داده کاوی، آمار، تحقیقات بازار



در این پست شما را مبحث یادگیری ماشین یا Machine Learning که یکی از مباحث پایه علم هوش مصنوعی است آشنا خواهم کرد. 
مغز شما به صورت ناخود آگاه در طول روز بارها و بارها با استفاده از روش یادگیری ماشین در تمیز دادن چیزهای مختلف از یکدیگر به شما کمک می کند. فرض کنید در کودکی به شما گفته شده نام حیوانی با این شکل خاص و با این قد مثلا اسب است. از آن زمان تاکنون مغز شما به صورت کاملا دقیق تمام حیواناتی را که ویژگی هایی نزدیک به ویژگی های گفته شده را دارند به عنوان اسب می شناسد.
اسب
به عنوان مثالی دیگر فرض کنید تعدادی شکل هندسی به شما داده اند و نام آنها را به شما نگفته اند و از شما خواسته اند که آنها را در دسته های جدا قرار دهید. در اینجا کاری که مغز شما می کند به این صورت است که  ویژگی های مشابهی را در اشکال پیدا می کند و در نهایت اشکال شبیه به هم را در یک دسته قرار می دهد. 
یادگیری بدون ناظر
  در اینجا شما با دو گونه از یادگیری آشنا شدید که در ادامه توضیح داده ام:
نوع اول زمانی است که به شما الگویی مانند اسب را نشان می دهند و از آن پس مغز شما دیگر تمامی اسب ها را خواهد شناخت. به این نوع از یادگیری، یادگیری با ناظر یا Supervised Learning گفته می شود. 
در نوع دوم بدون اینکه آموزشی داده شود به شما تعدادی شکل داده می شود و  خواسته می شود که آنها را در دسته های جدا گانه قرار دهید. مغز شما اشکال را با استفاده از شباهت هایی که با هم دارند در دسته های مختلف دسته بندی می کند. به این نوع از یادگیری، یادگیری بدون ناظر یا Unsupervised Learning کفته می شود.
البته یادگیری ترکیبی نیز وجود دارد که در اینجا به آن پرداخته نشده است.
کامپیوترها نیز درست مشابه مغز انسان با استفاده از مثالهایی که به آنها ارائه می شود و یا با استفاده از ویژگی های مشترک اقدام به یادگیری می کنند که به این فرآیند یادگیری ماشین گفته می شود.
در پایان این پست، امیدوارم که این مطلب برای شما مفید بوده باشد. منتظر پست بعدی باشید که در مورد انواع تکنیکهای یادگیری ماشین خواهد بود.
مرتضی علیاری
98/01/21

مطلبی که می خواهم امروز پست کنم شاید جواب سوال خیلی از دوستان باشد. این را هم بگویم که با جستجو در اینترنت هم به نتیجه جالبی نخواهید رسید.

برای شما هم ممکن است پیش آمده باشد که محاسبات و نمودارهایتان را در اکسل رسم کرده باشید و در نهایت فایل پاورپوینتی ساخته باشید که مجموعه ای از نمودارهای paste شده از Excel است. اگر دقت کرده باشید از نیمه های راه دیگر نمودارها به سختی paste می شوند. دلیل این کار این است که وقتی شما نمودارها را از اکسل paste معمولی می کنید، نمودارها بهمراه فایل اکسل و همه محتویاتش به پاورپوینت انتقال پیدا میکند. حالا تصور کنید نمودارهای شما در یک فایل اکسل و در شیتهای مختلف آن باشد. با عملیات paste در واقع همان یک عدد فایل اکسل را به تعداد نمودارهای داخل پاورپوینت load می کنید. این کار باعث می شود حجم فایل پاورپونت شما به یک باره بزرگ شود.

اما راهکار چیست؟

راز این کار در نحوه paste کردن است. شما به هیچ وجه نباید paste معمولی انجام دهید. برای این کار ابتدا نمودارتان را از اکسل کپی کرده، سپس در پاورپوینت  راست کلیک کنید. حالا می توانید ببینید که آفیس پنج روش برای paste در اختیارتان می گذارد که از قرار زیر هستند:

1. Use destination theme & embed workbook

این گزینه برای زمانی است که شما برای نمودارها در اکسل تم خاصی را تعریف کرده اید. بنابراین تم و کل فایل اکسلی را که نمودار در آن تهیه شده با خود به پاورپوینت می آورد.

2. Keep source formatting & embed workbook

با انتخاب این گزینه تمامی فونتها و رنگها و فرمتهایی را که در اکسل تعریف کرده اید بهمراه کل فایل اکسل به پاورپوینت منتقل می شود.

