بخش‏بندی بازار شامپو از دیدگاه مشتریان با استفاده از تکنیک شبکه عصبی مصنوعی و شناسایی ویژگیهای هر بخش مبتنی بر روش تاگوچی

نویسندگان

  • سمیه کریمی دانشگاه شاهد
چکیده مقاله:

توجه و تمرکز بر مشتری در بازارهای کاملاً رقابتی امروز، عامل حیاتی موفقیت شرکت‏هاست و تقسیم‏بندی بازار به بخش‏های مختلف و ارائه کالاها و خدمات به مناسب‏ترین بخش‏ها مهمترین فعالیتی است که منجر به تمرکز بیشتر شرکت‏ها بر مشتریانشان می‏گردد. در این پژوهش با استفاده از تکنیک شبکه‏های عصبی مصنوعی بازار شامپو در منطقه 8 تهران بخش‏بندی شد. بدین منظور پس از بررسی ادبیات تحقیق 26 شاخص شناسایی شده و با استفاده از شبکه‏های عصبی خودسازمان‏ده بخش‏بندی صورت گرفت و از میان حالت‏های مختلف خوشه‏بندی، حالتی انتخاب شد که اعضاء درون هر بخش بازار شباهت حداکثر به هم و اعضاء بین بخشهای مختلف بازار تفاوت معنی داری نسبت به هم داشته باشند. نتایج نشان داد که بخش‏بندی با 9 خوشه بهترین حالت می‏باشد. این روش با روش Kمیانگین مقایسه و برتری روش شبکه‏های عصبی مصنوعی نشان داده شد. در ادامه با استفاده از روش پیشنهادی مبتنی بر روش تاگوچی مهمترین ویژگی هر بخش جهت استخراج اقدامات بازاریابی متناظر استخراج شده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهینه‌سازی ساختار شبکه عصبی مصنوعی در پیش‌بینی دبی رسوب با استفاده از روش تاگوچی

در دهه ‏های اخیر شبکه ‏های عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیش ‏بینی پدیده‏ های هیدرولوژیکی به کار گرفته شده ‏اند. اگرچه استفاده از شبکه ­های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ­ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش­ بینی این مدل­ ها، به میزان زیادی تحت­ تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولو...

متن کامل

پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM

چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدا...

متن کامل

یافتن مناسبترین ساختار شبکه عصبی مصنوعی با استفاده از روش طراحی آزمایشات تاگوچی

چکیده      تأخیر در تأمین نفت گاز، پیامدهای سیاسی، اجتماعی و اقتصادی وسیعی را به دنبال دارد؛ بنابراین پیش بینی دقیق تقاضای نفت گاز بسیار مهم است. استفاده از شبکه های عصبی مصنوعی در پیش بینی کاربرد زیادی دارد. طراحی مناسب پارامترهای (ساختار) شبکه موجب می شود دقت و عملکرد شبکه های عصبی مصنوعی افزایش یابد. در بیشتر مطالعات از روش سعی و خطا برای تنظیم پارامترهای شبکه های عصبی مصنوعی استفاده می شود ...

متن کامل

بخش بندی بازار مشتریان بیمه های عمر با استفاد از شبکه عصبی

در فرایند بازاریابی یکی از ابزارهای استراتژیک که کلیه تصمیمات مربوط به آمیخته بازار را تحت تاثیر قرار می دهد فرایند بخش بندی بازار، انتخاب بازار و جایگاه یابی بازار است. اجرای درست این فرایند باعث می گردد تا بازاریابان دید و درک بهتری از مشتریان بدست آورند و در نتیجه نیازهای آنها را بهتر برآورده سازند. جهت بخش بندی بازار معیارهای متفاوتی مطرح شده است و از ابزارهای تحلیلی متنوعی از استفاده می گر...

متن کامل

روش مبتنی بر موجک برای طبقه‌بندی علف هرز و ذرت با استفاده از ویژگی‌های آماری و شبکه عصبی مصنوعی

در این تحقیق، یک رویکرد مبتنی بر تبدیل موجک برای طبقه‌بندی علف هرز و ذرت ارایه شده است. بر این اساس، یک پایگاه داده متشکل از 500 تصویر در شرایط عادی مزرعه تهیه شد. در ابتدا تبدیل موجک دو بعدی سه مرحله‌ای برای تمام تصاویر اعمال گردید. سپس، ویژگی‌های آماری ضرایب موجک (میانگین، واریانس، چولگی، درجه اوج، انرژی و آنتروپی) محاسبه شد. در نهایت یک شبکه عصبی مصنوعی چند لایه پرسپترون برای طبقه‌‌بندی تصاو...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 4  شماره 4

صفحات  125- 142

تاریخ انتشار 2014-04-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023