- Образ жизни (деятельность, интересы, род занятий)

- Среда (субкультура, социальный класс, финансовое положение, семья)

- Психология (мотивы, восприятие, обработка информации)

- Индивидуальность

В связи с тем, что изучаемый класс товаров - товар массового спроса, автор принял решение отказаться от подробного изучения данного блока. Во-первых, релевантность подобного исследования может быть достигнута только лишь при использовании большого количества ресурсов. Во-вторых, автор считает его не актуальным для достижения целей данной работы.

Однако, в модель была включена группа факторов - поведенческих индикаторов, которые могут косвенно свидетельствовать о склонности покупателя к приобретению более дорогих товаров в супермаркете. Согласно авторам исследований по теме потребительского поведения [58] [64], в данную группу можно включить: склонность и желание радовать себя и близких, импульсивность, прагматизм, конформность, прагматичность и дисциплинированность. Данные характеристики могут косвенно указывать на вероятность совершения импульсивной и не запланированной покупки их обладателя. Автор назвал эту группу факторов: Особенности человека.

Таким образом, была построена следующая теоретическая модель исследования, которая подлежит проверке с помощью эмпирических данных:

Рисунок 4 Исследовательская модель

Используя теоретические исследования и результаты собственного качественного исследования, автор выдвинул следующие гипотезы для эмпирической проверки:

H1: Большинство людей, вне зависимости от уровня дохода периодически приобретают прем-е товары

H2: На склонность к покупке дорогих товаров влияет импульсивность

H3: На вероятность покупки дорогого товара влияет желание себя побаловать

H4: На вероятность приобретения дорогого товара больше всего влияет ценовое стимулирование

H5: Элементы промоушен микса в наименьшей степени влияют на вероятность покупки дорогого товара

H6: Атрибуты дорогого товара в большей степени вероятность его приобретения

H7: Факторы внутримагазинной среды в меньшей степени влияют на вероятность покупки дорогого товара

Проверка данных гипотез расширит представление о механизме выбора товаров повседневного спроса премиум-класса в точках продаж.

3.4 Операционализация исследовательской модели

Обозначенные в предыдущем пункте переменные необходимо операционализировать для проведения онлайн-анкеты. Все переменные и вопросы к ним представлены в таблице №9. Респондентам было предложено оценить от 1 до 7 каждый вопрос из двух блоков. Первый блок вопросов связан с факторами маркетинг-микса. Второй блок вопросов включает в себя переменные и вопросы, которые косвенно указывают на склонность покупателя приобретать товары по цене, намного большей среднего значения в категории. Также была операционализирована зависимая переменная «Склонность к покупке FMCG товаров премиум-класса». Названия и номер переменных в массиве были обозначены автором после проведения метрического анализа главных компонент, который будет описан далее в этой главе.



Таблица 9 Операционализация переменных исследовательской модели

Группа факторов	Переменная	Вопрос	Переменные в массиве
PRICE	Скидка	Скидка или акция (1+1) повысит вероятность покупки мною премиального товара в супермаркете	Promo_1
PROMOTION	Дегустация	Дегустация продукта может побудить меня приобрести дорогой товар в супермаркете	Promo_2
	Pos-материалы	Яркая вывеска, информирующая о товаре, может побудить меня заплатить бОльшую сумму за товар в супермаркете	Promo_3
	Информация на упаковке	Информация на упаковке товара может побудить меня заплатить за него значительно больше, чем за аналогичный товар.	Qual_3
PRODUCT	Качество упаковки	Качественная упаковка повышает вероятность покупки премиального товара в супермаркете	Vis_1
	Привлекательность упаковки	Не стандартная упаковка (привлекающая внимание) может стать для меня причиной покупки премиального товара в супермаркете	Vis_2
	Экологичность	Я с бОльшей вероятностью куплю премиальный товар в супермаркете, если он экологичный	Qual_1
	Качество	Я готов значительно переплатить за товар в супермаркете, если уверен в его исключительном качестве.	Qual_2
	Бренд товара	Широкая известность и популярность бренда премиального товара подтолкнет меня к его покупке.	Vis_3
	Видимость товара	Я с бОльшей вероятностью куплю премиальный товар в супермаркете, если его бренд мне давно знаком	Vis_4
PLACE	Бренд супермаркета	Бренд СУПЕРМАРКЕТА влияет на вероятность приобретения мною премиального товара	Place_1
	Атмосфера СМ	Атмосфера супермаркета может повлиять на мое решение о покупке премиального товара	Place_2
	Планировка СМ	Планировка супермаркета и расположение его отделов может повлиять на вероятность покупки премиального товара.	Place_3
	Выкладка СМ	Специальная выкладка (например в центре зала) может побудить меня купить товар по цене, значительно большей среднего	Place_4
ВЕРОЯТНОСТЬ ПОКУПКИ	Склонность к покупке дорогого товара	В какой мере вы обычно склонны покупать товары по цене, значительно большей, чем средняя, если складывается подходящая ситуация?	PURCHASE
ОСОБЕННОСТИ ЧЕЛОВЕКА	Желание радовать себя	Я люблю себя баловать	Char_1
	Желание хорошо проводить время	Я люблю ходить в рестораны	Char_6
	Желание радовать других	Я люблю дарить подарки	Char_2
	Импульсивность	Я импульсивен	Char_3
	Дисциплинированность	Я всегда следую плану	Char_4
	Конформность	Мне важно мнение окружающих	Char_5
	Прагматизм	Я всегда стремлюсь делать выгодные покупки	Char_7

Для определения наличие и силу связи между вышеперечисленными независимыми и зависимой переменной будет использован анализ методом структурных уравнений, а также будет проведен факторный анализ для уменьшения размерности данных. При этом будут проверена все условия, необходимые для признания работоспособности данной модели и пригодности использования указанных видов анализа.

