ISTRA IVANJE MARKETINGA 10 BITNIH ELEMENATA MARKETINGA Predavanje

10 bitnih elemenata marketinga

1. Istra ivanje tr i ta 2. Segmentiranje tr i ta 3. Izbor ciljnih tr i ta 4. Pozicioniranje u odnosu na konkurenciju 5. Proizvod 6. Cijena 7. Distribucija 8. Promocija 9. Politika 10.Odnosi s javno u
2

Pobolj anje primjene marketinga

Klu ni faktori uspjeha PLANIRANJE MARKETINGA NOVI PROIZVODI MARKETING KOMUNICIRANJE FAZE U RAZVOJU PREDUZE A PRIMITIVNA Finansiranje IR Prodaja BAZI NA Takti ko planiranje IR + marketing Prodaja + EP ZRELA Strate ko planiranje IR + MKT + ostali Prodaja + EP + unapre enje prodaje Vi e dijelova Predmetni model Globalni Marketing informacioni sistem ZADOVOLJAVAJU A Strate ko upravljanje Potro a i + interfunkcionalni tim Integrisano komuniciranje

KOORDINACIJA FUNKCIJA ORGANIZACIJA MARKETINGA REGIONALNI ASPEKTI ISTRA IVANJE TR I TA

Neznatna Prodaja Lokalni Ne

Nekoliko dijelova Prodaja + marketing Nacionalni Ankete i grupni intervjui

Totalni timski rad Regionalni i segmentni model Globalni + lokalni Sistem podr ke odlu ivanju 3

STARO MARKETIN KO REZONOVANJE

NOVO MARKETIN KO REZONOVANJE

Povezivanje sa kupcima Koncentri i se na proizvod i prodaju Koncentri i se na tr i te i kupce Primjenjuj masovni marketing Te i proizvodnji i prodaji Prodaj kupcima Tra i nove kupce Pove aj tr i no u e e Uslu i svakog kupca Komuniciraj pomo u medija masovnog komuniciranja Proizvodi standardizirane proizvode Biraj ciljne tr i ne segmente ili pojedince Te i kup evom zadovoljstvu i vrijednosti za kupca Razvijaj odnose sa kupcima Zadr i stare kupce Pove aj u e e u kup evim kupovinama Uslu i profitabilnog kupca, rje i se gubitnika Pove i se sa kupcima direktno Razvijaj proizvode prilago ene ciljnim kupcima
4

POVEZIVANJE SA PARTNERIMA Prepusti prodaji i marketingu brigu o zadovoljavanju kupaca Radi sve sam Anga uj sve funkcije da se brinu o zadovoljavanju kupaca Tra i partnerstvo sa drugim firmama Posluj lokalno i globalno Preuzmi dru tvenu odgovornost i odgovornost za o uvanje okoli a Marketing neprofitnih organizacija E-commerc na svim lokalitetima
5

POVEZIVANJE SA SVIJETOM OKO NAS Posluj lokalno Preuzmi odgovornost samo za profitabilno poslovanje Marketing profitnih organizacija Posluj na u im tr i nim lokalitetima

Proces odlu ivanja iz domena marketinga

Dijagnoza postoje eg stanja
-Upoznavanje sa okru enjem i tr i tem -Identificiranje ansi i prijetnji -Ustanovljavanje konkurentske pozicije -Definisanje svrhe poslovanja i tr i nih segmenata koje emo opslu ivati -Utvr ivanje na ih konkurentskih prednosti -Postavljanje ciljeva koje treba ostvariti -Odluke o -Odluke o -Odluke o -Odluke o proiuvodu kanalima distribucije cijenama promociji

Razvoj strategije

Razvoj marketing programa Implementacija

-Pra enje provo enja odluka -Pobolj anje strategija i programa

6

Princip odlu ivanja da li obaviti istra ivanje marketinga

Da li je Da li je Postoji li Da li su odluka vrijednost dovoljno postoje e zna ajna informacija vremena informacije Obaviti DA DA DA sa dobijenih prije nego DA nedovoljne istra ivanje strate kog istra ivanjem odluka za marketinga ili ve a od menad era dono enje takti kog tro kova mora biti odluke? aspekta? istra ivanja? donesena? NE NE NE NE NE

NE OBAVLJATI ISTRA IVANJE MARKETINGA

7

Analiza vrijednosti marketing informacija za donosioce odluke

Neto vrijednost istra ivanja marketinga ako bi se istra ivanje poduzelo moglo bi se izraziti formulom: Vis = ( Dis Din ) Tis Gdje su: Vis neto - vrijednost istra ivanja margetinga DisDis- o ekivana vrijednost marketing odluke uz kori tenje informacija dobivenih istra ivanjem marketinga. Din o ekivana vrijednost marketing odluke bez kori tenja informacijadobivenih istra ivanjem marketinga. TisTis-tro kovi istra ivanja marketinga Naravno u svim slu ajevima kada je Vis>0 trebalo bi se obaviti istra ivanje marketinga prije dono enja odluke.

Subjekti istra ivanja marketinga

KORISNICI KORISNICI I AKTERI AKTERI Servisi za prodaju tr i nih informacija

MARKETING I DRUGI MENAD ERI SVIH NIVOA

Agencija za istra ivanje tr i ta

Organizaciona jedinica za istra ivanje marketinga u preduze u

Specijalizovani servisi Agencija za ekonomsku propagandu

Dr avne agencije
9

a) Centralizovane slu be Centralizovane slu be

JEDINICA ZA ISTRA IVANJE MARKETINGA DIREKTOR SAVJET -NICI analiti ari

b)
JEDINICA ZA ISTRA IVANJE MARKETINGA DIREKTOR
SAVJETNICI

c) Centralizovane slu be Divizioni

ANALITI ARI KLIJENTI

analiti ari

Divizioni

KLIJENTI

Divizioni KLIJENTI

10

1. Centralizovana jedinica istra ivanja marketinga Prednosti: - bolja podr ka vrhu - planiranje na nivou preduze a kao cjeline - kvalitetnija struktura kadrova - izolacija istra ivanja marketinga od operative

Nedostaci:

2. Centralizovana jedinica istra ivanja marketinga ali se istra iva i nalze i kod svojih klijenata Prednosti: Nedostaci: - bolja upoznatost sa tr i tem diviziona - br e prilago avanje problemu - problem je slabije podr an informacijama 11 sa marketing aspekta

3. Potpuna decentralizacija jedinice - mogu e samo u situaciji da jedinice istra ivanja merketingom raspola u sa odgovaraju im stru nim kadrom i da su divizioni dovoljno veliki da mogu finansijski podnijeti 4. Alternativno rje enje - istra iva i marketinga direkto vezani za generalnog menad era kao zasebna grupa

12

Odgovornost jedinice istra ivanja marketinga - jedinica odgovara pomo niku generalnog menad era za marketing - ili odgovara generalnom menad eru i nekome iz vrha menad menta zadu enog za planiranje i razvoj Unutra nja organizacija jedinice za istra ivanje marketinga zavisi od: - karakteristike preduze a - tr i ta na koje istupa - stila upravljanja firmom
13

Mogu i problemi vezani za unutra nju organizaciju

1. Podjela rada tri na ina: - podjela po podru ju primjene (linije proizvoda, marke, geogr. podru ju ) - podjela po marketing aktivnosti (analiza prodaje, planiranje proizvoda ) - podjela po tehnikama istra ivanja (kreiranje upitnika, terenski intervjui ) 2. Kadrovi bitni faktor uspjeha (potrebne karakteristike dobrog istra iva a marketinga): - sklonost ka istra iva kom radu - kreativnost i samostalnost - komunikativnost - li no po tenje 3. Broj zaposlenih u jednici istra ivanja marketinga zavisi od: - veli ine preduze a - zna aja koji se pridaje marketing funkciji 14 - kori tenja usluga spoljnih agencija iz ove oblasti

UVOD
Da bi smo uop te mogli pitati koliko istra ivanje marketinga koristi nau ne metode potrebno je prvenstveno definisati ta je to nau na metoda. Nau ni metod je : 1.sistematsko 2.kontrolisano 3.empirisko 4.kriti ko Ispitivanje hipoteza o vjerovatnim odnosima o prirodnim pojavama.
15

Prvo se nailazi na problem, a zatim se postavlja hipoteza. Hipoteza je pretpostavka o mogu em rje enju formulisanog problema, bazirana na predhodnim saznanjima ste enim iz empirije i teorije. Pomo u dedukcije sagledati sve mogu e konsekvence gdje nas to rje enje mo e odvesti. Hipoteza se mora provjeriti u praksi tj. provjeriti da li zaista postoji zakonitost u me usobnom odnosu pojava.
PROBLEM HIPOTEZA DEDUKCIJA PRAKSA

16

Osnovne karakteristike nau nog metoda

1. Objektivnost istra iva a (ne intuicija nego objektivnost) 2. Preciznost mjerenja popjava (te ko a u dru tvenim naukama vi e nego kod drugih) 3. Kontinualnost i sveobuhvatnost (uzimati u obzir sve injenice bez obzira da li govore u prilog ili ne).

17

Osnovni problemi u primjeni nau nog metoda u marketingu

1.Velika kompleksnost materije (reakcije ljudi na 1.Velika odre ene simulacije jako kompleksna materija ljudi nisu fizi ki ili hemiski objekti posmatranja) 2. Te ko e u preciznom mjerenju pojava i njihovih odnosa (intervju je glavni metod mjerenja u istra ivanju marketinga, stavovi mi ljenja i pona anje druk ije i teze mjeriti nego u fizi kim i hemiskim biolo kim reakcijama). 3.Proces 3.Proces mjerenja mo e uticati na rezultate (ako ljudi znaju da se posmatraju, mogu druk ije reagovati)
18

4. Te ko e u primjeni eksperimenata sa ciljem . testiranja hipoteze (ko mo e kontrolisati sve faktore koji uti u na obim prodaje nekog proizvoda) 5. Te ko e preciznog predvi anja (hemi ar mo e predvidjeti ali marketar sa 100% sigurnosti ne mo e 6. Te ko e u obezbje ivanju potpune objektivnosti istra ivanja (istra iva je uvijek vi e zainteresiran za rezultate svoga istra ivanja nego to je to slu aj sa istra iva ima u prirodnim naukama)

19

Interdisciplinarnost istra ivanja marketinga

1. Kori tenje saznanja iz ekonomskih nauka svrha istra ivanja marketinga je da pobolj a proces odlu ivanja unutar kompanija makro mikro organizacija 2. Kori tenje saznanja iz nauka o pona anju i me usobnim odnosima ljudi ranije prikupljena znanja iz sociologije, mjerenje pona anja u grupama i ak itavim dru tvima psiholo ke kod sastavljanja anketnih pitanja ta kupac vidi u proizvodu pravo kod ugovora

20

3. Kori tenje znanja i saznanja iz nauka koje prou avaju kvantitativne metode statistika primjene teorije uzorka kod segmenta li ne potro nje njegova reprezentativnost smanjuje tro kove kod analize prikupljenih podataka srednja vrijednost tra ene distribucije vjerovatno e predvi anja posebno treba ista i primjenu trenda korelacije i regresione analize kod predvi anja Primjena modela na matematskoj osnovi koja predstavlja pojednostavljenu prezentaciju jedne operacije se primjenjuje u sljede im primjenama 1.fizi ka distribucija 1.fizi 2.pobolj 2.pobolj anje prodaje i smanjenje tro kova prodaje 3.planiranje 3.planiranje i kontrola istra iva kog procesa 4.rje 4.rje avanje problema promocione strategije 5.rje 5.rje avanje problema iz predvi anja prodaje
21

4. Kori tenje saznanja iz informacionih nauka brzine obrade podatka, klasificiranja, tabeliranja, pisanja izvje taja, kod analize ve skupljenih podataka koji se unose u kompjutere, radi brze i efikasnije analize koncipiranje i primjena kompjutera je prisutna i kod sistema podr ke odlu ivanju DSS
22

Marketing istra ivanje Faza 1 Faza 2

Odrediti ili definisati problem ili ansu sa kojom se suo avamo Specificirati koje informacije su potrebne Identifikovati izvore informacija

Faza 3 Faza 4 Faza 5 Faza 6 Faza 7

Proces, metodolo ka procedura koja podrazumjeva odre eni logi ni redosljed aktivnosti koje treba obaviti da bi se ostvario postavljeni cilj.

