|
| | | | Проблемы современной экономики, N 2 (74), 2020 | | | | ПРОБЛЕМЫ МАРКЕТИНГА. ЛОГИСТИКА | | | Трушникова И. О.
доцент кафедры маркетинга
Санкт-Петербургского государственного экономического университета,
кандидат экономических наук,
| |
| | | | | Статья посвящена исследованию розничного рынка и обоснованию необходимости моделирования спроса с применением инструментария количественных методов маркетинга на розничном рынке медицинских безрецептурных препаратов Российской Федерации. Описана проблематика и сложившиеся тенденции, как в продуктовом, так и аптечном ритейлах. Приводятся примеры применения математических методов для моделирования спроса на социально значимые товары | | Ключевые слова: рынок безрецептурных препаратов, продуктовый ритейл, аптечный ритейл, количественный маркетинг, моделирование спроса | | ББК Р11(2)26я73 Стр: 165 - 168 |
Предпосылками развития моделирования в маркетинге можно назвать как становление рыночной экономики с последующей трансформацией субъектов-участников рыночной деятельности, многоплановость отраслевых рынков, так и логическую эволюцию маркетинговых процессов и диверсификацию функций маркетинга, появление новых видов функций, смежных с другими науками. Это обеспечивает многофункциональность маркетинга и, в частности, дает возможность совершенствования моделирования, расширяя круг его воздействия.
Моделирование в маркетинге становится все более тесно связано с областью маркетинг-аналитики, что позволяет решать более широкий спектр маркетинговых вопросов и принимать управленческие решения.
Так, одной из актуальных тенденций является построение маркетинговых бизнес- моделей, которое базируется именно на проведении количественных исследований. В этой связи, автор считает необходимым проведение исследования по изучению эволюции количественных исследований в маркетинге, выделяя развитие методологии количественных исследований и их связь с процессами и функционалом маркетинга. Это объясняется актуальностью дальнейшего формирования и разъяснения количественного маркетинга как нового научно-прикладного направления.
Логика исследования предполагает рассмотрение теоретических, а также методологических основ количественного маркетинга в различных сферах деятельности. Поскольку тематика моделирования маркетинговых процессов, включая прогнозирование, затрагивает многие сферы маркетинговой деятельности, автор сосредоточился на моделировании такой рыночной категории, как спрос. Рассматривая существующие методологии моделирования и прогнозирования спроса, нужно заметить, что зачастую их выбор не обосновывается в достаточной степени, и также не учитывается специфика отраслевого рынка. Поэтому, далее в исследовании планируется анализ различных методологий моделирования спроса, составление классификации моделей, в том числе математических, эконометрических, статистических и выявление оснований для моделирования с позиций количественного маркетинга. При этом обращается внимание на особенности моделирования, на прогнозную валидность моделей относительно выбранной сферы и тенденции развития рынка.
Среди моделей, характеризующих и описывающих состояние спроса, можно выделить класс описательных моделей, в то время как прогноз и моделирование будущего состояния спроса описывается с помощью прогнозных моделей. Важно заметить, что некоторые виды моделей относятся и к описательному классу, и к прогнозному.
Таблица 1
Описательные модели спросаОписательные
модели
состояния спроса | Типы
моделей | |
|---|
Модели
индивидуального
спроса | Бинарные логит-модели | | | Бинарные пробит-модели | | | Тобит-модели | | | Модели множественного выбора | | Пространственные
эконометрические
модели | Модель Маркова | | | Динамические пространственные панели | | | Пространственные процессы высшего порядка | | | Пространственные панели | | Структурные
модели | Динамические модели | | | Статические модели | | | Модели теории игр | NEIO модели (с функциями спроса) | | Модели
конкурентоспособности | VARX модели | | | LNB модели | |
Составлено автором
Представленные модели имеют различную сущность, методы реализации и требуемый тип данных.
Если рассматривать модели индивидуального спроса, то самыми распространенными являются логит и пробит модели. Природа этих моделей лежит в основе влияния латентной переменной — фактора полезности на индивидуальный спрос (индивидуальное решение о покупке товара). Полезность оценивается как линейная зависимость:
Ui = α + xji β + εi (1)
где Ui — величина полезности товара;
α — константа;
xji — вектор характеристик товара или потребителя (обычно включает цену товара);
β — вектор коэффициентов;
εi — величина ошибки.
