Využití statistických metod v marketingovém výzkumu
Bakalářská práce
Studijní program:
Studijní obor:
Autor práce:
Vedoucí práce:
B6208 – Ekonomika a management 6208R085 – Podniková ekonomika
Veronika Slavíková
Ing. Vladimíra Hovorková Valentová, Ph.D.
Liberec 2018
Prohlášení
Byla jsem seznámena s tím, že na mou bakalářskou práci se plně vztahuje zákon č. 121/2000 Sb., o právu autorském, zejména § 60 – školní dílo.
Užiji-li bakalářskou práci nebo poskytnu-li licenci k jejímu využití, jsem si vědoma povinnosti informovat o této skutečnosti TUL; v tomto případě má TUL právo ode mne požadovat úhradu nákladů, které vynaložila na vytvoření díla, až do jejich skutečné výše.
Bakalářskou práci jsem vypracovala samostatně s použitím uvedené literatury a na základě konzultací s vedoucím mé bakalářské práce a konzultantem.
Současně čestně prohlašuji, že tištěná verze práce se shoduje s elektronickou verzí, vloženou do IS STAG.
Datum:
Podpis:
Beru na vědomí, že Technická univerzita v Liberci (TUL) nezasahuje do mých autorských práv užitím mé bakalářské práce pro vnitřní potřebu TUL.
Poděkování
Rád bych věnovala poděkování Ing. Vladimíře Hovorkové Valentové, Ph.D. za podporu při psaní této bakalářské práce a za její cenné rady.
Jméno a příjmení autora: Veronika Slavíková
Název bakalářské práce: Využití statistických metod v marketingovém výzkumu Název práce v angličtině: Utilisation of statistical method for Marketing reseach
Katedra: Ekonomické statistiky
Vedoucí bakalářské práce: Ing. Vladimíra Hovorková Valentová, Ph.D.
Rok obhajoby: 2018
Anotace
Předmětem bakalářské práce je užití statistických metod v marketingovém výzkumu.
Marketingový výzkum je zaměřen na spokojenost zákazníků s monitorem dechu Nanny od firmy Jablotron Group. První část je zaměřena na popis jednotlivých částí marketingového výzkumu. V druhé části jsou uvedeny popisné statistiky a posuzování závislostí mezi jednotlivými daty. V poslední praktické části je zpracován dotazník spokojenosti, který byl vyplněn zákazníky, kteří monitor zakoupili. Cílem práce bylo zjistit spokojenost zákazníků s produktem Nanny firmy Jablotron Group.
Klíčová slova v češtině:
Marketingový výzkum, primární data, dotazník, popisná statistika, závislosti dat.
Anotation
This work deal with the application of statistical method in marketing research. Marketing research was set on satisfaction of customers with baby sensor breathing monitor Nanny from Jablotron Group company. In first part of my bachelor thesis I describe individual parts of marketing research. In second part. I deal with descriptive statistics and dependence between data. In last part I analyse questionnaire of satisfaction which was filled in by customers who had bought baby sensor breathing monitor Nanny. The aim of this theses was to find out if customers are satisfied with product Nanny from Jablotron Group company.
Klíčová slova v angličtině:
Marketing research, primary data, questionnaire, descriptive statistics, data dependence
Obsah
Seznamobrázků 9
Seznam tabulek 10
Seznam zkratek 11
Úvod 12
1. Marketing 12
2. Historie a význam marketingového výzkumu 13
3. Informace pro marketingový výzkum 15
3.1 Informace 15
3.1.1 Primární data 15
3.2.2 Sekundární data 16
4. Marketingový výzkum 18
4.1 Přípravná etapa 19
4.1.1 Definování cíle 19
4.1.2 Orientační analýza 19
4.1.3 Sestavení plánu výzkumu 20
4.2 Realizační etapa 21
4.2.1 Shromáždění informaci 21
4.2.2 Zpracování dat 22
4.2.3 Analýza dat 22
4.2.4 Prezentace dat 23
4.3 Typy marketingového výzkumu 23
5. Dotazníkové šetření 28
5.1 Stanovení problému 28
5.1 Rozhodování o vzorku a výběr respondentů 29
5.1 Nástroje dotazování 30
5.1.1 Konstrukce otázek 30
5.1.2 Typy otázek 31
5.2 Zpracování dat z dotazníků 32
6. Statistická část 33
6.1 Statistická proměnná/znak 33
6.1 Četnost 34
6.2 Výběrové postupy 35
6.2.1 Sběr dat 36
6.3 Grafické znázornění 37
7. Popisné statistické charakteristiky 39
7.1 Charakteristika polohy 39
7.1.1 Modus 39
7.1.2 Medián 39
7.1.3 Aritmetický průměr 40
7.1.4 Kvantil 40
7.5 Charakteristiky variability 41
7.5.1 Variační rozpětí 41
7.5.2 Rozptyl 41
7.5.3 Směrodatná odchylka 42
7.5.4 Variační koeficient 42
7.6 Charakteristiky špičatosti 42
7.7 Charakteristika šikmosti 43
8. Posuzování závislosti 44
8.1 Kontingenční tabulka 44
8.2 Asociační tabulka 46
9. Praktická část 48
9.1 Představení podniku 48
10. Marketingový výzkum pro monitor dechu 49
11. Dotazník 51
12. Vyhodnocení dotazníku 52
Závěr 68
Seznam použité literetury 70
Seznam příloh: 74
Seznam obrázků:
Obrázek 1: Marketingový výzkum 14
Obrázek 2: Informační zdroje 17
Obrázek 3: Postup marketingového výzkumu 18
Obrázek 4: Typy výzkumu 24
Obrázek 5: Histogram 37
Obrázek 6: Polygon 38
Obrázek 7: Krabicový graf 38
Obrázek 8: Kde nejvíce kupujete výrobky pro své děti? 53
Obrázek 9: Byl jste spokojen s produktem Nanny? 55
Obrázek 10: Co vás přimělo k nákupu produktu Nanny? 56
Obrázek 11: Volba odpovědi JINÁ 57
Obrázek 12: Co pro vás bylo nejdůležitější při výběru monitoru? 58
Obrázek 13: Jaký je váš dojem z použití monitoru? 60
Obrázek 14: Doporučíte produkt ve svém okolí? 61
Obrázek 15: Co se vám nejvíce líbí na prokudtu Nanny? 62
Obrázek 16: Označte, kdo vyznačuje dotazník 65
Obrázek 17: Jste muž nebo žena? 66
Obrázek 18: V jaké věkové hranici jste? 67
Seznam tabulek:
Tabulka č. 1: Prosté rozdělení četností – Kde nejčastěji kupujete výrobky pro děti 52
Tabulka č. 2: Dvojrozměrné rozdělení 54
Tabulka č. 3: Prosté rozdělení četností – Byl jste spokojen s produktem Nanny 54 Tabulka č. 4: Prosté rozdělení četnosti – Co vás přimělo k nákupu produktu 56 Tabulka č. 5: Prosté rozdělení četnosti – Volba odpovědi JINA 57 Tabulkač.6:Prosté rozdělení četností – Co pro vás bylo nejdůležitější při výběru monitoru. 58
Tabulka č. 7: Dvojrozměrná kontingenční tabulka 59
Tabulka č. 8: Prosté rozdělení četností – Jaký je váš dojem z použití monitoru 59 Tabulka č.9: Prosté rozdělení četností – Doporučíte produkt ve svém okolí 60 Tabulka č. 10: Prosté rozdělení četností – Co se vám nejvíce líbí na produktu Nanny 62
Tabulka č.11: Dvojrozměrná kontingenční tabulka 63
Tabulka č.12: Prosté rozdělení četností –Označte, kdo vyplňuje dotazník 64 Tabulka č.13: Intervalové rozdělení četností - V jaké věkové hranici jste 65
Seznam zkratek
MV marketingový výzkum
SIDS syndrom náhlého úmrtí kojence
Úvod
Konkurence je v dnešní době veliká, a proto se snaží každý podnik získat co nejvíce informací o trhu, konkurenci, obchodních trendech a zákaznících. Důležitým nástrojem ke zjištění těchto informací je marketingový výzkum, který sbírá, vyhodnocuje, analyzuje informace k nalezení řešení. Jedním z typů je výzkum zjišťování spokojenosti zákazníků s produktem. Na základě tohoto výzkumu se firma doví, co je potřeba vylepšit, popřípadě jaký je důvod nákupu produktu, a tím i zjistí konkurenční výhodu.
