Фреймирование выгод и потерь в рекламном сообщении и его влияние на решение пользователя о подписке на онлайн-видеосервис

Вероятным объяснением данной зависимости является тот факт, что при оформлении подписки пользователь не может ознакомиться со всей библиотекой контента, предлагаемой сервисом. Соответственно, данный фактор приобретает свою актуальность вместе с использованием видеостримингового сервиса. Позднее, при разработке эксперимента, отсутствие статистически значимых различий при оценке факторов позволяет не ограничивать выборку до тех, у кого еще нет подписки, а предлагать оценивать рекламное сообщение также и существующим пользователям.

По социально-демографическому профилю была выявлена связь между типом населенного пункта и наличием подписки (характерно для жителей Санкт-Петербурга и Москвы и менее хар-но для жителей малых городов, слабая сила эффекта), а также с уровнем образования (менее хар-но для людей с начальным и средним специальным образованием и более хар-но для студентов с незаконченным высшим, слабая сила эффекта).

Значимость Хи-квадрата, равная p = 0,000, получилась при тестировании связи наличия подписки и принадлежности респондента возрастной квоте.

Так, наименее характерно наличие подписки для группы 45-54 и наиболее хар-но для респондентов 25-34. Данная связь характеризуется слабой силой эффекта (0,228).

Таблица 1 -- Таблица сопряженности для переменной «Наличие подписки на онлайн-кинотеатр» и возрастными группами.

Пол. В отношении пола Хи-квадрат оказался статистически значимым при связи переменной с фактором качества изображения (важность данного фактора более актуальна для женщин и менее актуальна для мужчин, слабая сила эффекта), списка поддерживаемых устройств (менее актуален для мужчин, слабая сила эффекта), персонализации, офлайн-доступа, отсутствия рекламы и цены. Среди мужчин более популярным фактором стало наличие доступа к онлайн-трансляциям (спортивный сегмент, слабая сила эффекта). Возможно, женщины более категоричны в оценивании факторов, в то время как оценки мужчин приближены к середине шкалы.

Парные корреляции

При проверке данных на нормальность распределения результаты теста Колмогорова-Смирнова по каждой из зависимых переменных оказались статистически значимыми (и в случае расщепления файла на возрастные квоты). Это означает, что в данных присутствуют отклонения от нормальности, и впоследствии будут использоваться коэффициенты корреляции Кендалла и Спирмена. Таблица корреляций не будет представлена в Приложении в силу ее объемности (729 ячеек), ниже будут приведены результаты статистически значимых корреляций с указанием коэффициента корреляции в скобках (0 - 0,3 - слабая сила связи, 0,3 - 0,7 - умеренная, 0,7 - 1 - сильная).

Контрольные переменные. Частота использования интернета. Данная переменная оказалась положительно связана с частотой покупок услуг в интернете (0,11 - слабая сила связи), просмотра фильмов и сериалов (0,22), вероятностью оформления подписки (0,17), факторами отсутствия рекламы (0,1), негативно связана с факторами вариативности ценовых пакетов подписки (-0,1), возможности просмотра живых трансляций (-0,17), уровнем образования (-0,34 - умеренная сила связи) и возрастными квотами (-0,46 - умеренная сила связи). Частота совершения покупок услуг в интернете. Положительная статистическая связь была выявлена с переменными: частота использования интернета (0,11), совершения онлайн-покупок (0,27), негативная: с факторами наличия офлайн-доступа к контенту (-0,12), и промо-предложений (-0,11). Частота совершения покупок товаров в интернете. Соответственно, была обнаружена положительная связь с предыдущей переменной, а также уровнем образования респондента (0,1), а негативная, что интересно - с фактором защиты персональных данных (-0,1). Частота просмотра фильмов и сериалов. Положительная связь с переменными: частота использования интернета (0,22), факторами качества изображения (0,14), отрицательная - с уровнем образования (-0,15), уровнем дохода (-0,11) и возрастом респондента (-0,21). Вероятность оформления подписки в ближайшем будущем. Данная переменная показала положительную связь с частотой использования интернета (0,17), а негативную - с уровнем образования (-0,15) и возрастом (-0,28). Удовлетворенность качеством услуг в рамках подписки показала сильную положительную связь с намерением продлить подписку (0,48), а вероятность ее продления - с факторами списка поддерживаемых устройств (0,18), отсутствия рекламы (0,23), альтернативных издержек в виде экономии времени на поиск фильма или сериала (0,19) и уровнем дохода (0,26).

Корреляция факторов, влияющих на желание пользователя оформить или продлить подписку на онлайн-кинотеатр. Все выделенные факторы показали положительную связь между друг другом, однако сила связи не превышала порог в 0,9 (иначе предположение об отсутствии мультиколлинеарности факторов было бы нарушено) и была различна для каждого фактора. Ниже будут приведены результаты с умеренной силой связи. Впоследствии, на основе данных корреляций, будет проведен факторный анализ, позволивший объединить наиболее коррелирующие между собой факторы в смысловые группы.

