بخش‌بندی و تعیین نیمرخ مشتریان خودروهای پلاک اروند با استفاده از الگوریتم شبکه عصبی مدل نقشه‌های خودسازمانده

محورهای موضوعی : مدیریت بازاریابی

نازنین عباسی ¹ , مریم درویشی ²

1 - گروه مدیریت اجرایی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران
2 - گروه مدیریت بازرگانی، واحد امیدیه، دانشگاه آزاد اسلامی، امیدیه، ایران

تاریخ دریافت : 1400/09/30 تاریخ پذیرش : 1401/12/27 تاریخ انتشار : 1401/08/01

کلید واژه: بخش‌بندی, نیمرخ مشتریان, شبکه عصبی خودسازمانده, منطقه آزاد اروند,

چکیده مقاله :

پیدایش بازار واردات خودرو در منطقه‌ی آزاد اروند در استان خوزستان، سهم بسزایی از خرید خودرو در این استان پهناور را به خود اختصاص داده است. پژوهش حاضر با هدف بخش‌بندی و تعیین نیمرخ مشتریان خودروهای پلاک اروند با استفاده از الگوریتم شبکه مصنوعی مدل نقشه‌های خودسازمانده صورت گرفته است. برای شناسایی نیمرخ مشتریان، بالغ‌ بر 70 هزار نفر از دارندگان خودروهای پلاک اروند در سطح استان خوزستان جامعه آماری این پژوهش را تشکیل داده است. با استفاده از جدول مورگان 384 نفر به روش نمونه‌گیری تصادفی به عنوان نمونه انتخاب و جهت گردآوری اطلاعات از پرسش‌نامه استفاده گردید. تحقیق در گروه روش‌های کمی بوده که با توجه به هدف، کاربردی و ازلحاظ ماهیت، اکتشافی - پیمایشی و به لحاظ زمانی نیز مقطعی می‌باشد. تجزیه و تحلیل اطلاعات به روش تحلیل و داده کاوی با استفاده از شبکه عصبی خودسازمانده SOM انجام شد. برای بخش‌بندی مشتریان، ویژگی‌های جمعیت‌شناختی، روان‌شناختی و رفتاری هم‌زمان به کار گرفته شده است.بر اساس خروجی‌های به دست آمده و شاخص‌های تعیین خوشه‌های بهینه، 3 بخش شامل مشتریان بی‌تفاوت، محافظه‌کار و وفادار شناسایی و برچسب‌گذاری شد.نتایج این پژوهش نشان می‌‌دهد که متغیرهای جمعیت‌شناختی، روان‌شناختی و رفتاری در بخش‌بندی مشتریان خودروهای پلاک اروند نقش تعیین‌کننده‌ و ویژه‌ای دارند.

چکیده انگلیسی:

The emergence of car import market in Arvand Free Zone in Khuzestan province, has covered a significant share of car purchases in this vast province. The present study was conducted using artificial network algorithm of self-organizing maps model aiming at segmentation and profiling of customers of Arvand license plate registered vehicles. In order to identify the profile of customers and adopt an appropriate marketing strategy, the statistical population of this study was formed over 70,000 owners of Arvand license plate registered vehicles across the Khuzestan province. Using Morgan table, 384 people were selected as a sample by random sampling method, and a questionnaire was utilized to collect information. Research in the group was carried out with a quantitative method that was applied in terms of purpose, exploratory-survey in terms of nature, and also cross-sectional time wise. Data analysis was performed by self-organizing neural network analysis (SOM). Simultaneously, the demographic, psychological, and behavioral characteristics have also been considered to categorize customers. Based on the results, 3 sections including indifferent, conservative and loyal customers were identified and named. The validity and reliability of the study were also statistically confirmed. The results of this study show that demographic, psychological and behavioral variables have a decisive and special role in customer segmentation of Arvand license plate registered vehicles.  

منابع و مأخذ:

احمدی، پ.، آذر، ع. و صمصامی، ف. (1393). "بخش‌بندی بازار دارو با رویکرد شبکه‌های عصبی (مطالعه موردی: بازار دارو ایران)"، مدیریت بازرگانی، دوره 2، شماره 6، صص. 1-20.

 

افجه، ع. و درویشی، م. (1393). "بخش‌بندی و شناسایی ویژگی‌های مصرف‌کنندگان در یک محیط چند کانالی با استفاده از ترکیب روش نقشه‌های خودسازمانده و رگرسیون لجستیک"، دو فصلنامه علمی پژوهشی کاوش‌های مدیریت بازرگانی، شماره 12، سال ششم، صص. 47-73.

 

بحرینی‌زاده، م.، اسماعیل‌پور، م. و کبیری‌فرد، د. (1395). "بخش‌بندی بازار گردشگران ساحلی با رویکرد نقشه‌های خودسازمانده"، مدیریت بازرگانی، شماره 4، دوره 8، صص. 745-770.