3. Use destination theme & linked data

این گزینه تم تعریف شده در اکسل را بهمراه لینکهای نمودارها در اکسل به پاورپوینت منتقل می کند.

4. Keep source formatting & linked data

با انتخاب این گزینه تمامی فونتها و رنگها و فرمتهایی را که در اکسل تعریف کرده اید بهمراه لینک نمودارها در اکسل به پاورپوینت منتقل می شود.

5. Picture

فقط عکس نمودارها را منتقل می کند.

توصیه می شود برای paste کردن از گزینه 4 استفاده کنید. گزینه های 1 و 2 حجم فایل پاورپ.ینت را به صورت خیلی سریع بالا می برند.

مرتضی علیاری

1398/1/22


مطلبی که می خواهم امروز پست کنم شاید جواب سوال خیلی از دوستان باشد. این را هم بگویم که با جستجو در اینترنت هم به نتیجه جالبی نخواهید رسید.

برای شما هم ممکن است پیش آمده باشد که محاسبات و نمودارهایتان را در اکسل رسم کرده باشید و در نهایت فایل پاورپوینتی ساخته باشید که مجموعه ای از نمودارهای paste شده از Excel است. اگر دقت کرده باشید از نیمه های راه دیگر نمودارها به سختی paste می شوند. دلیل این کار این است که وقتی شما نمودارها را از اکسل paste معمولی می کنید، نمودارها بهمراه فایل اکسل و همه محتویاتش به پاورپوینت انتقال پیدا میکند. حالا تصور کنید نمودارهای شما در یک فایل اکسل و در شیتهای مختلف آن باشد. با عملیات paste در واقع همان یک عدد فایل اکسل را به تعداد نمودارهای داخل پاورپوینت load می کنید. این کار باعث می شود حجم فایل پاورپونت شما به یک باره بزرگ شود.

اما راهکار چیست؟

راز این کار در نحوه paste کردن است. شما به هیچ وجه نباید paste معمولی انجام دهید. برای این کار ابتدا نمودارتان را از اکسل کپی کرده، سپس در پاورپوینت  راست کلیک کنید. حالا می توانید ببینید که آفیس پنج روش برای paste در اختیارتان می گذارد که از قرار زیر هستند:

روشهای PASTE در اکسل

1. Use destination theme & embed workbook

این گزینه برای زمانی است که شما برای نمودارها در اکسل تم خاصی را تعریف کرده اید. بنابراین تم و کل فایل اکسلی را که نمودار در آن تهیه شده با خود به پاورپوینت می آورد.

2. Keep source formatting & embed workbook

با انتخاب این گزینه تمامی فونتها و رنگها و فرمتهایی را که در اکسل تعریف کرده اید بهمراه کل فایل اکسل به پاورپوینت منتقل می شود.

3. Use destination theme & linked data

این گزینه تم تعریف شده در اکسل را بهمراه لینکهای نمودارها در اکسل به پاورپوینت منتقل می کند.

4. Keep source formatting & linked data

با انتخاب این گزینه تمامی فونتها و رنگها و فرمتهایی را که در اکسل تعریف کرده اید بهمراه لینک نمودارها در اکسل به پاورپوینت منتقل می شود.

5. Picture

فقط عکس نمودارها را منتقل می کند.

توصیه می شود برای paste کردن از گزینه 4 استفاده کنید. گزینه های 1 و 2 حجم فایل پاورپوینت را به صورت خیلی سریع بالا می برند.

