فیدیبو نماینده قانونی انتشارات سیته و بیش از ۶۰۰ ناشر دیگر برای عرضه کتاب الکترونیک و صوتی است .
کتاب اصول مهندسی بازاریابی

کتاب اصول مهندسی بازاریابی

نسخه الکترونیک کتاب اصول مهندسی بازاریابی به همراه هزاران کتاب دیگر از طریق فیدیبو به صورت کاملا قانونی در دسترس است.


فقط قابل استفاده در اپلیکیشن‌های iOS | Android | Windows فیدیبو

با کد تخفیف fdb40 این کتاب را در اولین خریدتان با ۴۰٪ تخفیف یعنی ۱۰,۰۸۰ تومان دریافت کنید!

درباره کتاب اصول مهندسی بازاریابی

هر نسل از بازاریابان با فرصت‌ها و چالش‌های جدید و نیز مفاهیم و ابزارهایی برای دسته‌بندی آن‌ها روبه‌رو می‌شوند. اگر حدود یک دهه به عقب برگردیم، تعداد کمی از بازاریابان بودند که تصور می‌کردند آگهی تبلیغات تجاری اینترنتی تهدیدی جدی برای تبلیغات تجاری قراردادی محسوب شود. برخی هنوز هم انتظار دارند سرمایه‌گذاری روی بازاریابی همان استانداردهای مالی را داشته باشد که سرمایه‌گذاری روی جنبه‌های محسوس‌تر شرکت دارد، مانند عملیات. ما می‌توانیم بگوییم که شر‌ط‌ می‌بندیم تعداد بسیار اندکی از شرکت‌ها خود را برای بهره‌برداری از سیل اطلاعات و داده‌هایی که امروزه فضای تصمیم‌گیری بازاریابی را تحت تأثیر قرار می‌دهند، آماده می‌کنند. بازاریابی به عنوان یک حرفه باید فراتر از تکیه بر محتوای مفهومی تصمیم‌گیری و عمل تکامل باشد. مفاهیمی که از طریق تجربه تقویت می‌شوند همیشه نقش مهمی در بازاریابی بازی می‌کنند، اما بازاریابی امروزه پردازش و تجزیه و تحلیل سیستماتیک‌تری را می‌طلبد. عوامل مؤثر در تصمیم‌گیری‌های حوزه‌ی بازاریابی با طراحی مهندسی شباهت دارند؛ مفاهیم، اطلاعات، تحلیل‌ها، شبیه‌سازی مکان بازار و طراحی طرح‌های بازاریابی مؤثر همه در کنار هم قرار می‌گیرند. هرچند بسیاری از مردم بازاریابی سنتی را مثل هنر می‌بینند و خیلی‌های دیگر به آن مثل علم می‌نگرند، اما بازاریابی مدرن مانند مهندسی است؛ ترکیبی از هنر و علم. برای حل مشکلات خاص در این متن، چندین نیروی کلیدی در کار هستند تا شکل بازاریابی را دچار تحول کنند.

ادامه...

بخشی از کتاب اصول مهندسی بازاریابی

شما به آخر نمونه کتاب رسیده‌اید، برای خواندن نسخه کامل، کتاب الکترونیک را خریداری نمایید و سپس با نصب اپلیکیشن فیدیبو آن را مطالعه کنید:

انتخاب، ارزیابی و بهره مندی از مدل مهندسی بازاریابی

مدل های واکنش، تقریب های رفتار احتمالی مشتری یا بازار هستند، از این رو ممکن است با هم تفاوت داشته باشند؛ حتی گاهی این امکان نیز وجود دارد که تفاوتی اساسی بین آن ها و رفتار واکنش ناشناخته و واقعی به چشم بخورد. از برخی جهات، تمامی مدل ها غلط هستند، اما مدل های متعدد مفیدی نیز وجود دارند. کاربران مدل باید از میان مدل هایی که از کارایی مطلوبی برخوردارند و مدل هایی که فاقد این ویژگی هستند، دست به انتخاب بزنند. یک شکل مدل، بهتر از مدل دیگر نیست، بلکه هر یک در شرایط خاص خود و برای اهداف خاصی کارایی خود را بروز می دهند. اگرچه معیارهای مختلفی وجود دارد که بر انتخاب مدل تاثیرگذار هستند، اما ۴ نوع مدل وجود دارد که به طور اختصاصی در مدل ها کاربرد دارند:
مشخصات مدل
• آیا مدل از متغیرهای صحیحی برای مشخص سازی وضعیت تصمیم گیری برخوردار است؟
• آیا متغیرهای مشخص شده از لحاظ مدیریتی قابل استفاده هستند؟
• آیا مدل، رفتار پیش بینی شده ی متغیرهای اختصاصی را نیز دربرمی گیرد؟
• آیا مدل، روابط پیش بینی شده بین متغیرها را نیز دربرمی گیرد؟
مدرج سازی مدل
• آیا مدل را می توان از طریق قضاوت های مدیریتی یا داده های تاریخی تحت قاعده و اصول معینی درآورد؟
• آیا مدل را می توان از طریق تجربه گرایی تحت قاعده و اصول معینی درآورد؟
اعتبارسنجی و ارزش گذاری مدل
• آیا سطح جزئیات در مدل با سطح جزئیات در داده های موجود همخوانی دارد؟
• آیا مدل، محیط کنونی بازار را به طرزی منطقی و صحیح بازسازی می کند؟
• آیا مدل، ارزش کاربردی(۷۶) را برای کاربر فراهم می آورد؟
• آیا مدل، پدیده ی علاقه را به طرزی صحیح و کامل مشخص می سازد؟
کارایی مدل
• آیا مدل کاربرد ساده ای دارد؟ (آیا ساده است و نتایج را به شیوه ای قابل درک ارائه می دهد، و آیا به ما اجازه می دهد که عملیات آن را کنترل کنیم؟)
• آیا مدل، پس از اجرا، به سادگی قابل درک است؟
• آیا مدل، راهنمایی های قابل فهمی به مدیران ارائه می دهد؟

وقتی مدلی را انتخاب می کنیم، می توانیم این معیارها را در پرسشی اثر گذار خلاصه کنیم: «آیا این مدل برای این شرایط جواب می دهد؟» بنابراین، آیا این مدل از شکلی صحیح برخوردار است؟ می توان آن را درجه بندی کرد، آیا معتبر و مفید است؟ اگر پاسخ به همگی این پرسش ها صحیح باشد می توان مدل را مدلی مناسب دانست.

ارزش کسب وکار (تجاری) مهندسی بازاریابی: از تعهد تا واقعیت

مهندسی بازاریابی به دلیل وجود مدیران پیشرفته به موفقیت دست یافته است، نه به واسطه ی وجود مدل های پیشرفته. این مدیران می دانند که تصمیم ها بر بسیاری از سهامداران اثر می گذارند و اکثر مردم نیز در مقابل تغییر مقاومت می کنند و با فرآیندهای تصمیم گیری که درک نمی کنند یا تصمیمات خلاف منافع خود مخالفت می نمایند. بنابراین، توسعه ی تصمیمات مطلوب تنها ۵۰% قضیه است. مسئله ی مهم تر، راضی کردن سهامداران شرکت نسبت به آن تصمیم هاست. در بسیاری از شرایط، کاربران مدل و تصمیم گیرندگان افرادی متفاوت هستند.
بنابراین ژرمان، لیلی یمن و رانگاسوامی (۲۰۱۲)(۷۷) عنوان می کنند که یک فرهنگ سازمانی، عامل تعیین کننده در بهره گیری کارآمد از مهندسی/ تحلیل بازاریابی است. از سوی دیگر، از آن جا که فرهنگ سازمانی عمدتاً از طریق تیم مدیریت ارشد(۷۸) در یک شرکت شکل می گیرد، آن ها نشان می دهند که حمایت این تیم از تحلیل / مهندسی بازاریابی عاملی حیاتی در استفاده ی گسترده از تحلیل بازاریابی در شرکت است. پس حمایت از سوی مدیریت ارشد و فرهنگ سازمانی حمایت کننده از تحلیل ها، کلید سود بردن از مهندسی بازاریابی است.
از طریق تشریح روشن فرضیات متمرکز مدل و نتایج آن، مدیران می توانند اصول را جایگزین جایگاه ها سازند. همچنین یک مدیر به جای گفتن «بیایید فلان کار را انجام دهیم» می تواند بگوید: «معتقدم که هدف ما باید فلان باشد و طبق مدل A، فلان شیوه، شیوه ای مطلوب برای نیل به این هدف است». اگر فرآیند بیان فرضیات مدل به خوبی هماهنگ شده باشد، بحث بر مزایای آن فرضیات متمرکز خواهد بود، نه تناسب یا اعتبار خروجی مدل. مدل ها به ویژه زمانی مفیدند که به تغییر مدل های ذهنی از طریق به چالش کشیدن فرضیات یا باورهای حاکم بر آن مدل ها کمک کنند. همچنین یک مدل، مکانیزمی مشخص برای درگیرسازی سهامداران در فرآیند تصمیم گیری ارائه می دهد. در مثال اِی بی بی که پیش از این شرح داده شد، سهامداران مختلف از طریق پیوند نتایج مدل به مسائل تجاری خود (پیشنهاد قیمت برای قراردادها، توسعه ی جایگاه های ارزشی و پیشنهادهای جدید و برنامه ریزی در حیطه ی موجودی در حال تغییر) و کمک به اجرای نتایج مدل دست به مشارکت زدند. طرفین ذی نفع اگر تشخیص دهند که ورودی ها و قضاوت های آن ها بخشی از فرآیند است، تصمیمات برگرفته از مدل را با روی باز می پذیرند. در فصل ۸، چند درس حیاتی درباره ی اجرای موفق مهندسی بازاریابی را شرح می دهیم.