Odlu iti o tehnikama pomo u kojih emo do i do informacija Prikupiti i obraditi informacije Analizirati ih i interpretirati njihovo zna enje Prezentirati rezultate donosiocima odluka

23

Uo avanje problema Specificiranje problema Neformalno informisanje Definisanje problema Istra ivanje sekundarnih podataka Rje enje na eno Izvje taj Implementacija Ocjena i povratna sprega
 Vrijeme i sredstva posve eni preciznom definisanju marketing problema dobra investicija

Rje enje nije na eno Plan istra ivanja Prikupljanje podataka Analiza i implementacija Izvje taj Implementacija Ocjena i povratna sprega
24

 esto, dobro definisan problem predstavlja i rje enje za donosioca odluke odluke, pa daljnja istra ivanja nisu ni potrebna

FIRMA Vlasnik bazena za kupanje u naselju starom 20 godina Proizvo a be i nih telefona

SIMPTOMI Posjeta opada vi e godina.Savremeniji centri su se pojavili sa vi e sadr aja.

PROBLEM DEFINISAN NA OSNOVU SIMPTOMA Stanovnici su se oprijedjelili za skuplje centre, negativan imi bazena za kupanje. Saznati od korisnika za koliko bi se cijene trebale smanjiti. ta treba izmjeniti u receptu na eg piva?

PRAVI PROBLEM

Demografske promjene: Djeca u ovom naselju su odrasla. Stariji stanovnici ne idu na plivanje. Menad ment prodaje: trgovci ne poznaju dovoljno proizvod da bi kupcima objasnili njegovu vrijednost Pakovanje: staromodno pakovanje uti e na percepciju ukusa.
25

Trgovci se ale da su cijene po kojima moraju prodavati suvi e visoke. Potro a i preferiraju ukus konkurentskih marki.

Pivara

MARKETING PROBLEMI Da li ponuditi potro a ima uslugu kupovine iz ku e, putem kablovske televizije? U kojoj od mogu ih varijanti ponuditi ovu uslugu? Koji tr i ni segment bi trebao biti ciljno tr i te?

ISTRA IVA KA PITANJA Da li su potro a i upoznati sa sistemima ku ne kupovine? Kakve su reakcije potro a a na sisteme ku ne kupovine? Kako potro a i reaguju na varijante A, B i C? Koje su uo ene prednosti svake od varijanti usluga? Da li e potro a i koristiti ovu uslugu? Kako esto? Da li se odgovori na gornja pitanja razlikuju po demografskim grupama?U kojoj su najbolje anse?

CILJEVI ISTRA IVANJA

Utvrditi koliko su potro a i svjesni postojanja ovih sistema, pomo u metode stimuliranja sje anja. Izvr iti mjerenje stavova potro a a prema sistemima ku ne kupovine. Izvr iti mjerenje reakcija i reagiranja za varijante A, B i C. Identificirati uo ene prednosti i nedostatke za sve varijante. Izmjeniti namjere o kupovini. Procjeniti vjerovatno u kori enja usluge. Komparirati pomo u ukr tenog tabeliranja nivo upoznatosti, stavove, namjere o kupovini i sl., izme u ena i mu karaca,. grupa vi eg i ni eg prihoda, mladih i starih potro a a i sl. 26

Izvi ajna istra ivanja

Izvi ajno istra ivanje je istra ivanje koje se ne provodi na osnovu unaprijed sa injenog plana, nije toliko formalno i zahtijeva posezanje za dodatnim informacijama. IZVI AJNA ISTRA IVANJA Kona ni cilj izvi ajnog istra ivanja je sticanje neophodnog prethodnog znanja o konkretnom problemu na racionalan na in. istra ivanje postoje e literature istra ivanje dosada njih iskustava analiza odabranih slu ajeva pilot studije
27

ema I . Metodi koji se koriste u izvi ajnom istra ivanju

3.1. SADR AJ PLANA ISTRA IVANJA 1. ta je cilj istra ivanja? 2. Na koji na in emo taj cilj ostvariti? 3. Koliko je i kakvih resursa potrebno za ostvarivanje ciljeva? 4. U kojem vremenskom periodu je rezultate istra ivanja neophodno prezentirati donosiocima odluke? 3.1.1. NA IN NA KOJI EMO OSTVARITI I DEFINISATI CILJ Gdje mo emo na i podatke koji su nam potrebni? Kako emo prikupiti i analizirati te podatke? Kako emo organizovati rad u narednimfazama istra ivanja? 28

3.1.2. RESURSI POTREBNI ZA OSTVARENJE DEFINISANOG CILJA Materijalni resursi Ljudski resursi

3.1.3. VREMENSKI PERIOD ZA PREZENTIRANJE REZULTATA ISTRA IVANJA Mre ni dijagram

29

Kao osnov za struktuiranje plana istra ivanja, mo e korisno poslu iti i sljede a ema:
plan/projekat istra ivanja

osnovni izvori podataka

razgrani enje istra ivanja

ciljevi istra ivanja

metoda istra ivanja

organizacija istra ivanja

op ti posebni teritorijalno vremensko predmetno

preduze e slu beni neslu beni ankete

unutra nja terenska interna eksterna

svake svake operacije operacije svake faze kona no

30

plan istra ivanja

terminski plan

Podaci iz ra unovodstva i finansija PODACI IZ PREDUZE A - interni Podaci iz marketinga Podaci iz ostalih izvora u preduze u Podaci iz me unarodnih institucija OBJAVLJENI PODACI PODACI VAN PREDUZE A -externi Podaci iz me unarodnih institucija Podaci iz literature Baze podataka PODACI KOJI SE KUPUJU

IZVORI SEKUNDARNIH PODATAKA

Paneli

31

1. Ustanovi ta eli da sazna i ta ve zna o svom problemu. 2. Sa ini listu klju nih pojmova i imena. 3. Pretra i nekoliko op tih vodi a i imenika za izvore i podatke. 4. Kompiliraj literaturu koju si na ao. Koriguj ako je potrebno listu klju nih rije i i autora. 5. Konsultuj odgovaraju eg bibliotekara. Razmotri mogu nost pretra ivanja pomo u kompjutera. 6. Konsultuj vi e razli itih imenika i vodi a ako nisi na ao dovoljno podataka ili je problem specifi an. 7. Identificiraj eksperte za svoj problem i konsultuj ih.
32

Prednosti i nedostaci sekundarnih podataka

PREDNOSTI 1. ranije akumulirana saznanja 2. potrebna su mala ulaganja da bi do li do njih 3. objektivnost 4. aktuelnost y NEDOSTACI 1. prikupljanje sa neodre enim ciljem 2. aktuelnost 3. ta je originalni izvor
33

Demografske Ekonomske Kakve su osobine potro a a? Socijalne Psiholo ke Stavovi

PRIMARNI PODACI

ta misle i osje aju?

Motivi

ta znaju i namjeravaju?

Poznavanje proizvoda, proizvo a a, oglasa i dr. Planovi za budu e kupovine i druge aktivnosti Pona anje u kupovini Pona anje u potro nji

Kako se pona aju?

34

Metode prikupljanja primarnih podataka Ispitivanje Posmatranje Ljudi kao izvori primarnih podataka Na ini komuniciranja sa izvorima podataka 1. Li no komuniciranje (struktuirano i nestruktuirano) 2. Komuniciranje dopisnim putem 3. Komuniciranje putem telefona

35

Li no komuniciranje ispitiva a i ispitanika

Fizi ka prisutnost ispitiva a kao bitna karakteristika ovog metoda PREDNOSTI: 1. Fleksibilnost 2. Stimulacija ispitanika na saradnju 3. Mogu nost prikupljanja vi e podataka 4. Reprezentativnost uzroka velika 5. Li ni kontakt daje vi e podataka ispitiva u NEDOSTACI: 1. Prikupljanje podataka je te e planirati, organizovati i kontrolisati 2. Vrijeme potrebno za ovo istra ivanje je dugo 3. Tro kovi po jedinici ispitanika 4. Bojaznost za anonimnost ispitanika
36

Strukturno li no komuniciranje
Unaprijed pripremljeni upitnici Manji tro kovi obuke ispitiva a na terenu Dr i se striktno pripremljenog upitnika

Nestrukturno li no komuniciranje
Prikupljanje podataka o motivima ispitanika Primjenjivanje indirektnih metoda Saznati ne to vi e nego to je mogu e drugim metodama Saznati to vi e o samoj li nosti ispitanika Podsjetnik kao sredstvo koje poma e ispitiva u Dubinski intervju Testovi asocijacije Tehnike igranih uloga
37

Komuniciranje dopisnim putem

Samostalnost ispitanika pri davanju podataka Prednosti: 1.Ekonomi nost 2. iroka geografska distribudcija 3.Ve a iskrenost i anonimnost Nedostaci: 1.Dug vremenski period 2.Upitnik kratak 3.Pitanja razumljiva, kratka i jasna 4.Nepoznavanje li nosti ispitanika
38

Komuniciranje putem telefona

Prednosti: Najbr i na in dolaska do podataka Ni i tro kovi po jedinici Odgovori ispitanika iskreni Odgovore li ne prirode lak e dobiti Telefonski imenik kao pomagalo pri odabranju uzorka Nedostaci: 1. Lo prilikom potrebe prezentiranja proizvoda ispitaniku 2. Nemogu nost da vidimo ispitanika i njegove reakcije

39

TELEFONSKO KOMUNICIRANJE

LI NI INTERVJU

DOPISNO KOMUNICIRANJE

Gre ke intervjuera Kontrola prikupljanja Dubina ispitivanja Ekonomi nost Mogu nost zavr avanja inervjua Odnos sa ispitanikom Kompletiranje uzorka Brzina dobijanja odgovora

3 2 1 3 2 1 1 2

2 1 2 1 1 2 2 1

1 3 3 2 3 3 3 3 40

Osnovni uzroci proma aja u istra ivanju marketinga

80 70 60 50 40 30 20 10 0
58 52 44 41 74

1. Neadekvatno sastavljeni upitnici 2. Lo a interpretacija 3. Neadekvatan uzorak 4. Neadekvatne statisti ke metode 5. Prezentiranje rezultata koji se baziraju na injenicama

41

Upitnik kao sredstvo za prikupljanje primarnih podataka

Naj e i proma aji u istra ivanju marketinga: neadekvatno sastavljeni upitnici lo a interpretacija neadekvatan uzorak neadekvatne statisti ke metode prezentiranje rezultata koji se Baziraju na injenicama 74% 58% 52% 44% 41%

42

Redosljed razmi ljanja i akcija istra iva a, u sastavljanju upitnika, trebao bi da bude sljede i:
Odlu iti koje sve primarne podatke treba da prikupimo od ispitanika s obzirom na cilj istra ivanja odlu iti na koji na in emo komunicirati sa ispitanicima Sastaviti svako pojedino pitanje Napraviti najpovoljniji redosljed pitanja koja smo odlu ili da postavimo ispitanicima Kreirati formu upitnika tj. dati dredjena grafi ka rje enja, izvr iti raspored prostora
43

a)Sastavljanje spiska potrebnih primarnih podataka:

Potrebno je dostaviti grubi spisak svih podataka koji su nam potrebni kao primjer, emo koristiti Upitnik za ocjenu gotovog softvera Podaci o korisniku Podaci o proizvodu Istra ivanje tehni kih svojstava Planirana korist od novog programskog sistema Uticaj na organizaciju posla Istra ivanje ergonomskih svojstava Op ta pitanja (da li je korisnik sposoban sam pokrenuti program) Pitanja vezana za ru ni unos podataka Prikaz na ekranu Obrazovanje kranjeg korisnika 44

b)Prilago avanje upitnika odabranom na inu komuniciranja

kori enje upitnika telefonska anketa (najmanji broj pitanja) li ni kontakt (najve i broj pitanja) komuniciranje dopisnim putem komuniciranje preko interneta...

45

c) Sastavljanje pitanja
Da li je pitanje uop te potrebno? Da li je potrebno vi e pitanja umjesto jednoga? Posjeduje li ispitanik znanje potrebno da se odgovori na pitanja? Da li je sadr aj pitanja prilago en ispitanikovom predhodnom iskustvu? Mo e li se ispitanik sjetiti podataka? Da li ispitanik treba da ulo i poseban napor da odgovori na pitanje? Da li e ispitanik biti voljan da odgovori na pitanje?
46

Na in postavljanja svakog pojedinog pitanja?

