Диссертация (1138018), страница 16
Текст из файла (страница 16)
Проблемнымиокажутся, так называемые, «темные зоны». «Темные зоны» – это такие зонынеопределенности, где компания не может быть отнесена ни к одному изсформированных кластеров. В этом направлении еще предстоит работать дляизучения зон неопределенности и предложения схемы действия для компаний.В этом параграфе составлены профили кластеров. В основу определенияинтенсивности использования типов МП использованы результаты факторногоанализа (глава 3 параграф 1). В данном исследовании факторный анализпроводится на выборке СМР-СПАРК, а также проводится типологизация МПвыборки СМР-СПАРК для последующего попарного сравнения кластеров покритериюфинансовыхпоказателей.Результатыфакторногоанализаскорректировали критерии для типов МП на выборке, что позволило составитьболее точное представление о маркетинговой среде в России.
Впервыеиспользован метод проверки устойчивости кластерного анализа с помощьюдиаграмм Вороного и количества верно классифицированных компаний. Анализустойчивости позволяет судить о надежности использования результатовкластерного анализа для дальнейшего анализа данных. В случае если решениеметодом кластерного анализа оказалось неустойчивым, то дальнейшее выявлениевзаимосвязи не должно основываться на результатах кластерного анализа. Длявыявления взаимосвязей с финансовыми показателями автор также предложилметод машинного обучения, позволяющий выявить связь с финансовымипоказателями. Данные результаты позволяют заглянуть еще глубже и рассмотретьфинансовое положение компаний внутри кластеров в случае попарногосравнения, а также проанализировать общую взаимосвязь между типами МП и95финансовым положением компаний, не используя кластерный анализ.
Последнийэтап осуществляется впервые в рамках исследований СМР, а также впервые прианализе взаимосвязи МП и финансовых результатов компании.3.3 Выявление взаимосвязи МП и финансовых результатов деятельностикомпаний в РоссииАнализ взаимосвязи МП и финансовых показателей состоит из двух этапов.Первый этап: исследование методом попарного сравнения кластеров попоказателям:выручка,чистаяприбыльипоказателирентабельности(рентабельность реализации и рентабельность инвестиций) за период 2008-2012гг. Второй этап: исследование взаимосвязи МП и темпа прироста чистой прибылиметодом машинного обучения KNN (2011-2012 гг.).3.3.1 Результаты попарного сравнения кластеров по финансовымпоказателям: выручка, чистая прибыль, ROS, ROIС помощью статистики хи-квадрат каждый показатель проверялся назначимостьмежкластерныхразличий.Оказалось,чтоиндексыдолжнойосмотрительности, финансового риска и платежной дисциплины незначиморазличаются.
Следовательно, нельзя утверждать, что компании, попавшие вопределенныйкластер,наиболеерискованны(либонаоборот,наиболееблагоприятны) для инвестиций. Лишь два показателя по кластерам значимоотличаются: это выручка за 2007 г. и рентабельность реализации за 2009 г.,поэтому было принято решение сравнивать кластеры попарно (Приложение Г).Полученные кластеры в соответствии с методологией исследования СМРносят уникальный характер. Выделяется специфика формирующихся рынков ироссийская специфика.
Специфика формирующихся рынков проявляется в96«интерактивном» кластере (такой кластер характерен только для формирующихсярынков, например, в странах: Аргентине, Бразилии, России), где маркетингстроится на основе персонифицированных отношений с клиентами, а компания уклиентовассоциируетсясконкретнымлицом.Отличительнойчертойисследования в России среди других исследований СМР является кластер «гибриднизкоактивный», состоящий из максимального количества российских компаний,представляющихотрасликонсалтинга,промышленностиивсесельскохозяйственные компании выборки. Можно сделать вывод, что российскаяспецифика заключается не только в личностном построении маркетинга, когдакомпания у клиентов ассоциируется с конкретным человеком, выстраивающимотношения с ними и курирующим всё взаимодействие с клиентом.