Фактор качества изображения наиболее выраженно коррелирует с частотой просмотра фильмов и сериалов (0,14) и факторами UX-дизайна (0,35), списка поддерживаемых устройств (0,4), отсутствия рекламы (0,39), цены (0,4), защиты персональных данных (0,33), UI-дизайна (0,4), альтернативных издержках экономии времени (0,32), широты выбора контента (0,32). Фактор UX-дизайна - с факторами качества изображения (0,35), списка поддерживаемых устройств (0,43), персонализации контента (0,4), отсутствия рекламы (0,46), цены (0,37), защиты персональных данных (0,46), UI-дизайна (0,37), экономии времени (0,32), широты выбора контента (0,37). Фактор списка поддерживаемых устройств - с вероятностью продления подписки (0,18), факторами качества изображения (0,4), UX-дизайна (0,43), персонализации контента (0,36), офлайн-доступа (0,33), отсутствия рекламы (0,4), цены (0,44), защиты персональных данных (0,41), UI-дизайна (0,32), альтернативных издержек похода в кинотеатр (0,31), экономии времени (0,38), широты выбора контента (0,41). Фактор персонализации - с UX-дизайном (0,4), списком поддерживаемых устройств (0,36), отсутствием рекламы (0,36), ценой (0,38), пакетами подписки (0,31), защитой персональных данных (0,35), UI-дизайном (0,37), экономией времени (0,32), широтой выбора контента (0,39). Фактор офлайн-доступа связан со списком поддерживаемых устройств (0,33), промо-предложениями (0,36) и негативно связан с частотой совершения покупок услуг (-0,12). Фактор отсутствия рекламы положительно коррелирует с временем использования интернета (0,1), вероятностью продления подписки (0,23), факторами качества изображения (0,39), UX-дизайна (0,46), списка поддерживаемых устройств (0,4), персонализации (0,36), цены (0,44), защиты персональных данных (0,45), UI-дизайна (0,41), экономии времени (0,4), широты выбора контента (0,41). Фактор цены показывает положительную связь с факторами качества изображения (0,4), UX-дизайна (0,37), списка поддерживаемых устройств (0,44), персонализации (0,38), отсутствия рекламы (0,44), защиты персональных данных (0,48), UI-дизайна (0,34), экономии времени (0,39), широты выбора контента (0,36). Фактор вариативности пакетов подписки - персонализацией (0,32), промо-предложениями (0,32), влиянием социального круга (0,31), негативно связан с частотой использования интернета (-0,1). Фактор промо-предложений от партнеров коррелирует с офлайн-доступом (0,36), вариативностью пакетов подписки (0,32), альтернативных издержках похода в кино (0,35), противоположной направленности связь была выявлена при взаимодействии с частотой совершения покупок услуг (-0,11) и типом населенного пункта (-0,11). Фактор защиты персональных данных положительно связан с качеством изображения (0,33), UX-дизайном (0,46), списком поддерживаемых устройств (0,41), персонализацией (0,35), отсутствием рекламы (0,45), ценой (0,48), UI-дизайном (0,4), экономии времени (0,4), широты выбора контента (0,34) негативно коррелирует с частотой совершения покупок в интернете (-0,1). Фактор UI-дизайна - с качеством изображения (0,4), UX-дизайном (0,37), списком поддерживаемых устройств (0,31), персонализацией (0,37), отсутствием рекламы (0,41), ценой (0,34), защитой персональных данных (0,4), экономией времени (0,48), широтой выбора контента (0,37). Фактор влияния социального круга показывает положительную связь с вариативностью пакетов подписки (0,31), поддержкой авторского права (0,3). Фактор альтернативных издержек похода в кинотеатр - со списком поддерживаемых устройств (0,31), промо-предложений (0,35), поддержкой авторского права (0,33), широтой выбора контента (0,32), онлайн-трансляциями (0,33) и негативно связан с уровнем дохода (-0,1). Экономия времени связана с вероятностью продления подписки (0,2), качеством изображения (0,32), UX-дизайном (0,32), списком поддерживаемых устройств (0,38), персонализацией (0,32), отсутствием рекламы (0,4), ценой (0,39), защитой персональных данных (0,4), UI-дизайном (0,48), широтой выбора контента (0,33) и возрастом (0,09). Фактор авторского права коррелирует с вероятностью оформления подписки (0,11), влиянием социального круга (0,3), альтернативных издержек похода в кинотеатр (0,33) и негативно связан с уровнем образования (-0,13) и возрастом (-0,1). Фактор широты выбора контента положительно связан с частотой просмотра фильмов и сериалов (0,09), качеством изображения (0,32), UX-дизайном (0,37), списком поддерживаемых устройств (0,41), персонализацией (0,39), отсутствием рекламы (0,41), ценой (0,36), защитой персональных данных (0,34), UI-дизайном (0,38), альтернативными издержками похода в кинотеатр (0,32), экономией времени (0,33) и негативно коррелирует с уровнем образования (-0,08) и возрастом (-0,14). Фактор онлайн-трансляций - с альтернативными издержками похода в кинотеатр (0,33) уровнем образования (0,12), дохода (0,1) и возрастом (0,2), а также негативно связан с частотой использования интернета (-0,17).

