بخش‌بندی بازار آجیل و خشکبار بر اساس ارزش‌های مورد انتظار مشتریان با استفاده از الگوریتم DBSCAN

نظام پور, مینا; رجوعی, مرتضی; جعفری تیتکانلو, سعید

doi:10.22034/bs.2022.47046

بخش‌بندی بازار آجیل و خشکبار بر اساس ارزش‌های مورد انتظار مشتریان با استفاده از الگوریتم DBSCAN

نوع مقاله : پژوهشی (موردی)

نویسندگان

¹ کارشناسی ارشد مدیریت بازرگانی، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران

² استادیار گروه مدیریت، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران

10.22034/bs.2022.47046

چکیده

اولین گام برای اجرای استراتژی بازاریابی هدفمند در هر شرکتی، شناسایی نیازها و انتظارات مشتریان در بخش‌‌های مختلف بازار است. بخش‌‌بندی بر اساس ارزش مورد انتظار، می‌‌تواند تجزیه‌‌ و تحلیل دقیقی از گروه‌‌های مشتریان بالقوه‌‌ای که نیازهای آنها توسط محصولات فعلی به خوبی تأمین نشده است ارائه کند و به آنها این امکان را بدهد تا فرصت‌‌های تولید محصولات جدید را شناسایی کنند. هدف پژوهش حاضر، بخش‌‌بندی مشتریان آجیل و خشکبار است. جامعه آماری این پژوهش را خریداران آجیل و خشکبار شهر مشهد تشکیل می‌‌دهند. پس از مصاحبه با پنج نفر از متخصصان بازار آجیل و خشکبار، 32 ارزش مورد انتظار شناسایی شد. سپس پرسشنامه شامل متغیرهای جمعیت‌‌شناختی و ارزش‌‌های مورد انتظار مشتریان در بین 4000 مشتری به روش نمونه‌‌گیری غیر احتمالی در دسترس در فروشگاه‌‌های عرضه‌‌کننده آجیل و خشکبار شهر مشهد توزیع گردید. با استفاده از نظرات صاحب‌‌نظران، روایی محتوایی پرسشنامه افزایش یافت و پایایی آن، با محاسبه آلفای کرونباخ به کمک نرم‌افزار SPSS 957/0 به‌دست آمد که نشان‌‌دهنده قابلیت اعتماد بالای ابزار تحقیق است. برای تحلیل داده‌‌ها و بخش‌‌بندی مشتریان از الگوریتم DBSCAN و نرم‌‌افزار رپیدماینر استفاده شد. بر اساس یافته‌‌های این پژوهش سه بخش از مشتریان آجیل و خشکبار با ویژگی‌‌های جمعیت‌‌شناختی و ارزش‌‌های مورد انتظار آنها شناسایی شد و با عناوین مشتریان لوکس، مشتریان حساس و مشتریان عادی نام‌‌گذاری شدند. در نهایت پیشنهادهای کاربردی و مدیریتی متناسب با ارزش‌‌ها و ویژگی‌‌های جمعیت‌‌شناختی هر بخش از بازار ارائه گردید..

کلیدواژه‌ها

بخشبندی بازار / ارزش مورد انتظار / الگوریتم DBSCAN

20.1001.1.26767562.1400.19.111.3.5

عنوان مقاله [English]

Market Segmentation of Nuts and Dried Fruits Based on Customers Expected Values Using DBSCAN Algorithm

نویسندگان [English]

Mina Nezampour ¹
morteza rojuee ²
Saeed Jafari titkanloo ²

¹ Master of Business management, Department of Management, Imam Reza International University, Mashhad, Iran

² Assistant Professor, Department of Management, Imam Reza International University, Mashhad, Iran

چکیده [English]

Identifying the needs and expectations of different customers in different market segments is the first step in implementing a targeted marketing strategy for each company. The market segmentation can exactly analyze the group of potential customers, whose needs are not well provided by current products, allows them to identify opportunities to produce new products. The purpose of this research is segmenting customer of nuts and dried fruits market. The statistical population of this research is the buyers of nuts and dried fruits in Mashhad County. After interviewing with the five experts of nuts & dried fruits, identified 32 expected values, then questionnaire was developed based on demographic variables and customers’ expected values and was distributed among the supplier stores of nuts and dried fruits using accidental non-probability sampling method in Mashhad County. The validity of the questionnaires increased based on the experts’ opinion and its reliability calculated using SPSS software. The Cronbach’s alpha coefficients were 0.957 for the whole questionnaire, which indicated high reliability of research tool. DBSCAN algorithm and Rapid Miner software were used for data analysis and customer segmentation. Based on the findings of this research, three market segments of nuts and dried fruits customers; which are called Luxury Customers, Sensitive Customers and Ordinary Customers, were identified on the basis of demographic characteristics and their customers’ expected values. Finally, practical and managerial suggestions were provided according to customers’ expected values and demographic characteristics of each market segment.

