Анализ и интерпретация полученных результатов

На следующем этапе исследования является линейный регрессионный анализ. В качестве зависимых переменных были взяты изменения числа пользователей по уровням. В качестве независимых переменных выступали ответы экспертов и учеников на вопросы новичков и учеников по 12 архетипическим категориям, определяющим характерные черты потребления (комплекс задач и мотивов).

Таким образом, был проведен линейный регрессионный анализ с целью выявления зависимости перехода (накопления знания) на новый когнитивный уровень пользователей форума от количества ответов по каждой архетипической тематике. Другими словами, автор поставил перед собой задачу определить, какие архетипические паттерны для каждого уровня наиболее актуальны, по которым нужно давать максимальное количество ответов, для того, чтобы пользователь переходил с одного когнитивного уровня на другой.

С целью проведения регрессионного анализа стоит обратить внимание на следующее:

• ? Экономическая ситуация однородна и стационарна
• ? Объект исследования — количество ответов для 2 уровней пользователей (новички, ученики). Категория экспертов не участвует в анализе, потому что она является наивысшей.

По причине того, что проводится анализ 2 уровней пользователей, было построено 2 регрессионных модели.

Формирование регрессионной модели экспертных ответов на когнитивный уровень учебной категории пользователей и ее интерпретация На основе проведенного регрессионного анализа в программе IBM SPSS Statistics по переменной Y_LG_YEAR (прирост учеников в каждом году) были полученные данные, на основании которых, были посчитаны следующие показатели.

• ? B — наиболее важный показатель, используемый для построения регрессионной модели (регрессионного уравнения);
• ? Стандартная ошибка — мера того, насколько могут отклоняться значения переменных
• ? Бета — стандартизированный коэффициент регрессии, показывающий относительную значимость независимых переменных, включенных в регрессионную модель (насколько сильно влияют исследуемые факторы);
• ? Значимость коэффициента в регрессионной модели (Sign.). Должен быть меньше или равен 0,05;
• ? Значимость

На основание приведенных выше коэффициентов стоит обратить внимание на коэффициент значимости по каждой переменной. Высокое значение данного коэффициента, а именно, превышающее 0,1, говорит о слабой значимости соответствующего регрессора в регрессионной модели. Для построения эффективной модели регрессии, переменные с меньшим показателем будут исключаться. Таким образом, были исключены следующие регрессоры: O_EXP_A1₃, O_EXP_A4₁, O_EXP_A6₁, O_EXP_A12₁, O_EXP_A12₂.

В ходе данного исследования после исключения регрессоров с низким показателем коэффициента значимости (не превышает 0,1), что привело нас к составлению релевантной таблицы переменных для общей регрессионной модели.

Однако, тем не менее, необходимым является проведение третьего этапа данного регрессионного анализа, а именно, исключение предиктора на основе мультиколлинеарности при помощи корреляционного анализа используя корреляционную матрицу. Для того, чтобы проверить правильность исключенного предиката, необходимо ориентироваться на коэффициент детерминации. Проведя подсчеты в программе IBM SPSS Statistics, был получен коэффициент детерминации:. Значение коэффициента детерминации говорит о том, что данная модель описывает 88,6% случаев, что являет очень высоким показателем. Исключение ненужного регрессора повысит эффективность модели без изменений детерминации.

Методика исключения регрессора на основе корреляционного анализа состоит из двух шагов:

• 1. Определить наибольший по модулю коэффициент корреляции между независимыми переменными.
• 2. Выбрать из двух регрессоров, коррелирующих между собой, тот, который имеет наименьший по модулю коэффициент корреляции с зависимой переменой, в данном случае с переменной Y_LG_YEAR.

Данная методика позволит устранить тот регрессор, который, во-первых, значительно коррелирует с другим, а, во-вторых, имеет наименьшее (из данных двух регрессоров) влияние на зависимую переменную, а именно, на Y_LG_YEAR, на частоту потребления зеленого чая.