Социально-демографические переменные. Размер населенного пункта положительно связан с частотой совершения покупок в интернете (0,08), вероятностью оформления (0,1) и продления (0,14) подписки, уровнем образования (0,22), негативно коррелирует с факторами UX-дизайна (-0,1), персонализации (-0,1), промо-предложений (-0,1). Уровень образования - с частотой совершения покупок в сети (0,1), размером населенного пункта (0,12) и возрастом (0,65), негативно связан с частотой пользования интернетом (-0,34), частотой просмотра фильмов и сериалов (-0,15), вероятностью оформления подписки (-0,15), фактора поддержки авторского права (-0,13). Уровень дохода связан с вероятностью продления подписки (0,26), уровнем образования (0,12) и возрастом (0,12), обратно связан с частотой пользования интернетом (-0,09), вероятностью оформления подписки (-0,11), UX-дизайном (-0,1), персонализацией (-0,08), альтернативных издержках похода в кинотеатр (-0,11). Возрастные квоты положительно коррелируют с фактором онлайн-трансляций (0,2), уровнем образования (0,65) и уровнем дохода (0,12), негативно - с частотой пользования интернетом (-0,46), частотой просмотра фильмов и сериалов (-0,21), вероятностью оформления подписки (-0,28), факторами качества изображения (-0,1), отсутствия рекламы (-0,1), поддержкой авторского права (-0,1), широты выбора контента (-0,14).

Частные корреляции

При сопоставлении большого количества переменных между собой существует вероятность, что полученная статистически значимая корреляция является ложной, т.е. может быть обусловлена влиянием третьей переменной. Мы предполагаем, что большое влияние на показатели связи имеет влияние возраста респондента, которое, в свою очередь, объясняет частоту использования интернета, совершения онлайн-покупок, просмотра фильмов и сериалов.

Контроль возраста. Фиксируя значение возраста, мы получили отсутствие ранее полученной корреляции между частотой использования интернета и покупок услуг в интернете, что, вероятно, объясняется возрастом респондента. Единственная значимая корреляция частоты использования интернета присутствует с частотой просмотра фильмов и сериалов (0,13). Опыт совершения покупок товаров в интернете связан с наличием подписки (0,24), с типом населенного пункта (0,1) и уровнем образования (0,18). Опыт совершения покупок услуг - негативно с факторами качества изображения (-0,11), списка поддерживаемых устройств (-0,1), персонализации (-0,1), офлайн-доступа (-0,12), промо-предложений (-0,11). Частота просмотра фильмов и сериалов - с наличием подписки (0,16), а наличие подписки (1 - да, 2 - нет) - с UI-дизайном (-0,1), широтой выбора контента (-0,13), типом населенного пункта (-0,14) и уровнем образования (-0,15). Вероятность оформления - с влиянием соц. круга (0,13), поддержкой авторского права (0,16), продления - с отсутствием рекламы (0,29) и уровнем дохода (0,28).

Факторы, влияющие на желание оформить или продлить подписку, по-прежнему коррелируют между собой, однако сила связи изменилась. Так, для фактора качества изображения наиболее коррелируемыми оказались факторы отсутствия рекламы (0,54), защиты персональных данных (0,52), UI-дизайна (0,51) и цены (0,5). Для UX-дизайна: отсутствие рекламы (0,57) и защита персональных данных (0,58), списка поддерживаемых устройств: отсутствие рекламы (0,53) и защита персональных данных (0,58) и пол респондента (0,16), персонализации: с качеством изображения (0,46), ценой (0,45) и полом (0,16), офлайн-доступа: с наличием подписки (0,1), списком поддерживаемых устройств (0,36) и полом (0,2), отсутствие рекламы - с вероятностью продления (0,28), UX-дизайном (0,57), качеством изображения (0,54), ценой (0,57), защитой персональных данных (0,63), цена - с отсутствием рекламы (0,57), защитой персональных данных (0,61), полом (0,15). Фактор вариативности пакетов подписки коррелирует с ценой (0,35) и промо-предложениями (0,32), полом (0,19), уровнем образования (-0,14), промо-предложения - с опытом совершения покупок услуг (-0,12), альтернативными издержками похода в кинотеатр (0,35), офлайн-доступом (0,34), полом (0,11), типом населенного пункта (-0,11), защита персональных данных - с UX-дизайном (0,58), отсутствием рекламы (0,63), ценой (0,6), полом (0,14), UI-дизайн - с защитой персональных данных (0,57), отсутствием рекламы (0,55), влияние социального круга - вероятностью оформления подписки (0,13), пакетами (0,33), поддержкой авторского права (0,34), экономия времени - с UI-дизайном (0,54), защитой персональных данных (0,53), полом (0,11), поддержка авторского права - с вероятностью оформления (0,16), влиянием социального круга (0,35), широта выбора контента - с наличием подписки (-0,13), UX-дизайном (0,5), UI-дизайном (0,5), отсутствием рекламы (0,5), онлайн-трансляции - с издержками похода в кинотеатр (0,36), списком поддерживаемых устройств (0,3) и полом (-0,13).

Эксплораторный факторный анализ

После проведенного корреляционного анализа можно попробовать объединить факторы, наиболее сильно коррелирующие между собой в более объемные смысловые группы. Перед выполнением факторного анализа данные прошли проверку по критерию сферичности Бартлетта (p < 0,05 - данные сферичны) и мере Кайзера-Мейера-Олкина (= 0,93 - размер выборки соответствует необходимым критериям). Все факторы обладают коэффициентом корреляции в промежутке 0,3 - 0,6, а коэффициент детерминации превышает значение в 0.00001 - значит, ни один из них не будет исключен из анализа на предварительном этапе. Был выбран косоугольный метод вращения (Облимин), так как факторы не являются независимыми (респондент принимает решение о подписке на основе нескольких факторов). Для нашего объема выборки (411 респондентов) пороговая величина факторной нагрузки равна 0,298 Field A. P. Discovering statistics with SPSS (2nd ed.). London: Sage, 2005. С. 644..

Процент объясненной дисперсии первоначальной модели составил 53,88%. Все факторы характеризуются значением общностей, превосходящим пороговую величину. Тем не менее, для повышения объяснительной силы модели было принято решение исключить наименее важные факторы - офлайн-доступ к контенту и вариативность пакетов подписки. После исключения данных факторов объяснительная сила модели увеличилась до 57,1% (критерий сферичности и мера Кайзера остаются значимыми, факторы коррелируют в заданном интервале, коэффициент детерминации = 0,003).

Таблица 2 -- Таблица общностей для факторов.

Таблица 3 -- Полная объясненная дисперсия для модели с включением всех факторов.

С помощью матрицы факторных нагрузок и графика нормализованного простого стресса (см. Рисунок 6) выбранные факторы были объединены в 3 группы. Первая группа включает в себя факторы защиты персональных данных, отсутствия рекламы, цены, UI и UX-дизайна, качества изображения, экономии времени, списка поддерживаемых устройств, широты выбора контента и его персонализации. Интерпретируя, переменные можно объединить с точки зрения их технической направленности, оценке непосредственной функциональности видеостримингового сервиса. Вторая группа состоит из факторов промо-предложений от партнеров, доступа к онлайн-трансляциям и альтернативных издержек похода в кинотеатр и составляет дополнительные преимущества для пользователя при приобретении подписки, а третья - поддержка авторского права и влияние социального круга - отражает личностные особенности потребителя.

Рисунок 6 -- График нормализованного простого стресса для факторного анализа

Таблица 4 -- Матрица факторного отображения после вращения.

Корреляционная матрица компонент говорит о зависимости первой и второй и первой и третьей группы факторов, что обусловливает выбор метода вращения Облимин. Проверка валидности результатов также осуществлялась через анализ пригодности. При проверке первой компоненты с помощью межпунктовой корреляционной матрицы (корреляции выше 0,3), общий Альфа Кронбаха (выше 0,7) и при удалении пунктов ни один из факторов не превысил суммарный показатель. При проверке второй компоненты фактор онлайн-трансляций показал значение в 0,289 (что не является сильным отклонением), однако общий Альфа Кронбаха составил 0,595 (ни один из внутренних факторов не превышает суммарный показатель), что свидетельствует о риске ненадежности сформированного фактора. Третья компонента состоит из двух факторов, коррелирующих между собой на уровне 0,336. В данном случае Альфа Кронбаха также ниже нормы (0,503). На наш взгляд, это связано с малым количеством факторов, которые не отражают всей наполненности компонент. Дальнейшее изучение потребительских мотив, а также расширение предоставляемых выгод онлайн-кинотеатрами способно дополнить список факторов для включения во вторую и третью компоненты.

Таблица 5 -- Корреляционная матрица компонент.

Факторные нагрузки (3 компоненты) итоговой факторной модели были проверены на внешнюю валидность через корреляционную связь с возрастом и t-критерием для парных выборок с полом. Линейная связь была выявлена между второй и третьей компонентами и возрастом, t-критерий оказался значим для всех факторов.

Таблица 6 -- Корреляция факторных нагрузок с переменной “Возраст”.

Таблица 7 -- Критерий парных выборок для факторных нагрузок и переменной “Пол”.

Сравнение средних

Как было упомянуто ранее, данные опроса (как общие результаты, так и при делении на возрастные/половые группы) не подчиняются законам нормального распределения, поэтому проведение t-тестов и дисперсионного анализа невозможно. Взамен, будут использоваться непараметрические тесты.

