Следующим этапом станет проверка на значимость выбранной модели в виде статистического сбора данных из полученных чат-бот-опросов потенциальных пользователей, которые могут быть заинтересованы в переходе компаний к использованию чат-ботов как инструмент внешних коммуникаций. В качестве платформы для опросов был выбран мессенджер Telegram как один из самых используемых чатов на сегодняшний день. Опрос будет проводиться с использованием технологии, обозреваемой в данном исследовании, написанной на языке программирования Swift Swift - открытый мультипарадигмальный компилируемый язык программирования общего назначения. с использованием личных систем инфраструктуры исследователя. Листинг программы можно посмотреть в [приложении 1]. Опрос в режиме чата в реальном времени позволяет быстро и в кроткие сроки собрать данные респондентов, что, возможно, повышает данные исследования. Так же будет учтено количество респондентов, которые попали в “воронку” чат-бота, но не прошли опрос, либо не прошли его до конца. В добавок ко всему, данный метод сильно упрощает обработку полученной информации, так как большая часть анкеты-опроса содержит в себе вопросы с чёткой шкалой ранжирования ответов без открытых вопросов.

2.3 Проведение качественного исследования и анализ результатов

В концепции данной работы были проведены экспертные интервью.

Целью было выявление факторов в пользу внедрения технологии внутри компании и основные параметры для принятия такового решения.

Объектом исследования являются представители среднего, малого и крупного бизнеса. Высший менеджмент компании и руководители подразделений IT/Маркетинга и Менеджмента.

Предметом исследования являются те самые факторы, которые необходимы для соблюдения в пользу принятия и/или внедрения новой технологии.

Каждое интервью длилось от получаса до часу. В нем приняли участие представители мужского пола. Никто из участников не знаком друг с другом, некоторые знакомы с автором данного исследования. Метод рекрутированы был по подобию “снежного кома” - создание списка потенциальных респондентов от знакомых и друзей, которые потенциально могут быть заинтересованы во внедрении технологии чат-ботов.

Небольшая сводка данных об участниках интервью представлена ниже:

Страна: Россия, Швеция (русскоязычный представитель).

Города: Москва, Санкт-Петербург, Самара, Стокгольм.

Возраст: 25-32 лет.

Доход (средний): 150 000 рублей / месяц.

Отношение к чат-ботам: используют часто.

Гайды для интервью и транскрипты представлены в [приложении 2] и [приложении 3]

2.4 Результаты проведённого интервью

Абсолютно все участники отметили, что рост технологий в наши дни стремится каждый день обогнать текущий прогресс с ужасающей скоростью. Большая часть интервьюируемых выражает привязанность к чатам, так как большая часть их повседневной будничной работы обсуждается именно в них, а не перепиской по e-mail почте. В соотношении времени, затраченного на использование телефона, компьютера и/или ноутбука, чаты занимают у респондентов от 60 до 90% времени, в зависимости от сферы деятельности и должности. Так же, абсолютно все опрошенные положительно отзываются о технологии, кто-то даже успел попробовать, а те, у которых в компании ещё не успели внедрить данную технологию, видят ее интеграцию и внутрикорпоративное развитие в ближайший год, может быть два. Абсолютно все респонденты уверены, что технология будет развиваться в сторону машинного обучения, получения больших кластеров информации и обучения на ответах и вопросах пользователей/потребителей.

Если рассматривать плоскость предпочтений самих чатов, то каждый второй предпочитает Slack в стэке с Telegram. Telegram же используют все респонденты. Функционал для всех так же имеет большую долю веса в принятии решения, на какой платформе будет создан будущий чат-бот. 20% опрошенных имеют свой собственный чат-бот для работы в информативных и утилитарных целях на благо внутренних процессов компании. 60% интервьюируемых видят развитие своего бизнеса в открытии дополнительного канала для привлечения новых пользователей именно через технологию чат-ботов, и всего два считают, что пока ещё рано говорить о внедрении как внешней и готовой коммуникации для продаж и/или обслуживания клиентов, но для поддержки они бы создали одного. Никто из опрошенных не представляет замену человеческих ресурсов в сфере продаж на полную автоматизацию ботом. 80% уверены, что расширение штата не требуется в случае создания бота для банальных вещей, как ответы на вопросы в стиле дерева принятия решений и устранения часто возникаемых проблем.

Большая часть респондентов проводит больше 2-х часов в сумме в день с использованием телефона, 90% времени которого уходит только на чаты. 20% опрошенных уверены в полезности ботов в качестве помощников во внутренних процессах компании, так как они являются очевидцами положительной динамики по сохранению времени на совершение операций в компании. 20% респондентов отмечают, что примерно половина сотрудников принимает новую технологию для внутрикорпоративных нужд.

Некоторые промежуточные свойства/параметры, выводы и факторы для матрицы важности-выраженности приведены с некоторыми цитатами опрошенных ниже.

Параметры, которые определённо важны для внедрения технологии чат-ботов:

1. Доступность технологии для быстрой интеграции

2. Удовлетворение потребностей в общении с обоих сторон

3. Функциональность технологии

4. Удобство использования технологии

5. Понимание развития технологии

6. Сегментирование потребителей на базе технологии

7. 100% Uptime технологии

8. Снижение расходов за счёт использования технологии

9. Ускорение временных интервалов на бизнес-процесс за счёт использования технологии

10. Уверенность в компании/бренде

11. Доверие к компании/бренду

12. Быстрая реакция на сообщения благодаря технологии

13. Имиджевая составляющая компании/бренда

14. Затраты на проверку гипотез и апробации воронок продаж

15. Негативный или положительный опыт от использования технологии

16. Защищённость использования технологии

17. Мобильность технологии

18. Простое и недорогое внедрение технологии

19. Понимание работы технологи

20. Идеология компании и/или бренда

21. Личные предпочтения потребителя в технологии

22. Государственное регулирование технологии

23. Федеральные законы касательно технологии

24. Видение компании/бренда

25. Реклама, нацеленная на конкретный сегмент потребителей

26. Философия компании/бренда

27. Актуальность технологии на текущий момент

28. Количественный охват пользователей технологией

29. Лицо компании/бренда

30. Чувство уверенности в технологии

31. Эмоциональный опыт от использования технологии

32. Поддержка технологии

33. Риски связанные с использованием технологии

34. Доверие к платформе оказания услуг по созданию чат-ботов

35. Доверие к мессенджеру, который выбирается как платформа для использования чат-бота

36. Основной курс компании/бренда

37. Стиль жизни компании/бренда (его сотрудников)

38. Репутация компании/бренда

39. Лояльность потребителей к компании/бренду

40. Вдохновение другой компанией/брендом уже внедрившей технологию

41. Необходимость новых каналов коммуникации

42. Известность компании/бренда

Ради удобства представления, данные параметры можно объединить в подгруппы, и, в дальнейшем работать уже с новой классификацией свойств по группам для оптимизации исследовательское модели.

