برآورد مدل انتخاب گسسته تمايز مشتري مبتني بر بخش بندي (مطالعه موردي بررسي ترجيحات خريداران سايپا)

Estimating Segment - Oriented Discrete - Choice Model of Customer Differentiation (Buyers Preferences of Saipa Products as a Case Study)

در مدلسازي انتخاب محصول توسط مشتريان، در نظر گرفتن متغيرهاي اجتماعي- جمعيت شناختي به طور مفهومي جالب بوده و منافع مديريتي متعددي دارد. سوال اين است كه اين متغيرها چگونه مشتريان يا محصولات را متمايز مي­نمايند. از سوي ديگر قيمت به عنوان مهم­ترين خصوصيت بر تابع مطلوبيت محصولات اثر مي­گذارد. بنابراين هدف اين تحقيق، تبيين نقش قيمت و متغيرهاي اجتماعي- جمعيت شناختي در خريد خانوار به خصوص انتخاب خودرو مي­باشد. مدل لاجيت چند جمله­اي بر اساس ترجيحات آشكار شده خريداران خودروي جديد شركت خودروسازي سايپا توسعه داده شده و نهايتا مدل تمايز مشتريان در برگيرنده متغيرها به همراه ضرايب عوامل موثر در تابع مطلوبيت محصولات ارايه شده است. همچنين روش تحليل مولفه اصلي به منظور بخش بندي مشتريان به كار گرفته شده و سپس بر روي بخش بندي حاصله، تست نسبت راستنمايي انجام شده كه نشان مي­دهد روش تحليل مولفه اصلي در مدل­هاي انتخاب گسسته، منجر به بخش بندي معنادار جامعه مي­شود. بنابراين، مدل­هاي انتخاب گسسته با رويكرد بخش بندي ­گرا توسعه داده شده و نتايج اين رويكرد با رويكرد كلي ­گرا مقايسه گرديده است كه نشان مي­دهد رويكرد بخش بندي گرا در اغلب بخش­هاي تعريف شده نسبت به رويكرد كلي گرا از قابليت پيش بيني بالاتر (پيش بيني احتمال انتخاب گزينه­ها) و شاخص خوبي انطباق بهتري برخوردار است. نتايج اين تحقيق چشم انداز جديدي را براي خودروسازان و برنامه ريزان بازاريابي در رابطه با سياستگذاري در خصوص تمايز و هدف گيري مشتريان كه بر استراتژي­هاي آميخته بازاريابي نيز اثرگذار است ايجاد مي­نمايد.

In product choice models, incorporating socio-demographic characteristics is conceptually appealing and has numerous managerial benefits. The main question is how socio-demographic characteristics differentiate customers or products in order to define relevant marketing mix strategies or what a disaggregated analysis reveals about the customerʹs profile of company products. Traditionally econometrician and marketers apply discrete choice models into a total population or a sample of consumers (naming as consolidated approach) in order to understand, describe, and predict consumer choices for a particular product and assess socio-demographic variation on the utility functions and subsequently analyse the difference between segments behaviour in order to identify differences between target consumers. The Multinomial Logit model developed based on data obtained from new car buyers of SAIPA automotive company and final model including all significant variables and their estimated parameters on utility functions of all products presented. In this study, a segment-oriented approach is introduced and compared with the consolidated approach. The proposed methodology using principal component analysis to segment the population (or sample) into different groups so as the results indicate principal component analysis is a robust method in order to reach to differentiated segments among population as expected and finally the result is compared with consolidated approach which indicates the segmented approach outperforms the consolidated approach in terms of choice predictability and R-square index of the model. The results bring a new insight to car manufacturers as well as marketing planners concerning policy setting about customer characterizing and targeting that affects marketing mix strategies.