,
نوع مقاله : علمی - پژوهشی
چکیده
بخشبندی بازار از مهمترین موضوع‌هایی است که در تحلیل ویژگیهای مشتریان و اتخاذ راهبردهای مناسب برای آن‌ها استفاده می‌شود. در پژوهش حاضر به بخشبندی مشتریان و تاکسونومی بازار دوربینهای دیجیتال در ایران توجه شده است. موردمطالعه، بازار دوربینهای عکاسی دیجیتال در شهر مشهد است. ابتدا با بررسی مبانی نظری پژوهش، عمدهترین متغیرهای تأثیرگذار در انتخاب این دوربینها در قالب 10 مورد شناسایی شد. بر این اساس، پرسشنامهای طراحی و در بین میان نمونه‌ای صد‌تایی توزیع شد. با توجه به تحلیل دادههای جمعآوری‌شده با استفاده از تحلیل مؤلفه‌های اصلی، این متغیرها در قالب پنج عامل شامل مُد، فنی، هزینه، ظاهر و برند گروهبندی شدند؛ درنهایت، با استفاده از تکنیک خوشه‌بندی k- میانگین، مشتریان در سه خوشه با عناوین افراد متخصص، ماهر و ناشی قرار گرفتند؛ همچنین با استفاده از تحلیل تشخیصی مشخص شد که عوامل هزینه فنی و برند باعث ایجاد بیشترین تمایز بین گروههای مختلف مشتریان شده است. نتایج این پژوهش، زمینه را برای شناسایی ویژگیهای مختلف مشتریان و بازار دوربینهای دیجیتال در کشور ایران فراهم میآورد
- Aaker, D.A. (2001). Strategic Market Management. John Wiley and Son, New York.
- Akbari, M., & Esmaeelzade, M. (2013). The Effect of Dynamic Capabilities in Creation of Competitive Advantage, Journal of Business Management Perspective, 12(19), 127-144. (In Persian)
- Anderson, C., & Vincze, J.W. (2000). Strategic Marketing Management. Houghton Mifflin, New York.
- Bingham, Jr., Frank, G., Gomes. (2005). Business Marketing. New York: the McGraw Hill Companies.
- Boone, D.S., & Roehm, M. (2002). Evaluating the appropriateness of market segmentation solutions using artificial neural networks and the membership clustering criterion. Marketing Letters, 13(4), 317â333.
- Bursco, M.J., & J.D.Stahl, S. (2002). Multicriterion clusterwise regression for joint segmentation settings: an application to customer value. Journal of Marketing Research, 40(2), 225â234.
- Bursco, M.J., Cradit, J.D., & Stahl, S. (2002). A simulated annealing heuristic for a bicriterion partitioning problem in marketing segmentation. Journal of Marketing Research, 39(1), 99â109.
- Chan, K. Kwong, C. & Hu, B. (2011). Market segmentation and ideal point identification for new product design using fuzzy data compression and fuzzy clustering methods. Applied Soft Computing, 12, 1371-1378.
- Chang, P. Iiu, C. & Fan, C. (2009). Data clustering and fuzzy neural network for sales forecasting: A case study in printed circuit board industry. Knowledge-Based Systems, 22, 344- 355.
- Chisnall, P. M. (1985). Marketing: A Behavioural Analysis (2nd edition). Maidenhead, Berkshire, McGraw-Hill UK Ltd.
- Cohen, R. (2001). Latent Segmentation Models: New Tools to Assist Researchers in Market Segmentation, Marketing Research, 10, 15- 21.
- Csikosova, A., Antosova, M., & Mihalcova, B. (2015). Segmentation of Airports Customers in Slovakia. Procedia Economics and Finance, 23(3), 1068-1073.
- D'Urso, P., Disegna, M., Massari,R., & Prayag,G. (2015). Bagged fuzzy clustering for fuzzy data: An application to a tourism market. Knowledge-Based Systems, 73, 335-346.
- Fahim, A. M., Saake, G., Salem, A. M., Torkey, F.A., & Ramadan, M. A. (2008). K-means for Spherical clusters with large variance in sizes. World Academy of Science Engineering and Technology, 45, 177-182.
- Hasangholipoor, T., Miri, M., & Morovati. (2007). Market Segmentation using Artificial Neural Networks Case Study: Meat products (sausages). Human Sciences MODARES, 11(55), 59-80. (In Persian)
- Hooman, H. (2011). Multivariate data analysis in behavioral research. Tehran, Publications Courier culture. (In Persian)
- Hoseini, M., & Ghaderi, S. (2010). Model factors affecting the quality of banking services, Journal of Business Management Perspective t, 9(3), 8-115. (In Persian)
- Koosha, H., & Zahmatkesh, M. (2013). Market segmentation with the new model RFP and prioritization using the AHP. Second National Conference of Industrial and Systems Engineering, Najaf Abad. (In Persian)
- Lehmann, D.R. (1979). Market Research and Analysis, Irwin, Homewood, IL.
- Liu, H.H., & Ong, C.S. (2008). Variable selection in clustering for marketing segmentation using genetic algorithms, Expert Systems with Applications, 34, 502â510.
- Lunn, T. (1978). Segmenting and Constructing Markets. In Consumer Market Research Handbook (2nd ed.), R. M.Worcester & J. Downham (Eds.), Van Nostrand Reinhold, New York, 1978, 343-376.
- Momeni, M., & Faalghayomi, A. (2008). Statistical analysis using spss. Tehran: Publication of new books. (In Persian)
- Mortezavai, S., Asemandare, Y., Siahroodi, M., & Alavi, M. (2011). Mobile handset market segmentation based on benefits customers. Business Management, 3(8), 115- 132. (In Persian)
- Neal, William. (2001). Multidimensional Segmentation. Journal of MarketingResearch, Spring, 12-18.
- Nunnally, J.C. (1978). Psychometric Theory. McGraw-Hill, New York, NY.
- Sakakibara, S., Flynn, B.B., Schroeder, R.G. & Morris, W.T. (1997). The impact of just-in-time manufacturing and its infrastructure on manufacturing performance. Management Science, 43(9), 1246-57.
- Smith, W. R. (1956). Product differentiation and market segmentation as alternativemarketing strategics. Journal of Marketing, 21(3), 3-8.
- Tynan, C. and Drayton, J. (1987). Market segmentation. Journal of Marketing Management. 2(3), 301-335.
- Wang, B., Miao, Y., Zhao, H., Jin, J., & Chen, Y. (2016). A biclustering-based method for market segmentation using customer pain points. Engineering Applications of Artificial Intelligence, 47, 101-109.
- Wu, K.L & Yang, M.S. (2002). Alternative c-means clustering algorithms.Pattern Recognition, 35, 2267â2278.
)