3.5 Результаты эмпирического исследования. Характеристика респондентов

Перед тем, как перейти к более углубленному анализу данных, стоит понять структуру выборки и базовые характеристики респондентов. Для удобства и наглядности была использована описательная статистика программного пакета SPSS.

Онлайн анкету заполнило 495 человек. Однако целевая аудитория исследования состояла из 398 респондентов. Самый первый вопрос, который видели опрашиваемые: «Покупали ли вы за последние 12 мес. товар, цена которого была значительно выше средней?». Те, кто отвечал «Нет», не отвечали на оставшиеся вопросы анкеты. При этом выборка была очищена от выбросов, аномалий и ответов с пропущенными значениями. Так, для глубинного анализа будет проанализировано 394 анкеты.

Таким образом, можно утверждать, что на начальном этапе обработки данных подтвердилась гипотеза №1. Более 80% респондентов приобретали за последний год FMCG товары премиум-класса.

Таблица 10 Проверка гипотезы 1

Покупали ли вы за последние 12 мес. товар, цена которого была значительно выше средней? (в супермаркете)
	Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Да	398	80,4	80,4	80,4
	Точно нет!	97	19,6	19,6	100,0
	Total	495	100,0	100,0

Женщины составили большую часть опрошенных. Это хорошо для анализа, так как по данным исследований [33], большинство лиц, принимающих решение о покупке товаров народного потребления - женщины.

Таблица 11 Распределение респондентов по полу

Ваш пол
	Frequency	Percent	Valid Percent	Cumulative Percent
Valid	Мужчина	127	32,2	32,2	32,2
	Женщина	267	67,8	67,8	100,0
	Total	394	100,0	100,0

Оказалось, что 65% респондентов - это работающая аудитория. При чем часть из них и работают и учатся одновременно. В выборку попало всего 7% домохозяек. Это значит, что результаты могут быть не совсем достоверными относительно генеральной совокупность, так как по данным исследований [33] около 70% решений о покупке в супермаркете принимает женщина или супруга. Однако, учитывая тот факт, что доля опрашиваемых женщин составила 67%, можно утверждать, что результаты можно считать релевантными.

Рисунок 5 Распределение респондентов по роду занятий

Значения переменной «Уровень дохода» закодированы в программе SPSS следующим образом для удобства вывода данных на экран:

- денег не хватает даже на питание (1)

- на питание денег хватает, но одежду, обувь купить не могу (2)

- на одежду, обувь денег хватает, но крупную бытовую технику купить не могу (3)

- на бытовую технику денег хватает, но автомобиль купить не могу (4)

- на автомобиль денег хватает, но квартиру или дом купить не могу (5)

- на квартиру или дом денег хватает (6)

Из таблицы №11 ниже видно, что большинство респондентов являются представителями нижней границы среднего класса. Это хорошее распределение ответов, так как оно поможет ответить на один из вопросов исследования. А именно, понять, какие факторы могут влиять на выбор товаров народного потребления премиум-класса вне зависимости от уровня дохода. А срез респондентов из нижней границы среднего класса дает возможность проанализировать поведение среднестатистического россиянина.

Таблица 12 Распределение респондентов по уровню дохода

Доход
	Frequency	Percent	Valid Percent	Cumulative Percent
Valid	1,00	1	,3	,3	,3
	2,00	22	5,6	5,6	5,8
	3,00	147	37,3	37,3	43,1
	4,00	153	38,8	38,8	82,0
	5,00	58	14,7	14,7	96,7
	6,00	13	3,3	3,3	100,0
	Total	394	100,0	100,0

Более того, распределение значений данной переменной (Уровень дохода) приближено к нормальному. Данный факт показывает релевантность выборки относительно данной важной переменной.



Рисунок 6 Нормальность распределения переменной «Уровень дохода»

3.6 Построение базовои? схемы связи измеряемых конструктов и латентных переменных

Для того, чтобы продолжать анализ факторов, которые будут влиять на склонность к покупке FMCG товаров премиум класса, необходимо сгруппировать переменные, которые были использованы в опросе в укрупненные группы, которые будут являться факторами, влияющими на вероятность приобретения исследуемого продукта. Необходимо понять в какой мере структура полученных данных согласуется с теоретической моделью, которая была основана на классификации 4P. После данного шага можно будет приступать к Моделированию Структурными Уравнениями. Для этого будут использованы методы метрического факторного анализа и корреляционного анализа.

