Факторы, влияющие на выбор промышленных кормов для котов и собак на региональных рынках России

Размещено на http://www.allbest.ru/

«Национальный исследовательский университет «Высшая школа экономики»

Выпускная квалификационная работа

На тему Факторы, влияющие на выбор промышленных кормов для котов и собак на региональных рынках России

Студентки

Сацута Янина Александровна

Научный руководитель

Алексахина Наталья Алексеевна

Москва 2020



Оглавление

Введение

Глава 1. Обзор литературы

1.1 История возникновения категории промышленных кормов в мире и России

1.2 История изучения потребителя, его выбора и поведения

1.3 Научные подходы к моделированию потребительского спроса

1.4 Теоретическая схема исследования и гипотезы

Глава 2. Методология исследования факторов, влияющих на выбор промышленных кормов для домашних кошек и собак

2.1 Выборка и её описание

2.2 Выбор наилучшей спецификации модели

2.3 Регрессионный анализ

2.4 Интерпретация полученных результатов

Заключение

Список использованной литературы

Приложение



Введение

Актуальность темы исследования. В России широко распространена практика содержания домашних питомцев. За последние три года, согласно внутреннему исследованию Mars PetCare, их популяция увеличилась на 14% с 2017 года. По данным социального опроса института общественного мнения, чаще всего россияне заводят кошек (50% опрошенных), на втором месте по популярности находятся собаки (25% опрошенных). По общей численности домашних кошек Россия занимает третье место в мире. В нашей стране по официальным данным внутренних исследований компании Марс проживает более 34 миллионов домашних кошек. Количество домашних собак в России более чем в два раза меньше и составляет 15 миллионов. В связи с возрастающей активностью россиян по обзаведению домашними животными, особенно актуальным становится изучение спроса на промышленный корм для питомцев. Российские владельцы домашних животных пока отдают своё предпочтение домашней еде при кормлении кошек и собак. Только около половины всех калорий (50%-кошки и 13%-собаки По данным внутренних исследований компании Марс) животные получают из промышленных кормов для домашних животных. Готовые корма обладают высоким потенциалом роста продаж. Одним из главных драйверов этого роста является эффект низкой базы: стартовые показатели потребления промышленных кормов находятся на невысоком уровне. Производители декларируют два ключевых преимущества промышленных кормов для привлечения новых покупателей: экономия времени для хозяина и прием пищи без вреда для животного. Во-первых, упаковка корма рассчитана на один полноценный прием пищи, не нужно готовить еду и делить ее на порции. Во-вторых, производители через маркетинговые кампании показывают потребителю, что рецептура кормов для домашних животных тщательно разрабатывается и проходит через множество тестов, поэтому хозяин может быть уверен, что его кот или собака не получат вреда для здоровья. Однако, как показывает статистика, не все владельцы предпочитают готовые корма домашним. В связи с этим возникает третий драйвер роста, помимо увеличения размеров и частоты покупок корма, - привлечение новых потребителей, на который производители кормов могут оказывать влияние, чтобы увеличивать свою валовую выручку.

На данный момент на рынке кормов компания Марс является лидирующим производителем, но с каждым годом лидерство в этой категории удаётся сохранять всё труднее, бренды компании сохраняют устойчивые позиции на рынке, но не увеличивают долю в продажах: рынок растет, появляются новые производители. Основной конкурент - Нестле - становится сильнее, так, в 2018 году доля конкурента на рынке увеличилась на 12 процентных пунктов Monthly Market Update, Nielsen retail audit, Jan 2019 по сравнению с 2013 годом. Для того, чтобы завоевать своего потребителя и увеличивать продажи внутри категории, необходимо понять, что приводит потребителя на рынок и мотивирует его сделать покупку.

Цель дипломной работы заключается в выявлении факторов, влияющих на продажи промышленных кормов для домашних животных в России на примере сети Пятерочка, которая входит в группу Х5, являющейся крупнейшим на 2019 год ритейлером на российском рынке.

В рамках дипломной работы интерес представляет влияние различных групп факторов на потребителя. Помимо группы ценовых факторов, которые включают в себя размер скидки, наличие определенных промо-акций и количество промо-волн, будут исследованы неценовые факторы: размер выкладки продуктов Mars в торговой точке, соблюдение рекомендованных компанией планограмм и региональные особенности места жительства потребителя. На основании полученных данных будет сформирован список рекомендаций по приоритетным способам привлечения и удержания потребителей на рынке кормов для домашних животных для компании Марс.

Для достижения данной цели были поставлены следующие задачи:

Провести анализ рынка кормов для домашних животных на региональных рынках России;

Составить список факторов, потенциально влияющих на продажи кормов для домашних животных на региональных рынках России;

С помощью модели панельных данных определить значимые факторы, воздействующие на продажи кормов на региональных рынках России;

Составить рекомендации по приоритетным направлениям стимулирования продаж кормов для домашних животных.

Объектом исследования являются продажи двух крупнейших брендов компании Марс - Whiskas и Pedigree - в сети Пятерочка, которая насчитывает 14850 торговых точек на всей территории России. Предметом исследования является набор факторов, влияющих на принятие решение потребителем о совершении покупки кормов для домашних животных.

Информационная база исследования - продажи кормов для домашних животных компании Марс в сети Пятерочка. В работе будут использованы недельные продажи по 5 форматам сети двух крупнейших брендов компании Марс: Whiskas (корм, предназначенный для кошек) и Pedigree (корм, предназначенный для собак).

Гипотезы, которые будут проверены в настоящей работе следующие:

Гипотезы о влиянии ценовых факторах на продажи готовых кормов для домашних кошек и собак:

При увеличении цены, спрос на готовые корма снижается;

Промышленные корма для кошек и собак являются товаром, продажи которого сильно подвержены влиянию скидок;

Гипотезы о региональных особенностях места жительства потребителя:

Развитие розничной торговли в регионе положительно влияет на продажи промышленных кормов для домашних животных;

Чем меньше средний возраст населения в регионе, тем выше продажи промышленных кормов;

Уровень образования положительно влияет на объёмы продаж промышленных кормов;

Гипотезы о влиянии маркетинговых разработок на продажи готовых кормов для кошек и собак:

При увеличении размера выкладки продажи кормов растут;

Категорийные программы повышают продажи кормов через формирование положительного образа производителей у потребителей;

Наличие бестселлеров в сегменте промышленных кормов для домашних животных положительно влияют на объём продаж в торговой точке.

