Конкурентное преимущество. Как достичь высокого результата и обеспечить его устойчивость

Те переменные сегментации, которые в значительной степени коррелируют, следует объединить, так как в этом случае одна из переменных будет выступать как заместитель значения другой переменной. Корреляция переменных сегментации бывает и частичной, но все равно позволяет значительно сократить число потенциально возможных сегментов, так как при использовании всех переменных многие клетки матрицы будут пустыми. Важно выделить все взаимосвязанные переменные, чтобы объединить те из них, которые коррелируют между собой, в одну, и обнаружить все пустые клетки.

Важно также понимать, почему те или иные переменные коррелируют: неправильный выбор переменных может дать ложное направление всему процессу. Если одна из переменных не является надежным заместителем другой, а просто отражает текущую ситуацию в компании или случайность, соединение таких переменных в одну будет ошибочным. В результате мы не сможем в получившейся матрице точно идентифицировать те клетки, которые представляют никем не используемые возможности. Например, если небольшие компании, поставляющие кровельный материал, работали бы через дистрибьюторов не по экономическим причинам, а потому, что так сложилось исторически, тогда отказ от прямых продаж этим компаниям как отдельному сегменту был бы большой ошибкой. «Материализовать» такой сегмент, даже если он до последнего времени не был идентифицирован как отдельный, можно через телемаркетинг или путем приема заказов по компьютерной сети.

Комбинированные матрицы сегментации

Важнейшие независимые переменные, которые выделяются в ходе процесса фильтрации, описанного в предыдущих разделах, представляют собой готовые оси для матриц отраслевой сегментации. Там, где переменных более двух, матрица сегментации отрасли будет многомерной и ее трудно изобразить на листе бумаги. Можно попробовать построить разные матрицы для каждой пары переменных, а затем рассмотреть каждую из получившихся матриц с точки зрения разработки на ее основе конкурентной стратегии. Однако такой подход представляется не вполне удовлетворительным: значимые сегменты могут оказаться комбинацией более двух переменных и при рассмотрении матриц остаться незамеченными.

Для сегментации отрасли при наличии более двух переменных полезным будет метод создания комбинированных матриц. Процесс создания таких матриц изображен на рис. 7.4. В производстве оборудования для нефтяных компаний имеются как минимум две значимые переменные сегментации покупательского рынка помимо типа покупателя и его местоположения: уровень технологической оснащенности компании и тип собственности (в отношении компании). На рис. 7.4 все переменные распределены по парам, затем две матрицы сегментации объединены, а пустые клетки удалены.

При объединении матриц не только сокращается число пустых сегментов (удаляются пустые клетки), но и становятся явными корреляции между переменными, которые в противном случае были бы упущены из виду. На рис. 7.4 отмечены клетки, в которых встречается невозможная комбинация значений переменных. При объединении матриц лучше всего начинать с объединения всех переменных сегментации в рамках одной категории. Например, на рис. 7.4 все переменные, касающиеся покупателей, объединены в одну категорию.

После того как переменные сегментации, принадлежащие одной расширенной категории, объединены, можно переходить к объединению переменных разных категорий. В этом случае лучше всего организовать матрицу сегментации таким образом, чтобы одна ось представляла бы все переменные, связанные с покупателем (тип покупателя, тип канала реализации, местоположение покупателя), а другая – переменные, описывающие продукт. Если общее число переменных невелико, можно с помощью такой процедуры создать одну двумерную матрицу сегментации отрасли. Матрица, возможно, будет достаточно большой, но у нее есть одно преимущество – она представляет всю отрасль, и это облегчает ее стратегический анализ. На рис. 7.5 приведена такая матрица для производства нефтедобывающего оборудования; она получается в результате добавления к исходной двух переменных сегментации, касающихся продуктов: 1) продукт высшего класса по отношению к стандартному продукту; 2) продукт, приспособленный по уровню мощности для глубокого бурения или для бурения на небольшой глубине.

Иногда количество релевантных переменных сегментации и полученных сегментов настолько велико, что единая матрица становится слишком громоздкой. В этом случае стоит заново пересмотреть переменные сегментации и дискретные значения каждой переменной, чтобы лишний раз убедиться в том, что описываемые ими различия действительно важны. Если это так, то вместо одной громоздкой матрицы можно в последующем анализе использовать две или три, чтобы не упустить никаких стратегически значимых моментов.