Беременность

,999

,136

2

252

,873

Кормление грудью

1,000

,027

2

252

,974

Часто посещаю врача

,997

,365

2

252

,695

Ребенок до 6 лет

,996

,455

2

252

,635

Состояние здоровья

,965

4,625

2

252

,011

Часто болею

,856

21,171

2

252

,000

Наиболее высокое значение показывает переменная часто болею, у состояния здоровья чуть меньше. Исходя из знаков, мы можем сделать вывод о том, что чем чаще болеет респондент, тем менее он склонен обращаться к социальным сетям. С состоянием здоровья ситуация обратная, как и в других случаях - чем выше респондент оценивает своё здоровье, тем более склонен обращаться к социальным сетям.

Таблица 10

Структурная матрица
	Функция
	1	2
Часто болею	-,898*	,243
Состояние здоровья	,421*	,099
Ребенок до 6 лет	,121*	,114
Часто посещаю врача	,108*	,102
Беременность	,066*	,062
Кормление грудью	,029*	,028
Пол	,116	,598*
Хроническое заболевание	,187	,283*
Возраст	-,191	,250*

Частота использования медицинских порталов

В случае с использование специализированных медицинских порталов было обнаружено больше дискриминирующих переменных: пол, возраст, наличие хронического заболевания и состояние здоровья (Таблица 11).

Таблица 11

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,958	5,648	2	257	,004
Возраст	,974	3,430	2	257	,034
Хроническое заболевание	,962	5,119	2	257	,007
Беременность	,978	2,852	2	257	,060
Кормление грудью	,990	1,361	2	257	,258
Часто посещаю врача	,995	,602	2	257	,548
Ребенок до 6 лет	,996	,486	2	257	,615
Состояние здоровья	,955	6,056	2	257	,003
Часто болею	,974	3,394	2	257	,035

Таблица 12

Структурная матрица
	Функция
	1	2
Хроническое заболевание	,512*	,095
Состояние здоровья	-,491*	,421
Возраст	-,415*	,118
Часто болею	,392*	,236
Беременность	,355*	,233
Пол	,441	-,489*
Кормление грудью	,101	,384*
Ребенок до 6 лет	,076	,218*
Часто посещаю врача	,138	,172*

Согласно знакам у коэффициентов, указанных в Таблице 12, и можно заключить следующее: респонденты без хронического заболевания склонны реже обращаться к медицинским порталам, а также чем выше респондент оценивает состояние своего здоровья, тем реже они обращаются к специализированным медицинским порталам. Чем респондент старше, тем он меньше склонен обращаться к медицинским порталам, а также в большей мере женщины склонны пользоваться специализированными медицинскими сайтами.

Переменные, касающиеся частоты использования сайтов медицинских учреждений и онлайн-врачей не будут анализироваться, поскольку согласно частотному распределению большая часть выборки попадает в группу 1 (пользующиеся редко).

Степень доверия онлайн-энциклопедиям

Степень доверия к онлайн-энциклопедиям дискриминируют переменные пол, возраст и состояние беременности.

Таблица 13

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,960	5,538	2	266	,004
Возраст	,966	4,667	2	266	,010
Хроническое заболевание	,996	,514	2	266	,599
Беременность	,947	7,416	2	266	,001
Кормление грудью	.a
Часто посещаю врача	,999	,069	2	266	,934
Ребенок до 6 лет	,993	,937	2	266	,393
Состояние здоровья	,995	,713	2	266	,491
Часто болею	,992	1,027	2	266	,359

По данным Таблицы 14 мы можем видеть, что женщины склонны в целом доверять больше, а люди старшего возраста не рассматривают онлайн-энциклопедии как достоверный ресурс. Беременные склонны больше доверять подобному ресурсу.

Таблица 14

Структурная матрица
	Функция
	1	2
Беременность	,705*	,111
Возраст	-,535*	,233
Часто болею	,258*	,076
Состояние здоровья	,216*	,060
Хроническое заболевание	,162*	,124
Часто посещаю врача	,068*	-,005
Пол	,007	-,817*
Ребенок до 6 лет	-,132	,286*

Степень доверия форумам

Для определения групп доверия форумам выделены переменные пол, состояние беременности и часто заболевания (Таблица 15).

Таблица 15

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,974	3,499	2	258	,032
Возраст	,998	,306	2	258	,737
Хроническое заболевание	,997	,377	2	258	,686
Беременность	,970	3,982	2	258	,020
Кормление грудью	,993	,934	2	258	,394
Часто посещаю врача	,987	1,739	2	258	,178
Ребенок до 6 лет	,983	2,272	2	258	,105
Состояние здоровья	,978	2,885	2	258	,058
Часто болею	,926	10,305	2	258	,000

Таблица 16

Структурная матрица
	Функция
	1	2
Часто болею	,745*	,075
Ребенок до 6 лет	-,303*	,278
Хроническое заболевание	,128*	,100
Беременность	,315	,540*
Часто посещаю врача	-,112	,452*
Пол	-,360	,387*
Состояние здоровья	-,321	-,364*
Кормление грудью	,043	-,349*
Возраст	,079	,161*

Таблица 16 показывает, что часто болеющие склонны больше доверять форумам, так же как и беременные. Более того, женщины в целом склонны больше доверять форумам.

Степень доверия социальным сетям

Общий показатель доверия социальным сетям по выборке оказался не высок, однако, переменная все равно была проанализирована более детально, чтобы посмотреть, как выглядит пользователь социальных сетей с наиболее высоким показателем уровня доверия.

В процессе проведения дискриминантного анализа были выделены следующие переменные: пол, состояние беременности и частые болезни (Таблица 17). Как можно заметить, подобный набор переменных встречался наиболее часто и у других зависимых переменных, рассматриваемых ранее.

Таблица 17

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,963	4,733	2	246	,010
Возраст	,978	2,784	2	246	,064
Хроническое заболевание	,986	1,807	2	246	,166
Беременность	,958	5,411	2	246	,005
Кормление грудью	1,000	,055	2	246	,946
Часто посещаю врача	,997	,308	2	246	,735
Ребенок до 6 лет	,992	,950	2	246	,388
Состояние здоровья	,984	1,994	2	246	,138
Часто болею	,817	27,459	2	246	,000

Из опрошенных, часто болеющие респонденты склонны больше доверять социальным сетям. Коэффициент переменной беременность не высокий, поэтому исключается из анализа. Женщины в целом не склонны доверять социальным сетям.

Таблица 18

Структурная матрица
	Функция
	1	2
Часто болею	,904*	,188
Состояние здоровья	-,242*	-,068
Хроническое заболевание	-,231*	,062
Часто посещаю врача	-,087*	,073
Беременность	,004	,723*
Возраст	,158	-,434*
Пол	-,298	,416*
Ребенок до 6 лет	-,123	-,208*
Кормление грудью	-,030	-,050*

Степень доверия медицинским порталам

Дискриминируют доверие к порталам медицинской тематики две переменные: возраст и ребенок до 6 лет (Таблица 19).

