Дипломная работа: Различия в бизнес-моделях авиакомпаний и воспринимаемый пассажирами уровень дифференциации услуг

По результатам формирования входящих и результирующих параметров для каждого кейса далее рассмотрены варианты комбинации связи факторов и исходов события с тем, чтобы обнаружить наиболее сильные взаимоотношения между переменными и событием-результатом. Описательная статистика представлена в табл. 3.

Таблица 3

Описательная статистика используемых переменных (количество кейсов - наблюдений = 7)

В целом для отобранных авиакомпаний мы наблюдаем достаточно существенный разброс в характеристиках. Особое внимание привлекают различия в наборе предлагаемых перевозчиками услуг. Рассматривая этот показатель с наиболее частовстречающимся значением в развитии хабовой структуры показатель может создавать основу для расширения набора услуг авиакомпаний. В дальнейшем для набора переменных построена таблица истинности, которая определяет всевозможные комбинации установленных значений факторов и результатов, определяя причинно-следственные и логические связи для всех условий, в том числе, для которых нет установленного в исходных данных эмпирического подтверждения. Таблица истинности в нашем случае содержала 32 возможных комбинаций факторов. Для каждого из факторов установлено бинарное значение 1 и 0, отражающее два полярных варианта присутствия или отсутствия фактора в предлагаемом решении. Для вариантов комбинаций факторов определено количество реальных кейсов исходной базы данных (табл. 4).

Таблица 4

Таблица истинности для комбинаций влияния факторов

Для контроля качества построения таблицы истинности рассчитаны соответствующие показатели контроля. В частности, raw cons показывает степень, в которой набор значений каждого конкретного кейса (строки) является подмножеством итогового результата. Значения ниже 0,20 считаются неудовлетворяющими критерию качества подвыборки и удалятся (Vis, 2012). В нашем случае отобранные кейсы этому параметру удовлетворяют. Значения PRI cons и SYM cons отражают меру согласованности набора данных и для данных типа fuzzy-set аналогичны raw cons (Schneider, 2010).

Далее, для каждого из полученных кейсов, которые нашли свое отражение в таблице истинности, экспертным методом (в нашем случае на основании полученных в интервью ответов) определены в бинарной шкале наиболее вероятные сценарии (кейсы), которые при значении 1 в столбце result скажу о склонности авиакомпании к расширению сервисов и услуг и их индивидуализации, при значении 0 - скажет о несклонности авиакомпании к развитию к расширению сервисов и услуг и их индивидуализации.

Так, в первую очередь, негативным маркером отмечены кейсы, содержащие положительное значение по переменной state_money, что соответствует транскрипции интервью, когда эксперты говорили о субсидируемых маршрутах и государственной поддержке, как факторе обратного влияния на развития авиасообщения. Кроме этого, однозначно негативным кейсом указан случай, когда авиакомпания находится на стартовых позициях (все переменные модели установлены в значении 0), а также кейс, когда перевозчик имеет только полихабовую структуру географии полетов, т.е. он имеет несколько опорных аэропортов, при этом набор его текущих факторов сервиса развит слабо, категории тарифной линейки также неразвиты. Разрабатывая переменные, мы предполагали, что для развития и продвижения сервиса на борту авиакомпании перевозчик должен четко идентифицировать целевых пассажиров и их модели поведения.

Положительными кейсами, в свою очередь, указаны авиакомпании, которые по переменной ticket_types и airport_infr имеют положительное значение. Первая указанная переменная, очевидно, еще при составлении базы воспринималась нами как положительно влияющая, однако, второй фактор оценивался нами негативно. Тем не менее, данные кейс был указан как положительный ввиду тех ограничений, который были учтены при изменении итогового значения для авиакомпании UTA.

На заключительном этапе применена опция стандартного анализа, позволяющая разработать две модели логического процесса: модель с максимальным количеством переменных и модель, предлагающую парсимонное решение, т.е. такое решение, согласно которому исходы определяются из наименьшего количестве условий (Rowher, 2010). Рассмотрим каждый из вариантов (табл. 5).

Таблица 5

Результаты проведения качественного сравнительного исследования

Структура комплексного решения предлагает два варианта возможного влияния. Показателем качества предлагаемых вариантов является cons, показывающий согласованность, т.е. степень, в которой членство в каждом элементе решения является подмножеством результата. Отдельно выражается уровень согласованности предлагаемых вариантов и уровень согласованности решения в целом, которые тем лучше, чем более стремятся к единице - максимально согласованному и непротиворечащему решению. Результирующий показатель solution coverage отображает уровень объясненных с помощью предлагаемых вариантов решений. Так комплексное решение в целом объясняет 52% набора кейсов.

Одинаковыми вариантами в двух предлагаемых комплексных уравнениях являются факторы уровня конкуренции на региональных маршрутах и текущий уровень сервиса, указанный с логическим оператором NOT, что позволяет сказать о том, что связи между параметрами и экспертной оценкой склонности к развитию услуг и их индивидуализацией не обнаружено. При этом комплексное решение указывает на три переменных (широта тарифов, аэродромная инфраструктура и наличие государственных субсидий), вариации которых дают различное значение. Наибольшие значения cons в комплексном решении демонтируются для опции, при которой однозначно утверждаемой является широта классов обслуживания.

Рассмотрение парсимонного решения, минимизирующего количество включенных в модель переменных с наибольшим уровнем cons, выделяет решение, также связанное с широтой тарифной линейки. Двойное утверждение силы влияния этого фактора на потенциальное расширение услуг авиакомпании может свидетельствовать и служить основанием для формулировки предположения о том, что именно этот фактор в наибольшей степени является значимым и объясняет значения cons. Модель, которая включает услуги факторы, связанные с развитостью хабовой структуры авиакомпании и наличием государственной поддержки в целом усиливают парсимонную модель до solution coverage 0,612500, что является существенным прибавлением к общей комплексной модели.