U principu, svaki upitnik se kreira prema postoje im potrebama ispitivanja, tj. prema postoje em projektu. S toga, prije svakog projekta formuli ite pitanja tako da dobijete jasne odgovore na eljena pitanja. U zavisnosti da li elimo da do emo do vi e ili manje detaljnih informacija, postavljamo pitanja koja mogu biti : 1. Otvorena pitanja to su takva pitanja koja daju ispitaniku slobodu odgovora . Ako pitamo ispitanika, kakvo je njegovo mi ljenje o odre enoj stvari ili problemu, postavili smo otvoreno pitanje. Ispitanik ima mogu nost da slobodno formuli e svoj odgovor. Primjer: Potreban operacijski sistem? Odgovor: _______________47

2. Pitanja sa vi e mogu ih odgovora su takva pitanja koja kada postavite, istovremeno dajete mogu nost ispitaniku da od vi e ponu enih odgovora izabere jedan ili vi e ili da jednostavno pod rubrikom ostalih odgovori, dopi e ono to zna. Primjer: Koliko mjese no izdvajate za odr avanje postoje eg hardware-a i software-a? do l000 KM l000 2000 KM 2000 5000 KM 5000 KM i vi e ostali odgovori ____________ 3. Zatvorena (dihotomna) pitanja su takva pitanja koja daju najmanje dvije mogu nosti odgovora, da i ne. Ona su najlak a za dalju obradu, ali istovremeno daju i manje detaljne odgovore. Primjer: Nudi li kinkurencija bolju uslugu? 48 Odgovor DA NE

VRSTA PITANJA

RELATIVNA VJEROVATNO A Da pitanje bude nejasno Najni a Srednja Najvi a Da odgovor bude nejasan Najvi a Najni a Srednja
49

Otvorena Dihotomna Sa vi e mogu ih odgovora

Centar za istra ivanje nacionalnog mi ljenja u SAD-u ima svoju klasifikaciju gre aka s obzirom na njihovu te inu:
R.Br. 1. 2. 3. 4. 5. 6. 7. Vrste gre aka Nedobijeni odgovori Irelevantan ili zaobi en odgovor Nedostatak potrebnih detalja Odgovor ne znam bez sondiranja Neuspjelo sondiranje Nekonzistentni odgovori na vi e pitanja Povr no postavljeno pitanje Te ina gre ke 3 3 2 1 1 1 1

Kvalitet rada svakog ispitiva a cijeni se dakle, u ovom slu aju ne to objektivnijim mjerilima. Sigurno je, me utim, da je svaka ocjena kvalitete ispitiva a u odre enoj mjeri i subjektivna.

50

Mjerenje stavova
Definicija Stavovi su nau ene predispozicije da odgovorimo na konzinstentno povoljan ili nepovoljan na in u odnosu na dati objekat Za to je potrebno mjerenje stavova? Skale kao sredstvo za mjerenje stavova Mogu nosti kori tenja skala u mjerenju stavova u istra ivanju marketinga Kako to objektivnije mjeriti stavove u konkretnim slu ajevima? y Mjerenje psiholo kih atributa ljudi! y Koju skalu koristiti u datim slu ajevima?
51

Broj ane skale

Nominalna Ordinalna Intervalna Proporcionalna

PRIMJERCI
Mu ko- ensko Korisnik-nekorisnik Profesija Jedinstveni broj Socijalne klase Preferencija za marke vrsto a minerala Temperaturna skala Stav prema markama Koli ina prodate robe Te ina

SKALE

OSNOVNA PORE ENJA

Identitet

MJERENJE PROSJEKA
Mod atribut koji se naj e e pojavljuje

Nominalna Redosljed

Ordinalna Intervalna Proporcionalna

Medijana Prosje na vrijednost Aritmeti ka sredina Geometrijska sredina Harmonijska sredina

52

Pore enje intervala Pore enje apsolutne veli ine

Ocjena potro a a na osnovu stepena svi anja bezalkoholnih pi a koriste i broj ane skale
Normalna skala Koje od bezalkoholnih pi a slijede oj listi volite? _________Coca Cola _________Pepsi _________Gold Cola _________Fanta _________Sinalco

53

Ordinalna skala Rangirajte bezalkoholna pi a na slijede oj listi dodijeljuju i broj 1 onome koje najvi e preferirate i broj 5 onome koje najmanje preferirate. __________Coca Cola __________Pepsi __________Gold Cola __________Fanta __________Sonalco

54

Intervalna skala Ocijenite, prema va em mi ljenju, svako od bezalkoholnih pi a odre uju i mu na slijede oj listi odgovaraju e mjesto na skali.
NE VOLIM NIKAKO Coca Cola Pepsi Gold Cola Fanta Sinalco
55

NE PUNO VOLIM VOLIM VOLIM

Proporcionalna skala Podijelite l00 bodova izme u navedenih bezalkoholnih pi a uzimaju i u obzir stepen svi anja. ________Coca Cola ________Pepsi ________Gold Cola ________Fanta ________Sinalco 100

56

Neki primjeri konstrukcije skala za mjerenje stavova u istra ivanju marketinga Definisati to je mogu e vi e tvrdnji bitnih za na cilj prva faza Asortiman u prodavnici je bogat Cijene su visoke Lokacija je povoljna Za kupovinu se ne gubi puno vremena Osoblje je neljubazno Nema dovoljno prostora Ima dovoljno mjesta za parkiranje Radno vrijeme je povoljno za zaposlene
57

Izabrati veliki uzorak ljudi koji e nam poslu iti kao iri druga faza A B C D E F G H I J K

Thurston-ova skala jednakih intervala

Izra unati frekvenciju pojavljivanja svake tvrdnje u svakom pregradtku, kao i njihovu disperziju Ispitivanje potro a a i ocjena op eg stava prema na im prodavnicama

58

Apsolutno se ne sla em

Apsolutno se sla em

Niti se sla em niti se ne sla em

Ne sla em se

Sla em se

Cijene su visoke Lokacija je povoljna Osoblje je neljubazno Radno vrijeme je povoljno za zaposlene

Likertova skala za mjerenje stavova

59

Cijene su visoke Lokacija je nepovoljna Osoblje je neljubazno Radno vrijeme je nepovoljno za zaposlene Legenda: Prodavnica A Prodavnica B x x

Cijene su niske x Lokacija je povoljna Osoblje je neljubazno Radno vrijeme je nepovoljno za zaposlene

60

Skala semati kih razlika

Neke mogu nosti pobolj anja kvaliteta mjerenja i pore enja stavova Modificirana skala ATRIBUT Cijena Lokacija Ljubaznost osoblja Radno vrijeme
61

Nije zna ajan

Veoma zna ajan

Me usobna komparacija ATRIBUT Cijena Lokacija Ljubaznost osoblja Radno vrijeme UKUPNO 100 Broj poena

62

Metoda posmatranja
Posmatranje ljudi, situacija i doga aja Tri bitne karakteristike sistematskog posmatranja: a) Sistematsko planiranje usmjereno na specifi ne ciljeve istra ivanja b) Sistematsko registrovanje svih doga aja koje posmatramo c) Pa ljiva provjera i kontrola radi saznanja o potpunosti i vijerodostojnosti posmatranja i vrijednosti dobijenih podataka U kojim slu ajevima istra iva markatinga mo e da primjeni metod posmatranja? Kod primjene metode posmatranja upotpunosti, razlikujemo: a) Struktuirano i nestruktuirano posmatranje b) Posmatranje u prirodnim i vje ta kim uslovima c) Posmatranje u uslovima kada ljudi znaju da su posmatrani i kada ne znaju

63

Na ini prikupljanja primarnih podataka metodom posmatranja a) Televizijski ure aji b) Audiometar c) Psihogalvanometar Prednosti i nedostaci metode posmatranja Podaci koje dobijamo posmatranjem objektivnih su po to odra avaju stvarno stanje stvari, a ne baziraju se na ne ijoj izjavi Metoda posmatranja omogu uje prikupljanje podataka o doga ajima u momentu kada se i de avaju Uticaj posmatra a na dobijene podatke nije ni pribli no tako intenzivan kao uticaj ispitiva a kod metode ispitivanja Kod primjene metoda posmatranja, u znatnoj manjoj mjeri zavisimo od volje ljudi da nam pru e odre ene 64 podatke.

Osnovni nedostaci metode posmatranja su: y Isklju ivo metodom posmatranja mo emo prikupljati samo podatke o injenicama. Statove ljudi i motive njihovog pona anja y Potrebno je ispuniti tri uslova da bismo odre ene podatke prikupili metodom posmatranja: Mora postojati mogu nost da se oni uo e posmatranjem Moraju biti repetativni ili mora postojati mogu nost da se predvidi vrijeme kada se mogu posmatrati Moraju se de avati u relativno kratkom vremenskom periodu. Tro kovi prikupljanja podataka posmatranjem, po pravilu su vi i nego to bi bili tro kovi prikupljanja istih podataka ispitivanja.
65

Doga aje koji dugo traju neracionalno je registrovati posmatrnjem Mada su podaci prikupljeni metodom posmatranja objektivniji u principu, to ne zna i da u odre enim situacijama i subjektivni uticaj posmatra a ne mo e do i do izra aja. Navedene prednosti i nedostaci metode posmatranja dozvoljavaju nam da na kraju damo jedan op i zaklju ak: Metodu posmatranja prilikom prikupljanja primarnih podataka treba primjeniti kada god je to mogu e ali e istra iva naj e e biti u situaciji da je kombinuje sa metodom ispitivanja i na taj na in iskoristi dobre strane obje metode.
66

MARKETING ISTRA IVANJE Uzorak je mali dio ne ega, namijenjen da poka e osobine, kvalitet i prirodu cjelina.
Primjena uzorka u prikupljanju primarnih podataka  jedinica uzorka Jedinica uzorka  statisti ka masa  spisak jedinica uzorka
Spisak Jedinica Uzorka

Statisti ka masa
67

MARKETING ISTRA IVANJE Uzorak je mali dio ne ega, namijenjen da poka e osobine, kvalitet i prirodu cjelina.
Primjena uzorka u prikupljanju primarnih podataka

VRSTE UZORAKA

Na bazi vjerovatno e  Jednostavni slu ajni

uzorak  Sistemski uzorak  Stratificirani uzorak  Grupni uzorak  prigodni uzorak  namjerni uzorak  kvotni uzorak

Ne na bazi

68

MARKETING ISTRA IVANJE Uzorak je mali dio ne ega, namijenjen da poka e osobine, kvalitet i prirodu cjelina.
Primjena uzorka u prikupljanju primarnih podataka

OSNOVNI FAKTORI

veli ina mase od koje treba prikupiti podatke zna aj podataka za ostvarenje cilja istra ivanja tro kovi prikupljanja podataka po jedinici ispitivanja potrebni stepen pouzdanosti podataka raspolo ivost sredstava i vremena za istra ivanje raspolo ivost kadrova
69

Organizovanje prikupljanja primarnih podataka

Izbor i selekcija ispitiva a Obuka kadrova Kontrola rada ispitiva a Stimuliranje i ocjena rada ispitiva a
Slika. 1. Proces organizacije prikupljanja podataka
70

Izbor i selekcija ispitiva a

    Dobro zdravlje i fizi ku kondiciju Komunikativnost Prijatan izgled Pripadnost odre enom polu, u zavisnosti od situacije

71

Citiran autor Dr.L.Andrews, naprimjer daje itavu listu preporuka za ispitiva e koji li no komuniciraju sa ispitanicima. Obuku kadrova vr e instruktori. To su osobe sa dugogodi njim radnim iskustvom u radu na terenu, profesionalci vezani za odre enu specijalizovanu instituciju za istra ivanje marketinga.

Obuka kadrova

DA:
Uvijek nosite sa sobom materijal za li nu identifikaciju. Intervjui ite nepoznate. itajte pitanja rije po rije , ta no kako su napisana. Slijedite redosljed pitanja u upitniku. Dajte ispitaniku koliko god eli vremena za razmi ljanje o svakom pitanju. Zapisujte pa ljivo i itko. Izbjegavajte prazne hodove koliko je mogu e.