مرتضی علیاری

1398/1/22


در این پست شما را با مبحث یادگیری ماشین یا Machine Learning که یکی از مباحث پایه علم هوش مصنوعی است آشنا خواهم کرد. 
مغز شما به صورت ناخود آگاه در طول روز بارها و بارها با استفاده از روش یادگیری ماشین در تمیز دادن چیزهای مختلف از یکدیگر به شما کمک می کند. فرض کنید در کودکی به شما گفته شده نام حیوانی با این شکل خاص و با این قد مثلا اسب است. از آن زمان تاکنون مغز شما به صورت کاملا دقیق تمام حیواناتی را که ویژگی هایی نزدیک به ویژگی های گفته شده را دارند به عنوان اسب می شناسد.
اسب
به عنوان مثالی دیگر فرض کنید تعدادی شکل هندسی به شما داده اند و نام آنها را به شما نگفته اند و از شما خواسته اند که آنها را در دسته های جدا قرار دهید. در اینجا کاری که مغز شما می کند به این صورت است که  ویژگی های مشابهی را در اشکال پیدا می کند و در نهایت اشکال شبیه به هم را در یک دسته قرار می دهد. 
یادگیری بدون ناظر
  در اینجا شما با دو گونه از یادگیری آشنا شدید که در ادامه توضیح داده ام:
نوع اول زمانی است که به شما الگویی مانند اسب را نشان می دهند و از آن پس مغز شما دیگر تمامی اسب ها را خواهد شناخت. به این نوع از یادگیری، یادگیری با ناظر یا Supervised Learning گفته می شود. 
در نوع دوم بدون اینکه آموزشی داده شود به شما تعدادی شکل داده می شود و  خواسته می شود که آنها را در دسته های جدا گانه قرار دهید. مغز شما اشکال را با استفاده از شباهت هایی که با هم دارند در دسته های مختلف دسته بندی می کند. به این نوع از یادگیری، یادگیری بدون ناظر یا Unsupervised Learning کفته می شود.
البته یادگیری ترکیبی نیز وجود دارد که در اینجا به آن پرداخته نشده است.
کامپیوترها نیز درست مشابه مغز انسان با استفاده از مثالهایی که به آنها ارائه می شود و یا با استفاده از ویژگی های مشترک اقدام به یادگیری می کنند که به این فرآیند یادگیری ماشین گفته می شود.
در پایان این پست، امیدوارم که این مطلب برای شما مفید بوده باشد. منتظر پست بعدی باشید که در مورد انواع تکنیکهای یادگیری ماشین خواهد بود.
مرتضی علیاری
98/01/21

در بسیاری از موارد شرکتهایی که علاقمند به انجام تحقیق هستند با انبوهی از سوالات مراجعه می کنند، در حالی که نمی دانند سوالات مورد نظرشان را با چه نوع از تحقیقی می توان جواب داد. ریشه بسیاری از مشکلات در این است که خیلی وقتها شرکتها نمی دانند دنبال چه چیزی هستند؟ به عبارت دیگر بیان مسئله، حلقه گمشده در بسیاری از تحقیقات است. در بسیاری از موارد نیز اتفاق افتاده که تحقیقات کمی و کیفی به صورت اشتباه به جای هم به کار گرفته شده اند. در این پست سعی خواهم کرد در چند نکته تفاوت این دو نوع تحقیق را روشن کنم: تحقیقات کمی با تجزیه و تحلیلهای آماری (توصیفی و استنباطی) همراه است. به عبارت دیگر وقتی تحقیق کمی انجام می گیرد که از قبل فرضیه ای را داشته باشیم و با انجام تحقیق بخواهیم آن را به اثبات برسانیم. این در حالی است که یک تحقیق کیفی زمانی انجام می گیرد که هیچ چشم اندازی نسبت به نتیجه تحقیق نداریم. تحقیقات کمی به دلیل اینکه درگیر تعداد نمونه های زیادی است زمانبر و هزینه بردار است. این در حالی است که تحقیقات کیفی را با تعداد نمونه کم و در مدت کوتاهی می توان انجام داد. نتایج حاصل از تحقیقات کمی قابل بسط به جامعه بوده و قطعی هستند در حالی که نتایج حاصل از تحقیقات کیفی منحصر به همان نمونه مورد تحقیق بوده و قابل بسط به جامعه نیستند. در تحقیقات کمی پاسخگو در جواب دادن به سوالات چندان آزاد نیست در حالیکه در تحقیق کیفی پاسخگو کاملا آزاد است نظر خود را بیان نماید.


در پستهای قبلی با یادگیری با نظارت و بدون نظارت آشنا شدیم.

خوشه بندی یا Clustering از روشهای داده کاوی است که از یادگیری بدون نظارت استفاده می کند. در واقع خوشه بندی بدون داشتن یک مثال آموزشی و بدون هر گونه ناظر سعی در پیدا کردن شباهتهای موجود در داده ها دارد به گونه ای که موارد شبیه بهم در یک خوشه قرار می گیرند و موارد داخل دو خوشه متفاوت با هم تفاوت فاحشی دارند. شباهت بین دو مورد بر اساس فاصله اقلیدسی بین آن دو سنجیده می شود به گونه ای که هر چه فاصله بین دو شی کمتر باشد، شباهت بین دو مورد بیشتر و هر چه فاصله بین دو مورد از هم بیشتر باشد، شباهت کمتر است. 

مثال برای خوشه بندی، در نظر گرفتن جاندارن در دو خوشه دار و خزنده است. در خوشه داران، انسان، پلنگ، فیل، و غیره قرار می گیرند. از سوی دیگر، خوشه خزنده شامل مار، مارمولک، اژدها کامودو و غیره می شود.