Таблица 19

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,991	1,156	2	247	,316
Возраст	,974	3,296	2	247	,039
Хроническое заболевание	,981	2,344	2	247	,098
Беременность	,982	2,258	2	247	,107
Кормление грудью	,996	,438	2	247	,646
Часто посещаю врача	,999	,077	2	247	,926
Ребенок до 6 лет	,964	4,558	2	247	,011
Состояние здоровья	,994	,713	2	247	,491
Часто болею	,999	,116	2	247	,890

На уровне доверия в 95% мы можем считать различия между групповыми средними значимыми. По результатам анализа можно заключить, что наличие ребенка до 6 лет позволяет говорить о большем доверии среди мамочек. Переменная возраст показывает, что с увеличением возраста респондента, уменьшается доверие порталам медицинской тематики (Таблица 20).

Таблица 20

Структурная матрица
	Функция
	1	2
Ребенок до 6 лет	,630*	-,205
Хроническое заболевание	,461*	-,002
Беременность	,449*	,080
Состояние здоровья	-,223*	,198
Кормление грудью	,198*	,035
Возраст	-,145	-,852*
Пол	,176	,439*
Часто болею	,055	,140*
Часто посещаю врача	,001	,135*

2.4.2 Поиск информации о лекарственных средствах

Следующий этап, в который обращалось внимание респондента - непосредственный поиск информации о лекарственном средстве. На данном этапе будет проверяться наличие/отсутствие разницы в использовании различных точек контакта на различных этапах.

Частота использования онлайн-энциклопедий

В качестве основы дискриминации лежат переменные пол и наличие ребенка до 6 лет на уровне значимости 95% (Таблица 21).

Таблица 21

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,855	20,131	2	238	,000
Возраст	,979	2,545	2	238	,081
Хроническое заболевание	,990	1,224	2	238	,296
Беременность	,993	,856	2	238	,426
Кормление грудью	,996	,425	2	238	,654
Часто посещаю врача	,995	,576	2	238	,563
Ребенок до 6 лет	,972	3,436	2	238	,034
Состояние здоровья	,995	,603	2	238	,548
Часто болею	,978	2,642	2	238	,073

Таблица 22

Структурная матрица
	Функция
	1	2
Пол	,940*	-,214
Хроническое заболевание	,207*	,204
Состояние здоровья	-,163*	-,034
Часто болею	-,187	-,548*
Ребенок до 6 лет	,307	,461*
Возраст	-,284	,343*
Часто посещаю врача	,067	-,277*
Беременность	,149	,239*
Кормление грудью	,105	,169*

Коэффициенты в Таблице 22 указывают на то, что женщины склонны чаще пользоваться онлайн-энциклопедиями, в отличие от ситуации поиска информации о симптомах, где ими пользуются, наоборот, реже.

Частота использования форумов

В качестве дискриминирующих переменных выделяются: пол, возраст, беременность и частота заболевания (Таблица 23).

Таблица 23

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,873	17,736	2	243	,000
Возраст	,910	11,964	2	243	,000
Хроническое заболевание	,998	,269	2	243	,765
Беременность	,972	3,560	2	243	,030
Кормление грудью	,998	,267	2	243	,766
Часто посещаю врача	,998	,276	2	243	,759
Ребенок до 6 лет	,989	1,294	2	243	,276
Состояние здоровья	,994	,726	2	243	,485
Часто болею	,961	4,889	2	243	,008

В Таблице 24 мы можем увидеть, что знаки у коэффициентов распределились следующим образом: пол - отрицательный коэффициент, возраст - положительный коэффициент, беременность - положительный коэффициент, часто болею - положительный коэффициент.

Таким образом, можно заключить следующее: женщины реже обращаются к форумам, чем старше респондент, тем больше он склонен обращаться к форумам, беременность также отражается в сторону учащения пользования форумов. Если респондент часто болеет, это также увеличивает частоту пользования форумами.

Таблица 24

Структурная матрица
	Функция
	1	2
Пол	-,679*	,188
Возраст	,555*	-,200
Беременность	,300*	,147
Ребенок до 6 лет	-,180*	,102
Часто болею	,130	,846*
Состояние здоровья	-,011	-,349*
Хроническое заболевание	,016	,209*
Часто посещаю врача	-,042	-,188*
Кормление грудью	-,049	-,172*

Частота использования социальных сетей

На уровне 95% значимости анализ показывает неравенство средних по таким переменным как пол, наличие хронического заболевания, частые болезни и самооценка состояния здоровья.

Таблица 25

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,916	10,408	2	227	,000
Возраст	1,000	,052	2	227	,949
Хроническое заболевание	,973	3,202	2	227	,043
Беременность	,999	,095	2	227	,910
Кормление грудью	1,000	,047	2	227	,954
Часто посещаю врача	,977	2,651	2	227	,073
Ребенок до 6 лет	,986	1,560	2	227	,212
Состояние здоровья	,965	4,146	2	227	,017
Часто болею	,811	26,385	2	227	,000

Собственное значение достаточно высокое, из чего мы можем заключить, что качество модели также достаточно высокое (Таблица 26).

Таблица 26

Собственные значения
Функция	Собственное значение	% вариации	Накопленный %	Каноническая корреляция
1	,507a	93,4	93,4	,580
2	,036a	6,6	100,0	,186

По имеющимся в Таблице 27 коэффициентам справедливо сделать вывод о том, что если респондент часто болеет, то он скорее склонен редко обращаться к социальным сетям. Женщины в большей степени склонны обращаться к социальным сетям, чем мужчины. Наличие хронического заболевания учащает пользование социальными сетями. А также, чем выше респондент оценивает состояние своего здоровья, тем чаще он пользуется социальными сетями для поиска информации о лекарствах.

Таблица 27

Структурная матрица
	Функция
	1	2
Часто болею	-,674*	,246
Пол	,380	,715*
Хроническое заболевание	,181	,571*
Состояние здоровья	,223	-,561*
Ребенок до 6 лет	-,120	,424*
Часто посещаю врача	-,205	,238*
Беременность	,030	-,105*
Возраст	,013	-,103*
Кормление грудью	,021	-,074*

Частота использования медицинских порталов

В качестве дискриминирующих переменных для определения частоты использования медицинских порталов при поиске информации о лекарственных средствах были выявлены такие переменные как наличие хронического заболевания и состояние здоровья на уровне значимости 95% согласно Таблице 28.

Таблица 28

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,995	,644	2	238	,526
Возраст	,990	1,244	2	238	,290
Хроническое заболевание	,955	5,595	2	238	,004
Беременность	,977	2,759	2	238	,065
Кормление грудью	,990	1,175	2	238	,311
Часто посещаю врача	1,000	,037	2	238	,964
Ребенок до 6 лет	,979	2,532	2	238	,082
Состояние здоровья	,940	7,553	2	238	,001
Часто болею	,985	1,775	2	238	,172

Знаки коэффициентов в Таблице 29 распределены следующим образом: состояние здоровья - отрицательный коэффициент, наличие хронического заболевания - положительный коэффициент. Данные свидетельствуют о том, что чем выше респондент оценивает состояние своего здоровья, тем реже он склонен обращаться к порталам медицинской тематики. Респонденты с хроническим заболеванием склонны чаще использоваться медицинские порталы, чем те, у кого подобного заболевания нет.