NE:
Nikad ne pravite kompromis sa kvalitetom. Ne dozvoljavajte da li ni problemi uti u na va posao. Ne prihvatajte ponu ena alkoholna pi a. Ne koristite ponovo iste ispitanike Ne dozvoljavajte da vam ispitanik ita preko ramena Ne po injite rad ako niste snabdjeveni svim to vam je potrebno.
72

Kontrola rada istra iva a

Ma kako dobro odabrali ili obu ili ispitiva e,uvijek je neophodno obezbjediti i efikasnu kontrolu njihovog rada po to su mogu e gre ke. Kada se govori o izvorima gre aka koje nisu posljedica lo eg planiranog uzorka M. Hauck, navodi etiri osnovna: 1. 2 3. 4. Upitnik Ispitiva i Ispitanici Oni koji nisu dali odgovor
73

Stimuliranje i ocjena rada ispitiva a

Postoje dva na ina na koja se ispitiva ima kompenzira ulo en trud. Jedan je pla anje po radnom satu, a drugi je po svakom ispitaniku. I jedan i drugi na in nagra ivanja ima svojih dobrih i lo ih strana.
NA IN NAGRA IVANJA Po satu PREDNOSTI Svjesno obavljanje razgovora, kvalitet podataka Ve a produktivnost, smanjuje broj neobavljenih razgovora NEDOSTACI Namjerno odugovla e, pove avaju tro kove eli obaviti to vi e razgovora, nejasni odgovori, ne itko upitnik popunjen, izmi ljeni odgovori
74

Po ispitaniku

Eksperiment kao metoda organizovanja prikupljanja primarnih podataka

Bazi na karakteristika nau nog metoda kao osnova svakog istra ivanja, pa i istra ivanja marketinga jeste mogu nost primjene eksperimenta sa ciljem da se provjeri validnost postavljene hipoteze. Pojam eksperimenta U naj irem smislu rije i, pod eksperimentom mo emo smatrati situaciju u kojoj se mjeri dejstvo jedne pojave na drugu.

75

Eksp.var.

Eksperimentalna jedinka

Zavis.var.

Mi dakle, obavljamo eksperiment na taj na in to Djelujemo eksperimentalnom varijablom na eksperimentalnu jedinku i mjerimo efekat tog djelovanja na zavisnoj varijabli. Npr. Ekperimentalna varijabla: Eksperimentalna jedinka: Zavisna variabla:
76

Novi na in pakovanja proizvoda A Prodavnica B u kojem emo uvesti novi na in pakovanja Obim prodaje proizvoda A, pakovanom po novom na inu u prodavnici B u odre enom vremenskom periodu
Ekperimentalna varijabla

Eksperimentalna jedinka
Ostale varijable Varijacije

77

a) Kao rezultat dejstva eksperimentalne varijable b) Kao rezultat dejstva ostalih varijabli koje mo emo kontrolisati c) Kao rezultat dejstva ostalih varijabli koje ne mo emo kontrolisati d) Kao rezultat gre aka u organizovanju eksperimenata X2-X1=E E=e1+e2+e3+e4

e1-Variranje obima prodaje kao stvarni rezultat uticaja novog rje enja pakovanja e2 Variranje obima prodaje kao rezultat dejstva ostalih varijabli koje mo emo kontrolisati e3 Variranje obima prodaje kao rezultat dejstva ostalih varijabli koje ne mo emo kontrolisati e4 Variranje obima prodje kao rezultat gre aka pri organizovanju samog eksperimenta 78

Mjesto organizovanja eksperimenta

Eksperiment se mo e organizovati na samom tr i tu ije karakteristike istra ujemo (na terenu) ili vje ta ki stvorenim uslovima (u labaratoriji). Dobro odabrana eksperimentalna jedinica na tr i tu daje mogu nost zaklju ivanja nekim op tim zakonitostima realnije. U laboratorijskim uslovima je znatno lak e izolovati dejstvo ostalih varijabli.

79

Interna i eksterna validnost eksperimenta

Pod internom validnosti podrazumijevamo stepen pouzdanosti dobivenih enter rezultata koji je posljedicabolje unutra nje organizacije i boljih metodolo kih rje enja iji je cilj kontrola dejstva ostalih varijabli. Eksterna validnost eksperimenta zavisi u su tini od stepena reprezentativnosti odabranih eksperimentalnih jedinica. Eksperiment na terenu eksternu validnost. obezbje uje bolju

Eksperiment u laboratorijskim uslovima obezbje uje bolju internu validnost.

80

Osnovni faktori interne validnosti eksperimenta

1. Promjene koje u periodu organizovanja eksperimenta nastaju kao posljedica trajanja tog eksperimenta. 2. Promjene koje nastaju kao posljedica saznanja ljudi da se obavlja eksperiment. 3. Modalitet jedinica eksperimenta. 4. Uticaj na ina mjerenja na dobijene rezultate. 5. Uticaj mije anja izme u lanova pojedinih eksperimentalnih jedinica.

Metodologija planiranja eksperimenata

U metodologiji planiranja imamo dvije grupe mogu ih metodolo kih rje enja: Nekontrolisani eksperiment Kontrolisani eksperiment

81

Nekontrolisani eksperiment Osnovna karakteristika nekontrolisanih ili kvazi eksperimenata je u tome to se dejstvo ostalih varijabli ne kontroli e. E = x2 xl

Kontrolisani eksperiment Kontrolisani eksperiment imamo ukoliko uspijevamo kontrolisati ili izolovati sve ostale varijable. E= (x2-xl)-(y2-yl) y2-yl = 0 y2-yl < 0 ili y2-yl > 0 x2-xl = Z
82

Eksperiment sa vi e eksperimentalnih varijabli

Najjednostavnije metodolo ko rje enje za izvo enje eksperimenata u kojem je mogu e mjeriti dejstvo vi e od jedne eksperimentalne varijable na zavisnu varijablu je pomo u tzv. latinskih kvadrata. U ovom slu aju osnovna pretpostavka je da ne postoji me usobni uticaj izme u eksperimentalnih varijabli, tj. da one djeluju samo na zavisnu varijablu. Lokacija prodavnice Vrsta prodavnice 1. 2. 3. I C1 C2 C3 II C2 C1 C1 III C3 C1 C2
83

Eksperiment sa vi e me usobno povezanih eksperimentalnih varijabli

Ukoliko istra iva do e do zaklju ka da i me usobno dejstvo eksperimentalnih varijabli uti e na rezultat ekperimenta, potrebno je tra iti i nova metodolo ka rje enja. Faktorijalna analiza nam poma e da istovremeno mjerimo ne samo uticaj svake eksperimentalne varijable na zavisnu varijablu, ve i me usobni odnos eksperimentalnih varijabli i uticaj tog odnosa na zavisnu varijablu.
84

Osnovni problemi primjene eksperimenata u istra ivanju marketinga.

Eksperiment se danas uspje no primjenjuje u mnogim podru jima istra ivanja marketinga.Poslovne odluke vezane za sva etiri elementa marketing mixa-proizvod mixacijena, promocija i distribucija mogu se uspje no pripremiti na bazi odre enih podatka dobijenih putem eksperimenata. Da bi uspje no pripremio eksperiment u cilju prikupljanja primarnih podataka, istra iva marketinga mora imati na umu i njegove osnovne slabosti. Tr i te je toliko dinami no, te je voma te ko kontrolisati sve varijable koje uti u na odredjenu pojavu; Potrebni su veliki metodolo ki i organizacioni napori da bi se na bazi eksperimenta mogli donositi meritorni 85 op ti zaklju ci;

- Eksperiment je po pravilu veoma skupa organizaciona forma prikupljanja primarnih podataka; - Da bi se uspje no obavio jedan eksperiment posebno ako su metodolo ka rje enja suptilnija, potrebno je imati na raspolaganju i relativno dug period vremena; - Provo enje eksperimenta dovodi do niza organizacionih problema.

86

KLASIFIKACIJA METODA ANALIZE

Postoje razli ite klasifikacije analiti kih metoda koje se primjenjuju u istra ivanju marketinga, zavisno od kriterija od kojih se polazi. Metode analize koje se naj e e koriste u praksi istra ivanja marketinga:
ANALIZA PODATAKA Analiza jedne varijable Analiza dvije varijable Analiza vi e varijabli

Deskpritivna analiza

INTERPRETACIJA

87

Potrebno je razgrani iti pojmove analize i interpretacije koji predstavljaju dvije razli ite aktivnosti, koje su istovremeno i veoma povezane. Analiza predstavlja takvo raspore ivanje podataka i njihovo prera unavanje, koje iz njih izvla i odre eni smisao. Zna i, sirovi podaci postaju informacije nakon to ih analiziramo na odre eni na in i ustanovimo njihove bitne karakteristike i odnose izme u njih. Interpretacija je povezivanje rezultata analize sa ostalim informacijama iz okru enja i ciljevima istra ivanja. Bez adekvatne interpretacije rezultati analize mogu biti potpuno bezvrijedni za donosioca marketing odluke. Istra iva marketinga mora imati tri bitne osobine ukoliko eli da pru i stvarnu podr ku donosiocima marketing odluka: da ima teoretsko znanje o metodologiji istra ivanja marketinga da dobro poznaje preduze e za koje se istra ivanje obavlja da dobro poznaje tr i te proizvoda / usluga ija se 88 problematika istra uje.

DESKRIPTIVNA ANALIZA
Kada je cilj istra ivanja da saznamo to vi e injenica o nekom problemu i na bazi toga izvedemo odre ene zaklju ke, deskriptivna analiza predstavlja transformaciju sirovih podataka u oblike koji e ih u initi laganje za shvatanje i interpretiranje; razmje tanje, odlaganje i manipulisanje podacima na na in koji obezbje uje dobijanje deskriptivnih informacija . Zna i, podaci se kategoriziraju, izdvajaju se oni va niji i proizvodi se niz poslova u njihovom sre ivanju da bi se u nastavku procesa istra ivanja (istra ivanja koja se ne zadovoljavaju samo opisivanjem postoje eg stanja) mogla upotrijebiti.
89

Posebnu pa nju u deskriptivnoj analizi treba posvetiti:

a) Primjeni procenata Osnovni cilj izra unavanja procenata je da nam jasnije prika e relativni odnos dijelova jedne cjeline, relativni rast ili opadanje date pojave u vremenu ili neke druge Relativne odnose veli ina. Apsolutne veli ine naj e e nam ne pokazuju ni ta dok se ne izraze u procentima.
VRSTA PAKOVANJA KOJU PREFERIRAJ Starost ispitanika 25 i manje 26-45 46-65 66 i vi e UKUPNO Ukupan broj lanova uzoraka 60 70 40 30 200 A 12 25 28 20 85 B 16 33 10 6 65 C 30 2 2 1 35 Ni jedno 9 1 10 Nema odgovora 2 1 2 5
90

VRSTA PAKOVANJA KOJU PREFERIRAJU Starost ispitanika 25 i manje 25-45 46-65 66 i vi e Ukupno Broj % Broj % Broj % Broj % Broj % Ukupan broj lanova uzoraka 60 100 70 100 40 100 30 100 200 100 A 12 20 25 36 28 70 20 67 85 42.5 B 16 27 33 47 10 25 6 20 65 32.5 C 30 50 2 3 2 5 1 3 35 17.5 Ni jedno 9 13 1 3 10 5 Nema odgovora 2 3 1 1 2 7 5 2.5

Zna i, procente treba primjenjivati uvijek kada pojednostavljuju stvari i poma u u boljem uo avanju karakteristi nih odnosa izme u pojava.
91

b) Primjeni prosjeka Veoma esto, da bi smo sa eli broj podataka o nekoj pojavi, koristimo se tzv. mjerama centralne tendencije tj. prosjecima. Primjena Prosjeka poma e nam da veliki broj podataka uvedemo na samo jedan koji ih sve, na Odre eni na in, obja njava i znatno nam olak ava da razlu imo bitne stvari od nebitnih. Zna i, centralna tendencija ozna ava sredi nju ta ku distribucije podataka.

92

Mod
Mod nekog niza je vrijednost koja se najvi e puta javlja u tom nizu. Isto kao i kod medijane, potrebno je niz svrstati. 11122 333455 66666 7 888899 Mod ovog niza je 6. Mod se ne primjenjuje esto u analizi podataka jer u jednom nizu mo e biti vi e modova (111 22 3 444 566 777) ili da nema niti jednog moda jer svaki podatak ima jedinstvenu Vrijednost (123456789).
93

c)

Primjeni indeksa

Indeksima se pokazuje odnos neke bazne veli ine koja ima vrijednost 100 na drugim veli inama koje analiziramo. Klasi an primjer su indeksi cijena, kada baznu godinu npr. 1997. ozna imo sa 100, a zatim izra unavamo indekse rasta ili pada cijena u narednim godinama.