Метрический факторный анализ был осуществлен с помощью программы SPSS на переменных, которые являлись интервальной шкалой Лайкерта, где респондентов просили отметить степень влияния каждого фактора из теоретической исследовательской модели от 1 до 7. Структура латентных переменных выявлялась на 14 измеримых переменных. Факторный анализ был проведен методом вращения varimax.

Критерий Кайзера-Майера-Олкена позволяет оценить, насколько полно построенная факторная модель описывает структуру ответов респондентов [25]. Результаты проведенного факторного анализа действительны, так как критерий КМО равен 0,814 > 0,5. Значит, данные пригодны для использования метода главных компонент. Тест Бартлетта показывает, что между переменными, участвующими в анализе есть корреляционная зависимость и возможна их группировка на основании тесноты корреляции.

Таблица 13 КМО и критерий Бартлетта

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.	0,814
Bartlett's Test of Sphericity	Approx. Chi-Square	1702,136
	df	91
	Sig.	0

Далее необходимо определить оптимальное число компонентов факторной модели. Характеристические числа (Evangelines) в столбце Total таблицы №14 показывают полноту изображения исходной информации в факторной модели. В нашем случае, 4 характеристики больше 1. Это значит, что факторная модель состоит из 4х факторов, которые называются латентными переменными модели. Выявленные латентные переменные объясняют 60,88% дисперсии, то есть сохраняют более 60% исходной информации массива. Это достаточно хороший показатель.

Таблица 14 Таблица общей объясненной дисперсии

Total Variance Explained
	Initial Eigenvalues	Extraction Sums of Squared Loadings	Rotation Sums of Squared Loadings
Component	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %	Total	% of Variance	Cumulative %
1	4,559	32,564	32,564	4,559	32,564	32,564	2,586	18,471	18,471
2	1,466	10,475	43,039	1,466	10,475	43,039	2,288	16,341	34,812
3	1,334	9,53	52,568	1,334	9,53	52,568	1,883	13,451	48,263
4	1,164	8,313	60,881	1,164	8,313	60,881	1,767	12,618	60,881
5	0,869	6,21	67,091
…	…	…	…
13	0,304	2,17	97,915
14	0,292	2,085	100
Extraction Method: Principal Component Analysis.

Метод «Каменистой осыпи» также выделяет 4 фактора. График на рисунке №7 показывает зависимость между характеристическими числами и количеством компонентов факторной модели. Результат графического метода определения числа факторов подтвердил результаты расчетного метода.

Рисунок 7 график собственных значений

В таблице факторных нагрузок после вращения можно распределение исходных переменных в каждую компоненту и их коэффициенты корреляции с самой компонентой. Сгруппированные в факторы переменные выделены цветом для наглядности.

Таблица 15 Факторные нагрузки после ортогонального вращения varimax

Rotated Component Matrixa
	Component
	1	2	3	4
Качественная упаковка повышает вероятность покупки премиального товара в супермаркете (Vis_1)	0,377	0,578	-0,052	0,374
Не стандартная упаковка (привлекающая внимание) может стать для меня причиной покупки премиального товара в супермаркете (Vis_2)	0,297	0,487	0,132	0,29
Я с бОльшей вероятностью куплю премиальный товар в супермаркете, если он экологичный (Qual_1)	0,141	-0,025	0,036	0,777
Я готов значительно переплатить за товар в супермаркете, если уверен в его исключительном качестве. (Qual_2)	-0,004	0,457	0,02	0,591
Информация на упаковке товара может побудить меня заплатить за него значительно больше, чем за аналогичный товар. (Qual_3)	0,129	0,121	0,245	0,654
Я с бОльшей вероятностью куплю премиальный товар в супермаркете, если его бренд мне давно знаком (Vis_3)	0,055	0,817	0,151	0,016
Широкая известность и популярность бренда премиального товара подтолкнет меня к его покупке. (Vis_4)	0,235	0,828	0,163	0,023
Бренд СУПЕРМАРКЕТА влияет на вероятность приобретения мною премиального товара (Place_1)	0,573	0,184	0,105	0,239
Атмосфера супермаркета может повлиять на мое решение о покупке премиального товара (Place_2)	0,817	0,192	-0,054	0,162
Планировка супермаркета и расположение его отделов может повлиять на вероятность покупки премиального товара. (Place_3)	0,833	0,099	0,131	0,022
Специальная выкладка (например в центре зала) может побудить меня купить товар по цене, значительно большей среднего (Place_4)	0,658	0,135	0,432	-0,02
Скидка или акция (1+1) повысит вероятность покупки мною премиального товара в супермаркете (Promo_1)	0,019	0,151	0,707	-0,036
Дегустация продукта может побудить меня приобрести дорогой товар в супермаркете (Promo_2)	0,045	0,03	0,753	0,236
Яркая вывеска, информирующая о товаре, может побудить меня заплатить бОльшую сумму за товар в супермаркете (Promo_3)	0,371	0,128	0,684	0,143
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.a
a. Rotation converged in 5 iterations.

Факторный анализ воспроизвел структуру латентных переменных, предложенных на этапе построения исследовательской модели по классификации 4P. При чем удалось не только на практике подтвердить теоретическую модель, но и уточнить и дополнить ее.