ساختار این کتاب

برای خواننده ای که قصد دارد برداشتی گسترده از مهندسی بازاریابی داشته باشد، این کتاب به گونه ای طراحی شده که درست مانند هر کتاب دیگری است. برای خواننده ای که می خواهد به درک و تجربه ای عمیق در حیطه ی مهندسی بازاریابی برسد، مطالب اضافی مهمی در وب سایتمان (به آدرسwww.decisionpro.biz) ارائه می دهیم که شامل نرم افزار، کتابچه های آموزشی درباره ی نرم افزار و ابزارهای فنی است که جزئیات بیشتری از مدل های شرح داده شده در این کتاب ارائه می دهند. اگرچه خوانندگان می توانند با استفاده از نرم افزار ما، مستقیم با مدل های مهندسی بازاریابی کار کند، اما این کتاب را مختص تحلیلگران یا مدل سازان بازار به رشته ی تحریر درنیاورده ایم. برعکس، هدف ما کمک به شما در تبدیل شدن به یک کاربر توانا در استفاده از مدل های طراحی شده و مصرف کننده ای آگاه نسبت به نتایج مدل سازی خلق شده توسط دیگران است. مهم تر این که امیدواریم این کتاب شما را قادر سازد شرایط تصمیم گیری ای را شناسایی کنید که از یک رویکرد مهندسی بازاریابی سود می برد و به شما در تمرکز بر تلاش های مدل سازی و تفسیر نتایج به منظور تسهیل بخشیدن به فرآیند تصمیم گیری کمک می کند. ما تلاش می کنیم درکی اساسی از موفق ترین مدل های تصمیم گیری بازاریابی ارائه دهیم، نمونه هایی را مطرح سازیم که بیانگر دلیل موفقیت آن ها می باشند و تجربیات واقعی را نسبت به مهندسی بازاریابی به شما ارائه می دهند. به طور کلی، بهترین کار، به دست آوردن مفاهیم اساسی از خود متن، و سپس اصلاح آن فهم از طریق استفاده از موارد مختلف و نرم افزارها و در پایان، استفاده از نکات فنی می باشد که عمدتاً فهم ما را پشتیبانی می کنند.
ما مدل هایی را در این کتاب انتخاب کرده ایم که همانند موارد، تجربه ها و نرم افزار موجود در وب سایت ما، هم از لحاظ نظری بی عیب و نقص هستند و هم از لحاظ عملی کارساز و مفید. مدل هایی که ارائه داده ایم، همگی کاربرد های گسترده ای در عرصه ی صنعت دارند؛ یعنی درست و صحیح طراحی شده اند و در شرایط میدانی به آزمایش رسیده اند.
فصل۲ به بررسی درک مشتریان و گروه های مشتری می پردازد. چگونگی جمع آوری اطلاعات، شکل دادن به گرایش ها و تصمیم گیری ها هم به صورت فردی و هم گروهی (یا همان شرایط خرید سازمانی) بررسی می شود. درک نیازهای کارکردی و همچنین روانی اهمیت حیاتی دارد. این درک، مبنایی برای خلق مدل های مهندسی بازاریابی ارائه می دهد که ارزش مشتریان و نحوه ی پاسخگویی آنان به فعالیت های بازاری را تشریح می کند. ما ارزش مشتریان برای شرکت ها را نیز بررسی می کنیم و چندین ایده و روش کلیدی مرتبط با ارزش طول عمر مشتری (سی ال دی)(۷۹) را توسعه می دهیم.
در فصل۳ بر رویکرد های مهندسی بازاریابی تمرکز می کنیم که به یک مورد بازاریابی راهبردی اصلی می پردازد: کدام بخش های مشتری را انتخاب کنیم؟ برای یافتن پاسخی صحیح برای این پرسش، بازاریابان به ابزارهایی برای درک چگونگی بخش بندی بازار و تعیین جذاب ترین بخش ها نیاز دارند.
در فصل ۴ به یکی دیگر از مسائل اساسی و راهبردی بازاریابی می پردازیم: چگونه باید پیشنهادهای خود را در بازارهای رقابتی ارائه دهیم تا از دید مشتریان و بخش هایی که به آن ها خدمات ارائه می دهیم، به عنوان پیشنهادهای برتر شناخته شوند؟ علاوه بر این، رویکرد های مهندسی بازاریابی باعث روشن تر شدن هرچه بیشتر پرسش قبل می شوند؛ پرسشی که به بازاریابان کمک می کند از تخصیص ناکارآمد منابع محدود خود پرهیز نمایند.
در فصل ۵ به بررسی روش های پیش بینی، چه برای محصولات جدید و چه محصولات شناخته شده پرداخته می شود. ما هم رویکرد های قضاوت محور و هم رویکرد های داده محور را پوشش می دهیم و نشان می دهیم که چرا ترکیب این دو اغلب راهبردی بسیار موثر است.
در فصل ۶ مفاهیم و ابزارهای محصولات جدید بازاریابی و یا به طور کلی تر، پیشنهادهای جدید ارائه می شود. عمدتاً بر روش هایی تمرکز می کنیم که از طراحی محصولات جدید و به ویژه تحلیل های مشترک حمایت می کنند.
در فصل ۷ به بررسی قیمت گذاری آمیخته ی بازاریابی،(۸۰) تبلیغات تجاری، نیروی فروش، تصمیم های مرتبط با تبلیغات و نیز بودجه بندی بازاریابی و تصمیم های مربوط به تخصیص منابع می پردازیم. این که تا چه میزان، در کجا و چه زمانی می توان دست به مخارج هزینه ها زد. (عناصر آمیخته ی بازاریابی و برنامه های مرتبط به آن کدام ها هستند؟)
سرانجام، در فصل ۸ بررسی می شود که تا چه حد از اجرای مهندسی بازاریابی در یک بافت سازمانی آگاهیم. بر عناصر لازم برای موفقیت و عناصر مسبب در بروز شکست تمرکز می کنیم و سپس آینده ی مهندسی بازاریابی را بررسی می کنیم.

