Стратегия управления инновационными проектами

Наибольший интерес  представляет одноуровневая схема  дистрибьюции, поскольку именно она лежит в основе российского бизнеса. Эта схема применяется для не очень крупных рынков и таких, на которых посредник к продаваемому товару, как правило, дорогому и высокотехнологичному, должен приложить большой объем дополнительных услуг. Типичными примерами рынков с одноуровневой дистрибьюцией является торговля товарами для кино- и видеопроизводства, автомобилями, сложным технологическим оборудованием, станками, мощными компьютерами и т.п. В этой схеме понятия дилера и дистрибьютора фактически сливаются, поскольку дилер берет на себя все функции дистрибьютора, такие как доставка и таможенная очистка продукции, гарантийное и сервисное обслуживание (в отсутствие специализированных сервисных центров). Учитывая сложность поставляемого оборудования, дилер должен при продаже товара оказывать и консультационные услуги, т.е. выполнять функции системного интегратора.

На практике рассмотренные  основные схемы дистрибьюции порой  модифицируются. Например, иногда еще используется устаревшая схема так называемой традиционной дистрибьюции, когда производитель продает товар любому желающему — и дистрибьютору, и дилеру, и конечному пользователю. А сети супер- и гипермаркетов, включающие десятки магазинов только в одном городе, работают по смешанной схеме (в ней сочетается одно- и двухуровневая дистрибьюция), приобретая у производителей товары в объемах дистрибьюторов.

Как было отмечено выше, одной из функций дистрибьюторов и дилеров является обеспечение  широкого ассортимента товаров. И в  зависимости от его разнообразия компании делятся на нишевые и широкопрофильные. Нишевым дистрибьютором называют компанию, предлагающую покупателям продукцию в какой-то одной области (нише). На рынке такими дистрибьюторами, например, являются компании, предлагающие всевозможные системы и комплексы нелинейного монтажа. Широкопрофильные компании стараются предложить клиентам как можно более широкий ассортимент продукции, удовлетворяющий почти все потребности заказчика в данной сфере. В графе «Поставщики» на сайтах таких компаний можно найти несколько десятков (40, 60 и более) логотипов и торговых марок известных производителей. Конечно, такое деление весьма условно, так как охватить все невозможно, поэтому вполне достаточным считается, если широкопрофильный дистрибьютор в состоянии предложить львиную долю (80…95%) необходимого потребителю ассортимента.

Инновации самой продукции также остаются ключевым фактором роста рынка пива. Пивоваренные компании, изучая предпочтения потребителей, уделяют все большее внимание упаковке, новым ассортиментным предложениям, а также культуре и организации продаж. Часто производители не просто исследуют предпочтения потребителей, но и активно формируют их, выпуская новую продукцию в оригинальной упаковке.

Как наиболее серьезные, «Балтика» отмечает две свои инновации.

Одна из них — создание в 2006 году нового штамма дрожжей для производства пива «Балтика Кулер». Сотрудники исследовательского центра на базе мини-пивзавода компании вывели новый штамм путем отбора и скрещивания природных дрожжей из различных регионов Камчатки и островов Курильской гряды.

Вторая инновация касается упаковки. Несмотря на то, что пиво «Балтика Кулер» позиционируется в среднеценовом сегменте, при создании упаковки были использованы самые передовые тенденции, до сих пор присущие более дорогим пивным брендам. Пиво «Балтика Кулер» выпущено в стеклянной бутылке 0,5 л с удлиненным горлышком, прозрачной самоклеющейся этикеткой и пробкой с кольцом. Бренд показал впечатляющие результаты уже в год запуска: объем продаж за 2006 год составил 1 млн гл, а его доля в среднеценовом сегменте к концу года достигла 5%.

Еще один новый вид  упаковки — литровая алюминиевая банка. Такого формата до сих пор в мире не было (хотя были похожие — например, банка объемом 0,85 литра в США). Литровую упаковку сделала компания — поставщик тары специально для «Балтики». Ядро корпоративной инновационной системы «Балтики» — исследовательский центр, который начал формироваться в 1999–2000 годах. Сегодня в нем работают десять человек. Подобных подразделений у других российских пивоваренных компаний нет. Исследовательский центр работает по двум направлением: контроль качества продукции на всех этапах (от анализа поставляемого сырья до дегустации продукции) и разработка новых сортов пива.