Cílem práce je zjistit spokojenost zákazníků s produktem monitor dechu Nanny. Jaké jsou hlavní důvody nákupu a co by popřípadě bylo potřeba vylepšit. Práce má dvě části,praktickou, kde bude popsán marketingový výzkum, druhy a postup takového výzkumu.
A zároveň jsou dále popsány statistické výpočty, které je možné v takovémto výzkumu použít. Druhá část je praktická, kde je popsán celý proces získávání a zpracování dat, včetně jejich vyhodnocení a interpretace. Veškeré výsledky jsou graficky znázorněny.
1. Marketing
Co je to marketing? Existuje nesčetné množství definic marketingu. Kotler, McCarthy, Horáková, každý definuje marketing jinak. Podle American Marketing Association„Marketing je aktivitou, souborem institucí a procesů pro vytváření, komunikaci, dodání a směnu nabídek, které mají hodnotu pro zákazníky, klienty, partnery a širokou veřejnost.“(Kotler, 2013, s. 35). Podle této definice můžeme říci, že marketing vytváří a zlepšuje vztahy mezi firmou, trhem a zákazníky a má zajistit nabídnutí zboží správné skupině.
2. Historie a význam marketingového výzkumu
Marketingový výzkum je součást řízení podniku a je potřeba dodržet určitý postup, abychom jsme se vyhnuli určitým chybám. Na jedné straně výzkumu je vysoká finanční náročnost a na straně druhé jedinečnost a aktuálnost získaných informací. Jelikož může být výzkum velice nákladný, musí se každá firma rozhodnout, jakých prostředků využije k získání potřebných informací. Lze využít vlastní zdroje či významné agentury.
„Marketingový výzkum je systematické určování, shromažďování, analyzování a vyhodnocování informací, týkající se určitého problému, před kterým firma stojí.“
(Kotler, 2013, s.16)
„Marketingový výzkum spočívá ve specifikaci, shromažďování, analýze a interpretaci informací, které slouží jako podklad pro rozhodování v procesu marketingového řízení.“
(Zbořil, 1998, s.7)
„Marketingový výzkum specifikuje požadované informace podle vhodnosti k řešení těchto problémů, vytváří metody pro sběr informací, řídí a uskutečňuje proces sběru dat, analyzuje výsledky a sděluje zjištěné poznatky a jejich důsledky.“ (Malý, 2004, s. 6)
První náznaky marketingového výzkumu se objevili v 1920, kdy muž jménem Starch řekl marketing musí být vidět, slyšet, pamatován, aby byl úspěšný. (Starch, 1924) a jeho pomocníci chodili po ulicích a ptali se lidí, jestli četli určitý časopis a co si z něho pamatují. Poté dali do poměru počet lidí, kterých se ptali a časopisy, které četli.
1940-1960 bylo v Americe období ekonomického boomu a to znamenalo poznatlidi, a co chtějí. Vědci přišli na to, že mezi odpověďmi lidí, co dělají a co říkají, se dost liší. Proto Dichter přišel s novou formou výzkumu tzv. výzkum motivace. Dichtorova rada byla
„figure out the personality of a product, and you will understand how to market it.”
(Keltonglobal © 2016).Vyřešte osobnost produktu a budete rozumět tomu, jak ho prodat.
Proto výzkumy byly založeny na hlubokých rozhovorech, aby zjistil, jak se lidé chovají a reagují.
V letech1960-1980 se začali marketéři zabývat tím, jaké to je být spotřebitelem. Nejenom procesem nákupu. Studovali pocity a nálady spotřebitelů při nákupu určitého zboží.
1980 – současnost – dnešní doba je doba počítačů a internetu, které umožňují pomocí jakkvalitativních, tak kvantitativních metod marketérům přijít na to, co lidé potřebují a chtějí.
Co je to výzkum? Dost často si pleteme výraz výzkum a průzkum. Průzkum probíhá kratší dobu a není tak podrobný. Výzkum je hledání řešení, získávání nových vědomostí či odstraňování nesprávného.
Obrázek 1: Marketingový výzkum(www.docplayer.cz )
3. Informace pro marketingový výzkum
3.1 Informace
Každý marketingový výzkum potřebuje potřebná data, aby byl úspěšný. O datech uspořádaných a získaných pro marketingový výzkum mluvíme, jako o informacích.
V dnešní době je možnost získání velkého množství informací pomocí internetu a počítačů jednoduché. „Not all data isof a quality and reliability that makes it indiscriminately useful to support our decision.“(Poul, 2010, s. 23). Ne všechny data jsou pro nás však zcela důležité pro to, aby nám pomohli.
Informace můžeme třídit dle závislosti, času či způsobu prezentace.
Data jsou na sobě závislá či nezávislá, jako příklad si můžeme uvést opracovaný výrobek a zmetek, tyto dvě informace na sobě závisí. Pokud, ale zjišťujeme znalost výrobků a počet nakupujících, tak tyto dvě informace na sobě závislá nejsou. Data dělená dle času jsou stavová a toková. Stavová zjistíme v daném okamžiku, zatímco toková v časovém období.
Dalším dělením je i způsob prezentace, tím máme na mysli, jakým způsobem informace předáme ostatním. Mohou být předána v podobě numerické či například textové.
Jedním z hlavních dělení je dle zdrojů dat. Mluvíme zde o datech primárních či sekundárních. Podrobněji se budeme věnovat tomuto rozdělení v kapitole 3.1.1 a 3.1.2.
3.1.1 Primární data
Primární data jsou získávána marketérem pro daný účel, tzv. na „míru“. Jsou to tedy data původní, dříve nezjištěná, která na rozdíl od sekundárních dat jsou mnohem nákladnější a pomaleji se získávají.
„Primární data jsou data, jež výzkumník získal sám, nebo si na tento výzkum někoho najal.“ (Kovář, 2016, s. 77). Informace k danému případu si můžeme zjišťovat sami,
nebovyužiji specializovaných firem a to pomocí sledování, výzkumů, fyzických testů či dotazníků vyplněných při osobním či telefonickém rozhovoru či focusgroups.
Primární data mohou být kvalitativní či kvantitativní data. Kvalitativní data je vždy náročnější zjistit, jelikož se jedná o životní styl, postoje či názory. Nemůžeme je změřit.
U tohoto sběru dat je vždy nutná spolupráce dotazovaných.
3.2.2 Sekundární data
Sekundární data jsou tzv. data z druhé ruky, která již v minulosti byla zpracována někým jiným k jinému účelu. Tyto údaje byly v minulosti daty primárními. Podle Malhotry jsou sekundární data daty, která byla sesbírána pro jiné účely, než je daný problém. (Malhotra, 2010, s.132).
Kozel pro změnu řekl, že nemá smysl objevovat Ameriku, a proto můžeme ušetřit značné množství peněžních prostředků v případě, že víme, kde příslušné sekundární informace hledat. (Kozel, 2011, s. 65).
Tyto informace získáme z různých zdrojů, jako jsou články, knihy, internet, výroční zprávy atd. Velkou výhodou těchto dat je snadná přístupnost, časová náročnost, získání a finanční náročnost, které jsou na rozdíl od primárních dat mnohem nižší.
