Outline
I. Introduction
II. Marketing Research
V. Closing
I. Introduction
1. Background 2. Problem Definition 3. Objective of Study
I. Introduction
Background
1. Dynamic Business World 2. Dynamic Consumer Behavior
I. Introduction
Objective Study
Mengetahui definisi, klasifikasi, dan proses riset pemasaran Mengetahui salah satu metode analisis dalam aplikasi riset pemasaran.
II. Marketing Research Riset pemasaran sebagai suatu fungsi yang menghubungkan konsumen, pelanggan, dan masyarakat melalui informasiinformasi yang digunakan untuk mengidentifikasi dan mendefinisikan peluang dan masalah pemasaran; membuat, memperbaiki dan mengevaluasi tindakan pemasaran; memantau kinerja pemasaran; serta memperbaiki pengertian mengenai pemasaran sebagai suatu proses. (Asosiasi Pemasaran Amerika dalam Malhotra, 2005)
Definition
Riset pemasaran sebagai suatu identifikasi, pengumpulan, analisis, diseminasi, serta penggunaan informasi secara sistematik dan obyektif untuk membantu manajemen dalam membuat keputusan yang berhubungan dengan identifikasi dan penyelesaian masalah (dan peluang) dalam bidang pemasaran. (Malhotra 2005)
Definition
Riset pemasaran terdiri dari beberapa tahap sehingga merupakan suatu proses, dan memiliki hasil akhir berupa informasi yang ditujukan untuk membantu pengambilan keputusan manajemen pemasaran. (Istijanto, 2005)
Dari Definisi Asosiasi Pemasaran Amerika, Malhotra, dan Istijanto dapat disimpulkan bahwa riset pemasaran merupakan suatu fungsi yang terdiri dari suatu identifikasi masalah pemasaran, analisis masalah pemasaran, menyebarkan hasil analisis dari masalah pemasaran yang terjadi, dan menggunakan informasi dari hasil analisis terhadap masalah pemasaran tersebut secara sistematik, dan obyektif.
Classification
Riset Potensi Pasar Riset Pangsa Pasar Riset Citra (Image) Riset Karakteristik Pasar Riset Analisis Penjualan Riset Peramalan Riset Peramalan Riset Tren Bisnis
Riset Segmentasi Riset Produk Riset Harga Riset Promosi Riset Distribusi
Process
Malhotra (2005)
II. Multidimensional Scaling Multidimensional scaling adalah prosedur untuk menunjukkan persepsi dan preferensi responden secara spasial dengan menggunakan alat tampilan nyata. (Malhotra, 2004)
Definition
Multidimensional scaling merupakan analisis yang membicarakan masalah umum positioning objek pada ruang persepsi. (Aaker, 2005)
Multidimensional scaling adalah teknik yang digunakan untuk memperoleh gambaran persepsi seseorang tentang suatu objek secara relatif dibandingkan objek-objek lainnnya. (Simamora , 2004)
II. Multidimensional Scaling Penjabaran berbagai dimensi yang berhubungan. Jika kita menggunakan diagram kartesius, maka peta dibentuk dengan dua dimensi, satu pada sumbu horizontal (sumbu X), satunya lagi pada sumbu vertikal (sumbu Y). Setiap dimensi mewakili berbagai atribut yang mewakili pembentukan persepsi. (Simamora, 2005)
Perceptual Map
Multidimensi onal Scaling Output
Perceptual Map
Proses yang digunakan untuk membangun peta untuk menunjukkan persepsi dari responden. Peta ini merupakan representasi visual dari persepsi responden terhadap perusahaan, produk, jasa, brand, atau objek lainnya dalam model dua dimensi. (Hair, F Joseph et al, 2008)
Perceptual Map
Perceptual Map
Analisis Harga
Perceptual Map
Perceptual Map
Semakin tinggi RSQ, semakin baik model MDS. Model dapat diterima bila RSQ 0,6
Stress Value
Analisis MDS agregat untuk masing-masing bagian data yang telah dibagi dua, tiga, empat dan seterusnya (sesuai banyak data). Jika hasil tidak berbeda signifikan, model berarti baik
Perceptual Map
Cara ini dilakukan dengan mengeluarkan stimuli secara selektif. Jika dengan mengeluarkan stimuli, ternyata hasil kedua MDS mirip (tidak berubah banyak), atau bahkan sama, berarti model kita bagus Cara ini dilakukan dengan mengambil data pada waktu yang berbeda. Jika hasilnya mirip (tidak berubah banyak), atau bahkan sama, berarti model kita bagus
Longitudinal Data
Malhotra (2004)
1. A priori knowledge
4. Ease of use
5. Statistical approaches
Attribute Data
Nonattribute Data
Similarity
Preference
Factor Analysis
Discriminan t Analysis
Corresponden ce Analysis
MDS
Riset Eksplorasi, dengan teknik wawancara mendalam dengan para ahli (Simamora, 2005)
Techniques of Analysis Selain memperoleh peta persepsi, jugamendapatkan vektor yang menyatakan posisi atribut (Simamora, 2005)
Harga tiket pesawat Sangat murah 1 2 3 4 5 6 7 Sangat mahal Ketepatan waktu Sangat baik 1234567 Sangat buruk Layanan reservasi Sangat baik 1234567 Sangat buruk Layanan personal dalam pesawat Sangat baik 1234567 Sangat buruk Kenyamanan dalam pesawat Sangat baik 1234567 Sangat buruk Reputasi merek Sangat baik 1234567 Sangat buruk Layanan bagasi Sangat baik 1234567 Sangat buruk
5
6 7
1
5 2
2
5 3
2
4 3
1
1 2
4
5 3
5
5 4
2
2 3
2
3 4
2
3 3
Langkah-Langkah Analisis
2. Dari menu utama, pilih analyze, lalu scale, kemudian klik multidimension scaling
3. Pada dialog box yang muncul, masukkan semua variabel ke dalam ruang variables. Pastikan Anda memilih data are distance dan shape rectangular. Akan tampil di layar sebagai berikut:
5. Pada level of masurement pilih interval, sesuai jenis data yang dianggap interval. Lalu, pada conditionality, pilih row. Maksudnya, jika ingin dibandingkan, perbandingan hanya bisa dilakukan antar kolom, tidak bisa antar baris. 6. Klik continue untuk kembali ke dialog box utama. :
7. Pada dialog box utama, klik options, lalu minta group plots agar program memberikan perceptual map. Kemudian klik continue.