Новые сорта появляются не реже чем один в год. Задание на новый сорт пива поступает от маркетологов, которые разрабатывают его на основе фокус-групп, где выясняют пожелания потребителей. На мини-пивзаводе готовятся образцы пива, затем проводятся новые фокус-группы с дегустацией для корректировки продукта. Исследовательский центр организационно входит в состав дирекции по качеству.

 

2.3 Анализ системы управления клиентами компании МПК «Балтика»

 

Система управления клиентами компании «Балтика» строится на предпочтениях клиентов компании, поэтому анализ данной системы основан на определении отношения потребителей к выбранному товару с помощью многофакторной модели Фишбейна.

Формула Фишбейна имеет следующий  вид:

 

           n

А0j = å Bij * eij,

           i=1

 

где А0j - отношение респондента j к тестируемому товару;

Bij – сила мнения респондента j, что тестируемый товар имеют характеристику I;

eij – оценка значимости характеристики I для респондента;

i=1, …, n, n – число значимых характеристик;

j =1, …,m ,m – количество респондентов.

 

Данные расчетов по формуле Фишбейна представлены в Приложении 1.

Определим частоту попадания рассчитанных показателей A0j в один из следующих интервалов: [-16;-5] - отрицательное; [-5;+5] - безразличное; [+5;+16] – благожелательное.

Распределение респондентов по отношению к продукции пивоваренной компании «Балтика» представим в виде табл. 2.2.

 

Таблица 2.2 - Распределение респондентов по отношению к продукции пивоваренной компании «Балтика»

Отношение	Интервал	Количество, чел.
Отрицательное	[-16;-5]	-

 

Продолжение табл. 2.2

Безразличное	[-5;+5]	33
Благожелательное	[+5;+16]	63

 

Обработаем результаты анкетирования и построим сегменты (кластеры) потребителей со сходным отношением к тестируемому товару

Кластерный метод –  один из базовых методов, используемый в мировой практике многомерной классификации. Данный метод используется при условии неопределенности признаков сегментирования и сущности самих сегментов. Исследователь предварительно выбирает ряд интерактивных по отношению к респонденту переменных и далее в зависимости от высказанного отношения к определенной группе переменных, респондентов относит к соответствующему сегменту.

Сегментирование производится в отношении определенного товара, при этом предполагается, что существует потребительский рынок, структура которого неизвестна и не может быть определена по задаваемым признакам.

Выделим 4 сегмента - возраст, состав семьи, пол, доход и построим графики (рис 2.3-2.6).

Возраст

● Более 56

● ● ● ● ● ● ● ● ● 36-55 лет

● ● ● ● ● ● ● ● ● ● ● ● ● ● ● 18-35 лет

-16 -5 +5 +16

Рисунок 2.3 - График сегмента по возрасту

 

 

Состав семьи

● ● ● ● ● 5 человек и более

● ● ● ● ● ● ● ● ● 3 – 4 человека

● ● ● ● ● ● ● ● ● ● ● ● ● ● 2 человека

● ● ● ● ● ● ● ● ● 1 человек

-16 -5 +5 +16

Рисунок 2.4 - График сегмента по составу семьи

Пол

● ● ● ● ● ● ● ● ● ● ● ● Мужчина

● ● ● ● ● ● ● ● ● ● ● ● ● ● Женщина

-16 -5 +5 +16

Рисунок 2.5 - График сегмента по полу

Доход

● ● ● ● ● ● ● ● ● ● Более 20000 рублей

● ● ● ● ● ● ● ● ● ● ● ● ● 10000-20000 рублей

● ● ● ● ● ● ● ● ● ● ● 6000-9999 рублей

● ● ● ● ● ● 3000-5999 рублей

до 3000 рублей

-16 -5 +5 +16

Рисунок 2.5 - График сегмента по доходам

Сегмент 1 - «отрицательно  настроенные» потребители. Зависимость  не установлена.