Sekundární data nemusí vždy přesně vyhovovat našemu výzkumu, a to z toho důvodu, že byly zjišťovány pro jiný účel. Mohou mít špatnou strukturu nebo jenom být zastaralá.
Tato data mohou být poskytnuta z amatérských či profesionálních zdrojů. Amatérskými zdroji máme především namysli ty, co nejsou omezeny legislativou. Přesto mohou být kvalitními zdroji pro náš výzkum. Do profesionálních zdrojů můžeme zařadit rozhlas, televizi, noviny.
Obrázek 2: Informační zdroje (Boučková, 2009, Marketing, s. 43)
Zdroje sekundárních informací
Zdroje primárních informací Informační zdroje
Interní zdroje firmy
Externí zdroje firmy
Externí zdroje firmy Interní zdroje firmy
Přehledy prodejů, účetní výkazy, přehledy skladových zásob, kartotéky, výsledky předchozích průzkumů.
ú
Statistické publikace, výzkumné zprávy, knihovny, vládní publikace, údaje marketingových a obchodních organizací, marketingové databáze.
Dotazování pracovníků firmy – dotazování, pozorování, experimenty.
Dotazování spotřebitelů, nakupujících, expertů – pozorování, experimenty.
4. Marketingový výzkum
Přesné a jasné informace jsou základem pro úspěšný obchod, protože poskytují hluboké získání informací o zákaznících, trhu, konkurenci či průmyslu obecně. Právě marketingový výzkum nám pomáhá získat tyto informace a data, které nebylo možno získat jiným způsobem a pomáhá řešit marketingové výzvy. Jak už bylo zmíněno, marketingový výzkum k tomu využívá dva druhy dat a to primárních a sekundárních. Každý výzkum musí následovat určitá pravidla, aby byl správný a objektivní. „měl by fungovat jako vědecká metoda, která představuje takový přístup k rozhodování, kdy se zaměřuje na objektivnost a systematičnost při ověřování nápadů dříve, než jsou přijaty“ (Kozel, 2011,s.48)
Výzkum rozdělujeme na dvě etapy, a to přípravnou a realizační etapu.Každá tato etapa projde několika fázemi, tyto fáze na sebe navazují, aproto je důležité dodržovat jejich sled.
Obrázek 3: Postup marketingového výzkumu (www.neubertmarketing.cz)
4.1 Přípravná etapa
4.1.1 Definování cíle
Přípravná etapa začíná fází stanovení problému a definování cíle, což je nejdůležitější část z celého výzkumu. „ Dobře definovaný problém je napůl vyřešený problém.“ (Kozel, 2011,s. 2). Problém musí být vždy jasně, zřetelně a přesně formulován, abychom si byli schopni odpovědět na otázku „Co je účelem výzkumu?“ a „ Proč je tento výzkum prováděn?“ Špatně sestavené cíle povedou ke ztrátě času a peněz pro něco, co firma nepotřebuje.
Co si vlastně můžeme představit pod pojmem definování cíle?
Najít řešení problému.
Určit, kde budeme hledat informace.
Alternativa řešení.
Údaje, které budeme shromažďovat.
Některé návrhy cílů mohou vypadat například takto:
Prozkoumání pozice společnosti na jejím trhu a identifikování nových možností.
Zjištění spokojenosti zákazníků s kurzem první pomoci pořádaným firmou Jablotron Group 14.4.2017 v Jablonci nad Nisou.
Kvalifikování možnosti vstupu společnosti na německý trh a poskytnutí potřebných informací k naplánování tohoto projektu.
4.1.2 Orientační analýza
Jakmile máme zjištěn cíl marketingového výzkumu, můžeme přejít k další fázi přípravné etapy, a to k orientační analýze. Jedná se o neformální zjišťování. Jakubíková uvádí orientační analýzu jako informace dostupné pro řešení našeho problému.(Jakubíková, 2012). Výsledkem je zodpovězení vypracovaných hypotéz. Může nastat situace, kdy hypotézy mohou být zamítnuty.
Jakmile je orientační analýza dokončena, mohou nastat tyto situace:
Problém se podařilo vyřešit – podařilo se nám získat data z identického výzkumu.
Potvrdíme správnost předešlých kroků.
Zpřesníme náš cíl.
Problém, cíl byl nesprávně zvolen a musíme se vrátit na začátek.
4.1.3 Sestavení plánu výzkumu
Kozel uvedl plán výzkumného projektujako první významné měřítko úspěchu (Kozel, 2011). Plán výzkumu je dokument, který nastíní marketingovou strategii a taktiky. Týká se určitého období a pokrývá množství marketingových problémů, jako jsou góly, cena a jednotlivé kroky dosažení.Každý výzkum je specifický a jedinečný, a proto má i svůj vlastní plán, který by tedy měl být jasný, zřetelný a zaměřený na praktické činnosti.Mohli bychom to popsat jako mapu cesty, která nám určuje jakým směrem se vydat.
Součástí marketingového výzkumu je i sběr dat. Při sběru neboli shromažďování údajů pro marketingový plán je potřeba si položit několik otázek.
KDY? Konkrétní období sběru.
KDE? Místo sběru.
KDO? Kdo je bude sbírat a kolik.
OD KOHO? Určit správnou skupinu respondentů.
Podrobněji se budu věnovat této části v kapitole 6.4.2.
Základní soubor jednotek zastupuje cílovou populaci. Výběrový soubor jsou jednotky, které skutečně pozorujeme, příp. od kolika respondentů budeme vybírat odpovědi. Existuje několik druhů výběru.
Reprezentativní výběr je takový, kde se promítají stejné vlastnosti, jako má základní soubor. Reprezentativní výběr závisí na přesnosti a adekvátnosti.
Kvazi-reprezentativní používáme tehdy, pokud je velký soubor (veřejné mínění). Jsou nereprezentativní ve statistickém slova smyslu. Snažíme se o reprezentativnost odpovědí zastoupených respondentů pomocí kvót.
Nereprezentativní techniky jsou snadněji získatelné, ale výsledky nelze zobecňovat.
Používají se v případě získání nových informací. Například tzv. sněhová koule.
4.2 Realizační etapa
4.2.1 Shromáždění informaci
„Abychom získali požadovaná správná data, potřebujeme jejich sběr vhodně zorganizovat.“ (Kozel, 2011, s. 7). Data jsou rozdělena, jak již bylo zmíněno, na primární a sekundární. Primární jsou ta, která ještě nemáme, neexistují a je nutno je získat.
Sekundární data již byla někým před námi získána a my je využijeme k našemu výzkumu.
Existují různé druhy metod získání informací. Mezi tři nejzákladnější patří dotazování, experiment a pozorování. Nejčastější a nejrychlejším způsobem je metoda dotazovací.
Pomocí této metody hledáme konkrétní odpovědi od respondentů. Hlavním problémem u této metody je především neochota odpovídat na dané otázky.
Pozorování je využíváno v případech, pokud nechceme, aby došlo ke zkreslenému chování. Máme dvě možnosti pozorování. V prvním případě se jedná o pozorování s účastí, s vědomým pozorovaného. Zde, ale hrozí nebezpečí zkreslování. Druhou možností je bez vědomí pozorovaného. Problém může nastat, pokud situace, kterou chceme pozorovat, nenastane.
Experiment využijeme v situacích, které není snadné vypozorovat v běžném životě.
Vytvoříme situaci, prostředí a uměle navodíme situace. Ne vždy je, ale možné experiment promítnout do reality.
4.2.2 Zpracování dat
Než začneme s vlastní analýzou, musíme data zkontrolovat a upravit.