Таблица 4. Основные факторы, выявленные из экспертных интервью, сгруппированных по общему принципу и смыслу

Свойство	Группа
Видение компании/бренда Лицо компании/бренда Имиджевая составляющая компании/бренда Стиль жизни компании/бренда (его сотрудников) Идеология компании и/или бренда	Идентичность бренда/компании
Уверенность в компании/бренде Отношение к компании/бренду Репутация компании/бренда Лояльность потребителей к компании/бренду Основной курс компании/бренда Философия компании/бренда Известность компании/бренда Доверие к компании/бренду	Восприятие компании/бренда
Свойство	Группа
Доверие к мессенджеру, который выбирается как платформа для использования чат-бота Чувство уверенности в технологии Личные предпочтения потребителя в технологии Государственное регулирование технологии Популярность использования пользователями технологией Эмоциональный опыт от использования технологии чат-ботов	Социальное влияние
Доступность технологии для быстрой интеграции Удовлетворение потребностей в общении с обоих сторон Функциональность технологии Удобство использования технологии Понимание развития технологии Сегментирование потребителей на базе технологии 100% Uptime технологии	Потребность в использовании
Свойство	Группа
Ускорение временных интервалов на бизнес-процесс за счёт использования технологии Быстрая реакция на сообщения благодаря технологии Защищённость использования технологии Мобильность технологии Понимание работы технологи Личные предпочтения потребителя в технологии Федеральные законы касательно технологии Реклама, нацеленная на конкретный сегмент потребителей Актуальность технологии на текущий момент Доверие к платформе оказания услуг по созданию чат-ботов Вдохновение другой компанией/брендом уже внедрившей технологию Количественный охват пользователей технологией	Потребность в использовании
Свойство	Группа
Ускорение временных интервалов на бизнес-процесс за счёт использования технологии Необходимость новых каналов коммуникации	Другое
Снижение расходов за счёт использования технологии Затраты на проверку гипотез и апробации воронок продаж Негативный или положительный опыт от использования технологии Простое и недорогое внедрение технологии Поддержка технологии Риски связанные с использованием технологии	Экономическая составляющая

Вы итоге результирующая модель будет содержать в себе только 6 параметров благодаря группировке смежных по свой области факторов и выделения ключевых особенностей для принятия решений компанией:

1. Идентичность компании/бренда

2. Восприятие компании/бренда

3. Социальное влияние

4. Потребность в использовании

5. Экономическая составляющая

6. Другое или “Необходимость внедрения”

Данные параметры будут являться самодостаточными, независимыми переменными или константами. Зависимой переменной выступит намерение применения технологии. Принятие решения о внедрении технологии и ее применения включает в себя множество факторов, которые могут быть как негативными, так и положительными. Чат-боты относятся к технологиям, которые нужно внедрять постепенно/поэтапно, апробировать их, выявлять закономерности и показатели компаниями в поведении потребителей, Намерение внедрения - решение компании о полной и окончательной интеграции, добавления ещё одного внешнего канала коммуникации с потребителями в свою много-канальную, омниканальную или эко-систему.

2.5 Формирование гипотез исследования и построение исследовательских моделей

Исходя из всего вышеперечисленного, а именно: теоретической части и исследования, рассмотренные в предыдущих главах, требуется создать гипотезы, которые будут подтверждаться или отторгаться в процессе тестирования модели. Модель можно увидеть на [рисунке 8] ниже:

Рисунок 8. Базовая эмпирическая модель для исследования.

Исходя из данной модели можно сформулировать следующие гипотезы:

H1: Идентичность компании/бренда положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации.

H2: Восприятие компании/бренда со стороны потребителя положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации.

H3: Социальное влияние технологии в обществе положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации.

H4: Потребность в технологии в современном обществе положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации.

H5: Экономические аспекты на затраты и поддержку технологии положительно влияют на намерение использования технологии как дополнительного инструмента внешней коммуникации;

H6: Прочие параметры незначительно влияют на намерение использования технологии как дополнительного инструмента внешней коммуникации.

Проверка текущих вышеупомянутых гипотез поможет в создании наглядного представления влияния перечисленных свойств и факторов, выделенных в независимых переменных на намерение использования и принятия технологии чат-ботов.

2.6 Операционализация исследовательской модели

Для операционализации модели требуется использовать количественные методы проверки переменных модели. Для оценки данных переменных, следует выбрать шкалу оценки Лайкерта, где 1 - безусловно не согласен(-на), 2 - скорее не согласен(-на), 3 - затрудняюсь ответить, 4 - скорее согласен(-на), 5 - безусловно согласен(-на).

Таблица 5. Операционализация переменных исследовательской модели

Переменная	Вопрос
Идентичность компании/бренда	Я бы предпочел(-чла) внедрять новую технологию X, если бренд моей компании/бизнеса от этого не пострадает
	Я бы предпочел(-чла) технологию X, которая отвечает имиджу моей компании
	Я бы предпочел(-чла) технологию X, если я уверен(-на), что она будет работать так, как это задумывалось до момента внедрения
Переменная	Вопрос
Идентичность компании/бренда	Я бы предпочел(-чла) технологию X, только если моя компания/ мой бренд будет "на слуху"
	Я бы предпочел(-чла) технологию X, которая очень похожа на принцип по действию других компаний, которые я беру в пример как эталон
	Я бы предпочел(-чла) технологию X, если она отвечает образу жизни моему и моих коллег/сотрудников в компании
Восприятие компании/ бренда	Я бы предпочел(-чла) внедрять новую технологию X, если у моего бизнеса/компании будет кредит доверия со стороны потребителя
	Я бы предпочел(-чла) технологию X, если лицо моей компании/ моего бренда станет привлекательней для потребителя
	Я бы предпочел(-чла) технологию X, если бы ее разработкой и поддержанием занималась бы третья сторона
	Я бы предпочел(-чла) технологию, если бы ее разработкой занималась моя собственная компания
	Я бы предпочел(-чла) технологию, только если буду уверен(-на), что мои потребители правильно ее воспримут
Социальное влияние	Я бы предпочел(-чла) технологию X, если другие компании уже имели успех в ее запуске и внедрении
	Я бы предпочел(-чла) технологию X, если она будет введена в популярном
	Я бы предпочел(-чла) технологию X, если она будет введена в моем любимом мессенджере
	Я бы предпочел(-чла) не внедрять технологию X, если другие компании негативно отзываются о ее работе
	Я бы предпочел(-чла) технологию X, которая не компроментирует личных пользовательских/потребительских данных и данных компании
	Я бы предпочел(-чла) технологию Х, только если испытываю к ней личную симпатию и веру в неё
	Я бы предпочел(-чла) технологию X, которая никак не регулируется государством
	Я бы предпочел(-чла) технологию X, которая не регулируется федеральными запретами
	Я бы предпочел(-чла) технологию X, если она популярна и актуальна на текущий момент
Переменная	Вопрос
Социальное влияние	Я бы предпочел(-чла) технологию X, если она привлекает большую часть населения
Потребность в использовании	Я бы предпочел(-чла) технологию X, где потребитель получит эмоциональный опыт от работы с ней
	Я бы предпочел(-чла) технологию X, которая понятна в использовании
	Я бы предпочел(-чла) технологию X, которая отвечает потребностям бизнеса/компании
	Я бы предпочел(-чла) технологию X, которая отвечает потребностям потребителей
	Я бы предпочел(-чла) технологию X, которая даёт максимальное количество полезных функций
	Я бы предпочел(-чла) технологию X, если я понимаю, как она работает изнутри
	Я бы предпочел(-чла) технологию X, если она позволит охватывать все сегменты моих потребителей
	Я бы предпочел(-чла) технологию X, если она не будет давать сбоев
	Я бы предпочел(-чла) технологию X, если она поможет ускорить процессы в моем бизнесе/компании
	Я бы предпочел(-чла) технологию X, к которой можно получить доступ всегда и везде
	Я бы предпочел(-чла) технологию X, если она позволит мне таргетно проводить расширенную рекламу конкретно на моих(наших) потребителях
Экономическая составляющая	Я бы предпочел(-чла) технологию X, если она поможет снизить издержки компании
	Я бы предпочел(-чла) технологию X, которая позволит охватить больше потенциальных потребителей и привести новых клиентов
	Я бы предпочел(-чла) технологию X, которая не требует затрат на ее тестирование
	Я бы предпочел(-чла) технологию X, если ее будет легко поддерживать
	Я бы предпочел(-чла) технологию X, если ее будет дёшево поддерживать Я бы предпочел(-чла) технологию X, если риски на ее внедрение будут оправданы
Таргетная переменная	Я бы предпочел(-чла) внедрять технологию X, если это ускорит процессы внешней коммуникации с потребителями Я бы предпочел(-чла) технологию X, которая даст ещё один инструмент общения с потенциальными потребителями, будущими клиентами

