Новый подход к оценке привлекательности целевого сегмента на рынке промышленных товаров

ББК 65.291.2УДК 338.24

Новый подход к оценке привлекательности целевого сегмента на рынке промышленных 

товаров

Воловиков Борис Петрович, к.т.н., доцент

Аннотация

В статье представлен новый подход к выбору целевого сегмента на рынке 

промышленных товаров, основанный на использовании метода нейронных сетей. Методика, 
построенная на комплексной оценке критериев эффективности целевых сегментов,  позволяет 
дать  количественную оценку степени привлекательности каждого сегмента и наиболее 
рациональным образом распределить ресурсы предприятия. Анализ результатов исследований 
целевых сегментов, представленных в статье, на примере конкретного промышленного 
предприятия позволил обосновать выбор маркетинговой стратегии.

The summary

In article the new approach to a choice of a target segment in the market of the industrial 

goods, based on use of a method of neural networks is presented. The technique constructed on a 
complex estimation of criteria of efficiency of target segments, allows to state a quantitative 
estimation of degree of appeal of each segment and in the most rational image to distribute enterprise 
resources. The analysis of results of researches of the target segments presented in article, on an 
example of the concrete industrial enterprise has allowed to prove a choice of marketing strategy.

Ключевые слова

Привлекательность целевого сегмента, рынок промышленных товаров, метод 

нейронных 
сетей, 
метод 
дерева 
решений, 
маркетинговая 
стратегия, 
рациональное 

распределение ресурсов.

Keywords

Appeal of a target segment, the market of the industrial goods, method of neural networks, 

method of a tree of decisions, marketing strategy, rational distribution of resources.

Ключевым моментом формирования маркетинговой стратегии предприятия является 

выбор целевого сегмента. Являясь логическим продолжением этапа сегментации рынка, выбор 
целевого сегмента позволяет определить главное для предприятия направление маркетинговых 
усилий по достижению поставленных стратегических целей
[5]. Для промышленного 

предприятия - участника рынка B2B основным рынком является рынок конкурсных торгов, 
обладающий рядом особенностей, которые формируют и требования к методам его оценки. К 
этим особенностям в первую очередь относится наличие 
стохастичности и случайности 

происходящих в нем процессов. 

В статье приведены результаты исследований рынка систем радиосвязи, затрагивающие 

деятельность конкретного промышленного предприятия производителя этого вида продукта. 
Формирование 
эффективной 
маркетинговой 
стратегии 
на 
основе 
выбора 
наиболее 

привлекательного сегмента 
позволяет маркетологам обосновать распределение  ресурсов, 

принимая во внимание значимость каждого сегмента[1-3]. С точки зрения методологии 
постановка задачи выглядит традиционно: выбрать критерии оценки, сформировать 
интегральный критерий оценки привлекательности целевого сегмента и провести расчеты. На 
практике исследователь сталкивается с главной трудностью – существующие методы не 
позволяют однозначно и безошибочно определить значение интегрального критерия. В первую 
очередь возникают проблемы с выбором весовых коэффициентов, определяющих значимость 
каждого показателя, поэтому перед исследователем стоит трудная задача определения степени 
значимости каждого показателя. Эту ситуацию нетрудно понять практику как в 

действительности определить, например, что важнее: темпы роста или стадия жизненного 
цикла сегмента. Да и сама методология, основанная на методе выбора значимости показателей 
методом экспертных оценок,
вызывает трудности, как с точки зрения организации самого 

процесса (кого можно считать экспертом, а кого нет), так и достоверности полученных 
результатов. Кроме того, требование независимости экспертов для предприятия практически 

невыполнимо, так как маловероятно, что на предприятие, разрабатывающее и внедряющее 
инновационные проекты, администрация пригласит внешних экспертов и посвятит их в свои 
секреты и планы по дальнейшему развитию. И самое главное, прогнозировать рынок, 
характеризующийся 
стохастичностью, 
недетерминированностью 
и 
нелинейностью 

происходящих в нем процессов, задача не под силу никаким экспертам. Доказательством тому 
могут служить примеры рыночных ситуаций, имевших место в последние годы на рынке 
систем радиосвязи. 
При постоянном, но 
невысоком  спросе на этот вид продукции 

(предложение превышает спрос) на гражданском рынке систем радиосвязи иногда происходит 
резкое увеличение спроса. Например, когда один из самых крупных заказчиков
Газпром 

приступает к реализации нового проекта по строительству очередной линии  газопровода, для 
обеспечения бесперебойной работы необходимо большое количество линий радиосвязи [7-9].
Объявляются конкурсные торги, заключаются контракты, растет количество  поставляемого 
оборудования и наблюдается заметный рост активности рынка.  Учесть подобного 
рода 

факторы можно только применяя накопленный опыт и базу данных, а также технологию 
обработки данных Data Mining. В статье предложен новый подход к выбору привлекательного 
сегмента, основанный на применении метода нейронных сетей, позволяющий учесть те 
скрытые закономерности и случайности, которые не под силу методам интегральной оценки.