Таблица 29

Структурная матрица
	Функция
	1	2
Состояние здоровья	-,785*	-,081
Хроническое заболевание	,673*	-,111
Часто болею	,381*	,042
Пол	,187*	-,184
Ребенок до 6 лет	-,010	-,627*
Беременность	,266	,543*
Возраст	,045	,435*
Кормление грудью	,167	-,360*
Часто посещаю врача	,020	-,071*

Частота использования сайтов аптек

На частоту использования сайтов аптек оказывают влияние следующие переменные: пол, наличие хронического заболевания, беременность и самооценка состояния здоровья на уровне значимости 95%.

Таблица 30

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,960	4,970	2	236	,008
Возраст	,996	,502	2	236	,606
Хроническое заболевание	,970	3,656	2	236	,027
Беременность	,971	3,513	2	236	,031
Кормление грудью	,993	,857	2	236	,426
Часто посещаю врача	,990	1,200	2	236	,303
Ребенок до 6 лет	,978	2,593	2	236	,077
Состояние здоровья	,975	3,028	2	236	,050
Часто болею	,986	1,704	2	236	,184

Размер коэффициентов говорит о том, что переменная пол обладает наибольшей дискриминирующей силой. Переменная беременность имеет самый низкий коэффициент среди выделенных переменных, это означает, что её вклад является наименьшим по сравнению с другими переменными, значимыми на 95% доверительном интервале.

Содержательно коэффициенты в Таблице 31 показывают, что женщины склонны чаще посещать сайты аптек. Респонденты, выше оценивающие своё состояние здоровья в меньшей степени склонны использовать сайты аптек. Беременные женщины чаще обращаются к аптечным сайтам, по сравнению с небеременными. Респонденты с хроническим заболеванием, напротив, реже посещают сайты аптек.

Таблица 31

Структурная матрица
	Функция
	1	2
Пол	,512*	,105
Хроническое заболевание	-,429*	,179
Ребенок до 6 лет	,345*	-,231
Часто болею	-,288*	-,150
Часто посещаю врача	,253*	,025
Кормление грудью	-,208*	,082
Беременность	,083	-,709*
Состояние здоровья	,231	,549*
Возраст	-,100	-,217*

В исследовании также задавались вопросы касательно сайтов с возможность онлайн-консультации с врачом, а также переменная исследующая частоту обращения к сайтам медучреждений, однако поскольку недостаточное количество респондентов выбрала данные варианты ответа, анализироваться вышеупомянутые переменные не будут.

Степень доверия онлайн-энциклопедиям

При анализе переменных, влияющих на степень доверия онлайн-энциклопедиям не было выявлено значимых коэффициентов, то есть мы принимаем гипотезу о равенстве средних в различных группах.

То есть независимо от рассматриваемых социально-демографических характеристик, портрет среднего члена каждой из групп доверия онлайн-энциклопедии при поиске информации о лекарствах одинаков (Таблица 32).

Таблица 32

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,984	1,998	2	251	,138
Возраст	,994	,736	2	251	,480
Хроническое заболевание	,977	2,963	2	251	,053
Беременность	,984	2,012	2	251	,136
Кормление грудью	,986	1,738	2	251	,178
Часто посещаю врача	,999	,114	2	251	,893
Ребенок до 6 лет	,997	,316	2	251	,729
Состояние здоровья	,997	,411	2	251	,664
Часто болею	,992	1,023	2	251	,361

Степень доверия форумам

На степень доверия форумам оказывают влияние переменные пол, беременность и частые болезни на уровне доверия 95% (Таблица 33).

Таблица 33

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,961	5,106	2	249	,007
Возраст	,993	,852	2	249	,428
Хроническое заболевание	,988	1,552	2	249	,214
Беременность	,945	7,246	2	249	,001
Кормление грудью	,997	,355	2	249	,701
Часто посещаю врача	,991	1,099	2	249	,335
Ребенок до 6 лет	,986	1,796	2	249	,168
Состояние здоровья	,988	1,480	2	249	,230
Часто болею	,938	8,244	2	249	,000

По Таблице 34 видно, что частые болезни респондента отражаются в большем доверии к форумам. Состояние беременности влияет на доверие аналогичным образом. Однако женщины в целом склонны меньше доверять форумам.

Таблица 34

Структурная матрица
	Функция
	1	2
Часто болею	,544*	-,457
Беременность	,511*	,424
Пол	-,448*	,178
Ребенок до 6 лет	-,269*	-,043
Состояние здоровья	-,025	,579*
Хроническое заболевание	-,096	-,551*
Возраст	-,117	-,343*
Часто посещаю врача	-,186	-,234*
Кормление грудью	-,086	,198*

Степень доверия социальным сетям

На доверие к социальным сетям влияет только одна переменная - частые болезни.

Таблица 35

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,976	2,835	2	233	,061
Возраст	,987	1,487	2	233	,228
Хроническое заболевание	,995	,631	2	233	,533
Беременность	,999	,118	2	233	,889
Кормление грудью	,999	,059	2	233	,943
Часто посещаю врача	,997	,300	2	233	,741
Ребенок до 6 лет	,999	,147	2	233	,864
Состояние здоровья	,997	,408	2	233	,666
Часто болею	,882	15,652	2	233	,000

Часто болеющие респонденты склонны больше доверять социальным сетям, чем респонденты, которые болеют не часто.

Таблица 36

Структурная матрица
	Функция
	1	2
Часто болею	,912*	,158
Возраст	-,255*	,212
Беременность	-,076*	,042
Кормление грудью	-,053*	,030
Пол	-,145	,627*
Хроническое заболевание	-,075	,291*
Ребенок до 6 лет	,000	,154*
Состояние здоровья	-,123	,142*
Часто посещаю врача	,103	,128*

Степень доверия медицинским порталам

В качестве значимых переменных, оказывающих влияние на степень доверия медицинским порталам на доверительном интервале в 95% были выделены возраст, наличие хронического заболевания и частые болезни.

Коэффициенты Таблицы 38 показывают, что более взрослые респонденты, демонстрируют большую степень доверия медицинским порталам, чем молодые респонденты. Респонденты с хроническим заболеванием также склонны больше доверять медицинским порталам, чем респонденты, не страдающие хронической болезнью.

Респонденты, которые болеют на регулярной основе, напротив, скорее не доверяют медицинским порталам, по сравнению с теми, кто болеет не часто.

Таблица 37

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,982	2,194	2	239	,114
Возраст	,952	5,994	2	239	,003
Хроническое заболевание	,960	4,926	2	239	,008
Беременность	.a
Кормление грудью	,995	,541	2	239	,583
Часто посещаю врача	,999	,094	2	239	,910
Ребенок до 6 лет	,996	,511	2	239	,601
Состояние здоровья	,996	,509	2	239	,602
Часто болею	,975	3,078	2	239	,048

Таблица 38

Структурная матрица
	Функция
	1	2
Возраст	,691*	-,354
Часто болею	-,526*	-,130
Пол	-,378*	,307
Хроническое заболевание	,201	,799*
Ребенок до 6 лет	,030	,267*
Кормление грудью	-,082	,258*
Состояние здоровья	,162	-,179*
Часто посещаю врача	,070	-,078*

Степень доверия сайтам аптек

На доверие сайтам аптек оказывают влияние переменные возраст и частые посещения врачей на уровне значимости 95%.

Коэффициенты в показывают, что часто посещающие врача респонденты не склонны доверять сайтам аптек. А также с увеличением возраста доверие сайтам аптек уменьшается.

