Файл: Конкурентные стратегии фирм на внутреннем и/или мировом рынках ( Изменение поведения потребителей под влиянием социально-экономической и культурной ситуации ).pdf

Где «???» - отсутствие данных на искомом ресурсе;

В строке 19 значение взято с сайта Afisha [28], в строке 34 – с сайта The Village [30].

Если данные по средним чекам содержались на обоих ресурсах, то между ними в итоговом столбце сводилось среднее арифметическое. По большинству заведений получилось найти эти данные.

Сам процесс сбора информации по большинству переменных был проведен на основе наблюдения и опросов. В течение нескольких дней в будни (преимущественно во второй половине дня; при проведении наблюдения и опросов не рассматривалось время бизнес-ланчей, т.к. там отличная посещаемость, бралось время после их окончания) проводился опрос посетителей в кафе и на выходе из них по соответствующим вопросам, а также в самих кафе проводилось наблюдение параметров, указанных в соответствующей таблице выше (табл. 2).. Было собрано 393 мнения по 51 заведению. По 31 из них удалось провести наблюдение, в результате чего была получена база данных, состоящая из 321 измерения по 31 заведению по всем 10 переменным, приведенным выше (табл. 2). Работа по подготовке и сбору материала заняла порядка 35 человеко-часов.

2.3. Структура конкурентоспособности предприятий фастфуда

Структура конкурентоспособности, как результат исследуемой модели, представляет из себя перечень основных факторов, оказывающих влияние на конкурентоспособность организаций в сфере фастфуда, вместе с их удельными весами, показывающими степень их важности.

Для нахождения данной структуры изначально использовался такой инструмент статистического анализа как корреляционная матрица. В результате данные получились достаточно разные с точки зрения значимости корреляций:

Рис. 1. Корреляционный анализ (корреляционная матрица) по сводным данным

Рис. 2. Корреляционный анализ (корреляционная матрица) по изначальным данным

С нашей точки зрения, важнейшей причиной этого стало то, что изначальные данные содержат большее или равное количество измерений каждого параметра, т.к. при агрегировании количество сравниваемых данных на порядок меньше, что может привести к менее точному значению корреляции. В результате было принято решение использовать для построения модели конкурентоспособности фирм методом линейной регрессии неагрегированные данные. При проведении корреляционного анализа на исходных данных были определены следующие значимые корреляции [Рис. 2]:

• Наблюдалась заметная положительная корреляция между оценочной выручкой, с одной стороны, и средним чеком, а также посещаемостью, с другой. Данная корреляция является очевидной, поскольку выручка является их произведением;
• Наблюдалась умеренная положительная корреляция между оценочной выручкой, с одной стороны, и широтой ассортимента и дополнительными услугами, с другой. Это, с нашей точки зрения, является логичным, но не вполне очевидным выводом;
• Наблюдалась умеренная отрицательная корреляция между количеством посетителей и средним чеком (по очевидным причинам – чем выше цена, тем ниже величина спроса), средним временем заказа (также логично – чем быстрее готовится заказ, тем выше клиентопоток);
• Наблюдалась также умеренная положительная корреляция между количеством посетителей и оценкой органолептических свойств продукции, а также оценкой привлекательности внешнего вида продукции (посетителей тем больше, чем вкуснее и красивее они воспринимают подаваемые им или, скорее, другим посетителям блюда);
• В отношении среднего чека наблюдалась заметная положительная корреляция со средним временем приготовления и наличием дополнительных услуг;
• При этом также умеренная положительная корреляция наблюдалась между средним чеком в организации и широтой ассортимента (данный вывод можно отнести всё же к неочевидным, поскольку не всегда увеличение ассортимента организации приводит к увеличению среднего чека).

Однако данного анализа определенно недостаточно, чтобы определить структуру конкурентоспособности, он является лишь вспомогательным для построения регрессии. Описываемые далее расчеты были проведены в специализированной программе RStudio и моделировались автоматически на основании указанной рабочей выборки и задаваемых переменных. Стоит также отметить важную деталь для данного исследования: расчеты проводились как для оригинальных переменных, так и для стандартизированных [Рис. 3 и Рис. 4 соответственно].

Рис 3. Пример итоговой модели конкурентоспособности с использованием нестандартизованных переменных

Рис. 4. Расчеты в RStudio по итоговой модели конкурентоспособности

Поскольку статически они имеют идентичные уровни значимости, то именно оперирование стандартизованными переменными (получается как отношение разницы значения и среднего на стандартное отклонение) в конечных моделях позволяло выявлять структуру конкурентоспособности, поскольку именно использование стандартизированных переменных позволяет сделать их сравнимыми между собой.

Безусловно, изначально стоит обратиться к процессу определения модели конкурентоспособности. Изначально была создана модель, основанная на включение в модель всех значимых с точки зрения корреляционной матрицы регрессоров [Рис. 5].