خلاصه

در این فصل، هدف اصلی ما معرفی مبحث مهندسی بازاریابی یا همان استفاده از مدل های تصمیم رایانه ای تعاملی به منظور تسهیل در تصمیم های بازاریابی است. اکثر مدیران بازاریابی در محیط های تصمیم گیری مشغول به فعالیت هستند که ویژگی های خاص این محیط ها عبارت اند از: افزایش حجم داده ها و اطلاعات (داده های خلاصه شده) و منابع محاسباتی. این مدیران به مفاهیم و ابزارهای مختلفی برای بقا و شکوفایی در این محیط ها نیاز دارند.
رویکرد مهندسی بازاریابی بر مدل های تصمیم گیری تعاملی متمرکز است که این مدل ها سفارشی سازی شده می باشند و نمایش رایانه ایِ پدیده های بازاریابی هستند که تصمیم گیری اجرایی را تقویت می کنند. مروری مختصر و کلی از انواع مدل ها و چگونگی ایجاد آن ها ارائه دادیم، علاوه بر این، برخی از مزایای استفاده از مدل های تصمیم گیری شامل بهبود سازگاری تصمیم گیری، کسب توانایی در ارزیابی دیگر گزینه های تصمیم گیری، ارزیابی تاثیر نسبی عوامل مختلف در یک تصمیم و به روزرسانی مدل های رفتار بازاری را شرح دادیم. در نهایت، خلاصه ای از دلایل متعددی ارائه دادیم که بسیاری از مدیران برای توجیه عدم استفاده ی خود از مدل های تصمیم گیری، به رغم مزایای بالقوه ی آن ها ذکر می کنند؛ با این امید که این کتاب و مطالب مرتبط به آن این دغدغه ها را کاهش دهند. ارزش واقعی مهندسی بازاریابی این است که به شرکت ها اجازه می دهد فراتر از رویکردی شهودی در حیطه ی بازاریابی یا استدلال از طریق قیاس تاریخی پیش بروند و به سمت بازاریابی هوشمند به کمک معیارهای روشن، سودآوری و بهره گیری از فرصت های بازاری گام بردارند.

مثال های موفقی از مهندسی بازاریابی

نمونه های متنوع و مستند نشان دادند که شرکت ها می توانند مزایای اساسی ای از به کارگیری رویکرد مهندسی بازاریابی در تصمیم گیری کسب کنند. ما تنها چند نمونه از آن ها را ذکر می کنیم.

