تقسیم بازار مقدمه ای بر انتخاب بازار هدف از روشهای سنتی تا استفاده از شبکه های عصبی مصنوعی

Authors

  • سید مهدی میری دانشجوی دانشگاه علامه طباطبایی
Abstract:

بی تردید در عرصه نوین رقابت میان شرکتها، بدست آوردن یا از دست دادن حتی یک مشتری نیز حائز اهمیت است. تعدد شرکتها و رقابت، آنها را ناگزیر می سازد تا جهت دستیابی به گروهی از مشتریان تلاش نمایند چرا که دستیابی به تمام مشتریان در این رقابت شدید غیر ممکن شده است. بدین ترتیب شرکت ها احساس می کنند به تقسیم بازار و بخش بندی نیاز دارند. البته اصل این نیاز از گذشته احساس می شد و بر آن اساس تقسیم بندیهای ساده ای نیز انجام گرفته  است. آنچه که در اینجا ما بدان خواهیم پرداخت مفاهیم، رویکردها و روشهای نوین و پیشرفته تقسیم بازار است که به شناخت بهتر مشتریان و در نتیجه آسانتر شدن انتخاب مشتریان هدف و توجه بهتر و بیشتر به آنها منجر خواهد شد بگونه ای که موفقیت شرکت تامین شود. این مفاهیم شامل تقسیم بندی فوق العاده زیاد یا بازاریابی خرد، سفارشی سازی انبوه و تقسیم بازار بسیار دقیق است؛ روشها نیز از تقسیم بندی چند بعدی شروع شده با خوشه بندی فازی و همپوشانی ، مدلهای طبقه پنهان و تحلیل خوشه ای ادامه یافته و به تقسیم بازار با شبکه های عصبی مصنوعی ختم می شود. روش استفاده از شبکه های عصبی مصنوعی با تفصیل بیشتری مورد مداقه قرار گرفته است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تقسیم بازار با استفاده از شبکه های عصبی مصنوعی مطالعه موردی: فرآورده های گوشتی (سوسیس)

تقسیم بازار با شبکه های عصبی مصنوعی، سابقه طولانی در دنیا ندارد. به طور عمده، این روش در دنیا، از چندین سال پیش در مدیریت گردشگری به صورت گسترده آغاز گردید و پس از آن به سایر حوزه های بازاریابی نیز سرایت کرد. امروزه این روش در کنار روشهای آماری از شایعترین شیوه های تقسیم بندی مشتریان بوده و روزبه روز در حال گسترش است. در این تحقیق به دلیل ضرورت شناخت مشتریان هدف برای یک شرکت تولیدکننده فرآورده...

full text

بررسی انتظارات عقلایی بازار بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

چکیده اغلب داد و ستدها در بازار سرمایه براساس انتظارات سرمایه گذاران از ارزش آینده ابزار مالی مورد نظر صورت می گیرد. از این رو، داشتن برداشت صحیح از چگونگی شکل گیری این انتظارات دارای اهمیت بسیار در حوزه اقتصاد می باشد. تقریبا تمام مدل های اقتصادی، به ویژه مدل های اقتصاد کلان، با طرح فرضیه ای مشخص در مورد چگونگی شکل گیری انتظارات آغاز می شوند. هدف این پژوهش، تخمین و تحلیل الگوی انتظارات عقلایی ...

full text

پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی

در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...

full text

پیش بینی سقوط بازار سهام با استفاده از شبکه های عصبی نگاشت خود سازمان ده

سقوط بازار پدیده­ای است که سبب از دست رفتن ثروت و دارایی سرمایه‎گذاران در بازۀ زمانی نسبتاً کوتاهی می­شود، از این رو تلاش برای پیش­بینی آن از اهمیت زیادی برای سرمایه­گذاران، سیاست‎گذاران، نهادهای مالی و دولت برخوردار است. بررسی اجمالی تئوری­ها و مدل‎های ارائه‎شدۀ پیش­بینی سقوط در بازار سهام نشان می­دهد میان پژوهشگران دربارۀ الگوهای مشاهده‎شدۀ متغیرها، مانند حجم معامله، بازده‎ها، نوسان‎پذیری، عوا...

full text

انتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب‌تر برای سرمایه‌گذاران ریسک‌پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه‌ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می‌باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 13  issue 52

pages  17- 40

publication date 2007-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023