Целью исследований является повышение эффективности маркетинговой деятельности 

промышленного предприятия за счет разработки и внедрения систем искусственного 
интеллекта для обеспечения информационной поддержки принятия управленческих решений.

Для достижения поставленной цели были поставлены и решены следующие задачи:
1.Разработка критериев оценки привлекательности целевого сегмента на рынке B2B и 

на их основе методики количественной оценки привлекательности целевого сегмента с 
применением метода нейронных сетей.

2. Анализ базы данных маркетинговых исследований целевых сегментов с целью 

формирования обучающей выборки, построенной на основании данных о продажах за все 
предыдущие периоды.

3. Проведение практических исследований  целевых сегментов на примере рынка 

систем радиосвязи и рынка непрофильной для предприятия продукции.

4. Разработка рекомендаций по применению предлагаемого метода при формировании 

маркетинговой стратегии предприятия.

Новизной исследований является 
комплексный подход, позволяющий учесть 

одновременно множество показателей и при этом в любой форме представления входных 
данных, чтобы получить достоверную оценку и для конкурентного позиционирования 
предприятия и разработки стратегии позиционирования. Практической значимостью является 
программный продукт, разработанный на основе созданной методики с применением методов 
нейронного 
программирования, 
а 
также 
рекомендации 
по 
распределению 
ресурсов 

предприятия при освоении сегментов. Необходимо отметить,  что задача по выбору стратегии 
охвата рынка
в статье рассмотрена несколько шире кроме определения наиболее 

привлекательного сегмента проведено ранжирование сегментов, в том числе и с позиции 
ресурсов предприятия, а также даны рекомендации по эффективному управлению ресурсами, 
предназначенными для освоения сегментов. 

В качестве объекта исследований была рассмотрена маркетинговая деятельность 

предприятия, называемого в дальнейшем «Радиозавод», по освоению трех сегментов, двух 
профильных –
радиорелейных станций и мобильных комплексов связи и одного 

непрофильного  - производства бытовых счетчиков газа. Перед предприятием стоит задача –
выбрать наиболее привлекательный сегмент
среди трех вышеперечисленных, чтобы 

определить приоритетные направления дальнейшего развития. На рис.1 представлена блоксхема алгоритма выбора наиболее привлекательного сегмента.

Рис.1 Блок-схема алгоритма методики выбора наиболее привлекательного целевого 

сегмента

Традиционно
выбор 
целевого 
сегмента 
сопровождался 
расчетом 
следующих 

показателей: емкость, потенциал,  стабильность, доступность, защищенность  сегмента от 
конкурентов. Во внимание рекомендуется также принимать и  наличие экономических и 
административных барьеров вхождения в рынок [5]. Для оценки привлекательности сегмента 
для промышленного рынка была выбрана следующая система показателей, наиболее полно 
представляющая позицию предприятия на рынке:
1. 
Прогнозируемая 
емкость 
сегмента
(суммарный 
прогноз 
на 
следующий 
год). 

Прогнозирование проводилось также с применением нейронных сетей. На рис. 2 приведен 
пример прогноза по одному из целевых сегментов на 2010г. Метод нейронных сетей 
продемонстрировал высокую эффективность при составлении прогнозов продаж. Степень 
достоверности (расхождение с реальным значением) составила 9%. 

1.Разработка  критериев оценки 

привлекательности целевого 

сегмента

2.Формирование обучающей 

выборки для нейронной сети  и 
настройка параметров нейронной 

3. Определение контрольной 
выборки и расчет показателя 

привлекательности для каждого 

сегмента

4. Ранжирование целевых сегментов 
по целесообразности распределения 

ресурсов предприятия

Рис. 2 Прогноз объема продаж сегмента радиорелейных станций на 2010 г.