94

Analiza jedne varijable

 Pomo u deskriptivne analize istra iva sumira brojne podatke i vr i procjenu njihovih karakteristika. Uvijek se postavlja pitanje koliko su te procjene pouzdane i ta ne? Pitanje koje u procesu analize gotovo uvijek mu i istra iva a, svodi se na dilemu da li je neka procjenjena veli ina do koje je do ao, rezultat slu ajne varijacije uzorka ili je zaista karakteristi na za itavu statisti ku masu koju istra uje?  Kao nastavak analize, esto se pristupa primjeni razli itih testova statisti ke zna ajnosti: 1.Definisanje hipoteze 2.Testiranje hipoteze
95

Definisanje hipoteze
U fazi analize, kada nam god cilj istra ivanja i podaci kojima raspola emo to omogu uju, postavljamo hipotezu i provjeravamo je na odre en na in. Dvije hipoteze:  Nulta hipoteza (Tr i no u e e proizvoda A ne e biti ve e od 20%) Alternativna hipoteza (Tr i no u e e proizvoda A e biti ve e od 20%) Obje hipoteze mo emo matematski izraziti na slijede i na in: Ho : p < 0,20 Ho : p > 0,201
96

Definisanje hipoteze
Hipoteza je pretpostavka o mogu em rje enju formulisanog problema, bazirana na predhodnim saznanjima ste enim iz empirije i teorije. Sve radme hipoteze obi no polaze od pretpostavke da ne postoji nikakva razlika izme u osnovnog skupa i uzorka, tj.da je ta razlika jednaka 0 . Takvu hipotezu nazivamo nultom hipotezom. Pored definisanja nulte hipoteze, moramo definisati i alternativnu hipotezu. Ona obuhvata sve vrijednosti parametra p razli ite od 0. Primjer: Obje hipoteze sada mo emo matemati ki izraziti: Ho:p<0,20

97

Mogu e gre ke pri testiranju hipoteze

Zbog nedostatka injenica koje su relevantne, mo e se desiti da nultu hipotezu koja je ta na pobijemo (a) i da neta nu nultu hipotezu ne uspojemo da pobijemo (B).
HIPOTEZA Ho ODBACUJE SE PRIHVATA SE ISTINITA Gre ka I vrste Vjerovatno a= a Pravilna odluka Vjerovatno a=1-a NEISTINITA Pravilna odluka Vjerovatno a:1-B Gre ka II vrste Vjerovatno a= B
98

Mogu e gre ke pri testiranju hipoteze

Dvije vrste gre aka pri testiranju hipoteze: a)gre ka: Stvarna situacija na tr i tu je takva da nas novi proizvod ne e mo i ostvariti tr i no u e e ve e od 20%, a mi smo na bazi na ih istra ivanja donijeli odluku da se on uvede na tr i te. Posljedice e biti takve da e proizvod biti nerentabilan. b)gre ka: Stvarna situacija na tr i tu je takva da na novi proizvod mo e ostvariti tr i no u e e ve e od 20%, a mi smo na bazi rezultata istra ivanja, donijeli odluku da se on ne uvede na tr i te. Posljedica ovakve odluke je propu tena ansa da se Preko rentabilnog proizvoda ostvari odre eni profit.
99

Testiranje hipoteze
Primjena dvije vrste testa: Z test X2 - (Hi kvadrat) test

 Primjenom Z testa , do i emo do odgovora na pitanje koje smo postavili na po etku izlaganja da li je rezultat dobijen na bazi na eg uzorka, karakteristi an za itavu statsti ku masu ili je to rezultat slu ajne varijacije uzorka. Primjer: Pretpostavimo da smo obavili tr i ni test u 625 prodavnica na odre enom regionu. U tih 625 prodavnica smo uveli novi proizvod i izmjerili njegovo tr i no u e e u ukupnom prometu svih maraka proizvoda iste namjene.

100

Analiza vi e varijabli
1. analize vi e varijabli koje su me usobno povezane vi estruka regresiona analiza diskriminaciona analiza 2. analiza vi e nezavisnih varijabli faktorska analiza analiza skupina multidimenzionalna mjerenja
101

Analiza vi e varijabli koje su me usobno povezane

VI ESTRUKA REGRESIONA ANALIZA Vi estruka regresiona analiza je logi an nastavak analize dvije varijable. Umjesto pravca koji se prilago ava dvodimenzionalnom prostoru, sada imamo ravan koja se prilago ava multidimenzionalnom prostoru. Op ta formula: Y= a + b1 x X1 + b2 x X2 + b3 x X3 b i x Xj Gdje su: Y- procijenjena vrijednost zavisne varijable a -konstanta koja se dobija analizom bi- koeficijenti koji su povezani sa nezavisnim varijablama na taj na in da izmjena jedne jedinice Xj uzrokuje izmjenu bi jedinice kod Y. Xi nezavisne varijable koje uti u na zavisnu varijablu Y. 102

Podru ja uspje ne primjene vi estruke regresione analize u istra ivanju marketinga

1. 2. 3. 4. Mjerenje faktora tra nje i tr i nog u e a. Prezentirani primjer analize uticaja tri faktora tra nje na prodaju igra aka je ilustracija ove mogu nosti primjene. Predvi anje prodaje. Utvr ivanje odnosa zavisne i jedne nezavisne varijable, dok se uticaj ostalih nezavisnih varijabli dr i konstantnim. Mjeri se npr. uticaj cijena na tra nju namje taja, dok se svi ostali faktori tra nje dr e konstantnim. Utvr ivanje da li jo neke nezavisne varijable, pored onih koje su ve uzete u obzir, uti u na zavisnu varijablu. Postepeno se uvode nove nezavisne varijable u regresionoj jedna ini da se vidi u kolikoj mjeri uti u na ukupnu korelaciju. Ispitivanje uticaja varijabli koje nisu kontrolisane u nekom eksperimentu, na dobijene rezultate, kada se smatra da njihov uticaj nije slu ajan. Procjena zna aja nedostaje ih podataka iz anketa. Npr. mo e se procijeniti dohodak ispitanika na bazi dobijenih podataka o zaposlenju, obrazovanju i godinama. Upore ivanje podataka iste vrste ali dobijenih od razli itih ispitanjika, koje su prikupljali razli iti anketari. Cilj ovakve primjene regresione analize je kontrola rada anketara i utvr ivanje njihovih gre aka.
103

5. 6. 7.

Dva osnovna cilja primjene vi estruke regresione analize u istra ivanju marketinga su: Predvi anja zavisne varijable pomo u ustanovljenih odnosa sa nezavisnom varijablom Sticanje to vi e saznanja o me usobnim odnosima izme u nezavisnih varijabli i zavisne varijable Vi estruka regresiona analiza ima velike mogu nosti primjene u istra ivanju marketinga a to je posebno do lo do izra aja kompjuterske tehnologije. Dakle, kompjuteri su stvorili uslove da se vi estruka regresiona analiza primjenjuje rutinski kao tehnika.
104

Diskriminaciona analiza
Diskriminaciona analiza je statisti ki metod koji se koristi u slu ajevima kada su varijable koje analiziramo sa nominalne skale. Kada npr. istra iva marketinga eli da segmentira tr i te odre enog proizvoda na intenzivne potro a e i one koje ga povremeno koriste, veoma mu je bitno da ocijeni koje su najzna ajnije osobine jednih i drugih. Da li je npr. mogu e pomo u podataka o njihovim prihodima, obrazovanju, mjestu boravka, poslu kojim se bave, psiholo kim karakteristikama i sl. predvidjeti kojim od ta dva segmenta potro a pripada. U ovom slu aju cilj diskriminacione analize je da se na bazi konkretnih podataka o karaketristikama potro a a formira model pomo u kojeg je mogu e predvidjeti kojem segmentu 105 pripadaju.

Istra iva mo e koristiti linearnu funkciju tip:

Di = k1x1i + k2X2i +
Gdje su: Xji Kj Di

knXni

vrijednost j te nezavisne varijable i tog potro a a diskriminacioni koeficijent za j tu varijablu diskriminacioni rezultati i tog potro a a

Svaki potro a se pomo u diskriminacione analize mo e svrstati u segment intenzivnih potro a a ili u segment povremenih potro a a.
106

Neki od problema koji se uspje no rje avaju primjenom diskriminacione metode

Utvr ivanje karakteristika po kojima se razlikuju slu aoci razli itih radio stanica. Razlika izme u kupaca odre enih tipova automobila. Pore enje pona anja potro a a u kupovini sa njihovom izlo eno u propagandnim porukama Cilj diskriminacione analize je da predvidi vjerovatno u da e odre eni objekti pripasti u dvije ili vi e grupa koje su uzajamno isklju ive, na bazi nekoliko nezavisnih varijabli. Postoje druge metode analize vi e varijabli koje su me usobno zavisne npr. 1. Kanoni ka korelaciona analiza 2. Manova metoda (multivarijaciona analiza varijanse) Njihova primjena nije esta i dosta je komplikovana. 107

Analiza vi e nezavisnih varijabli

FAKTORSKA ANALIZA Faktorska analiza je tehnika pomo u koje se veliki broj varijabli mo e svesti na manji broj faktora a da se, pri tome ne izgubi mnogo informacija. Pretpostavimo da istra iva mjeri stavove potro a a prema odre enoj marki automobila. est dimenzija stavova o automobilima se mjeri.
A A B C D E F B 0,81 C 0,72 0,65 D 0,18 0,21 0,19 E 0,14 0,17 0,16 0,70 F 0,14 0,18 0,17 0,74 0,78
108

Vidimo da 6 stavova te e ka 2 skupine, tj. faktora. Stavovi A, B i C su u visokoj me usobnoj korelaciji. Isti je slu aj sa stavovima D, E i F. Ve ina varijacija kod varijabli A, B i C povezana je sa nekim njihovim zajedni kim faktorom, a isti je slu aj sa varijablama D,E i F. Ako u na em primjeru pretpostavimo da su A stavovi u prostranosti automobila, B stavovi o lako i vo nje, a C stavovi o dizajnu sjedi ta bilo bi logi no zaklju iti da su svi stavovi vezani za komfor i nazvati upravo tako faktor X. S druge strane ako bi stavovi D bili o snazi motor, E o ubrzanju, a F o potro nji goriva, onda bi se factor Y mogao nazvati performanse automobila. Pomo u jednog od mnogih metoda mo emo do i do slijede ih odnosa.
109

Stav A B C D E F

Faktor X 0,95 0,85 0,75 0,15 0,10 0,10

Faktor Y 0,5 0,10 0,10 0,80 0,85 0,95

H2 0,90 0,73 0,57 0,66 0,73 0,91

Korelacija izme u faktora i varijabli naziva se punjenje faktora . R2AXY = r2AX + r2AY = 0,95 2 + 0,05 2 = 0,90 RAXY = h 2
110

Analiza skupina
U analizu skupine ulazimo sa neraspore enim ve im brojem varijabli nastojimo da ih razvrstamo u grupe na bazi odre ene razlike sli nosti i to ve e razlike izme u grupa. Ova tehnika je veoma pogodna za situacije u kojima treba segmentirati tr i te, a ne postoje kriterij za to. Ovom tehnikom otkrivamo sli nosti izme u subjekata koje prou avamo da bi ih razvrstali u posebne grupe. Metoda brzog grupisanja sastoji se od slijede ih faza pri formiranju skupina: zaokru iti najve u korelaciju u svakoj koloni prezentirane tabele prona i najve u zaokru enu korelaciju (po kolonama) prolazi se redovima gdje su zaokru ene najve e korelacije i tra i ima li neka zaokru ena korelacija pa i nju svrstava u prvu skupinu, ovim zavr avamo formiranje prve skupine. Ponavljamo proceduru tra e i najvi u slijede u korelaciju u preostalim kolonama. Izuzimaju se varijable iz prve skupine. 111 Tako formiramo skupinu 2.