Связь между величиной полезности (Ui) и решением о выборе товара (Yi) определяется следующим выражением:
 (1)
Тогда вероятность индивидуального выбора в случае логит модели будет выражена как логистическая функция полезности, а в случае пробит модели — как функция стандартного нормального распределения полезности. Данные модели описывают влияние количественных переменных на качественную категориальную — бинарную. Несмотря на возможность исследования и прогнозирования исхода покупки на основе множества факторов, эти модели дают лишь понимание склонности к приобретению товара индивидуумом.
Структурные модели, чья популярность в последние годы резко возросла, построены на основе системы одномоментных уравнений. Статические модели изучают влияние факторов на уровне конкретного рынка — агрегированная логистически функция индивидуального выбора, а динамические — прогноз выбора потребителя на основе влияния внешних и внутренних факторов. В динамических структурных моделях принимается условие, что потребители максимизируют чистую приведенную стоимость потоков полезности от приобретения товара. Полезность может быть также выражена через эконометрическую функцию. Однако, данные модели изучают вопросы исследования выбора потребителей. Динамика изменений основывается на базе данных настоящего и предшествующего периодов, но спрогнозировать поведение в будущем на основе таких моделей не всегда представляется возможным.
Модели конкурентоспособности представлены моделями, сопряженными с прогнозом спроса на бренды товаров, в которых маркетинговые инструменты бренда — это функция конкурентных маркетинговых инструментов и других переменных.
 (2)
где — измеряемый спрос на конкретный бренд в единицах;
α, αс — расходы на рекламу конкретного бренда и конкурирующего;
p, pс — цена конкретного бренда и конкурирующего;
— параметры (эффекты) действий конкретного бренда и конкурирующего.
Данные модели вполне пригодны для использования, однако следует учитывать их применимость только если идет речь о брендах товаров, а также возможности оценить затраты на рекламу, а не весь бюджет на продвижение.
Модели теории игр также достаточно популярны и в сфере прогнозирования спроса на бренды товаров. Причем, в этих моделях представляются известными стратегии конкурирующих брендов, что зачастую является значительным ограничением их использования.
Таблица 2
Прогнозные модели спроса| Прогнозные модели спроса | Типы моделей |
|---|
| Модели временных рядов | Традиционные модели (ARIMA, ARMA и другие) | | Современные модели (VARMA) | | Пространственные эконометрические модели | Динамические панели | | Модели пространства состояний | Модели параметров, изменяющихся во времени | | Модели Goodwill | | Пространственная модель Гаусса | | Диффузионные модели | Bass модель |
Составлено автором
Модели временных рядов представляют достаточно большой класс моделей и подразделяются на «традиционные» модели (1970–1980 гг.) и «современные» модели. Традиционные модели могут прогнозировать изменение спроса на основе предыдущих периодов без учета факторов маркетинговой деятельности.
Классическая временная модель имеет следующий вид:
yt = μ + φyt–1 + εt (4)
где yt — критериальная переменная;
μ — константа;
εt — величина ошибки.
В данной модели yt представляет объем продаж товара за период времени t, зависящий от объемов продаж в предшествующем периоде t–1.
К таким моделям относятся ARMA (модель авторегрессии для стационарных временных рядов) и ARIMA (интегрированная модель авторегрессии для нестационарных временных рядов). Несмотря на большое количество достоинств таких моделей (среди основных — точность математического прогноза), у них имеется и ряд недостатков. К ним можно отнести и требуемое большое количество наблюдений, а также неадаптивность при получении новых данных. Также упускается возможность разложить ряд данных на тренд, цикл и другие факторы. В таких случаях необходимо перестраивать модель, что представляет определенные сложности, в особенности потому, что тренды маркетинга не стационарны (в основном используют функции линейного и квадратичного характера).
Современные модели временных рядов представлены усовершенствованными моделями, такими как VARMA, где учитывается не стационарность маркетинговых трендов, а двусторонняя причинная связь между переменными и возможность спрогнозировать на короткий и длительный период. Но в качестве недостатков можно упомянуть ограниченное количество факторов и требование стационарности, что опять же редкость для маркетинговых процессов и трендов.