Основные понятия, используемые в работе: потребительский выбор, промышленный корм, маркетинговая стратегия, потребительское поведение, спрос, регрессионный анализ, промо, панельная модель.



Глава 1. Обзор литературы

1.1 История возникновения категории промышленных кормов в мире и России

Первый готовый корм для домашних животных был создан в 1860 году. Американский бизнесмен Джеймс Спратт заметил, как собаки, живущие в морских портах, с аппетитом едят сухие крекеры матросов. Джеймс решил угостить свою собаку похожим лакомством, в состав которого входили пшеничная мука, кусочки перемолотого мяса и мякоть свеклы. Питомцу Спратта угощение пришлось по вкусу, тогда путешественник решил продавать изобретенный продукт другим владельцам собак. Так и появились «Мясные бисквиты Спратта для собак», производство которых начало набирать обороты только в конце 90-х годов 19 века. Несмотря на то, что масштабирование производства заняло более 40 лет, сам продукт распространился настолько быстро, что к 1900 году сухим кормом для собак от Джеймса Спратта уже было никого не удивить. Этот корм не был похож на современный. Во-первых, корма 19 века не были сбалансированы и ими нельзя было наполнить весь рацион животного. Во-вторых, не было такого разнообразия вкусов и форм кормов. Однако 1860 год можно считать отправной точкой производства промышленных кормов для домашних животных.

В России промышленные корма появились гораздо позже. Только в начале 90-х годов 20 века, при этом позволить их себе могли немногие. Сначала их привозили из зарубежных стран путешественники, затем их начали распространять дистрибьюторы производителей.

Готовые корма являются частью зооиндустрии. Зооиндустрия Step by Step, Российский рынок товаров для домашних животных 2014 - это отрасль, к которой на сегодняшний день относится рынок животных и все, что, так или иначе связано с содержанием непродуктивных животных (собаки, кошки): корма и кормовые добавки, лекарственные и косметические средства для животных, парикмахерские услуги, одежда и гостиницы для животных и другие удобства. Общий объём Российского рынка товаров для домашних животных в 2018 году составлял 262 миллиарда рублей NeoAnalytics, Российский рынок ЗОО ритейла: итоги 2018 года, прогноз до 2022 г. и увеличился за год на 13,9%. При этом более 70% NeoAnalytics, Российский рынок ЗОО ритейла: итоги 2018 года, прогноз до 2022 г. общего объёма рынка приходится на промышленные корма для домашних животных.

Бульшая доля (около 2/3 Euromonitor, «Pet Care in Russia» от общего объёма) российского рынка кормов принадлежит двум крупным иностранным производителям: Марс и Нестле. Марс - это американская компания, которая начала свою деятельность в России в 1991 году About Mars (англ.). Mars, Inc, однако первая линия фабрики по производству кормов была открыта только в 2009 году. На 2018 год доля компании Марс от общего объёма произведенной продукции кормов составляла 45% Euromonitor, «Pet Care in Russia». Стоит отметить, что доля компании оставалась постоянной на протяжении последних шести лет. В то же время доля компании-конкурента - Нестле - растет. Так, в 2013 году Нестле принадлежало 18% рынка, а в 2018 - уже 25%. В данной работе исследование будет проводиться на брендах, которые принадлежат компании Марс, так как она является лидером на рынке и у потребителей уже сформировался образ производителя. Значит, основной вклад в общее развитие категории готовых кормов сильно зависит от компании Марс.

По данным исследований одной из крупнейших организаций по изучению рынка - GFK - в настоящее время более 70% GFK Retail Day / FMCG Trends HY2 2019, GFK Consumer life 2019 роста компании Марс приходит из категорийного развития. Категорийное развитие подразумевает под собой популяризацию категории промышленных кормов в целом за счет привлечения потребителей и ознакомления их с преимуществами и особенностями всех готовых кормов, а не привычное увеличение продаж производителями своих брендов. В связи с ростом значимости категорийного развития для успешного развития компании Марс, производителю необходимо проявлять больший интерес к сегменту кормов в целом. Рост числа покупателей на рынке и их удержание - ключевая задача команды маркетологов. Именно создание положительного образа продукта и его производителей позволит поменять сложившиеся негативные установки о готовых кормах. Одним из способов достижения данной цели является проведение категорийных программ. Они представляют собой промо-акцию или мероприятие, направленные на ознакомление потребителя с продуктом и его преимуществами. Примером такой программы может служить день здоровых зубов от бренда Pedigree. Осенью 2019 года владельцы собак могли пройти бесплатный осмотр у ветеринара, который работает в клинике, участвующей в программе. Кроме осмотра питомец и его хозяин получали рекомендации по уходу за полостью рта, а также продукт от бренда Pedigree. Во всех клиниках присутствовали брендированные рекламные плакаты. Такие мероприятия показывают потребителю, что промышленные корма для домашних животных созданы для поддержания и улучшения здоровья домашних кошек и собак. Категорийные программы - это не единственный способ привлечь потребителя. Для наиболее эффективного увеличения продаж необходимо детальное изучение рынка и разработка целого комплекса стратегических мер.