Kontrola dat – při kontrole dáváme důraz na spolehlivost, pravdivost (reliabilita) a přesnost (validita). Právě abychom dodrželi validitu a reliabilitu, je nutné provést dvě kontroly. První kontrola je zaměřena na úplnost a čitelnost a druhá zkoumá, zda byla odpověď pravdivá. V této části se věnujeme neutrálním odpovědím. „u správně formulované otázky by celkový počet neutrálních odpovědí neměl být vyšší než 5-10 % z celkového počtu.“ (Kozel, 2011, s. 98)
V průběhu sběru může dojít k chybám výběrovým či nevýběrovým. K výběrovým může dojít „když nesbíráme údaje od všech respondentů.“ (Kozel, 2011, s. 89). Při existenci nepřesných a zkreslených údajů může dojít k nevýběrovým chybám.
Klasifikace dat – neboli kategorizace, nám rozděluje velkou skupinu hodnot do menších skupin. Vytvoří nám hlediska pro další zkoumání a vidíme vztahy mezi jednotlivými třídami. Víme, že například ženy mají jiné preference než muži.
Kódování dat – data, která jsme získali, mohou být kódována. Jedná se tedy o předpis, jak přiřadit datu vhodný symbol. Například pokud využíváme počítačový program pro zpracování dat, přiřadíme datu vhodný symbol, muž – 0, žena – 1.
Technické zpracování dat – sestavení tabulek, grafů, které slouží k zobrazení jevů a vztahů. Ukazují zvláštnosti či struktury jevů.
4.2.3 Analýza dat
Získali jsme velké množství údajů, které je potřeba rozdělit a analyzovat. V této části marketingového výzkumu bude potřeba využít znalosti ze statistiky. Budeme zjišťovat proměnné, které vytvářejí kategorie nebo číselné hodnoty. Jako příklad je možné uvéstproměnnou – spokojenost se službou, kategorie – varianty známek, které dotazující
V této částí MV se zpravidla zabýváme popisnou statistikou a závislostí mezi proměnnými.
Podrobněji bude vysvětleno v kapitole 6.
4.2.4 Prezentace dat
Jedná se o interpretaci veškerých zjištěných výsledků a doporučení pro zkoumaný problém. Veškeré výsledky jsou shrnuty do závěrečné zprávy, která je vlastně jediným materiálem pro podnik,na základě kterého se rozhoduje, jak bude s problémem naloženo.
Obsah zprávy:
Charakteristika předmětu a hlavní cíl výzkumu.
Výsledky počítačového zpracování.
Doporučení pro praxi.
Použité materiály.
4.3 Typy marketingového výzkumu
Marketingový výzkum lze rozdělit dle několika hledisek, mezi něž patří účel, povaha, čas či užití výzkumu.
Dle účelu či povahy:
Explorativní výzkum, kde je cílem prozkoumat terén, jedná se o tzv. předvýzkum (využíván na začátku marketingového procesu), na který jsou vynaloženy minimální časové a finanční náklady. Využíváme zdrojů, jako jsou písemné materiály, rozhovory s experty či dřívější zkušenosti.
Příklad: Jaký máte názor na růst ceny energie?
Monitorovací výzkum – provádíme na začátku procesu, abychom získali vstupní informace o trhu.Už z názvu vyplývá, že se bude jednat o soustavné zaznamenávání, pozorování údajů. Jedná se o zpracování dat z reportu, zpráv z obchodních cest, což jsou tzv. interní zdroje a zároveň využívá dat externích, jako například trendy poptávky či inovační vývoj.
Příklad: Obáváte se, že kvůli ekonomické krizi se změní-sníží vaše životní úroveň?
Deskriptivní výzkum – neptáme se na příčiny, ale popisujeme určitá fakta. Je schopen odhalit vztahy a slouží při segmentaci. Využívá jak sekundárních, tak primárních dat.
Je využívánpředevším k popisu charakteristik skupiny, odhad podílu lidí, stanovení predikcí.
Příklad: V jakém typu prodejny utratíte největší část peněz?
Kauzální výzkum – hledá příčiny a souvislosti mezi situací a vztahy. Následuje po exploračním a deskriptivním procesu. Data získáme především dotazováním a zjišťujeme, proč jednotlivá zkoumaná data fungují. Často využíváme i experimentů.
Příklad: Omezili jste vánoční výdaje v důsledku ekonomické krize?
Výzkum budoucího vývoje – na testovacím souboru se snažíme ověřit predikci, jakým směrem se bude situace vyvíjet.
Příklad: Prognóza ekonomické situace v ČR a osobní ekonomické situace.
Monitorovací výzkum sledovat prostředí
Explorativní výzkum najít problém
Deskriptivní výzkum popsat jev
Kauzální výzkum vysvětlit příčiny
Výzkum budoucího vývoje odhadnout budoucnost
Obrázek 4: Typy výzkumu (vlastní vypracování)
Členění dle času:
Pretest – předchází marketingovému rozhodnutí.
Posttest – ověřuje naše marketingová rozhodnutí. Zde potvrdíme nebo naopak vyvrátíme, jestli byly využity správné marketingové nástroje.
Krátkodobý operativní výzkum – řeší okamžité, krátkodobé požadavky.
Dlouhodobý konjunkturální výzkum – informace pro strategické rozhodování.
Ad hoc výzkum – jednorázové zjištění pro konkrétní výzkum.
Konjunkturální výzkum – průběžné sledování trendů.
Dle zaměření výzkumu:
Kvantitativnívýzkum je založen na získání měřitelných dat. Podle Paula Hagua, bychom mohli seřadit tato data do tří hlavních skupin, a to rozměry trhu, členění spotřebitelů a subjektivní data (Hague, 2003, s. 78). Do první skupiny rozměry trhu spadají například velikost trhu, tržní podíl dodavatelů, či častost nákupu. Členění spotřebitelů je další skupinou kvantitativního výzkumu. Jelikož je důležité znát profily spotřebitelů, snažíme se zjistit informace typu příjmová skupina, zaměření či úroveň vzdělání. Subjektivní data jsou především ohodnocení, preference či tendence.
Otázku, kterou si vždy pokládáme, je KOLIK.
Kvalitativní výzkumse snaží dostat do hloubky. Zjistit postoje a mínění lidí. V případě, že narazíme na problém, který nám nevyřeší data, zjištěná kvantitativním výzkumem, provádíme například hloubkové rozhovory, abychom našli příčinu. „velmi často se využívá pro tvůrčí inspirace a rady.“( Hague, 2003, s. 67)
Ptáme se na otázku PROČ či Z JAKÉHO DŮVODU se tak stává.
Kvalitativní metody:
„Kvalitativní metody se provádí na malém vzorku a jeho cílem je hlubší pochopení.“
(Hanzelková, 2009, s.135). Využíváme metod, kde přijdeme s dotazovanými do užšího kontaktu.
Pozorování – pro pracovníky, kteří provádějí výzkum, je vždy nejlepší, pokud si nasbíraná data mohou spojit s interpretací. Proto jsou v obchodech kamery, které sledují lidé nejenom kvůli krádeži, ale zároveň je sledují při nahlížení do regálů pro jaký typ balení se rozhodnou.
Skupinový rozhovor (focusgroup) menší skupina lidí je shromážděna na jednom místě za účelem diskuse k jednomu tématu. Tato metoda využívá náhlou inspiraci, co člověka v danou chvíli napadne.
Face to face či hloubkový rozhovor –v tomto případě jsou dotazovaní nuceni přemýšlet nad otázkou déle, tazatel si dělá poznámky a snaží se od dotazovaného zjistit fakta a představy. Tento druh metody využijeme, pokud se snažíme zabránit kopírovaných názorů, jako se stává u skupinových rozhovorů.
Projektivní techniky - abychom překonali bariéry, použijeme právě tyto metody. Patří mezi ně asociační testy a procedury, brainstorming, kreslení či slovní asociace.
Kvantitativní metody:
Pravým opakem kvalitativního je kvantitativní výzkum. „Provádí se na větším vzorku respondentů a za předpokladu dodržení statistických zásad výběru.“ (Hanzelková, 2011, s. 135). Kvantitativní výzkum nám nezjistí a neodpoví na otázku PROČ. Do tohoto výzkumu spadá pozorování, dotazování a experiment.