Сегоднякомпании стремятся развивать интернет-технологии. С помощью интернеттехнологий и информации, полученной от ответственного лица, контактирующеголично с клиентом, компания собирает информацию о клиенте для клиентскойбазы и обрабатывает её. В данном случае, деятельность с обработкой клиентскойбазы, а также переход на взаимодействие с клиентами посредством интернеттехнологий, скорее свидетельствует о расширении географии российскихкомпании, поскольку не всегда менеджер, ответственный за клиента может лично(face-to-face) контактировать с клиентом.Остальныетрикластерасоответствуютрезультатампредыдущегоисследования [Третьяк, Ребязина, Ветрова, 2015].
Технологический кластер икластер «гибрид высокоактивный» (иногда первый называли отношенческимкластером, а второй – продвинутым отношенческим) включают максимальноеколичествокомпанийсиностраннымкапиталом.Указанныекластерыдемонстрируют интенсивное использование в первом случае интернет-технологийпривзаимодействиисклиентами,вовтором–всехсуществующихмаркетинговых практик. Компании с низкой маркетинговой активностью порезультатам исследования оказались ориентированы только на конечныхпотребителей. Они проводят ограниченное число маркетинговых мероприятий,возможно, стихийно и не на регулярной основе.97Сравнивая результаты данного исследования с результатами предыдущихисследований в России [Wagner, 2005], следует отметить новый технологическийкластер.
До настоящего исследования компании слабо пользовались интернеттехнологиями для взаимодействия с потребителями, однако, на сегодняшниймомент произошел ряд изменений: во-первых, выход на российский рынок новыхиностранныхкомпаний,большаячастькоторыхпопалиименновтехнологический кластер. Во-вторых, увеличение зоны охвата Интернета в РФпозволяет компаниям расширить свое присутствие на рынке; в-третьих, посравнению с традиционными каналами продвижения Интернет является менеезатратным. На результаты настоящего исследования повлияло такое ограничение,как наличие компании в базе данных «СПАРК» и наличие информации офинансовой отчетности компании.
Таким образом, данное исследованиеподтверждает результаты, полученные на формирующихся рынках, а также болеедетально раскрывает российскую специфику и особенности МП.Показатели чистой прибыли и выручки компаний кластера «гибридвысокоактивный» в основном превышают финансовые показатели в остальныхкластерах. Особенно сильно различаются финансовые результаты кластера«гибрид высокоактивный» и компаний кластера «низкой маркетинговойактивности». Так показатели рентабельности кластера «низкой маркетинговойактивности» превышают такие же показатели других кластеров.
Показатели вабсолютном выражении демонстрируют лучшие результаты кластера «гибридвысокоактивный». Такие результаты можно объяснить тем, что именнопоказатели рентабельности отражают эффективность инвестиций, посколькукомпании с низкой маркетинговой активностью в большинстве своем неинвестируют в маркетинг либо инвестируют не на регулярной основе, а затратына маркетинг обладают отложенным эффектом, поэтому рентабельность такихкомпаний может достигать более высоких показателей. Следовательно, на этомэтапе исследования можно сделать вывод о том, что компании кластера «гибридвысокоактивный» финансово более или в равной степени успешны, чем компанииостальных четырех кластеров. Результаты исследования в России не противоречат98результатам, полученным ранее в рамках международного исследования СМР.Следующийэтаписследованиязаключаетсяввыявлениисамойвзаимосвязи между МП и финансовыми показателями.3.3.2 Анализ взаимосвязи типов МП и темпа прироста чистой прибыликомпаний методом машинного обученияМетод, который автор использует для выявления взаимосвязи, являетсяметодом машинного обучения и относится к алгоритмам классификации – методk ближайших соседей (KNN).
Автор предполагает, что компании одногофинансового уровня как успешные компании, так и неуспешные, склонныиспользовать одинаковые наборы типов МП в своей деятельности.Графический анализ данных позволяет сделать первые выводы окорреляции типов МП, а также наглядно демонстрирует распределенияиспользования типов МП финансово неуспешными (рисунок 14) и финансовоуспешными (рисунок 15) компаниями (сравнительное представление всехчетырех групп компаний одновременно на графике представлено в ПриложенииД).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