В своей последней работе GFK Retail Day / FMCG Trends HY2 2019, GFK Consumer life 2019 сотрудники института маркетинговых исследований GFK выделяют пять главных трендов, которые способны влиять на поведение и выбор покупателя. Это демографические изменения, эволюция здорового образа жизни, ускорение технологического прогресса, персонализация и кастомизация, новое восприятие цены и ценности. Исследователи из организации GFK объединили эти макро-тренды со спецификой категории промышленных кормов для домашних кошек и собак и вывели ключевые категорийные инсайты, главный из которых - гуманизация: питомец - член семьи. Современные владельцы кошек и собак начинают воспринимать их как полноценную часть семьи, иногда приписывая им качества ребенка. Это значит, что человек более ответственно подходит к выбору товаров для своего домашнего животного. Корм - неотъемлемая часть заботы о питомце. Поэтому эта часть категории больше всего подвержена влиянию рыночных трендов. Общий тренд гуманизации исследователи компании Марс разбивают на четыре направления: изменение популяции питомцев - увеличивается доля маленьких породистых собак в общей популяции; владельцы хотят доступное питание для своих питомцев; растёт необходимость проактивной заботы о здоровье питомцев; владельцы хотят дать питомцам лучшее. Основываясь на выводах исследователей организации GFK, можно предположить, что помимо ценовых факторов на покупку промышленного корма влияет личная оценка ценности товара и бренда потребителем.

На современном рынке можно выделить две ключевые категории точек сбыта промышленных кормов: продуктовые магазины и магазины, специализированные на товарах для домашних животных. Готовые корма, представленные в торговых точках, относящихся ко второму каналу сбыта, можно классифицировать по нескольким признакам:

По типу корма: сухой и влажный;

По ценовому сегменту: эконом-класс, средний класс и премиум;

По потребностям, соответствующим определенной возрастной группе: для молодых, взрослых и старых животных;

По типу поведения животного: для активного образа жизни, для пассивного образа жизни (диетические);

По типу специализации: противоаллергенные или против различных заболеваний, профилактические.

В данном исследовании наибольший интерес представляет первый канал дистрибуции - продуктовые магазины. Корм в данной категории представлен только в двух разновидностях классификации: по типу и по ценовому сегменту. Именно те потребители, которые приобретают промышленный корм в неспециализированных магазинах, стоят перед выбором между фабричными кормами и теми, которые готовят они в домашних условиях.

Современные продуктовые магазины по разнообразию выбора промышленных кормов не уступают специализированным. Двум крупнейшим производителям готовых кормов принадлежат 20 торговых марок, Марс владеет 11 из них. Рассмотрим бренды компании, представленные не в специализированных магазинах. Их можно классифицировать по ценовому сегменту:

Корма эконом класса: Kitekat, Chappi;

Бренды среднего класса: Whiskas, Pedigree;

Премиальные бренды: Sheba, Cesar.

Разделение торговых марок по типу корма здесь происходит как среди брендов, так и внутри одного. Так, Kitekat, Chappi, Whiskas, Pedigree представлены как в сухом формате, так и во влажном. Корма премиальных брендов компании Марс на российском рынке производятся только во влажном формате.

Изучение потребительского выбора в данной работе будет проводиться на основе анализа продаж кормов, относящихся к среднему классу, так как они имеют наибольшую распространенность в торговых точках в России. Более того, бренды Whiskas и Pedigree являются основными вкладчиками в показатели прибыли компании Марс. Такой выбор торговых марок позволит не только охватить большее количество потребителей по всей России с самыми разными характеристиками, но и оценить эффективность работы маркетологов, потому что именно выбранные бренды являются фокусными для компании Марс.

Общий анализ рынка промышленных кормов и зообизнеса - остальных товаров для домашних животных, помимо промышленных кормов, который включает исследование общих тенденций и перспектив, ежегодно проводится как компаниями-измерителями, так и самими производителями. Однако, несмотря на то, что мировая история производства готовых кормов для домашних собак и кошек насчитывает более полутора веков, активное исследование потребителя и его выбора только начинается. Именно поэтому выбор модели для исследования основан на работах, посвященных вопросам, которые остаются актуальными и для современных ученых-исследователей, а именно: моделирование потребительского выбора и спроса. С помощью исследований, посвященных данным фундаментальным вопросам, будет сформирована теоретическая база для исследования. Применение подготовленной базы при анализе реальных данных позволит получить качественные результаты, показывающие главные факторы, влияющие на выбор потребителя промышленных кормов для домашних кошек и собак.

1.2 История изучения потребителя, его выбора и поведения

Исследование моделей потребительских предпочтений имеет долгую историю, которую можно проследить на примере нескольких ключевых работ.

Одной из первых работ, посвященной изучению потребителя, его выбора и поведения, была статья 1950 года, автором которой был американский экономист Харви Лейбенстайн Леи?бенстаи?нX.Эффектприсоединениякбольшинству,эффектснобаиэффектВеблена в теории покупательского спроса // Теория потребительского поведения и спроса / Под ред. В.М. Гальперина / Пер. с англ. -- СПб., 1993.. Главной целью работы было включение в изучение потребительского спроса внешние влияния на покупателя. Экономист исследовал три эффекта, воздействующие на спрос через потребителя:

Эффект присоединения к большинству проявляется в том, что потребитель, ориентируясь на мнение общественных масс, приобретает товар. Примером могут служить модные тренды, из-за которых люди начинают приобретать товар не из-за собственного желания, а потому что он есть у всех.

Эффект сноба: в данном случае проявляется обратная зависимость индивида от большинства. Это значит, что при возникновении массового интереса к товару, появится группа потребителей, которые откажутся от него в пользу более редкого и недоступного большинству продукта.

Эффект Веблена: этот эффект был впервые упомянут Т.Вебленом в 1899 году. Он подразумевает под собой демонстративное потребление. То есть с помощью товара, обладающего высокой ценой и престижем. Данный эффект отличается от эффекта сноба тем, что второй зависит от потребления большинства. Эффект Веблена прежде всего зависит от цены.

Эта модель примечательна тем, что представление о том, как совершается выбор выходит за рамки рациональности и рассматриваются неэкономические факторы выбора товаров и услуг.

