انتخاب بازار بهینه با استفاده از هوش مصنوعی (مورد مطالعه:محصولات شرکت شیرین عسل)

در جهان رو به رشد و پویای امروزی ، به دلیل کند شدن روند رشد جمعیت از یک سو و تغییر خواسته ها، سلایق و سبک های زندگی مشتریان از سویی دیگر، شاهد افزایش رقابت از سوی شرکتها در کسب سهم بازار بیشتر و همچنین افزایش تنوع محصولات می باشیم. جهت انتخاب بازار هدف مناسب نیز بخش بندی بازار از اهمیت بسزایی برخوردار است. از سویی دیگر ، بازاریابی دانشی ناشناخته است که با ویژگیهایی از قبیل عدم اطمینان بالا ، ساختار گمشده علّـی ودانشی ناکامل و گسترده قابل شناسایی است .بسیاری از وظایف تصمیم گیری و حل مسـئله به صورت بدون ساختار یا نیمه ساختار یافته انجام می شود. به دلیل وجود روابط غیرخطی بین متغیرهای مختلف بخش بندی بازار و عدم شناسایی این روابط بوسیله مدلهای الگوریتمی، استفاده از مدلهای اکتشافی می تواند راهگشا یاشد. شبکه های عصبی شاخه ای از هوش مصنوعی هستند که توانایی شناسایی روابط غیرخطی بین متغیرهای مختلف را دارا می باشند. یافته های اکثر محققان نشان می دهد که فن آوری شبکه عصبی می تواند با موفقیت در مسائل تجاری بکار گرفته شود و در اکثر مواقع به سایر تکنیک ها و فن آوریهای سنتی برتر بوده است. این پژوهش با هدف بخش بندی بازار محصولات شیرین عسل و بازار بهینه محصولات با استفاده از شبکه های عصبی صورت گرفته است . برای رسیدن به یک شبکه که بتواند هدف را محقق سازد از یک شبکه عصبی پرسپترون چندلایه (mlp) با قانون پس انتشار خطا استفاده گردیده است. لایه میانی شبکه دارای 5 نورون می باشد. ضریب همبستگی های خروجی شبکه در حدود 99 درصد و میانگین مربع خطا (mse) در حدود 0.00012 محاسبه شده است و در نتیجه شبکه ای به عنوان معماری پیشنهادی برای بخش بندی بازار ارائه گردیده است. با اجرای شبکه ، بازار محصولات مورد بررسی به سه گروه دسته بندی گردیده و بازار مناسب انتخاب گردید.