طبقه بندی، فرایند دسته بندی داده ها به کمک برچسب کلاس هاست.در طبقه بندی یا Classification نیاز به داده های آموزشی هست در حالی که در خوشه بندی نیاز به یادگیری و داده های آموزشی نیست. 

به عنوان مثالی از طبقه بندی، فرم درخواست وام را در بانکها در نظر بگیرید. مشتریان تکمیل کننده این فرمها را می توان طبق سن و دستمزدشان، به عنوان مشتری بدون ریسک یا پرریسک دسته بندی نمود. به این نوع فعالیت، یادگیری تحت نظارت گفته می شود. مدل ساخته شده می تواند برای طبقه بندی داده های جدید مورد استفاده قرار گیرد. گام یادگیری می تواند با استفاده از مجموعه داده های آموزشی تعریف شده، اجرا شود. مدل تولیدی می تواند در قالب یک درخت تصمیم گیری یا مجموعه ای از قوانین باشد.

مرتضی علیاری

1397/1/27



تحقیق U&A چیست و چه کاربردهایی دارد؟ مطالعه U&A زمانی کاربرد دارد که می خواهیم تجدید نظری در محصول یا خدمات خود انجام دهیم. این تحقیق با کنکاش در رفتارهای خرید، کاربریهای محصول و ادراک مشتریان از محصول فرصتهای پنهان جهت ارتقای محصول را شناسایی می کند. این مطالعه یک تحقیق از نوع استراتژیک است که جهت شناسایی عوامل مرتبط با کاربریهای محصول(خدمات)، همچنین شناسایی نگرش های مشتریان به برند انجام می گیرد. این مطالعه کل بازار را مورد پوشش قرار داده و شامل مطالعه تعداد زیادی از آیتمها مانند فراوانی خرید، فراوانی استفاده، نگرش مشتری به محصول/برند/خدمات و نقاط ضعف و قوت محصول از دیدگاههای مختلف می شود. این تحقیق همچنین جهت شناسایی ویژگیهای سطوح مختلف مصرف کنندگان  مورد استفاده قرار می گیرد. مطالعه یاد شده همچنین کمک می کند موانع مورد پذیرش قرار گرفتن یک برند در میان برندهای دیگرشناسایی شوند. این تحقیق به طور سنتی برای کالاهای فیزیکی انجام می شود حال آنکه می توان آن را برای خدمات نیز به همان شکل انجام داد.

مطالعات یاد شده در فوق به یک مدیر برند کمک می کند تا به سوالات زیر پاسخ دهد:

در کل چرا افراد، یک محصول را (فارغ از برند) خریداری می کنند؟ آیا عدم حضور و وجود محصول به معنی عدم خرید توسط مصرف کننده است؟ چگونه باید یک برند را تقویت کرد؟ جایگاه برندهای رقیب در بازار چیست؟ کدام ویژگی های محصول من از رقبا متمایز است؟

U And A

مرتضی علیاری

1398/01/30


ریتیل آدیت یا Retail Audit همانطور که از نام آن بر می آید گزارشی است که برای ارزیابی و ممیزی خرده فروشی ها به کار می رود. معمولا شرکتهای تولیدکننده و یا شرکتهای پخش جهت اطلاع از وضعیت بازار دسته محصولات خود به دنبال تهیه این گزارش می روند. این گزارش می تواند شامل اطلاعات زیر باشد: 1. سهم بازار برندهای فعال در صنعت 2. سهم حضور برندهای فعال در صنعت 3. تخمین اندازه بازار در آن صنعت(حجمی و ریالی) 4. روند رشد(مثبت یا منفی) سهم بازار برندهای فعال در صنعت 5. کارایی پخش شرکتهای پخش فعال در صنعت 6. آگاهی از تهای ترویجی و تشویقی برندهای فعال در صنعت