Пространственные эконометрические модели, кроме описания и изучения состояния спроса, также позволяют спрогнозировать состояние спроса. Они зачастую представлены линейными регрессионными моделями, включающими пространственные лаги зависимых переменных, по аналогии с временными лагами моделей временных рядов. При использовании таких моделей желательно, чтобы объясняющие переменные будущего периода были известны, но в случае их неизвестности используют их лаги. Таким образом, использование таких моделей ограничено наличием информации о переменных и ее отсутствие значительно снижает качество моделей.
Модели пространства состояний используются в основном для уточнения структурных моделей временных рядов, объясняя тренды и сезонность, и их влияние.
Пример такой модели:
Объем продажt = β0 + β1 Ценаt + β2 Рекламаt + εt (5)
где β0 — константа;
β1 , β2 — коэффициенты ответов;
εt — ошибка.
Из данного примера видно, что затраты на рекламу и цена товара во время t влияют на объем продаж в период t, в модель также включена вариативность изменения факторов цены и затрат на рекламу в разные временные периоды. При большом числе плюсов данного вида моделирования также можно выделить недостаток, а именно необходимость определения параметров авторегрессии факторов модели, которые напрямую зависят от состояния включенных в уравнение факторов.
Диффузионные модели впервые были предложены Бассом (1969 г.) и описывают распространение инновационного продукта среди потенциальных потребителей, от ранних последователей к более поздним. Данные модели фокусируются на жизненном цикле товара, предсказывая в основном объемы продаж первых покупок.
Такие модели хорошо подходят для прогноза спроса на инновационные товары со специфическим жизненным циклом товара, но ограничены тем, что учтены только фиксированные параметры характеристик жизненного цикла товара, потребители подразделяются лишь на тех, кто приобрел товар и тех, кто не совершил покупку; и также не учтены повторные покупки и множественные покупки (более одной единицы данного товара). Позднее, в 2004 году, Паркер и Гатингнон представили диффузионную модель на уровне выбора брендов, учитывающую функции цены и рекламных воздействий, однако оценить воздействие диффузионной чувствительности рекламных акций применительно к отдельным брендам детально не удалось. Среди последних подходов к таким диффузионным моделям — анализ и разработка моделей на уровне брендов с учетом конкурентоспособности и кросс-брендовых коммуникаций среди последователей брендов.
Часть из представленных моделей отражают уровни отдельных рынков, товаров и брендов товаров. Соответственно, выбор методологии моделирования зависит как от уровня модели, так и от набора комплекса факторов.
Рассмотрим уточненную ситуацию с изучением и моделированием спроса на рынке такой фармацевтической продукции, как безрецептурные препараты — бады и витамины. Российский фармрынок достаточно специфичен. Его отличительная особенность — преобладание коммерческого (розничного) сегмента над государственным. В настоящее время государством взят курс на инновационно — активную политику в сфере здравоохранения в целом, в том числе и в фармацевтической отрасли (Федеральная программа «Фарма -2030»). Фармрынок России растет и изменяется, что связано с высоким уровнем заболеваемости населения и необходимостью сохранения его здоровья [3]. Это подтверждается и статистическими данными ежегодного отчета DMS Group [2]. Объем фармацевтического рынка в конце 2019 г. достиг 98,5 млрд рублей (в розничных ценах). По сравнению с ноябрём того же года ёмкость рынка выросла на 9,7%.
Коммерческий сегмент рынка по итогам декабря 2019 года на 35,7% был представлен рецептурными препаратами и на 64,3% ОТС-средствами в упаковках (OTC от англ. «over-the-counter»), но в стоимостном выражении рынок практически поделён пополам.
Основной вклад в рост рынка внес коммерческий сегмент лекарств. Объём российского аптечного рынка БАД в стоимостном выражении в декабре 2019 года увеличился на 4,6% относительно ноября, и составил 6,5 млрд рублей.