8. Agar program SPSS bekerja, klik OK. SPSS akan memberikan hasil (output). Namun, yang ditampilkan pada kesempatan ini hanya peceptual map.
Kedekatan setiap merek dengan vektor atribut atau poin ideal setiap responden
Similarity
Kesamaan (similarity) mengukur kesamaan rasa dari dua objek di mata responden. (Aaker, 2011)
kesamaan dapat diukur dengan dua cara, yaitu cara langsung (direct measures) dan cara tidak langsung (derivied measures). (Malhotra, 2004)
Preference
Pendekatan ini menggunakan pendekatan objek ideal, dimana ini merupakan salah satu hal yang lebih disukai oleh pelanggan dibanding yang lainnya. (Aaker, 2011)
Preference
Model Compensatory Paired Comparison Cara ini dilakukan dengan membandingkan objek-objek secara berpasangan
preferensi diperoleh secara tidak langsung, yaitu melalui rumus: P = wi.rji Dimana: P = Preferensi wi = Bobot atribut ke-i rji = Peringkat merek ke-j pada atribut ke-i
Direct Judgement Cara ini dilakukan dengan meminta responden untuk membuat peringkat sekumpulan merek sesuai dengan tingkat kecenderungan responden memilihnya
Simamora (2005)
II. Conjoint Analysis Analisis konjoin adalah suatu teknik di mana nilai yang diberikan responden pada setiap atribut disimpulkan dari preferensi yang mereka ekspresikan terhadap berbagai kombinasi atribut. (Churchill, 2005)
Definition
Application
Application
Mengestimasi pangsa pasar dari brand yang berbeda pada level atribut-atributnya
Mengukur komposisi dari brand yang paling disukai Mengelompokkan pasar berdasarkan kesamaan (similarity) dari preferensipreferensi untuk level masingmasing atribut
Dalam suatu penelitian, dipastikan bahwa atribut-atribut teh botol adalah rasa, isi, dan harga.
Atribut
Rasa 3 2 1
Level
Manis Pahit-Manis Pahit
Isi
3
2 1
Botol Kecil
Botol Sedang Botol Besar Rp 1500
Harga
2
1
Rp 2000
Rp 2500
Ranking
15 8 17 10 16 7 6 11
Skor
13
14 17 18 19 20 22 23 26
Manis-Pahit
Manis-Pahit Manis-Pahit Manis-Pahit Pahit Pahit Pahit Pahit Pahit
Sedang
Sedang Besar Besar Kecil Kecil Sedang Sedang Besar
Rp 1.500
Rp 2.000 Rp 2.000 Rp 2.500 Rp 1.500 Rp 2.000 Rp 1.500 Rp 2.000 Rp 2.000
7
10 1 14 5 18 6 17 15
12
9 18 5 14 1 13 2 4
Dalam analisis konjoin, model yang diestimasi adalah: Y = b0 + b1X1 + b2X2 + b3X3 + .... Dimana: X1, X2, X3 = Variabel dummy yang mewakili atribut Jika ada n kategori, jumlah variabel dummy adalah n-1 Sehingga model yang diestimasi untuk contoh teh botol adalah: Y = b0 + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6 Dimana: X1, X2 = Variabel dummy mewakili rasa X3, X4 = Variabel dummy mewakili isi X5, X6 = Variabel dummy mewakili harga
Rasa
Level Manis Pahit-Manis Pahit X1 1 0 0 X2 0 1
Pengkodean
Harga
Level X1 1 0 0 X2 0 1 0
0 Rp 1.500
Isi
Level Kecil Sedang X1 1 0 X2 0 1
Rp 2.000 Rp 2.500
Besar
Penyajian Data
No 1 2 4 5 8 9 10 11 1 1 1 1 1 1 0 0 X1 0 0 0 0 0 0 1 1 X2 1 1 0 0 0 0 1 1 X3 0 0 1 1 0 0 0 0 X4 1 0 1 0 0 0 0 1 X5 0 1 0 1 1 0 1 0 X6 4 11 2 9 3 12 13 8 Preferensi Ranking 15 8 17 10 16 7 6 11 Skor (Y)
13
14 17 18 19 20 22 23 26
0
0 0 0 0 0 0 0 0
1
1 1 1 0 0 0 0 0
0
0 0 0 1 1 0 0 0
1
1 0 0 0 0 1 1 0
1
0 0 0 1 0 1 0 0
0
1 1 0 0 1 0 1 1
7
10 1 14 5 18 6 17 15
12
9 18 5 14 1 13 2 4
2. Pada menu utama, pilih analyze, kemudian regression,lalu klik linear, kemudian akan terlihat tampilan di bawah ini
3. Masukkan variabel Y ke dalam kolom dependent dan semua variabel X ke dalam kolom independent 4. Hasil
Thank You