Если говорить про дополнительные параметры опроса, то респондентам так же были предложены вопросы по их образованию, возрасту, полу и предпочтения в выборе предпочтительного мессенджера, который им нравится больше в качестве платформы доставки технологии чат-ботов.

В ходе исследования будут применены сравнения корреляции, чтобы проверить зависимые и независимые связи между переменными, анализ на предмет регрессии как выявление силы влияния переменных друг на друга и кластерный анализ. В последующей части работы будут описаны результаты и выводы из вышеупомянутых анализов и результатов исследования, будут выдвинуты рекомендации для компаний, которые планируют вводить технологию в свои бизнес-процессы.



Глава 3. Анализ факторов влияния на намерение использования технологии чат-ботов как инструмента для автоматизации внешних коммуникаций

На следующем этапе исследования требуется применить сбор формализованных данных в виде онлайн-опроса. Для показательной работы технологии, платформа, на которой проводился опрос, был создан в рамках данного исследования чат-бот в чат-мессенджере Telegram, который занимался сбором анкетированных данных.

Основная ЦА ЦА - целевая аудитория опроса была: топ-менеджмент различных структурных подразделений, владельцы бизнесов и руководители компаний. Возрастной разброс составил рецензентов от 20 до 50 лет, так как именно в данный возрастной промежуток попадают вышеуказанные подходящие представители целевой аудитории.

Размер выборки составил 177 человек из собранных 214 анкет. Разница выборки и общего числа прошедших опрос объясняется нерелевантными/испорченными, либо неподходящими данными в рамках данного исследования. Респонденты представлены в обширной географической предрасположенности, помимо Российской Федерации, представлены представители США, Бразилии, Индии, Испании, Италии, Великобритании.

Кросс-секционный дизайн исследования предлагает сбор данных большого числа респондентов выборочным методом с целью показателей лучше репрезентативности генеральной совокупности. Из преимуществ можно выделить быстроту, независимость от изменений методов и исследовательских групп, нивелирует мета-переменные и переменные, которые со временем становятся незначимыми. Вся информация будет собрана только один раз и состоять из количественных показателей. Будет произведён расчёт описательных и корреляционных составляющих выборки, будут предложены рекомендации на основе статистических выводов.

Опрос состоял из 7 основных разделов, сгруппированных по переменным исследовательской модели. В первом разделе происходил сбор мета-параметров опроса, такие как возраст, пол и образование респондента. Так как в рамках исследования рассматриваются только люди, которые владеют собственным бизнесом или руководят внутренними подразделениями компаний, возрастной диапазон начался с 18 лет. Если респондент отвечал, что количество лет его возраст меньше 18 лет, опрос для него заканчивался. Так же, если его позиция в компании не позволяет принимать те или иные решения по поводу оптимизации или любых метаморфоз внутренних процессов компании, опрос для респондента так же заканчивался.

Дальнейшие, кроме последнего, разделы составляют основное ядро количественных данных. Вопросы в той или иной мере тестируют переменные, которые заранее указаны в исследовательской модели. Примерно по одному-двум вопросу на каждый фактор, выявленный из качественного исследования.

Последний раздел опроса состоял в проверке оценки своего собственного потенциального будущего использования технологии, как инструмента внешней коммуникации. Все разделы опроса включали в себя параметры на основе качественного анализа экспертных интервью, а также с помощью анализа литературы отечественных и зарубежных источников.

Основной достижимой цели опроса стала проверка гипотез о вилянии факторов, которые будут важны компаниям для принятия в арсенал маркетинговых IT технологий новую - чат-ботов как необходимый инструмент автоматизации внешней коммуникации с потребителями.

3.1 Результаты исследования: характеристика респондентов

Онлайн чат-опрос производился во время самоизоляции населения в различных странах, во время эпидемии COVID-19 в апреле 2020. В ходе исследования респондентами стали 214 человек, из которых 67,8% - мужчины, а 32,2% - женщины, 145 против 69 человек соответственно. Как уже было сказано ранее, некоторые ответы респондентов исключены и отфильтрованы после скрининга, так как не предоставляли валидных, либо подходящих под исследование данных.

Рисунок 9. Разделение респондентов по полу

Большая часть респондентов состоит в группе людей возраста 24-29 лет - 32,9% . Две более-менее схожие возрастные группы входили в промежутки 30-35 и 36-45 - 26,6% и 27,5% соответственно.

Рисунок 10. Разделение респондентов по возрасту



Если говорить об уровне образования респондентов, то получается следующая показательная диаграмма:

Рисунок 11. Разделение респондентов по уровню образования

Подавляющая часть респондентов - люди с высшим образованием Магистра, Бакалавра либо Специалитета - 22,9%, 24,8% и 8,9% соответственно. Профессиональное образование получили только 23,8% всех опрошенных. Однако так же бросается в глаза ~10-ая часть респондентов с полным средним или начальным образованием, т.е. люди без высшего образования - 11,2% и 1,9% (всего 13,1% из всех респондентов.).