Одна из самых известных моделей была предложена Ж.Ф.Кроларом в 1966 году. Модель покупательских мотивов -SABONE Жандезон Ж., Лансестр А. Методы продажи / Пер. с франц. - М., 1993.. Согласно модели на выбор товара влияют шесть факторов:

Безопасность - чувство, связанное с уверенностью в качествах выбираемого продукта;

Привязанность к вещи, своеобразная зависимость от неё;

Комфорт от использования товара, удобства, приобретаемые вместе с ним;

Гордость - чувство своей особенности, которое покупатель приобретает вместе с продуктом;

Новизна - чувство перемен в жизни, связанные с купленным товаром;

Экономия: данный фактор подразумевает отношение покупателя к цене. Чем ниже цена, тем выше вероятность сэкономить. Ингода такой фактор как цена имеет низкий уровень значения в сравнении с тем, какую полезность имеет товар. Однако в некоторых случаях она может быть и движущей силой продажи.

Уровни платежеспособности потребителей могу существенно отличаться, поэтому роль последнего фактора неоднозначна и не постоянна. Использование и применение в реальной практике модель Ж.Ф.Кролара не вызывает слишком много вопросов, все факторы, указанные в модели объяснены и их набор предельно ясен. Однако непосредственное её использование ограничивает предпосылка о том, что потребитель рационален и каждый выбор совершает осознанно. В реальной жизни нельзя с уверенностью утверждать, что покупатель всегда точно знает почему и зачем покупает товар. Например, модель не учитывает те случаи приобретения, когда покупка была совершена из-за подражания кумиру, под влиянием мнения большинства или из-за другого внешнего воздействия на покупателя. Одной из самых известных моделей потребления является модель, представленная в работе «Основы маркетинга» 1984 года, написанная Ф.Котлером Котлер.Ф.Основымаркетинга/Пер.сангл.--М.,1991.. На основе наблюдений за потребителями он разработал трехступенчатую модель: стимул (побудительные факторы маркетинга) - обработка сигнала в «черном ящике» сознания - реакция. Автор пишет, что ключевой фактор успеха компании - понять реакцию потребителя на побудительные факторы маркетинга. Далее в работе «черный ящик» разбивается на две части: характеристики покупателя и процесс принятия решения покупателем. Первая часть влияет на особенности реакции человека на внешние раздражители и, затем, на процесс совершения выбора. Вторая - подразумевает принятие решения и получение конечного результата. Данная модель очень полезна для исследователей-маркетологов и для компаний-производителей, так как даёт четкие указания, в какой момент можно воздействовать по покупателя, целенаправленно меняя его предпочтения или создавая новые потребности.



1.3 Научные подходы к моделированию потребительского спроса

В экономической теории принято считать, что все потребители делают свой выбор таким образом, чтобы достичь максимальной полезности от благ, которые доступны в условиях имеющихся бюджетных ограничений Хэл Р. Вэриан. Микроэкономика: промежуточный уровень (современный подход). Стр 17-19. Однако попытки определить, что такое полезность и как её измерить, оказались безуспешными. Именно поэтому понятие полезности используется только в смысле сравнения различных наборов товаров и услуг. То есть, например, при выборе между готовыми кормами для своего домашнего животного и едой собственного приготовления человек оценивает преимущества от каждого из вариантов, сравнивает их между собой и после этого принимает окончательное решение. Тогда можно утверждать, что на основе функций полезности можно построить индивидуальный спрос, а затем и агрегированный спрос на товар или услугу. Под спросом принято понимать сумму денежных средств, которые готов заплатить потребитель за приобретение товара при заданных доходах, ценах и прочих факторах Белох Н.В., Русаков В.П.. Плановая сбалансированность спроса и предложения потребительских благ. -М.:Наука,1986.

Определение факторов, влияющих на предъявляемый спрос, играет ключевую роль в процессе моделирования потребительского спроса. Эмпирический анализ потребителя, его выбора и поведения давно интересует экономистов и имеет долгую историю. Эволюцию подходов к моделированию потребительского спроса можно проследить на примере нескольких моделей. Одной из самых ранних моделей была модель LES - Linear Expenditure System, которая была предложена в 1954 году Ричардом Стоуном в экономическом журнале Stone R. (1954) Linear Expenditure Systems and Demand Analysis: An Application to the Pattern

of British Demand. The Economic Journal, 64, 255, pp. 511-527.. Модель выглядит следующим образом:



pitqit=pitгi+бi(yt? ? pjtгj)+еit

где m - число товаров; p - цена; q -количество купленного товара; y - общие расходы домохозяйства; г - минимальное количество потребления блага, которое необходимо для жизни; i - индикатор блага; t - индикатор периода. У данной модели есть несколько строгих предпосылок, среди которых наличие субститутов у всех категорий товаров, невысокий уровень гибкости цен. LES используется для моделирования спроса на товары, которые не относятся к группе инфериорных, то есть эластичность спроса по цене не должна быть отрицательной, и на агрегированные группы товаров, например, фрукты и овощи, алкоголь и табак. Рассматриваемая модель была выведена путём максимизации некоторой функции полезности, что, с одной стороны, хорошо, так как сохраняются основные принципы микроэкономической теории, а с другой стороны, делает необходимым выполнение строгих предпосылок и ограничений, что в реальной жизни не всегда работает.

Следующая модель, которая будет рассмотрена в работе - модель SAM (State Adjustment Model). Она была представлена в 1970 году в работе [Houthakker, Taylor, 1970]. В ней не учитывается такой фактор как цены на другие товары, но не игнорируется эффект формирования привычек в потреблении. Модель выглядит следующим образом:

qit ?иi ?aisit ?kiyt ?шipit ?еit

где s - запасы товаров длительного пользования; г - минимальное количество потребления блага; p - цена; i - индикатор блага; t - индикатор периода. Включение в модель такого фактора как наличие и размер запаса позволяет изучить влияние формирования привычек у потребителя на предъявляемый им спрос. Однако в данном исследовании главная цель - выяснить, что влияет на размер покупок промышленного корма, многие из которых могут быть совершены в первый раз. Наибольший интерес представляет влияние эндогенных факторов на поведение покупателя и его выбор, таких как правильное расположение продукта на полке, наличие всей продуктовой линейки бестселлеров и других разработок торговых маркетологов. Включение в регрессионную модель фактора формирования привычки к потреблению - следующий этап исследования.

