Анализ эффективности использования социальных сетей при включении их в формирование стратегии продвижения микробизнеса в условиях современной России

12.5%

41.7%

52.5%

100.0%

% within 3 возраст_группы

27.8%

51.7%

72.4%

52.6%

% of Total

6.6%

19.7%

27.6%

52.6%

Total

Count

20

33

29

29

% within 20.3 Совмещение с основной работой

23.7%

38.2%

38.2%

38.2%

% within 3 возраст_группы

100.0%

100.0%

100.0%

100.0%

% of Total

23.7%

38.2%

38.2%

38.2%

Средние расходы, потраченные на рекламу своего профиля/сообщества, составили 2888 руб. в месяц. Из 100 опрошенных респондентов 30% не несут никаких издержек на продвижение аккаунта. Сумма расходов влияет на прирост подписчиков (Табл.5), что в свою очередь имеет взаимосвязь с увеличением продаж, что более подробно рассмотрим в регрессионном анализе.

Таблица 5. Взаимосвязь прироста подписчиков и суммы расходов на рекламу

	Value	df	Asymp. Sig. (2-sided)
Pearson Chi-Square	993.227a	861	.001
Likelihood Ratio	257.985	861	1.000
Linear-by-Linear Association	3.160	1	.075
N of Valid Cases	76

Предприниматели предпочитают больше использовать контент информационного характера (информация о товаре, акции и прочее связанное с коммерцией).

При разновидности постов (когда используются все 3 типа), пользователю приходится заинтертесовывать своих подписчиков ежедневным контентом (Табл. 6). Выкладывая только однотипный контент, администратуру приходится чаще делать посты при развлекательном, чем когда используется информационный или образовательный.

Таблица 6. Взаимосвязь частоты публикации и вида контента

	18. content_often	Total
	1	2	3	4
info 1 entert 2 educ 3	1.00	Count	12	10	10	10	42
		% within info 1 entert 2 educa 3	33.3%	27.8%	22.2%	16.7%	100.0%
		% within 18. content_often	48.0%	32.3%	61.5%	85.7%	47.4%
		% of Total	15.8%	13.2%	10.5%	7.9%	47.4%
	2.00	Count	10	18	5	8	37
		% within info 1 entert 2 educa 3	32.3%	58.1%	6.5%	3.2%	100.0%
		% within 18. content_often	40.0%	58.1%	15.4%	14.3%	40.8%
		% of Total	13.2%	23.7%	2.6%	1.3%	40.8%
	3.00	Count	5	5	5	1	17
		% within info 1 entert 2 educa 3	33.3%	33.3%	33.3%	0.0%	100.0%
		% within 18. content_often	12.0%	9.7%	23.1%	0.0%	11.8%
		% of Total	3.9%	3.9%	3.9%	0.0%	11.8%
Total	Count	29	37	18	12	96
	% within info 1 entert 2 educa 3	32.9%	40.8%	17.1%	9.2%	100.0%
	% within 18. content_often	100.0%	100.0%	100.0%	100.0%	100.0%
	% of Total	32.9%	40.8%	17.1%	9.2%	100.0%

Злоупотребление доверием подписчиков подтвердилось: 35% респондентов удаляют комментарии, 75% продают поддельный или не уникальный товар, а также 39,5% используют бот-программы для увеличения общего числа подписчиков.

В нашей теоретической схеме указан отдельный блок - причины ведения бизнеса в социальных сетях, к сожалению, собранных данных не хватило для более глубокого анализа переменных. Однако был проведен факторный анализ, который позволяет выявить латентные признаки в модели. Было определено по Табл.7.1 два типа людей и присуще им причины: 1 тип -отмечал ответы «Совмещение с основной работой» и «Обход налогообложения», такое объединение можно интерпретировать, как осведомленность предпринимателя о работе в более крупном бизнесе и какое налогообложение за этим следует; 2 тип - остальные же выделяют причины: «Маленькие издержки» и «Простой поиск целевой аудитории», у данных людей вероятно нет особого понятия бизнеса и скорее всего нет работы, кроме микробизнеса в соцсетях.

Таблица 7. Факторный анализ

	Component
	1	2
20.1 low_costs	.243	.877
20.2 no_tax	.527	-.463
20.3 add_money	.718	.125
20.4 target_group	-.793	.74

Также в SPSS были проанализированы переменные с помощью команды crosstable, которая позволила выявить корреляции с зависимой переменной Y - количество заказов в месяц, что отразится на дальнейшем анализе. Такими оказались переменные, обозначающие: количество работников в компании; общее количество подписчиков; сумма издержек на рекламу; наличие информационного контента; методы продвижения, которые требуют вложений; частота выкладываемого контента; на сколько часто администратор отвечает своим подписчикам и удаляет ли предприниматель отрицательные отзывы.