Данный рынок был выбран автором не случайно, а вследствие имеющейся проблематики: изменения структуры потребления; перехода потребителей на употребление препаратов-дженериков; введения проекта Минпромторга о продаже безрецептурных лекарственных средств в продуктовом ритейле; внедрения СТМ (собственных торговых марок) в аптечном и продуктовом ритейле; выхода на рынок нового формата ритейла «дрогери» («дрогери»- магазины, специализирующиеся на продаже товаров, которые не нуждаются в особых условиях хранения. Ассортимент включает бытовую химию, косметико-парфюмерную продукцию и безрецептурные препараты-бады и витамины), активное развитие интернет-торговли, маркирование ЛС и, наконец, консолидация рынка. Магазины формата «дрогери» давно стали популярны в странах Европы и по данным исследовательской компании Nielsen сегодня занимают около 25% европейского рынка розницы. В частности, в Германии такие форматы ритейла (DM, Rossman, Mueller) реализуют до 70 % безрецептурных препаратов под собственными торговыми марками сетей. Цены на такие препараты в «дрогери» значительно ниже, а ассортимент разнообразнее и шире. Кроме того, форматы аптечных и продуктовых ритейлов разграничены как законодательно, так и экономически, и продукция в обоих сетях имеет свои целевые аудитории.
Значительная проблема в России заключается и в том, что безрецептурные препараты являются драйверами продаж аптечной розницы, составляя порой большую часть дохода. Из-за новых возможностей на рынке лекарственных средств появляются новые крупные игроки — продовольственные сети и онлайн маркетплейсы (Aliexpress, Ozon, Wildberries, iHerb и др.) с отлаженной системой интернет-доставок. В настоящий момент крупные ритейлеры работают с аптечными сетями, такие как Х5 Retail Group (заключил партнерский договор с аптечной сетью «Мега Фарм»), Ашан, Азбука вкуса, METRO и некоторые другие. Формат «дрогери», появившийся на рынке России сравнительно недавно, также стремительно растет («Подружка», «Улыбка радуги» и другие).
Рынок безрецептурных препаратов- рынок с повышенным значением экстерналий (внешних эффектов). В сделках, порождающих экстерналии, кроме непосредственных участников всегда присутствует третья сторона, в случае аптечного бизнеса, это — общество в целом. Нельзя не упомянуть и о тенденции к здоровому образу жизни населения, ее активной пропаганде именно в сфере стимулирования потребления безрецептурных препаратов среди населения [1]. Развитие данного сегмента связано со стремлением людей к здоровому образу жизни, а также фактором «самомедикации» населения. Употребление витаминов, фитопрепаратов и биологически активных добавок стало потребностью современного человека, частью его потребительского поведения.
Еще одним важным фактором усиления внимания у данной проблеме является доверие к препаратам и фармкомпаниям. В этой связи становится актуальным измерение и включение этого фактора в модель прогноза спроса.
Рассмотрение особенностей моделей описания состояния спроса и его прогноза, с учетом состояния рынка безрецептурных препаратов, а также факторов влияющих на их спрос, делает необходимым разработку многофакторной модели: 1) для исследования факторов спроса; 2) моделирования его в будущем.
Выводы. Проведенное автором исследование позволяет заключить, что происходящие изменения на безрецептурном рынке находят отражение и в трендах потребительского использования, и в стандартах потребления, и в стиле жизни.
Объективно сложилась ситуация высококонкурентного рынка в условиях нескольких рынков — продовольственного и аптечного ритейла. В данном случае можно говорить и об особо важном вопросе — регулировании этих рынков. Так как государственное регулирование торговли охватывает законодательные аспекты обращения безрецептурных препаратов, то имеет смысл говорить об экономическом регулировании этих рынков. Нельзя не заметить и явные процессы горизонтальной интеграции дистрибьюторов ритейла этих двух рынков. Автор считает необходимым изучение регулирования взаимоотношений между субъектами рынков и, в первую очередь, на основе моделирования спроса, что может оказать влияние на построение новых бизнес-моделей в ритейле. Поскольку речь идет об уникальных социально значимых товарах, то необходимо решать проблему изучения спроса на такие товары и формировать модели, описывающие его состояние и прогноз на будущие периоды в условиях процессов развития рынков. Также это затрагивает вопросы социальной ответственности субъектов ритейла в направлении решения социальной проблемы выбора и обеспечения населения безрецептурными препаратами.
Таким образом, следует подчеркнуть, что структура конкурентного рынка может изменяться, поэтому один из способов сохранить потребителей в динамично изменяющихся условиях — постоянное изучение причин и факторов спроса на безрецептурные препараты, в частности Бады и витамины, и его моделирование на основе математических моделей в продуктовом и аптечном ритейле. |
| |
|
|