Ввиду того, что на для проверки элемента 4Р Price был составлен лишь один вопрос, его переменная попала в фактор, который автор назвал «Продвижение». Это очень логично, так как ценовое стимулирования одновременно может являться как элементом как категории Promotion, так и категории Price.

В ходе анализа переменные, отвечающие за характеристики товара, или Product в теоретической классификации 4P, были разделены на две компоненты, которые при всей кажущейся общности, на самом деле отличаются друг от друга по смыслу. А именно, сформировался фактор «Видимость товара на полке» и «Качество товара». В первую группу вошли переменные, отвечающие за видимость и качество упаковки, а также узнаваемость и популярность бренда. И действительно, это именно те характеристики товара, которые заставляют потребителя обратить внимание на товар в магазине. Во вторую группу вошли такие характеристики как качество и экологичность. Более того, интересно, что переменная «Информация на упаковке..» тоже вошла в эту группу. Это говорит о том, что есть категория потребителей, которые внимательно изучают упаковку, чтобы удостовериться в качестве продукта и его натуральности.

Все переменные, отвечающие за характеристики супермаркета были отнесены к компоненте Place, что также не вызывает вопросов у автора.

Автор предлагает следующую модель переменных для дальнейшего анализа с помощью метода моделирования структурными уравнениями. (См. Табл. 16).

Таблица 16. Предлагаемая структура латентных переменных

Конструкт для тестирования	Название переменной в массиве	Вопрос в анкете
Продвижение (Promotion)	Promo_1	Скидка или акция (1+1) повысит вероятность покупки мною премиального товара в супермаркете
	Promo_2	Дегустация продукта может побудить меня приобрести дорогой товар в супермаркете
	Promo_3	Яркая вывеска, информирующая о товаре, может побудить меня заплатить бОльшую сумму за товар в супермаркете
Супермаркет (Place)	Place_1	Бренд СУПЕРМАРКЕТА влияет на вероятность приобретения мною премиального товара
	Place_2	Атмосфера супермаркета может повлиять на мое решение о покупке премиального товара
	Place_3	Планировка супермаркета и расположение его отделов может повлиять на вероятность покупки премиального товара.
	Place_4	Специальная выкладка (например в центре зала) может побудить меня купить товар по цене, значительно большей среднего
Видимость товара на полке (Visibility)	Vis_1	Качественная упаковка повышает вероятность покупки премиального товара в супермаркете
	Vis_2	Не стандартная упаковка (привлекающая внимание) может стать для меня причиной покупки премиального товара в супермаркете
	Vis_3	Я с бОльшей вероятностью куплю премиальный товар в супермаркете, если его бренд мне давно знаком
	Vis_4	Широкая известность и популярность бренда премиального товара подтолкнет меня к его покупке.
Качество продукта (Quality)	Qual_1	Я с бОльшей вероятностью куплю премиальный товар в супермаркете, если он экологичный
	Qual_2	Я готов значительно переплатить за товар в супермаркете, если уверен в его исключительном качестве.
	Qual_3	Информация на упаковке товара может побудить меня заплатить за него значительно больше, чем за аналогичный товар.

Таким образом, в ходе метрического анализа главных компонент (факторного анализа) 14 исходных переменных были сгруппированы в 4 укрупненных латентных переменных. (См. Рис.

3.7 Построение модели связи измеряемых конструктов и латентных переменных с помощью метода моделирования структурными уравнениями

Построение измерительной модели и оценка ее качества

Далее все модели, вычисления и операции производились с помощью AMOS SPSS.

На первом этапе МСУ необходимо проверить, насколько предположение о структуре связей между латентными и измеримыми переменными было правдиво. Для этого надо построить измерительную модель и объяснить ее показатели качества. (См. Рис. 8)

Рисунок 8 Измерительная модель КФА



Для проверки качества измерительной модели будут проверены критерии надежности (CR), валидности (AVA) и качество приближения ((goodness-of-feet results).

CR (композитная надежность) объясняет согласованность измеримых переменных между собой. Надежность конструктов достигается при пороговом значении >0,7 [67]. CR рассчитывается по формуле:

,

где: лi - стандартизированные факторные нагрузки; дi - дисперсии ошибок; p - число измеримых переменных.

Валидность проверяется с помощью показателя AVE, или соотношения между дисперсией, объясненной компонентой и полной дисперсией соответствующих ей переменных. Минимально допустимое пороговое значение - 0,5 [67].

В таблице 17 приведены ключевые показатели качества измерительной модели и их нормативные значения.