Dotazování – je metodou, kdy pokládáme otázky respondentům, a zaznamenáme jejich odpovědi. Hodnocení, která využíváme, jsou výrazová (dobré, vcelku dobré, velmi dobré) nebo číselná (od 1 do 10). Existují různé způsoby dotazování- osobní dotazování, písemné, telefonické, elektronické. Čeho chceme dosáhnout u dotazníku, je standardizace. Pod tímto si představíme způsob podávání dotazníku, výběr respondentů či způsob pokládání otázek.
Přímé měření – v některých případech dotazování nestačí, a proto se například pro měření prodeje využívají přímá měření. Do tohoto měření patří i fyzické počítání skladu, kdy rozdíl dodávky rovná se prodej za čas.
Experiment – pomocí experimentu se snažíme odhalit a otestovat vztahy mezi proměnnými, zároveň sledujeme reakce jednotlivců.
5. Dotazníkové šetření
„Údaje jsou získávány prostřednictvím záměrně cílených otázek.“ (Pecáková, 2008, s. 23)
Existují tři druhy dotazníku: strukturovaný, polostrukturovaný, nestrukturovaný.Strukturovanýje snadněji vyplnitelný, jasné otázky a odpovědi.
Polostukturovaný používá jak uzavřené, tak otevřené otázky, kde má respondent má možnost se více vyjádřit.Nestrukturovaným máme na mysli především skupinové diskuse.
Každý dotazník musí splnit čtyři základní body:
Získání informací.
Struktura pro rozhovory.
Standardní formulář.
Ulehčení zpracování.
5.1 Stanovení problému
„Stanovení problému a stanovení cílů výzkumu často představuje nejtěžší krok v celém výzkumu.“(Kotler, 2013, s. 407). Na začátku si musíme položit otázky: Jakou informaci chceme získat z dotazníku? Jaký je hlavní záměr dotazníku? Je dotazník nejlepší způsob získávání dat pro náš účel?
Problém či cíl nesmí být obecně či nepřesně stanoven, to by mohlo vést k získání špatných informací. Když stanovujeme cíl, je potřeba už v této počáteční fázi přemýšlet o tom, jakým způsobem bude dotazování vedeno, vzhled, typy otázek a možných odpovědí.
5.1 Rozhodování o vzorku a výběr respondentů
Dotazník se musí dostat do správné skupiny respondentů, proto je potřeba, abychom přemýšleli i o způsobu doručení těchto dotazníků. Důležitým bodem je vědět, kolik respondentů bude tvořit základní soubor, a jakým způsobem vymezíme soubor výběrový.
„Základní soubor můžeme označit jako množinu všech prvků, o které se chceme něco dovědět.“ (Tahal, 2015, s. 26).
Úplné šetření
Získáme-li informace od všech členů základního souboru, nazveme toto šetření právě úplným. Tento druh využíváme při sčítání lidí či domů. Lze ho využít i interně ve firmách při zjišťování spokojenosti zákazníka.
Výběrové šetření
Výběrový soubor je vlastně podmnožinou základního souboru. Existuje řada metod, jak výběrový soubor vymezit. Je potřeba, abychom vybrali tu nejlepší metodu. „Každý jedinec ze základního soboru musí mít nenulovou šanci, že bude do výběrového souboru zařazen.“ (Tahal, 2015, s. 28). Jak už bylo zmíněno, existuje řada výběrů – systematický, kvótní, stratifikovaný, vícestupňový či prostý náhodný výběr.
Základním typem je prostý náhodný výběr, při kterém má každý prvek pravděpodobnost vybrání stejnou. Prostý náhodný může být s vracením či bez vracení. S vracením vždy již vybraný prvek vracíme zpět do základního souboru, bez vracení prvek již do souboru vracen není a tím pádem se i počet jednotek v souboru snižuje.
Náhradní metody v případě neproveditelnosti prostého náhodného výběru jsou:
Systematický náhodný výběr používají především firmy a organizace, kdy každému n-tému v databázi je zaslán dotazník.
Kvótní výběr je druh výběru, kdy si určíme kvóty jako je věk, pohlaví apod., a ty se snažíme splnit.
Stratifikovaný náhodný výběr je další možnost. Jedná se o rozdělení populace do strat, menších podskupin, kde je v těchto podskupinách prováděn prostý náhodný výběr.
Představme si databázi nějaké firmy a z této firmy jsou vybráni všichni muži mezi18 – 25 lety, kterým bude dotazník zaslán k vyplnění. Tím pádem se zaměřujeme na cílovou skupinu s určitými vlastnostmi.
Vícestupňový výběr jde zde o hierarchii.Začínáme vždy u vyšší skupiny např.:
děláme-li výběr žáků prvních tříd v České Republice, vybereme nejdříve okres – města – školy–žáci.
5.1 Nástroje dotazování
Osobní – velkou výhodou osobního dotazování je možnost sledovat všechny reakce.
Velkou nevýhodou je, že ne všem lidem tato forma vyhovuje. Lidé nemusí odpovídat pravdivě, stydí se a mají zábrany.
Telefonické – zde se musíme zaměřit na lidi, co vlastní telefon. Tyto rozhovory by měly být jasné a krátké.
Online – tento způsob je v dnešní době nejjednodušší, nejrychlejší.
Písemné – neumíme tazatele zařadit do skupiny, nevidíme, jak tazatel bude reagovat.
Tento druh zabere většinou více času a dost často se dotazníky nevracejí zpět.
5.1.1 Konstrukce otázek
Dotazník je formulář, z kterého se snažíme získat informace, a proto bychom měli dodržet pár zásad při tvorbě otázek.
Pravidla pro tvorbu otázek:
První otázky musí vyvolat zájem, složitější uprostřed.
Otázky musí být stručné, jasné, přímé.
Nesmíme používat hovorový jazyk.
Nepokládat otázky nesouvisející s cílem průzkumu.
Užívat známý slovník.
Vyloučit otázky s jednoznačnou odpovědí.
Krátké otázky.
Vyloučit odhady.
Vyloučit motivační otázky.
Otázky nesmí být zavádějící, neměla by sledovat více věcí najednou.
Tázání celou větou.
Pozor na vágní výrazy, hypotetické otázky.
Délka dotazníku závisí na zkoumaném tématu. Důležitější než délka, je časová náročnost.
„doporučuje se, aby vyplnění dotazníku nezabralo více než dvacet minut.“(Kozel, 2011, s. 205).
Aby bylo dotazník možné statisticky zpracovat, je potřeba rozdělit odpovědi:
výběr jedné odpovědi pro nás znamená jednu proměnnou.
výběr více odpovědí vzniká tzv. baterie otázek, která se používá spolu se škálováním, kdy přiřadíme hodnotu určitým jevům.
5.1.2 Typy otázek
Otevřené – nepředpokládáme variantu odpovědi.
Uzavřené – varianty odpovědí máme vyznačeny v dotazníku.
Likertovský formát.
Desetistupňová škála.
Baterie otázek.
Formát sémantického formátu.
Formát výčtu položek.
Formát seřazení položek.
Volba řešení.
Filtrační otázka.
Polootevřené – je kombinací otevřených a uzavřených otázek. U těchto odpovědí uvádíme přímo odpovědi plus nabídneme respondentovi možnost vlastního doplnění.
Dle účelu:
Meritorní – zaměřeny na problémy, které jsou předmětem výzkumu.
Kontrolní – k ověřování správnosti odpovědí.
Identifikační - slouží k popisu vlastností.
Filtrační – používáme je k roztřídění respondentů do skupin.
Kontaktní – pomocné otázky k navázání kontaktu.