Проведение QCA позволило на количественном уровне верифицировать и опровергнуть как собственные предположения, так и мнения участников полуструктурированного интервью. Во-первых, оценки показали, что фактор, связанный с активным участием авиакомпаний в программе субсидирования региональных авиаперевозок, который как экспертами, так и в последствии нами, трактовался как негативный параметр, не способствующий индивидуализации услуг за счет стабильных государственных денежных потоков на, как правило, монопольных маршрутах, оказался важным для развития набора услуг. Возможно, это связано с тем, что вне зависимости от того, на каком маршруте используется самолет, воздушное судно остается идентично, в том числе технически, что позволяет транслировать сервисы и услуги на субсидируемые маршруты. Иными словами, субсидирование региональных перевозок не снижает активность авиакомпаний по развитию сервисов и услуг, что опровергает соответствующие мнения экспертов.

Кроме этого, второй фактор - наличие более широкой тарифной линейки положительно влияет на намерения авиакомпании расширять услуги, как было сказано в направлении глубокой клиентской аналитики. Отдельно отметим полученные по результатам QCA и интервью выводы об уровне кастомизации, шкала которых упомянута при обсуждении этапов развития предложения перевозчиков. Сохраняя риторику о сегментации пассажиров и выделении двух наиболее четко идентифицируемых потребительских групп авиакомпании, не говорят о том, что текущая политика тарифных предложений и наборов услуг будет упразднена. Наоборот, перевозчики рассматривают тарифы, как возможность привлечь более разнородные группы пассажиров, а за счет услуг, доступных не «по умолчанию», формировать индивидуализированное предложение. Подобные рассуждения позволяют сказать, что к первой группе, полярности шкалы кастомизации - product proliferation, авиакомпании, участвующие в исследовании, отнести нельзя.

Также, полученные выводы не подтверждают намерения компаний перейти в противоположное состояние на континууме кастомизации - mass customization, где потенциальные конфигурации дополнительных услуг и сервисов не являются ограниченными. Опираясь на то, что в большей степени услуги будут развиваться в направлении бортового обслуживания перевозчики при попытке следования этому варианту сталкиваются с объективными ограничениями, в большей степени, технического и технологического толка, о котором свидетельствуют прямые цитаты участников.

Единственным вариантов в этой связи, который подтверждается количественными и качественными данными является таргетированная массовая кастомизация в интересах наиболее значимых потребительских групп.

Третьим значимым фактором, подтверждающим выводы экспертов, явилось количество потенциальных контрагентов в аэропорту и широта хабовой сети, так как авиакомпания, создавая собственную инфраструктуру, в любом случае, даже при разных категориях ее распределенности, концентрирует свои пассажирские потоки. Стоит отметить, что несмотря на это, мы стремимся сохранить фокус на летных сервисах и услугах. В качестве мнений относительно возможных вариантов такого развития, высказывалась торговля, которая, как кажется, является достаточно традиционной и понятной перевозчикам формой неавиационной доходности, однако здесь в качестве предположения считаем правильно расширять список этих услуг - доступ к беспроводному интернету, сервисы персонального комфорта, широта рационов меню, систем развлечений на борту. Представленные рассуждения, при рассмотрении их с позиции поставленных исследовательского вопроса Q1 подтвердились в среднесрочной перспективе, т.к. в краткосрочном горизонте планирования авиакомпании не имеют достаточных ресурсов для развития этого направления: основные усилия перевозчиков направлены на сохранение текущих значений качества бортового сервиса. Исследовательский вопрос Q2 нашел свое подтверждение в описании практик авиакомпаний в двух из рассмотренных временных перспектив и связан с развитием кросс-субсидирования, участия в программах развития внутрирегионального авиасообщения, что позволяет снизить величину расходов на выполнение полетов и направить ресурсы на развитие сервисов и услуг.

С учетом того, что отраслевой перечень контрагентов не задавался, тем не менее, предполагаем, что набор услуг может развиваться и индивидуализироваться в лётной стадии гораздо существенней, чем это было в общих чертах обозначено.

Частично подтвердив выводы интервьюируемых, кратко перечислим основные факторы, для которых обнаружена положительная связь с потенциалом авиакомпании расширять и индивидуализировать, согласно гибридной модели, набор услуг и сервисов на летной стадии обслуживания:

- широта тарифов обслуживания;

- наличие хабовых аэропортов за пределами МУДР;

- уровень финансовой поддержки деятельности авиакомпаний от органов государственной власти.

Дальнейший кейс-анализ проведен в соответствии с принципом триангуляции в направлении практической верификации полученных в QCA выводов с использованием практик, которые раскрывают авиакомпании в представлениях СМИ. В этой связи, используя новостной агрегатор Public.Ru, содержащего материалы более четырех тысяч СМИ всех регионов России проанализированы публикации в СМИ по ключевому слову «авиакомпании». В качестве глубины публикаций указывался календарный год с 09.05.2019 по 09.05.2020. В таких временных границах мы получаем возможность рассмотреть практики работы авиакомпаний в различных условиях: высокий сезон 2019 года, низкий сезон 2019 -2020 года и ситуация в отрасли в период пандемии, что соответствует двум фокусам кейс-анализа - краткосрочному и среднесрочному. В качестве источников данных отобраны центральные печатные СМИ, информагентства, он-лайн пресса и интернет СМИ.