Таблица 39

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,985	1,936	2	246	,146
Возраст	,968	4,006	2	246	,019
Хроническое заболевание	,988	1,527	2	246	,219
Беременность	,991	1,153	2	246	,318
Кормление грудью	,988	1,548	2	246	,215
Часто посещаю врача	,964	4,647	2	246	,010
Ребенок до 6 лет	,998	,186	2	246	,830
Состояние здоровья	,995	,583	2	246	,559
Часто болею	,999	,156	2	246	,856

Таблица 40

Структурная матрица
	Функция
	1	2
Часто посещаю врача	-,564*	-,431
Пол	-,435*	-,085
Беременность	,328*	-,101
Состояние здоровья	,195*	,159
Ребенок до 6 лет	,135*	,025
Часто болею	,107*	-,073
Возраст	-,052	,705*
Кормление грудью	-,114	,421*
Хроническое заболевание	,277	-,310*

Степень доверия сайтам препаратов

Как показывает Таблица 41, нет переменных, способных предсказать, тот или иной уровень доверия к сайтам препаратов. То есть мы принимаем гипотезу о равенстве средних по группам.

Таблица 41

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	1,000	,004	2	235	,996
Возраст	,975	2,962	2	235	,054
Хроническое заболевание	,986	1,640	2	235	,196
Беременность	,994	,714	2	235	,491
Кормление грудью	,997	,354	2	235	,702
Часто посещаю врача	,996	,428	2	235	,652
Ребенок до 6 лет	,980	2,353	2	235	,097
Состояние здоровья	,996	,457	2	235	,634
Часто болею	,990	1,226	2	235	,295

2.4.3 Поведение после поиска

Проанализировав этап поиска информации о симптомах и лекарствах следовало определить, каким образом действуют респонденты в зависимости от наличия тех или иных характеристик. Для этого также применялся дискриминантный анализ. Мы можем видеть количество валидных респондентов - 245 (Таблица 42).

На уровне 95% значимости мы отвергаем гипотезу о равенстве средних в группах по переменным пол, возраст, состояние здоровья, доверие провизору и количество используемых интернет-ресурсов (Таблица 43).

Таблица 42

Analysis Case Processing Summary
Unweighted Cases	N	Percent
Valid	245	76,8
Excluded	Missing or out-of-range group codes	23	7,2
	At least one missing discriminating variable	43	13,5
	Both missing or out-of-range group codes and at least one missing discriminating variable	8	2,5
	Total	74	23,2
Total	319	100,0

Таблица 43

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,950	6,414	2	242	,002
Возраст	,933	8,624	2	242	,000
Хроническое заболевание	,981	2,292	2	242	,103
Состояние здоровья	,971	3,666	2	242	,027
Часто болею	,993	,835	2	242	,435
Доверие Совет провизора в аптеке	,975	3,111	2	242	,046
Сколько примерно раз Вы посещали врача за последний год?	,988	1,451	2	242	,236
Сколько раз искали информацию о лекарствах?	,983	2,063	2	242	,129
Какое количество интернет-ресурсов Вы просматриваете?	,967	4,162	2	242	,017

Собственные значения говорят о среднем качестве модели.

Таблица 44

Собственные значения
Функция	Собственное значение	% вариации	Накопленный %	Каноническая корреляция
1	,179a	62,0	62,0	,390
2	,110a	38,0	100,0	,314
a. First 2 canonical discriminant Функцияs were used in the analysis.

Наибольше дискриминирующей силой обладают такие переменные как пол, возраст и количество используемых интернет-ресурсов (Таблица 45).

Таблица 45

Стандартизированные канонические дискриминирующие коэффициенты
	Функция
	1	2
Пол	-,541	-,160
Возраст	,650	-,054
Хроническое заболевание	,461	,226
Состояние здоровья	-,012	,514
Часто болею	-,111	,512
Доверие Совет провизора в аптеке	,222	,560
Сколько примерно раз Вы посещали врача за последний год?	,031	-,284
Сколько раз искали информацию о лекарствах?	,149	,469
Какое количество интернет-ресурсов Вы просматриваете?	,411	-,227

Коэффициенты в Таблице 46 показывают, что чем старше респондент, тем выше вероятность, что он обратится за советом к друзьям. Женщины скорее обратятся к врачу, а мужчины скорее купят препарат. Чем выше респондент оценивает состояние своего здоровья, тем скорее он обратится к врачу при прочих равных. Следующая переменная - совет провизора в аптеке. Чем больше респондент доверяет провизору, тем вероятнее он приобретет лекарство в аптеке.

Таблица 46

Структурная матрица
	Функция
	1	2
Возраст	,596*	-,263
Пол	-,527*	-,171
Какое количество интернет-ресурсов Вы просматриваете?	,433*	-,087
Хроническое заболевание	,325*	-,016
Состояние здоровья	-,062	,520*
Доверие Совет провизора в аптеке	,027	,483*
Сколько раз искали информацию о лекарствах?	-,040	,391*
Сколько примерно раз Вы посещали врача за последний год?	,022	-,330*
Часто болею	,027	,249*

Таблица 47 показывает предсказательную возможность модели, как мы можем видеть, модель успешно предсказывает более трех четвертей случаев, что говорит о достаточно хорошем качестве модели.

Таблица 47

Результаты классификации
		Что делаете, когда нашли интересующую Вас информацию?	Предсказанные группы	Всего
			Покупаю лекарство	Советуюсь с друзьями/родственниками	Записываюсь на прием к врачу
Original	Количествоt	Покупаю лекарство (в аптеке или ч	172	2	3	177
		Советуюсь с друзьями/родственни?	16	12	1	29
		Записываюсь на прием к врачу	37	0	2	39
		Негруппированные	20	2	1	23
	%	Покупаю лекарство (в аптеке или ч	97,2	1,1	1,7	100,0
		Советуюсь с друзьями/родственни?	55,2	41,4	3,4	100,0
		Записываюсь на прием к врачу	94,9	,0	5,1	100,0
		Негруппированные	87,0	8,7	4,3	100,0
a. 75,9% of original grouped cases correctly classified.

2.4.4 Посещение врача

При проверке переменной о посещении врача, в качестве независимых используются стандартный набор переменных, применяемый при анализе предыдущих этапов, используется также дискриминантный анализ.

Коэффициенты в Таблице 48 демонстрируют, что значимыми на 95% уровне доверия является только переменная количество посещений врача за последний год.

Данная связь является довольно очевидной. Значение говорит о том, что чем больше раз респондент посещал врача в прошлом годовом периоде, тем более он склонен обратиться к нему в случае недомогания.

Никакие другие переменные не дискриминируют зависимую переменную.

Таблица 48

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,999	,095	2	263	,909
Возраст	,980	2,666	2	263	,071
Хроническое заболевание	,998	,285	2	263	,752
Состояние здоровья	1,000	,035	2	263	,966
Часто болею	,988	1,643	2	263	,195
Доверие Совет провизора в аптеке	,999	,141	2	263	,869
Сколько примерно раз Вы посещали врача за последний год?	,788	35,317	2	263	,000
Сколько раз искали информацию о лекарствах?	,997	,436	2	263	,647
Какое количество интернет-ресурсов Вы просматриваете?	,986	1,899	2	263	,152

2.4.5 Лекарство, выписанное врачом

Далее будет проверяться, кто склонен обращаться к интернету уже после получения выписки врача. Список независимых переменных остается неизменным.