5.2 Zpracování dat z dotazníků
Jakmile jsou data nasbírána, je potřeba je zkontrolovat a upravit.
Kontrola a úprava dat - je potřeba zjistit přesnost a spolehlivost, úplnost, čitelnost.
Klasifikace dat - v této části musíme přesně určit druh dat, vymezit skupiny.
Kódování dat - slovní data je nutno převézt na číselné znaky.
Technické zpracování dat – již zpracované údaje musíme zpracovat do tabulek, grafů, ze kterých jasněji vycházejí souvislosti, tendence.
6. Statistická část
Slovo statistika vychází ze slova status, z kterého vzniklo kolem 16. století slovo statista.
Toto slovo přeložíme jako státník, člověk zabývající se záležitostmi státu. Až v 18. století se objevilo díky siru Sinclarovi, které toto slovo použil ve své statistické zprávě, slovo statistics. Statistika je využívána vědci, ekonomy, úředníky či výrobci, ovlivňuje náš každodenní život.
6.1 Statistická proměnná/znak
U statistických průzkumů nás zajímají jevy, které se vyskytují u většího množství prvků.
Množství těchto prvků nazýváme statistických souborem a jednotlivé prvky statistickými jednotkami (např. osoby, podniky, provozy, zvířata, rostliny apod.). Právě vlastnosti u těchto jednotek vyjadřuje statistická proměnná neboli statistický znak. Jedná se tedy o odraz vlastnosti dané jednotky. Jako příklad si můžeme uvést zaměstnance firmy Jablotron Group. Tito zaměstnanci představují prvky souboru. Znakem v našem případě bude např. mzda, odpracované roky, věk, dosažené vzdělání apod.Každý tento znak nabývá určitých hodnot též pozorování.
Znaky můžeme charakterizovat dle vyjádření hodnot na slovní (barva vlasů, druh vlastnictví bytu apod.) nebo číselné (počet zaměstnanců, spotřeba vody apod.). Další důležitou informací při zpracování dat je zda se jedná o spojité či nespojité znaky.
Nespojité znaky nabudou pouze některých hodnot (počet nemocných na Jablonecku, počet vajec), spojité nabudou hodnot libovolných v rámci intervalu (tělesná výška, váha).
Dle vztahu mezi obměnami/hodnotami mluvíme o proměnných nominálních, ordinálních, metrických či kardinálních.
Nominální – jsou vyjádřeny většinou slovně. Nedají se sestavit do skupin dle významnosti. Jedná se například o pohlaví.
Ordinální – o ordinálních mluvíme v případě, pokud je lze seřadit od nejmenší po největší.
Pokud můžeme těmto slovním proměnným přiřadit číselné hodnoty, jako jsou body, stupně, mluvíme o ordinální proměnné.
Metrické – jsou číselné, dají se seřadit a zároveň změřit. Mohou nabývat i záporných hodnot. Mluvíme zde například o venkovní teplotě.
Kardinální – nabývají pouze kladných hodnot a hodnoty je možné porovnat rozdílem a podílem. Jedná se o druh metrických proměnných.
Dále rozlišujeme proměnné závislé či nezávislé. Závisle proměnnou měříme a sledujeme její změny. Závisle proměnná se může měnit důsledkem působení nezávisle proměnné.
Nezávisle proměnná je vždy vysvětlující. Jako příklad můžeme uvést závislost průměrného prospěchu, což bude závisle proměnná na počtu žáků ve třídě, což je nezávisle proměnná.
6.1 Četnost
Statistickým šetřením zjistíme velké množství číselných údajů, které je potřeba setřídit, to znamená rozdělení do skupin dle charakteristických vlastností. Třídění může být jednostupňové (třídění dle jednoho statistického znaku) či vícestupňové.
Četnosti dělíme na relativní, absolutní četnost a kumulativní relativní a kumulativní absolutní četnost. Absolutní četnost představuje počet jednotek, jímž patří stejná hodnota.
Relativní je vyjádřena v procentech a jedná se o podíl znaku a rozsahu souboru.
Kumulativní četnost absolutní vyjadřuje kolik jednotek má variantu menší či rovnou dané hodnotě. U absolutní kumulativní jaká poměrná část souboru má variantu menší či rovnou dané obměně.
6.2 Výběrové postupy
Sběr informací a následné shromažďování informací bez ovlivnění nazýváme statistické šetření. Podle Handela (2015, s. 5)výběrovým šetřením máme na mysli sběr malého množství dat od velké skupiny jedinců a výběr probíhá ze známé skupiny. Existují čtyři způsobu výběru:
Výběr na základě dobrovolnosti – jedná se většinou o výzkum veřejného mínění.
Pokládáme otázky a dotazovaní se sami rozhodují, zda odpoví či neodpoví.
Výběr na základě dostupnosti – chceme například získat odpovědi nakupujících v prodejně Decathlon. Položíme otázky jedincům, kteří budou v sobotu dopoledne v prodejně.
Kvótní výběr – pokud využíváme tuto metodu, jedná se o výběr, kde nevybíráme náhodně, ale snažíme se naplnit předem dané kvóty jako je například věk.
Náhodný výběr – při tomto výběru má každý prvek populace stejnou možnost zařazení do výběru. Tři předcházející typy mohou být zkreslené, tento typ zkreslení eliminuje.
Například výběr na základě dobrovolnosti může být zkreslen tím, že v sobotu dopoledne se vyskytují v prodejně jiný typ zákazníků než v týdnu. Výběr na základě dobrovolnosti může být zase zkreslen tím, že dobrovolníci jsou něčím motivování k odpovědím. Právě toto všechno náhodný výběr eliminuje.
V této práci využijeme základní typ náhodného výběru a to prostý náhodný výběr.
O prostém náhodném výběru a náhradách tohoto výběru v případě neproveditelnosti jsme se zmínili v kapitole 5.2.
6.2.1 Sběr dat
Jak již bylo zmíněno v předcházející kapitole, data lze sbírat písemně či elektronicky.
Velká výhoda elektronických dotazníků je, že eliminuje chyby při nemožnosti přečtení či přepisování.
Data je potřeba zapsat do tabulek, které také nazýváme datová matice, kde - Řádky obsahují informace o respondentech.
- Záhlaví obsahuje názvy proměnných.
- První sloupec bude obsahovat číslo respondenta.
- Pokud chybí informace, píšeme čárku.
Pomocí sběru dat získáme velké množství údajů, které je potřeba roztřídit. Třídění nám pomůže zjistit, kolik dotazovaných má ten či onen znak. Existují tří způsoby zpracování a to graf, tabulka a popisné charakteristiky. Takovou to tabulku nazýváme tabulka rozdělení četností, která může být prostá či intervalová.
Prosté – použijeme pro slovní znaky, popřípadě číselné, ale ne s velkým počtem obměn.
Vytvoříme tabulku, kde budou následující informace – pořadové číslo obměny, hodnota znaku, absolutní četnost, relativní četnost, kumulativní relativní četnost. Podrobněji bylo popsáno již v kapitole 6.2.
Intervalové – pokud máme spojitou číselnou proměnnou, budeme využívat intervalové třídění. Jelikož se jedná o velké množství obměn, které jsme nasbírali, dáme hodnoty do intervalů. Proto, abychom určili optimální počet intervalů, můžeme využít několika pravidel a jedním z nich je Sturgesovo pravidlo.
k = 1 + 3,3 log10n (1)
zjištěné hodnoty dáme do tabulky, která bude obsahovat pořadové číslo obměny, intervaly, středy intervalů, absolutní a relativní četnost, kumulativní relativní četnost, kumulativní absolutní četnost. Toto dělení bylo také podrobněji popsáno v kapitole 6.2.
6.3 Grafické znázornění
Získané hodnoty a data můžeme zapsat do tabulek, které slouží jako přehled veškerých získaných informací. Abychom získali grafický obraz, využijeme grafy.
