بخش بندی مشتریان داروهای گیاهی و شناسایی ویژگی های هر بخش در ایران مبتنی بر الگوی خوشه بندی
Publish place: Iranian Economic Development Analyses، Vol: 4، Issue: 1
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 499
This Paper With 34 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_EDP-4-1_006
تاریخ نمایه سازی: 26 خرداد 1398
Abstract:
یکی از محورهای قابل دسترسی جهت تحقق اهداف توسعه انسانی، اجتماعی و اقتصادی، توجه به صنعت داروهای گیاهی است. افزایش شاخص هایی نظیر اشتغال، رفاه مصرف کنندگان، نرخ رشد درآمد سرانه و صادرات که از شاخص های توسعه یک کشور هستند، از طریق توجه به پتانسیل بالقوه ای که در این بازار وجود دارد، محقق شدنی است. شناسایی تقاضای بازار به عنوان یکی از شاخص های سنجش اقتصادی، نیازمند بازاریابی هدفمند است. نقطه آغاز اجرای بازاریابی هدفمند، بخش بندی بازار می باشد. اهداف این پژوهش، تعیین شاخص های مناسب برای بخش بندی این بازار، شناسایی نیمرخ مشتریان، تشخیص تمایزهای آنها مبتنی بر شاخص های مدل بوده، و پژوهش از حیث هدف، کاربردی و از حیث روش، پیمایشی- تحلیلی از نوع مقطعی است. ابزارگردآوری داده ها، پرسشنامه و جامعه آماری پژوهش، مصرف کنندگان نهایی انواع محصولات داروهای گیاهی در ایران، جامعه مورد مطالعه نامحدود بوده و حجم نمونه، تعداد 460 مصرف کننده نهایی داروهای گیاهی تعیین شده، روش نمونه گیری طبقه ای بوده، در جهت تجزیه و تحلیل داده های پژوهش و برای تعیین بخش ها، از رویکرد کای - میانگین استفاده شده و نتایج حاصل از اجرای الگوریتم کای - میانگین، نشان می دهد که این بازار دارای 4 خوشه است. هر یک ازخوشه ها از نظر شاخص های مورد بررسی، تفاوت هایی با یکدیگر داشته اند، و بنابراین، جهت تحقق توامان ارزش برای مشتری و بازار این صنعت، استراتژی مقتضی هر بخش می باید تدوین و اجرایی شود.
Keywords:
Authors
آزیتا شرج شریفی
دانشجوی مقطع دکتری، گروه مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد تهران مرکزی
قاسمعلی بازایی
استادیار، گروه مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد تهران
سید عباس حیدری
استادیار، گروه مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد تهران مرکزی؛
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :