تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,095,744 |
تعداد دریافت فایل اصل مقاله | 97,202,264 |
Ultra Innovative Approach to Integrate Cellphone Customer Market Segmentation Model Using Self Organizing Maps and K-Means Methodology | ||
Journal of Information Technology Management | ||
مقاله 73، دوره 8، شماره 2، مهر 2016، صفحه 351-372 اصل مقاله (1.55 M) | ||
نوع مقاله: Research Paper | ||
شناسه دیجیتال (DOI): 10.22059/jitm.2016.57233 | ||
نویسندگان | ||
Mohammad Reza karimi Alavijeh* 1؛ Saeed Khadangi2؛ Mohammad Saleh Torkestani1 | ||
1Associate Prof., Faculty of Management, Allameh Tabatabaei University, Tehran, Iran | ||
2MSc. Student in Marketing Management, Faculty of Management Allameh Tabatabaei University , Iran | ||
چکیده | ||
The utilization of 3G and 4G is rapidly increasing and also cellphone users are briskly changing their consumption behavior, using preferences and shopping manner. Accordingly, cellphone manufacturers should create an accurate insight of their target market and provide a “special offer” to their target consumers. In order to reach a correct understanding of the target market, consumption behavior and lifestyle of the submarkets we found the appropriate number of community clusters after criticizing the traditional methods and introducing market segmentation techniques which were based on neural networks. By utilizing the fuzzy Delphi technique, variables of target market segmentation were found. Finally, the obtained clusters and segmentations of the market were refined by using the techniques of K-means and aggregation (Agglomerative). The population of this research included the consumers of mobile in Tehran with a sample of 130 specimens after collecting data through questionnaires, results demonstrated that the Tehran cellphone market was comprised of 5 Clusters, each one are capable of implementing marketing strategy and marketing mix separately with taking into account the competitive advantages of ICT companies to maximize their demand and margin. | ||
کلیدواژهها | ||
Market segmentation؛ Self-organizing Maps؛ Neural Networks؛ Data Mining؛ Delphi-fuzzy method؛ Clustering | ||
عنوان مقاله [English] | ||
روش فرا ابتکاری در یکپارچهسازی مدل بخشبندی بازار مشتریان تلفن همراه تهران با استفاده از شبکههای خودسازمانده و روش میانگین کا | ||
نویسندگان [English] | ||
محمدرضا کریمی علویجه1؛ سعید خدنگی2؛ محمد صالح ترکستانی1 | ||
1استادیار گروه مدیریت بازاریابی، دانشکدۀ مدیریت دانشگاه علامه طباطبایی، تهران، ایران | ||
2کارشناسارشد مدیریت بازاریابی، دانشکدۀ مدیریت، دانشگاه علامه طباطبایی، تهران، ایران | ||
چکیده [English] | ||
با حرکت سریع جهان به سمت شبکههای 3G و T4G استفادهکنندگان تلفن همراه بهسرعت رفتار مصرف، برتریها و سلایق خرید را تغییر میدهند. از این رو، تولیدکنندگان باید به شناختی صحیح از بازارهای هدف دست یابند و پیشنهاد فروش ویژهای را به مشتریان عرضه کنند. با هدف دستیابی به درکی صحیح از بازار هدف، رفتار مصرف و سبک زندگی خردهبازارهای پژوهش، پس از نقد روشهای سنتی و معرفی تکنیکهای بخشبندی مبتنی بر شبکههای عصبی، با بهرهمندی از روش دلفی فازی، متغیرهای بخشبندی بازار هدف انتخاب شد و از طریق شبکههای خودسازمانده کوهنن، تعداد خوشههای مناسبی از جامعۀ آماری بهدست آمد و در نهایت با استفاده از تکنیک میانگین کا و تکنیک تجمعی، به تدقیق خوشهبندیها و بخشبندی بازار پرداخته شد. جامعۀ آماری این پژوهش، مصرفکنندگان تلفن همراه شهر تهران با حجم نمونۀ 130 نفر است. پس از جمعآوری دادهها از طریق پرسشنامه و تجزیهوتحلیل آنها، یافتهها نشان داد بازار تلفن همراه تهران در پنج خوشه دستهبندی میشود که هر یک می تواند قابلیت پیادهسازی استراتژیهای بازاریابی مجزا، با در نظر گرفتن مزیتهای رقابتی شرکتهای حوزۀ ICT ، برای حداکثرسازی تقاضا و حاشیۀ سود، داشته باشد. | ||
کلیدواژهها [English] | ||
: بخشبندی بازار, خوشهبندی هرمی, دادهکاوی, روش دلفی ـ فازی, شبکههای خودسازمانده, شبکههای عصبی | ||
مراجع | ||
Asman Dareh, Y. (2009). Market segmentation of mashad banks based on needed advantages of customers. Master thesis, Mashad ferdowsi university. (in Persian)
Anable, J. (2005). ‘Complacent car addicts’ or ‘aspiring environmentalists’? Identifying travel behaviour segments using attitude theory. Transport Policy, 12, 65.