Таблица 17. Индексы качества измерительнои? модели [67]

Меры близости	Обозначение	Нормативное значение	Показатель в модели
Абсолютные индексы приближения (absolute fit indices)	RMSEA	<= 0,8	0,089
Сравнительные или приростные индексы приближения (incremental fit indices)	NFI	>= 0,9	0,876
	CFI	>= 0,9	0,865
Индексы экономности модели (parsimony fit indices)	PGFI	Близко к 1	0,764
	PNFI	Близко к 1	0,744
Число степенеи? свободы (Degrees of Freedom)	71
Качество приближения корреляционнои? матрицы по критерию хи-квадрат (Minimum Fit Function Chi-Square)	351,355

Квадратный корень ошибки аппроксимации незначительно выходит за пределы допустимых значений. Это значит, что результаты модели могут быть ненадежны. Однако, мы можем использовать ее для проверки гипотез и совершения предварительных управленческих выводов. Также, ч2=351,355при количестве степеней свободы, равному 71, свидетельствует о том, что вероятность случайного совпадения не превышает уровень 5%. Можно утверждать, что модель имеет приемлемое качество приближения.

Таблица 18 Показатели композитной надежности и конвергентной валидности латентных переменных.

Латентная переменная	CR	AVE
Продвижение (Promotion)	0,860041987	0,494603
Супермаркет (Place)	0,712702848	0,4860685
Видимость товара на полке (Visibility)	0,941694653	0,4690865
Качество продукта (Quality)	0,581876173	0,330475

Все найденные латентные переменные композитно надежны и согласованы. Также все переменные, кроме «Качества», можно считать умеренно валидными.

3.8 Построение структурной модели факторов выбора FMCG товаров премиум класса в точке продаж

После проверки валидности и надежности измерительной модели, можно приступить к построению структурной модели. В ней будут отражены связи между латентными (измеримыми переменными) и зависимой переменной, которая характеризует склонность покупателей приобретать товары народного потребления премиум класса. Также будет показана сила связи зависимой переменной и переменными, отвечающими за особенности потребительского поведения.

На основе предлагаемой ранее теоретической исследовательской модели, можно сделать следующие предположения:

- Факторы Quality, Visibility, Place и Promotion влияют на склонность к покупке более дорогого товара с супермаркете. При чем есть гипотеза, что фактор имеет наименьшую связь с зависимой переменной.

- Наибольшую силу влияния имеют компоненты Видимости продукта на полке и Качества продукта

- Факторы внутримагазинной среды в меньшей степени влияют на склонность к приобретению премиального FMCG товара в точке продаж.

- Факторы, описывающие особенности поведения потребителя имеют значимую связь с зависимой переменной.

Предполагаемая структурная модель связи латентных и измеряемых конструктов показана на рисунке 9.

Рисунок 9 Предполагаемая структурная модель латентных конструктов и зависимой переменной.

Главная цель тестирования конструктов модели заключается в проверке наличия и согласованности с теорией тех латентных переменных, которые были получены путем конфирматорного факторного анализа.

Необходимо проверить надежность и валидность предложенной модели.



Таблица 19 Индексы качества авторской структурной модели

Меры близости	Обозначение	Нормативное значение	Показатель в модели
Абсолютные индексы приближения (absolute fit indices)	RMSEA	<= 0,8	0,112
Сравнительные или приростные индексы приближения (incremental fit indices)	NFI	>= 0,9	0,448
	CFI	> = 0,9	0,475
Индексы экономности модели (parsimony fit indices)	PGFI	Близко к 1	0,391
	PNFI	Близко к 1	0,368

Из таблицы видно, что по всем показателям качества модели, она не описывает достаточно хорошо структуру данных массива. Именно поэтому автору было необходимо исключить большинство переменных, относящихся к особенностям поведения человека, из модели. Осталась только одна переменная Char_3, или Импульсивность. Полученную скорректированную структурную модель можно увидеть на рисунке 10.

Рисунок 10 Структурная модель факторов, влияющих на выбор FMCG товара премиум-класса в точках продаж.



Скорректированная модель была также проверена на валидность и надежность. Из таблицы 20 видно, что все показатели качества модели максимально приближены к пороговым значениям, что говорит о ее пригодности для дальнейшего анализа и интерпретации.

Таблица 20 Индексы качества структурной модели.

Меры близости	Обозначение	Нормативное значение	Показатель в модели
Абсолютные индексы приближения (absolute fit indices)	RMSEA	<= 0,8	0,083
Сравнительные или приростные индексы приближения (incremental fit indices)	NFI	>= 0,9	0,985
	CFI	>= 0,9	0,891
Индексы экономности модели (parsimony fit indices)	PGFI	Близко к 1	0,58
	PNFI	Близко к 1	0,554
Число степенеи? свободы (Degrees of Freedom)	96
Качество приближения корреляционнои? матрицы по критерию хи-квадрат (Minimum Fit Function Chi-Square)	424,058

Однако стоит признать, что данная модель имеет ограничения, о которых будет сказано далее. Существование данных ограничений доказывается достаточно низкими показателями PGFI и PNFI.

3.9 Ограничения модели

Построенная модель структурных связей не является идеальной. Это может быть вызвано следующими причинами:

1) Способ сбора данных. Самый правильный метод сбора данных при изучении товаров народного потребления - равномерный срез всей генеральной совокупности. В данном исследовании достаточно велики как случайные ошибки, связанные с выборкой, так и не связанные с ней. Например, ввиду того, что опрос затрагивал отношение к выбору товаров премиальной категории, есть вероятность искажения ответов самими респондентами, так как ответы на вопросы косвенно указывали на их покупательскую способность. Также стоит отметить, что выборка формировалась методом снежного кома в сети интернет.