ریتیل آدیت

مرتضی علیاری

1398/01/29


در بسیاری از موارد شرکتهایی که علاقمند به انجام تحقیق هستند با انبوهی از سوالات مراجعه می کنند، در حالی که نمی دانند سوالات مورد نظرشان را با چه نوع از تحقیقی می توان جواب داد. ریشه بسیاری از مشکلات در این است که خیلی وقتها شرکتها نمی دانند دنبال چه چیزی هستند؟
به عبارت دیگر بیان مسئله، حلقه گمشده در بسیاری از تحقیقات است.
در بسیاری از موارد نیز اتفاق افتاده که تحقیقات کمی و کیفی به صورت اشتباه به جای هم به کار گرفته شده اند. در این پست سعی خواهم کرد در چند نکته تفاوت این دو نوع تحقیق را روشن کنم:
تحقیقات کمی با تجزیه و تحلیلهای آماری (توصیفی و استنباطی) همراه است. به عبارت دیگر وقتی تحقیق کمی انجام می گیرد که از قبل فرضیه ای را داشته باشیم و با انجام تحقیق بخواهیم آن را به اثبات برسانیم. این در حالی است که یک تحقیق کیفی زمانی انجام می گیرد که هیچ چشم اندازی نسبت به نتیجه تحقیق نداریم.
تحقیقات کمی به دلیل اینکه درگیر تعداد نمونه های زیادی است زمانبر و هزینه بردار است. این در حالی است که تحقیقات کیفی را با تعداد نمونه کم و در مدت کوتاهی می توان انجام داد.
نتایج حاصل از تحقیقات کمی قابل بسط به جامعه بوده و قطعی هستند در حالی که نتایج حاصل از تحقیقات کیفی منحصر به همان نمونه مورد تحقیق بوده و قابل بسط به جامعه نیستند.
در تحقیقات کمی پاسخگو در جواب دادن به سوالات چندان آزاد نیست در حالیکه در تحقیق کیفی پاسخگو کاملا آزاد است نظر خود را بیان نماید.

تفاوت تحقیقات کمی و کیفی

برای رشد کسب و کار خود، مجبور نیستید کالا/خدمات خود را به همه بفروشید. بنابراین، به جای متقاعد کردن خودتان که هر کس می تواند مشتری شما باشد، باید تمرکز خود را بر روی پیدا کردن بازار هدف و فروش محصولات / خدمات  به آنها بگذارید. اگر افرادی را پیدا کنید که به احتمال زیاد از شما خرید می کنند و تلاش های بازاریابی خود را به سمت آنها هدایت کنید، روند فروش تسریع خواهد شد. کشف مشتریان و هدف قرار دادن آنها مفهومی است که پشت مدل STP بازاریابی قرار دارد. STP در بخش های کلیدی مفهوم زیر است خلاصه می شود:

اگر مدل STP را دنبال کنید، تاکتیک های بازاریابی شما بسیار مفید و کارآمد خواهد بود. با بخش بندی بازار (S) هدف خود و هدف قرار دادن (T) مشتریان مناسب و یک جایگاه یابی (P) درست برای محصولات/خدماتتان در بازار، می توانید کسب و کار خود را با سرعت بیشتری رشد دهید.

بخش بندی (Segmentation)

همانطور که در ابتدای این مقاله گفته شد، اگر شما سعی در بازاریابی برای تمام مصرف کننده های روی زمین  دارید، یک اشتباه بزرگ را مرتکب شده اید. آنچه که می تواند برای شرکت شما بیشتر سودمند باشد، بازاریابی برای بخش های (Segments) مختلف بازار و توسعه محصولات/خدماتی است که برای آن بخش ها مناسب هستند.

شما باید بخش هایی را انتخاب کنید که در آن سرمایه گذاری شما کاملا بجا است. استفاده از بخش بندی به شما کمک خواهد کرد که دانش رقابتی خود را بیشتر توسعه دهید که این به نوبه خود تأثیری قوی بر مزیت رقابتی تازه شکل گرفته شما خواهد داشت. راه های مختلفی برای بخش بندی بازار هدف شما وجود دارد:

  • جمعیت شناختی - مشتریان را با ویژگی های شخصی مانند سن، جنس، وضعیت تاهل، قومیت، تحصیلات، شغل و غیره بخش بندی می کنید.
  • جغرافیایی - براساس کشور، منطقه، شهر، شهرستان و غیره
  • روانشناسی - شخصیت، ارزشها، شیوه زندگی، نگرشها، منافع و عقاید آنها. در میان قوی ترین منابع که این عوامل را تشکیل می دهند خانواده ها، منطقه، تحصیلات، و جامعه هستند.
  • رفتاری - چگونه از محصولات استفاده می کنند؟ آیا آنها به هر محصول وفادار هستند؟ چه افرادی از این محصولات به دنبال چه محصولاتی هستند؟

به عنوان مثال، فرض کنید شما صاحب یک شرکت فروشنده اتومبیل های دست دوم هستید. اگر مشتریان خود را به قسمتهای بیشتر تقسیم کنید، می توانید انواع وسایل نقلیه ای را هم که شما به مشتریان مختلف خواهید فروخت، از هم متمایز نمایید. مثلا یک بخش می تواند مربوط به زوج های ازدواج کرده ای باشد که به دنبال یک ون خانوادگی هستند. بخش دیگر می تواند مربوط به مردان جوان باشد که علاقه به خودروهای اسپرت دارند. بخش دیگر مربوط به تجار است که ثروتمند هستند و علاقه به سوار شدن به خودروهای سدان لوکس با تجهیزات کامل دارند.