U-тест Манна и Уитни (t-критерий для независимых выборок)

В качестве независимых групп данных имеются: половые группы, возрастные квоты и переменная наличия подписки. Первая и последняя подразумевают две группы независимых данных - для них будет использоваться данный тест, переменная возраста содержит 4 квоты, поэтому будет анализироваться посредством Н-теста по методу Крускала и Уоллиса.

Половые различия. 10 факторов оказались значимыми на уровне половых различий респондентов. Наибольшие различия заметны в факторах важности качества изображения (0,17 - слабая сила связи), офлайн-доступа (0,19), пакетов подписки (0,17) - данные факторы актуальны для женщин, живых трансляций (0,16) - для мужчин.

Таблица 8 -- Статистики критерия Манна-Уитни по переменной “Пол”.

Различия по наличии подписки. Между пользователями, имеющими и не имеющими подписку на онлайн-кинотеатр значимые различия наблюдаются в частоте совершения покупок в интернете (-0,22) и просмотра фильмов и сериалов (-0,17) - актуальны для тех, кто пользуется подпиской, офлайн доступ - для тех, у кого ее нет (0,11).

Таблица 9 -- Статистики критерия Манна-Уитни по переменной “Наличие подписки”.

Н-тест по методу Крускала и Уоллиса (Одномерный межгрупповой дисперсионный анализ)

Возрастные различия. Данный тест показал значимые различия между возрастными квотами по 7 переменным, однако в рамках теста нельзя предположить, в каких квотах наблюдаются различия. С этой целью необходимо протестировать каждую пару через критерий Манна-Уитни.

Наблюдается постепенное падение времени пользования интернетом с увеличением возраста респондента, наиболее частыми покупателями товаров в интернете являются люди возрастных групп 25-34 и 35-44, частота просмотра фильмов и сериалов наиболее высока среди молодых людей (18-24, 25-34) и снижается в последующих группах. Распределение подписчиков примерно одинаково среди респондентов 18-44 лет, в то время как более взрослые люди имеют ее за редким случаем. Вероятность оформления подписки также снижается с возрастом - наиболее склонны к ее оформлению респонденты 18-34 лет. Наоборот, значимость фактора различных по наполнению пакетов подписки высока среди представителей 45-54 группы. Актуальность предложения онлайн-трансляций кинотеатрами будет более важна для 34-54-летних.

Таблица 10 -- Статистика критерия H-теста для переменной “Возраст”.

Критерий Фридмана (Однофакторный дисперсионный анализ для связанных выборок)

Для того, чтобы проверить, значима ли разница в средних между оцениваемыми факторами, необходимо использовать критерий Фридмана, позволяющий проанализировать несколько зависимых выборок (факторы оценивались одними и теми же людьми).

Статистика критерия говорит о его значимости, но не уточняет между какими именно факторами средние различаются значительно. Так как попарное сравнение 17 факторов с помощью критерия Уилкоксона не представляется возможным в силу большого количества наблюдений, обратимся к таблице рангов. На таблице видно, что значение среднего падает значительно после фактора персонализации. Действительно, сравнивая средние факторов персонализации и офлайн-доступа (идущий за ним фактор) - мы обнаруживаем значимый критерий Фридмана. Если же сравнить средние экономии времени (предшествующий фактор) и персонализации, то критерий не значим, что оправдывает отбор 10 факторов, которые были оценены по шкале важности для респондентов выше других.

Таблица 11 -- Статистики критерия Фридмана для факторов, влияющих на желание пользователя оформить/продлить подписку на онлайн-кинотеатр.

Таблица 12 -- Средние ранги факторов.

Регрессионный анализ

Регрессионная модель предполагает, что зависимые и независимые переменные измерены по интервальной или бинарной шкалам. Так как большинство переменных представляют измерены в порядковой шкале, они представляют собой псевдоинтервальную шкалу. Для точности измерений множественная регрессия была подкреплена бинарной логистической регрессией, где порядковые переменные были перекодированы в фиктивные. Результаты бинарной логистической регрессии доступны в Приложении 5.

Множественная регрессия

Факторы и зависимые переменные представляют собой порядковые шкалы, которые могут быть рассмотрены в качестве псевдоинтервальных, делая возможным проведение множественной регрессии. Сначала в модель были введены социально-демографические переменные, вторым блоком добавлены непосредственно факторы.

Вероятность оформления подписки. Корреляции между параметрами не превышают 0,9 и значения VIF не превышают 10, что говорит об отсутствии мультиколлинеарности между предикторами. Индекс Дурбина-Уотсона равен 2,03 (норма: от 1 до 3) - делаем вывод о независимости ошибок. Первая модель предсказывает 8,9% дисперсии, с добавлением факторов процент увеличивается до 14,6%. Однако, если первая модель объясняет разбросы в данных на статистически значимом уровне, то добавление факторов не является существенно значимым для объяснения распределения результатов.