Рис. 5. Первичная модель структуры конкурентоспособности с использованием всех значимо коррелирующих регрессоров

Её результатом послужил тот факт, что статистически малозначимым фактором для уровня надежности в 95% был «среднее время выполнения заказа». При этом фактор «Наличие дополнительных услуг» был на грани, в результате чего было решено посчитать модель с 4-мя регрессорами. Однако данное моделирование [Рис. 6] подтверждает тот факт, что «Наличие дополнительных услуг» всё же не попадает в 95% интервал надежности.

Рис. 6. Вторичная модель структуры конкурентоспособности

Таким образом, можно вывести итоговую модель структуры конкурентоспособности [Рис. 4], из которой мы можем определить, что на конкурентоспособность на данном рынке оказывают значимое влияние «Средний чек», «Посещаемость» и «Широта ассортимента». Теперь, благодаря тому, что модель функционирует в стандартизированных переменных, мы можем сравнить коэффициенты при регрессорах и определить их долю в объяснении конкурентоспособности фирм путём вычисления отношения модуля значения коэффициента при переменной к сумме подобных модулей [Табл. 3].

Таблица 3. Структура конкурентоспособности

Как можно наблюдать, роль среднего чека составляет 49%, посещаемости – 44%, а широты ассортимента – 7%. Однако, можно также рассчитать диапазон значений коэффициентов и, следовательно, долей.

Рис. 7. Доверительные интервалы коэффициентов при определении структуры конкурентоспособности, среднего чека и посещаемости

Таблица 4. Расчёт колебаний структуры конкурентоспособности в рамках доверительного интервала

Исходя из симуляции [Рис. 7] и расчетов [Табл. 5] можно утверждать, что на заданном нами доверительном интервале в 95% колебания роль среднего чека составляет 46%-52%, посещаемости – 41%-47%, а широты ассортимента – 5%-9%. Как можно видеть, в рамках данной модели на 91%-95% на конкурентоспособность влияют два фактора – средний чек и посещаемость, – произведением которых и является выручка, которую в данной работе воспринимали как показатель, отражающий конкурентоспособность организаций. Поэтому будет также показательно произвести аналогичный регрессионный анализ по выявлению структуры данных переменных.

В рамках данного анализа, стоит отметить, не будет рассматриваться переменная выручки, являющаяся их производной, т.к. это не будет нести практического смысла. Аналогично предыдущим итерациям [Табл. 4 и 5] были проведены расчеты, показывающие, что структура среднего чека представляется как [Рис. 8]: «наличие дополнительных услуг» – 30,5% (18%-49%), «посещаемость» – 28,5% (16%-46%), «среднее время выполнения заказа» – 23% (12%-40%), широта ассортимента – 18% (7%-34%); а структура посещаемости [Рис. 9]: «средний чек» – 34% (17%-66%), «широта ассортимента» – 26% (11%-55%), «привлекательность внешнего вида продукции» – 15% (4%-38%), «среднее время выполнения заказа» – 15% (2%-38%), «органолептические свойства продукции» – 10% (0%-31%).

Рис. 8. Расчеты в RStudio по итоговой модели посещаемости

Рис. 9. Расчеты в RStudio по итоговой модели среднего чека

В довершении, хотелось бы отметить ключевые выводы из полученных результатов работы (на основании проведенных корреляционного и регрессионного анализов):

• На конкурентоспособность организаций на рынке общественного питания ул. Большая Покровская г. Нижний Новгород оказывают влияние три ключевых аспекта – величина среднего чека, посещаемость заведения и широта ассортимента.
• Широта ассортимента оказывает значимое положительное влияние как на средний чек (т.е. заведение, тем самым, может увеличить свою выручку с одного клиента, расширив перечень предлагаемых блюд, при этом не увеличивая уровень цен), так и на посещаемость заведения (ведь чем больше выбор у клиента, тем выше вероятность, что он зайдёт в то или иное заведение).
• Изменение времени среднего выполнения заказа как в большую сторону (с целью увеличения качества/эксклюзивности блюд), так и в сторону снижения (с целью снижения времени ожидания клиента) не оказывает значимого влияния на повышение конкурентоспособности предприятия. Причина состоит в том, что эта характеристика будет соответственно влиять на увеличение либо среднего чека, либо посещаемости, но при этом будет оказывать аналогичный обратный эффект на другую переменную.
• Также стоит отметить, что наличие дополнительных услуг в заведении может привести к значимому увеличению среднего чека, при этом не приводя к снижению клиентопотока.
• Интересным фактом является то, что люди воспринимают продукцию тем полезнее, чем выше они оценивают её вкусовые свойства и внешний вид, которые, в свою очередь, оказывают позитивное влияние на клиентопоток.