К недостаткам контент-анализа можно отнести большую долю ручного труда и длительные сроки получения результатов.
Статистический анализ применяют для создания карт восприятия, которые предназначены для наглядного представления того, как потребители воспринимают торговые марки или товары. Особо удобны карты восприятия при изучении позиционирования продукта. Карты восприятия дают критерии, по которым потребители оценивают товары или услуги.
Существует два метода построения карт восприятия: атрибутивный и неатрибутивный. Атрибутивный метод построения карт требует от потребителей оценки совокупности торговых марок по признакам, которые, как предполагается, вносят вклад в дифференциацию и оценивание марок. Неатрибутивный метод не требует составления перечней свойств торговых марок, товаров или товарных категорий. Данные, на которых такого типа карты основываются, отражают предпочтения потребителей и суждения о сходстве или различии марок. Исследователь не задает критерии для оценивания сходства и предпочтения торговых марок, и потребители могут использовать те критерии, которые посчитают нужными.
Построение атрибутивных карт восприятия имеет определенные преимущества: простоту сбора данных, минимум времени; распространенность компьютерных программ для обработки и анализа собранной информации, легкость интерпретации. Проблематичность этого метода заключается в том, что полный перечень атрибутов должен быть известен заранее. Построение неатрибутивных карт восприятия как раз не требует составления перечня свойств торговых марок или товаров.
Для того чтобы выделить соответствующие факторы и расположить оцениваемые торговые марки и товары на карте восприятия, используют один из трех математических методов: факторный анализ, дискриминантный анализ или анализ соответствий.
Задача факторного анализа заключается в выявлении структуры факторов и измерении их значений и степени влияния на поведение человека. «Факторный анализ применяется после того, как потребители дали оценку каждой рассматриваемой торговой марке или товару по всем атрибутам. Компьютерная программа факторного анализа изучает данные оценки и рассчитывает матрицу коэффициентов корреляции переменных. Эта матрица служит отправным пунктом факторного анализа. Основное предположение факторного анализа заключается в том, что лежащие в основе факторы (оси) можно использовать для объяснения сложных явлений. Наблюдаемые значения корреляции между переменными являются следствием того, что переменные испытывают на себе влияние общих факторов»[181]41.
Дискриминантный анализ нацелен на то, чтобы показать максимальные различия между исследуемыми объектами (дискриминировать их). Практика показывает, что факторный анализ позволяет создавать более наглядные и полезные карты восприятия, чем дискриминантный анализ. Анализ соответствий, в отличие от факторного и дискриминантного анализов, позволяет создавать карты восприятия на основе данных номинального и порядкового уровней измерения. Например, «предоставляет авиакомпания обеды во время полета или нет (номинальный); 'Американские Авиалинии» совершают больше рейсов на юг страны, чем «Объединенные Авиалинии», которые, в свою очередь, совершают больше рейсов, чем авиакомпания ««Континентальные Авиалинии» (порядковый уровень)»[184].
Контент-анализ рекламы можно использовать совместно со статистическим анализом. Комплексный подход позволяет глубже понять существующую зависимость между характерными особенностями рекламы и ее воздействием. Так, «Стюарт и Ферз изучали влияние характерных особенностей телевизионных рекламных роликов на их эффективность… Был проведен обширный контент-анализ более 1 ООО рекламных роликов, получены для этих роликов показатели припоминания, понимания основного обращения, убедительности и, затем, с помощью статистического анализа исследовано, как те или иные особенности рекламных роликов, установленные в ходе контент-анализа, предсказывают или связаны с процессом припоминания, понимания и убеждения. Один из выводов этого исследования состоял в том, что наличие обращения, отличающего данную торговую марку от других, является единственным и наиболее важным определяющим фактором процесса припоминания и убеждения»[185].
Кроме контент-анализа и статистического анализа в распоряжении исследователей имеется Q-методология — метод, занимающий промежуточное положение между качественными и количественными методами. Как качественный, он использует выборки небольших размеров, как количественный — сложные статистические методы. «В простейшем случае Q-методологии респонденту предлагаются совокупность утверждений (Q-выборка), которые он должен рассортировать вдоль оси (Q-сортировка) в соответствии с указанным критерием (например, «расположите данные утверждения в соответствии с тем, насколько каждое из них сходно с вашей точкой зрения, или отличается от нее»). Раскладка утверждений респондентами затем подвергается анализу для определения сходств и различий в том, как каждый из них приписывает утверждения определенной позиции на оси измерения. Различные паттерны приписывания утверждений вскрывают различия в глубинной структуре установок и мнений потребителей»[182].
Другой тип исследований — это вторичные исследования. Они представляют собой «анализ уже существующей либо на бумаге, либо в электронном виде информации, собранной ранее другими лицами для целей, отличных от цели данного исследования»[183]. Исследователь, использующий вторичную информацию, адаптирует и преобразовывает данные, собранные с какой-либо определенной целью, таким образом, чтобы они отвечали новым к ним требованиям.
Полученная в ходе вторичных исследований информация может как непосредственно удовлетворять потребности их заказчика, так и послужить основой для первичных исследований. Часто вторичные исследования нужны, чтобы получить более широкий взгляд на рыночную ситуацию, чтобы отследить динамику продаж товаров определенной категории и т. д.
В качестве внутренних источников вторичной информации могут выступать данные самой компании (отчеты отделов продаж, исследований, маркетинга и т. д.). Внешними источниками могут быть справочники, книги, пресса и т. д.
Вторичные исследования, по сравнению с первичными, требуют меньше времени и денег. Обычно намного дешевле использовать информацию, полученную в результате проведения вторичных исследований, чем проводить первичные исследования с целью сбора аналогичной информации. Получить уже готовые данные выходит, конечно же, быстрее, чем данные нового исследования. Для проведения некоторых первичных исследований у компании может просто не хватить временных и финансовых ресурсов.