Таблица 13 -- Сводка для модели, предсказывающей вероятность оформления подписки.

Тем не менее, вторая модель имеет право на существование, так как основана на базисе первой и в целом также является статистически значимой.

Таблица 14 -- Дисперсионный анализ моделей.

Ниже представлены результаты по тем коэффициентам, которые оказались значимы в отношении предсказания зависимой переменной. Так, множественная регрессия подтвердила результаты бинарной логистической регрессии и выявила значимость переменных возраста и поддержки авторского права. С увеличением года возраста респондента (тенденция сохраняется до 44 лет) вероятность оформления подписки растет в 0,046 раза (+4,6%), а с повышением балла важности поддержки авторского права на 11,2% повышается склонность к оформлению подписки.

Таблица 15 -- Статистически значимые коэффициенты модели, предсказывающей вероятность оформления подписки.

При проверке стандартизированных остатков полученные результаты удовлетворяют условию о том, что не более 5% значений превышают значение 2, и ни одно из значений не превышает 3. Графики частной регрессии рассеяны равномерно и случайно по телу графика, подтверждая предположения линейной регрессии о линейном соотношении независимых и зависимой переменных и нормальности дисперсии. Гистограмма стандартизированного остатка представляет форму колоколообразной кривой, а вероятностный график сосредоточен вокруг нормальной прямой.

Удовлетворенность сервисом подписки. В отношении удовлетворенности пользования сервисом множественная регрессия, как и логистическая, показывает отсутствие значимости F-критерия, что не позволяет рассматривать предсказательную силу факторов на зависимые переменные.

Вероятность продления подписки. Предикторы проверены на отсутствие мультиколлинеарности (индекс корреляций не превышает 0,9 и значения VIF не превышают 10) и предположения о независимости ошибок (индекс Дурбина-Уотсона равен 2,23). Первая модель (социально-демографические показатели и контрольные переменные) предсказывает 14,5% дисперсии, вторая модель - 35,5%. Обе модели статистически значимы.

Таблица 16 -- Сводка для модели, предсказывающей вероятность продления подписки.

Таблица 17 -- Статистически значимые коэффициенты модели, предсказывающей вероятность продления подписки.

В отношении предсказания зависимой переменной значимыми оказались критерии уровня дохода (с изменением группы, в которую попадает респондент, вероятность продления подписки растет на 56,4%), времени использования интернета (продвинутые интернет-пользователи на 24,8% менее вероятны к оформлению подписки), частоты просмотра фильмов и сериалов (“опытные киноманы” на 23,4% более склонны продлить подписку) и увеличение значения, присваиваемого важности отсутствия рекламы, на 63,3% повышает вероятность продления подписки. Проверка остатков соответствует критериям нормы, указанным в модели выше.

Первый блок опроса снимал характерное для респондентов поведение в сети. Закономерно, с повышением возраста снижалось время, проводимое в интернете, интенсивность шопинга и сужался круг деятельности, проводимой в нем. Менее активные интернет-пользователи получают доступ к кино посредством торрент-трекеров и телевидения, в то время как продвинутые пользуются онлайн-ресурсами, социальными сетями и видеостриминговыми сервисами. Среди основных причин отсутствия подписки взрослые люди выделяют отсутствие потребности в кино как таковой и предпочтение телевидения, а более молодые - наличие бесплатных фильмов и сериалов в интернете и высокую цену подписки. Самыми популярными легальными площадками стали Netflix (популярен среди женщин) и Кинопоиск HD (популярен у мужчин), у взрослых - Ivi и Okko. Среднее количество подписок на онлайн-кинотеатры среди пользователей, имеющих подписку, оказалось равно 2,54 по выборке, что удивительно, так как в обзоре литературы было выявлено, что российский пользователь не готов оформлять более 1 подписки.

Типичными потребителями услуг онлайн-кинотеатров являются киноманы 25-34 лет с высшим образованием, большим опытом использования интернета и совершения покупок товаров и услуг, живущие в больших городах и мегаполисах. На основе полученных результатов не было выявлено зависимости от пола респондента. Однако, мужчины отмечали значительно большую важность фактора доступа к онлайн-трансляциям, в то время как женщины были более склонны выделять фактор качества изображения.

Пользователям без подписки важно смотреть сериалы без доступа к интернету, а пользователям с ее наличием важнее иметь доступ к фильмам и сериалам с различных устройств, не прерываться на рекламу и экономить время и усилия на поиск нужного фильма в интернете. Однако, на уровне статистического предположения (p<0,05) различие было подкреплено только в отношении широты выбора контента, что вероятнее всего связано с тем, что только подписчики кинотеатров могут ознакомиться со всем перечнем доступного контента на платформе.