 

حسنقلی‌پور، ط.، میری، م. و مروتی شریف‌آبادی، ع. (1386). "تقسیم بازار با استفاده از شبکه‌های عصبی مصنوعی مطالعه موردی: فرآورده‌های گوشتی (سوسیس)"، فصلنامه مدرس علوم انسانی، دوره 11، شماره 55، صص. 57-80.

 

حسینی، ی. و ضیایی بیده، ع. (1392). "بخش‌بندی و تعیین نیم‌رخ مصرف‌کنندگان سبز با استفاده از نقشه‌های خودسازمانده"، پژوهش‌های مدیریت در ایران، دوره ۱۷، شماره 2، صص. 43-68.

 

سیفی دیوکلایی، م. (1394). "بررسی عوامل مؤثر بر عشق به برند و پیامدهای آن از دیدگاه مشتریان خودروهای لوکس وارداتی"، پایان‌نامه کارشناسی ارشد. دانشگاه آزاد اسلامی واحد تهران مرکز، دانشکده مدیریت و حسابداری.

 

سلطانی، م. و محمدیان، ب. (1395). "گفتمان کاوی الگوهای ذهنی مشتریان مردد: کاربست روش کیو"، مدیریت بازرگانی، دوره 8، شماره 2، صص. 339-354.

 

صبوریفرد، م.، یوسفی مجد، ف. و شعاران، ا. (1395). "بررسی مفهومی و ارائه یک مدل ریاضی تقسیم‌بندی مشتریان، به منظور تدوین استراتژی‌های بازاریابی با رویکرد تئوری شبکه عصبی"، سومین کنفرانس بین‌المللی مدیریت، حسابداری، اقتصاد و علوم انسانی، نروژ، مؤسسه تحقیقاتی، پژوهشی علوم و تکنولوژی نروژ.

 

Camilleri, M.A. (2018). “Market Segmentation, Targeting and Positioning. In Travel Marketing, Tourism Economics and the Airline Product”, Cham, Switzerland: PP. 69-83.

 

Gordon A.D. (1999). “Classification.2nd Edition”, London: Chapman & Hall/CRC, P. 320.

 

Gorr, W.L. & Nagin, D. (1994). “Comparative Study of Artificial Neural Network and Statistical Models for Predicting Student Grade Point Averages”, International Journal of Forecasting, Vol. 10, PP. 17-34.

 

Haley, R.I. (2016). “Benefit Segmentation: A Decision-Oriented Research Tool”, Journal of Marketing, Vol. 32(3), PP. 30-35.

 

Hasan, M.K., Al Mamun, M.A. & Islam, M.R. (2015). “Market Segmentation and Targeting Strategy for Promoting Cox’s Bazar Beach in Bangladesh as A Tourists’ destination”, British Journal of Marketing Studies, Vol. 3(4), PP. 59-72.

 

Kotler, P. & Armstrong G. (2010). “Principles of marketing (12 Ed)”, Upper Saddle River, NJ: Prentice Hall.

 

Mostafa, M. (2009). “Shades of green: A psychographic segmentation of the green consumer in Kuwait using self-organizing maps”, Expert Systems with Applications, Vol. 36(8), PP. 11030-11038.

 

Mostafa, M.M. & El-Masry, A.A. (2013). “Citizens as consumers: Profiling egovernment services users in Egypt via data mining techniques”, International Journal of Information Management, Vol. 33(4), PP. 627-641.

 

Surjandari, I., Masbar Rus, A.M. & Pramudita, R. (2018). “Segmentation of Natural Gas Customers in Industrial Sector Using Self-Organizing Map (SOM) Method”, IOP Conference Series Materials Science and Engineering, Vol. 316(1), 012046.

 

Walczac, S. & Cerpa, N. (1999). “Heuristic Principles for the Design of Artificial Neural Networks”, Informational Software Technology, Vol. 41, PP. 107-117.

 

Wells, V.K., Chang, S.W., Oliveira-Castro, J. & Pallister, J. (2010). “MarketSegmentation from a Behavioral Perspective”, Journal of Organizational Behavior Management, Vol. 30(2), PP. 176-198.

 

Wen, K.W. & Peng, K.F. (2002). “Market Segmentation via Structured Click Stream Analysis”, Industrial Management & Data Systems, Vol. 102(9), PP. 493-502.

 

Yankelovich, D. & Meer, D. (2006). “Rediscovering market segmentation”, Harvard Business Review, Vol. 84, PP. 122-131.

 

Zhou, J., Zhai, l. & Pantelous, A.A. (2019). “Market Segmentation Using High-dimensional Sparse Consumers Data”, Expert Systems with Applications, Vol. 145, 113136.