8.OWENS 2. MARTIN 10. CLARK 5. PHILLIPS 7. D-X 3. SHELL 6. MOBIL 9. SKELLY 4. TEXACO 1. STANDARD 11. GULF

1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

112

STANDARD 1
1.STANDARD 2. MARTIN 3. SHELL 4. TEXACO 5. PHILLIPS 6. MOBIL 7. D-X 8. OWENS 9. SKELLY 10. CLARK 11. GULF 0,01 0,36 0,38 0,33 0,29 0,26 0,11 0,37 0,18 0,41

PHILLIPS

0,01 0,16 0,09 0,13 0,16 0,13 0,64 0,18 0,36 0,20

MARTIN 2

TEXACO 4
0,38 0,09 0,34 0,43 0,45 0,33 0,05 0,36 0,27 0,34

OWENS

SKELLY

MOBIL

CLARK

0,36 0,16 0,34 0,38 0,34 0,34 0,06 0,31 0,26 0,33

SHELL 3

GULF

DX 7
0,26 0,13 0,34 0,33 0,48 0,36 0,11 0,39 0,30 0,23

5
0,33 0,13 0,38 0,43 0,0,44 0,48 0,17 0,43 0,32 0,28

6
0,29 0,16 0,34 0,45 0,44 0,36 0,12 0,46 0,18 0,32

8
0,11 0,64 0,006 0,05 0,17 0,12 0,11 0,35 0,30 0,18

9
0,37 0,18 0,31 0,36 0,43 0,46 0,39 0,35 0,24 0,31

10
0,18 0,36 0,26 0,27 0,32 0,18 0,30 0,24 0,24 0,21

11
0,41 0,20 0,20 0,34 0,28 0,32 0,23 0,31 0,31 0,21 113

Multidimenzionalna mjerenja
Multidimenzionalna mjerenja su razli ite tehnike pomo u kojih prikazujemo razli ite percepcije i preferencije kao ta ke u geometrijskom prostoru. Osnovni princip je, dakle, da se objekti mjere u vi edimenzionalnom prostoru na bezi ocjene sli nosti stavova ispitanika. Razlike u stavovima se prikazuju udaljenostima izme u ta aka u prostoru prostoru.
Marka Automobila Ford Mustang Mercury Cougar Lincoln Continental Ford Thunderbird Ford Falcon Chrysler Imperial Jaguar AMC Javelin Plymounth Barracuda Buick la Sabre Chevrolete corvair 1 2 8 3 50 38 4 31 9 11 5 12 33 55 44 6 48 37 1 13 54 7 36 22 23 16 53 26 8 2 6 46 19 30 47 29 9 5 4 41 25 28 40 35 3 10 39 14 17 18 45 24 34 27 20 11 10 32 52 42 7 51 49 15 21 43
114

Multidimenzionalna mjerenja u prostroru poma u istra iva u da bolje objasni neke marketin ke fenomene kao to su: skrivene osobine proizvoda, kako ih vide kupci, kombinaciju osobina koje kupci najvi e preferiraju, zna ajne segmente koji postoje na tr i tu, tr i ne d epove, itd.

sportski

idealna ta ka za ispitanika A

7 1 9 5 11 6 10 8 2 4 3

luksuzan

Grafi ki prikaz

115

Izvje taj o obavljenom istra ivanju

Osnovni principi pisanja izvje taja 1. Treba voditi ra una za koga se izvje taj pi e. - poznavanje karakteristika i sposobnosti korisnika odre uje i na in pisanje izvje taja. 2. Uvijek imati na umu osnovne ciljeve istra ivanja - dobar izvje taj u svakoj svojoj re enici prvenstveno vodi ra una o ciljevima istra ivanja I samo se na njih koncentri e 3. Selektivnost - donosioce odluka interesuju samo kona ni rezultati 4. Objektivnost - jako je va no da istra iva i sami vjeruju u objektivnost onoga to

116

5. Voditi ra una o redosljedu izlaganja - zamisliti izvje taj u kome bi informacije i zaklju ci bili prakti no nabacani 6. Pisati jasno - cilj izvje taja nije da se impresionira itaoc nego da se ispostavi efikasna komunikacija izme u istra iva a i donosioca odluka 7. U initi izvje taj upe atljivim - parola pisca izvje taja bi trebala da bude: Neka bude dovoljno dug da pokrije sadr aj, a dovoljno kratak da bude interesantan . 8. U initi izvje taj psiholo ki logi nim - privu i pa nju itaoca najinteresantnijim detaljima

117

9.Kratak izvje taj - iznijeti najva nije, izostaviti detalje, pisati obi nim rije ima 10.Omogu iti da se izvje taj lako prati 11.Koristiti se svakodnevnim jezikom -izbjegavati sve ono to bi moglo zbuniti itaoce 12.Ukazivati na prakti ne akcije - koristiti se analogijom, specifi nim primjerima i pore enjima koji su bliski itao evom iskustvu 13. Koristiti vizuelna sredstva u pisanju izvje taja - grafikoni, slike
118

14.Koristiti razli ite vrste slova za naslove i najbitnije informacije koristiti velika i razmaknuta slova kako bi se privukla pa nja 15.Boje koriste se za isticanje centralnih ideja Redosljed izlaganja u izvje taju I Naslovna strana II Sadr aj izvje taja III Uvodno izlaganje IV Metodologija istra ivanja V Rezultat istra ivanja VI Zaklju ci i preporuke VII Prilozi

119

I Naslovna strana 1. Naziv organizacije i pojedinca koji su obavili istra ivanje 2. Naziv organizacije za koju je istra ivanje obavljeno 3. Naslov 4. Datum II Sadr aj izvje taja treba da obuhvati naslove i podnaslove u izvje taju, njihovu numeraciju i broj stranice na kojoj se naslovi i podnaslovi nalaze

III Uvodno izlaganje - treba da odgovori na dva bitna pitanja: 1. ta je predmet istra ivanja? 2. Koji su ciljevi istra ivanja?

120

IV Metodologija istra ivanja koji su izvori podataka kori teni, na in prikupljanja podataka statisti ke i matemati ke metode koje smo koristili na in organizovanja rada na terenu, broj i kvalitet instruktora i anketara V Rezultati istra ivanja rezultati trebaju biti prezentirani jasno, ilustrativno putem grafikona, slika uz dodatna tekstualna obja njenja VI Zaklju ci i preporuke davati ih samo onda kada se to tra i od istra iva a. VII Prilozi spisak nau ne i stru ne literature koja je kori tena
121

Grafi ko prezentiranje u izvje taju

60 50

40

30

lux potro nja odje a i obu a ishrana

20

10

0 1980 1990 2000

cesto ponekad nikad

122

INPUTI  Eksterni podaci  Interni podaci

PROCESI OUTPUTI  Selekcija  Kvalitet  Sa imanje donesenih  Analiza  Odluka na  Alociranje svim nivoima  Ocjena pouzdanosti  Aktueliziranje  Kontrola

123

Marketing informacioni sistem Razvijanje informacija

Marketing mena eri Analiza Planiranje Implementacija Kontrola
Marketing podsistem podr ke odlu ivanju Istra iva ki podsistem marketinga Procjenjivanje potreba za informacijama Interni podsistem izvje tavanja Marketing obavje tajni podsistem

Marketing okru enje Ciljna tr i ta Marketing kanali Konkurencija Javnost Snage makrookru enja

Distribucija informacija

Marketing odluke i komunikacije

124

Osnovni problemi uvo enja marketing informacionog sistema u preduze e

Pru iti donosiocima odluka to vi e informacija Donosiocima odluka trebaju sva informacije koje tra e Rukovodioci imaju sve informacije - kvalitet odluke je bolji  Donosioci odluka ne moraju znati kako funkcioni e cjelokupan informacioni sistem oni samo koriste informacije NEOPHODAN JE INTERDISCIPLINARNI PRISTUP
125

Istra ivanja koja predhode uvo enju MIS-a u preduze e

Dijagnoza postoje eg stanja Koje informacije postoje? Unutra nji tokovi Informacija Komunikacija sa potro a ima

Ustanovljavanje potreba za informacijama

Prijedlog plana razvoja MIS-a Vrsta informacija Izvor informacija U estalost informacija Korisnici informacija
126

Vrsta Izvor U estalost informacija informacija informacija Zalihe gotovih proizvoda Novi zakoni i regulative od uticaja na poslovanje preduze a Skladi te gotovih proizvoda Poslovna slu ba U realnom vremenu (on line) Svakog prvog u mjesecu

Korisnici informacija Menad eri u prodaji Vrh menad menta, funkcionalni menad eri i menad eri dijelova preduze a Direktor sektora marketinga
127

Mogu nost ulaska na nova tr i ta

Slu ba za istra ivanje marketinga

Na zahtjev direktora Sektora marketinga

Sistem podr ke odlu ivanju

Sistem podr ke odlu ivanju povezuju intelektualne sposobnosti pojedinca sa mogu nostima kompjutera da bi se pobolj ao kvalitet odluka

Obuhvaraju podatke i modele

Poma u mena erima kod nepotpuno struktuiranih ili nestruktuiranih problema

Podr avaju, a ne zamjenjuju procjene i razmi ljanje mena era

Cilj: pobolj ati efektivnost a ne efikasnost odluka

128

Predvi anje prodaje

Zna aj predvi anja prodaje za preduze a Sve svoje ciljeve preduze e mo e ostvariti samo ako prodajom proizvoda i usluga obezbjedi nesmetan tok procesa reprodukcije. Bazi ne odluke u svakom preduze u:  ta proizvoditi? Koliko proizvoditi? Cjelokupan process planiranja otpo inje sa planom prodaje, te od realnosti i kvaliteta tog plana zavise svi ostali.
129 Kvalitetno planiranje u preduze u mora da ima vrst oslonac u pouzdanim informacijama.

Za preduze e su zna ajne dvije vrste predvi anja: Predvi anje op te ekonomske situacije na pojedinim tr i tima Predvi anje prodaje konkretnih proizvoda i usluga U itavom ovom procesu slu ba za istra ivanje marketinga ima veoma zna ajnu ulogu.

130

Op ti pristup ekonomskom predvi anju

DETERMINISTI KA STRATEGIJA  Polazi od jednostavne i regalne pretpostavke da sada njost ima blisku uzro nu vezu sa budu no u  Posebno se koristi kada je period za koji predvi amo kratak i kada su nam hitno potrebne prognoze  Tehnika: predvi anje konjukture na bazi anketiranja privrednika i potro a a
131

SIMPTOMATSKA STRATEGIJA  Polazi od bazi ne pretpostavke da postoje odre enji simptomi u sada njosti koji ne odre uju ve nagovje tavaju budu a kretanja. kretanja.  Pa ljivim pra enjem itavog niza ekonomskih pojava u du em vremenskom periodu u pro losti mo e se mnogo toga uo iti o vjerovatnim kretanjima u budu nosti SISTEMATSKA STRATEGIJA  Poku ava prona i uzro no posljedi nu vezu izme u pojava u sada njosti i budu nosti  Tipi ne metode koje se baziraju na sistematskoj strategiji su ekonometrijske metode ekonometrij

132

Predvi anje konjukture

 PREDVI ANJE KONJUKTURE NA BAZI ANALIZE VODE IH INDIKATORA Ovaj metod se bazira na pretpostavci da postoje odre ene ekonomske pojave koje nagovje tavaju op tu konjukturu u budu nosti. Vode i indikatori na bazi kojih NBER daje svoje prognoze kretanja konjukture su slijede i: Prosje ni broj radnih sati u sedmici radnika u industriji Prosje ni iznos naknada za nezaposlene Neto nove investicije Nove narud be industriji trajnih dobara Ugovorena izgradnja fabrika i narud be opreme Nove dozvole za gradnju privatnih stanova i ku a Promjene u knjigovodstvenoj vrijednosti zaliha, u industriji i trgovini Cijene reprodukcionih materijala Cijene akcija Profiti korporacija nakon poreza Odnosi cijena i jedini nih tro kova rada u industriji 133 Potro a ki krediti

Vode i indikatori OECD a koji najpouzdanije nagovje tavaju budu a kretanja konjukture na danom tr i tu: Nove narud be Broj radnih sati sedmi no Indeksi proizvodnje Odnos zaliha prema isporukama Odnos uvoza i izvoza Prodaja trajnih potro nih dobara

134

Formalne metode Tehnolo ke metode Subjektivne metode Formalne metode Kauzalni metodi Metodi na bazi vremenskih serija

Kvalitativne metode

Kvantitativne metode

135

Kvantitativni metodi
Metode koje se baziraju na analizi vremenskih serija Ovaj metod se mo e koristiti za predvi anje prodaje u budu nosti samo za proizvode koji ve izvjestan period egzistiraju na tr i tu. Za potpuno nove proizvode koji se tek uvode na tr i te ne mo e se koristiti ovaj metod za predvi anj prodaje. Osnovna slabost koju ispoljava ovaj metod je da se uvijek polazi od pretpostavke da e kretanja u budu nosti biti ista kao i kretanja u pro losti, gdje je jedina nezavisna vrijabla vrijeme, to je u su tini pogre no jer su faktori koji utu u na prodaju datog proizvoda mnogobrojni.
136

