности наблюдения его значений // Информационные технологии, энергетика и экономика. Сб. трудов VII Межрег. науч.-техн. конф. студентов и аспирантов. В 3 т. Т.3. – Смоленск: СФ МЭИ- 2010. – С.158-160.

10. Храименков М.М., Тютюнник А.А. Практическое использование кластерной модели на примере регионального рынка алкогольной продукции Смоленского региона // Проблемы и пути совершенствования экономического механизма предпринимательской деятельности: Сб. тр. II Межд. науч.-практ. конф. Днепропетровск: Науч. изд-во «CONSTANTA» - 2010. – С.31-41.

11. Храименков М.М., Тютюнник А.А. Кластерная модель рынка алкогольной продукции // Математические методы в технике и технологиях - ММТТ-22. Сб. тр XXII Междунар. научн. конф. – Псков: ПГПИ – 2009 – т. 7 – С.38-40.