Как занять максимальную долю рынка с продуктом, которого еще не существует

FMCG производитель запланировал выпуск новых снеков на премиальный рынок. Наша задача была определить самое лучшее сочетание дизайна упаковки и цены, чтобы завоевать максимально возможную долю рынка при текущей конкурентной среде.

Стандартный метод опроса/фокус групп не походил, так как в таких условиях результаты могли бы получиться слишком далекими от реальности. С помощью него мы бы не смогли понять реальное восприятие продукта потребителем “на полке”, когда вокруг представлены конкуренты.

В то же время мы не могли и запустить реальный эксперимент в торговой сети: небольшие тестовые партии были бы очень дорогостоящим в плане затрат на производство, дистрибуцию и непосредственно доступ в сеть.

Мы выбрали следующую методологию - Conjoint analysis (совместный анализ).

Важно, что покупатель рассматривает товар в целом, что приближает нас к ситуации реального выбора в магазине, а на выходе мы имеем обособленные оценки полезности свойств, что позволяет нам как из конструктора собрать продукт с наилучшим сочетанием характеристик.

Шаг 1. Мы создали набор прототипов продуктов, в котором были скомбинированы всевозможные варианты дизайна упаковки и цены нового продукта. Так как вариантов цен было 6, и дизайнов было 6, то общее число возможных комбинаций = 36 прототипов.

Шаг 2. Дальше нужно показать по 3 возможных прототипа потенциальному покупателю и попросить его выбрать тот, который бы он купил. Чтобы перебрать все варианты потребовалось бы задать этот вопрос 7140 раз! (это число сочетаний из 36 возможных прототипов по 3, формула из комбинаторики). Очевидно, это нереалистичный сценарий :)

Важно отметить, что conjoint analysis предполагает возможность математически обоснованно сократить общее число таких возможных прототипов и вопросов без потери точности расчетов. То есть имея на выходе не 36 прототипов и 7140 вопросов, а в десятки раз меньше, мы все равно можем оценить, какую “полезность” для покупателя несет каждое значение характеристики продукта (в нашем случае, как он воспринимает каждый рассматриваемый уровень цены, дизайн упаковки и их сочетание). Так, в нашем случае удалось сократить число прототипов до 14, а число вопросов - до 15!

Шаг 3. Мы предоставили нашей целевой аудитории (в нашем исследовании было 200 респондентов) реальные продукты наших конкурентов и прототип нашего продукта и попросили их выбрать. Это было максимальное приближение к реальным условиям, как будто потребитель идет за покупками.

Мы выявили, как каждая характеристика продукта (в нашем случае каждый вариант цены и упаковки), а также их сочетания влияют на потребительский спрос. Сделали вывод для нашего заказчика, какая комбинация из всевозможных характеристик будет максимально выигрывать при рыночных условиях.

На основе этих данных мы смогли построить функции спроса для продуктов конкурентов и будущего продукта нашего заказчика (рис. 1), а также получили текущую структуру рыночного спроса (рис. 2) (хотя, напоминаем, продукта еще не существовало в природе!).

Мы также определили возможный уровень цен для будущего продукта нашего клиента и проанализировали чувствительность продуктов по цене (рис. 3).

Также мы рассчитали эластичность спроса (рис. 4)

Можем сказать, что conjoint analysis позволил нашему клиенту выходить на рынок с продуктом не вслепую и без дорогостоящих экспериментов в сетях. Пока сложно судить о точности в прогнозе долей рынка, но установленные планы по продажам оказались адекватными и выполняются.

Такой подход может применяться и в случае более многокритериальных решений, например, у нас был опыт применения conjoint analysis в сфере разработки айти, где клиента интересовала не столько доля рынка, а скорее наиболее удачная комбинация свойств интерфейса и функционала для максимизации положительного пользовательского опыта.