Изначально в качестве объекта исследования нами была выбрана московская молодежь в возрасте от 18 до 27 лет, однако доля молодых людей от 23 до 27 лет из числа опрошенных оказалась минимальна, в связи с этим для в данном исследовании мы сосредоточимся на изучении молодежи возрастной категории от 18 до 22 лет.

Таким образом, всего для анализа было отобрано 256 анкет респондентов, проживающих в Москве, в возрасте от 18 до 22 лет, которые когда-либо пользовались агрегаторами такси.

Пол

Рисунок 12. Распределение ответов на вопрос №1 анкеты

Распределение по гендерной принадлежности оказалось смещено в сторону женщин: большую часть опрошенных (64%) составили женщины, доля мужчин, ответивших на вопросы анкеты, составило, соответственно, 36% из числа опрошенных.

Семейное положение

Рисунок 13. Распределение ответов на вопрос №4 анкеты

Большая часть респондентов (92%), принимавших участие в анкетировании, являются незамужними/неженатыми, 7% респондентов состоят в гражданском браке, а еще 1% респондентов замужем/женаты..

Тип занятости

Если говорить о типе занятости респондентов, то следует отметить, что более половины респондентов (54%) не работают. Около 28 процентов анкет в сумме было получено от респондентов, работающих на частичной занятости (16%) и проходящих стажировку (12%). На полной занятости работают 7 процентов респондентов, на проектной/временной работе трудятся 2 процента респондентов, еще 4 процента респондентов занимаются волонтерской деятельностью.

Рисунок 14. Распределение ответов на вопрос №5 анкеты

Материальное положение семьи

Материальное положение респондента является важным показателем, характеризующим платежеспособность. Материальное положение семьи определялось при помощи вопроса: «Какая из приведенных ниже оценок наиболее точно характеризует материальное положение Вашей семьи?»

· Денег не хватает даже на приобретение продуктов питания

· Денег хватает только на приобретение продуктов питания

· Денег достаточно для приобретения необходимых продуктов и одежды, более крупные покупки приходится откладывать

· Покупка большинства товаров длительного пользования (холодильник, телевизор) не вызывает трудностей, однако купить автомобиль

· На автомобиль денег хватает, но квартиру или дом купить не можем

· Денег достаточно, чтобы ни в чем себе не отказывать

Выбор данного метода для выявления благосостояния семей опрошенных объясняется тем, что он является одним из наиболее психологически комфортных для респондентов.

Большая часть анкет, собранных в ходе опроса, была получена от представителей среднего класса (Денег достаточно для приобретения необходимых продуктов и одежды, на более крупные покупки приходится откладывать: 34%; Покупка большинства товаров длительного пользования не вызывает трудностей, однако купить автомобиль мы не можем: 34%). Респондентов, проживающих в семьях с низким уровнем достатка (Денег не хватает даже на приобретение продуктов питания: 0%; Денег хватает только на приобретение продуктов питания: 4%) оказалось меньшинство. Стоит также отметить большую долю представителей наиболее обеспеченных слоев населения (На автомобиль денег хватает, но квартиру или дом купить не можем: 16%; Денег достаточно, чтобы ни в чем себе не отказывать: 12%).

Рисунок 15. Распределение ответов на вопрос №6 анкеты

Эксперты независимого агентства «Левада-Центр» выделили два основных сегмента потребителей на рынке агрегаторов такси Общее исследование рынка такси в Москве 2016 г. // Business-planner:

· Клиенты, ориентирующиеся на минимальную стоимость и скорость поездки;

· Клиенты, заказывающие дорогостоящие автомобили класса «бизнес».

К первой категории относятся люди со средним достатком (доход от 30 до 100 тысяч рублей), которые используют агрегаторы такси не чаще 3-4 раз в неделю, стараясь использовать тарифы с минимальной оплатой.

Ко второму сегменту относятся люди с высоким доходом (более 100 тысяч рублей), которые заказывают автомобили класса «бизнес» и нередко совершают 3-4 поездки за 1 день.

Таким образом, можно сделать вывод, что большая часть респондентов, принимавших участие в опросе, относятся к первому сегменту потребителей.

По итогам анализа социально-демографических характеристик респондентов можно сделать вывод, что профиль среднестатистического респондента в обобщенном виде выглядит следующим образом: это неработающая и незамужняя девушка возрастом от 18 до 22 лет, проживающая в московской семье со средним уровнем достатка.

Данных о распределении по социальным характеристикам в генеральной совокупности молодых (от 18 до 22 лет) московских пользователей агрегаторов такси в открытых источниках найти не удалось. В связи с этим, прежде чем начать анализировать показатели лояльности и удовлетворенности к различным сервисам агрегаторов такси, необходимо уточнить, что все выводы, сделанные по итогам данного исследования, относятся только к московской молодежи от 18 до 22 лет из числа опрошенных.

2.4 Анализ частоты использования сервисов агрегаторов такси

Поскольку переменная «Частота использования сервисов агрегаторов такси» является порядковой (пропущенных данных нет, распределение ответов рассчитывается от числа ответивших), мы можем определить моду и медиану.



Рисунок 16. Распределение ответов на вопрос №8 анкеты

Наиболее часто встречающееся значение - 3 (мода) - «Примерно один раз в 2-3 месяца». Медиана равна 4, таким образом, половина опрошенных пользуются сервисами агрегаторов такси реже одного раза в месяц, а другая половина - раз в месяц и чаще.

Полученные выводы согласуются с исследованием такси в Москве, проведенным сервисом Яндекс.Такси. По их данным также около половины аудитории (46%) пользуются сервисами агрегаторов такси чаще одного раза в месяц.

Рисунок 17 Месячная аудитория Яндекс.Такси Такси в Москве // Яндекс

2.5 Анализ показателей лояльности и удовлетворенности потребителей

2.5.1 Расчет индекса CSAT и анализ показателя удовлетворенности для различных игроков рынка

Для расчета показателя удовлетворенности потребителей была выбрана упрощенная методология Ламбена. Выбор объясняется тем, что данная методология является наиболее популярной в научных кругах в настоящее время. Первый этап измерения лояльности, согласно данной методологии включает оценку общей удовлетворенности продуктом/услугой, что по своей сути представляет собой расчет индекса CSAT/CSS (Customer Satisfaction Score).

