برآورد مدل انتخاب گسسته تمایز مشتری مبتنی بر بخش بندی (مطالعه موردی بررسی ترجیحات خریداران سایپا)
محورهای موضوعی : مدیریت بازاریابی
محمد علی عبدالوند
1
(، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران)
جمشید ناظمی
2
(دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران)
حسین علی مومنی
3
(دانشگاه آزاد اسلامی، واحد کرج، کرج، ایران)
کلید واژه: انتخاب گسسته, بخش بندی, تحلیل مولفه اصلی, لاجیت چند جمله ای,
چکیده مقاله :
در مدلسازی انتخاب محصول توسط مشتریان، در نظر گرفتن متغیرهای اجتماعی- جمعیت شناختی به طور مفهومی جالب بوده و منافع مدیریتی متعددی دارد. سوال این است که این متغیرها چگونه مشتریان یا محصولات را متمایز می نمایند. از سوی دیگر قیمت به عنوان مهم ترین خصوصیت بر تابع مطلوبیت محصولات اثر می گذارد. بنابراین هدف این تحقیق، تبیین نقش قیمت و متغیرهای اجتماعی- جمعیت شناختی در خرید خانوار به خصوص انتخاب خودرو می باشد. مدل لاجیت چند جمله ای بر اساس ترجیحات آشکار شده خریداران خودروی جدید شرکت خودروسازی سایپا توسعه داده شده و نهایتا مدل تمایز مشتریان در برگیرنده متغیرها به همراه ضرایب عوامل موثر در تابع مطلوبیت محصولات ارایه شده است. همچنین روش تحلیل مولفه اصلی به منظور بخش بندی مشتریان به کار گرفته شده و سپس بر روی بخش بندی حاصله، تست نسبت راستنمایی انجام شده که نشان می دهد روش تحلیل مولفه اصلی در مدل های انتخاب گسسته، منجر به بخش بندی معنادار جامعه می شود. بنابراین، مدل های انتخاب گسسته با رویکرد بخش بندی گرا توسعه داده شده و نتایج این رویکرد با رویکرد کلی گرا مقایسه گردیده است که نشان می دهد رویکرد بخش بندی گرا در اغلب بخش های تعریف شده نسبت به رویکرد کلی گرا از قابلیت پیش بینی بالاتر (پیش بینی احتمال انتخاب گزینه ها) و شاخص خوبی انطباق بهتری برخوردار است. نتایج این تحقیق چشم انداز جدیدی را برای خودروسازان و برنامه ریزان بازاریابی در رابطه با سیاستگذاری در خصوص تمایز و هدف گیری مشتریان که بر استراتژی های آمیخته بازاریابی نیز اثرگذار است ایجاد می نماید.
In product choice models, incorporating socio-demographic characteristics is conceptually appealing and has numerous managerial benefits. The main question is how socio-demographic characteristics differentiate customers or products in order to define relevant marketing mix strategies or what a disaggregated analysis reveals about the customer's profile of company products. Traditionally econometrician and marketers apply discrete choice models into a total population or a sample of consumers (naming as consolidated approach) in order to understand, describe, and predict consumer choices for a particular product and assess socio-demographic variation on the utility functions and subsequently analyse the difference between segments behaviour in order to identify differences between target consumers. The Multinomial Logit model developed based on data obtained from new car buyers of SAIPA automotive company and final model including all significant variables and their estimated parameters on utility functions of all products presented. In this study, a segment-oriented approach is introduced and compared with the consolidated approach. The proposed methodology using principal component analysis to segment the population (or sample) into different groups so as the results indicate principal component analysis is a robust method in order to reach to differentiated segments among population as expected and finally the result is compared with consolidated approach which indicates the segmented approach outperforms the consolidated approach in terms of choice predictability and R-square index of the model. The results bring a new insight to car manufacturers as well as marketing planners concerning policy setting about customer characterizing and targeting that affects marketing mix strategies.