H4 Marktonderzoek
description
Transcript of 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 * σSommen: bepaal steekproef omvang bij een bepaalde
gewenste nauwkeurigheid en betrouwbaarheid.
Statistiek, toetsenDoel: 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-waardetotaal-omvang-steekproef
2. Bepaal q = 100 - p (in %)
3. Pas de formule: s of σ = SQRT(p * q / n) toe.4. Pas de z-waarde toe op basis van de vereiste betrouwbaarheid5. 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 Z-
toets)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), vervolgJe kunt het ook anders, meer concreet, benaderen:1. Bepaal van beide steekproeven de p en q waarden in % (zie Z-
toets)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 nul-waarde 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.
TijdreeksanalyseWaarde = 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.