По Таблице 49 мы можем выделить следующие значимые переменные: пол, наличие хронического заболевания, частые болезни, частоту поиска информации о лекарствах на доверительном интервале 95%.

Таблица 49

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,874	9,462	4	262	,000
Возраст	,973	1,828	4	262	,124
Хроническое заболевание	,945	3,818	4	262	,005
Состояние здоровья	,965	2,397	4	262	,051
Часто болею	,920	5,663	4	262	,000
Доверие Совет провизора в аптеке	,978	1,480	4	262	,208
Сколько примерно раз Вы посещали врача за последний год?	,973	1,804	4	262	,128
Сколько раз искали информацию о лекарствах?	,928	5,092	4	262	,001
Какое количество интернет-ресурсов Вы просматриваете?	,990	,681	4	262	,605

Анализируя коэффициенты в Таблицах 50 и 51 справедливо сделать следующие заключения: женщины чаще обращаются к ресурсам, часто болеющие респонденты склонны чаще обращаться к интернету, чтобы проверить выписку врача.

Также респонденты с хроническим заболеванием склонны чаще искать информацию. Респонденты, искавшие информацию о лекарствах в прошлом, чаще склонны также обратиться к интернету, чтобы искать информацию о лекарстве, выписанном врачом.

Таблица 50

Структурная матрица
	Функция
	1	2	3	4
Пол	,714*	-,094	,091	,384
Часто болею	-,486*	,395	-,101	,317
Состояние здоровья	,057	,501*	,267	-,174
Сколько раз искали информацию о лекарствах?	,434	,451*	,093	-,249
Какое количество интернет-ресурсов Вы просматриваете?	-,030	,285*	-,090	,011
Хроническое заболевание	,230	,116	-,782*	-,025
Возраст	-,199	-,025	,444*	-,297
Доверие Совет провизора в аптеке	,015	,262	-,101	,596*
Сколько примерно раз Вы посещали врача за последний год?	,205	-,200	,114	,523*

Таблица 51

Функцияs at Group Centroids
Обращаетесь ли Вы обычно к интернет-ресурсам для поиска информации о лекарстве, выписанном врачом?	Функция
	1	2	3	4
Всегда или почти всегда	,484	-,034	-,337	-,118
Часто	,336	,367	,309	-,005
Иногда	-,016	-,335	,027	,301
Редко	-,955	,292	-,157	-,019
Никогда или почти никогда	-,374	-,689	,354	-,396

2.4.6 Конечный потребитель лекарства

Одной из задач является выяснение, как влияет приобретение лекарства для различных групп на поисковое поведение в интернете. Независимые переменные берутся по аналогии с предыдущими вопросами.

Из Таблицы 52 мы видим, значимыми на уровне доверия 95% являются переменные возраст, наличии хронического заболевания, доверие совету провизора.

Таблица 52

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,964	2,392	4	257	,051
Возраст	,658	33,392	4	257	,000
Хроническое заболевание	,922	5,436	4	257	,000
Состояние здоровья	,993	,454	4	257	,770
Часто болею	,980	1,308	4	257	,267
Доверие Совет провизора в аптеке	,922	5,435	4	257	,000
Сколько примерно раз Вы посещали врача за последний год?	,970	1,970	4	257	,100
Сколько раз искали информацию о лекарствах?	,974	1,739	4	257	,142
Какое количество интернет-ресурсов Вы просматриваете?	,982	1,190	4	257	,316

По результатам анализа Таблицы 53 и 54 можно сказать, что более старшего возраста склонны покупать лекарства для пожилых родителей, более молодые - для себя.

Респонденты с хроническим заболеванием склонны покупать для себя. Респонденты, больше доверяющие провизору, покупают преимущественно для себя или супруга, а те, кто доверяет в меньшей степени - для пожилых родственников.

Таблица 53

Структурная матрица
	Функция
	1	2	3	4
Возраст	,814*	,389	-,213	,133
Доверие Совет провизора в аптеке	-,193	,514*	,398	,423
Пол	-,010	-,441*	-,093	,415
Часто болею	-,025	,032	,633*	-,367
Хроническое заболевание	-,246	,407	-,440*	-,062
Состояние здоровья	,055	-,088	,266*	-,034
Сколько примерно раз Вы посещали врача за последний год?	-,191	-,077	,154	,575*
Какое количество интернет-ресурсов Вы просматриваете?	-,102	,209	,207	-,425*
Сколько раз искали информацию о лекарствах?	-,153	-,211	-,143	,374*

Таблица 54

Функцияs at Group Centroids
Для кого Вы чаще всего покупаете лекарства?	Функция
	1	2	3	4
Для себя	-,433	-,048	,017	-,023
Для ребенка младшего возраста (д?	,209	-,945	-,216	,203
Для ребенка старшего возраста (о?	1,370	,308	,532	,058
Для супруга/супруги	-,298	1,587	-,413	,118
Для пожилых родителей или других	2,216	-,106	-,345	-,082

2.4.7 Приобретение лекарственного средства

Последний этап, который остается невыясненным - покупка препарата. После анализа соответствующих таблиц 55, 56, 57 и 58 можно сделать следующие выводы.

Часто болеющие респонденты склонны искать информацию, но НЕ слушать совета провизора. Не болеющие скорее будут искать нужный препарат в другой аптеке или послушают совет провизора.

Доверяющие провизору скорее послушают его совета и купят препарат, не обращаясь к электронным ресурсам, менее доверяющие скорее будут искать в другой аптеке.

Женщины охотнее послушают совет провизора, мужчины скорее будут искать в другой аптеке. Респонденты, оценивающие своё состояние здоровья выше склонны искать информацию и покупать препарат, с худшим здоровьем также искать информацию и НЕ покупать препарат. Те, кто посещал врача чаще, склонны покупать препарат в другой аптеке, те же, кто посещал врача мало искать в интернете и скорее НЕ покупать препарат. Респонденты, использующие большее количество ресурсов для поиска, скорее будут склонны опять к нему обратиться, те же, кто использует меньше ресурсов, скорее пойдет в другую аптеку.

Таблица 55

Статистики по группам
Если в аптеке не оказывается лекарственного препарата,как Вы поступаете?	Среднее	Ст. отклонение	Кол-во валидных
			Не взв.	Взв.
Ищу нужный мне препарат в другой	Пол	1,71	,453	161	161,000
	Возраст	31,93	11,242	161	161,000
	Хроническое заболевание	,31	,464	161	161,000
	Состояние здоровья	7,27	1,373	161	161,000
	Часто болею	,03	,174	161	161,000
	Доверие Совет провизора в аптеке	5,29	2,026	161	161,000
	Сколько примерно раз Вы посещали врача за последний год?	3,88	4,934	161	161,000
	Сколько раз искали информацию о лекарствах?	10,22	18,639	161	161,000
	Какое количество интернет-ресурсов Вы просматриваете?	6,73	12,005	161	161,000
Слушаю совет провизора в аптеке ?	Пол	1,51	,503	72	72,000
	Возраст	30,76	9,262	72	72,000
	Хроническое заболевание	,22	,419	72	72,000
	Состояние здоровья	7,72	1,270	72	72,000
	Часто болею	,03	,165	72	72,000
	Доверие Совет провизора в аптеке	7,43	1,298	72	72,000
	Сколько примерно раз Вы посещали врача за последний год?	2,89	2,688	72	72,000
	Сколько раз искали информацию о лекарствах?	5,08	6,694	72	72,000
	Какое количество интернет-ресурсов Вы просматриваете?	7,72	7,393	72	72,000
Ищу в интернете информацию, покупаю	Пол	1,42	,504	24	24,000
	Возраст	33,96	10,132	24	24,000
	Хроническое заболевание	,29	,464	24	24,000
	Состояние здоровья	7,92	1,976	24	24,000
	Часто болею	,13	,338	24	24,000
	Доверие Совет провизора в аптеке	5,33	3,497	24	24,000
	Сколько примерно раз Вы посещали врача за последний год?	,88	1,191	24	24,000
	Сколько раз искали информацию о лекарствах?	9,58	5,860	24	24,000
	Какое количество интернет-ресурсов Вы просматриваете?	14,04	10,097	24	24,000
Ищу в интернете информацию, НЕ покупаю	Пол	1,00	,000	5	5,000
	Возраст	33,40	,894	5	5,000
	Хроническое заболевание	,00	,000	5	5,000
	Состояние здоровья	5,00	,000	5	5,000
	Часто болею	1,00	,000	5	5,000
	Доверие Совет провизора в аптеке	3,00	,000	5	5,000
	Сколько примерно раз Вы посещали врача за последний год?	,00	,000	5	5,000
	Сколько раз искали информацию о лекарствах?	15,00	,000	5	5,000
	Какое количество интернет-ресурсов Вы просматриваете?	30,00	,000	5	5,000
Всего	Пол	1,62	,487	262	262,000
	Возраст	31,82	10,519	262	262,000
	Хроническое заболевание	,28	,449	262	262,000
	Состояние здоровья	7,41	1,453	262	262,000
	Часто болею	,06	,233	262	262,000
	Доверие Совет провизора в аптеке	5,84	2,262	262	262,000
	Сколько примерно раз Вы посещали врача за последний год?	3,26	4,245	262	262,000
	Сколько раз искали информацию о лекарствах?	8,84	15,299	262	262,000
	Какое количество интернет-ресурсов Вы просматриваете?	8,12	11,217	262	262,000

Таблица 56

Тест равенства средних в группах
	Лямбда Уилкса	F	df1	df2	Sig.
Пол	,917	7,823	3	258	,000
Возраст	,993	,613	3	258	,607
Хроническое заболевание	,985	1,302	3	258	,274
Состояние здоровья	,917	7,738	3	258	,000
Часто болею	,666	43,182	3	258	,000
Доверие Совет провизора в аптеке	,792	22,609	3	258	,000
Сколько примерно раз Вы посещали врача за последний год?	,944	5,071	3	258	,002
Сколько раз искали информацию о лекарствах?	,975	2,205	3	258	,088
Какое количество интернет-ресурсов Вы просматриваете?	,892	10,445	3	258	,000

Таблица 57

Структурная матрица
	Функция
	1	2	3
Часто болею	-,764*	,053	-,168
Доверие Совет провизора в аптеке	,259	,840*	-,295
Пол	,223	-,393*	-,251
Сколько раз искали информацию о лекарствах?	-,074	-,271*	,065
Хроническое заболевание	,084	-,165*	,136
Состояние здоровья	,231	,278	,541*
Сколько примерно раз Вы посещали врача за последний год?	,162	-,245	-,504*
Какое количество интернет-ресурсов Вы просматриваете?	-,353	,134	,363*
Возраст	-,044	-,075	,225*

Таблица 58

Центроиды
Если в аптеке не оказывается лекарственного препарата,как Вы поступаете?	Функция
	1	2	3
Ищу нужный мне препарат в другой	,164	-,393	-,054
Слушаю совет провизора в аптеке ?	,285	,807	-,122
Ищу в интернете информацию о пре?	-,636	,196	,841
Ищу в интернете информацию о пре?	-6,334	,101	-,530
Unstandardized canonical discriminant Функцияs evaluated at group means

2.4.7 Модели поведения потребителей

Главной целью данной работы является определение моделей поведения пользователей в интернете при поиске информации о лекарствах. Было рассмотрено четыре основных этапа, выделенных в ходе предварительного этапа, в рамках которого проводились фокусированные интервью. Проведенный ваше анализ позволяет нам сделать заключения и классифицировать пользователей на группы в зависимости от того, как они склонны себя вести, исходя из набора персональных параметров (социально-демографических характеристик).

Каждой из моделей давалось определенное условное наименование, которое наиболее очевидно отражало какие-то характерные черты респондентов, подпадающих под модель.

Первая модель получила название «здоровяк». В данную модель входят молодые мужчины, оценивающие своё состояние здоровья как хорошее/выше среднего и покупающие препараты преимущественно для собственного пользования. Для модели поведения характерно обращение к электронным ресурсам для поиска информации как о симптомах, так и о лекарствах. Однако если препарат выписывается врачом, то пользователи, попадающие в данную модель не склонны обращаться к электронным ресурсам в этом случае. Наиболее неожиданным выводом является тот факт, что основными точками контакта для данной поведенческой модели являются форумы и онлайн-энциклопедии. На этапе приобретения лекарства повторного обращения к электронным ресурсам не происходит, «здоровяк» будет следовать предписанию врача, если предварительно к нему обратится, либо будет искать препарат в другой аптеке. То есть, обращение к электронным ресурсам происходит дважды: на этапе поиска информации о симптомах и на этапе поиска информации о лекарствах.

Вторая обнаруженная была названа «ипохондрик». Для пользователей придерживающихся данной модели характерны частые болезни (говорить об объективной частоте сложно, показатель является самооценкой респондента) и редкое посещение врачей. Такие пользователи могут быть как мужчинами, так и женщинами, как молодыми, так и в возрасте. Данная группа пользователей болеет достаточно часто, однако не обращается к врачу. В случае необходимости «ипохондрики» обращаются к поиску в интернете. На каждом из этапов пути пользователя обязательно присутствуют форумы, для этапов релевантным лекарствам добавляются сайты аптек. На стадии определения симптомам вместе с форумами отдается предпочтение медицинским справочникам. В данном случае мы видим, что пользователь затрагивает 3 этапа из четырех.

Третья модель названа Old school и является достаточно очевидной. К данной группе относятся пользователи старшего возраста, имеющие пожилых родителей, для которых преимущественно и приобретается препарат. Они очень неактивно пользуются интернетом, выражают недоверие ко всем электронным ресурсам. Среди прочих, отдают предпочтение форумам, однако совершенно не доверяют указанной информации. Предпочитают получать информацию от друзей или родственников, а также готовы послушаться совета провизора в аптеке. Поскольку информация ищется преимущественно не для себя, а для пожилого родственника, то в модели всего один этап -- поиск информации о лекарстве, при этом в качестве точки контакта можно выделить только форумы, другие ресурсы не были статистически характерны для данной категории.

Название четвертой выделенной модели -- «профессиональный больной». Наименование звучит таким образом, поскольку для данной модели характерны частые болезни, самооценка здоровья как низкого и наличие хронического заболевания. Пользователь обращается к электронным ресурсам на каждом из этапов и отдаёт предпочтение профессиональным медицинским порталам, демонстрирует наибольшую степень доверия к ним. Данная группа пользователей приобретает лекарства преимущественно для себя. Этап посещения врач в данном случае не пропускается, в отличие от предыдущих трех моделей, более того, после посещения врача потребитель обращается к поиску повторно. Данная категория пользователей обращается к интернету в любой ситуации, которая касается здоровья. В том числе и в случае посещения аптеки. Если отсутствует искомый препарат, член данной группы также обратится к врачу.

Таблица 59

Модель	Этап: Симптомы	Этап: Лекарства	Этап: Врач	Этап: Аптека	Для кого
«Здоровяк»	Википедия, форумы	Форумы	-	-	Для себя
«Ипохондрик»	Форумы, медицинские порталы	Форумы, сайты аптек	-	Форумы, сайты аптек	Для себя
«Old school»	-	Форумы	-	-	Для пожилого родителя
«Профессиональный больной»	Медицинские порталы	Медицинские порталы, сайты аптек	Медицинские порталы	Медицинские порталы,	Для себя

2.4.8 Ограничения исследования

Ввиду того, что тема данного исследования была сужена по многим параметрам, в частности, по каналу коммуникации (была выбрана digital-среда), по сфере (фармацевтический рынок), по стадии принятия решения (стадия поиска информации), по продукту (работа применима исключительно для безрецептурных лекарственных средств) полученные выводы тяжело экстраполировать на какие-то другие сферы. Кроме того, методология онлайн-опроса респондентов в данном случае не может охватить поведение в интернете в полной мере. В настоящее время существуют технологии, позволяющие отслеживать каждое движение пользователя в интернете, а также считывать его персональные данные, посредством доступов к социальным сетям и персональной информации как следствие.

Важно учитывать, что в работе применялись некоторые обобщения, при уточнении которых модели могут значительно меняться. Например, это касается наличия хронического заболевания. Подобные болезни и причиняемы ими дискомфорт очень сильно разнятся, и есть основания предполагать, что пользователь с диабетом при поиске информации о лекарствах поведет себя не так, как человек, имеющий псориаз.

Также строилась простая случайная выборка, требования к целевой аудитории ничем не ограничивались, в этой связи в выборке существует недобор по таким параметрам, например, как беременность и кормление грудь. Поэтому делать выводы по данным переменным было невозможно, для данных переменных необходимо проводить отдельное исследование с суженной целевой аудиторией.

2.5 Выводы по главе 2

В данной главе анализировались основные точки контакта потребителя безрецептурных лекарственных средств с различными точками контакта, среди которых в главе 1 были выделены следующие:

1) Веб-сайты;

2) Мобильные приложения;

3) Социальные сети.

Поскольку данные точки контакта являются слишком общими, чтобы составить понимание того, чем пользуются потребители, некоторые из них были классифицированы. Сайты были разделены на следующие виды:

1) Поиск (Google, Yandex и др.);

2) Форумы, ресурсы формата «вопрос-ответ» (например, otvet.mail.ru);

3) Социальные сети;

4) Специализированные медицинские порталы, медицинские онлайн-справочники (например, rlsnet.ru);

5) Сайты аптек/сайты медицинских учреждений;

6) Сайты с возможностью онлайн-консультации с врачом;

7) Официальный сайт препарата или фармацевтической компании.

Как можно заметить, социальные сети вошли в классификацию как частный случай сайта. Для данного исследования не было принципиально, какие именно социальные сети использует потребитель для поиска информации.

Мобильные приложения были разделены следующим образом:

1) Приложениями, помогающими отслеживать прием лекарств;

2) Приложениями, помогающими следить за показателями здоровья (пульс, шагомер и др.);

3) Игровыми приложениями, связанными с лекарственными препаратами (используется конкретный бренд).

Количественный анализ показал, что мобильные приложения не пользуются популярностью у потребителей при поиске информации, таким образом, гипотеза Н1 была отклонена, основной точкой контакта являются веб-сайты.

То же самое можно заключить и относительно социальных сетей, только 15 респондентов из 317 опрошенных пользуются социальными сетями для поиска информации о лекарственных средствах, гипотеза Н2 также отклонена. Таким образом, основной анализ касался различных веб-сайтов.

По результатам анализа было выявлено 4 модели, для каждой из которых справедливо наличие хотя бы одного основного ресурса, который используется на всех этапах поиска, независимо от их количества. То есть, можно заключить, что гипотеза Н3 верна.

Что касается параметров, влияющих на поисковое поведение пользователей, было обнаружено, что наличии хронического заболевания повышает активность потребителя в интернете, заставляет его обращаться к большему количеству ресурсов, то есть гипотезу Н4.2, подтверждаем. Подтвердить или опровергнуть гипотезу Н4.1 не представляется возможным, поскольку в выборку попало лишь незначительное количество беременных женщин, а также мам с маленьким ребенком, чтобы стало возможным делать какие-то выводы. Для определения влияния данного фактора необходимо формировать выборку по квотному принципу и проводить дополнительное исследование. Самооценка здоровья как фактор значимо влияет на поведение при поиске информации. Если респондент оценивает своё здоровье как низкое, то он скорее будет обращаться к интернету в большем количестве случаев (на большем количестве этапов). Однако это не будет означать, что пользователь не будет обращаться к ресурсам совсем, если он оценивает своё состояние как хорошее. Таким образом, гипотеза о влиянии самооценки здоровья Н4.3 также принимается.

Приобретение препарата для уязвимой категории также оказалось значимой переменной, которая сказывается на поведении пользователей. Однако, как уже было упомянуто выше, речь идет только о покупке лекарств для пожилых родителей, поскольку информации о мамах с детьми оказалось недостаточно. Гипотезу Н4.4 принимаем. Последний рассматриваемый фактор, а именно регулярность посещения врача, также оказался значимым, в частности, редкое посещение врача оказывает влияние на более широкое использование интернета. Гипотезу Н4.5 принимаем.

Финальным результатом стало выделение 4 моделей поведения с характерным набором параметров:

1) «здоровяк» -- мужчина (переменная пол), молодой (переменная возраст), хорошее здоровье (переменная самооценка состояния здоровья);

2) «ипохондрик» -- часто болеет (переменная часто болею), не обращается к врачу (переменная регулярность посещения врача);

3) «old school» -- старшего возраста (переменная возраст), доверяет провизору (переменная доверие провизору);

4) «профессиональный больной» -- имеет хроническое заболевание (переменная наличие хронического заболевания), часто болеет (переменная часто болею), низкое здоровье (переменная самооценка здоровья).

ЗАКЛЮЧЕНИЕ

Данная работа несет в себе как академический, так и прикладной характер.

В рамках теории было проанализировано юридическое регулирование фармацевтической отрасли, которое находится под давлением государства, в силу входят всё новые законы, ограничивающие возможности для маркетинга. Также были выделены различные точки контакта, применимые для маркетинга ориентированного как на врачей, так и на потребителей. Поскольку ограничения в меньшей мере касаются безрецептурных препаратов, где основной аудиторией являются пациенты, то в данной работе будут рассматриваться именно лекарственные средства данного типа. В эмпирической части исследования изучались только те точки контакта, которыми пользуется потребитель, а именно:

1) веб-сайты;

2) мобильные приложения;

3) социальные сети.

