Применение технологий искусственного интеллекта для углубленных маркетинговых исследований аудитории рекламодателей глянцевых журналов Краснодарского края

10

Размещено на http://www.allbest.ru/

Кубанский государственный аграрный Университет

Применение технологий искусственного интеллекта для углубленных маркетинговых исследований аудитории рекламодателей глянцевых журналов Краснодарского края

Луценко Евгений Вениаминович, д.э.н., к.т.н., профессор

Коржаков Валерий Евгеньевич, к.т.н., доцент

Мачулин А.Д., дипломник

Краснодар

Аннотация

В статье описывается применение системно-когнитивного анализа и его программного инструментария системы "Эйдос" для синтеза и маркетингового исследования семантической информационной модели рынка рекламных услуг (аудитории рекламодателей глянцевых журналов) города Краснодара и Краснодарского края.

Ключевые слова: системно-когнитивный анализ, система "эйдос", рекламодатель, синтез, маркетинговое исследование, семантическая информационная модель, рынок рекламных услуг, глянцевый журнал.

В ноябре-декабре 2007 года известной Краснодарской фирмой ООО "Южная оценочная компания "Эксперт" было проведено подробное маркетинговое исследование особенностей размещения рекламы в корпоративном секторе ведущих компаний Краснодара [8].

Целью этого исследования было определение характеристик реальных и потенциальных рекламодателей глянцевого журнала "Небо Кубани".

В ходе исследования были поставлены и решены следующие задачи:

- определение характеристик лояльности респондентов (вспоминание, узнавание, опыт размещения рекламы, существующее положение, перспективы размещения рекламы);

- определение уровня значимости отдельных факторов при выборе издания для размещения рекламы (стоимость, тираж, зона распространения, формат, известность, имидж, обслуживание и т.д.);

- позиционирование издания на фоне изданий-конкурентов (наличие позиции, характеристики позиции, определение соотношения цена/качество, опыт работы с конкурентами и характеристика лояльности к конкурентам);

- изучение потребительских предпочтений при выборе издания;

- рекомендации рекламодателей по улучшению взаимодействия с ним.

В качестве метода исследования использовалось личное интервью экспертов в области маркетинговых и рекламных исследований, занимающих различное служебное положение и работающих в различных отраслях (сферах) бизнеса. Полученные в результате интервьюирования данные обрабатывались в статистической системе SPSS. При конструировании исследуемой выборки был применен квотный подход, т.е. выборка обладает структурной репрезентативностью по отношению к генеральной совокупности [1] (таблица 1).

Таблица 1 - характеристика исследуемой выборки

Задача 4. Определить смысл каждого варианта ответа на вопросы анкеты, а именно определить группы респондентов (по должности и отрасли-сфере бизнеса) о принадлежности к которым несет наибольшую и наименьшую информацию выбор данного варианта ответа, т.е. определить аудиторию глянцевых журналов.

Задача 5. Сравнить варианты ответов на вопросы анкеты по их смыслу, т.е. по их характерности и нехарактерности для различных групп респондентов.

Задача 6. Сформировать группы вариантов ответов на вопросы анкеты по сходству их смысла (кластеры признаков групп респондентов).

Задача 7. Сравнить кластеры признаков (т.е. вариантов ответов на вопросы анкеты) друг с другом и определить наиболее непохожие кластеры и спектр промежуточных по сходству с ними кластеров, т.е. конструкты признаков.

Задача 8. Сравнить условные процентные распределения ответов респондентов на вопросы анкеты в различных группах респондентов друг с другом и с распределением по всей выборке.

Задача 9. Сформировать обобщенные образы и информационные портреты исследуемых групп респондентов, т.е. определить, какие мнения наиболее характерны и какие наиболее нехарактерны для каждой группы в сравнении со всеми остальными.

Задача 10. Сравнить исследуемые группы респондентов друг с другом по наиболее характерным и наиболее нехарактерным их признакам и объединить в кластеры наиболее сходные друг с другом группы респондентов.

Задача 11. Сравнить кластеры групп респондентов друг с другом и определить наиболее непохожие кластеры и спектр промежуточных по сходству с ними кластеров, т.е. конструкты.

Задача 12. Содержательно сравнить обобщенные образы исследуемых групп респондентов друг с другом, т.е. определить, какие их признаки какой вклад вносят в сходство и различие этих групп респондентов.

Задача 13. Исследовать систему детерминации принадлежности респондентов к различным группам, т.е. сформировать когнитивные модели предметной области (классические и интегральные когнитивные карты)..

Таким образом, налицо существование проблемы, состоящей в том, что решение сформулированных задач является весьма желательным, т.к. обладает как научной новизной, так и практической значимостью, но фактически этого не было сделано.

Практическая значимость решения перечисленных задач состоит в том, что их решение позволяет повысить адекватность и эффективность принимаемых управленческих решений, что в рассматриваемой предметной области самым непосредственным образом сказывается на эффективности рекламного бизнеса.