Большая часть опрошенных работает в сфере IT - 13,1%. Так же подавляющая часть работает в сферах образования, занимаются административной и государственной деятельностью, предоставляют услуги населению, работают на производствах занимают позиции в топ-менеджменте компании, а также работают в сфере маркетинга и рекламы. На ряду с большой частью IT - самозанятых оказалось тоже 13,1% респондентов.



Рисунок 12. Разделение респондентов по сфере работы.

Для дополнительной описательной статистики респондентам так же было предложено назвать их любимый мессенджер как фактор узнаваемости. В качестве подсказки опрошенным был предложен список из самых популярных по всему миру мессенджеров.

Рисунок 13. Количество респондентов, использующих различные мессенджеры в сравнении. Величины относительные (чел)

Так же респондентам было предложено ответить на вопрос, пользуются ли они чат-ботами в своей повседневной жизни как потребитель/пользователь независимо от того, находится ли технология сейчас на стадии рассмотрения/внедрения в текущую компанию, в которой они работают или которой владеют.

Рисунок 14. Процентное соотношение уже использующих чат-ботов респондентов

Доля в 64,5% ответили утвердительно против 35,5% тех, кто не пользуется чат-ботом на какой-либо постоянной/полу-постоянной основе.

Если говорить о местоположении респондентов, то их география довольно расходится по миру:

Так, большая часть респондентов живёт и работает в Российской Федерации - 56% опрошенных, 19% в Соединённых Штатах Америки, по 7% в Индии и Бразилии. Меньшие доли заняли Англия, Канада, Италия, Испания и другие страны: 3% и 2% (все кроме Англии) соответственно.

Кроме описанных и поставленных гипотез можно проверить другие предположения, которые были сделаны на основе теоретических наработок предыдущих работ, описанных в первой главе. Для проверки можно выбрать анализ на важность тех или иных факторов проведённого опроса. В [приложении 9] можно увидеть, что большая часть факторов положительно находит одобрение у большинства респондентов по общему среднему каждого фактора.

Рисунок 15. Разделение респондентов по местоположению

3.2 Определение факторов, оказывающих влияние на использование технологии чат-ботов. Факторный анализ

Предварительно в данной работе уже описывалось как множество выявленных факторов на моменте качественного исследования можно сократить до более обширных групп, чтобы упростить модель. Так же, все описанные параметры можно сгруппировать в более крупные факторы, которые станут основными в конструкте данного исследования.

Так как респонденты выражали степень согласия с тем или иным высказыванием по шкале Лайкерта, то можно применить факторный анализ по всем параметрам, которые соответствуют опросам респондентов.



Таблица 6 KMO и критерий Бартлетта

Мера Кайзера-Мейера-Олкина или KMO анализ показывает объясняются ли попарные коррелляции влиянием на них всех оставшихся атрибутов. Мера адекватности выборки равна 0,896, а если мера больше 0,5 - значит проведение фактороного анализа имеет место быть. Так же, можно увидеть критерий значимости (Sig. - Significance) Барлетта, она равна ровно 0, что предоставляет право говорить о том, что свойства/параметры и/или переменные генеральной совокупности коррелируют друг с другом, следовательно можно провести факторный анализ.

Таблица 7 Совокупная дисперсия

Comp.	Начальные значения			Суммы нагрузок			Ротация суммы нагрузок
	Sum	% D[X]	sum %	Всего	% D[X]	sum %	Sum	% D[X]	sum %
1	15.760	37.525	37.525	15.760	37.525	37.525	5.819	13.855	13.855
2	2.521	6.001	43.526	2.521	6.001	43.526	4.852	11.553	25.408
3	2.088	4.972	48.497	2.088	4.972	48.497	3.614	8.605	34.012
4	1.646	3.918	52.416	1.646	3.918	52.416	2.709	6.451	40.463
5	1.393	3.317	55.733	1.393	3.317	55.733	2.674	6.366	46.829
6	1.242	2.957	58.690	1.242	2.957	58.690	2.422	5.766	52.595
7	1.148	2.733	61.423	1.148	2.733	61.423	2.010	4.785	57.380
8	1.039	2.474	63.897	1.039	2.474	63.897	1.926	4.585	61.965
9	1.004	2.391	66.288	1.004	2.391	66.288	1.816	4.323	66.288
10	.900	2.143	68.431	Comp.	Начальные значения	Суммы нагрузок	Ротация суммы нагрузок
11	.834	1.985	70.416		Sum	% D[X]	sum %
12	.796	1.894	72.311	33	.253	.603	96.350
13	.770	1.834	74.144	34	.242	.577	96.927
14	.734	1.748	75.892	35	.219	.521	97.448
15	.691	1.644	77.536	36	.207	.492	97.940
16	.638	1.519	79.055	37	.176	.420	98.359
17	.617	1.469	80.524	38	.166	.395	98.755
18	.598	1.424	81.948	39	.155	.369	99.124
19	.578	1.377	83.325	40	.141	.335	99.459
20	.549	1.306	84.631	41	.117	.278	99.737
21	.522	1.242	85.873	42	.110	.263	100.000
22	.487	1.160	87.033
23	.484	1.153	88.186
24	.439	1.046	89.232
25	.430	1.024	90.256
26	.404	.962	91.218
27	.362	.862	92.079
28	.336	.801	92.880
29	.326	.776	93.657
30	.312	.744	94.401
31	.301	.716	95.117
32	.265	.630	95.747

Первые 9 штук компонентов имеют значения больше единицы, следовательно первоначальные исходные параметры группируются в 9 факторов. На Scree Plot так же можно наблюдать агломерацию из этих 9 факторов.

