Сегментирование покупателей жилой недвижимости по искомым выгодам и уровню инновационности

Российские строительные компании стремятся найти новые рынки сбыта, внедряя в свою деятельность обновленные маркетинговые практики. Понимание особенностей поведения различных сегментов потребителей в процессе выбора жилья становится одной из приоритетных задач застройщика. В процессе выбора жилой недвижимости потребители различных сегментов предъявляют разные требования к жилью и используют определенные критерии сравнения альтернатив. Приведены результаты авторского исследования по сегментированию покупателей рынка жилой недвижимости. Структурированы ключевые критерии выбора потребителями жилья. Выделены потребительские сегменты согласно уровню инновационности потребителей и искомым выгодам. Представлен анализ предпочтений, запросов и поведения респондентов по выделенным в процессе исследования сегментам. В качестве методов проведенного исследования авторы использовали контент-анализ предыдущих исследований российских и зарубежных авторов, качественное исследование с использованием фокус-групп, количественное исследование в форме off-line опроса, факторный анализ, кластерный анализ. Полученные результаты исследования могут быть использованы российскими компаниями-застройщиками для создания четко дифференцированного предложения на рынке и повышения своей конкурентоспособности.

С.В. АЛЕКСАНДРОВСКИЙ, канд. экон. наук,
Е.В. АРТЮШИНА, канд. экон. наук (Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.),
Д.А. ФОМЕНКОВ, канд. экон. наук,
М.А. ШУШКИН, д-р экон. наук

Национальный исследовательский университет «Высшая школа экономики» (603155, г. Нижний Новгород, ул. Большая Печерская, 25/12)