Pored slabosti ovaj metod ima i neke razloge koji govore u prilog kori tenja ovih metoda, a to je: da nam pru aju odli nu orijentaciju u svim slu ajevima gdje je potro nja relativno stabilna i gdje se ne o ekuju velike izmjene; metode ove vrste uspje no koriguju gre ke iz pro losti. Najkarakteristi nije metode predvi anja na bazi vremenske serije su: Naivne metode; Ekstrapolacija trenda; Pokretni presjeci; Autoregresioni pokretni presjeci
137

Naivne metode Postoji vi e mogu nosti da se ovim metodama predvi a prodaja. 1. Prodaja u narednom periodu e biti ista kao i prodaja u predhodnom tj.: Xt + 1 = Xt 2. Prodaja u narednom periodu e se mijenjati u istom procentu kao i u prethodnom periodu tj. Xt Xt + 1 = Xt Xt-1 3. Prodaja u narednom periodu e se mijenjati u odre enom procentu (y) od promjena u pro lom periodu. Xt + 1 =(Yt Xt-1)
138

Ekstrapolacija trenda Kod ove metode karakteristi no je to da se podaci o prodaji u pro lost analiziraju i pronalazi se matemati ka funkcija koja najbolje odgovara tim kretanjima pa se zatim vr i ekstrapolacija. Naj e e se koristi metod najmanjih kvadrata da bi se odredio oblik funkcije. Krive koje se mogu odabrati su: - aritmeti ki trend; - semilogaritamski trend; - modificirani trend; - logisti ka kriva.
139

Pokretni presjeci Ako je period predvi anja kratak, slu ajnost ima zna ajnu ulogu. Jedan od na ina da se minimizira uticaj slu ajnosti je uprosje ivanje vi e predhodnih perioda. Primjenom ove metode mi ustvari smanjujemo uticaj niskih i visokih vrijednosti i aprokismiramo realan trend. Autoregresioni projektni presjeci Ovo je najkompleksnija grupa metoda koje se baziraju na analizi vremenske serije. Njen kvalitet je u injenici da se poku avaju minimizirati gre ke koje su u injene u prethodnim prognozama. Ovdje se uvodi vjerovatno a prognoze u model. Najpoznatiji 140 modeli ove vrste su oni koje su razvili Box i Jenkins.

Kauzalni modeli Kod kaunzalne metode mi poku avamo da analiziramo faktore koji uti u na prodaju tog proizvoda (nezavisne varijable) i na bazi toga predvi amo njihovu prodaju. Mi ustvari analiziramo povezanost odre enih ekonomskih i drugih pojava za prodajom na eg proizvoda, pa te ustanovljene veze izra avamo matemati kim putem u modelu. Te veze mogu biti izra ene pomo u jedne jedna ine ili pomo u sistema jedna ine.

141

Modeli sa jednom jedna inom U ovom slu aju nastoji se pomo u jedne jedna ine izraziti povezanost izme u jednog ili vi e faktora i prodaje datog proizvoda. Kod ovog modela mi ustvari prognoziramo kretanje nezavisne varijable, pa poznavaju i stepen njene povezanosti sa prodajom na eg proizvoda formiramo jednostavan model. Veoma esto nije dovoljna samo jedna nezavisna varijabla da bi smo mogli predvi ati prodaju.

142

Modeli sa sistemom jedna ina Ovi modeli naj e e se nazivaju ekonometriskim. Mogu se sastojati od vi e regresionih jedna ina koje se simultano rje avaju. Prednost ovih modela je to simultanim rje avanjem daju kompleksnu me uzavisnost varijabli. Njihova kompleksnost ini ih i skupim. Naj e e se ovi modeli koriste za predvi anje agregatnih ekonomskih veli ina, ukupne potro nje i sl.

143

Kvalitativne metode
Predvi anje prodaje na bazi subjektivnih procjena Ljudi koji se dugo vremena bave prodajom nekog proizvoda, kao to su rukovodioci, referenti, trgova ki putnici, veleprodavci i sl., znaju dosta o itavom nizu faktora koji mogu uticati na prodaju u budu nosti. Oni ta svoja znanja uokviruju u jednu subjektivnu percepciju onoga to e se desiti u budu nosti. Ne koriste se samo stavovi i mi ljenja eksperata ve i potro a . Na in na koji se vr i sakupljanje subjektivnih procjena je naj e e putem raznih vrsta anketa. Jedan od poznatih na ina je Delphi metoda.
144

Tehnolo ka predvi anja Istra iva i marketinga moraju pratiti tehnolo ki razvoj naro ito kada se bave dugoro nim predvi anjima prodaje. Tehnolo ka predvi anja e po mi ljenjima mnogih imati vi e uticaja na predvi anja prodaje niza proizvoda u budu nosti, naro ito u dugom roku. Osnovne pote ko e u primjeni prezentiranih metoda predvi anja - Koordinacija rada raznih stru nih slu bi koje treba da u estvuju u procesu predvi anja prodaje;
145

Istra ivanje marketinga za potrebe dono enje investicionih odluka

1. ZNA AJ INVESTICIONIH ODLUKA ZA PREDUZE E Strate ke odluke zahtijevaju investiciona ulaganja. Dakle, investicione odluke su po svojoj prirodi strate ke. Rizik investicionog odlu ivanja za preduze e zavisi od: y Veli ine ulaganja y Karakteristika investicija Zavisno od ovih faktora neophodno je izvr iti pripremne odluke, tj. preduzeti odgovaraju e vrste 146 predinvesticionih istra ivanja

1.1.PREDINVESTICIONA ISTRA IVANJA Postoje tri vrste predinvesticionih istra ivanja koje su bitne u ve ini su ajeva: 1. Istra ivanje marketinga 2. Tehni ko tehnolo ka istra ivanja 3. Ekonomsko - finansijska istra ivanja Konflikt izme u istra iva a marketinga i tehnologija. Izuzetno je korisno predinvesticiona istra ivanja podijeliti u dvije faze koje vremenski slijede jedna drugu: 1. Preliminarno istra ivanje 147 2. Detaljno istra ivanje

1.1.1. Preliminarno istra ivanje Osnovni cilj preliminarnog istra ivanja je da se provjeri realnost i izvodivost odre ene investicione ideje prije nego se pristupi detaljnom istra ivanju za potrebe dono enja kona ne odluke. Osnovni princip rada u ovoj fazi istra ivanja su brzina i niski tro kovi

148

Kao rezultat preliminarnih predinvesticionih istra ivanja, istra iva i raznih specijalnosti trebali bi rukovodstvu preduze a prezentirati usagla ene informacije u slijede em: y Opis potrebe koju zadovoljava proizvod ija se proizvodnja predla e i njegove osnovne prednosti nad eventualnim supstitutima y Gruba procjena stanja tra nje i ponude na svjetskom i doma em tr i tu, kao i budu ih kretanja y Gruba procjena mogu nosti plasmana investitora y Opis mogu eg tehnolo kog rje enja za proizvodnju datog proizvoda I mogu nosti primjene tog rje enja s obzirom na kadrovske,pravne, ekolo ke i sli ne uslove y Pribli ni kapacitet koji se za datu tehnologiju smatra rentabilnim y Gruba procjena potrebnih investicionih ulaganja u osnovna i obrtna sredstva za predlo enu tehnologiju i kapacitet y Gruba procjena mogu ih tr i nih cijena, tro kova i ekonomskih efekata y Ocjena mogu nosti obezbje enja sredstava za investiciju i osnovnih potrebnih inputa u proizvodnju
149

1.1.2. Detaljno istra ivanje Po to nam preliminarna istra ivanja doka u da postoji realna ansa da je na a ideja izvodiva i opravdana sa tahni ko tehnolo kog, tr i nog i finansijskog aspekta mo e se pristupiti detaljnom predinvesticionom istra ivanju. Detaljna preliminarna istra ivanja se razlikuju od primarnih.

150

2.Predinvesticiona istra ivanja markatinga

Zadatak istra iva a marketinga u procesu predinvesticionih istra ivanja je da odgovori na slijede a pitanja: 1. Kakva je tra nja za proizvodom ili uslugom u koje se investira, sa kvantitativnog i kvalitativnog aspekta? 2. Kakva je ponuda tj. Konkurencija tih proizvoda ili usluga, kao i supstituta, sa kvantitativnog i kvalitativnog aspekta? 3. Koliko je mogu e tr i no u e e investitora i uz kakav bi se marketing program ono moglo ostvariti?

151

4.Kakve 4.Kakve su mogu nosti da se na tr i tu obezbijede svi neophodni inputi budu e investicije? Potrebno je naglasiti da te ina odgovora na prva tri pitanja zavisi od karakteristika tr i ta za konkretne proizvode i usluge. U tom pogledu mogu e su tri situacije: 1. Projekti s proizvodnjom za unaprijed nepoznatog kupca 2. Projekti s prozvodnjom za unaprijed poznatog kupca 3. Projekti s proizvodnjom za dru tveno definisanu potra nju. nju
152

2.1. ANALIZA TRA NJE

Po Kotleru imamo tri dimenzije mjerenja tra nje i vi e varijanti unutar svake: Prostorna dimenzija: svijet, dr ava, republike, regija, potro a Vremenska dimenzija: kratki rok, srednji rok, dugi rok Dimenzija proizvoda: ukupne prodaje, prodaje jedne privredne grane, prodaje privrednog subjekta, linija proizvoda,g rupa unutar linije, jedna varijanta proizvoda Tr i na tra nja za nekim proizvodom je ukupna koli ina koja bi bila kupljena od strane odre ene grupe potro a a na odre enom geografskom regionu, u odre enom tr i nom okru enju i uz odre eni marketing 153 program .

Tra nja se posmatra kao funkcija ulaganja u marketing, a ne kao statisti ka veli ina:

Tra nja u datom vremenu

Tr i ni potencijal O ekivana tra nja Sada nja tra nja

154

2.2.l. Metoda prilago ene stvarne potro nje Ako istra iva markatinga ima na raspolaganju pouzdane podatke, najjednostavnije mu je da stvarnu potro nju uzme kao bazu za ocjenu tr i nog potencijala pa zatim tu veli inu koriguje za ocijenjeno pove anje ili smanjenje u budu nosti. nosti. Primjer ocjene tr i nog potencijala TV prijemnike. . Predndost ove metode je jednostavnost prora una kao i jednostavnost. Ograni enja metode prilago ene stvarne jednostavnost. potro nje su u njegovoj primjeni. Metoda direktnih podataka primjeni. ne koristi se esto iz dva razloga: razloga: 1. Detaljni podaci o prodaji nisu raspolo ivi za mnoge proizvode i usluge 2. Kada su podaci raspolo ivi, oni mo da nisu pogodni za ocjenu sada njeg potencijala zato to se odnose na pro lost. lost. 155

2.2.2.Metoda ocjene mogu e kupovine Po to podaci o stvarnoj prodaji nisu uvijek dostupni istra iva u, on ponekad mora izvr iti procjenu mogu e potro nje razmi ljaju i o tome ko su potencijalni kupci za dati proizvod. Primjer izdava ke djelatnosti: 41.254 x 0,10 x 0,60 = 2.475 komada 28.470 x 0,30 x 2 = 17.082 komada 3.470 x 0,25 x 0,30 = 2.602 komada

156

Procjena mogu e kupovine za ud benik iz istra ivanja marketinga bila: 2. 475 + 17. 082 + 2. 602 = 22. 159 Kada ne postoje pouzdani podaci o prodaji datog proizvoda, a kada je mogu e identifikovati najzna ajnije tr i ne segmente i dobiti podatke o njihovim aproksimativnim potrebama, direktnim ili indirektnim putem, metoda procjene mogu e kupovine je dobra metoda za mjerenje tr i nog potencijala.