Рисунок 16. Собственные значения факторного анализа



Таблица 8 Матрица компонентов с вращением Varimax, факторный анализ

	Компонент
	1	2	3	4	5	6	7	8	9
Я бы предпочел(-чла) технологию, которая позволит охватить больше потенциальных потребителей и привести новых клиентов	.737	.241	.095	.246	.096	.092	.027	.141	.131
Я бы предпочел(-чла) технологию, если лицо моей компании/ моего бренда станет привлекательней для потребителя	.655	.139	.458	.249	-.025	.057	.035	.004	.151
	Компонент
	1	2	3	4	5	6	7	8	9
Я бы предпочел(-чла) технологию, которая не компроментирует личных пользовательских/потребительских данных и данных	.640	.208	.068	.137	.409	-.053	.188	-.130	.011
Я бы предпочел(-чла) технологию, если ее будет легко поддерживать	.638	.323	.069	.154	.084	.235	.091	.330	.054
Я бы предпочел(-чла) технологию, которая даст еще один инструмент общения с потенциальными потребителями, будущими клиентами	.622	.310	.328	.124	-.069	.003	.004	.113	.040
Я бы предпочел(-чла) внедрять новую технологию, есл бренд моей компании/бизнеса от этого не пострадает	.558	.322	.117	.045	.146	.359	.079	.172	-.026
Я бы предпочел(-чла) технологию, если риски на ее внедрение будут оправданы	.528	.251	.127	-.034	.511	.011	.088	.035	.196
Я бы предпочел(-чла) технологию, если она привлекает большую часть населения	.481	.066	.172	.337	.160	-.017	.024	.449	.168
Я бы предпочел(-чла) технологию, если ее будет дешево поддерживать	.456	.071	.124	.272	.283	.211	.055	.284	-.159
Я бы предпочел(-чла) технологию, если она не будет давать сбоев	.436	.423	.223	-.055	.165	.316	.081	.062	.206
Я бы предпочел(-чла) технологию, только если буду уверен(-на), что мои потребители правильно ее воспримут	.412	.156	.371	.404	.193	.089	-.116	.049	.309
Я бы предпочел(-чла) технологию, которая отвечает потребностям бизнеса/компании	.237	.765	.133	.097	.099	.072	-.032	.006	.095
Я бы предпочел(-чла) технологию, если ее можно быстро внедрить	-.019	.757	.082	.019	.084	.021	.121	.193	-.082
Я бы предпочел(-чла) технологию, которая отвечает потребностям потребителей	.434	.697	.121	.261	-.055	.004	.121	.015	.031
	Компонент
	1	2	3	4	5	6	7	8	9
Я бы предпочел(-чла) технологию, если она поможет ускорить процессы в моем бизнесе/компании	.496	.622	.181	.130	.062	.201	.026	.015	.210
Я бы предпочел(-чла) технологию, если она поможет снизить издержки компании	.381	.564	.083	.225	.209	.242	.013	.239	-.012
Я бы предпочел(-чла) технологию, которая дает максимальное количество полезных функций(для рекламы, мониторинга и т.п.)	.220	.554	.267	.376	.153	.235	-.052	.015	-.064
Я бы предпочел(-чла) внедрять технологию, если это ускорит процессы внешней коммуникации с потребителями	.469	.537	.184	.119	-.022	.278	.067	.113	.116
Я бы предпочел(-чла) технологию, которая понятна в использовании	.400	.504	.399	.273	.208	.217	-.028	.115	.088
Я бы предпочел(-чла) технологию, к которой можно получить доступ всегда и везде	.402	.453	.257	.094	.172	.236	.074	.108	-.058
Я бы предпочел(-чла) технологию, если она позволит мне таргетно проводить расширенную рекламу конкретно на моих(наших) потребителях	.331	.211	.624	.065	.027	.107	.036	.064	-.045
Я бы предпочел(-чла) технологию, только если испытываю к ней личную симпатию и веру в нее	-.201	.037	.603	.102	.249	.082	.339	.200	.196
Я бы предпочел(-чла) технологию, если она отвечает образу жизни моему и моих коллег/сотрудников в в компании	.299	.188	.598	.090	-.021	.277	.074	.178	.218
Я бы предпочел(-чла) технологию, которая отвечает имиджу моей компании	.299	.291	.531	.077	.238	.375	-.046	-.059	.151
Я бы предпочел(-чла) технологию, которая отвечает видению, идеологии, философии моей компании/ моего бизнеса	.398	.312	.503	.389	.086	-.080	.008	.140	.123
	Компонент
	1	2	3	4	5	6	7	8	9
Я бы предпочел(-чла) технологию, где потребитель получит эмоциональный опыт от работы с ней	.248	.170	.446	.290	.083	.041	.376	.184	.134
Я бы предпочел(-чла) технологию, если она популярна и актуальна на текущий момент	.235	.247	.439	.423	.205	.090	-.049	.283	.026
Я бы предпочел(-чла) внедрять новую технологию, если у моего бизнеса/компании будет кредит доверия со стороны потребителя	.121	.245	.020	.575	.081	.318	.022	.122	.297
Я бы предпочел(-чла) технологию, если она позволит охватывать все сегменты моих потребителей	.220	.233	.178	.536	-.179	.297	.188	-.044	.263
Я бы предпочел(-чла) технологию, если я уверен(-на), что она будет работать так, как это задумывалось еще до внедрения	.378	.132	.214	.520	.064	.114	.285	.031	.024
Я бы предпочел(-чла) технологию, если она будет введена в популярном мессенджере	.234	.123	.419	.491	.095	.114	-.147	.358	-.126
Я бы предпочел(-чла) не внедрять технологию, если другие компании негативно отзываются о ее работе	.115	.117	.304	.009	.742	-.106	.086	.001	.073
Я бы предпочел(-чла) технологию, если бы ее разработкой и поддержанием занималась бы третья сторона	.060	-.026	-.065	-.018	.607	.415	.232	.177	-.092
Я бы предпочел(-чла) технологию, если другие компании уже имели успех в ее запуске и внедрении	.173	.298	-.035	.312	.569	.179	.150	.159	.183
Я бы предпочел(-чла) технологию, которая не требует затрат на ее тестирование	.027	.132	.109	.198	.096	.682	-.058	.082	.128
Я бы предпочел(-чла) технологию, если я понимаю, как она работает изнутри	.194	.203	.198	.149	-.016	.649	.188	.098	.087
Я бы предпочел(-чла) технологию, которая никак не регулируется государством	.083	.079	.098	-.020	.037	-.050	.854	.169	.023
	Компонент
	1	2	3	4	5	6	7	8	9
Я бы предпочел(-чла) технологию, которая не регулируется федеральными запретами	.075	.020	-.019	.097	.361	.201	.740	-.027	-.033
Я бы предпочел(-чла) технологию, которая очень похожа на принцип по действию других компаний, которые я беру в пример как эталон	.124	.119	.154	.106	.349	.045	.176	.667	.257
Я бы предпочел(-чла) технологию, если она будет введена в моем любимом мессенджере	.160	.246	.199	.034	-.134	.250	.163	.602	.094
Я бы предпочел(-чла) технологию, только если моя компания/ мой бренд будет "на слуху"	.147	-.033	.014	.184	.299	.040	.103	.073	.747
Я бы предпочел(-чла) технологию, если бы ее разработкой занималась моя собственная компания	.052	.059	.309	.044	-.166	.228	-.093	.201	.654

Из матрицы перевёрнутых параметров можно увидеть, какие свойства вошли в тот или иной фактор. Те параметры, что стоит проинтерпретировать, отмечены зелёным цветом, каждый такой параметры обычно и как правило имеет коэффициент больше 0,5.

Параметры, которые попали в каждый компонент были расшифрованы и получили следующие названия по списку соответственно:

1. Большой охват, привлекательность бренда, потребительская приватность, лёгкая поддержка, дополнительный канал коммуникаций, уверенность в бренде, риск менеджмент.

2. Максимизация полезности понятной технологии при быстром внедрении и условии ускорения бизнес-процессов, снижения затрат.

3. Проверенная и отвечающая имиджу технология с расширенными рекламными и маркетинговыми возможностями.

4. Доверие со стороны всех сегментов потребителей к понятной технологии, которую использует компания.

5. Проверенная временем и опытом технология, внедрённая профессионалами третьей стороны.