2.3 Описание теоретических моделей

На данном этапе работы оценивались регрессионная модель для дальнейшего тестирования влияния различных факторов на успешное ведение бизнеса в соцсетях.

Таблица 8. Первоначальный регрессионный анализ

Как мы видим из первоначального регрессионого анализа, незначимыми на 5% уровне значимости переменными оказались: знание о своих конкурентах, инструменты соцсетей для улучшения качества общения с клиентами, как часто выкладывают контент, удаление отзывов, использование бесплатных методов продвижения, пол и возраст предпринимателя.

После преобразования и выкидывания незначимых переменных, конечная регрессия получилось такой:

Таблица 9. Регрессионный анализ

Оценим первичную модель: гипотеза о неадекватности всей регрессионной модели отвергается на любом адекватном уровне значимости (Prob > F = 0.0000). Объяснено 38% вариации эффективности ведения социальных сетей (кол-во покупок). Как можно увидеть мы не стали исключать переменную free_meth_ex, так как при ее выбрасывании модель значительно ухудшалась.

Для модели будет более адекватно использовать логарифмы денежных переменных (сумма затрат на рекламу) и количества подписчиков; также стоит оценивать переменную использование социальных сетей и разновидность контента не как одну переменную, а как четыре и две искусственных переменных соответственно.

Специфицированная форма до тестирования для модели:

(1)

Далее необходимо провести проверку регрессионной модели на соответствие основным предпосылкам теоремы Гаусса-Маркова и ряд дополнительных проверок.

Тестирование качества параметров модели.

Для начала стоит посмотреть корреляционную матрицу наших переменных в модели (значения не должны превышать 0.4):

Таблица 10. Корреляционная матрица

Затем стоит проверить на наличие мульколлениарности в модели. Для этого мы введем команду VIF в Stata.

Таблица 11. VIF-ы - проверка на мульколлениарность

Как мы видим из таблицы, VIF-ы не превышают значение 3 (от 1 до 3 значения - слабая мульколлениарность), кроме переменной social_net, суть которой заключается в агрегированной суммы используемых социальных сетей. Но мы можем перейти к старому виду этой переменной, который не отражает по отдельности 4 компоненты. Также скорее всего тест выявил не проблему мультиколлинеарности, а проблему не большой выборки по переменной, поэтому при более широкой выборке данной проблемы не будет. Мы опустим данную ситуацию, так как при выкидывании данного фактора из модели, качество конечной значимо ухудшится.

Воспользуемся тестами Уайта и Бройша-Пагана для проверки наличия гетеро- и гомоскедастичности.

Таблица 12. Результаты проверки на гетеро- и гомоскедастичности

Статистика Уайта	65,54
P-value (Уайт)	0,0625
Статистика Бройша-Пагана	0,15
P-value (Бройш-Паган)	0,0696

В обоих тестах значения p-value больше 5% уровня значимости, соответственно гипотеза о наличии гетеродастичности не отвергается, остатки модели гомоскедастичны. После проведения теста на спецификацию Прегибона, в STATA мы проводим данный тест с помощью команды «linktest». Тест выявил незначимость переменной «_hatsq», определяющая то, насколько квадратичная форма нормальна для модели, она незначима на 5% уровне значимости: модель правильно специфицирована.

Проведем тест Рамсея, который показывает правильно ли специфицирована модель и не упущены ли какие-то переменные:

Таблица 13. Результаты теста Рамсея

ovtest	тест Рамсея
F(2, 87) = 0.39	Ho: model has no omitted variables

Как мы видим p-value больше 5% уровня значимости, основная гипотеза о правильной спецификации исходной модели не отвергается, также мы можем сказать, что значимые переменные не упущены.

Наконец, мы переходим к проверке на нормальность распределения остатков в модели. Тест Шапиро-Вилка не отвергает нулевую гипотезу о нормальности распределения остатков, поскольку P-value больше 5% уровня значимости.

3. Анализ и интерпретация результатов регрессионного анализа факторов успешного продвижения микробизнеса

3.1 Анализ результатов регрессионных моделей

В прошлой главе уже была приведена итоговая спецификация модели (1) (с удалёнными незначимыми переменными) и оценки их параметров:

Проблема гомоскедастичности была решена введением команды «robust» в программе Stata.