Теоретическую рамку оценивания факторов, влияющих на принятие решения пользователями при оформлении подписки на онлайн-видеосервисы, задавала модель П. Джулури, категоризирующая факторы на 4 уровня - системный, контекстуальный, пользовательский и контентный. После проведения факторного анализа было выявлено, что респондент воспринимает данные факторы в другом ракурсе. Так, факторы были объединены в 3 группы - технические, дополнительные преимущества и выражение социальной идентичности зрителя. Как было описано ранее, в первую компоненту попали факторы защиты персональных данных, отсутствия рекламы, цены, UI и UX-дизайна, качества изображения, экономии времени, списка поддерживаемых устройств, широты выбора контента и его персонализации. Интерпретируя, переменные можно объединить с точки зрения их технической направленности, оценки непосредственной функциональности видеостримингового сервиса. Вторая группа состоит из факторов промо-предложений от партнеров, доступа к онлайн-трансляциям и альтернативных издержек похода в кинотеатр и составляет дополнительные преимущества для пользователя при приобретении подписки, а третья - поддержка авторского права и влияние социального круга - отражает личностные особенности потребителя. Факторы офлайн-доступа и пакетов подписки были исключены из анализа из-за недостаточности силы эффекта. Кажется, что данные группы формируют иерархическую пирамиду характеристик онлайн-кинотеатров - обязательное удовлетворение первого уровня обеспечивает конкурентоспособность и привлекательность платформы для аудитории, второй позволяет дифференцироваться от конкурентов и предложить уникальное торговое преимущество, третий уровень предполагает выражение идентичности потребителя через использование сервиса. Однако, данные факторы объясняют 57% дисперсии модели, что говорит о том, что существуют еще другие факторы, влияющие на желание пользователя оформить подписку.

После сравнения средних были отобраны 10 факторов, которые выделяют респонденты значительно чаще других. Среди них: факторы отсутствия рекламы, защиты персональных данных, ценовой фактор, UX и UI дизайна, качества изображения, списка поддерживаемых устройств, широты выбора контента, экономии времени и персонализации контента. Таким образом, гипотеза H2: “Факторы контентного уровня, влияющие на принятие решения пользователями, характеризуются наиболее высоким показателем взаимосвязи с намерением потребителя к оформлению подписки” отвергнута. Данные факторы будут положены в основу экспериментального воздействия.

С точки зрения регрессионного анализа подавляющее предсказывающее воздействие в отношении пользователей, не имеющих подписку, оказывают социально-демографические факторы и контрольные переменные, в то время как факторы оценки онлайн-кинотеатра отходят на второй план. Итоговая модель предсказывает 14,6% дисперсии результатов. Так, молодые пользователи (в особенности группа 25-34) наиболее вероятны к оформлению подписки. Что интересно, единственным из факторов, предсказывающих высокую вероятность оформления подписки, является фактор поддержки авторского права и распространения лицензионного контента в сети. В отношении пользователей, уже имеющих подписку на онлайн-видеокинотеатр, вероятность ее продления обуславливается уровнем дохода респондентов, временем использования интернета, частотой просмотра фильмов и сериалов и существенно снижается при предпочтении походов в офлайн-кинотеатры. Данная модель объясняет 35,5% дисперсии результатов. Здесь, наиболее склонная группа к продлению подписки представлена 35-44-летними респондентами. Также, весомую предсказательную силу имеет отсутствие рекламы на платформе.

4.4 Разработка эксперимента

Преимущества и ограничения метода

Метод межсубъектного двухфакторного онлайн-эксперимента был выбран для проверки наличия причинно-следственной связи между эффектом фреймирования выгод и потерь и направленности результата и намерением пользователя к оформлению подписки на онлайн-кинотеатр. В данном исследовании не ставится вопрос о присутствии каузальной связи в генеральной совокупности и внешней валидности исследования - рандомизация условий и внутренняя валидность являются более существенными критериями для проведения эксперимента Онлайн-исследования в России: тенденции и перспективы / под ред. Шашкина А.В., Девятко И.Ф., Давыдова С.Г. - М.: Издательство МИК, 2016. - 555 с.. К угрозам внутренней валидности эмпирического исследования можно отнести тот факт, что эксперимент проводился на фоне изменений на рынке онлайн-кинотеатров в период коронавирусной инфекции. Большинство онлайн-кинотеатров предлагало промокоды на бесплатное месячное использование сервиса, что в целом могло снизить намерение пользователя к оформлению подписки. Угрозой конструктной валидности эксперимента часто является риск некорректного определения зависимой и независимой переменных и влияние вмешивающихся переменных Гудвин Дж. Исследование в психологии: методы и планирование. -- 3-е изд. -- СПб.: Питер, 2004. -- С. 183.. Несмотря на то, что данное исследование стремилось проконтролировать роль вмешивающихся переменных установочными вопросами существует вероятность, что изменение показателя намерения к оформлению подписки может быть связано не только с эффектом фреймирования. Межсубъектный план был выбран с целью избежания риска разгадывания гипотезы респондентами, так как экспериментальные воздействия разделялись между собой только формулировками сообщений, что легко считывалось в случае последовательного представления респондентам обоих стимулов.