2) Не корректная формулировка главного вопроса зависимой переменной. В данном исследовании изучались такие понятия, как склонность и вероятность. Иногда существует вероятность ошибки или неточности в формулировке вопроса. Соответственно, респонденты могли либо понять его не правильно, либо каждый из опрашиваемых понимал его по-своему.

3.10 Интерпретация структурной модели факторов, влияющих на выбор FMCG товара премиум класса в точке продаж

На данном этапе исследования автор провел анализ статистической значимости связей между латентными переменными и зависимой измеримой переменной, которая оценивалась респондентами. Также был проведен дополнительный множественный регрессионный анализ факторов особенностей поведения потребителей для более детального обсуждения результатов исследования.

На рисунке 10 показана направленность взаимосвязей, коэффициенты факторной нагрузки и коэффициенты регрессии. Они показывают силу связи между исследуемыми переменными.

Структура интерпретации модели приведена относительно выдвинутых ранее исследовательских гипотез. Гипотеза № 1 была подтверждена ранее.

H2: На склонность к покупке дорогих товаров влияет импульсивность

Метод структурных уравнений показал, что данный фактор - единственный значимый из семи предложенных в исследовательской модели. Чтобы в этом убедиться, нужно было построить дополнительную множественную регрессию в SPSS. Из Сводки модели видно, что 22% модель описывает 25% случаев ответов респондентов. Это число не велико, однако подходит для исследования, так как структура поведенческих индикаторов и предпочтений среди товаров массового спроса не однородна.

Таблица 21 Сводная таблица модели множественной регрессии

Для всех измеренных моделей показатель статистической значимости был равен 0. Это значит, что регрессионные модели, построенные на данной выборке справедливы для всей генеральной совокупности. Также была проверена коллинеарность (наличие взаимосвязи) между независимыми переменными регрессионной модели. Значения показателей Tolerance и VIF находятся в пределе допустимых значений. Возникновение нежелательного эффекта мультиколлинеарности невозможно.

Коэффициенты Beta показывают относительную значимость переменных в модели. В данном случае наибольшей значимостью обладает фактор Импульсивность, как и предполагалось. Интересно, что не была найдена связь между склонность к покупке дорогого товара и конформностью, то есть стремлению человека ориентироваться на мнение окружающих (Sig>5%).

Таблица 22 Коэффициенты множественной регрессии

Coefficientsa
Model	Unstandardized Coefficients	Standardized Coefficients	t	Sig.	Collinearity Statistics
	B	Std. Error	Beta			Tolerance	VIF
(Constant)	1,748	0,468		3,732	0
Я люблю себя баловать	0,077	0,059	0,073	1,314	0,19	0,647	1,545
Я люблю дарить подарки	0,126	0,048	0,141	2,634	0,009	0,698	1,433
Я импульсивен	0,232	0,054	0,221	4,33	0	0,76	1,315
Я всегда следую плану	0,163	0,054	0,148	3,037	0,003	0,841	1,189
Мне важно мнение окружающих	-0,024	0,042	-0,027	-0,577	0,565	0,932	1,073
Я люблю ходить в рестораны	0,158	0,046	0,18	3,462	0,001	0,735	1,36
Я всегда стремлюсь делать выгодные покупки	-0,228	0,051	-0,208	-4,498	0	0,928	1,078

H3: На вероятность покупки дорогого товара влияет желание себя побаловать

Из таблицы № 22 видно, что показатель статистической значимости переменной Желание радовать себя - 19%. Это значит, что регрессионные модели для этой переменной не справедливы на генеральной совокупности. Соответственно, гипотеза отклоняется.

Это очень неожиданное наблюдение, учитывая результаты глубинных интервью. В ходе их проведения практически каждый респондент указывал «желание побаловть/порадовать себя» в качестве главного, и иногда даже единственного фактора выбора более дорогих товаров, чем обычно.

С чем может быть связан такой результат? Возможно, данное понятие ассоциируется у респондентов прежде всего с мгновенным и очень простым поощрением. В то время как покупка премиального товара, даже в сегменте FMCG сопряжено с высоким эмоциональным риском и ожиданиями.

H4: На вероятность приобретения дорогого товара больше всего влияет ценовое стимулирование

Фактор цены был закодирован в переменную Скидка. По результатам метрического и конфирматорного факторных анализов данная переменная вошла в группу Promotion. На рисунке №10 мы видим отрицательный коэффициент Beta, что говорит о не значимости латентной переменной Promotion. Гипотеза 4 отклоняется.

Более того, в программе SPSS был выполнен дополнительный множественный регрессионный анализ по измерительным переменным. Выяснилось, что регрессия по данной переменной статистически не значима по критерию p-value.

Это еще одно неожиданное наблюдение. После анализа литературы и проведения глубинных интервью, было выявлено, что люди часто покупают дорогой продукт по акции, привыкают к нему, а затем становятся приверженцами бренда, если продукт им понравился. Также, большинство респондентов на глубинных интервью заявляли, что покупали такой продукт в течение года именно из-за акции.