Таким образом, основываясь на данной методике был выбран наибольший коэффициент корреляции между O_EXP_A2₂ и О_EXP_A10₁:, где — коэффициент корреляции между O_EXP_A2₂ (оценка актуальности потребления чая средней категории для получения удовольствия) и О_EXP_A10₁ (оценка актуальности технологии заварки обычных чаев).

Сравнивая по модулю значения коэффициентов корреляции, было установлено, что следует исключить регрессор О_EXP_A10₁, так как коэффициент корреляции между О_EXP_A10₁ и Y_LG_YEAR меньше, чем между O_EXP_A2₂ и Y_LG_YEAR.

Следующим шагом будет являться построение итоговой регрессионной модели на основе рассчитанных коэффициентов с учетом предыдущих действий по оптимизации модели. Таким образов, таблица коэффициентов регрессионной модели получила окончательный вид.

Таким образом, полная регрессионная модель описывается формулой (1):

(1).

где O_EXP_A2₂, O_EXP_A6₂, O_EXP_A8₂, O_EXP_A9₃, O_EXP_A10₂, O_EXP_A11₂ — переменные, описывающие наиболее актуальные архетипические темы для учеников.

Повторная проверка степени детерминации, которая показывает, насколько хорошо данная модель описывает ситуацию, показала, что R — Square (коэффициент детерминации) равен 0, 868 (86,8%), что не сильно отличается от предыдущего полученного результата. Это значит, что исключение предиката оказалось верным (не повлияло на детерминацию) и модель с большой точностью описывает ситуацию.

Таким образом, можно сделать следующие выводы:

• — выявленный набор факторов определяет зависимость количества ответов экспертов по определенным кластерным темам, что способствует росту числа учеников (переходу на новый когнитивный уровень);
• — к таким факторам относятся сферы деятельности № 2, № 6, № 9 (3 уровня ответы), № 10 и № 11, что в полном объеме описывает характерные черты пребывающих в когнитивном эфире пользователей.

Формирование регрессионной модели экспертных ответов на когнитивный уровень начинающих и ее интерпретация Используя аналогичную методику, был проведен регрессионный анализ воздействия экспертных оценок на когнитивное «притяжение» пользователей начального уровня. Таким образом, была составлена регрессионная модель с полученными коэффициентами.

В первую очередь, при анализе необходимо исключить переменный с низким коэффициентом значимости (меньше 0,1), что означает, что данные предикторы наименее значимы для модели. Такими являются: O_EXP_A1₂, O_EXP_A8₂, O_EXP_A9₃, O_EXP_A10₂, O_EXP_A11₂, O_EXP_A12₁, O_EXP_A12₂.

Следующим этапом анализа является построение повторной модели переменных, с учетом выявленных малозначимых регрессоров.

Таким образом была сформирована таблица значимых регрессоров. Коэффициент детерминации (R-Square) имеет значение 0,897, что является очень высоким результатом. Это свидетельствует о том, что модель отлично аппроксимирует исходные данные.

Далее следует определить мультиколлинеарность между оставшимися в модели регрессорами, для чего была составлена матрица корреляции.

Выявлена пара регрессоров с наибольшим коэффициентом корреляции, а именно: O_EXP_A5₁ и O_EXP_A5₂ (оценка актуальности сферы шоу — развлекательного потребления чая, публичные демонстрации приготовления чая — 2). Определение корреляции между зависимыми и независимыми регрессорами показало, что существует более сильная взаимозависимость между O_EXP_A5₂ и Y_BEG_YEAR, и слабее между O_EXP_A5₁ и Y_BEG_YEAR.

Заключительным этапом является составление итоговой регрессионной модели с целью дальнейшего изучения данной ситуации.

Таким образом автор получил следующую регрессионную модель, которая вид, представленный в формуле (2).

(2).

где O_EXP_A2₁, O_EXP_A2₂, O_EXP_A5₂, O_EXP_A6₁, O_EXP_A6₂, O_EXP_A10₁ — сумма оценок актуальности задач внутри определенной потребительской сферы деятельности.

Что касается коэффициента детерминации, то в данном случае он равен 0,889 (R2=0,889), что незначительно отличается от первичного коэффициента детерминации, рассчитанного до исключения регрессора при помощи показателя мультиколлинеарности. Это значит, что исключение предиката оказалось верным (не повлияло на детерминацию) и модель с большой точностью описывает ситуацию.

Таким образом, автор можно сделать следующие выводы:

• — выявленный набор факторов определяет зависимость количества ответов экспертов по определенным кластерным темам, что способствует росту числа новичков (переходу на новый когнитивный уровень);
• — к таким факторам относятся сферы деятельности № 2, № 5, № 6, № 8, № 9, № 10 и № 11, что в полном объеме описывает характерные черты пребывающих в когнитивном эфире пользователей именно этого уровня. Стоит заметить, что когнитивная эскалация по уровням у новичков проявляется в их вопросах 1 и 2 уровней, т. е. стремление к избеганию поверхностного изучения чайной науки через общение (создание стимулов для экспертов и учеников) с более высокими по «уровню» образования пользователями.

Формирование регрессионной модели влияния ответов и вопросов пользователей на когнитивное притяжение новых посетителей и ее интерпретация Увеличение осведомленности о бренде, рост лояльности клиентов для магазина взаимосвязана с количеством визитов покупателей в трейд — пойнт (если это интернет магазин — форум, социальная сеть). Первостепенной задачей маркетолога (менеджера по рекламе, по SMM, SEO) увеличение трафика посещений ресурса, т. е. просмотра той или иной информации о чае на информационном портале компании. Посетители, которые только в первый раз зашли на сайт или изредка его посещают, являются первым уровнем пользователей (потребителей). Автор предлагает возможную корреляционная модель, которая объясняет общий механизм когнитивного притяжения «смотрящих» на портал.

У человека возникает задача (достижение какой-то цели), решение которой он ищет на форуме, в социальной сети, или на сайте, который выдает поисковик. Попадая в сообщество (трайб), индивид начинает изучать материал, который может помочь ему достичь поставленную цель (не обязательно потребительскую). При этом он ориентируется на вопросы других пользователей, большинство из которых новички и небольшое количество учеников. Данные вопросы стимулируют когнитивную активность экспертов — ответы на вопросы. Таким образом, новые посетителя сайта реагируют на вопросы новичков и ответы учеников и экспертов, с увеличением которых растет их собственная мотивация в развитии в данной сфере. Наиболее близкой для новых посетителей группой пользователей является уровень новичков, когнитивная активность которых напрямую влияет на усиление заинтересованности первых. Таким образом, необходимо определить какие кластерные группы вопросов и ответов на всех 3 уровнях наиболее сильно влияют на привлечение новых посетителей.

Автором был проведен регрессионный анализ следующих блоков независимых переменных: ответы экспертов (O_EXP), ответы учеников (O_LG), вопросы новичков (V_BEG). Зависимой переменной выступает количественно изменение просмотров по годам (Y_LOOK_YEAR). В результате анализа была получена следующая матрица значений.

Такая большая выборка переменных объясняется тем, что на количество просмотров влияет большинство регрессоров. В совокупности они создают силовое когнитивное поле, (подобно магнитному), которое притягивает новых посетителей на форум. Особенно большие коэффициенты наблюдаются у следующих кластерных групп: мнений экспертов — O_EXP_A2₂ (сфера гурманский задач), O_EXP_A5₁ (сфера шоу-развлекательных задач); мнение учеников O_LG_A5₁, такая же сфера деятельности; ответы учеников — V_BEG_A2₁, V_BEG_A2₂ (сфера гурманский задач), V_BEG_A6₁ (сфера оздоровительных задач).