Научная новизна данного исследования состоит в том, что рынок рекламных услуг Краснодара и Краснодарского края лишь дважды исследовался с применением интеллектуальных технологий (оба раза исследование проводилось одним из авторов: Луценко Е.В. [1]), однако эти исследования проводились несколько в других сферах:

1. Исследовалась влияние различных средств массовой информации на целевую аудиторию, которую составляли лица, желающие получить лицензию на риэлтерскую деятельность.

2. Исследовались потребительские предпочтения различных социальных групп населения в разрезе определенных групп элитных товаров и точек их реализации.

Результаты этих исследований конфиденциальны и по этой причине ранее о них ранее не упоминалось.

Маркетинговое же исследование аудитории рекламодателей глянцевых журналов города Краснодара и Краснодарского края с применением технологий искусственного интеллекта проводится впервые.

Метод решения сформулированной проблемы должен удовлетворять следующим требованиям:

- обеспечивать многопараметрическую типизацию объектов, описанных числовыми и лингвистическими переменными;

- быть непараметрическим, т.е. не требовать доказательства гипотез о нормальности выборки;

- корректно работать как с альтернативными, так и с неальтернативными закрытыми опросниками (вопросы с вариантами ответов) с различным количеством вариантов ответов по вопросам;

- эффективно работать на фрагментированных (неполных) и зашумленных данных, т.е. эффективно подавлять шум в исходных данных;

- обладать развитыми средствами исследования модели предметной области, большим набором текстовых и графических выходных форм, когнитивной и научной графикой.

По мнению авторов для решения сформулированной проблемы и поставленных задач могут быть применены различные методы искусственного интеллекта, в частности:

- методы и системы распознавания образов, причем как обучающиеся с учителем, так и самообучающиеся (кластерный анализ);

- методы поддержки принятия решения, особенно реализующие многокритериальные подходы со сверткой частных критериев в интегральный;

- нейронные сети;

- методы когнитивного анализа;

- методы интеллектуального анализа данных (data mining) и выявления знаний их опыта.

Всем сформулированным требованиям удовлетворяет метод системно-когнитивного анализа (СК-анализ), разработанный одним из авторов данной статьи [1], который поэтому и выбран авторами для проведения данного исследования. Описание данного метода и его применения в различных предметных областях дано в работах [1-3] и других.

Методика применения СК-анализа для синтеза и исследования модели предметной области включает ряд этапов [1]:

1. Когнитивная структуризация и формализация предметной области, т.е. разработка справочников классификационных шкал и градаций (исследуемых групп респондентов) и описательных шкал и градаций (анкета) и подготовка обучающей выборки.

2. Синтез семантической информационной модели (СИМ) предметной области и проверка ее адекватности.

3. Исследование СИМ, включая решение сформулированных выше тринадцати задач.

Рассмотрим применение СК-анализа для решения поставленных задач подробнее.

Когнитивная структуризация и формализация предметной области. В таблице 2 приведен справочник групп респондентов, мнение которых по поводу глянцевых журналов будет исследоваться.

Таблица 2 - справочник групп респондентов (классификационных шкал и градаций, классов)

В таблице 3 полностью приведена анкета, на которую отвечали респонденты (т.е. стимульный материал), относящиеся к обобщенным категориям (группам), приведенным в таблице 2. Содержательно данная анкета разработана специалистами фирмы ООО "Южная оценочная компания "Эксперт" [8]. Единственное изменение, которое в ней сделано авторами - система кодирования вариантов ответов приведена к виду, обеспечивающему обработку результатов интервьюирования в универсальной автоматизированной системе "Эйдос" (система "Эйдос"), представляющей собой программный инструментарий СК-анализа.

Таблица 3 - анкета для опроса экспертов, (стимульный материал)

В системе "Эйдос" анкета (описательные шкалы и градации) выглядит иначе, чем в таблице 3, хотя по сути она эквивалентна (таблица 4). Но в этой форме анкета используется лишь в самой системе "Эйдос" и не применяется как стимульный материал при интервьюировании. Из-за ограничений на объем статьи приведен лишь фрагмент данной анкеты, т.к. полностью она занимает 20 листов и содержит 926 вариантов ответов.

Таблица 4 - описательные шкалы и градации (для системы "Эйдос"

В таблицах 5 и 6 приведена обучающая выборка, содержащая информацию о принадлежности респондентов к категориям из таблицы 2 и их ответы на вопросы анкеты из таблицы 3.

Таблица 5 - обучающая выборка: принадлежность респондентов к классам (обобщенным категориям, Табл. 1, 2)

Отметим, что в исследовании 2007 года был получен лишь столбец: "Среднее по всем категориям", выделенный в таблице 7 светло-желтым цветом. Соответственно в том исследовании не было технической возможности сравнить друг с другом ответы респондентов различных категорий, т.е. групп по должности и отрасли-сфере бизнеса и решить другие сформулированные выше задачи, тогда как применение интеллектуальных информационных технологий позволяет это сделать.