Показатель CSAT (Customer Satisfaction) был рассчитан в соответствии с методологией на основании вопросов анкеты под номерами 13.1/13.2/13.3 (см.прил.1): “Насколько в целом Вы удовлетворены сервисом Яндекс.Такси/Gett/Uber?»

Наибольшее число (31% опрошенных) клиентов Яндекс.Такси оценили свою удовлетворенность данным сервисом на 8 из 10. Доли пользователей, оценивших сервис на 7 и 9 баллов, оказались приблизительно равны и составили 19 и 17 процентов соответственно. Аналогичная ситуация наблюдается среди пользователей, поставивших 6 и 10 баллов: шесть баллов поставили 10% клиентов, десять баллов - 12%. Доля респондентов, которые оценили удовлетворенность сервисом менее 6 баллов составила в сумме 11%.

Рисунок 18. Распределение ответов на вопрос №13.1 анкеты

Общая удовлетворенность сервисом Gett оказалась несколько ниже соответствующего показателя Яндекс.Такси. Основным отличием распределения клиентов Gett то клиентов Яндекс.Такси по уровню удовлетворенности является меньшая доля респондентов, оценивших свою удовлетворенность услугами агрегатора на 9 и 10 баллов (в сумме 22% опрошенных). Процент пользователей Gett, ответивших, что в целом оценивают свою удовлетворенность на 7 баллов такой же, как среди клиентов Яндекс.Такси (19%). На 5 баллов удовлетворенность оценили 8% опрошенных клиентов Gett, на 3 и 1 балл общую удовлетворенность от сервиса оценили 3% респондентов.

Рисунок 19. Распределение ответов на вопрос №13.2 анкеты

Среди респондентов, которые чаще всего пользуются сервисом Uber, доли клиентов, оценивших общую удовлетворенность сервисом на 8 и 10 баллов оказались приблизительно равны и составили соответственно 29 и 27 процентов. Доли респондентов, которые удовлетворены сервисом Uber на 7 и 9 баллов также оказались приблизительно равны и составили 19 и 18 процентов. Ниже 7 баллов оценили удовлетворенность агрегатором всего 6% пользователей.

Рисунок 20. Распределение ответов на вопрос №13.3 анкеты

Для расчета показателя CSAT использовалось среднее арифметическое оценок общей удовлетворенности сервисами по заказу такси.

Рисунок 21. Индекс CSAT для агрегаторов такси

Наиболее высокий показатель удовлетворенности CSAT (8,4) был выявлен у пользователей сервиса Uber, индекс CSAT у пользователей Yandex.Taxi и Gett оказался приблизительно на одном уровне: 7,7 и 7,4 соответственно. Следовательно, можно сделать вывод, что общая удовлетворенность клиентов Uber самая высокая на рынке агрегаторов такси.

2.5.2 Создание карты Needs and Gaps (важности и удовлетворенности различными факторами)

По итогам анализа показателя CSAT мы пришли к выводу, что клиенты Uber больше других удовлетворены предоставляемым им уровнем сервиса. Попробуем разобраться, с чем это может быть связано. Для этого построим карты Needs and Gaps для каждого из брендов. Для получения данных, необходимых для создания карты Needs and Gaps респондентам были заданы вопросы (14.1-22.1; 14.2-22.2; 14.3-22.3) о степени важности и удовлетворенности такими факторами, как средняя стоимость поездки, среднее время ожидания автомобиля, удобство пользования приложением, профессионализм водителей, внешний вид и чистота автомобилей (см. прил. 1).

Выяснилось, что наиболее важным фактором для клиентов всех агрегаторов является средняя стоимость поездки, причем важность данного атрибута для клиентов Uber самая высокая (9,4) среди большой тройки агрегаторов такси. Следующим по важности фактором является профессионализм водителей (8,6). Интересно, что для клиентов Uber данный фактор, напротив, менее важен, чем для пользователей Gett и Яндекс.Такси. Третье место по степени важности поделили такие атрибуты, как среднее время ожидания автомобиля (8,1) и удобство пользования приложением (8,1). Внешний вид и чистота автомобилей является наименее важным атрибутом для пользователей сервисов по заказу такси.

Рисунок 22. Степень важности различных атрибутов

Рассмотрев подробно важность представленных атрибутов для пользователей сервисов по заказу такси, проанализируем их удовлетворенность данными атрибутами. Рассматривать удовлетворенность факторами мы будем в порядке их важности. Общая удовлетворенность средней стоимостью поездки, как видно из таблицы, является самой низкой (7,4) в сравнении с другими атрибутами, несмотря на то, что данный атрибут является самым важным для пользователей сервисов.

Следует также отметить, что удовлетворенность средней стоимостью поездки у клиентов Uber самая высокая (8,0), данный показатель у клиентов Яндекс.Такси составляет (7,0), а у клиентов Gett - (7,2). Удовлетворенность профессионализмом водителей также невысока (7,8). Наиболее всего пользователи сервисов удовлетворены удобством пользования приложением (8,4), причем удовлетворенность данным атрибутом клиентов Gett (8,5) и Яндекс.Такси (8,5) выше соответствующего показателя для клиентов Uber (8,3). Удовлетворенность средним временем ожидания автомобиля также достаточно высока (8,2), то же можно сказать про такой фактор, как внешний вид и чистота автомобилей (8,1).

Рисунок 23. Удовлетворенность различными атрибутами

На основании полученных данных были построены карты Needs and Gaps: по оси X была отложена переменная Важность, а по оси Y - переменная. Удовлетворенность

Рисунок 24. Карта Needs and Gaps Яндекс.Такси

Рисунок 25. Карта Needs and Gaps Gett

Рисунок 26. Карта Needs and Gaps Uber

Карты Needs and Gaps для Gett и Yandex.Taxi получились достаточно похожими, а в карте удовлетворенности и важности для клиентов Uber в глаза бросается одна очень важная особенность. Эта особенность заключается в более высокой в сравнении с Gett и Yandex удовлетворенности таким фактором, как «Средняя стоимость поездки». Более того, важность данного фактора для клиентов Uber также выше, чем для клиентов Yandex.Taxi и Gett. Таким образом, можно сделать вывод о том, что более высокая удовлетворенность респондентов, использующих сервис Uber, во многом объясняется тем, что клиенты Uber более удовлетворены стоимостью поездок и выше оценивают важность этого фактора.