Следующим этапом анализа является исключение предикатов, имеющих низкий показатель значимости (меньше 0,1). Данная процедура проводится для того, что модель лучше описывали данную ситуацию. Таким образом, были убраны из таблицы следующие переменные: ответы экспертов (O_EXP_A2₂, O_EXP_A5₂, O_EXP_A6₂, O_EXP_A8₂, O_EXP_A10₂, O_EXP_A11₂, O_EXP_A12₁, O_EXP_A12₂); Ответы учеников (O_LG_A1₂, O_LG_A4₁, O_LG_A5₂, O_LG_A6₁, O_LG_A9₁, O_LG_A10₁, O_LG_A10₂, O_LG_A11₁); Вопросы новичков (V_BEG_A4₁, V_BEG_A6₂, V_BEG_A7₁, V_BEG_A9₁, V_BEG_A10₂).

После того, как была повторно выстроена матрица, был высчитан коэффициент детерминации, значение которого равно 0, 865 (R2 — 0,865), что означает высокую степень аутентичности реальной ситуации. Затем был проведена проверка регрессоров на мультиколлинеарность в модели (см. ПРИЛОЖЕНИЕ), где было выявлено 2 переменные — O_EXP_A9₂ и V_BEG_A5₂, с максимальным значением корреляции (0,572). Сравнение коэффициентов корреляции с зависимой переменной Y_LOOK_YEAR показал, что большая корреляционная связь Y c V_BEG_A5₂ (0,385), чем с O_EXP_A9₂ (0, 098). Таким образом, регрессионная модель будет иметь следующий вид, представленный в формуле (3).

0,138(V_BEG_A2₂) + 0,367(V_BEG_A5₁) + 0,255(V_BEG_A5₂) + 0,238 (V_BEG_A6₁) + 0,389(V_BEG_A8₁) — 0,446 (V_BEG_A10₁), (3).

где все перечисленные переменные отражают архетипическую сущность того или иного кластера. Коэффициент детерминации (RSquare) составил 0,876 (87,6%), что практически не отличается от изначального коэффициента детерминации, рассчитанного до исключения регрессора при помощи показателя мультиколлинеарности. Также, стоит обратить внимание, что данный коэффициент детерминации демонстрирует, что модель хорошо описывает экономическую ситуацию. Это означает, что данная модель может использоваться, например, при прогнозировании прироста посещений пользователей первого уровня. Кроме того, определены конкретные темы, которые соответствуют тому или иному архетипу посетителей, что позволяет усовершенствовать модель работы информационного портала и увеличить общий когнитивный заряд, создаваемый для привлечения (притягивания) новых пользователей.

Автор предлагает рассмотреть полученную модель более подробно, потому что она является основополагающей, в результате чего выявить наиболее востребованные и интересные, притягательные темы для новых посетителей форума. Первым популярным кластером является сфера гурманских задач. Посетителя заходят в информационный блог, для того чтобы прочитать вопросы новичков (которые часто сходятся с их вопросами), и найти ответ эксперта по заданной теме. Вопросы представляют большую важность (0,683) потому что они порождают реакцию экспертного уровня, что сильно сближает категории новичков и новых посетителей. Ищущих больше интересует обыкновенное удовлетворения потребности во вкусном чае (1 уровень), чем развитие навыков правильной заварки (технологии приготовления). При этом посетители прислушиваются только к мнению экспертов и слабо реагируют на ответы учеников.

Второй востребованной архетипической категорией является сфера шоу — развлекательных задач. В данном случае задействованы все 3 три уровня, где опять же более весомую роль играют вопросы начинающих (0, 367) и ответы экспертов (0,175). Хотя ответы учеников так же учитываются при поиске решения потребительской задачи. Первый уровень данного кластера характеризуется осведомленностью о существования чайных клубов, проходящих дегустациях в магазинах города. Кроме того, у них есть небольшой опыт участия в подобного рода мероприятиях. Второй уровень вопросов интересует меньшинство потребителей, потому что обучаться искусству проведения чайных церемоний готов (и желает) не каждый: для этого требуется большой запас когнитивной энергии и других ресурсов.