157

1. Metoda korelativnih indeksa

Nedostatak pouzdanih podataka za direktnu procjenu tr i nog potencijala je razlog to se opredjeljujemo za manje pouzdan indirektni metoda. Potro nja nekih proizvoda na tr i tu li ne potro nje je u izrazitoj korelaciji sa kretanjem broja stanovnika. Takav je slu aj sa npr. prehrambenim proizvodima, lijekovima ili dije ijom hranom. Ako se podaci o kretanju stanovni tva mogu kombinovati sa podacima o prosje noj potro nji nekih proizvoda, procjena tr i nog potencijala je jo pouzdanija. Ako podataka o prosje noj potro nji nema, mo e se koristiti analogija sa zemljom pribli no istog nivoa prosje nog nacionalnog dohotka i navika u potro nji.
158

Primjer potro nje piva. Metoda procjene tr i nog potencijala pomo u tzv. multikorelativnih indeksa koristi se za mjerenje relativnog zna aja pojedinih regiona na ukupnom tr i tu. Multikorelativni indeksi su posebno dobar indicator tr i nog potencijala za oping robu.

159

Primjer proizvo a a namje taja MKIj = 0,25Dj + 0,25Sj + 0,50Bj Duk Suk Buk

gdje je:

MKIj tr i ni potencijal regiona i u relativnom odnosu na ukupni tr i ni potencijal Dj - dohodak regiona Duk - ukupni dohodak Sj - stanovni tvo regiona Suk - ukupno stanovni tvo Bj - broj sklopljenih brakova u regionu Buk - ukupan broj sklopljenih brakova Za primjenu metode multikorelativnih indeksa moramo imati na raspolaganju podatke o svim faktorima koji predstavljaju indikatore tr i nog potencijala.
160

Istra ivanje me unarodnog marketinga

Koncept me unarodnog marketinga i potrebe za istra ivanjem Me unarodni marketing je obavljanje poslovnih aktivnosti koje usmjeravaju tok proizvoda i usluga preduze a ka potro a ima ili korisnicima u vi e od jedne dr ave, uz ostvarenje profita. Jedina razlika u definiciji doma eg marketinga i me unarodnog marketinga je da se marketing aktivnosti odvijaju u vi e od jedne dr ave. Ova, o igledno neznana, razlika posljedica je komleksnosti i raznovrsnosti me unarodnih marketing aktivnosti. Marketing koncepti, procesi i principi su univerzalno primjenjeni, a zdaci marketinga su isti bez obzira da li se biznis obavlja u Teksasu, Del el Salamu ili Tanzaniji.
161

Poslovni cilj je stvoriti profit pomo u promocije, cijene, distribucije proizvod z koje postoji tra nja na tr i tu . Klju ne odluke da li i i na inostrano tr i te? na koja tr i ta i i? kako u i na odabrano inostrano tr i ta? kakav marketing program ponuditi na odabranom inostranom tr i tu? kako organizoati svoje me unarodne marketing aktivnosti
162

Specifi nosti istra ivanja marketing aktivnosti Marketing istra ivanje predstavlja sistemsko prikupljanje, registrovanje i analiziranje podataka u cilju obezbje enja informacija za dono enje marketing odluka DVA ISTRA IVANJA istra ivanje strane sredine (okru enja) istra ivanje inostranog marketinga sa aspekta marketing instrumenata PODACI KOJI SE KORISTE Primarni Sekundarni
163

Primjer kori podataka

enja sekundarnih

Podaci za svaku zemlju (World Business and Economic Review) usiness politi ka i ekonomska situacija struktura vlasti, jezici,novac, prostor i stanovni tvo osnovni ekonomski indikatori u posljednjih pet godina politi ki sistem, demografija, gradovi, mediji, kupovna mo vodi za bizmismene i vrijeme, klima, ulazna procedura, procedura, itd. 164

Istra ivanja inostranog tr i ta strane sredine se organizuje u tri faze:

I FAZA: PRELIMINARNA ISTRA IVANJA FAZA: a) DEMOGRAFSKO OKRU ENJE Veli ina stanovni tva, rast, gustina naseljenosti Seosko i gradsko stanovni tvo Klimatski uslovi Saobra aj, udaljenost Komunikacije b) POLITI KO OKRU ENJE Organizacija dr ave Ideolo ka orjentacija Uticaj dr ave na biznis i na konkurenciju Stavovi prema inostranim firmama

165

c) EKONOMSKO OKRU ENJE Op i nivo razvijenosti GNP, ekonomski rast, industrijski sector Uloga vanjske trgovine Platni biznis d) SOCIJALNO- KULTURNO OKRU ENJE SOCIJALNOPostotak pismenosti Postojanje srednje klase Jezik II FAZA: ANALIZA TR I NOG POTENCIJALA ZA DATU INDUSTRIJU INDUSTRIJU a) DOSTUPNOST TR I TA Ograni enja u trgovini i visina carina Zakoni i procedure uvoza Patenti Lokalni standardi, prakse i druge vancarinske barijere 166

b) TR I NI POTENCIJAL ZA PROIZVODE ) Potrebe i elje potro a a Doma a proizvodnja, uvoz potro nja Postojanje komplementarnih proizvoda Stavovi prema proizvodima iz drugih zemalja Uslovi lokalne proizvodnje III FAZA: ANALIZA PRODAJNOG POTENCIJALA PREDUZE A a) PREDVI ANJE OBIMA PRODAJE Veli ina i koncentracija segmenata potro a a Projekcija podataka o potro nji Ocjena konkurencija 167 O ekivanja lokalnih distributera

b) TRO KOVI VEZANI ZA UVOZ Tro kovi izvoznika u svakoj zemlji Doma i tro kovi distribucije Me unarodne prevozne tarife i osiguranja c) TRO KOVI VEZANI ZA DISTRIBUCIJU U ZEMLJE U KOJE SE IZVOZI Carine i dad bine Porezi na dodatne vrijednosti Mre e i provizije u trgovini Tro kovi promocije d) OSTALE DETERMINANTE PROFITABILNOSTI Postoje i nivoi cijene Snage i slabosti konkurencije Kreditni uslovi Sada nja i projektovana predvi anja cijena
168

Jedan od modela istra ivanja inostranih tr i ta je Roccov model

START
Preliminarno istra ivanje Orijentacijsko istra ivanje Indikativno istra ivanje Konkretno marketin ko istra ivanje Postoje li anse? DA Jesu li anse vidljive? DA Jesu li anse konkretne? marketin ka akcija NE anse nisu konkretne NE Nema izgleda anse nisu vidljive

NE

KRAJ

169

Svijet u kome komunikacijske tehnologije kreiraju globalnu konkurenciju Svijet u kome novac kupuje nove koncepte ili sredstva za njihovo kreiranje, umjesto novih ma ina Nova ekonomija software za umre eni svijet

Svijet u kome je ubrzana promjena konstanta

Svijet u kome je nova inovacija va nija od masovne proizvodnje

Nova ekonomija

Sama tr i ta se ubrzano mijenjaju Slobodno tr i te

Dana nja, elektronski podr ana globalna ekonomija je najve i, najkompleksniji i adaptivni sistem ikada kreiran

Svijet toliko druga iji da se njegova pojava mo e opisati samo kao revolucija

 Tr i ta se mijenjaju br e od marketinga kompanija Nova ekonomija-ekonomija bazirana na znanju! Kako to bolje razumjeti potro a e

170

Uticaj nove ekonomije i novih tehnologija na istra ivanje marketinga

KONVENCIONALNI MARKETING PRINCIPI
Organizacija po proizvodnim jedinicama Te i te na profitabilnim transakcijama Uspje nost se ocjenjuje prvenstveno finansijskim rezultatima Te i te na zadovoljavanju interesa

NOVI MARKETING PRINCIPI

Organizacija po tr i nim segmentima Te i te na trajnoj vrijednosti za kupca Gleda se na marketin ke efekte, isto kao i na finansijske Te i te na zadovoljavanju vi e grupa zainteresovanih za uspjeh kompanija ( stakeholders ) Svi u kompaniji se bave marketingom Gradi marke pomo u ukupnog pona anja kompanije Te i te na zadr avanju kupaca Mjeri vrijednost za kupca i kup evu lojalnost Obe aj manje a isporu i vi e Lanac vrijednosti je jedinica za analizu
171

Samo marketing sektor se bavi marketingom Gradi marke prvenstveno pomo u ekonomske propaganda Te i te na osvajanju kupaca Mjeri kup evo zadovoljstvo Obe aj vi e nego to mo e da bi prodao Kompanija u cjelini je jedinica za analizu

Povezivanje sa potro a ima Selektivno povezivanje Do ivotno povezivanje Direktno povezivanje Povezivanje sa partnerima u marketingu Povezivanje sa ostalim organizacionim dijelovima u kompaniji Povezivanje sa dobavlja ima i distribuerima Povezivanje u strate ke alijanse Povezivanje sa svijetom koji okru uje kompaniju Globalne povezanosti Povezivanje sa vrijednostima i odgovornostima irenje povezanosti
172

TEHNOLOGIJE KOJE POVEZUJU Kompjuteri Komunikacije Transport

Mogu nosti primjene interneta u podru ju marketinga

Komunikacije 1. Interno- umre avanje InternoEksterno trgovci , potro a i, dobavlja i trgo Transfer podataka 2. Izme u lokaliteta, sa drugim kompanijama, sa svojim osobljem izvan sjedi ta kompanije Pretra ivanje podataka kod istra ivanja 3. Istra ivnje marketinga Novi materijali Edukacija Profesionalni razvoj Logistika Planiranje, rasporedi, vremena, zalihe
173

4.

5.

Smanjenje tro kova alternativnim komunikacijama Telefon, po ta Li no efikasnost usluga kupcima,telekomunikacije, smanjenje potreba za sastancima Ostalo objavljivanja, novine i sl.

Saradnja 6. 7. 8. 9. 10. Razvoj proizvoda Radni timovi Istra ivanje marketinga Sekundarni i primarni podaci Direktni marketing i ogla avanje Prodaja Kanali distribucije Informacija trgovcima i potro a ima Online prodaja Ostalo
174

Internet Brzina Strukturiranost informacija Usmjerenost informacija Op i kvalitet informacija Alati za pretra ivanje Podr ka korisniku Tro kovi mala do velike nije jako dobra veoma irok obuhvat nizak do visokog ograni eni i nekompletni ograni ena niski

Elektronske baze podataka velika veoma dobro struktuirane zavisi od baze, uglavnom uzak obuhvat visok do vrlo visokog ekstenzivni i pouzdani veoma dobra visoki do vrlo visoki

Online servisi mala do velika dobro strukturirane srednji dio irok obuhvat srednji do visokog uglavnom pouzdani dobra srednji

175

Ideja Tr i no prihvatanje proizvoda

Mogu nost uvo enja na tr i te nove pe nice za pe enje, kao zamjene za klasni nu ta potro a i misle o novom prizvodu i da li e ga prihvati?

KLASI AN/KONVENCIONALAN PRISTUP ISTRA IVANJU TR I TA

 prou avanje sekundarnih podataka (paneli, ankete i sl.)  prikupljanje primarnih podataka specifi nih za na proizvod  fokus grupe, ankete

Rezultati

Brzina pe enja Kvalitet jela Lako a i enja Prostranost

8,2 7,1 6,5 4,8

Te i te u promociji pe nice brzina pe enja

176

Novi pristup istra ivanju tr i ta

 Razumijevanje potro a a nije samo stvar podataka  Obja njenje za to i kako potro a i koriste pe nice

Predvi anje samo na bazi podataka nije logi no

Obja njenja dolaze iz kreativnosti istra iva a, a mogu biti inspirisana podacima. Obja njenja mogu do i od drugih impulsa, kao to su iskustvo ili intuicija.
177

OBJA NJENJA PARTIKULARISTI KO UNIVERZALNO Svakodnevno Obja njenje na bazi zdravog razuma Nau no

 Obim po etaka i veli ina uzroka nisu kriti ni faktor uspjeha  Razumjeti potro a e zna i kreirati obja njenja koja mogu biti inspirisana podacima ali isto tako intuicijom  Kriti ni faktor uspjeha je sposobnost i volja da se obja njenja suo e sa podacima na na in da podaci budu ozbiljan test za obja njenja.  Ako jedno obja njenje pre ivi testiranje, ono je prihva eno ali i ne dokazano  Ako obja njenje padne na testu, moramo kreirati bolje i testirati ga, to zna i da obja njenja evoluiraju u vremenu
178

Slide 105

179

Slide 106

180

Slide 107

181

Slide 108

182

Slide 109

183

Slide 110

184

Slide 111

185

Slide 112

186

Slide 113

187

Slide 114

188

Slide 115

189