2.5.3 Расчет индекса NPS и анализ показателя лояльности для различных игроков рынка

Индекс NPS (Net Promoter Score) характеризует готовность клиентов рекомендовать продукт или услугу близким людям. Данный индекс повсеместно применяется различными компаниями как основной показатель лояльности клиентов. Для оценки готовности рекомендовать респондентам задавались вопросы анкеты под номерами 12.1; 12.2; 12.3 в зависимости от предпочитаемого агрегатора такси (см. прил. 1). Показатель NPS рассчитывается как разница между процентом промоутеров и критиков бренда, подробнее методология расчета индекса NPS показана в теоретической части работы.

Рисунок 27. Соотношение промоутеров, нейтралов и критиков

По соотношению промоутеров и критиков отрыв Uber от конкурентов оказался огромен. Процент промоутеров Gett и Yandex.Taxi составил 21% и 40% соответственно. Среди клиентов Uber более половины всех респондентов (60%) оказались промоутерами бренда. Что же касается критиков, то у бренда Gett процент критиков превысил процент промоутеров и составил 30%, для сервиса Yandex.Taxi данный показатель составил 22%, а у Uber число критиков оказалось в несколько раз ниже, чем у конкурентов (9%).

По итогам произведенных расчетов полулись следующие результаты: индекс Net Promoter Score для бренда Uber, как и ожидалось, оказался самым высоким (NPS = 51%), следующим в списке с большим отставанием стал сервис Yandex.Taxi (NPS = 18%), показатель Net Promoter Score бренда Gett оказался отрицательным (NPS =-9%), поскольку процент критиков бренда превысил процент промоутеров.

Рисунок 28. Индекс NPS для агрегаторов такси

Таким образом, поскольку, как мы знаем, индекс NPS отражает воспринимаемую лояльность клиентов, можно сделать вывод, что наиболее лояльные (с точки зрения отношения) клиенты на рынке у агрегатора такси Uber, самая низкая лояльность к бренду у клиентов сервиса Gett, а лояльность клиентов Яндекс.Такси - примерно средняя по рынку. Общепризнанной шкалы, по которой можно определить, какую лояльность можно считать низкой, а какую-высокой, не существует, поскольку на различных рынках нормы лояльности отличаются, в связи с этим мы можем сравнивать показатели NPS только между тремя компаниями, представленными в отрасли.

2.5.4 Существование взаимосвязи между уровнем удовлетворенности и лояльности

Произведя расчет показателей CSAT и NPS нельзя не отметить наличие определенной закономерности: агрегатор такси Uber является лидером по показателям удовлетворенности и лояльности (с точки зрения отношения), Yandex.Taxi по обоим индексам находится в роли догоняющего, а показатели удовлетворенности и лояльности клиентов сервиса Gett являются самыми низкими по рынку. Таким образом, можно предположить, что между показателями удовлетворенности и лояльности существует связь. Для того, чтобы проверить это, а также для установления типа связи, обратимся к пакету IBM SPSS.

Сформулируем содержательную гипотезу: между удовлетворенностью (выраженной с помощью индекса CSAT) и воспринимаемой лояльностью клиентов агрегаторов такси (выраженной с помощью оценки готовности респондентов рекомендовать сервис своим друзьям и близким) есть связь.

Переменные «Удовлетворенность» и «Лояльность» являются порядковыми, поэтому для установления наличия связи целесообразно применить коэффициент ранговой корреляции Спирмена.

Сформулируем статистические гипотезы (справедливо только для репрезентативных выборок из генеральной совокупности пользователей сервисами агрегаторов такси):

H₀ = Коэффициент корреляции = 0 (связи нет)

H₁ = Коэффициент корреляции не равен 0 (связь есть)

Рисунок 29. Связь между удовлетворенностью и лояльностью потребителей

Поскольку коэффициент корреляции Спирмана для данной пары переменных больше нуля (0,653) и является значимым, мы отвергаем гипотезу H₀ и принимаем гипотезу H_1. Мы можем также сделать выводы о направлении и силе данной связи. Исходя из знака (+) перед коэффициентом корреляции, можно сделать вывод, что связь прямая, то есть при увеличении удовлетворенности, увеличивается лояльность. Округлив коэффициент корреляции (0,653) до одного знака после запятой (0,7) мы можем определить силу данной связи: корреляция между удовлетворенностью и лояльностью сильная.

Статистический вывод: в случае, если бы в данном исследовании анализировалась репрезентативная выборка из генеральной совокупности пользователей сервисами агрегаторов такси, с вероятностью 99% для клиентов агрегаторов такси можно было бы сказать о наличии сильной прямой связи между удовлетворенностью и воспринимаемой лояльностью.

Содержательный вывод: для опрошенных клиентов агрегаторов такси связь между удовлетворенностью (выраженной с помощью индекса CSAT) и воспринимаемой лояльностью (выраженной с помощью оценки готовности респондентов рекомендовать сервис своим друзьям и близким) есть. Таким образом, можно говорить о подтверждении гипотезы H1.

2.5.5 Создание пирамиды здоровья бренда и анализ показателей для различных игроков рынка

Пирамида здоровья бренда (Millward Brown's Brand Dynamics pyramid) строится по методологии исследовательской компании Millward Brown. Пирамида отражает процент людей от общей целевой аудитории, вступивших в отношения с брендом на пяти различных уровнях. Предполагается, что каждый следующий уровень пирамиды невозможен без предыдущего.

Первый (базовый) уровень включает всех респондентов (от 18 до 22 лет), когда-либо пользовавшихся какими-либо сервисами агрегаторов такси и проживающих в Москве.

На второй уровень пирамиды попадают все респонденты, которые знакомы с определённым брендом (знают о нем). Для определения процента опрошенных, осведомленных о каждом из сервисов агрегаторов такси, респондентам был задан вопрос №9 анкеты: «О каких сервисах агрегаторов такси Вы слышали?» (см. прил. 1). Выяснилось, что большая часть опрошенных (90%) слышали о существовании всех трех анализируемых сервисов агрегаторов такси. Пять процентов осведомлены о существовании лишь таких сервисов, как Яндекс.Такси и Uber. Доля респондентов, которые знают только о существовании агрегаторов Gett и Яндекс.Такси, не превысило двух процентов, также два процента респондентов заявили о том, что осведомлены лишь о сервисе Яндекс.Такси. Только про агрегатор Uber слышали 1% опрошенных. Третий уровень пирамиды включает всех респондентов, которые когда-либо пользовались услугами определённого бренда (имеют опыт потребления). Для определения процента опрошенных, когда-либо пользовавшихся различными сервисами, респондентам был задан вопрос №10 анкеты: «Какими сервисами агрегаторов такси Вы КОГДА-ЛИБО пользовались?» (см. прил. 1).