این بخش ها، اگر چه در حوزه های مشابه هستند اما در عناصر سازنده خود متفاوت هستند و دارای سطوح متفاوتی از جذابیت برای هر هدف هستند.

هنگامی که مشتریان هدف خود را به صورت نسبی بخش بندی کردید، فرصت های بیشتری را برای فروش بیشتر و بهتر خواهید یافت.یک بخش بندی خوب، معیارهای زیر را برآورده می کند:

  • وحدت گروهی: بهترین گروه های هدف در داخل یک بخش مشابه و بین دو بخش مختلف، شباهتی ندارند.
  • رفتار روش مند(علمی): بخش ها در بخش بندی انجام شده باید واکنش یکسانی در برابر تاکتیکهای مختلف بازاریابی داشته باشند.
  • پتانسیل کارا: امکان پذیری و هزینه دستیابی به یک بخش، همچنین استواری در طول زمان به شرایط بازار بستگی دارد.

هدف گذاری(Targeting)

بعد از اینکه مشتریان خود را بخش بندی کردید، قدم بعدی شما باید هدف قرار دادن بخشهایی باشد که فکر می کنید برای بیزینس شما سودرسان هستند. هدف گذاری در این مرحله از روند STP بازاریابی شما اهمیت بسزایی دارد.

کدام بخشهای بازار هستند که برای شما بیشترین بازده سرمایه (ROI) را دارند؟ این فقط یک سوال از جنس اندازه / کمیت نیست، اما همانطور که گفتیم، همه چیز به سود ختم می شود. آیا این افراد آماده پرداخت ارزشی که شما برای محصول خود در نظر گرفته اید، هستند؟

به همین دلیل است که شما نیاز به تجزیه و تحلیل اندازه و رشد بالقوه  هر یک از بخش بندیهای خود  و مقایسه نمودن هر یک از آنها با هم دارید. به طور کامل در مورد چگونگی خدمت به آن قسمت از بازار فکر کنید. همچنین، شما باید همه موانع حقوقی، تکنولوژیکی و اجتماعی را که ممکن است شما را از برخورد با این بخش متوقف کند، بررسی کنید. برای این منظور بهتر است از تجزیه و تحلیل PEST (ی، اقتصادی، اجتماعی فرهنگی، و فن آوری) استفاده کنید. این نوع تجزیه و تحلیل به شما کمک خواهد کرد که از هر پیش فرضی در مورد بخش هدف خود خلاص شوید و اهداف بهتری را برای آن بخش از بازار توسعه دهید.

به عنوان مثال، فرض کنید شما مشغول تحلیل فروش و سود شرکت مثال قبل هستید. شما تعیین می کنید که از بخش اول شما 1،000،000 دلار سود داشته اید. از بخش دوم، شما 3،000،000 $  و از بخش سوم، 5،000،000 $ سود عائد شما شده است. اگر می دانید که بخش سوم به اندازه کافی بزرگ است و بهترین ROI را به ارمغان می آورد، شما فقط روی خدمت رسانی به همان بخش سوم تمرکز کتید.

جایگاه یابی(Positioning)

مرحله نهایی در فرآیند STP ، جایگاه یابی است. در اینجا، شما باید بدانید محصول/خدمات خود را در مقابل بخش هدف که در دو مرحله قبل انتخاب کرده اید، چگونه ارائه کنید. شما باید در کانال های بازاریابی خود، و همچنین در ارائه محصول تمرکز کنید.