کلیدواژه‌ها [English]

Market Segmentation
Customers Expected Values
DBSCAN Algorithm

مراجع

ایزدی، بهرام؛ بهرام رنجبریان؛ سعیده کتابی و فریا نصیری‌مفخم (1395)، «یک رویکرد جامع برای بخش‌بندی بازار و طبقه‌‌بندی مشتریان با استفاده از روش‌های داده کاوی و برنامه ریزی خطی»، نشریه مدیریت تولید و عملیات، دوره 7، شماره 1 (پیاپی 12)، صفحات 1-21.

حدادیان، سیما و علیرضا پویا (1395)، «بخش‌بندی بازار مشتریان دوربین‌های عکاسی دیجیتال»، مجله چشم‌انداز مدیریت بازرگانی، شماره 28، صفحات 121-138.

کامبیز، حیدرزاده؛ احمد زنده‌‌دل و حسین‌‌علی سلطان (1384)، «ارزیابی رابطه ارزش مورد انتظار مشتری با عملکرد مدیریت ارتباط با مشتری (CRM)»، نشریه اقتصاد و مدیریت، شماره 66، صفحات 45-58.

خبرگزاری دانشجویان ایران «ایسنا»، (1395)، مصرف خشکبار در ایران ۴ برابر متوسط جهانی/قیمت‌ها مناسب است، https://www.isna.ir/news/95121006528 .

رضایی، فاطمه و سید محمدرضا لاجوردی (1396)، «کاربرد الگوریتم DBSCAN در بررسی رضایت مشتریان بانکداری اینترنتی با توجه به وفاداری آنها». چهارمین کنفرانس ملی مهندسی برق و کامپیوتر سیستم‌های توزیع شده و شبکه‌های هوشمند و نخستین کنفرانس ملی مهندسی پزشکی، کاشان، دانشگاه آزاد اسلامی واحد کاشان، دانشکده برق و کامپیوتر، https://www.civilica.com/Paper-ELECONFK04-ELECONFK04_119.html.

زاده‌ده‌بالایی، علی؛ علیرضا باقری و حامد افشار (1396)، «ارائه یک الگوریتم خوشه‌بندی مبتنی بر چگالی با قابلیت کشف خوشه‌های با چگالی متفاوت در پایگاه داده‌های مکانی»، نشریه مهندسی برق و مهندسی کامپیوتر ایران - ب مهندسی کامپیوتر، دوره 15، شماره 3، صفحات 171-187.

زاده‌ده‌بالایی، علی؛ علیرضا باقری و حامد افشار (1396)، «بررسی مشکلات الگوریتم DBSCAN و مروری بر بهبودهای ارائه شده برای آن،» نشریه علمی ترویجی محاسبات نرم، دوره 6، شماره 1، صفحات 2-37.

قاضی‌‌زاده، مصطفی؛ مهدی بشیری؛ سمیه کریمی و مهدی گوهرپاد (1393)، «بخش‌‌بندی بازار شامپو از دیدگاه مشتریان با استفاده از تکنیک شبکه عصبی مصنوعی و شناسایی ویژگی‌های هر بخش مبتنی بر روش تاگوچی»، فصلنامه علمی-پژوهشی تحقیقات بازاریابی نوین، سال چهارم، شماره 4، صفحات 125-142.

کریمی علویجه، محمدرضا؛ سعید خدنگی و محمدصالح ترکستانی (1395)، «روش فرا ابتکاری در یکپارچه‌سازی مدل بخش‌بندی بازار مشتریان تلفن همراه تهران با استفاده از شبکه‌های خودسازمان ده و روش میانگین کا»، نشریه مدیریت فناوری اطلاعات، دوره 8، شماره 2، صفحات 351-372.

محمدزاده خلیل‌آبادی، عاطفه؛ احمد شعرباف‌عیدگاهی و یاسر آسمان‌دره (1396)، «بخشبندی بازار برمبنا مزایای موردانتظار شهروندان مشهد برای انتخاب مقصد گردشگری»، فصلنامه علمی-پژوهشی گردشگری و توسعه، سال ششم، شماره 10، صفحات 118-134.

مرتضوی، سعید؛ یاسر آسمان‌دره؛ مهدی نجفی‌سیاهرودی‌ و سیدمسلم علوی (1390)، «بخش‌بندی بازار گوشی تلفن همراه بر مبنای مزایای مورد انتظارمشتریان»، نشریه علمی پژوهشی مدیریت بازرگانی، دوره 3، شماره 8، صفحات 115-132.