Построение выборки

В отличие от опроса набор респондентов для эксперимента происходил методом снежного кома и не предполагал репрезентативности и заполнения установленных квот. Однако, по результатам опроса было выявлено, что возрастная квота 45-54 лет наименее вовлечена в пользование услугами онлайн-кинотеатров, поэтому предложение заполнить анкету не распространялось на данную квоту. Большинство контрольных переменных будут сняты непосредственно во время эксперимента, что позволит проследить связь между представителями различных групп, находящихся в фокусе интереса исследования. Непосредственно перед самим экспериментальным воздействием респонденты случайным образом (рандомизатор на платформе Enjoy Survey) попадали в одну из групп, минимизируя угрозу внутренней валидности эксперимента по нарушении эквивалентности членов четырех групп. Принятым минимумом количества наблюдений в каждой группе для корректного статистического анализа считается отметка в 30 респондентов для каждой группы Bonett D. G. Sample Size Planning for Behavioral Science Research // Center for Statistical Analysis in the Social Sciences: сайт. 2014. URL: https://people.ucsc.edu/~dgbonett/docs/wrkshp/LectureSlides.pdf (дата обращения: 22.04.2020)..

Инструментарий эксперимента

Экспериментальное воздействие представлено сообщениями рекламного характера об услугах видеостриминговых сервисов, сформулированных в контексте выгод или потерь и направленности результата (план 2x2). Факторы, положенные в основу формулирования сообщения взяты из проведенного опроса и выделенных статистически значимых факторов. Во фреймировании выгод при совершении действия респонденты получали сообщение, подчеркивающее выгоды от оформления подписки на видеосервис, фреймирование выгод при отказе выполнить действия подчеркивало неполучение данных выгод. Во фреймировании потерь при невыполнении действия смысловой акцент в сообщении менялся на потери, связанные с просмотром фильмов и сериалов, которые несет пользователь без подписки на онлайн-кинотеатр. Соответственно, при принятии положительного решения сообщение описывало, как пользователь избегает потери. В роли зависимых переменных выступают: субъективная оценка сообщения респондентом, намерение к оформлению подписки и получению дополнительной информации о ней. Респонденты в рандомизированном порядке были подвержены одному из экспериментальных условий.

Таблица 18 -- Схема факторного эксперимента “2x2”.

Беря во внимание рассмотренное выше ограничение метода фреймирования, наряду с описанием услуги подписки каждому респонденту была предложена дополнительная информация об условиях ее оформлении. Для того, чтобы данная информация позволила приблизить ситуацию к реальной, Ст. Дэй рекомендует наряду с описанием преимуществ сервиса по подписке включать обязательства, которые берет на себя пользователь при оформлении подписки и последствия их несоблюдения (стоимость подписки, информирование об услуге автоматического продления) Masi D. Predicting consumer adoption... С. 1318.. Формулировки самих сообщений были разработаны по аналогии со статьями, изучающими влияние фреймирования рекламного сообщения на намерение к покупке в смежных областях Hallahan K. Content class as a contextual cue in the cognitive processing of publicity versus advertising // Journal of Public Relations Research. - 1999. - Т. 11. - №. 4. - С. 293-320., а также частично взяты из позиционирования российских онлайн-кинотеатров Lee H. C., Liu S. F., Cheng Y. C. Positive or negative? The influence of message framing, regulatory focus, and product type // International Journal of Communication. - 2018. - Т. 12. - С. 788-805.. Упоминание конкретного бренда онлайн-кинотеатра хотя и могло приблизить условия эксперимента к реальным, но вместе с тем нарушило бы внутреннюю валидность исследования, обусловив появление репутации бренда как вмешивающейся переменной Druckman J. N. Using credible advice to overcome framing effects. С. 62-82.. Анкета эксперимента представлена в Приложении 2.

Первый блок анкеты включал оценку контрольных переменных среди респондентов и частично дублировал вопросы онлайн-опроса. Так, измерялась частота совершения покупок товаров и услуг, просмотра фильмов и сериалов, наличие подписки на онлайн-кинотеатр. Формулировки вопросов были сохранены из анкеты опроса. В качестве претеста снимались вероятности оформления или продления подписки в ближайшем будущем (“Насколько вероятно, что Вы оформите подписку на онлайн-кинотеатр в ближайшем будущем?”, “Насколько вероятно, что Вы продлите подписку на следующий месяц?”) Yeo V. C. S., Goh S. K., Rezaei S. Consumer experiences, attitude ... С. 150-162. Grau S. L., Folse J. A. G. Cause-related marketing (CRM)... С. 19-33.. По опыту проведения онлайн-опроса характер опыта использования подписки (“Насколько вы удовлетворены качество предоставления услуг?”) являлся отражением намерения пользователя к ее продлению, поэтому данный вопрос был исключен из анкеты эксперимента.