مهمترین سوالی که باید پاسخ دهید این است که چرا مصرف کنندگان باید از من به جای رقبا من خرید کنند؟
برای پاسخ دادن به این موضوع، شما باید پیشنهاد فروش منحصر به فرد خود را (USP) داشته باشید - یک ویژگی منحصر به فرد مثبت و فوق العاده مفید که رقبای شما نمی توانند یا ارائه نمی دهند. این باید "برتری شما" شما باشد و تنها دلیل اینکه مشتریان به شما مراجعه می کنند.
با این حال، یافتن مزیت رقابتی شما آسان نیست. حتی هنگامی که شما آن را پیدا کردید، پنهان نگه داشتن آن از رقبایتان واقعا دشوار است زیرا آنها به سرعت USP شما را  تقلید و بهبود خواهند داد. برای پیدا کردن و حفظ USP خود، باید از سه اصل اساسی پیروی کنید:
  • بدانید که مشتریانتان از چه چیزهایی تقدیر می کنند. با یک جلسه طوفان مغزی دریابید مشتریانتان چه چیزهایی را در محصولات/خدمات شما دوست دارند. سپس برای رقبا خود نیز همین کار را انجام دهید. به ویژگیهایی که منجر به تصمیم گیری مشتریان در انتخاب یک شرکت می شوند، دقت کنید. با تیم فروش و تیم خدمات مشتریان خود صحبت کنید و مهمتر از همه، با مشتریان خود صحبت کنید تا بتوانید آنها را دریابید.
  • رقبایتان را رتبه بندی کنید - پس از اینکه دریافتید چه چیزهایی برای مشتریانتان ارزشمند است، خود و رقبای خود را با توجه به آن موارد رتبه بندی کنید. رتبه بندی خود را بر اساس داده ها و آمار انجام دهید و هر چیزی را قبول نکنید. در مورد POV مشتریان و اینکه چه درکی از محصولات در هر بخش دارند، فکر کنید.
  • از USP خود دفاع کنید- به عنوان یک صاحب کسب و کار، شما همیشه باید برای حملات رقیبان آماده باشید. رقبای شما سعی خواهند کرد که آنچه را که توسط USP ارائه می کنید، خنثی کنند، ضعیف جلوه دهند و یا تقلید کنند. بر روی روابط عمومی (PR)، قوانین ثبت اختراع و ماده های قانونی برای دفاع از USP خود -هنگامی که اولین بار شروع به استفاده از آن در میان مشتریان خود می کنید- سرمایه گذاری کنید.
به این فکر کنید که در محصول یا سرویس شما چه چیزی وجود دارد که به شما برای بقا در بازار کمک می کند؟ آیا محصول/خدمات شما مقرون به صرفه تر از محصولات/خدمات رقیبان است؟ آیا شما بیشتر نسبت به بسته بندی سفارشی و چانه زنی تمایل دارید یا اینکه تمایل دارید به جای این کارها کیفیت بهتری نسبت به بقیه ارائه کنید؟
در هر حالت، USP تصمیم می گیرد که آیا در این بخش بندی پیروز می شوید یا نه. شما باید ارزش کالا/ خدماتی را که برای مصرف کنندگان هدف خود ارائه می کنید، تعیین کنید و POP و POD خود را تعریف کنید:
  • POD یا Point of Difference: ویژگی های محصول شما که در جای دیگری یافت نمی شود.
  • POP یا Point of Parity: ویزگی های از محصول شما که با برندهای دیگر مشترک است.
دوباره بعنوان مثال شرکت فروش اتومبیلهای دست دوم را در نظر بگیرید. خودروهایی که در بخش بندی بیزینس فروخته اید احتمال بیشتری دارد که در مکانهایی بازارگذاری شوند که افراد بیزینس من چه به صورت آنلاین و چه به صورت آفلاین بیشتر در آنجا حضور دارند. پس از انتخاب مکان ها و کانال های بازاریابی مناسب، می خواهید اتومبیل های خود را به عنوان وسایل نقلیه برتر و یه عنوان خودروهای کاملا مجهز، به فروش برسانید.
هنگامی که جایگاه یابی را به درستی انجام دادید و مشتریان بازار هدفتان را متقاعد به خرید از خود کردید، آنموقع می توان گفت که مدل STP کار خود را به درستی انجام داده است.

در انتها لازم می دانم یادآوری نمایم، استفاده از مدل بازاریابی STP یکی از مهم ترین فرایندهایی است که می تواند منجر به توسعه کسب و کار شما شود. با استفاده از مدل STP، شما و تیم شما تحت آزمونی قرار می گیرید که در آن شما می آموزید که آیا قادر هستید کسب کسب و کار خود را به سطح بعدی ببرید. همچنین توانایی شما برای انجام تحقیق و خلاقیت در مورد روش های بازار هدف و بازاریابی در بوته آزمایش قرار خواهد گرفت.
با همکاری تیم فروش و خدمات مشتری برای پیاده سازی سیستم بازاریابی STP، اثربخشی بیشتر فرایند و جایگاه یابی بهتر محصول حاصل می شود که می توانید از آن برای برنده شدن در بازار خود استفاده کنید.

stp
مرتضی علیاری
1398/02/03

شاید تاکنون به گزارشهایی برخورده باشید که در آنها نمودارها را با عنوان YTD یا MAT ارائه کرده اند. در این پست به تفاوت این دو شاخص خواهیم پرداخت. YTD و MAT به ترتیب خلاصه عبارتهای Year to Date و Moving Annual Total است. YTD در واقع نمایشگر دوره زمانی از ابتدای سال تا لحظه گزارشگیری است. مثلا سهم بازار YTD 1398 یعنی سهم بازار محصول x از ابتدای سال 1398 تاکنون.

