Üzletválasztási szempontok fontossága az élelmiszer-kiskereskedelemben (Vásárlói szegmensek jellemzése az üzletválasztási szempontok alapján) = The importance of criteria for choosing food retail units (Characterisation of purchase segments on the basis criteria for choosing food retail units)

摘要

A vásárlói magatartás vizsgálat mind aktuálisabb problémája a fogyasztói üzletválasztás kérdésének a hagyományos bolti élelmiszer-kiskereskedelem rendszerén belül. Kutatásaink során összegyűjtöttük és adaptáltuk a nemzetközi szakirodalom legfontosabb ide vonatkozó modelljeit. Kvalitatív módszerek (fókuszcsoport, Kelly féle repertoár rács technika) segítségével meghatározásra kerültek azon észlelt befolyásoló tényezők (boltjellemzők) és vásárlói stratégiák, melyek az üzletválasztásra hatnak, feltártuk a köztük lévő kapcsolatot, és hasonlóságot. Országos reprezentatív mintán (n=1029) elemeztük az egyes üzletekre jellemző látogatási gyakoriságokat és a bolt specifikus fogyasztói kosár szerkezetét. Állításlisták segítségével, az image profil módszer felhasználásával határoztuk meg valamennyi bolttípus legkarakteresebb jegyeit, végül cluster analízissel (K-means) szegmentáltuk - elsőlépésben - a hipermarket látogatókat vásárlási szokásaik alapján. | The consumer's store choice is becoming an actual problem of the consumer behaviour research. In our research we collected and adopted the most important related models of the international literature, using qualitative methods (focus group, Kelly's Repertory Gried) we determined the factors (store attributes) and consumer strategies having an impact on the store choice. After defining store types, we explored their similarity and its background. The frequencies of consumers' store visits and the groups of purchased goods specific for each store were analysed on a nationwide representative sample (n=1029). Utilizing statement lists and image profile method we determined the most characteristic features of each store type and finally we segmented the store visitors by their buying habits using K-means cluster analysis.