6. Понятная и не требующая больших затрат на начальных этапах технология

7. Свободная и доступная технология в любом месте, независимая от государственной регуляции в любом ее проявлении.

8. Личностная и имиджевая составляющая.

9. Независимость и компетентность компании, которая внедряет технологию.

Факторный анализ позволил собрать в 9 независимых параметров 42 исходных фактора, которые можно использовать в виде факторов, которые могут повлиять на решение ЛПР компании для внедрения ещё одной технологии для автоматизации внешних коммуникаций.

3.3 Выявление влияние факторов на использование технологии чат-ботов как инструмента внешней коммуникации. Регрессионный анализ

В рамках данной работы требуется провести анализ на выявление влияния того или иного фактора на таргетную переменную. Делаются данные анализы для того, чтобы можно было скорректировать и уточнить предложенную базовую модель, описанную во второй главе. В качестве таргетной переменной, как это уже было заранее обозначено - зависимой переменной, будет использоваться переменная wanna_one_more_communication_con, которая используется при построении анализов в Stata 16 и SPSS 26 и обозначает в себе намерение использования технологии чат-ботов как дополнительного инструмента внешних коммуникаций.

Ниже представлена сжатая и скомпонованная таблица корреляционной матрицы по параметрам базовой модели. Переменная Другие означает, что респондент так или иначе в настоящий момент пользуется данной технологией, однако вопрос не стоял с привязкой на свою компанию, в которой респондент работает. Данная переменная представлена исключительно как метапеременная и не несёт большой нагрузки на результаты анализа, скорее, как наглядный пример ещё одного параметра влияния, который так же можно было бы рассматривать, если бы он входил в перечень параметров базовой модели.

Таблица 9 Корреляционная матрица

	Другие	Потребность	Эконом.	Восприятие	Соц.	Идентичность	Авт.Канал.Внеш.Комм.
Другие	1,00	- 0,14	- 0,09	- 0,08	- 0,04	- 0,09	- 0,21
Потребность	- 0,14	1,00	0,80	0,77	0,76	0,82	0,62
Эконом.	- 0,09	0,80	1,00	0,71	0,65	0,69	0,52
Восприятие	- 0,08	0,77	0,71	1,00	0,62	0,72	0,45
Соц.	- 0,04	0,76	0,65	0,62	1,00	0,74	0,47
Идентичность	- 0,09	0,82	0,69	0,72	0,74	1,00	0,63
Авт.Канал.Внеш.Комм.	- 0,21	0,62	0,52	0,45	0,47	0,63	1,00

Потребность - означает переменную потребности в использовании базовой модели.

Другие - означает переменную, которая так же включает в себя независимые факторы, которые сложно сгруппировать в один единый класс из использовании базовой модели.

Рисунок 17. Визуальное представление регрессиизависимости переменных

Эконом. - означает переменную экономической составляющей в использовании базовой модели.

Соц. - выражает переменную социальной составляющей в использовании базовой модели.

Восприятие - означает переменную восприятия компании/бренда в использовании базовой модели.

Потребность - означает переменную потребности в использовании базовой модели.

Корреляционная матрица по данной таблице выглядит следующим образом на [рисунке 17]:

Если же рассматривать все факторы, зашифрованные в переменные, выявленных на этапе качественного исследования - экспертного интервью, может получиться следующая корреляционная матрица [рисунок 18]:

Для составления результатов анализа, требуется так же проверить данные, которые получились в моменты расчёта линейной регрессии и дисперсионного анализа параметров модели.

Рисунок 18. Визуальное представление матрицы по всем переменным



Таблица 10

Регрессионная статистика
Множественный R	0,669441015
R-квадрат	0,448151272
Нормированный R-квадрат	0,432015345
Стандартная ошибка	0,72790238
Наблюдения	177

Таблица 11 Дисперсионный анализ

	df	SS	MS	F	Значимость F
Регрессия	5	73,57783037	14,71556607	27,77350522	1,56947E-20
Остаток	171	90,60296059	0,529841875
Итого	176	164,180791

Таблица 12 Описательная статистика перменных анализа

	Коэфф.	Ст.ошибка	t-стат	P	Нижние 95%	Верхние 95%
Y-пересечение	0,52349762	0,349300023	1,498704794	0,1358	-0,165997557	1,212992796
Usage Demand	0,036675957	0,010814255	3,391445379	0,0009	0,015329331	0,058022583
Economy	0,015595596	0,02524104	0,617866597	0,5375	-0,034228551	0,065419742
Perception	-0,076495462	0,037891597	-2,018797495	0,0451	-0,151290972	-0,001699951
Social	-0,021412713	0,016518926	-1,296253382	0,1966	-0,054019982	0,011194555
Company identity	0,081054746	0,019811016	4,0913978	0,0001	0,041949109	0,120160382

Рисунок 19. Выгрузка статистических данных



Из регрессии зависимой переменной, мы можем видеть, что качество модели - R-squared ~ 45%, следовательно, можно принимать данную модель с высокой долей вероятности ее качества. У переменных Восприятие компании/бренда (Perception) и Социальная составляющая (Social) отрицательное значение, а значит у них отрицательное влияние на зависимую переменную, обратно пропорциональная связь. Во всех остальных случаях - связь прямая.

Полученное конечное уравнение регрессии:

,

Значимые переменные на уровне 90%: Восприятие компании или бренда, Потребность в использовании, Идентичность компании. Исходя из значимости, можно проверить исходя из этих данных модель и построить итоговые значения.

Рисунок 20. Выгрузка статистических данных

Исходя из всего вышеперечисленного, можно ответить на поставленные гипотезы:

H1: Идентичность компании/бренда положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации. - гипотеза подтверждена

H2: Восприятие компании/бренда со стороны потребителя положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации. - гипотеза опровергнута

H3: Социальное влияние технологии в обществе положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации. - гипотеза опровергнута

H4: Потребность в технологии в современном обществе положительно влияет на намерение использования технологии как дополнительного инструмента внешней коммуникации. - гипотеза подтверждена

H5: Экономические аспекты на затраты и поддержку технологии положительно влияют на намерение использования технологии как дополнительного инструмента внешней коммуникации - гипотеза подтверждена

H6: Прочие параметры незначительно влияют на намерение использования технологии как дополнительного инструмента внешней коммуникации. - гипотеза не может быть как подтверждённой, так и опровергнутой, недостаточно релевантных данных.

3.4 Выявление влияние факторов на использование технологии чат-ботов как инструмента внешней коммуникации. Кластерный анализ

В разрезе исследования можно так же провести дополнительный кластерный анализ, благодаря которому можно произвести разбиение объектов не по одному конкретному признаку, а по ряду признаков. Так же можно получить достоверную вероятность того, приблизилась ли предполагаемая модель к тому количеству кластеров/признаков, которые были взяты за основу независимых переменных.