Другая идея моделирования потребительского спроса была предложена в работах двадцатого века авторами-исследователями Уоркингом и Лесером Working H. (1943) Statistical Laws of Family Expenditures. Journal of the American Statistical As-sociation, 38, pp. 43-56

Leser C.E.V. (1963) Forms of Engel Functions. Econometrica, 31, pp. 694-703.. Модель предполагает линейную связь между расходами на определенное благо и логарифмами общих расходов и размера семьи:

wit =бit +вit lnyt +гit lnnt +жitvt +еit

где v - набор социальных и демографических характеристик; n - число членов домохозяйства; y - общие расходы домохозяйства; i - индикатор блага; t - индикатор периода. Как видно, модель не учитывает влияние на спрос цен и доходов домохозяйств. Стоит отметить, что включение в модель данных факторов играет важную роль при моделировании потребительского спроса. Определение влияния ценовых факторов позволит выяснить, насколько спрос на промышленные корма для домашних животных эластичен по цене и как реагирует на изменение потребительского благосостояния. Понимание того, какую роль играют данные факторы в формировании спроса на продукт, позволит производителям определить основные рычаги воздействия на него. Модель Уоркинга-Лесера имеет большое отличительное преимущество перед другими моделями - она учитывает влияние социально-демографических факторов на потребительский спрос.

В данной работе будет использована модифицированная версия модели Уоркинга-Лесера с включением ранее рассмотренных факторов, которые можно объединить в одну группу под названием маркетинговые стимулы. В эту группу входят наличие в конкретной торговой точке базового ассортимента бестселлеров, наличие планограммы - рекомендуемая исследователями-маркетологами выкладка, а также величина размера выкладки товарных единиц промышленного корма. Добавление этих факторов позволит оценить воздействие результатов маркетинговой стратегии компании Марс на потребительский выбор промышленных кормов для домашних животных.

Регрессионная модель, которая будет использована в данном исследовании:

SALESi ,

где Pi - цена на продукт; Incomei - среднедушевой доход населения региона; Disci - размер скидки; Promoi - разновидность промо, проводимого в торговой точке; ShefSizei - размер выкладки продуктов Марс в точке, Planogri - факт соблюдения рекомендуемой планограммы; Interneti - количество активных пользователей интернета в регионе; LivePlacei - тип населенного пункта; PrWavesi - количество промоволн; Educi - уровень образования.

1.4 Теоретическая схема исследования и гипотезы

После анализа рынка и научной литературы, посвященной смежным вопросам, была разработана теоретическая схема исследования (рис. 1)



рис.1

На продажи промышленных кормов воздействуют три группы факторов: ценовые, региональные и маркетинговые. Наибольший интерес представляет третья группа факторов, так как именно на нее производители могут оказывать непосредственное влияние. Почти в каждой современной компании есть отдел торгового маркетинга. Однако в большинстве случаев производители не ставят его развитие в приоритет. Данное исследование позволит оценить влияние результатов маркетинговых исследований на продажи, а значит, показать важность и необходимость развития отдела маркетинга.

Гипотезы исследования, как и факторы, были разделены на три группы. Первая группа гипотез основана на экономической теории: цена на нормальный товар оказывает значительное воздействие на спрос. Так, при увеличении цены спрос снижается, при уменьшении - наоборот. Аналогично, при любых изменениях цены, выраженных в скидках, спрос также изменяется.

Вторая группа гипотез связана с региональными особенностями. Как уже говорилось ранее, рынок промышленных кормов для домашних животных начал развиваться в России относительно недавно. Отношение россиян к готовым кормам находится на этапе формирования. Возможно, региональные особенности оказывают влияние на данный процесс формование. Этот тезис будет проверен через вторую группу гипотез.

Третья группа гипотез связана с оценкой и анализом влияния результатов маркетинговых исследований. Потребители, совершая выбор в торговой точке, оказываются под воздействием множества факторов. Тестирование гипотез третьей группы позволит оценить, какое место в этом множестве занимают маркетинговые факторы.

Ниже представлена краткая интерпретация каждой из гипотез.

Таблица 1

Гипотеза	Объяснение
При увеличении цены, спрос на готовые корма снижается	Если корм становится дороже, люди начинают выбирать более дешевые альтернативы
Промышленные корма для кошек и собак являются товаром, продажи которого сильно подвержены влиянию скидок	Если покупатель видит на торговой полке сообщение о скидке, то он возьмет больше товара, чем планировал
В городах с высоким уровнем доходов промышленные корма продаются лучше, чем в городах с низким уровнем доходов	В периферийных городах промышленный корм воспринимается как очень дорогой и вредный продукт для питомца, поэтому жители этих городов предпочитают кормить животное едой собственного приготовления
Развитие розничной торговли в регионе положительно влияет на продажи промышленных кормов для домашних животных	Высокий уровень развития розничной торговли в регионе свидетельствует о наличии покупательской способности в регионе, которая распространяется в том числе и на готовые корма
Чем меньше средний возраст населения в регионе, тем выше продажи промышленных кормов	Молодые люди менее подвержены влиянию стереотипов о промышленных кормах, поэтому не боятся их покупать
Уровень образования положительно влияет на объёмы продаж промышленных кормов	При высоком уровне образования человек менее подвержен влиянию внешних факторов на его выбор
При увеличении размера выкладки продажи кормов растут	Когда покупатель видит в торговой точке большое разнообразие промышленный кормов, вероятность совершения/размер покупки увеличивается
Категорийные программы повышают продажи кормов через формирование положительного образа производителей у потребителей	Категорийные программы воздействуют на формирование потребительского мнения о сегменте в целом, а значит, увеличивают вероятность совершения/размер покупки
Наличие бестселлеров в сегменте промышленных кормов для домашних животных положительно влияют на объём продаж в торговой точке	Когда покупатель видит в торговой точке несколько вкусов кормов, которые нравятся его кошке, он возьмет больше, чем если бы увидел только один вкус



Глава 2. Методология исследования факторов, влияющих на выбор промышленных кормов для домашних кошек и собак

2.1 Выборка и её описание

Данные для исследования были предоставлены компанией Марс. Они включают в себя еженедельные продажи продуктов брендов Whiskas и Pedigree, выраженные в рублях. Всего в базе 52 календарные недели за 2019 год. Продажи распределены поточечно, то есть в анализе учитываются характеристики каждой торговой точки, а не сети в целом. На начало исследования выборка состояла из 14850 точек. Отчеты, предоставленные компанией Марс, имеют некоторые пропуски в данных. Один из методов борьбы с такими пропусками - удаление элементов выборки. С целью оптимизации данных выборка была сокращена до 7703 точек. Такое сильное уменьшение произошло из-за того, что не все точки посещаются сотрудниками компании Марс, что не позволяет получить данные, необходимые для исследования. Например, если точка не была посещена мерчендайзером, тогда информация о соблюдении рекомендаций по выкладке продукции недоступна. Такая точка не попадает в отчет. Для включения в модель всех необходимых факторов точки, данные о которых недоступны в полной мере, удалены из выборки.

Как уже говорилось ранее, для достижения высокого уровня разнообразности выборки, в анализ включены точки, расположенные на всей территории России. Региональное разделение территории страны предполагает объединение точек по городам и областям. Всего получилось 137 исследуемых городов и областей, которые можно объединить в семь больших регионов: Москва, Север, Урал, Сибирь, Юг, Волга, Дальний Восток.

Таким образом, несмотря на то, что исходная выборка была сильно сокращена, выбранные данные обладают главным преимуществом - отсутствие акцента на группе, обладающей специфическими характеристиками, что позволит в полной мере изучить влияние трех групп факторов на продажи промышленных кормов.

Таблица 2 Список используемых переменных и их характеристики:

Код переменной	Тип переменной	Расшифровка
Объясняемые переменные:
SALES	Количественная	Объём продаж товарных единиц выбранного бренда на одну календарную неделю (в рублях)
Объясняющие переменные:
P	Количественная	Средняя цена на продукт торговой марки в выбранном городе (в рублях)
Income	Количественная	Среднедушевые доходы населения по субъектам РФ (в рублях)
Disc	Количественная	Размер скидки на продукцию выбранного бренда (в процентах)
PrWaves	Количественная	Количество промо-волн, проведенных в рассматриваемый период времени
CatProg	Качественная	Факт проведения промо-акции категорийной программы на продукцию выбранного бренда (не скидки): 0 - промо-акция не проводится, 1 - промо-акция проводится
ShefSize	Количественная	Размер выкладки промышленных кормов для животных торговых марок компании Марс (в метрах)
Planogr	Количественная	Показатель, показывающий, на сколько процентов в точке соблюдена рекомендованная торговыми маркетологами выкладка товара (в процентах)
LivePlace	Качественная	Тип населенного пункта, в котором проживает потребитель: 0 - не город; 1 - город
Internet	Количественная	Количество активных пользователей интернета в регионе
Profit	Количественная	Количество прибыльных предприятий в регионе
Retail	Количественная	Средняя прибыль в сфере розничной торговли в регионе
Age	Количественная	Средний возраст населения в регионе
Educ	Количественная	Количество людей с высшим образованием

Графический анализ выборки

Корректность результатов исследования напрямую зависит от качества выборки. Рассмотрим основные параметры выборки на этапе первоначальной обработки данных и исключения всех неполных по информации наблюдений. Далее приведена визуализация данных, используемых в работе.

Для начала проведем анализ общей тенденции ежемесячных продаж в торговых точках сети Пятерочка за 2019 год.

рис.2

По оси ординат показан средний объем продаж, выраженный в рублях, а по оси абсцисс отражены месяцы, анализируемые в исследовании. Как видно из диаграммы, минимальное количество покупок было совершено в июле 2019 года. Такое резкое снижение показателя может быть объяснено тем, что в июле люди уезжают в отпуск и, в большинстве случаев, оставляют домашнее животное дома, поэтому промышленный корм на протяжении данного месяца не покупается. Подтверждением этого может служить тот факт, что в июне продажи резко возрастают, по сравнению с маем и апрелем. Можно сделать предположение, что перед отпуском в июле потребители делают запасы промышленного корма для домашних животных на июль.

Общей тенденции у объема продаж не наблюдается. Сезонность показателя также отсутствует.



рис.3

Вся выборка разделена на два типа населенных пунктов, в которых живут потребители: города и другие типы населенных пунктов. 93% точек расположены в городах, поэтому остальные населенные пункты объединены в одну группу, которая в общем составляет 7%. Такое распределение объясняется не только тем, что города составляют бомльшую часть наблюдений, но и тем, что в городах расположено больше торговых точек сети Пятерочка, чем в остальных типах населенных пунктов.

Далее проведем сравнительный анализ средних продаж за месяц в городе и в других населенных пунктах. Интересно, что средние продажи на торговую точку в городах и других населенных пунктах в разрезе по месяцам несильно различаются.

На диаграмме (рис.2) представлен средний объём продаж в разрезе по месяцам, где 1 - город, 0 - любой другой населенный пункт.

Как видно из диаграммы, максимальная разница между показателями средних объемов продаж наблюдалась в марте 2019 года и составляла 3737 рублей. Более того, в восьми из двенадцати месяцев продажи в «негородских» торговых точках превышали аналогичные показатели городов. Такая статистика свидетельствует о том, что явной зависимости объема продаж от типа населенного пункта не наблюдается. Однако для точного опровержения зависимости необходим регрессионный анализ.

рис.4

Разделение всех населённых пунктов на две группы не имеет практического смысла, так как средние продажи в данных двух группах почти не отличаются. Рассмотрим другое разделение. Все населенные пункты в компании Марс принято делить на 4 кластера по численности населения: промышленный корм потребительский спрос

0-й кластер выделен только в 2019 году и включает в себя только Москву;

1-кластер состоит из Санкт-Петербурга, Новосибирска, Екатеринбурга и областей этих городов;

2-й кластер: все города с населением, превышающим 500.000 человек;

3-й кластер: все остальные города (население 500.000-).

Как видно из диаграммы (рис.2) наибольшую часть выборки составляют точки, расположенные во втором и третьем кластерах. Такое распределение долей может объясняться тем, что данные кластеры содержат в себе больше городов, чем остальные, а значит, больше торговых точек. Такое соотношение может сказаться на итоговых результатах модели и сделать переменную LivePlace незначимой.



рис.5

Как уже отмечалось ранее, значимых различий в делении точек на две категории не наблюдается. Именно поэтому необходимо проверить, как конкретные характеристики населенного пункта влияют на продажи. Для этого выберем следующие показатели: среднедушевой доход населения, количество прибыльных предприятий, розничная торговля, количество пользователей сети Интернет, уровень образования и средний возраст.

Рассмотрим каждый из факторов.

Среднедушевой доход населения - показатель, являющийся фундаментальным для розничной торговли
в регионе. Он показывает максимальный потенциал доходов бизнеса, ориентированного на потребителей;

Количество прибыльных предприятий свидетельствует о качественной бизнес среде региона;

На розничную торговлю традиционно приходится большая часть расходов россиян. Стоит отметить, что под измеряемым Росстатом показателем подразумеваются продажи не только FMCG-продуктов, но и торговля любыми товарами для использования в любых целях, кроме связанных с осуществлением предпринимательской? деятельности;

Количество абонентов подвижной радиотелефонной связи, использующих услуги доступа в Интернет. Высокий показатель может означать, что в регионе высокий уровень развития технологий и население активно использует ресурсы для поиска необходимой информации.

Уровень образования может показать, не только заинтересованной населения в получении образования, но и уровень развития инфраструктура населенного пункта;

Средний возраст.

2.2 Выбор наилучшей спецификации модели

Перед началом проведения проверки гипотез необходимо провести первоначальную оценку модели. Для достижения корректных результатов тестирования гипотез необходимо проверить модель на наличие мультиколлинеарности, гетероскедастичности и выбрать правильную спецификацию.

Проверка спецификации модели:

Правильная спецификация модели подразумевает выбор наиболее подходящего набора регрессоров и функциональной формы зависимости. В случае если выбор сделан неверно, получение адекватных оценок параметров будет невозможно.

Для начала проведем тест Рамсея, который поможет определить наличие ошибки спецификации.

По результатам проведения теста (Приложение), р-value меньше выбранного уровня значимости (10%), что говорит о том, что гипотеза о неправильной спецификации модели не отвергается.

На данном этапе необходимо выбрать спецификацию модели между тремя разновидностями: линейная, линейная в логарифмах и полулогарифмической. Тест Дэвидсона, Уайта и МакКинона позволяет сделать выбор между линейной и линейной в логарифмах моделями. С пошаговым проведением теста можно ознакомиться в Приложении 1. Проведение данного теста не дало никаких результатов в определении спецификации модели, так как коэффициент при дополнительных разностях оказался значим, как в линейной, так и в линейной в логарифмах модели.

Выбрать между линейной и полулогарифмической моделями можно с помощью теста Бера и МакАлера. Пошаговое проведение теста находится в Приложении 2. Однако его проведение снова не дало никаких результатов.

Так как ни один из тестов, описанных выше, не помог с определением верной спецификации модели, необходимо провести анализ распределения зависимой переменной. В случае нормального распределения, модель останется без изменений.

На начальном этапе анализа, построим распределение зависимой переменной SALES.

рис.6

На графике сравнение распределения переменной с нормальным распределением. Как видно из графика, продажи распределены не нормально. Более того, в выборке присутствует большое количество нулевых и близких к нулю значений. Следовательно, необходимо не только изменить спецификацию, но и очистить выборку.

После удаления нулевых значений создадим логарифм зависимой переменной и рассмотрим распределение полученной переменной.

рис.7

Полученное распределение сильно приближено к нормальному, что позволяет использовать полулогарифмическую модель. Итоговая регрессионная модель выглядит следующим образом:

lnSALESi=в0+в1•Pi+в2•Incomei+в3•Disci+в4•Promoi+в5•ShelfSizei+в6•Planogri+ в7•Interneti+в8•Profiti+ в9•Retaili +в10•LivePlacei+в11•PrWavesi+в12•Educi+в13•Agei+еi

2.3 Регрессионный анализ

Перед тем, как делать выводы о значимости тех или иных переменных и тестировать конкретные гипотезы, необходимо проверить модель на адекватность, а также на наличие проблем мультиколлиниарности и гетероскедастичности.

Адекватность модели

Для того, чтобы начать работать с моделью, важно проверить её на адекватность. Только в случае качественной (значимой) модели можно делать определенные выводы и принимать обоснованные решения. Неадекватная модель практической полезностью почти не обладает.

Одним из способов проверки модели на адекватность является оценка F-статистики. Для этого проведем первичный анализ полулогарифмического регрессионного уравнения.

Таблица 3 Первичный регрессионный анализ

Ln SALES	Коэффициенты	Стандартные ошибки	P-value
Internet	(1.461***)	1.57***	0.000
Income	0.000***	5.06***	0.000
Price	(0.000***)	0.00***	0.061
Liveplace	(0.049***)	0.10***	0.738
Bestsellers	(0.158***)	0.02***	0.000
Shelfsize	0.239***	0.00***	0.000
Disc	2.480***	0.03***	0.000
PrWaves	0.083***	0.00***	0.000
CatProg	0.559***	0.00***	0.000
Planogr	0	(omitted)
Educ	(0.000***)	0.00***	0.000
Age	(0.059***)	0.00***	0.000
Retail	3.041***	9.98***	0.002
Profit	4.301***	8.18***	0.000
	Prob>F = 0.0000

Так как Prob > F = 0.0000, то при любом разумной уровне значимости (1%, 5%, 10%) гипотеза о незначимости всех коэффициентов отвергается в пользу альтернативной гипотезы об адекватности модели.