مقبل باعرض، عباس؛ آذر عادل و سیدمهدی میرمهدی (1393)، «بخش‌بندی بازار حمل و نقل عمومی شهری با استفاده از تحلیل خوشه‌ای (مطالعه موردی: منطقه شش شهر تهران)»، نشریه اقتصاد و مدیریت شهری، دوره 2، شماره 7، صفحات 35-50.

میرمحمدی، سیدمحمد؛ متان‌‌سادات نژندفرد و محمدمهدی ایزدخواه (1395)، «بخش‌‌بندی مشتریان فروشگاه‌‌های زنجیره‌‌ای برمبنا مزایای موردانتظار (مورد پژوهشی فروشگاه زنجیره‌ای آدان)»، پژوهش‌های مدیریت راهبردی، سال بیست و دوم، شماره 61، صفحات 9-28.

نبی‌زاده محمد و منوچهر نجمی (1393)، «ارائه‌ی روشی نوین در خوشه‌بندی بازار خدمات تلفن همراه، با استفاده از داده‌کاوی (مطالعه‌ی موردی: بازار تلفن همراه ایران)»، مجله علمی پژوهشی شریف، دوره 1-30، شماره 1.1، صفحات 81-89.

Åslund, A. and Bäckström, I. (2017). "Management processes and management’s role in customer value creation". International Journal of Quality and Service Sciences, 9(2), pp.148-164.

Chan C., Hwang Y. and Wu H. (2016). "Marketing segmentation using the particle swarm optimization algorithm: a case study". Journal of Ambient Intelligence and Humanized Computing, 7(6):855-863.

Chen N., Huang S., Shu S. and Wang, T. (2011). "Market segmentation, service quality, and overall satisfaction: self-organizing map and structural equation modeling methods". Quality & Quantity, 47(2):969-987.

Chernev A. (2018). Strategic marketing management. 9th ed.

Denizci Guillet B. and Kucukusta D. (2016). "Spa market segmentation according to customer preference". International Journal of Contemporary Hospitality Management, 28(2):418-434.

ElBarawy Y., Mohamed R. and Ghali N. (2014). Improving social network community detection using DBSCAN algorithm. 2014 World Symposium on Computer Applications & Research (WSCAR).

Ghazizadeh M., Bashiri M., Karimi S. and Goharpad M. (2014). "Shampoo Market Segmentation from Customers’ Point of View Using Artificial Neural Network Technique and Identification of Features of Each Section Based on Taguchi Method. Research" Journal of New Marketing Research, 4(4):125-142. (in Persian).

Haddadian S. and Pouya A. (2016). "Market Segmentation of Digital Photography Cameras Customers". Journal of Business Management Perspective, 28:121-138. (in Persian).

Haely, R. (1985). Developing effective communication strategies-A benefit segmentation approach. New York: Wiley.

Heshmati A., Zohrevand T., Khaneghah A., Mozaffari Nejad A. and Sant’Ana A. (2017). Co-occurrence of aflatoxins and ochratoxin A in dried fruits in Iran: Dietary exposure risk assessment. Food and Chemical Toxicology, 106:202-208.

Heydarzadeh K., Zendeh Del K. and Soltani H. (2005). "Valuation of Customer Expected Values with Customer Relationship Management (CRM). (Case Study: LG’s Monopoly Representative)". Journal of Economics and Management, 66:45-58. (in Persian).

Hosseini M. and Shabani M. (2015). "New approach to customer segmentation based on changes in customer value". Journal of Marketing Analytics, 3(3):110-121.

Huerta-Muñoz D., Ríos-Mercado R. and Ruiz R. (2017). "An iterated greedy heuristic for a market segmentation problem with multiple attributes". European Journal of Operational Research, 261(1):75-87.

Iranian Students’ NEWS Agency. (2017). Nutrition consumption in Iran versus the global average. Retrieved from https://www.isna.ir/news/95121006528/. (in Persian).

Izadi B., Ranjbarian B., Ketabi S. and Nasiri Mofkham F. (2016). "A Comprehensive Approach for Market Segmentation and Classification of Customers Using Data Mining and Alternative Linear Programming". Journal of Production and Operations Management, 7(1):1-21. (in Persian).

Jung Choo H., Moon H., Kim H. and Yoon N. (2012). Luxury customer value. Journal of Fashion Marketing and Management: An International Journal, 16(1):81-101.