Посредством качественного анализа точки контакта были детализированы и проанализированы по методологии Customer Journey Mapping (построение пути потребителя).

Для выявления переменных влияющих на поведение пользователи в интернете использовался количественный метод и в частности дискриминантный анализ. В качестве значимых переменных были выявлены следующие:

1) наличие хронического заболевания;

2) частые болезни;

3) самооценка состояния здоровья;

4) частота посещения врача.

Основным результатом данной работы стало выявление четырех моделей поведения пользователей, которые были дифференцированы в зависимости от набора различных характеристик.

Данная модель процесса поиска может быть адаптирована под различные рынки или же может быть развита в рамках дальнейших исследований фармацевтической отрасли. Подобный подход к изучению пользователей, с точки зрения исследования их поведения на различных этапах, а также с учетом влияния их социально-демографических характеристик, может помочь в последующих исследованиях по изучению поведения потребителей в электронной среде.

Кроме того, полученные результаты могут применяться на практике непосредственно фармацевтическими компаниями, перед которыми стоит сложная задача продвижения в активно развивающейся среде. Выделенные модели помогут лучшим образом понять, на какие именно инструменты стоит обращать внимание, какие точки контакта будут наиболее перспективными для различных целевых аудиторий.

СПИСОК ЛИТЕРАТУРЫ

1. Федеральный закон от 12.04.2010 N 61-ФЗ (ред. от 29.12.2015) "Об обращении лекарственных средств"

2. Федеральный закон от 13.03.2006 N 38-ФЗ (ред. от 08.03.2015) "О рекламе" (с изм. и доп., вступ. в силу с 01.10.2015)

3. Федеральный закон от 17.07.1999 N 181-ФЗ (ред. от 09.05.2005, с изм. от 26.12.2005) "Об основах охраны труда в Российской Федерации"

4. Блэкуэлл Р., Миниард П., Энджел Дж. Поведение потребителей. 10-е изд. / Пер. с англ. -- СПб.: Питер, 2007.

5. Котлер Ф. Основы маркетинга. Краткий курс.: Пер. с англ. - М.: Издательский дом «Вильямс», 2007.

6. Крыштановский А.О. Анализ социологических данных с помощью пакета SPSS. М.: -- ГУ ВШЭ, 2006.

7. Микки С. Смит, Е. М. Коласса, Г. Перкинс, Брюс Сикер Фармацевтический маркетинг. Принципы, среда, практика. Пер. с англ. -- М.: Литтерра, 2005.

8. Наследов А. SPSS 20 statistics и AMOS профессиональный статистический анализ данных. -- СПб.: Питер, 2013.

9. Fox, S., & Bernhardt, J. M. (2010). Health Communication 2.0: The promise of peer participation. In L. F. Rutten, B. W. Hesse, R. P. Moser, & G. L. Kreps (Eds.), Building the evidence base in cancer communication (pp. 257-270). Cresskill, NJ: Hampton Press.

10. Ambaye M. A consumer decision process model for the Internet. 2005.

11. Carruth PJ, Carruth AK (2012) Using eLearning to build workforce capacity among business professionals. AJBE 6:709-718

12. Christopher Manz M.D. et al. Marketing to Physicians in a Digital World. N Engl J Med 2014; 371:1857-1859

13. M.M. Abrahams Digital media for distance education PediatrRadiol (2014) 44:697-699

14. Reuters Business Insight Health Care. (2003). Physician-Targeted Internet Promotion: Online Solutions to Declining Productivity in the Sales Process. London: Author.

15. Angelika Hцber Elisabeth Pergler Doris Weitlaner Hans-Peter Grahsl , (2015),"Performance journey mapping: a service performance assessment framework", The TQM Journal, Vol. 27 Iss 2 pp. 231 - 246.

16. Atienza AA et al. Consumer Attitudes and Perceptions on mHealthPrivacy and Security: Findings From a Mixed-Methods Study J Health Commun. 2015 Apr 14:1-7.

17. Bates, A., Bailey, E., &Rajyaguru, I. (2002).Navigating the e-detailing maze. International Journal of Medical Marketing, 2, 255-262.

18. Bernhardt JM et al. A social media primer for professionals: digital dos and don'ts. HealthPromotPract. 2014 Mar;15(2):168-72.

19. Bernhardt, J. M., Mays, D., Eroglu, D., & Daniel, K. L. (2009). New communication channels: Changing the nature of customer engagement. Social Marketing Quarterly, XV, 7-15.

20. Boehm, E. (2003). CBI's E-Detailing Conference Proceedings. Philadelphia: Forrester Research.

21. Cinthya Ippoliti (2014) Are You Being Served? Designing the Customer Service Curriculum, Public Services Quarterly, 10:3, 177-192.

22. Dhira Crunkilton (2009) Application Review of Journey Mapping, Journal of Technology in Human Services, 27:2, 162-173.

23. Fadi M. et al. Characteristics of Physicians Targeted by the Pharmaceutical Industry to Participate in E-detailing, Health Marketing Quarterly, 2009. 26:2, 98-116

24. Gerrita van der Veen & Robert van Ossenbruggen (2015) Mapping Out the Customer's Journey: Customer Search Strategy as a Basis for Channel Management, Journal of Marketing Channels, 22:3, 202-213.

25. H.J. Long , L.Y. Wang , J. Shen , M.X. Wu & Z.B. Jiang (2013) Product service system configuration based on support vector machine considering customer perception, International Journal of Production Research, 51:18, 5450-5468.

26. Jay M. Bernhardt et al. (2011) Dissemination 2.0: Closing the Gap Between Knowledge and Practice With New Media and Marketing, Journal of Health Communication: International Perspectives, 16:sup1, 32-44

27. John Alford Sophie Yates , (2014),"Mapping public value processes", International Journal of Public Sector Management, Vol. 27 Iss 4 pp. 334 - 352.

28. Keller, K. L. (2010). Brand equity management in a multichannel, multimedia retail environment. Journal of Interactive Marketing, 24(2), 58-70.

29. Konus, U., Verhoef, P. C., & Neslin, S. A. (2008). Multichannel shopper segments and their covariates. Journal of Retailing, 84(4), 398-413.

30. Laura Di Pietro , Roberta Guglielmetti Mugion & Maria Francesca Renzi (2013) An integrated approach between Lean and customer feedback tools: An empirical study in the public sector, Total Quality Management & Business Excellence, 24:7-8, 899-917.

31. Lefebvre, R. C. (2007). New technology: The consumer as participant rather than target audience. Social Marketing Quarterly, 13(3), 32-42.

32. Mandy Lane, (2007),"The Visitor Journey: the new road to success", International Journal of Contemporary Hospitality Management, Vol. 19 Iss 3 pp. 248 - 254.

33. Margaret Meiling Luo , Ja-Shen Chen , Russell K.H. Ching & ChuChi Liu (2011) An examination of the effects of virtual experiential marketing on online customer intentions and loyalty, The Service Industries Journal, 31:13, 2163-2191.