Современные методы получения первичной информации связаны с использованием компьютерных технологий и математического моделирования.
Имитация (имитационное моделирование) представляет собой математическую, графическую или иную модель контролируемых и неконтролируемых факторов, определяющих стратегию и тактику предприятия.
Имитационное моделирование - это метод, позволяющий строить модель, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.
Имитационное моделирование - это метод исследования, при котором изучаемая система заменяется моделью с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация - это постижение сути явления, не прибегая к экспериментам на реальном объекте).
Имитационное моделирование - это частный случай математического моделирования. Существует класс объектов, для которых по различным причинам не разработаны аналитические модели, либо не разработаны методы решения полученной модели. В этом случае математическая модель заменяется имитатором или имитационной моделью.
Статистическое имитационное моделирование, позволяющее воспроизводить на ЭВМ функционирование сложных случайных процессов. При исследовании сложных систем, подверженных случайным возмущениям используются вероятностные аналитические модели и вероятностные имитационные модели. В вероятностных аналитических моделях влияние случайных факторов учитывается с помощью задания вероятностных характеристик случайных процессов (законы распределения вероятностей, спектральные плотности или корреляционные функции). При этом построение вероятностных аналитических моделей представляет собой сложную вычислительную задачу. Поэтому вероятностное аналитическое моделирование используют для изучения сравнительно простых систем. Подмечено, что введение случайных возмущений в имитационные модели не вносит принципиальных усложнений, поэтому исследование сложных случайных процессов проводится в настоящее время, как правило, на имитационных моделях.
В вероятностном имитационном моделировании оперируют не с характеристиками случайных процессов, а с конкретными случайными числовыми значениями параметров ПС. При этом результаты, полученные при воспроизведении на имитационной модели рассматриваемого процесса, являются случайными реализациями. Поэтому для нахождения объективных и устойчивых характеристик процесса требуется его многократное воспроизведение, с последующей статистической обработкой полученных данных. Именно поэтому исследование сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационного моделирования принято называть статистическим моделированием.
Статистическая модель случайного процесса - это алгоритм, с помощью которого имитируют работу сложной системы, подверженной случайным возмущениям; имитируют взаимодействие элементов системы, носящих вероятностный характер.
При реализации на ЭВМ статистического имитационного моделирования возникает задача получения на ЭВМ случайных числовых последовательностей с заданными вероятностными характеристиками. Численный метод, решающий задачу генерирования последовательности случайных чисел с заданными законами распределения, получил название «метод статистических испытаний» или «метод Монте-Карло».
Так как метод Монте-Карло кроме статистического моделирования имеет приложение к ряду численных методов (взятие интегралов, решение уравнений), то целесообразно иметь различные термины.
Итак, статистическое моделирование - это способ изучения сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационных моделей.
Метод Монте-Карло - это численный метод, моделирующий на ЭВМ псевдослучайные числовые последовательности с заданными вероятностными характеристиками.
Методика статистического моделирования состоит из следующих этапов[14]:
1. Моделирование на ЭВМ псевдослучайных последовательностей с заданной корреляцией и законом распределения вероятностей (метод Монте-Карло), имитирующих на ЭВМ случайные значения параметров при каждом испытании;
2. Преобразование полученных числовых последовательностей на имитационных математических моделях.
3. Статистическая обработка результатов моделирования.
Имитационное моделирование позволяет всесторонне изучить множество факторов, определяющих стратегию маркетинга. Подготовительные мероприятия по проведению имитации состоит в разработке модели функционирования объекта и проверке ее адекватности.
Наиболее широко моделирование применяется для изучения покупательского поведения. Наиболее известными моделями покупательского поведения являются вероятностные (стохастические), линейно-экспериментальные, модели переработки информации.
Вероятностные модели основываются на предположении, что предыдущие, и особенно последняя, покупки определяют будущее поведение потребителя на рынке. Эти модели используются при прогнозировании спроса на новые товары, для определения лояльности к маркам товаров.
Линейно-экспериментальные модели обычно носят описательный характер и применяются для моделирования потенциального спроса на товары, выявления тенденций покупательского поведения в отношении конкретных товаров и др.
Достоинство имитации заключается в возможности оперативного анализа множества вариантов маркетинговых действий и выбора на этой основе наилучшего.
Недостаток имитации состоят в сложности и трудоемкости создания модели, требующей глубокого изучения и формализации причинно-следственных связей между факторами маркетинга, его внешней среды и факторами, определяющими покупательское поведение.
Пробный маркетинг подразумевает изучение того, как изменение параметров торгового предложения влияет на показатели продаж. Следует выделить два вида такого рода исследований в маркетинге.
Конкретные решения по выбору видов, методов и технологий проведения маркетинговых исследований принимаются исходя из специфики стоящих перед предприятием проблем. Практически невозможно провести результативное исследование по готовому шаблону на заказ. Каждый раз это будет абсолютно новый, индивидуальный подход, персональную ответственность за эффективность которого несет перед руководством предприятия работающий там маркетолог.
В любом случае в результате внедрения полученных результатов должен быть получен реальный экономический эффект, который и будет мерилом результативности проведенного исследования. Поэтому, несмотря на обилие в России маркетинговых агентств, обладание сотрудниками навыками самостоятельного проведения маркетинговых исследований имеет непреходящее значение для любого предприятия.