Кластеры - группы одного рода, мы можем проверить все 42 разрозненные переменные вне своих групп базовой модели. При этом следует учитывать, что объекты одного кластера должны быть сходными, а те, что находятся в разных друг от друга кластерах - полностью или частично разнородными.

Для проведения кластерного анализа был выбран метод иерархический или просто - иерархический кластерный анализ. Процедура состоит из простых шагов, а именно в постепенном объединении групп элементов наиболее близких друг к другу по значениям на таргетную переменную, а затем дальше и дальше по степени их удалённости друг от друга. Таксономичная древообразная структура может быть приведена в виде дендограммы и таблицы каждой итерации, которую можно взять за основу для описания результатов анализа, если представлять эту процедуру более просто для алгоративного метода кластерного анализа - движение от листьев к стволу дерева.

На дендограмме в [приложении 8] можно наблюдать, как большая часть элементов сходится до 11 кластера. Показательная, линяя была проведена для лучшего понимания, на каком этапе основная значимая часть переменных может быть взята за основу описания кластеров.

Таблица 13 Статистика кластеров, кожффициентов и этапов кластерного анализа

Этап	Объединённый кластер	Коэффициенты	Этап первого появления кластера	Следующий этап
	Кластер 1	Кластер 2		Кластер 1	Кластер 2
1	143	144	0,000	0	0	107
2	138	139	0,000	0	0	51
3	95	97	0,000	0	0	17
4	75	76	0,000	0	0	140
5	155	157	9,000	0	0	81
6	154	156	13,000	0	0	150
7	84	124	15,000	0	0	41
8	3	4	17,000	0	0	10
9	19	147	20,000	0	0	13
10	3	35	26,500	8	0	15
11	5	160	30,000	0	0	18
12	118	142	34,000	0	0	29
13	19	37	34,000	9	0	26
Этап	Объединённый кластер		Этап первого появления кластера
	Кластер 1	Кластер 2	Коэффициенты	Кластер 1	Кластер 2	Следующий этап
14	91	93	35,000	0	0	48
15	3	32	35,333	10	0	26
16	28	172	37,000	0	0	42
17	95	122	37,000	3	0	24
18	5	20	37,000	11	0	53
19	80	99	40,000	0	0	57
20	54	71	40,000	0	0	79
21	56	90	41,000	0	0	24
22	65	177	42,000	0	0	40
23	36	146	42,000	0	0	60
24	56	95	42,833	21	17	93
25	111	136	43,000	0	0	50
26	3	19	43,667	15	13	27
27	3	30	44,429	26	0	35
28	116	129	45,000	0	0	117
29	109	118	45,000	0	12	49
30	16	18	46,000	0	0	88
31	15	176	47,000	0	0	60
32	123	170	48,000	0	0	64
33	49	55	48,000	0	0	43
34	7	12	48,000	0	0	85
35	3	39	48,875	27	0	55
36	81	140	49,000	0	0	45
37	89	115	49,000	0	0	62
38	44	112	49,000	0	0	86
39	6	8	49,000	0	0	53
40	65	169	50,000	22	0	63
41	84	150	50,500	7	0	54
42	21	28	53,500	0	16	55
43	49	131	54,000	33	0	75
44	10	34	54,000	0	0	74
45	59	81	54,500	0	36	58
46	53	119	57,000	0	0	92
47	126	161	58,000	0	0	116
48	91	113	58,500	14	0	131
49	109	120	59,000	29	0	96
50	51	111	59,500	0	25	72
51	138	145	60,000	2	0	128
52	17	74	61,000	0	0	105
53	5	6	61,167	18	39	80
54	78	84	61,333	0	41	89
55	3	21	61,667	35	42	88
56	24	164	62,000	0	0	69
57	50	80	62,000	0	19	98
Этап	Объединённый кластер		Этап первого появления кластера
	Кластер 1	Кластер 2	Коэффициенты	Кластер 1	Кластер 2	Следующий этап
58	59	69	62,000	45	0	71
59	58	61	63,000	0	0	109
60	15	36	63,500	31	23	73
61	125	132	64,000	0	0	132
62	89	98	64,500	37	0	84
63	14	65	64,667	0	40	78
64	43	123	65,000	0	32	75
65	152	159	66,000	0	0	133
66	77	130	67,000	0	0	116
67	41	64	67,000	0	0	90
68	23	29	67,000	0	0	122
69	24	174	68,000	56	0	82
70	67	106	68,000	0	0	103
71	59	68	68,000	58	0	93
72	51	134	69,000	50	0	84
73	15	171	69,250	60	0	78
74	10	163	70,000	44	0	91
75	43	49	70,111	64	43	143
76	100	121	71,000	0	0	149
77	1	11	71,000	0	0	126
78	14	15	71,800	63	73	100
79	54	60	73,000	20	0	92
80	5	25	75,200	53	0	94
81	82	155	75,500	0	5	105
82	9	24	75,667	0	69	85
83	108	162	76,000	0	0	137
84	51	89	77,083	72	62	110
85	7	9	77,250	34	82	108
86	44	87	77,500	38	0	123
87	135	137	78,000	0	0	115
88	3	16	78,333	55	30	122
89	78	94	78,500	54	0	101
90	41	42	78,500	67	0	97
91	10	173	79,000	74	0	113
92	53	54	80,167	46	79	120
93	56	59	80,480	24	71	96
94	5	26	83,000	80	0	106
95	114	117	84,000	0	0	156
96	56	109	85,000	93	49	110
97	41	52	85,000	90	0	123
98	45	50	85,333	0	57	104
99	40	72	87,000	0	0	136
100	14	73	87,556	78	0	106
101	78	83	87,800	89	0	145
Этап	Объединённый кластер		Этап первого появления кластера
	Кластер 1	Кластер 2	Коэффициенты	Кластер 1	Кластер 2	Следующий этап
102	96	133	88,000	0	0	128
103	57	67	90,000	0	70	134
104	45	47	90,000	98	0	120
105	17	82	90,833	52	81	139
106	5	14	91,400	94	100	113
107	88	143	92,000	0	1	153
108	2	7	92,500	0	85	114
109	58	79	93,500	59	0	151
110	51	56	93,949	84	96	125
111	70	107	94,000	0	0	136
112	13	33	94,000	0	0	127
113	5	10	98,750	106	91	127
114	2	27	101,000	108	0	121
115	135	165	103,000	87	0	144
116	77	126	105,000	66	47	156
117	110	116	105,500	0	28	141
118	127	149	107,000	0	0	174
119	46	48	107,000	0	0	157
120	45	53	107,680	104	92	145
121	2	38	112,875	114	0	130
122	3	23	115,071	88	68	130
123	41	44	115,250	97	86	125
124	63	104	116,000	0	0	148
125	41	51	116,313	123	110	147
126	1	166	116,500	77	0	138
127	5	13	118,286	113	112	142
128	96	138	118,667	102	51	135
129	22	168	120,000	0	0	143
130	2	3	120,083	121	122	138
131	86	91	120,667	0	48	163
132	103	125	122,000	0	61	142
133	151	152	124,000	0	65	144
134	57	66	124,000	103	0	148
135	96	102	124,200	128	0	141
136	40	70	125,000	99	111	152
137	108	167	126,000	83	0	170
138	1	2	129,000	126	130	146
139	17	31	129,200	105	0	152
140	75	92	130,000	4	0	166
141	96	110	135,833	135	117	149
142	5	103	138,087	127	132	154
143	22	43	138,833	129	75	154
144	135	151	140,222	115	133	164
145	45	78	140,333	120	101	161
Этап	Объединённый кластер		Этап первого появления кластера
	Кластер 1	Кластер 2	Коэффициенты	Кластер 1	Кластер 2	Следующий этап
146	1	158	140,607	138	0	150
147	41	141	142,429	125	0	155
148	57	63	145,000	134	124	157
149	96	100	156,167	141	76	164
150	1	154	156,259	146	6	162
151	58	153	157,000	109	0	167
152	17	40	162,333	139	136	155
153	88	175	166,667	107	0	170
154	5	22	170,298	142	143	159
155	17	41	176,038	152	147	158
156	77	114	176,750	116	95	168
157	46	57	185,500	119	148	165
158	17	105	188,308	155	0	162
159	5	128	188,676	154	0	169
160	62	101	189,000	0	0	171
161	45	85	190,563	145	0	163
162	1	17	195,434	150	158	166
163	45	86	218,000	161	131	165
164	96	135	234,061	149	144	168
165	45	46	236,351	163	157	167
166	1	75	272,606	162	140	169
167	45	58	289,543	165	151	171
168	77	96	289,971	156	164	173
169	1	5	291,342	166	159	172
170	88	108	314,833	153	137	174
171	45	62	371,530	167	160	172
172	1	45	374,069	169	171	175
173	77	148	390,304	168	0	175
174	88	127	487,071	170	118	176
175	1	77	553,468	172	173	176
176	1	88	773,897	175	174	0