Таблица 16. Итоговая оценка параметров для модели

Модель адекватна с эконометрической и экономической точки зрения, объяснено 56,34% вариации количество заказов в бизнес-профиле, все переменные значимы на 5% уровне значимости. Однако модель чувствительна к выбросам (поэтому выше мы проводили тест Рамсея), и она требует более расширенной выборки, чтобы устранить мультиколлинеарность по переменной social_net. Но мы можем говорить об адекватности модели, так как полученные оценки являются эффективными в классе линейных несмещённых оценок, так как соблюдены свойства данных по теореме Гаусса-Маркова: модель данных правильно специфицирована (тест Пригибона); отсутствует недоопределенность (тест Рамсея); модель данных адекватна устройству данных. Также распределение остатков нормально, соблюдается правильная спецификации модели, а также отсутствует мультиколлинеарностm, гетероскедастичность и присутствует высокая объясняющая переменных ( нормированный = 0.42, = 0.30) и их значимости (Prob > F = 0.0000 - гипотеза о незначимости переменных модели, таким образом, отвергается).

3.2 Интерпретация результатов

После проделанной работы мы можем сделать выводы по поводу наших выдвинутых гипотез:

1) Наша первая гипотеза об использовании инструментов не подтвердилась, неважно какое количество инструментов вы используете для ведения социальных сетей, намного важнее их вид (коэффициент перед переменной all_tools оказался незначимым). Однако, когда мы распределили инструменты на 2 группы, где первая отвечала за снижение трансакционных издержек (поиск - timesafe_tool) для клиентов, другая - за упрощенную и быструю связь с компанией (connect_tool). Мы получили значимую переменную timesafe_tool, которая положительно влияет на количество заказов, а не инструмент отвечающий за контакт с подписчиками. Вероятность увеличения продаж повышается на 22 п.п.

2) Возможность привлечь разные сегменты людей, отличающихся по интересам, сфере деятельности и т.д. благодаря ведению бизнеса не только в одной социальной сети звучит очень логично и правдоподобно, однако, как мы видим из значений коэффициентов перед переменными (social_net), что при использовании более двух социальных сетей это отрицательно сказывается на продажах. Что скорее всего обусловлено тем, что большинство опрошенных респондентов имеют штат максимум из 3 человек, поэтому при ведении микробизнеса «распыление» на ведение большого количества социальных сетей не эффективно. Поэтому наша гипотеза подтвердилась на половину. Ведение бизнеса сразу в двух социальных сетях повышает вероятность на 29 п.п., в одной на 18 п.п.

3) При продвижении бизнеса можно задействовать очень много разных приемом как платных, так бесплатных. При регрессионном анализе было выявлено, что при смешанном использовании методов, переменная оказалась незначимой в модели, именно поэтому мы сгруппировали их по признакам. С использованием таких способов рекламы как «селебрити-маркетинг» «проведение конкурсов» и покупка реклама как в интернете, так и в социальных сетях положительно влияет на количество заказов (переменная - pay_meth_ex) увеличивает вероятность покупки подписчика на 42 п.п. В то же время «прямая реклама», «косвенная реклама» «накрутка подписчиков» отрицательно сказывается на заказах, что скорее всего объясняется искусственным увеличением подписчиков и появлением излишнего спама, снижает вероятность покупки подписчика на 23 п.п.

4) Большинство опрошенных ведут бизнес по причине маленьких издержек. Однако не стоит игнорировать необходимые затраты на рекламу и расширение сегментации клиентов. При большей сумме расходов на продвижение вероятность получать больше заказов увеличивается на 14 п.п.

5) Количество работников в микробизнесе повышает вероятность увеличить продажи на 22 п.п., подтверждение гипотезы можно объяснить тем, что с увеличением заказов профили, у которых всего один руководитель без подчинённых, чисто физически не смогут справиться с большим потоком.

6) Гипотеза о влиянии общего количества подписчиков в профиле подтвердилась, аккаунт с большим количеством увеличивает вероятность заказа товара на 39 п.п. Здесь срабатывает простая психология у потенциального потребителя, он сравнивает профили с идентичными товарами и предпочтет более «топовый» рейтинговый, даже если «живых» подписчиков окажется не так много.

7) Моментальная реакция на сообщения подписчиков, на их лайки, репосты и комментарии повышает вероятность рост покупок на 45 п.п.

8) Вид контента влияет на восприятие потенциального покупателя, при использовании развлекательных и образовательных постов предприниматель уменьшает вероятность заказа на 21 п.п. и 33 п.п., такой вывод можно объяснить тем, что предназначение бизнес-профиля в агитации и стимулировании действия - покупки. Так как, когда смешиваются разные виды, «лента» профиля содержит в большей степени контент, не имеющий отношения к товару и увеличивает время на поиск информационных постов.