Рисунок 30. Распределение ответов на вопрос №9 анкеты

В результате опроса удалось выявить, что 39 процентов респондентов имеют опыт потребления всех сервисов агрегаторов такси, еще 26 процентов опрошенных пользовались только сервисами Яндекс.Такси и Uber. Стоит также отметить достаточно высокий процент респондентов, использовавших только агрегатор от компании Яндекс. Менее 10 процентов опрошенных имеют опыт использования только сервисов Яндекс.Такси и Gett, а 3 процента респондентов - сервисов Gett и Uber. Доли опрошенных, когда-либо использовавших только сервис Uber или только сервис Gett оказались незначительными и составили 5 и 2% соответственно.

Рисунок 31. Распределение ответов на вопрос №10 анкеты

На четвертом уровне пирамиды учитываются только те респонденты, которые предпочитают данный бренд остальным (пользуются услугами агрегатора такси чаще, чем остальными). Для выявления доли респондентов, предпочитающих тот или иной бренд, был задан вопрос №11 анкеты: «Каким сервисом для заказа такси Вы пользуетесь ЧАЩЕ ВСЕГО?» (см. прил. 1) Выяснилось, что наибольшее число респондентов (44%) отдают предпочтение сервису Яндекс.Такси, практически такое же число опрошенных (43%) чаще всего пользуются агрегатором Uber. Процент респондентов, предпочитающих сервис Gett оказался минимальным (13%).

Рисунок 32. Распределение ответов на вопрос №11 анкеты

Наконец, последний уровень пирамиды здоровья включает респондентов, которые лояльны к бренду, то есть респондентов, оценивших свою готовность рекомендовать предпочитаемый сервис своим родным, друзьям, знакомым на 9 и 10. По итогам вычислений были построены пирамиды здоровья бренда для трех анализируемых сервисов по заказу такси:

Рисунок 33. Пирамида здоровья бренда Яндекс.Такси

Рисунок 34. Пирамида здоровья бренда Gett

Рисунок 35. Пирамида здоровья бренда Uber

Рассмотрим подробно каждый уровень пирамиды здоровья агрегаторов такси. В первую очередь стоит отметить высокую осведомленность о бренде для всех сервисов агрегаторов такси. Наиболее высокая осведомленность о бренде (знание бренда) наблюдается у сервиса Яндекс.Такси (99%), вероятно, это объясняется тем, что Яндекс.Такси первым из «большой тройки» вышел на российский рынок агрегаторов такси. О существовании Uber знают 96% московской молодежи, осведомленность о сервисе Gett составляет 92%.

По показателю конверсии из респондентов, осведомленных о бренде, в респондентов, имеющих опыт использования данного бренда, с большим отрывом лидирует Яндекс.Такси: 91% респондентов, которые знакомы с брендом Яндекс.Такси, имеют опыт использования данного сервиса. У сервисов Gett и Uber данный показатель значительно ниже: 56 и 76 процентов соответственно.

По показателю конверсии их пользователей, имеющих опыт использования сервиса, в пользователей, предпочитающих данный сервис другим, с показателем 60% лидирует агрегатор Uber. Соответствующий показатель у сервиса Яндекс.Такси не сильно ниже (53%), а вот агрегатор такси Gett сильно проигрывает своим конкурентам по числу пользователей, предпочитающих этот сервис другим: конверсия из пользователей, имеющих опыт пользования сервисом Gett в тех, кто предпочитает данный сервис другим, составляет всего 27%.

Наконец, по показателю конверсии в лояльные пользователи Uber на голову выше своих ближайших конкурентов: 58% всех клиентов, которые предпочитают Uber другим агрегаторам, являются промоутерами бренда, данный показатель у сервиса Gett практически в три раза ниже (19%), у Яндекс.Такси он также существенно ниже и составляет 37%.

Подводя итоги анализа пирамиды здоровья брендов агрегаторов такси, следует сказать, что, судя по ответам опрошенных респондентов, наиболее «здоровый вид» данная пирамида имеет у сервиса Uber. Единственные параметры, по которым Uber проигрывает сервису Яндекс.Такси - это знание бренда и опыт потребления, причем отставание по Brand Awareness минимально. Сервис Яндекс.Такси существенно уступает Uber по конверсии в лояльных пользователей. Агрегатор Gett проигрывает конкурентам на всех уровнях пирамиды, причем с повышением уровня пирамиды, увеличивается отставание от Uber и Яндекс.Такси.

2.5.6 Построение модели BPTO и анализ показателей для различных игроков рынка

Для установления величины переменной «готовность переплачивать» и измерения уровня поведенческой лояльности была применена модель BPTO. В соответствии с данной методикой, имитировалась ситуация реальной покупки: перед респондентами ставился вопрос о том, услугами какого агрегатора такси (Яндекс.Такси, Gett, Uber, никаким из перечисленных) они бы воспользовались для того, чтобы добраться на такси до аэропорта Домодедово при различных уровнях цен на услуги агрегаторов (цены варьировались от 800 до 1000 рублей). Данный диапазон цен был выбран в связи с тем, что он соответствует среднерыночному диапазону цен на момент написания работы. Процедура была повторена 6 раз: респондентам было предложено сделать выбор в шести различных рыночных ситуациях, причем в двух ситуациях стоимость поездки на предпочитаемом агрегаторе составляла 800 рублей, в двух - 900 рублей, а еще в двух ситуациях - 1000 рублей.

Рисунок 36. Распределение ответов на вопросы №24,25 анкеты

Рисунок 37. Распределение ответов на вопросы №26,27 анкеты

Рисунок 38. Распределение ответов на вопросы №28,29 анкеты

Для оценки готовности переплачивать была введена соответствующая переменная, значение данной переменной рассчитывалось по числу раз, когда респондент выбирал предпочитаемый сервис агрегаторов такси. Соответственно, значения данной переменной варьировались от 0 (респондент ни разу не выбрал предпочитаемый сервис агрегаторов такси) до 6 (респондент во всех шести ситуациях выбрал предпочитаемый сервис).