Следующая категория посетителей форума заинтересована в поддержании собственного здоровья: это кластеры № 6 и № 8. Первые очарованы стереотипами о пользе чая, наполненности его витаминами, антиоксидантами и другими полезными элементами. Вторые считают, что чай благоприятно влияет на организм (система пищеварение, ЦНС и др.) и потребляют чайный напиток для энергетической подпитки. При этом посетители не интересуются специальными фитнес программами по релаксации или методик очистки организма при помощи чая (2 уровень вопросов), что говорит о низкой культуре потребления и доминантности устойчивых конфигураций в трайбе. В данном кластере, как и в других, наблюдается высокая заинтересованность посетителей сайта в вопросах новичков (0,654) и ответах экспертов (0,160), и в менее сильной реакции на комментарии учеников.

Последним архетипической группой является сфера технологических задач. Посетитель часто посещает форум для того, чтобы решить вопрос с выбором чайной посуды (кружек, чайников и др.) и получить базовые знания по заварке (правильная вода, температурный режим, дозировка и т. д.) В силу того, что в трайбе чаеманов существует большое количество различных мифов, стереотипов по данной теме, то посетитель традиционно исследует сначала вопросы новичков (в случае схожества ситуации), затем анализирует ответы экспертов, затем ответы учеников. Но обучаться более серьезно посетитель пока не намерен, если не будут созданы условия для поддержки когнитивноинформационного поля по данной тематики.

Таким образом, автор может сделать выводы про проведенному регрессионному анализу:

Были разработаны регрессионные модели по привлечению новых посетителей (увеличение просмотров), влиянию ответов основных пользователей информационного портала на переходы с одного когнитивного уровня на более высокий. Разработанные модели описывают в среднем 90% ситуации увеличения числа посетителей, что делает её пригодной в практическом плане.

Был определен следующий принцип когнитивной уровневой эскалации: попадающие на форум пользователи (потребители, клиенты) обращаются к определенному набору кластерных тем (№ 2,№ 5,№ 6,№ 8,№ 10) и если количество вопросов новичков, с которыми отождествляют себя пришедшие, соответствует их потребностям, т. е. на каждую нерешенную задачу посетителя должен быть как минимум один вопрос от новичков и ответ от экспертов, иначе возникшее напряжение в личностном поле не будет уменьшаться. И тогда пользователь уйдет с сайта и составив отрицательное мнение (установку) о данном ресурсе, что попадет в когнитивный эфир, который окружает данный трайб (чаеманы). Если же посетитель привлечен вопросами и ответами, то создаваемый когнитивный заряд будет воздействовать на посетителя, стимулируя его активность, в результате чего он сам начнет задавать вопроса и перейдет на уровень новичков. Новички заинтересованы в более глубоком исследовании интересующих их тем, поэтому они обращаются к вопросам и ответам экспертов и учеников на уровень выше (2 уровень). Когда же накапливается достаточный объем знаний, и новички начинают проявлять активность в ответах на вопросы, то они становятся учениками, которые уже подпитываются когнитивной энергией исключительно от экспертов (вопросы и ответы 2, 3 уровней). Ученики становятся экспертами, когда в ячейках памяти накапливается такой большой объем информации, что человек становится не просто осведомленным в данной тем, но в большей степени лояльным к данному форуму и бренду сайта, на котором он проявляет активность. Таким образом, происходит эволюционный цикл, который должен поддерживаться притоком новых посетителей, который в дальнейшем будут переходить на новый когнитивный уровень, что будет свидетельствовать о возрастающей лояльности к информационному порталу и к компании в целом.