2. Риски. Степень рискованности предлагается измерять наличием моментов достижения точки 
безубыточности за изучаемые прошедшие периоды в данном сегменте. Именно факт падения 
стоимости изделия во время заключения сделки до цены ниже себестоимости представляет для 
предприятия производителя наибольшую опасность. Частота наступления этого события 
характеризует уровень риска в сегменте.
3. Структурная привлекательность. Так как рынок радиорелейных станций можно считать 
олигопольным, то в данной статье уровень конкурентной  напряженности оценивался индексом 
Херфиндаля - Хиршмана
, значение которого определялось как сумма квадратов долей 

главных участников рынка (формула (1))

=
(1),

Где 
- квадрат доли 
- участника рынка; 
– число основных участников рынка; 
- номер 

сегмента.
Применение этого критерия позволяет оценить степень концентрации рынка, чем выше 
значение этого показателя, тем более концентрированным можно считать сегмент и тем менее 
привлекательным с точки зрения  конкурентной напряженности  можно рассматривать сегмент. 
4. Рентабельность продукта предприятия в сегменте. В каждом сегменте сформировался 
определенный уровень цен, исходя из которого с учетом себестоимости производства продукта, 
производитель может определить рентабельность изделия. По этому показателю можно также 
оценить привлекательность сегмента.
6. Относительная доля рынка. Совместно с показателем 
этот наиболее важный показатель 

характеризует позицию предприятия на рынке. Чем выше относительная доля рынка, тем 
сильнее позиции и тем больше шансов у предприятия на завоевание сегмента. Исходя из 
анализа 
опыта 
позиционирования 
промышленных 
предприятий 
на 
рынке, 
можно 

предположить, что существует зависимость между кривой опыта и относительной доли рынка. 
Чем больше опыта ведения бизнеса в данном сегменте у руководства, тем выше результаты. 
Вывод: чем выше относительная доля, тем больше шансов у предприятия ее увеличить.

7. Стадия жизненного цикла. Для высокотехнологических отраслей стадия жизненного цикла 
отрасли играет важную роль. Если в отрасли наблюдается спад и наступает завершающая 
стадия, вызванная моральным старением продукта или насыщением рынка данным продуктом, 
то предпочтительнее выбрать сегмент, либо зарождающийся, либо находящийся  в зрелой 
стадии.

Представленный перечень  показателей привлекательности целевых сегментов в 

зависимости от цели исследований автоматически может быть дополнен. Формализация 
процедуры выбора целевого сегмента 
с применением программного продукта на основе 

аналитической платформы Deductor допускает такие изменения. Важное условие – наличие 
данных для формирования обучающей выборки для решения методом нейронных сетей.

Как уже было упомянуто ранее, исследования проводились с применением метода 

нейронных сетей и метода дерева решений. Достоинства и недостатки метода нейронных сетей 
изложены во многих научных работах [4,6], в статье остановимся только на тех особенностях 
метода, которые позволили добиться качественных результатов исследований. Свойство 
обучения нейронных сетей позволяет сформулировать систему критериев привлекательности 
сегмента, которая впоследствии сможет классифицировать любой набор значений этих 
показателей по степени приближения к идеальному набору значений. Удобство автоматизации 
процесса поиска усиливает достоинства этого метода. Исследования проводились на основе 
аналитической платформы Deductor. Метод дерева решений позволил проверить корректность 
алгоритма поиска наилучшего решения и понять логику принятия решений. В качестве 
нейронной сети был выбран многослойный перспетрон с параметрами: 6 – число входов (по 
количеству выбранных показателей привлекательности), 2 – количество слоев, 1 – выходной 
параметр (показатель, характеризующий степень привлекательности сегмента по заданным 
параметрам)

Обучающая выборка включает 46 примеров обучения и была составлена в соответствии 

с базой опытных данных, полученных в результате проведения маркетинговых исследований. 
Ниже в табл. 1 приведены исходные данные для проведения исследований по трем сегментам: 
радиорелейные станции, мобильные комплексы связи и счетчики газа. На вход в модель 
поступают данные о показателях привлекательности целевых сегментов, а на выходе получаем 
значение комплексного показателя привлекательности.  Значение выходной переменной для 
сегмента «счетчики газа» составило 2.000, для сегмента «радиорелейные станции» - 1.999 и для 
сегмента «мобильные комплексы связи» соответственно 1.965. Указанная последовательность 
отражает привлекательность каждого целевого сегмента.

Табл. 1 Исходные данные для исследования целевых сегментов

Название 
целевого 
сегмента

Показатели привлекательности целевого сегмента

Прогноз на 
ближайший 

период, 

млрд. руб.

Риски, 

в 

баллах

Структурная 
привлекатель
ность (индекс 
Хиршмана)

Рентабель

ность 

продукта 

предп

риятия в 

сегменте,%

Относит. 