Основным минусом такого метода оценки готовности переплачивать является тот факт, что одинаковые значения данной переменной можно получить при выборе соответствующего числа разных стоимостей: например, значение 2 переменной «готовность переплачивать» может быть получено при выборе предпочитаемого бренда в двух рыночных ситуациях, когда цена на данный сервис равна 800 руб. или двум ситуациям, когда цена на него равна 1000 руб. Однако обзор распределения ответов респондентов показал, что подавляющее большинство респондентов рациональны, то есть значение переменной «готовность переплачивать», равное 2, означает, что клиент выбрал предпочитаемый сервис в двух рыночных ситуациях, когда стоимость услуг данного сервиса была минимальной (800 руб.), аналогично значение переменной «готовность переплачивать», равное 3, означает, что клиент выбрал предпочитаемый сервис в двух рыночных ситуациях, когда стоимость услуг данного сервиса была минимальной (800 руб.) и в одной ситуации, когда стоимость услуг данного сервиса была равна 900 руб. и так далее.

В первую очередь стоит отметить, что показатель готовности переплачивать для всех игроков на рынке агрегаторов такси оказался невысоким. Наибольшая готовность переплачивать за использование предпочитаемого сервиса была выявлена у клиентов Яндекс.Такси (в среднем они делали выбор в пользу Яндекс.Такси в 3,2 рыночных ситуациях из 6). У клиентов Uber данный показатель оказался несколько хуже (3). Индекс готовности переплачивать для клиентов Gett приблизительно равен 2, это говорит о том, что клиенты, предпочитающие услуги данного агрегатора, не готовы переплачивать за использование сервиса, они выбирают его только в том случае, когда услуги Gett стоят дешевле остальных агрегаторов такси.

Рисунок 39. Готовность переплачивать

В соответствии с методом «Цена переключения», потребители готовы платить более высокую цену в том случае, если они лояльны к бренду. Поскольку показатель готовности переплачивать для сервисов Yandex.Taxi и Uber приблизительно равен 3, это означает, что максимальная цена, при которой клиент данных сервисов откажется от их использования, составляет 900 рублей. Величина переменной «готовность переплачивать» для клиентов Gett приблизительно равна 2, таким образом, среднестатистический клиент Gett откажется от использования сервиса, как только цена превысит 800 рублей. Следовательно, основываясь на методе «Цена переключения», можно сделать вывод, что наивысшая поведенческая лояльность наблюдается среди клиентов Яндекс.Такси и Uber, данный показатель среди клиентов Gett существенно ниже.

Согласно методу «разделения потребностей», лояльными (с точки зрения аспекта поведения) являются те покупатели, чей уровень повторных покупок составляет 67 процентов, таким образом, лояльными будут считаться те клиенты агрегаторов такси, которые выбрали предпочитаемый ими сервис как минимум в 4 рыночных ситуациях из 6 (4/6=0,67). Отфильтровав клиентов агрегаторов такси, с готовностью переплачивать большей или равной четырем, выяснилось, что среди пользователей Яндекс.Такси число лояльных клиентов максимально (44%), процент лояльных (с точки зрения аспекта поведения) клиентов Uber несколько меньше (35%), пользователей Gett, лояльных к бренду в соответствии с методом «разделения потребностей» оказалось всего 12%.

Рисунок 40. Процент клиентов с готовностью переплачивать 4 и выше

Таким образом, проанализировав переменную «готовность переплачивать» для трех крупнейших сервисов агрегаторов такси, можно сделать вывод, что наибольшая готовность переплачивать и, как результат, поведенческая лояльность наблюдается среди клиентов Яндекс.Такси, поведенческая лояльность клиентов Uber несколько ниже, аналогичный показатель для пользователей Gett самый низкий среди конкурентов.

Согласно данным текущего исследования, воспринимаемая лояльность клиентов Uber (лояльность с точки зрения аспекта отношения, измеренная при помощи индекса NPS) значительно выше, чем соответствующий показатель для клиентов Яндекс.Такси и Gett. Однако, несмотря на это, показатель готовности переплачивать и поведенческая лояльность клиентов Uber заметно уступает данным показателям среди клиентов Яндекс.Такси. Таким образом, высокая удовлетворенность и готовность рекомендовать бренд никак не сказались на сказались на готовности клиентов Uber платить больше за возможность пользоваться предпочитаемым сервисом. Вероятно, причина кроется в важности для клиентов Uber такого фактора, как Средняя стоимость поездки: клиенты Uber пользуются данным сервисом в первую очередь потому, что он наиболее дешевый. Они неохотно переплачивают за использование услуг Uber, если сервис конкурента стоит дешевле.

2.5.7 Существование взаимосвязи между уровнем лояльности и готовностью переплачивать

Переменная «Готовность переплачивать» была введена для того, чтобы оценить, насколько лояльные (с точки зрения аспекта отношения) потребители более склонны переплачивать за использование предпочитаемого сервиса агрегаторов такси. Удалось выяснить, что готовность переплачивать за использование предпочитаемого сервиса у клиентов Uber несколько ниже, чем соответствующий показатель у клиентов Яндекс.Такси, несмотря на значительно более высокий средний уровень воспринимаемой лояльности пользователей Uber.

В связи с этим напрашивается вопрос, существует ли связь между готовностью рекомендовать сервис своим друзьям и близким и готовностью переплачивать за его использование (другими словами, связь между воспринимаемой и поведенческой лояльностью) и чем объясняются более низкие показатели готовности переплачивать среди клиентов агрегатора Uber.

Для того, чтобы выяснить это, рассмотрим готовность переплачивать среди пользователей агрегаторов такси с различным уровнем воспринимаемой лояльности к бренду (критиков, нейтралов и промоутеров).

Рисунок 41. Готовность переплачивать среди критиков, нейтралов и промоутеров

Согласно приведенной диаграмме, можно сделать вывод о том, что в среднем для клиентов всех сервисов с увеличением готовности рекомендовать бренд своим друзьям и родственникам увеличивается и готовность переплачивать за использование предпочитаемого бренда: показатель готовности переплачивать для критиков составил 2, для нейтралов соответствующий индекс выше на 0,8 пункта, а для промоутеров, пользователей с наибольшей готовностью рекомендовать бренд своим близким и, соответственно, с наибольшей лояльностью, показатель готовности переплачивать выше ещё на 0,6 пункта и составляет 3,4.