Karimi Alwijdeh M.R., Khadangi S. and Turkestani M.S. (2016). "Intelligent method for integrating the market segmentation model of Tehran mobile phone customers using self-organizing networks and k-mean method". Journal of Information Technology Management, 8(2):351-372. (in Persian).

Kotler, P. (2001). Marketing Management. 10th edn. Canada: Pearson Education, Canada.

Maricic B. and Djordjevic A. (2015). Strategic market segmentation. Marketing, 46(4):243-251.

Martelo Landroguez S., Barroso Castro C. and Cepeda-Carrión G. (2011). Creating dynamic capabilities to increase customer value. Management Decision, 49(7):1141-1159.

Mirmohammadi M., Nazhand Fard M. and Izad Khah M.M. (2016). "Segmentation of Chain Store Customers Based on Expected Benefits (Case Study: Adan Chain Store)". Journal of Strategic Management Researches, 22(61):9-28. (in Persian).

Moghbel Baarez A., Adel A. and Mirmahdi M. (2014). "Segmentation of the Public Transport Market by Using Cluster Analysis". Journal of Economics and Urban Management, 2(7): 35-50. (in Persian).

Mohammadzadeh Khalil Abadi A. Sherbaf Eidgahi A. and Aseman Darreh Y. (2017). "Market Segmentation is Based on Expected Benefits for Mashhad Citizens to Select Tourism Destinations". Journal of Tourism and Development, 6(10):118-134. (in Persian).

Mortazavi S., Aseman Darreh Y., Najafi Siahrudi M. and Alawi M. (2011). "Mobile Phone Market Segmentation Based on the Expected Benefits of the Users". Journal of Business Management, 3(8):115-132. (in Persian).

Nabi Zadeh M. and Najmi M. (2014). "Provides a New Approach to Clustering the Mobile Services Market by Using Data Mining (Case Study: Iran Mobile Market)". Research Journal of Sharif, 1(30):81-89. (in Persian).

Peštek A., Agic E. and Cinjarevic M. (2018). "Segmentation of organic food buyers: an emergent market perspective". British Food Journal, 120(2):269-289.

Rajagopal (2015). Consumer Value Management. The Butterfly Effect in Competitive Markets, pp.119-143.

Rehman S., Asghar S., Fong S. and Sarasvady S. (2014). DBSCAN: Past, present and future. The Fifth International Conference on the Applications of Digital Information and Web Technologies (ICADIWT 2014).

Rezayi, F. and Lajevardi, S. (2017). Application of DBSCAN Algorithm in study of Internet Banking Customers Satisfaction Due to their loyalty. In: The 4th National Conference on Electrical and Computer Engineering for Distributed Systems and Smart Networks and the First National Conference on Medical Engineering. [online] Kashan. Available at: https://www.civilica.com/Paper-ELECONFK04-ELECONFK04_119.html. (in Persian)

Sarin S. (2010). Market Segmentation and Targeting. Wiley International Encyclopedia of Marketing.

Sinha P.K & Uniyal D.P. (2005). "Using observational research for behavioral segmentation", Journal of Retailing and Costumer Services, 12 (1):35-48.

Smith, W. (1956). Product Differentiation and Market Segmentation as Alternative.

Sun Z. and Sun X. (2013). Customer Segmentation Based on Dual Perspectives of Customer Value. Lecture Notes in Electrical Engineering, pp.129-138.

Tomczak T., Reinecke S. and Kuss A. (2017). Market-Oriented Corporate Planning. Strategic Marketing, pp.49-95.

Tran T., Drab K. and Daszykowski M. (2013). Revised DBSCAN algorithm to cluster data with dense adjacent clusters. Chemometrics and Intelligent Laboratory Systems, 120:92-96.

Tsai C. and Chiu C. (2004). A purchase-based market segmentation methodology. Expert Systems with Applications, 27(2):265-276.

Wang J., Yue C., Gallardo K., McCracken V., Luby J. and McFerson J. (2016). What Consumers Are Looking for in Strawberries: Implications from Market Segmentation Analysis. Agribusiness, 33(1):56-69.

Woodruff R.B. (1997). "Customer value: the next source for competitive advantage". Journal of the Academy of Marketing Science, 25(2):139-53.

Zadeh Deh Balayi A., Bagheri A. and Afshar H. (2017). "Presenting a Density-Based Clustering Algorithm with the Capability of Detecting Different Density Clusters in Spatial Databases". Journal of Electrical Engineering and Computer Engineering of Iran, 15 (3):171-187. (in Persian)

Zakrzewska D. and Murlewski J. (2005). Clustering algorithms for bank customer segmentation. 5th International Conference on Intelligent Systems Design and Applications (ISDA’05).