1. Шушкин М.А., Александровский С.В., Фоменков Д.А. Развитие сегмента индивидуального жилищного строительства: новые форматы и практики позиционирования. Н. Новгород: НИУ РАНХиГС, 2018. 180 с.
1. Shushkin M.A., Aleksandrovskiy S.V., Fomen-kov D.A. Razvitie segmenta individual’nogo zhilishchnogo stroitel’stva: novye formaty i praktiki pozitsionirovaniya [Development of the individual housing construction segment: new formats and positioning practices]. N. Novgorod: NIU RANHiGS, 2018. 180 p.
2. Flambard V. Demand for housing choices in the north of France: a discrete approach // Journal of European Real Estate Research. 2017. Vol. 10. No. 3, pp. 346–365. DOI: 10.1108/JERER-11-2016-0038
3. Guangtong Gu. Hedonic Price Ripple Effect and Consumer Choice: Evidence from New Homes // Journal of Advanced Computational Intelligence and Intelligent Informatics. 2018. Vol. 22, No. 6, pp. 809–816. DOI: 10.20965/jaciii.2018.p0809
4. Iman M., Hamid A., K. N. and S. L. H. A Conjoint Analysis of Buyers’ Preferences for Residential Property // International Real Estate Review. 2012. Vol. 15. No. 1, pp. 73–105. https://www.researchgate.net/publication/254424817_A_Conjoint_Analysis_of_Buyers_Preferences_for_Residential_Property (дата обращения 15.01.2020)
5. Jayasekare A.S., Herath S., Wickramasuriya R., Perez P. The price of a view: Estimating the impact of view on house prices // Pacific Rim Property Research Journal. 2019. Vol. 25, pp. 141–158. DOI:10.1080/14445921.2019.1626543
6. Liu, Zhicheng, Shuai Yan, Jun Cao, Tanhua Jin, Jiabo Tang, Junyan Yang, and Qiao Wang. Bayesian Approach to Residential Property Valuation Based on Built Environment and House Characteristics // IEEE International Conference on Big Data, Big Data. 2018, pp. 1455–1464. DOI: 10.1109/BigData.2018.8622422
7. Worku, Genanew Bekele. House Price Drivers in Dubai: Nonlinearity and Heterogeneity // International Journal of Housing Markets and Analysis. 2017. Vol. 10. No. 3. DOI: 10.1108/IJHMA-06-2016-0048
8. Xu, Yangfei, Qinghua Zhang, Siqi Zheng and Guozhong Zhu. House Age, Price and Rent: Implications from Land-Structure Decomposition // Journal of Real Estate Finance and Economics. 2018. Vol. 56. No. 2. DOI: 10.1007/s11146-016-9596-6
9. Zhan, Dongsheng, Mei Po Kwan, Wenzhong Zhang, Jie Fan, Jianhui Yu and Yunxiao Dang. Assessment and Determinants of Satisfaction with Urban Livability in China // Cities. 2018. Vol. 79, pp. 92–101. DOI:10.1016/j.cities.2018.02.025
10. Zhou, Xiaolu, Weitian Tong and Dongying Li. Modeling Housing Rent in the Atlanta Metropolitan Area Using Textual Information and Deep Learning // ISPRS International Journal of Geo-Information. 2019. No. 8, p. 349. DOI: 10.3390/ijgi8080349
11. Rae A., Sener E. How website users segment a city: The geography of housing search in London // Cities. 2016. No. 52, pp. 140–147. DOI: 10.1016/j.cities. 2015.12.002
12. Kauko T. An analysis of housing location attributes in the inner city of Budapest, Hungary, using expert judgements // International Journal of Strategic Property Management. 2007. No. 11 (4), pp. 209–225. DOI: 10.3846/1648715X.2007.9637570
13. Яговцева М., Потапов Д. Оценка полезности мультиатрибутивного товара на рынке жилой недвижимости // Маркетинг и маркетинговые исследования. 2013. № 3. С. 192–208. https://grebennikon.ru/article-t6gc.html (дата обращения 18.04.20).
13. Yagovsteva M., Potapov D. Evaluating the utility of a multi-attribute product in the residential real estate market. Marketing I Marketingovie issledovaniya. 2013. No. 3, pp.192–208. (In Russian).
14. Габудина А.А., Корпусова Н.С. Особенности механизма принятия решения о покупке на рынке недвижимости и маркетинговых инструментов, оказывающих влияние на потребителей // Экономика и предпринимательство. 2018. № 12 (101). С. 688–695.
14. Gabudina A.A., Korpusova N.S. Features of the mechanism for making a purchase decision in the real estate market and marketing tools that influence consumers. Economica i predprinimatelstvo. 2018. No. 12 (101), pp. 688–695 (In Russian).
15. Сериков Д. Анализ влияния потребительских предпочтений в сфере жилой недвижимости на уровень спроса и темпы продаж девелоперов // Маркетинг и маркетинговые исследования. 2012. № 6. С. 504–513.
15. Serikov D. Analysis of the impact of consumer preferences in residential real estate on the level of demand and sales rates of developers. Marketing I Marketingovie issledovaniya. 2012. No. 6, pp. 504–513. (In Russian).
16. Сироткин В.А., Романова А.Э., Скорин А.В. Фактор демографии в ценообразовании первичного рынка жилой недвижимости // Жилищное хозяйство и коммунальная инфраструктура. 2020. № 1 (12). С. 98–107.
16. Sirotkin V.A., Romanova A.E., Skorin A.V. Demographic factor in pricing of the primary residential real estate market. Zhilishchnoe khozyaistvo i kommunal’naya infrastruktura. 2020. No. 1 (12), pp. 98–107. (In Russian).
17. Трушина Ю. Особенности поведения покупателя жилой недвижимости на основе модели принятия решения // Маркетинг и маркетинговые исследования. 2007. № 6. С. 514–528.
17. Trushina Yu. Features of residential property buyer behavior based on the decision-making model. Marketing I Marketingovie issledovaniya. 2007. No. 6, pp. 514–528. (In Russian).
18. Кучина Е.В., Морозова Л.Ш. Анализ факторов формирования стоимости жилья при переходе к проектному финансированию жилищного строительства // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2018. Т. 12. № 4. С. 54–61.
18. Kuchina E.V., Morozova L.Sh. Analysis of factors that form the cost of housing in the transition to project financing of housing construction. Vestnik uyzhno-uralskogo gosudarstvennogo universiteta. Seriya: economica I menedzhment. 2018. Vol. 12. No. 4, pp. 54–61. (In Russian).
19. Goldsmith R.E., & Hofacker C.F. Measuring consumer innovativeness // Journal of the Academy of Marketing Science. 1991. No. 19 (3), pp. 209–221. DOI: 10.1007/BF02726497
20. Roehrich G. Consumer innovativeness: Concepts and measurements // Journal of Business Research. 2004. Vol. 57. No. 6, pp. 671–677.
21. Moore G.A. Crossing the chasm : marketing and selling disruptive products to mainstream customers. Harper Business Essentials. 2014. 211 p.
22. Jain A.K. Data clustering: 50 years beyond K-means. Pattern Recognition Letters. 2010. No. 31, рp. 651–666. DOI: 10.1016/j.patrec.2009.09.011
23. Kanungo T., Mount D.M., Netanyahu N.S., Piatko C.D., Silverman R., & Wu A.Y. An efficient k-means clustering algorithm: analysis and implementation // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002. Vol. 24. No. 7, pp. 881–892. DOI: 10.1109/TPAMI.2002.1017616