Почему могли получиться такие противоречивые результаты? Вероятно несмотря на любовь к скидкам, люди готовы платить и переплачивать прежде всего за исключительное качество продукта. А сниженная цена может являться индикаторов отсутствия или снижения качества. Еще одна причина - импульсивность покупки в магазине. Опрос люди проходили дома, в момент, когда могли четко выбирать варианты ответа и осознавать свой выбор.

H5: Элементы промоушен микса в наименьшей степени влияют на вероятность покупки дорогого товара

Данная гипотеза подтверждается, так как в ходе конфирматорного и метрического факторных анализов, а так же по результатам построенной структурной модели видно, что коэффициент Beta имеет отрицательное значение.

Повышенная цена изучаемого товара - основная причина таких результатов. При повышении цены увеличиваются риски, связанные с приобретением некачественного и нежелательного продукта. Поэтому, люди склонны более внимательно относиться к своему выбору, читать упаковку и инструкцию. Более того, довольно сложно заставить человека переплатить товар с помощью яркой вывески или скидки, если он ему заведомо не нужен. Тут также играет роль импульсивный характер покупок недорогих тваров.

H6: Атрибуты дорогого товара в большей степени вероятность его приобретения

Обе латентных переменных, которые были обнаружены в ходе метрического факторного анализа были подтверждены результатами конфирматорного. Компоненты Visibility и Quality одинаково высокий коэффициент регрессии 0,5 и 0,18 соответственно в сравнении с соседствующими латентными переменными. Также, результат регрессионных связей между ними и зависимой переменной Purchase статистически значим. Поэтому, гипотеза принимается.

Данный результат соответствует результатам большинства исследований, рассмотренных в теоретической главе. Ни один элемент 4 P не компенсирует низкий уровень свойств продукта, будь это визуальная привлекательность или качественное содержимое.

H7: Факторы внутримагазинной среды в меньшей степени влияют на вероятность покупки дорогого товара

Группа факторов латентной переменной Place статистически значима, однако имеет очень маленький в сравнении с другими переменными коэффициент регрессии Beta. Это говорит о том, что степень влияния факторов внутримагазинной среды, а именно планировки, выкладки и атмосферы, в наименьшей степень могут повлиять на вероятность приобретения FMCG товара премиум класса. Опять же, данные результаты ожидаемы. Премиальный товар всегда сопряжен с более детальным процессом выбора товара как в магазине, так и вне его стен. Зачастую, потребители привязаны как к бренду товара, так и к бренду супермаркета в вопросе выбора места покупки и типа покупки в зависимости от класса магазина.

Также стоит вспомнить, что в целом премиальные продукты приобретаются менее импульсивно. Поэтому, случайная выкладка или расположение отдела в супермаркете в меньшей степени может влиять на выбор товара, чем, например его упаковка.

Рекомендации по итогам исследования

В заключение были разработаны рекомендации для продавцов и производителей FMCG товаров премиум класса, которые учитывают характерные особенности данного товара, специфику поведения его потребителей и силу связи факторов, влияющих на выбор таких товаров в точке продаж. См. Табл. 23.