3.3 Рекомендации по повышению эффективности управленческих стратегий

микробизнес мпркетинговый потребитель

После интерпретации результатов регрессионного анализа, мы можем дать рекомендации по улучшению стратегии ведения бизнеса в социальных сетях.

Во-первых, хоть и создание непринужденной и легкой среды общения, располагает пользователей к бизнес-профилю, однако без использования инструментов, в первую очередь отвечающие за моментальный контакт с администратором аккаунта и за оформление заказа, не приведет к увеличению продаж. Дополнительно стоит отметить, что чем чаще и быстрее происходит коммуникация между клиентом и продавцом, тем больше вероятность увеличить заказы, так как рынок в интернете развивается очень динамично и альтернативу найти еще проще, чем в реальности.

Во-вторых, для разнообразия и привлечения подписчиков не стоит увлекаться излишним количеством фото, видео и статей, не содержащих информацию о продаваемом товаре. Так как не найдя сразу необходимый товар, подписчик перейдёт к другой компании, где может, пролистовывая ленту профиля, увидеть больший ассортимент без лишней информации.

В-третьих, стоит учитывать, что специфика микробизнеса в социальных сетях больше держится на перепродаже поддельного товара, поэтому только с помощью динамичного развития можно занять лидирующие и топовые позиции и увеличить продажи. Из этого следует, что стоит выделять некоторый бюджет на использование платных методов продвижения, так они более эффективно и быстрее дают отдачу в виде прироста подписчиков и соответственно увеличение продаж.

В-четвертых, несмотря на стимул вести собственный бизнес (скорее всего, как дополнительный заработок), по достижению определенного количества постоянных клиентов или стабильного прироста заказа необходимо привлекать и набирать людей к себе в штат, так как обработка спроса и поддерживание активного контакта с клиентами будут ухудшаться.

Заключение

На данный момент интернет еще не стал полноценным рекламным инструментом, в отличии от традиционных каналов продвижения (телевидение, журналы и т.д.). Однако он на пути становления систематизированного способа рекламы, тому пример социальные сети. Они разделены не только по определенным целям (блогинг, общение и т.д.), но и имеют различные возможности для пользователя, в том числе и для развития своего бизнеса (создание корпоративного профиля).

За счет гибкости (быстрое взаимодействие, предоставление информации в любом виде и пр.), вовлечения и охвата аудитории (размытие территориальных границ, моментальный контакт между компаниями и клиентами), разнообразия предоставляемых инструментов (закрепление графического контента, горячие кнопки и пр.) и самое главное, крайне незначительные издержки при ведении аккаунта (затраты непосредственно на коммерческие способы продвижения, а не создания профиля) в бизнес-план стратегии развития бизнеса входят социальные сети.

Исследования компании CMO Survey показали, что «от 10 до 12% бюджета крупных В2В-компаний идет на маркетинг, из них 8-10% - на работу с социальными сетями». Более того, «от 7,5 до 9% продаж приходят в В2В из интернета». Также «по данным исследовательской компании Eloqua, для 82% В2В-брендов работа в социальных сетях является главным способом повысить узнаваемость компании».

Кроме дополнительной рекламной кампании для крупных брендов, социальные сети предоставляют превлекательнкю площадку для продажи товаров и представления услуг именно микропредприятиям.

Сейчас происходит динамичная трансформация конкурентных преимуществ, основа которой становится использование инновационных способов продвижения - продвижение в социальных сетях, инструменты и способы которых еще не изучены достаточно глубоко и порой приводят к дискуссии о гаранте качества и безопасности сделок. Однако данные интернет-ресурсы позволяют открыть новые горизонты для развития микробизнеса, который в свою очередь выполняет немаловажную функцию в обществе - решение проблемы самозанятости населения.

Сформулированные в работе рекомендации, основанные на анализе проведенного опроса среди пользователей бизнес-профилей, помогут использовать эффективно сложивщиеся возможности в социальных сетях и реализовать полностью потенциал развития своего бизнеса.

Список литературы

1) Губанов Д.А., Новиков А.Г. Социальные сети: модели информационного влияния, управления и противоборства - С. 1-228.

2) Корень А.В., Корнева Е.В. Анализ подходов к оценке предпринимательской активности // Экономика и предпринимательство. - 2013. - № 12-2 (41-2). - С. 941-944.

3) Кошечкин С.А. Генерация трафика клиентов из социальных сетей "Маркетинговые коммуникации", #4, 2014 г. С.202-217.

4) Сотникова О.П. Компания в сетях "Маркетинговые коммуникации", #6, 2011 г. С. 340-346.

5) Шадрин А.Е. Информационные технологии: вклад в социальный капитал // Информационное общество. 2002. № 1. С. 8-12.

Размещено на Allbest.ru