نقشه های خودسازمان ده

توجه و تمرکز بر مشتری در بازارهای کاملاً رقابتی امروز، عامل حیاتی موفقیت شرکت هاست و تقسیم بندی بازار به بخش های مختلف و ارائه کالاها و خدمات به مناسب ترین بخش ها مهمترین فعالیتی است که منجر به تمرکز بیشتر شرکت ها بر مشتریانشان می گردد. در این پژوهش با استفاده از تکنیک شبکه های عصبی مصنوعی بازار شامپو در منطقه 8 تهران بخش بندی شد. بدین منظور پس از بررسی ادبیات تحقیق 26 شاخص شناسایی شده و با استفاده از شبکه های عصبی خودسازمان ده بخش بندی صورت گرفت و از میان حالت های مختلف خوشه بندی، 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 بخش بندی با 9 خوشه بهترین حالت می باشد. این روش با روش Kمیانگین مقایسه و برتری روش شبکه های 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.

تغییرات نرخ ارز در کشورهای درحال توسعه، که اغلب صادرکننده مواد خام اند، بیش تر از دیگر کشورها اهمیت دارد. ایران نیز نه تنها به علت وابستگی شدید به درآمدهای ارزی حاصل از صادرات نفت از این امر مستثنی نیست، بلکه به علت اعمال جدی تر تحریم های اقتصادی در سال های اخیر و تأثیرپذیری شدید نرخ ارز از این امر این اهمیت دوچندان شده است. بنابراین، در این مقاله سعی شده است با درنظرگرفتن عوامل مؤثر در نرخ ارز و هم چنین، درنظرگرفتن اثرات تحریم با استفاده از نقشه های خودسازمان ده بازگشتی [i] مدلی برای پیش بینی نرخ ارز ارائه شود. برای این کار علاوه بر عوامل مؤثر در آن به طور هم زمان از سری زمانی مربوط به نرخ ارز نیز برای پیش بینی مدل استفاده شده است و درمجموع، دوازده متغیر انتخابی از متغیرهای مؤثر کلان در نرخ ارز، و اثر تحریم و شاخص قیمت بازارهای رقیب، یعنی طلا، بورس، و مسکن در مدل وارد شدند. نتایج تحقیق نشان داد که این مدل ابزار مناسبی برای پیش بینی نرخ ارز است. [i]. self-organizing map (SOM) 2. به علت دردست رس نبودن اطلاعات شاخص قیمت مسکن از داده های قیمت زمین به منزله نزدیک ترین شاخص مربوط به داده های قیمت مسکن استفاده شده است.

هدف: کارکرد مهم شبکه های اجتماعی در بازاریابی، تولید محتوا و تبلیغات رایگان، بدون دخالت شرکت ها و توسط کاربران است که به آن ارتباطات دهان به دهان الکترونیک می گویند. هدف از اجرای این پژوهش شناسایی انگیزه های اجتماعی مؤثر بر رفتارهای دهان به دهان در شبکه های اجتماعی و بخش بندی کاربران بر اساس انگیزه های شناسایی شده است. روش: این پژوهش از نظر هدف کاربردی و از نظر روش اجرا در دسته پژوهش های توصیفی پیمایشی قرار می گیرد. داده های این پژوهش از طریق توزیع لینک پرسشنامه به بیش از 385 نفر از کاربران شبکه های اجتماعی و با روش نمونه گیری در دسترس، جمع آوری شده است. به منظور تحلیل داده ها و بخش بندی کاربران شبکه های اجتماعی نیز از رویکرد نقشه های خودسازمان ده مبتنی بر شبکه های عصبی مصنوعی استفاده شده است. یافته ها: بر اساس یافته ها، کاربران شبکه های اجتماعی در سه بخش با ویژگی های مختلف جمعیت شناختی، رفتاری و همچنین انگیزه های اجتماعی مؤثر بر رفتارهای دهان به دهان، قرار گرفتند. این سه بخش کم انگیزه های اجتماعی فعال، باانگیزه های اجتماعی فعال و باانگیزه های اجتماعی غیرفعال نام گذاری شدند. نتیجه گیری: بخش اول کاربرانی هستند که زمان نسبتاً زیادی را در شبکه های اجتماعی صرف می کنند، ولی برای مشارکت در رفتارهای دهان به دهان انگیزه های اجتماعی کمتری دارند. بخش دوم، کاربران جوانی هستند که بیشترین زمان را به فعالیت در شبکه های اجتماعی اختصاص می دهند و بسیار با انگیزه اند و بخش سوم کسانی هستند که از انگیزه کافی برخوردارند ولی زمان بسیار کمی را به فعالیت در شبکه های اجتماعی اختصاص می دهند. در پایان، پیشنهادهای کاربردی متناسب با هر یک از بخش های شناسایی شده ارائه شد.