Histogram
Graf, který se využívá pro znázornění proměnné intervalově tříděné. Jedná se o sloupcový graf, kde jednotlivé sloupce odpovídají intervalu.
Obrázek 5: Grafické znázornění - Histogram (vlastní vypracování)
Polygon
Slouží pro znázornění prostého rozdělení četnosti. Jedná se o spojnicový graf.
0 100 200 300 400 500 600 700 800 900 1000
16 - 20 21 -25 26 - 30 31 - 35 36 - 40 41 - 45 46 - 50 51 - 55 56 - 60
četnost
Věk
Rozdělení věku
Obrázek 6: Grafické znázornění – Polygon (vlastní vypracování)
Krabicový graf
Je další možností, jak zobrazit datový soubor. Na tomto grafu můžeme zobrazit nejvyšší a nejnižší hodnotu souboru a kvartily. Horní hrana tzv. krabice je horní kvartil, dolní hrana dolní kvartil a medián je přímka uvnitř krabice.
Obrázek 7: Grafické znázornění – Krabicový graf ( www.support.office.com)
0 100 200 300 400 500 600 700 800 900 1000
16 - 20 21 -25 26 - 30 31 - 35 36 - 40 41 - 45 46 - 50 51 - 55 56 - 60
četnost
Věk
Rozdělení věku
7. Popisné statistické charakteristiky
„Jedná se o popis zkoumaného výběrového souboru a popis zkoumaných proměnných.“
(Urbánek, 2007, s. 602)
7.1 Charakteristika polohy
Vyjadřují, jakým způsobem se chovají hodnoty kolem středu. Nebo jak píše Handl ve své knize, snaží se charakterizovat typickou hodnotu dat. Je určen střed, kolem kterého se odpovědi pohybují. Nejčastějšími charakteristikami jsou modus, medián, průměr.
7.1.1 Modus
Je nejčastěji se vyskytující hodnota v nasbíraných datech.
7.1.2 Medián
Informace, které jsme získali, sestavíme vzestupně a tuto uspořádanou soustavu nám medián rozdělí na dvě stejné části. Na rozdíl od průměru není ovlivněn extrémními hodnotami. Medián je vlastně nejpoužívanější kvantil. Využijeme jej, pokud potřebujeme znát střed soustavy, kde se vyskytují extrémy či jsou data silně zešikmená.
Pokud rozsah souboru je sudé číslo, je hodnotu mediánu možné zjistit jako aritmetický průměr. V případě, že rozsah souboru je liché číslo, medián je konkrétní hodnota.
Med(x) = 𝑥(𝑛+1
2 ) n liché (2)
Med(x) = 1
2(𝑥(𝑛
2)+ 𝑥( 𝑛
2 +1)) n sudé (3)
7.1.3 Aritmetický průměr
Zjištěná data sečteme a vydělíme jejich počtem. Aritmetický průměr je ovlivněn extrémy, a proto je lepší v případě, že se jeden či dva extrémy vyskytují,využít k charakterizování úrovně hodnot souboru medián.Aritmetický průměr lze uvádět ve tvaru prostém a váženém. Vážený využíváme v případě, kdy známe průměry podmnožin a počty měření.
Prostý:∑ 𝑥𝑖
𝑛 𝑖=1
𝑛 (4)
Vážený:∑𝑘𝑖=1𝑥𝑖𝑛𝑖
∑𝑘𝑖=1𝑛𝑖 (5)
7.1.4 Kvantil
Rozděluje uspořádanýsoubor hodnot, které byly nasbírány na stejně velké části. Nejčastěji využívané jsoukvartily, které rozdělují uspořádaný soubor na čtyři stejné části – dolní kvartil (x0,25), prostřední (x0,50) a horní kvartil (x0,75).
Obdobně definujeme i další jakou kvintily, decily a percentily:
Kvintily – rozdělují uspořádaný statistický soubor na pět stejných částí, 𝑥̃0,20,𝑥̃0,40,𝑥̃0,60,𝑥̃0,80
Decily –rozdělují uspořádaný statistický soubor na 10 stejných částí, 𝑥̃0,10,𝑥̃0,20,𝑥̃0,30,….𝑥̃0,90
Percentily –rozdělují uspořádaný statistický soubor na 100 stejných částí, 𝑥̃0,01,𝑥̃0,02,…..𝑥̃0,99
Výpočet pořadového čísla kvantilu:
zp= n.p+ 0,5 (6)
n………..rozsah souboru
p………..relativní četnost nejnižších hodnot
z intervalového rozdělení:
𝑥̃𝑝 = 𝑧𝑝− 𝑛1
𝑛2 ℎ𝑝+ 𝑎𝑝 (7)
n1……….kumulativní četnost prvků před kvantilovým intervalem n2………četnost intervalu, kde je hledaný kvantil
hp………délka kvantilového intervalu
aP………hodnota tvořící dolní hranici kvantilového intervalu
7.5 Charakteristiky variability
Variabilita neboli proměnlivost vyjadřuje kolísání odpovědí kolem středu. Význam variability je v tom, že jsme schopni posoudit vypovídající schopnost aritmetickéhoprůměru. Charakteristiky variability nám řeknou, jak různé hodnoty v souboru jsou. Mezi tyto charakteristiky řadíme variační rozpětí, rozptyl, směrodatnou odchylku, variační koeficient a další.
7.5.1 Variační rozpětí
Jedná se o rozdíl mezi maximální a minimální hodnotou odpovědi. Jedná se o snadný výpočet, ale velkou nevýhodu je, že je citlivější na odlehlá pozorování. Tím pádem informace mohou být zkreslené.
R = xmax – x min (8)
7.5.2 Rozptyl
Je přesnější než zmíněné variační rozpětí. Nedá se interpretovat, ale jsou od něj odvozeny další dvě míry, a to směrodatná odchylka a variační koeficient, které se interpretovat dají.
Zjistí rozptýlenost dat kolem aritmetického průměru.
Sx2 = 1
𝑛∑𝑛𝑖=1(𝑥𝑖− 𝑥̅)2 = 1
𝑛∑𝑛𝑖=1𝑥i2 - 𝑥̅2 (9)
7.5.3 Směrodatná odchylka
Vznikla hlavně z důvodu interpretačního. Zjistí se jakokladnádruháodmocnina z rozptylu a vyjadřuje, o kolik se v průměru liší jednotlivé hodnoty od aritmetickéhoprůměru.
Využijeme ji v případě, když je možné využít průměr pro výpočet. Jelikož nám právě udává rozptýlenost kolem průměru. Je tím pádem ovlivněna i extrémy.
s = s√𝑠2 =√∑(𝑥𝑖−𝑥̅)
2
𝑛 (10)
7.5.4 Variační koeficient
Využijeme v případě, pokud chceme zjistit velikost rozptýlenosti vzhledem k průměru.
Jedná se o bezrozměrové číslo. Pohybuje se v intervalu (-∞,∞ )av případě kardinální proměnné <0,∞). Pokud nám vyjde hodnota < 50%, jedná se o nízkou různost hodnot.
V = 𝑠𝑥
𝑥̅ (11)
7.6 Charakteristiky špičatosti
Špičatost můžeme nazvat také excess, jedná se o nahuštěnost hodnot prostřední velikosti v porovnání s hodnotami ostatními. Podle Handela tato charakteristika spolu se šikmostí hodnotí to, jak se rozdělení dat podobá normální (Gaussově křivce). Plošší tvar se projeví, pokud četnost prostředních hodnot je srovnatelná s ostatními četnostmi. Špičatější tvar naopak, pokud hodnoty prostřední mají větší stupeň koncentrace.
