Представлено авторський метод проведення маркетингового дослідження для визначення статистичних ознак випадкової величини, що в іноземній літературі має назву "Willingness to Pay". Аналогічно даний підхід можна застосовувати для оцінювання мінімального рівня цін, за якого клієнти готові продати товар. Було практично підтверджено, що маючи результати опитування з одним питанням "Чи придбаєте ви товар за Х у. о.?", можна провести експеримент та оцінити характеристики реального розподілу, якому підпорядковується генеральна сукупність. Також представлено рекомендації щодо проведення експерименту та підбору відповідних параметрів.
Представлен авторский метод проведения маркетингового исследования для определения статистических характеристик неизвестной величины, которая в иностранной литературе называется "Willingness-to-Pay". Аналогично этот подход можно использовать для оценивания минимального уровня цен, при котором клиенты готовы продать товар. Было практически подтверждено, что имея результаты опроса с единственным вопросом "Купите ли вы данный товар за X у. е.?", можно провести эксперимент и оценить характеристики реального распределения, которому подчиняется генеральная совокупность. Также даны рекомендации касательно проведения эксперимента и& подбора соответствующих его параметров.
This article presents a method for conducting a marketing research aiming to evaluate statistics of a "Willingness-to-Pay" random variable distribution. Similarly, this approach can be used for evaluating min&imal price a customer is ready to sell a good for. Since a general survey tends to bring bias into WTP evaluation, we suggest reducing psychological pressure while asking a single question "Would you buy this product for X amount of money?". It was e&mpirically shown that this information is enough to conduct an experiment and evaluate the characteristics of a population distribution. The algorithm is easy to use, however needs an expert control for gaining higher accuracy. Using tools of simulat&ion modeling we assessed the level of bias of an experimentally obtained distribution statistics compared to a real population statistics. The algorithm helps predicting individual demand and total income level depending on a product pricing level.
&