Для установления наличия связи между двумя переменными вновь обратимся к пакету IBM SPSS. Сформулируем содержательную гипотезу: между воспринимаемой лояльностью (выраженной с помощью оценки готовности респондентов рекомендовать сервис своим друзьям и близким) и поведенческой лояльностью (выраженной при помощи готовности клиентов переплачивать за использование предпочитаемого бренда) есть связь.

Переменные «Лояльность» и «Готовность переплачивать» являются порядковыми, поэтому для установления наличия связи следует применить коэффициент ранговой корреляции Спирмена.

Сформулируем статистические гипотезы (справедливо только для репрезентативных выборок из генеральной совокупности пользователей сервисами агрегаторов такси):

H₀ = Коэффициент корреляции = 0 (связи нет)

H₁ = Коэффициент корреляции не равен 0 (связь есть)

Поскольку коэффициент корреляции Спирмана для данной пары переменных больше нуля (0,307) и является значимым, мы отвергаем гипотезу H₀ и принимаем гипотезу H_1. Поскольку перед коэффициентом корреляции стоит знак «+», можно сделать вывод о том, что связь прямая, то есть при увеличении воспринимаемой лояльности, увеличивается готовность переплачивать, однако по значению коэффициента корреляции можно определить, что связь между данными переменными является слабой.

Статистический вывод: в случае, если бы в данном исследовании анализировалась репрезентативная выборка из генеральной совокупности пользователей сервисами агрегаторов такси, с вероятностью 99% для клиентов агрегаторов такси можно было бы сказать о наличии слабой прямой связи между воспринимаемой лояльностью и готовностью переплачивать.

Содержательный вывод: для опрошенных клиентов агрегаторов такси связь между лояльностью (выраженной с помощью оценки готовности респондентов рекомендовать сервис своим друзьям и близким) и и поведенческой лояльностью (выраженной при помощи готовности клиентов переплачивать за использование предпочитаемого бренда). Таким образом, можно говорить о подтверждении гипотезы H2.

Для того, чтобы разобраться, чем объясняется слабая сила связи данных переменных, построим диаграмму распределения, характеризующую готовность переплачивать среди трех категорий клиентов по уровню лояльности: критиков, нейтралов и промоутеров

Рисунок 42 Готовность переплачивать для промоутеров, нейтралов и критиков

Из приведенной выше диаграммы видно, что готовность переплачивать у нейтралов в среднем выше, чем у критиков, а у промоутеров в свою очередь выше, чем у нейтралов, однако для большинства клиентов всех категорий готовность переплачивать не превышает значения 2, то есть большая часть клиентов на рынке агрегаторов такси не готовы переплачивать за возможность воспользоваться предпочитаемым сервисом.

Таким образом, подводя итог вышесказанному, можно сделать вывод о том, что между лояльностью и готовностью переплачивать на рынке агрегаторов такси существует слабая прямая связь. Слабый характер данной связи объясняется высокой долей клиентов, которые не готовы переплачивать за пользование предпочитаемым брендом, то есть при снижении цены на услуги другого сервиса клиенты переключаются на него. В особенности такое потребительское поведение характерно для пользователей Uber, что объясняется более высокой важностью фактора средней стоимости поездки для клиентов Uber. Таким образом, можно говорить о том, что гипотеза H2 частично подтверждается.

Выводы по главе 2

Подведем итоги по всему вышесказанному:

1. Годовой объем рынка московского рынка агрегаторов такси превышает 100 млрд рублей, однако ни один из крупнейших агрегаторов такси не приносит прибыль, поскольку сервисы по заказу такси через приложение (Яндекс.Такси, Gett, Uber) дополнительно выплачивают водителям деньги за каждую совершенную поездку.

2. Наиболее высокий показатель общей удовлетворенности (CSAT) был выявлен у клиентов Uber (8,4), индексы удовлетворенности клиентов Яндекс.Такси (7,7) и Gett (7,4) оказались существенно ниже.

3. Наиболее важным атрибутом для клиентов всех агрегаторов такси является средняя цена поездки. Важность данного фактора и удовлетворенность им для клиентов Uber самая высокая (по сравнению с другими агрегаторами). Клиенты Uber пользуются данным сервисом в первую очередь за счет его относительной дешевизны.

4. Наиболее высокий уровень воспринимаемой лояльности (измеренный при помощи индекса NPS) был выявлен среди клиентов Uber (51%), несколько хуже данный показатель у клиентов Яндекс.Такси (18%), клиенты Gett характеризуются крайне низкой воспринимаемой лояльностью, поскольку показатель NPS для них отрицательный (-9%). В соответствии с

5. Uber превосходит своих конкурентов практически на всех уровнях пирамиды здоровья бренда, кроме знания и опыта потребления бренда, по которым лидирует Яндекс.Такси. Агрегатор Gett проигрывает конкурентам на всех уровнях пирамиды

6. Несмотря на то, что Uber является лидером по большинству проанализированных показателей удовлетворенности и лояльности, готовность клиентов Uber переплачивать за использование сервиса предпочитаемого ими бренда оказалась ниже, чем соответствующий показатель клиентов Яндекс.Такси (3,0 против 3,2 у Яндекс.Такси). Показатель готовности переплачивать клиентов Gett существенно уступает лидерам (1,9). На основании метода «разделения потребностей» было установлено, что процент лояльных клиентов (клиентов, чей уровень повторных покупок составляет 67%) для сервиса Яндекс.Такси составляет 44%, для агрегатора Uber-35%, а для сервиса Gett данный показатель находится на уровне 12%. Таким образом, можно сделать вывод, что лидером по уровню поведенческой лояльности является сервис Яндекс.Такси

Таким образом, можно сделать вывод об уровне воспринимаемой и поведенческой лояльности молодых москвичей к каждому исследуемому агрегатору такси. Наиболее высокая воспринимаемая лояльность наблюдается среди клиентов сервиса Uber, по показателю поведенческой лояльности лидирует сервис Яндекс.Такси, а Gett является аутсайдером на московском рынке агрегаторов такси с точки зрения лояльности молодых людей.

Кроме того, на основании проведенного исследования, необходимо вернуться к поставленным гипотезам

H1: Гипотеза подтвердилась. Между удовлетворенностью (выраженной с помощью индекса CSAT) и воспринимаемой лояльностью клиентов агрегаторов такси (выраженной с помощью оценки готовности респондентов рекомендовать сервис своим друзьям и близким) существует сильная прямая связь

H2: Гипотеза частично подтвердилась (поскольку связь слабая). Между воспринимаемой лояльностью (выраженной с помощью индекса NPS) и поведенческой лояльностью (выраженной при помощи готовности клиентов переплачивать за использование предпочитаемого бренда) существует слабая прямая связь.