Сегмент 2 – «безразличные» потребители. По численности к нему относится 33% респондентов. По возрасту данный сегмент составляет 48%, основной частью выступают молодые люди от 18 до 35 лет – 28%, а также люди среднего возраста от 36 до 55 лет – 20%. По составу семьи к нему относится 36,9% респондентов. Семья, состоящая из 1 человека, занимает 6,5%, состоящая из 2 человек - 8,7%, из 3 – 4 человек – 17,4%, из 5 и более человек - 4,3%. По полу данный сегмент считается смешанным, так как и мужчины, и женщины представлены в равных долевых соотношениях – по 19,2%. По доходу сегмент составляет 42,5% респондентов. Доходы в размере до 3000 рублей – не представлены. Доход в размере от 3000 до 5999 рублей составляет 4,7% респондентов; доход в размере от 6000 до 9999 рублей – 9,4%; доход в размере от 10000 до 20000 рублей – 14,2%; доход более 20000 рублей – 14,2%.

Сегмент 3 – «благожелательные» потребители. По численности превосходит остальные сегменты, к нему относится 63% респондентов. По возрасту данный сегмент составляет 52%, основной частью выступают молодые люди от 18 до 35 лет – 33,4%, а также люди среднего возраста от 36 до 55 лет –18,6%. По составу семьи к нему относится 63,1% респондентов. Семья, состоящая из 1 человека, занимает 19,2%, состоящая из 2 человек - 22%, из 3 – 4 человек – 16,4%, из 5 и более человек - 5,5%. По полу данный сегмент занимает 61,6%, женщин в нем больше – 34,7%, мужчин – 26,9%. По доходу сегмент составляет 57,6% респондентов. Доходы в размере до 3000 рублей – не представлены. Доход в размере от 3000 до 5999 рублей составляет 10,4% респондентов; доход в размере от 6000 до 9999 рублей – 18,4%; доход в размере от 10000 до 20000 рублей – 10,4%; доход более 20000 рублей – 18,3%.

В последнее время, в  связи с ростом числа внедрений  систем управления взаимоотношений  с клиентами (CRM), во многих компаниях появился интерес в обнаружении закономерностей в базах данных, содержащих сведения о клиентах. Для достижения поставленной цели служит внедрение системы, реализующей методы Data Mining, которые предназначены для обработки и содержательной интерпретации данных с целью выявления актуальных трендов и выработки оптимальных стратегий.

Исследуя затраты на маркетинговую деятельность, компания все больше внимания начала уделять возможностям их оптимизации. Как можно больше узнать о своих клиентах? Как правильно использовать имеющуюся информацию для формирования пакета наиболее интересных предложений определенным клиентам? Как правильно понять, какое из предложений оказалось наиболее успешным?

Первым шагом на пути решения подобных вопросов является создание системы сбора всей доступной информации из различных источников (ERP, CRM, почта, excel-файлы и т.д.) по всей компании, включая все ее филиалы. Эта информация должна проходить проверки на полноту, непротиворечивость, приводиться к единому удобному для конечного пользователя формату и обеспечивать достаточный уровень детализации для возможности принятия решений. Собранная таким образом информация сохраняется в многомерном аналитическом хранилище данных (OLAP-хранилище), что позволяет на лету формировать аналитические отчеты в различных разрезах и с произвольной глубиной «проваливания» в оперативные данные. Средства OLAP также идеально подходят для проверок заранее сформулированных аналитиком гипотез.

Второй шаг на пути внедрения полноценной аналитической  системы состоит в реализации методов Data Mining, служащих для обнаружения ранее неизвестных и нетривиальных закономерностей в собранных в компании данных. Получение таких знаний призвано обеспечить конкурентные преимущества за счет более глубоко взгляда на процессы, тенденции и риски в бизнесе компании. Использование методов интеллектуального анализа данных является многоступенчатым и иногда весьма сложным процессом, но выгода может в десятки раз окупить затраты.

Успех процесса управления взаимоотношений с клиентами зависит от деятельности по анализу данных, которая может выявить новые направления, коммерческие возможности, а также своевременно предупредить о неблагоприятных тенденциях в сфере отношений с клиентами.

Использование Data Mining в CRM призвано помочь понять способы выхода на новых клиентов, а также помочь удержать и улучшить коммерческие взаимоотношения с существующими клиентами. Методы анализа данных могут варьироваться от весьма простых (определения с кем когда и где необходимо вступить в контакт) до применения сложных алгоритмов прогнозирования клиентского поведения и определения оптимальных маркетинговых стратегий.

Далее рассмотрим две обширные категории анализа данных и проанализируем, насколько хорошо они могут быть использованы в приоритезации инициатив по управлению взаимоотношений с клиентами.

Описательный анализ