Bahtaei, A. & Golchinfar, S. (2006). Market Segmentation. Tadbir, 175: 78-79. (in Persian) Bloom, J. Z. (2004). Tourist market segmentation with linear and nonlinear techniques. Tourism Management, 25(6): 723–733.
Business Monitor (2013). Iran's Annual Report on Consumer Electronics. 25–30
Chen, H.N., Chen, M.H. & Jao, R.C. (2009). Using self-organized maps and analytic hierarchy process for evaluating customer preferences in netbook designs. International Journal of Electronic Business Management, 7(4): 297-303.
Chen, H.N., Huang, S.C.T., Tung Shu, S. & Wang, T.S. (2011). Market segmentation, service quality, and overall satisfaction: self-organizing map and structural equation modeling methods. Published online: 31 August 2011 Springer Science+Business Media B.V. Available in: http://nlp.hivefire.com/ articles/24496/market-segmentation-service-quality-and-overall-sa.
Hsu, T.H., Yang T.H., 2000, Application of Fuzzy analytic hierarchy process in the selection of advertising media, Journal of Management and Systems, Vol. 7, pp. 19-39
Cuadros, A.J. & Domínguez, V.E. (2014). Customer segmentation model based on value generation for marketing strategies formulation. Estudios Gerenciales, 30 (130): 25–30.
Dibb, S. & Simkin, L. (1996). The market segmentation workbook: target marketing for marketing managers, London: Routledge.
Han, J. & Kamber, M. (2000). Data Mining: Concepts and Techniques, San fransisco: Morgan Kauman.
Hanafizade, P. & Mirzazade, M. (2011). Visualizing market segmentation using self-organizing maps and Fuzzy Delphi method – ADSL market of a telecommunication company. Expert Systems with Applications, 38(1): 198-205.
Hemmati, R. (2012). Segmentation as a forgotten principle in marketing management. Journal of Management message, 16(2): 112-119. (in Persian) Hruschka, H. & Natter, M. (1999). Comparing performance of feed forward neural nets and k-means of cluster-based market segmentation. European Journal of Operational Research, 114(3): 346 353.
Huanga, J.J., Tzengb, G.H., & Ong, C.-S. (2007). Marketing segmentation using support vector clustering. Expert Systems with Applications, 32 (2): 313-317.
Hung A.C. & Tsai, C. (2008). Market segmentation based on hierarchical self-organizing map for markets of multimedia on demand. Department of Management Information Systems, Taiwan: Chung Yuan Christian University.
Hwang, S. & Thill, J. C. (2007). Using fuzzy clustering methods for delineating urban housing submarkets. In Proceedings of the 15th international symposium on advances in geographic information systems. New York: NY, USA.
Keller, Lane. Keller (2013). Strategic Brand Management: Building, Measuring, and Managing Brand Equity, 4th Edition. Pearson Education. United States of America, New Jersey
Kimiagari, S. & Montreuil, B. (2013). Clustering Geo-Markets using Self- Organizing Maps: Application to a Business Venture in Natural Disaster Planning and Recovery. European Journal of Operational Research, 114(2): 346–353.
Kohonen, T. (1995). Self-organizing map. Berlin: Springer.
Kotler, P. & Armstrong, G. (2003). Principles of Marketing. Pearson Education. United States of America, New Jersey.
Daniel Miller (1998). The theory of shopping. Cornell University Press: Sociology/Cultural Studies/Antropology 180 pges.
Mostafa, M. M. (2010) Clustering the ecological footprint of nations using Kohonen’s self-organizing maps. Expert Systems with Applications, 37(4): 2747–2755.
Tsai, C.Y. & Chiu, C.C. (2004). A purchase-based market segmentation methodology. Industrial Engineering and Management Department. Yuan-Ze University, 135 Yuan-Tung Rd., ChungLi, 320, Taoyuan, Taiwan, ROC.
Vellidoa, A., Lisboaa, P.J.G. & Meehan, K. (1999). Segmentation of the on-line shopping market using neural networks' a School of Computing and Mathematical Sciences. Liverpool John Moores University. Byrom St. Liverpool L3 3AF, UK.
Wedel, M. & Kamakura, W.A. (2000). Market segmentation conceptual and methodological foundations. Kluwer Academic Publishers.
Ziaei Bide, A. (2012). Segmentation and green consumers profile definition. Persian Gulf University. (in Persian) | ||
آمار تعداد مشاهده مقاله: 2,160 تعداد دریافت فایل اصل مقاله: 1,533 |