Глава 3. Рекомендации

На основании выводов, сделанных по итогам предыдущей главы, был разработан перечень рекомендаций для компаний, функционирующих на московском рынке агрегаторов такси:

1. На данный момент основной целью всех крупнейших агрегаторов такси является завоевание доли рынка. Компании даже готовы жертвовать прибыльностью ради достижения данной цели: они устанавливают цены заведомо ниже себестоимости поездки и доплачивают водителям из собственных средств. Как показал опрос, проведенный в ходе данного исследования, для большинства клиентов сервисов по заказу такси фактор средней стоимости поездки действительно является определяющим, однако, устанавливая цены ниже себестоимости, компании никогда не смогут приносить прибыль. По моему мнению, такая бизнес-модель не имеет будущего, агрегаторам такси следует сконцентрироваться на прибыльности бизнеса. Для того, чтобы конкурировать с более дешевыми сервисами по заказу такси агрегаторам следует создавать устойчивые конкурентные преимущества путем повышения удовлетворенности такими атрибутами, как, например, профессионализм водителей, время ожидания автомобиля, простота и удобство пользования приложением, внешний вид и чистота автомобиля.

2. Связь между воспринимаемой лояльностью и готовностью потребителей переплачивать за использование предпочитаемого бренда оказалась слабой. Таким образом, компаниям, функционирующим на рынке агрегаторов такси, следует сделать основной акцент не на улучшении отношения к бренду (воспринимаемая лояльности), а на формирование поведенческой лояльности клиентов, выражающейся в повторных покупках. Для повышения поведенческой лояльности агрегаторам такси, по моему мнению, следует организовывать программы лояльности (с накоплением бонусных баллов, скидок или особыми условиями обслуживания для постоянных клиентов сервиса). Таким образом, у клиентов, постоянно пользующихся одним сервисом, будет меньше мотивов переключиться на сервис конкурента, поскольку в таком случае он потеряет выгоды, накопленные в ходе участия в программе лояльности.

Заключение

В настоящее время все больше компаний уделяют внимание вопросу изучения лояльности потребителей. Для успешного функционирования организациям необходимо регулярно осуществлять мониторинг уровня потребительской лояльности. В связи с этим проблема измерения лояльности потребителей является столь актуальной в настоящее время.

В данном исследовании на примере московского рынка агрегаторов такси были рассмотрены теоретические и практические аспекты измерения лояльности потребителей. Практическая значимость данного исследования заключается в том, что его результаты могут быть использованы агрегаторами такси для принятия мер по повышению лояльности молодого поколения к своему бренду

Анализ теоретического аспекта измерения потребительской лояльности показал, что существует три базовых подхода к изучению лояльности (подход с точки зрения поведения потребителей, подход с точки зрения отношения потребителей, комплексный подход) и три соответствующих типа лояльности (поведенческая лояльность, воспринимаемая лояльность, комплексная лояльность).

Было также установлено, что понимание сути потребительской лояльности и методов ее измерения отличается в зависимости от выбранного подхода. В ходе исследования удалось создать классификацию наиболее популярных определений и методов измерения лояльности с точки зрения различных подходов к ее изучению. Кроме того, было установлено, каким образом в научных кругах принято определять и измерять потребительскую удовлетворенность и каким образом она связана с лояльностью потребителей.

Целью практической части данного исследования стало измерение лояльности московской молодежи (от 18 до 22 лет) к агрегаторам такси. В работе мы руководствовались комплексным подходом к изучению лояльности: для измерения уровня лояльности были использованы методы, основанные как на поведенческом, так и на отношенческом подходе.

Лидером по большинству показателей потребительской лояльности оказался сервис Uber, однако сервис Яндекс.Такси, несмотря на это, обошел Uber по показателю поведенческой лояльности. Объяснением этому явился факт более высокой важности атрибута «средняя стоимость поездки» для клиентов Uber. Был сделан вывод о том, что большая часть молодых людей пользуется Uber лишь потому, что это недорого. Кроме того, в ходе исследования подтвердилась гипотеза о наличии связи между переменными «удовлетворенность» и «воспринимаемая лояльность».

Гипотеза о наличии связи между воспринимаемой и поведенческой лояльностью, выраженной через переменную «готовность переплачивать», подтвердилась лишь частично (связь оказалась слабой). По итогам исследования компаниям, работающим на московском рынке агрегаторов такси, были сделаны рекомендации по мерам увеличения лояльности молодых людей.

Таким образом, можно сделать вывод о том, что цели и задачи, поставленные в начале данного исследования, были выполнены. Стоит также отметить тот факт, что тема измерения потребительской лояльности содержит в себе большие перспективы для дальнейших исследований. В первую очередь ощущается нехватка в общепризнанном комплексном методе измерения лояльности.

Развивающийся московский рынок агрегаторов такси также представляют большой интерес с точки зрения дальнейших исследований.

Проведение аналогичного по дизайну исследования на большой репрезентативной выборке позволило бы распространить выводы, сделанные по итогам данного исследования не только молодежь от 18 до 22 лет, но и на остальных пользователей агрегаторов такси, кроме того, при анализе репрезентативной выборки можно было бы получить справедливые данные о наличии или отсутствии связей между удовлетворенностью и воспринимаемой лояльностью, а также воспринимаемой лояльностью и готовностью переплачивать в генеральной совокупности пользователей агрегаторов такси.

Список литературы

1. Aaker D. Brand equity // La gestione del valore della marca. - 1991.

2. Auh S., Johnson M.D. The complex relationship between customer satisfaction and loyalty for automobiles //Customer Retention in the Automotive Industry. - Gabler Verlag, 1997. - С. 141-166.

3. Baloglu S. Dimensions of customer loyalty: Separating friends from well wishers //The Cornell Hotel and Restaurant Administration Quarterly. - 2002. - Т. 43. - №1. - С. 47-59.

4. Bowen J.T., Chen S.L. The relationship between customer loyalty and customer satisfaction // International journal of contemporary hospitality management. - 2001. - Т. 13. - №5. - С. 213-217.