Рисунок 21. Выдержка из дендограммы, показательное проведение отсечки на 11 кластере

Отбросив большую часть нерелевантных кластерному анализу переменных, можно оставить только 11 кластеров и остановиться на 165 шаге.

Из 11 кластеров были выделены наиболее значимых 4, которые описаны далее.

1 кластер:

Большая часть первой группы уверена в необходимости ещё одного канала продаж, что составляет 24 человека. Более того, большинство самых высоких показателей по рассматриваемым сферам запросов в потребности использования и экономической составляющей (Usage Demand, Economy). Показатели Восприятие компании, социальная составляющая и Идентичность компании (Perception, Social и Company identity соответственно) на среднем уровне относительно остальных кластеров. Вес данного кластера самый значительный среди всех остальных: 74 наблюдения (41,8%). Что примечательно, несмотря на уверенную предрасположенность в положительную утверждающую сторону ответ о необходимости нового канала коммуникации, 14 из 38 отвергают желание использовать данную технологию как канал внешней коммуникации (wanna_use_tech).

2 кластер:

Распределение ответов по уровню склонности к надобности нового канала внешней коммуникации практически идентично 1-му кластеру. Большая часть наблюдений так же, как и в первом 1-м кластере, относятся к 5-му типу ответов (безусловно согласен) в переменной, обозначающей намерение использовать тахнологию как дополнительный канал внешней коммуникации (wanna_one_more_communication_cons_tech): 11 наблюдений. В целом все показатели схожи по сферам для наиболее «согласных» в необходимости нового канала.

3 кластер:

По размеру содержащихся в нем наблюдений (25) он схож со вторым кластером. Отличие от остальных кластеров заключается в отсутствии «полярных» и протеворечивых ответов: 1 и 5 (полностью несогласен и безусловно согласен соответственно). То есть в данный кластер вошли наблюдения, которые относятся к неоднозначным ответам. Средние показатели остальных объясняющих переменных не выделяются среди остальных кластеров.

8 кластер:

8 кластер является четвертым по величине (17 наблюдений) и занимает 9,6% среди прочих. Наибольший вес так же имеют ответы на цифре 4, что в шкале исследования значится как “скорее согласен” - 10 респондентов.

Общий вывод: при построении потенциальных автоматизированых прогнозов или определении доверительного варианта использовании технологии следует брать в анализ эти 4 кластера. Другие 7 кластеров содержат значительно меньшее количество наблюдений и не являются репрезентативными выборками в рамках исследования.

3.5 Выводы и рекомендации для компаний и брендов, планирующих вводить технологию чат-ботов как инструмент внешней коммуникации

Во второй главе была приведена базовая модель, которая была проверена в следующей на предмет внедрения технологии чат ботов как необходимого инструмента внешних коммуникаций. Факторы, которые могут оказывать непосредственное влияние были описаны и показаны в регрессионной модели, как и опровержение или принятие гипотез, поставленных во второй главе. Учитывая все факторы статистических анализов, можно построить наглядную, скорректированную модель влияния каждого из факторов с весами каждой переменной на таргетную переменную:

Как видно, в скорректированной модели отсутствует блок, означающий другие факторы, не вошедшие в перечень независимых переменных после проведения анализов, так как их влияние ничтожно мало на намерение использования технологии как дополнительного инструмента внешней коммуникации.



Рисунок 22. Скорректированная модель использования технологии чат-ботов как инструмента внешней коммуникации

В процессе анализа и исследования выяснилось, что большее влияние оказывает восприятие компании или бренда, так как абсолютный вес ее значения равен 0,764. Данный факт можно объяснить тем, что имидж компании, ее позиционироване и то, как она выглядит со стороны потребителя становится одним из критериев в решении принятия технологии.

Идентичность бренда с абсолютным весом 0,081 имеет последующую важность после восприятия бренда. Компаниям следует делать ставку на неё во вторую очередь при процессе внедрения технологии.

Потребность в использовании, без какой-либо неожиданности замыкает 3 самых важных фактора с абсолютным весом 0,036. Социальное влияние и экономическая составляющая в абсолютных величинах идут последними с весами 0,021 и 0,015.

Если же говорить о знаке в полученной регрессии и уравнениях, то мы можем понять зависимость. Плюс у каждого фактора означает прямое влияние на таргетную переменную, а минус - обратную зависимость, то есть таргетной переменной на фактор. Таким образом восприятие бренда и социальное влияние имеют отрицательный знак, в то время как остальные 3 переменных идентичность бренда, потребность в использовании и экономическая составляющая нет. Это значит, что технология чат-ботов, если будет вводиться в компании, то она будет играть на имидж со стороны, каким он кажется потребителям. Это следует учитывать, так как технология так же будет оказывать действие и на социальное влияние. В остальных же случаях, экономические решения самой компании, надобность или потребность и имидж самой компании направленный изнутри вне - будут теми самыми факторами, которые будут учитывать ЛПР при внедрении технологии как ещё одной технологии для автоматизации внешних коммуникаций.