Дипломная работа: Фреймирование выгод и потерь в рекламном сообщении и его влияние на решение пользователя о подписке на онлайн-видеосервис

Таблица 3 -- Полная объясненная дисперсия для модели с включением всех факторов.

С помощью матрицы факторных нагрузок и графика нормализованного простого стресса (см. Рисунок 6) выбранные факторы были объединены в 3 группы. Первая группа включает в себя факторы защиты персональных данных, отсутствия рекламы, цены, UI и UX-дизайна, качества изображения, экономии времени, списка поддерживаемых устройств, широты выбора контента и его персонализации. Интерпретируя, переменные можно объединить с точки зрения их технической направленности, оценке непосредственной функциональности видеостримингового сервиса. Вторая группа состоит из факторов промо-предложений от партнеров, доступа к онлайн-трансляциям и альтернативных издержек похода в кинотеатр и составляет дополнительные преимущества для пользователя при приобретении подписки, а третья - поддержка авторского права и влияние социального круга - отражает личностные особенности потребителя.

Рисунок 6 -- График нормализованного простого стресса для факторного анализа

Таблица 4 -- Матрица факторного отображения после вращения.

Корреляционная матрица компонент говорит о зависимости первой и второй и первой и третьей группы факторов, что обусловливает выбор метода вращения Облимин. Проверка валидности результатов также осуществлялась через анализ пригодности. При проверке первой компоненты с помощью межпунктовой корреляционной матрицы (корреляции выше 0,3), общий Альфа Кронбаха (выше 0,7) и при удалении пунктов ни один из факторов не превысил суммарный показатель. При проверке второй компоненты фактор онлайн-трансляций показал значение в 0,289 (что не является сильным отклонением), однако общий Альфа Кронбаха составил 0,595 (ни один из внутренних факторов не превышает суммарный показатель), что свидетельствует о риске ненадежности сформированного фактора. Третья компонента состоит из двух факторов, коррелирующих между собой на уровне 0,336. В данном случае Альфа Кронбаха также ниже нормы (0,503). На наш взгляд, это связано с малым количеством факторов, которые не отражают всей наполненности компонент. Дальнейшее изучение потребительских мотив, а также расширение предоставляемых выгод онлайн-кинотеатрами способно дополнить список факторов для включения во вторую и третью компоненты.

Таблица 5 -- Корреляционная матрица компонент.

Факторные нагрузки (3 компоненты) итоговой факторной модели были проверены на внешнюю валидность через корреляционную связь с возрастом и t-критерием для парных выборок с полом. Линейная связь была выявлена между второй и третьей компонентами и возрастом, t-критерий оказался значим для всех факторов.

Таблица 6 -- Корреляция факторных нагрузок с переменной “Возраст”.

Таблица 7 -- Критерий парных выборок для факторных нагрузок и переменной “Пол”.

Сравнение средних

Как было упомянуто ранее, данные опроса (как общие результаты, так и при делении на возрастные/половые группы) не подчиняются законам нормального распределения, поэтому проведение t-тестов и дисперсионного анализа невозможно. Взамен, будут использоваться непараметрические тесты.

U-тест Манна и Уитни (t-критерий для независимых выборок)

В качестве независимых групп данных имеются: половые группы, возрастные квоты и переменная наличия подписки. Первая и последняя подразумевают две группы независимых данных - для них будет использоваться данный тест, переменная возраста содержит 4 квоты, поэтому будет анализироваться посредством Н-теста по методу Крускала и Уоллиса.

Половые различия. 10 факторов оказались значимыми на уровне половых различий респондентов. Наибольшие различия заметны в факторах важности качества изображения (0,17 - слабая сила связи), офлайн-доступа (0,19), пакетов подписки (0,17) - данные факторы актуальны для женщин, живых трансляций (0,16) - для мужчин.

Таблица 8 -- Статистики критерия Манна-Уитни по переменной “Пол”.

Различия по наличии подписки. Между пользователями, имеющими и не имеющими подписку на онлайн-кинотеатр значимые различия наблюдаются в частоте совершения покупок в интернете (-0,22) и просмотра фильмов и сериалов (-0,17) - актуальны для тех, кто пользуется подпиской, офлайн доступ - для тех, у кого ее нет (0,11).

Таблица 9 -- Статистики критерия Манна-Уитни по переменной “Наличие подписки”.

Н-тест по методу Крускала и Уоллиса (Одномерный межгрупповой дисперсионный анализ)

Возрастные различия. Данный тест показал значимые различия между возрастными квотами по 7 переменным, однако в рамках теста нельзя предположить, в каких квотах наблюдаются различия. С этой целью необходимо протестировать каждую пару через критерий Манна-Уитни.

Наблюдается постепенное падение времени пользования интернетом с увеличением возраста респондента, наиболее частыми покупателями товаров в интернете являются люди возрастных групп 25-34 и 35-44, частота просмотра фильмов и сериалов наиболее высока среди молодых людей (18-24, 25-34) и снижается в последующих группах. Распределение подписчиков примерно одинаково среди респондентов 18-44 лет, в то время как более взрослые люди имеют ее за редким случаем. Вероятность оформления подписки также снижается с возрастом - наиболее склонны к ее оформлению респонденты 18-34 лет. Наоборот, значимость фактора различных по наполнению пакетов подписки высока среди представителей 45-54 группы. Актуальность предложения онлайн-трансляций кинотеатрами будет более важна для 34-54-летних.

Таблица 10 -- Статистика критерия H-теста для переменной “Возраст”.