5. Brand Price Tradeoff Analysis // Pricing Solutions

6. Chen C.F., Tsai D.C. How destination image and evaluative factors affect behavioral intentions? //Tourism management. - 2007. - Т. 28. - №4. - С. 1115-1122.

7. Copeland M.T. Relation of consumers' buying habits to marketing methods // Harvard business review. - 1923. - Т. 1. - №3. - С. 282-289.

8. Cronin Jr J.J., Taylor S.A. Measuring service quality: a reexamination and extension // The journal of marketing. - 1992. - С. 55-68.

9. Danenberg N., Sharp B. Testing probabilistic measures of behaviour as measures of customer loyalty // Southern Marketing-Theory and Applications, proceedings of the Australian Marketing Educators' Conference. - 1996. - Т. 2.

10. Dawes J., Swailes S. Retention sans frontieres: issues for financial service retailers // International Journal of Bank Marketing. - 1999. - Т. 17. №1. С. 36-43.

11. Day G.S. A two-dimensional concept of brand loyalty //Mathematical models in marketing. - Springer Berlin Heidelberg, 1976. - С. 89-89.

12. Dick A.S., Basu K. Customer loyalty: toward an integrated conceptual framework // Journal of the academy of marketing science. - 1994. - Т. 22. - №2. - С. 99-113.

13. Gett потратит $100 млн на экспансию в России в ближайший год // Ведомости

14. Gremler D. D. et al. Service loyalty: its nature, importance, and implications // Advancing service quality: A global perspective. - 1996. - Т. 5. - С. 171-181.

15. Gronholdt L., Martensen A., Kristensen K. The relationship between customer satisfaction and loyalty: cross-industry differences // Total quality management. - 2000. - Т. 11. - №4-6. - С. 509-514.

16. Guest L. A study of brand loyalty //Journal of Applied Psychology. - 1944. - Т. 28. - №1. - С. 16-27.

17. Guest L. Brand loyalty--twelve years later // Journal of Applied Psychology. - 1955. - Т. 39. - №6 - С. 405.

18. Hammond K., East R., Ehrenberg A. Buying More and buying longer: Concepts and measures of consumer loyalty // London: London Business School. - 1996.

19. Hawkes P. Building brand loyalty and commitment //Journal of Brand Management. - 1994. - Т. 1. - №6. - С. 337-347.

20. Heere B., Dickson G. Measuring attitudinal loyalty: Separating the terms of affective commitment and attitudinal loyalty // Journal of Sport Management. - 2008. - Т. 22. - №2. - С. 227-239.

21. Hofmeyr J. Rice B // Commitment-Led Marketing./ J. Hofmeyr, B. Rice.-Juta.: John Wiley and Sons. - 2000.

22. Hofmeyr J., Rice B. Brand Equity: What it is and how it should be measured // The Encyclopaedia of Brands & Branding in South Africa. Sunday Times. - 2000.

23. Jacoby J., Chestnut R.W. Brand loyalty: Measurement and management. - 1978.

24. Jacoby J., Chestnut R.W. Brand loyalty: Measurement and management. - 1978.

25. Jacoby J., Olson J.C. An attitudinal model of brand loyalty: conceptual underpinnings and instrumentation research // Purdue Papers in Consumer Psychology. - 1970. - Т. 159. - С. 14-20.

26. Kumar A., Lim H. Age differences in mobile service perceptions: comparison of Generation Y and baby boomers //Journal of Services Marketing. - 2008. - Т. 22. - №7. - С. 568-577.

27. Lazarevic V. Encouraging brand loyalty in fickle generation Y consumers // Young Consumers. - 2012. - Т. 13. - №1. - С. 45-61.

28. Mellens M., Dekimpe M., Steenkamp J. A review of brand-loyalty measures in marketing // Tijdschrift voor economie en management. - 1996. - Т. 41. - №4. - С. 507-533.

29. Mellens M., Dekimpe M., Steenkamp J. A review of brand-loyalty measures in marketing // Tijdschrift voor economie en management. - 1996. - Т. 41. - №4. - С. 507-533.

30. Oliver R.L. Whence consumer loyalty? // the Journal of Marketing. - 1999. - С. 33-44.

31. Pessemier E.A. An experimental method for estimating demand //The Journal of Business. - 1960. - Т. 33. - №4. - С. 373-383.

32. Raj G. Javalgi R., Moberg C.R. Service loyalty: implications for service providers // Journal of services marketing. - 1997. - Т. 11. - №3. - С. 165-179.

33. Reichheld F.F. The one number you need to grow //Harvard business review. - 2003. - Т. 81. - №12. - С. 46-55.

34. Sharp B., Sharp A. Loyalty programs and their impact on repeat-purchase loyalty patterns //International journal of Research in Marketing. - 1997. - Т. 14. - №5. - С. 473-486.

35. Sharp B., Sharp A. Loyalty programs and their impact on repeat-purchase loyalty patterns //International journal of Research in Marketing. - 1997. - Т. 14. - №5. - С. 473-486.

36. Sцderlund M., Цhman N. Assessing behavior before it becomes behavior: an examination of the role of intentions as a link between satisfaction and repatronizing behavior // International Journal of Service Industry Management. - 2005. - Т. 16. - №2. - С. 169-185.

37. Solomon M.R. Consumer behaviour: buying, selling and being/Michael R. Solomon.-. - 2006.

38. Spaid B.I., Flint D.J. The meaning of shopping experiences augmented by mobile internet devices //Journal of Marketing Theory and Practice. - 2014. - Т. 22. - №1. - С. 73-90.

39. Sudhahar J.C. et al. Service loyalty measurement scale: A reliability assessment //American Journal of Applied Sciences. - 2006. - Т. 3. - №4. - С. 1814-1818.

40. Uber Loses at Least $1.2 Billion in First Half of 2016 // Bloomberg

41. Uber обошел Gett по количеству ежедневных перевозок в России // РБК

42. Why I don't Believe in Uber's Success // Thinking inside a large box

43. Zeithaml V.A., Berry L.L., Parasuraman A. The behavioral consequences of service quality // the Journal of Marketing. - 1996. - С. 31-46.

44. Zeithaml V.A., Parasuraman A., Berry L.L. Problems and strategies in services marketing // The Journal of Marketing. - 1985. - С. 33-46.

45. Величко Н.Ю., Бубенец И.Г. Измерение лояльности клиентов в условиях конкуренции // Управление и экономика в XXI веке. - 2016. - №2.

...