S2 = 𝑚4
𝑚22 - 3 ,kde (12)
m2 ………výběrový rozptyl
m4 ...čtvrtý výběrový centrální moment
Obecně centrální moment definujeme pomocí vzorce:
mk = ∑(𝑥𝑖−𝑥̅)
𝑘
𝑛 (13)
7.7 Charakteristika šikmosti
Tato charakteristika popisuje nesymetrii. Pokud je šikmost nulová jsou hodnoty vpravo i vlevo rozděleny rovnoměrně. Koncentrace velkých hodnot ve srovnání s hustotou malých se projeví zešikmením záporným. Zešikmení kladné se vyznačuje větší koncentrací malých hodnot v porovnání s hustotou velkých hodnot.
S1 = 𝑚3
𝑚23/2 , kde (14)
m2 ………výběrový rozptyl
m3 ……….třetí výběrový centrální moment
8. Posuzování závislosti
Po zpracování údajů do tabulek a grafů pro lepší přehled. Poté se zabýváme deskripcí, tedy popisem nasbíraných dat, které nám dá přehled o charakteristikách daného souboru.
Další části je zjišťování závislosti mezi daty, které jsme nasbírali. Cílem tohoto posuzování je zjišťování, jakým způsobem je jedna proměnná závislá na druhé. Vyskytují se zde proměnná vysvětlující – nezávislá a proměnná vysvětlovaná – závislá.
Závislost je možné rozdělit na pevnou a volnou, kdy pevná závislost „označuje případ jednoho jevu, nutně odpovídá výskyt druhého jevu a naopak.“ (Hindls, 2006, s. 170).
Volná závislost znamená, že jeden jev je podmiňován jiným jevem s určitou pravděpodobností.
Metody zkoumání závislostí používáme v návaznosti na typu zkoumaných proměnných:
- Korelační analýza.
- Regresní analýza.
- Test nezávislosti kategoriálních dat.
- Analýza rozptylu.
8.1 Kontingenční tabulka
Kategoriální proměnné analyzujeme a popisujeme pomocí četnostních tabulek. Tabulky, které vytvoříme roztříděním dvou slovních proměnných, nazýváme kontingenční tabulky.
Jako příklad bychom, si mohli uvést soubor studenti středních škol, kdy proměnná A je oblíbenost sportu v televizi, proměnná B je sport, který rádi dělají. Součty sloupcové značíme n.j, součty řádkové označíme nj..nij nazveme sdružené absolutní veličiny a uvádějí kombinaci dvou sledovaných veličin (v našem případě oblíbený sport a oblíbený sport v televizi).Teoretické četnosti vypočítáme dle vztahu:
nij‘ = 𝑛𝑖 . 𝑛𝑗
𝑛 (15)
nij‘ nazýváme hypotetickou četností. n je rozsah souboru a ni(nj) jsou sloupcové a řádkové četnosti. Teoretické četnosti jsou očekávané v případě nezávislosti.
Okrajové relativní, vyjadřují podíl jednotlivých kategorii jedné, nebo druhé proměnné
pi+ = ni+/n , p+j = n+j/n (16)
Sdružené relativní četnosti, které udávají podíl jednotek s výskytem určité kombinace veličin v souboru lze vyjádřit:
pij= nij /n (17)
Závislost kategoriálních dat posuzujeme pomocí chí kvadrát testu o nezávislosti, kde testovým kritériem je:
G = ∑ ∑ (𝑛𝑖𝑗− 𝑛𝑖𝑗
′ )2 𝑛𝑖𝑗′ 𝑠𝑗=1
𝑟𝑖=1 (18)
Chí kvadrát test o nezávislosti měří nepodobnost nijan'ij. Hodnotu chí porovnáme s kritickou hodnotou chí-kvadrát rozdělení o stupních volnosti (r-1)(s-1) při hladině významnosti α. Obecný kritický oborznačíme takto:
W = {𝐺; 𝐺 ≥ 𝜒21−α.} (19)
Pokud vypočtená hodnota testového kritéria bude větší než kritická hodnota, hypotézu o nezávislosti na zvolené hladině významnosti zamítneme. V případě, že vypočtená hodnota testového kritéria bude menší než hodnota kritického oboru, hypotézu H0
nezamítáme.
V případě, že proměnná A závisí na proměnné B, sílu intenzity můžeme změřit pomocí Pearsonova, Cramérova či jiného koeficientu kontingence.
Cramérův koeficient kontingencelze využít na jakékoliv kontingenční tabulky. Vypočítáme ho ze vztahu (19). Jeho hodnoty se pohybují v intervalu ‹0,1›. Tento koeficient využijeme v případě, že měříme sílu závislosti jednoho vztahu. Potom tedy můžeme říci, zda se jedná o slabou, slabší, středně silnou či silnou sílu závislosti.
C Cr = √ 𝐺
𝑛 .ℎ, kde h = min (r-1,s-1) (20)
Pearsonův koeficient kontingence
C = √ 𝐺
𝐺+𝑛 (21)
8.2 Asociační tabulka
Je typem kontingenční tabulky. Je to zvláštní případ, kdy máme dvě alternativní proměnné.
Snažíme se zjistit, jestli jevy vznikly či nevznikly současně, nebo jak často nastal jenom jeden z nich.
Testovací kritérium vypočítáme dle vzorce:
G = n(𝑛11 𝑛22− 𝑛12𝑛21)
2
𝑛.1𝑛.2𝑛1.𝑛2. (22)
Pokud hodnotaGleží v kritickém oboru, zamítáme nulovou hypotézu a přijímáme alternativní.
Stejně jako u kontingenční tabulky lze změřit těsnost závislosti jevů A a B, atopomocí koeficientu asociace rAB.
rAB= 𝑛11𝑛22−𝑛12𝑛21
√𝑛1.𝑛2.𝑛.1𝑛.2 , jehož hodnoty se pohybují v intervalu od <-1,1> (23)
|rAB| udává sílu asociace, kdy rAB = 0 nezávislost
|rAB| = 1 úplná kladná asociace rAB = - 1 úplná nepřímá asociace
9. Praktická část
Praktická část bude zaměřena na marketingový výzkum spokojenosti s výrobkem společnosti Jablotron Group, a to monitorem dechu Nanny. Nejdříve bude představena firma Jablotron Group, následně popsán postup marketingového výzkum a sestavení dotazníku spokojenosti. Poslední část bude věnována realizaci a interpretaci výsledků pomocí nástrojů popisné statistiky.
9.1 Představení podniku
Firma Jablotron Group a.s. byla založena v roce 1990, začínala se čtyřmi zaměstnanci.
Dnes pro tuto firmu pracuje skoro 600 zaměstnanců a vyváží své produkty do 73 zemí.
Spolu s dalšími firmami tvoří Jablotron Group, skupinu ryze českých firem zabývajících se výrobou technologií.
JablotronGroup se zabývá výrobou alarmů a technologií k zabezpečováníbudov, zároveň je součástí několika neziskových projektů. Samotná firma Jablotron Group se zabývá výrobou a výzkumem bezpečnostních systémů, alarmů do objektů, firem a rodinných domů. Svůj sortiment rozšířili v roce 2002, kdy přišel na trh monitor dechu pro kojence.
Postupně byl sortiment rozšířen o maximobil pro důchodce, GSM kameru či pohybový detektor s kamerou.
Monitor dechu se dostal na trh v roce 2002. Jedná se o zařízení, které hlídá dech novorozence, kdy nás v případě zástavy dechu akusticky a vizuálně upozorní. Ročně se v průměru prodá 200 tisíc monitorů po celém světě. Nanny je v 85 nemocnicích po České republice, ale bylo dodáno i do porodnic v Asijských zemích.
SIDS je stav, ke kterému může dojít do jednoho roku kojence. Česká republika patří ke státům s nižší úmrtností, jedná se v průměru o 25 dětí do jednoho roku, kteří na tento stav zemřou. Syndrom se vyskytuje mezi 3. – 6. měsícem a je častější u chlapců a především v zimních měsících. Existuje několik opatření, jak zabránit tomuto syndromu