Таблица 23 Рекомендации по итогам исследования

Гипотеза исследования	Практические рекомендации
H1: Большинство людей, вне зависимости от уровня дохода периодически приобретают прем-е товары	Подтверждение данной гипотезы в очередной раз показывает, что как у ритейлеров, так и у производителей всегда есть возможность увеличить средний чек, выручку и оборот в денежном выражении за счет продажи товаров народного потребления премиум класса. Производителям стоит расширять ассортиментную матрицу для покрытия дополнительных потребностей потребителей вне зависимости от состояния экономики на текущий момент.
H2: На склонность к покупке дорогих товаров влияет импульсивность	Подтверждение данной гипотезы может говорить нам о том, что общие механизмы выбора исследуемых товаров очень схожи с механизмом выбора FMCG товаров средней ценовой категории. Для того, чтобы воздействовать на импульсивность покупателя, производителям и продавцам стоит обращать на эмоциональные атрибуты товара и коммуникационной политики продвижения. Также, вне зависимости от того, что гипотеза о влиянии элементов промоушен микса не подтвердилась, продавцам не стоит забывать о механиках данного элемента маркетинга. Возможно, их стоит адаптировать под премиальный сегмент. Например, понять, что важно потребителю именно этого товара. Вместо скидки можно дать дополнительные бонусы на карту лояльности. Так, у клиента не будет ощущения, что он может купить неликвидный товар.
H3: На вероятность покупки дорогого товара влияет желание себя побаловать	Данная гипотеза не подтвердилась, однако это не значит, что желание баловать и радовать себя у людей отсутствует. Ранее было сказано, что одна из причин, почему гипотеза оказалась ложной - различия в понимании понятия «баловать». Для кого-то это очень быстрое и незначительное вознаграждение. А кто-то «балует себя» с широкой руки. Компаниям необходимо понять, чем радует себя их клиент на ежедневной основе, и какие события этому предшествуют. Необходимо составить карту потребительского опыта и обозначить, какой продукт, сообщение или предложение можно показать клиенту в нужный ему момент.
H4: На вероятность приобретения дорогого товара больше всего влияет ценовое стимулирование	Отклонение этой гипотезы означает, что большая скидка на премиальный товар может указывать покупателю на его плохое качество. Скидка или акция может вызывать недоверие. Соответственно, производителям необходимо периодически проводить анализ ценовой чувствительности своей категории товаров. Так, они смогут с легкость применять элементы ценового стимулирования и не вредить имиджу, репутации продукта и, соответственно, продажам. Также стоит помнить, что не во всех магазинах клиенты будут готовы приобретать скидочный товар. Возможно, они намеренно посещают премиальные супермаркеты, чтобы избегать флайеров, вывесок и кричащих выкладок на каждом шагу. Еще стоит не забывать, что у потребителей товаров высокой ценовой категории может быть повышенная лояльность к бренду продукта. Соответственно, элементы промоушен микса на него не действуют. В таком случае, можно предлагать ему скидку на любимые продукты. Так, меть магазинов ВкусВилл предлагает получать еженедельную скидку на «продукт недели» по выбору покупателя. Такая стратегия увеличивает частоту покупки, проходимость супермаркета и повышает лояльность.
H5: Элементы промоушен микса в наименьшей степени влияют на вероятность покупки дорогого товара	Как было сказано ранее, покупатели товаров высокой ценовой категории зачастую лояльны к бренду любимого товара, а также особое трепетно относятся к качеству и визуальному оформлению товара. Поэтому, можно заменить элементы промоушен микса, таких как акции, промонаборы, скидки, подарки к продукт и др. Лучше предлагать данным потребителям их личную персональную ценность. Например, специальные партнерские программы лояльности с другими заведениями премиум-класса. Также стоит пробовать такие инструменты, как категория недели, например неделя итальянских вин. Так, потребители будут меньше сомневаться в качестве, когда увидят, что акция работает для всей категории. Еще можно разработать персональную программу лояльности по аналогии программ лояльности современных российских банков. Клиент сможет выбирать необходимые ему товары и категории, а также регулировать механизм накопления и списания бонусов.
H6: Атрибуты дорогого товара в большей степени вероятность его приобретения	Данная строка рекомендаций не будет широкой. Ведь все знают, что самый значимый атрибут товара - товар в реальном исполнении. Производителям премиальных продуктов стоит строить экосистему тактильного и эмоционального опыта взаимодействия с продуктом. Так, Apple продумывает в деталях даже звук, с которым будет окрываться упаковка с их товаром.
H7: Факторы внутримагазинной среды в меньшей степени влияют на вероятность покупки дорогого товара	Одна из причин, почему поддтвердилась эта гипотеза - привычка человека к пространству, которое он посещает. Зачастую потребители премиальных продуктов массового спроса намеренно едут в другой конец города в любимый магазин. Соответственно, они не могут вспомнить случай, когда атмосфера магазина повлияла на их решение. С другой стороны, при наличии лояльности к бренду или типу товара, не имеет значение место его приобретения. Тем не менее, не стоит забывать о том, что привлекательность торговой точки создает вышеуказанную экосистему взаимодействия с брендом как магазина, так и продукта. Поэтому важно иметь грамотную политику дистрибуции, где премиальный FMCG товар будет находиться «на своем месте» и не будет вызывать противоречий в умах потребителей.



Заключение

В рамках магистерской диссертации, состоящей из трех глав, были найдены и проанализированы факторы, влияющие на выбор FMCG товара премиум класса в точке продаж.

В первой главе обзор теоретических исследований позволил углубиться в понятия процесса потребительского выбора, были определены типы покупок и этапы решения о покупке. Далее, автор подробно изучил специфику потребительского поведения относительно FMCG товаров и выявил характеристики FMCG товара премиум класса. Результатом первой главы стало обобщение факторов потребительского выбора, на которые продавец не в состоянии влиять или может влиять очень незначительно.

В главе №2 были подробно проанализированы факторы потребительского выбора касательно FMCG товара премиум класса, влияющие на принятие решения в торговом зале. Автор применил концепцию маркетинг-микса 4P для классификации идентифицированных в ходе анализа академических источников факторов. В этой главе автор проанализировал 35 академических статей, изучающих факторы выбора товаров народного потребления на различных рынках. В ходе анализа было выявлено 165 индикаторов факторов, каждому из которых была присвоена характеристика (индикатор) для структурирования факторов в группы. Результатов второй главы стала графическая модель факторов, которые могут влиять на выбор изучаемой категории товаров в точке продаж. Были представлены факторы, поддающиеся влиянию продавца (сгруппированы по 4Р) и не поддающиеся его влиянию (характеристики отдельного покупателя). Также была выделена группа Влияния ситуации, а именно типы покупок.

В третьей главе был проведен качественный и количественный анализ факторов, предложенных в главе №2. Было проведено поисковое качественное исследование методом глубинных интервью, целью которого было расширение категорий факторов, гипотетически влияющих на выбор исследуемого товара в точке продаж. После этого этапа исследования из модели били исключены факторы Ситуативного влияния, а количество внутренних факторов, определяющих потребительское поведение было значи...