Как доступно объяснить клиентам статистические данные

Рассказываем, как представить статистический анализ клиентам, маркетологам и другим специалистам, не занимающимся статистикой.

 

 

Сегодня на рынке существует множество мощных и сложных инструментов, которые помогают получить представление о данных, собранных в ходе исследования. Однако передать важные идеи с помощью этих инструментов людям, не являющимся исследователями, всегда было серьезной проблемой. То, как представлены аналитические выводы, может серьезно повлиять на их восприятие и практическую ценность. Поэтому далее приведем несколько советов, которые помогут объяснить людям, не приближенным к статистике, что означают данные и как применять их с пользой.

 

Сделайте данные визуально привлекательными

Действительно, одна картинка стоит тысячи слов (или цифр). Любой, кто когда-либо писал отчет, знает, что диаграммы, графики и схемы лучше подходят для передачи данных, чем просто набор символов.

Например, обратимся к общему статистическому анализу ключевых драйверов. Этот метод рассматривает, как влияет набор независимых переменных (это могут быть элементы фирменного стиля компании) на зависимую переменную (к примеру, вероятность покупки). Уровень влияния чаще всего измеряется с помощью множественной регрессии или простой корреляции. Сравнивая его с показателем эффективности (насколько высоко потребители оценивают независимые переменные), мы можем определить области высокого влияния и высокой эффективности, а также области высокого влияния и низкой эффективности, чтобы выявить те элементы, которые больше всего нуждаются в улучшении.  

В таблице ниже приведен анализ основных характеристик марки лекарств от аллергии. При этом характеристики отсортированы по степени влияния на желание купить товар, а во втором столбце указан % высоких оценок потребителей.

 

 

Да, можно представить данные именно таким образом. В таблице показано, как интерес к покупке, вероятнее всего, будет определяться удовлетворенностью характеристиками товара: продолжительностью эффекта от лекарства, его результативностью и быстродействием. При этом мы можем увидеть, что длительность эффекта от препарата и его быстродействие потребители оценивают не очень высоко, а значит, они нуждаются в улучшении.

Есть и более убедительный способ представить все вышесказанное. Один из них – отобразить данные на графике.

 

 

Это более наглядный способ представить данные, который значительно упрощает их понимание. Вместо попыток интерпретировать числа читатель может сосредоточиться на результате самого исследования. Эффективность устранения симптомов явно является сильной стороной лекарства, однако продолжительность эффекта от препарата и его быстродействие можно определить как факторы, улучшение которых, возможно, приведет к увеличению доли рынка.

 

Объясняйте сложные числа простыми словами

Всем довольно очевидно, что 50% – это половина, а пять больше четырех, но многие коэффициенты и другие статистические данные, полученные с помощью многомерных методов, не так легко понять. Не нужно пытаться объяснить, что представляют из себя определенные числа. Потому что, во-первых, большинству клиентов это совершенно неинтересно, а во-вторых – даже некоторые специалисты не всегда хорошо их понимают.

Уместнее просто обозначить определенные уровни как высокий, средний и низкий или, что еще лучше, распределить полученные результаты, например, по 100-балльной шкале. Это то, что будет понятно большинству аудитории. Использование подобной шкалы дает дополнительное преимущество, позволяя комбинировать различные статистические методы и получать более полную картину о результатах исследования.

Рассмотрим пример определения факторов, которые влияют на решение о покупке ковровых покрытий у конкретного продавца. Людей, купивших ковровые покрытия в определенном магазине, просили оценить их опыт по нескольким факторам: цены, продукты, услуги и так далее. Затем к полученным данным применили несколько различных статистических методов: линейную и логистическую регрессию, дискриминантный анализ и ANOVA. Результаты приведены в таблице.

 

 

Очевидно, что коэффициенты в одних столбцах отличаются от показателей в других – могут быть выше или ниже. Но порядок их ранжирования меняется в зависимости от того, какой метод применялся. Как это интерпретировать? Значительно упрощает задачу преобразование данных с использованием простого индекса – нужно поделить каждое число в столбце на наибольшее число в этом столбце.

 

 

После сложения всех показателей по каждому фактору наглядно видно, что существует верхний уровень, в который входят понятные условия и ценообразование, коммуникация и скорость монтажа напольного покрытия; второй уровень, состоящий из конкурентоспособных и честных цен, мерчандайзинга и персонала; и нижний уровень, состоящий из тестовых образцов для дома. Теперь у клиента есть четкие указания, что сделать в первую очередь, чтобы улучшить показатели реальных продаж.

 

Продемонстрируйте подъем показателей

Маркетологи очень любят, когда данные представлены от меньшего к большему. Это наглядно показывает ожидаемый результат от продаж нового продукта или услуги. Графическое представление роста показателей хорошо подойдет для данных TURF-анализа и моделирования выбора. TURF-анализ показывает постепенное увеличение интереса к покупке в результате добавления большего количества вариантов выбора: вкусов, размеров, разновидностей, рекламных сообщений и так далее, – то есть он указывает на комбинации, которые вызывают самый высокий интерес к покупке до точки убывающей доходности.

Рассмотрим пример, где перечисляются различные рекламные сообщения о продукте для личной гигиены.

 

 

Рекламное сообщение №9 имеет наибольший показатель интереса к покупке среди 20 исследованных сообщений. Если добавить к нему второе сообщение (№13), то потребительский спрос поднимется до 70%, третье сообщение (№5) – до 76% и так далее. Рост интереса, который происходит при добавлении рекламной информации, можно изобразить и на простой линейной диаграмме.

 

 

На графике показано, что точка убывающей доходности, когда темп увеличения производства становится выше темпа роста дохода, достигается после четырех рекламных сообщений. То есть добавление дополнительной информации особо не влияет на интерес к продукту.

Другим примером изображения показателей в виде «роста» является конджойнт-анализ, помогающий определить лучшую комбинацию функций или других характеристик продукта. Это довольно сложный метод, который можно использовать для оценки интереса к покупке, комбинируя переменные характеристики товара.

Статистические результаты, полученные с помощью конджойнт-анализа, обычно содержат относительную значимость, оценки полезности и описание комбинаций характеристик, вызывающих наибольший покупательский интерес. Однако внимание к показателям максимального интереса не всегда является лучшим решением, поскольку маркетологам необходимо найти компромисс с производственными затратами и ценообразованием. Хороший способ изобразить оптимальный вариант для компании – на графике ниже. Этот пример включает результаты конджойнт-анализа нового устройства для биомедицинского анализа.

 

 

Когда результаты представлены в подобном виде, маркетологи смогут более эффективно их использовать и принимать обоснованные решения, например, стоит ли продавать продукт по более низкой цене или лучше снабдить его дополнительной функцией. 

Так, мы описали лишь несколько способов представить статистические данные, которые позволяют клиентам, маркетологам, иным специалистам, не занимающимся статистикой, лучше понять результаты исследования и их пользу. Способность переводить то, о чем говорит статистика, в доступный для клиента вид поможет повысить вашу ценность как специалиста и укрепить профессиональные отношения.