Мультиколлинеарность

Проблема мультиколлинеарности не является существенной для больших выборок. Однако может привести к неточности полученных результатов. Одним из способов выявления мультиколлинеарности является расчет показателей «вздутия» регрессии - VIF. После построения регрессии со всеми независимыми переменными обнаружилась сильная мультиколлинеарность. Все показатели находятся в пределах допустимого, кроме трех, среди которых: тип населенного пункта (1 - город, 0 - не город), количество прибыльных предприятий, количество пользователей интернета. С учетом незначимости первого фактора, которая была обнаружена при анализе выборки, можно исключить его из модели. Другие два фактора были исключены из модели по причине возможной связи с оставшимися независимыми переменными.

Таблица 4

Переменная	Значение VIF
Retail	6.08
Income	5.92
Educ	5.84
Price	1.22
Age	1.21
PrWaves	1.07
BestSellers	1.07
Planogr	1.06
Disc	1.06
Shelfsize	1.02
CatProg	1.01

Теперь все показатели находятся в пределах допустимого значения, что свидетельствует об отсутствии проблемы мультиколлинеарности.

Гетероскедастичность

При нарушении гомоскедастичности ошибок, вероятность неправильной оценки значимости сильно возрастает, что приводит к неверным выводам при тестировании гипотез. Поэтому необходимо проверить модель на наличие проблемы гетероскедастичности. Для этого проведем тест Уайта (Приложение 6).

При полученном значении p-value нулевая гипотеза об отсутствии гетероскедастичности (наличии гомоскедастичности) не отвергается.

Выбор модели для анализа панельных данных

Панельный тип данных даёт возможность проводить анализ выборки, изменяющейся во времени. Для регрессионного анализа в большинстве случаев используют одну из трёх моделей:

- обыкновенная регрессия;

- со случайным индивидуальным эффектом;

- с детерминированным индивидуальным эффектом.

Первая модель обладает наибольшим количеством ограничений, так как предполагает отсутствие различий в поведении объектов выборки во все временные промежутки. Модель детерминированным индивидуальным эффектом является более гибкой по сравнению с предыдущей, так как учитывает гетерогенность объектов выборки. Однако часто это приводит к увеличению стандартных ошибок, что влияет на потерю значимости оценок, полученных с помощью регрессионного анализа. Третья модель, которая будет рассмотрена - модель со случайным индивидуальным эффектом. Она представляет из себя своеобразный компромисс между первыми двумя: данная модель менее ограничительная, чем обыкновенная регрессионная модель, и позволяет получить более значимые оценки, чем модель с фиксированным эффектом.

Для выбора между тремя моделями принято использовать тесты Вальда, Бройша-Пагана и Хаусмана.

С помощью теста Вальда (рис.8) сравним сквозную регрессию и модель с детерминированным индивидуальным эффектом.

F test that all u_i=0: F(7702, 84149) = 6.05 Prob > F = 0.0000

рис.8

По результатам теста Вальда Prob > F = 0.0000, это значит, что модель с фиксированным индивидуальным эффектом, которая учитывает неоднородность объектов выборки, более адекватна, чем обыкновенная регрессия.

Следующий шаг - сопоставление модели со случайным эффектом со сквозной регрессией с помощью теста Бройша-Пагана. Результаты теста (Приложение 7) свидетельствуют о предпочтительности модели со случайным эффектом.

Теперь остается сравнить между собой модели со случайным и фиксированным эффектом. Для этого проведем тест Хаусмана. По результатам теста наиболее предпочтительная модель - модель с детерминированным случайным эффектом.

Результаты регрессионного анализа (Приложение №5):

Таблица 5

Ln SALES	Коэффициенты	Стандартные ошибки	P-value
Retail	(1.122***)	9.32***	0.729
Income	0.0003***	6.28***	0.000
Educ	(0.0009***)	0.00***	0.772
Price	(0.0017***)	0.00***	0.000
Age	0.0735***	0.00***	0.000
PrWaves	0.0872***	0.00***	0.000
Planogr	0.0834***	0.02***	0.000
Bestsellers	0.1737***	0.04***	0.000
Disc	0.0760***	0.02***	0.000
Shelfsize	0.2366***	0.00***	0.000
CatProg	0.1583***	0.00***	0.000
	Число наблюдений = 7703

Почти все коэффициенты при переменных оказались значимыми. Исключениями стали переменные retail (средняя прибыль в сфере розничной торговли в регионе) и educ (количество людей с высшим образованием).

2.4 Интерпретация полученных результатов

Гипотеза 1a: При увеличении цены, спрос на готовые корма снижается

Гипотеза подтвердилась. Действительно, при росте средней цены на 1 рубль на промышленный в населенном пункте продажи готовых кормов снижаются на 0,17%. Учитывая средний размер цены в торговой сети Пятерочка - 27 рублей, 1 рубль составляет примерно 0,04% от постоянной стоимости продукта. То есть при изменении цены менее, чем на половину процента спрос начинает снижаться, что говорит об относительно высокой эластичности спроса на готовые корма по цене. Это значит, что потребление промышленного корма подвержено влиянию изменения цен. Такая тенденция свидетельствует о том, что ценовые стратегии по привлечению потребителей остаются актуальными в категории кормов.

Гипотеза 1b: Промышленные корма для кошек и собак являются товаром, продажи которого сильно подвержены влиянию скидок

Гипотеза подтвердилась. При увеличении скидки на 1%, продажи промышленных кормов растут на 7%. Такое сильное влияние скидок на объёмы продаж наблюдается из-за того, что на современном рынке промышленных кормов скидки - один из основных способов привлечения потребителей. Компании-производители тесно конкурируют друг с другом и борются за покупателей при помощи ценовых стратегий. В то же время производители предпринимают действия для увеличения общих продаж внутри категории, а не только их брендов. По данным исследования Euromonitor, категория готовых кормов попала в список самых промоутируемых категорий FMCG. Более того, доля промо в рассматриваемом сегменте выросла в два раза по сравнению с 2016 годом Euromonitor, «Pet Care in Russia». Покупатели начинают привыкать к скидкам на промышленный корм. Некоторые из них уже начинают «охотиться» за скидками. То есть покупают продукт с запасом во время скидок и не покупают ничего, когда товар продается по регулярной цене.

...