همجنین MAT نمایشگر میزان فروش یک متغیر، مثلا فروش، در مدت زمان یک ساله گذشته. مثلا اگر هم اکنون در اردیبهشت ماه هستیم میزان فروش از اردیبهشت 1397 تا اردیبهشت 1398 مورد محاسبه قرار می گیرد.

مزتضی علیاری

1398/02/29


در پستهای قبلی در مورد تفاوت میان طبقه بندی و خوشه بندی بحث کردیم. در مورد سوال این پست نیز اولین پاسخی که می توان داد این است که الگوریتم K نزدیکترین همسایگی (KNN) یک الگوریتم طبقه بندی و الگوریتم k-means یک الگوریتم خوشه بندی است. منطق الگوریتم KNN به زبان ساده این است که اگر شما شبیه به همسایگانتان باشید، آنگاه شما یکی از آنها خواهید بود. یا اگر سیب شباهت بیشتری به موز، پرتقال و ملون (میوه) نسبت به یک میمون، گربه یا موش (حیوان) دارد، آنگاه به احتمال قوی سیب یک میوه است. در ادامه مثالی آورده شده است. فرض کنید سه کلاس داریم و هدف پیدا کردن کلاس مناسب یرای مثال ناشناخته xj است. بعبارت دیگر می خواهیم بدانیم برای مثال ناشناخته x ، کدام برچسب کلاس مناسبتر است. در این مورد  از فاصله اقلیدسی و k=5 همسایه استفاده کرده ایم. از میان 5 تا از نزدیکترین همسایه ها، 4 تا متعلق به w و یکی متعلق بهw است بنابراین x به w1 ، کلاس غالب، تخصیص داده خواهد شد.

در مورد K-means هم که شما باید با داشتن تعدادی داده، آنها را در K  خوشه، خوشه بندی کنید. روش K-means متعلق به خانواده الگوریتمهای مرکز متحرک است به این معنا که مرکز خوشه در هر تکرار به آهستگی به سمت مینیمم کردن تابع هدف پیشروی می کند. در شکل زیر شما با یک حدس اولیه برای میانگینهای خوشه های m و m شروع می کنید و از این میانگینها برای گروه بندی هدف هایتان استفاده می کنید، سپس میانگینها را بروز می کنید  و دوباره گروه بندی می کنید و این کار را تا جایی ادامه می دهید که میانگینهای m و m تغییر یا حرکت نکنند یا اینکه عملیات تکرار را تا دستیابی به یک حد آستانه (بعنوان مثال تعداد تکرارها) ادامه می دهید.


در ادامه مباحث مربوط به Retail Audit، امروز به تفاوت میان WHD یا همان Weighted Handling Distribution و NHD یا همان Numeric Handling Distribution می پردازم. شکل زیر را در نظر بگیرید:


nhd v whd


فرض کنید طبق شکل کالای شما در کل 10 فروشگاه در 4 فروشگاه حضور دارد. در این صورت NHD=40% خواهد بود. همچنین فرض کنید گردش مالی کل فروشگاهها برابر 100 و گردش مالی فروشگاههایی که شما جنس خود را در آنها توزیع کرده اید 60 باشد. در این صورت WHD=60% خواهد بود. بعبارت دیگر WHD وزن فروشگاهها را از نظر گردش مالی به محاسبه NHD وارد می کند. در واقع WHD می خواهد بگوید که آیا کالایمان را در فروشگاههای خوبی توزیع کرده ایم یا نه؟

مرتضی علیاری
1398/02/30

تبلیغات

محل تبلیغات شما
محل تبلیغات شما محل تبلیغات شما

آخرین وبلاگ ها

آخرین جستجو ها

سالم زيبا فقط خودم ندای وحدتیه مطلب خوب اجاره آپارتمان مبله و سوئیت مبله درتهران ، مشهد،اصفهان،کرمان،شیراز،اهواز،قشم mersanaaatoor Physical and mental health ام پی دانلود پیام قلم