доля 
рынка,

%

Стадия 

жизненного 

цикла

сегмента

Радио

релейные 
станции

2.1
2
3406
20
20
2

Мобильные 
комплексы 

связи

3.8
2
4194
20
20
2

Бытовые 

счетчики газа

7
3
4570
26
5
1

Согласно результатам исследований с применением метода дерева решений наиболее 

значимыми показателями в обучающей выборке были отмечены относительная доля рынка 
(общее количество примеров, положительно классифицированных данным узлом дерева равно 
43) и рентабельность (соответственно 28 примеров), остальные показатели оказали меньшее 
влияние на процесс выбора. Определяющую роль в составлении алгоритма выбора оказывает 

обучающая выборка, а так как она составлена по результатам реальных ситуаций, то влияние 
фактора субъективности на процесс исследований благодаря свойствам метода нейронных 
сетей сведено к минимуму.

Полученные результаты применительно к задаче формирования маркетинговой 

стратегии можно трактовать следующим образом: если у предприятия достаточно ресурсов для 
реализации стратегии дифференцированного маркетинга (при охвате всех трех сегментов), то 
при 
выделении ресурсов 
предпочтение следует 
отдать
наиболее 
привлекательному 

направлению –
«счетчики газа», которое хоть и незначительно, но превосходит по 

привлекательности два других направления. Именно благодаря более высокому значению 
коэффициента рентабельности, этот сегмент занимает лидирующую позицию. Наибольшее 
внимание следует уделять мерам по удержанию и увеличению относительной доли рынка. В 
этой ситуации можно применить одновременно стратегию сокращения, направленную на  
снижение себестоимости изделия и стратегию развития продукта. Обе стратегии направлены на 
повышение рентабельности продукта и усилению конкурентной позиции, следствием  которой 
станет увеличение относительной доли предприятия. Необходимо также провести оценку 
эффективности  маркетинговой программы продвижения продукта на рынок. Для усиления 
эффекта от внедрения комплекса маркетинга для продвижения высокотехнологичной 
продукции можно предложить проактивный и пробный маркетинг, позволяющие сформировать 
положительное мнение у потенциального потребителя и повлиять на процесс принятия 
положительного решения о приобретении изделия у закупочной комиссии. В заключении 
подведем итог всему вышесказанному:

1. Применение метода нейронных сетей для решения задач классификации в 

стратегическом маркетинге позволяет осуществлять  выбор наиболее привлекательного 
сегмента с большей степенью достоверности, чем методы интегральной оценки. Преимущество 
этого метода объясняется более широкими возможностями нейронных сетей – учет всей 
информации позволяет сформировать более адекватную реальной действительности модель, а 
алгоритм этого метода позволяет учесть взаимосвязи между всеми входными показателями.

2. Оценка привлекательности целевых сегментов является ключевым моментом при 

формировании маркетинговой стратегии промышленного предприятия, а комбинация двух 
методов (нейронные сети и метод дерева решений) позволяет получить информацию о 
значимости показателей привлекательности сегментов, необходимую для выбора стратегии.

3. Эффективное управление
ресурсами предприятия невозможно без достоверной  

оценки 
привлекательности 
целевых 
сегментов, 
анализ 
значимости 
показателей 

привлекательности позволяет разработать рекомендации по корректировке производственной, 
инновационной и маркетинговой стратегий предприятия.

Библиографический список

1. Воловиков Б.П. Корректировка маркетинговой стратегии предприятия на основании 
результатов исследований рынка. Журнал «Маркетинг в России и за рубежом», N6-2010, с. 6263.
2. Воловиков Б.П. Применение комплексного подхода к формированию корпоративной стратегии.
Практический маркетинг N9 (163) -2010, с. 32-36.
3. Воловиков Б.П. Разработка оптимального бизнес-портфеля промышленного предприятия. 
Вестник ОмГУ серия «Экономика» , N1, 2010-с.162-170.
4. Дебок Г., Кохонен Т., Анализ финансовых данных с помощью самоорганизующихся карт / 
Пер. с англ. – М.: «Альпина», 2001. с. 19.
5. Ламбен Жан-Жак. Менеджмент, ориентированный на рынок/ Перев. с англ. Под ред. 
В.Б.Колчанова.-СПб.: Питер,2006.-800 с.: ил. – (Серия «Классика МВА»)
6. Роберт Каллан Основные концепции нейронных сетей  The Essence of Neural Networks First 
Edition. — 1-е. — «Вильямс», 2001. — С. 288. — ISBN 5-8459-0210-X
7. 
http://zakupki.gov.ru/wps/portal/base/topmain/home 
Официальный 
сайт 
госзакупок.

/Электронный ресурс/
8. www.bob.ru - «Конкурсные торги» - /Электронный ресурс/
9. www.trade.ru - /Электронный ресурс/