• اِی بی بی الکتریک،(۵۳) یک سازنده و توزیع کننده ی تجهیزات تولید قدرت، دنبال افزایش فروش و سهم بازار خود در صنعتی بود که با افت ۵۰% تقاضا مواجه بود. با تجزیه و تحلیل دقیق و پیگیری اقدامات و سلایق مشتریان، شرکت تعیین نمود که تلاش های بازاریابی خود را بر روی کدام مشتریان متمرکز کند و کدام یک از ویژگی های محصولات برای آن مشتریان بیشترین اهمیت را داشتند. آن ها حساب کردند که توانایی این شرکت در سهم بازار از ۴% به بیش از ۴۰% رسید، در حالی که به طور همزمان سودآوری شرکت در یک بازار در حال انحطاط با به کارگیری مهندسی بازاریابی مدل های انتخاب ارتقا یافت.(۵۴)
• شرکت جرمن ریلرود(۵۵) (یک شرکت ۱۵ میلیارد دلاری) از گذشته هزینه ی نقل و انتقال بین دو نقطه را مضرب فاصله ی میان آن ها محاسبه می کرد، اما این گونه قیمت گذاری نسبت به کاربرد اتومبیل رقابتی نبود. بر اساس تحلیل مقیاس بزرگ پیوسته، شرکت یک «باهن کارت»(۵۶) به راه انداخته بود که از آن طریق مشتریان می توانستند بلیت ها را با تخفیف بسیار زیاد نسبت به کرایه ی استاندارد هر کیلومتر بخرند. با وجود این کارت، مسافران بسیاری به جای رانندگی جذب سفر با قطار شدند. با وجود ۵ /۳ میلیون نفر دارنده ی کارت، سود شرکت سالیانه بیش از ۲۰۰ میلیون دلار افزایش یافت.(۵۷)
• رنانیا،(۵۸) یک شرکت متوسط سفارشی پست مستقیم آلمانی، از سیستم مدلسازی پاسخ پویای چندسطحی برای پاسخگویی به مهم ترین پرسش های مستقیم بازاریابی استفاده کرد: «شرکت باید کاتالوگ های خود را چه زمان، چند وقت یک بار و به چه کسانی بفرستد؟» این مدل به طور پویا به ارزیابی مشتریان بر اساس سوابق خریدهای قبلی آنان می پردازد و فروش آستانه ی هر مشتری را که برای به حداکثر رساندن سود در بازه های زمانی و متعددساختن بخش های مشتریان مورد نیاز است، به دست می آورد. مدل به شرکت کمک کرد پایه ی مشتریان خود را بیش از ۵۵% افزایش دهد و در چند سال اول پس از به کارگیری آن، سود شرکت چهار برابر شد. همچنین استفاده از رویکرد مدل سازی، به سوق دادن جایگاه شرکت از پنجم به دوم در بازار آلمان کمک کرد. از نظر هزینه، مدل پس از چند هفته مخارج خود را جبران کرد.(۵۹)
• تلرینگ،(۶۰) یک عرضه کننده ی مطرح تلفن سلولار در استرالیا، به شدت مورد تهدید فعالیت های رقبا قرار گرفت. شرکت با انجام دادن یک پژوهش تقسیم بندی مفصل، فرصت جدیدی را در بازار شناسایی کرد؛ یعنی هیچ هزینه ای برای اشتراک تلفن از پیش محاسبه نمی شد و رقبا توان تقلید از این اقدام را نداشتند. یک مطالعه ی نقشه کشی ذهنی عاقلانه نه تنها باعث اعتبار نوآوری خدمت حاصل نزد مدیریت ارشد شد و بر موانع داخلی شروع آن فائق آمد، بلکه ایده هایی برای چگونگی معرفی محصول از طریق یک برنامه ی جامع تبلیغاتی تجاری فراهم نمود. خدمت جدید بیش از ۲۰ میلیون درآمد نهایی برای تلرینگ به همراه آورد.(۶۱)
• جِی دی پاور اند کامپنی(۶۲) یک مدل تحلیلی تصمیمی تبلیغی را توسعه داد که سازندگان اتومبیل را قادر می ساخت فراوانی تنظیم زمان عملکرد موتور و اجرای فعالیت تبلیغی خود را بهبود بخشند تا فروش خود را حفظ کنند و ضررهای حاشیه ای را کاهش دهند. آن ها گزارش دادند که در صنعت خودرو در حدود ۲ میلیارد دلار صرفه جویی داشته اند که متصدیان دیملر کرایسلر(۶۳) به تنهایی سود سالیانه ی خود را ۵۰۰ میلیون دلار اعلام کردند.(۶۴)
• نشنال آکادمیک پرس، نگران بهترین روش قیمت گذاری و توزیع گونه های متعدد ارائه ی کتاب های خود از طریق اینترنت بود: چاپ پی دی اف. آن ها یک مدل قیمت گذاری را ساختند که از طریق آن هم جایگزینی بین دو شکل و هم مکمل بودن ممکن شده بود (مشتریان هر دو فرم را می خریدند) و مدل را از طریق یک آزمایشِ مدل سازیِ انتخابِ معقول درجه بندی می کردند. نتایج به نشنال آکادمیک پرس اجازه داد تا طیف کامل محصولات دیجیتال را با طرح متغیر قیمت گذاری راه اندازی کند که این فرصت را برای آن ها فراهم می کرد که به اهداف سودآوری خود دست یابند، و نیز بیشترین دسترسی را به آثار نویسندگانش داشته باشند.(۶۵)

این مثال ها نماینده ی گزارش های به چاپ رسیده ی کاربردهای مهندسی بازاریابی هستند که نشان دهنده ی موفقیت های فنی و سازمانی بودند. اما برای چنین موفقیت بسیار مشهودی، و در مقیاس بزرگ سازمانی، هزاران موفقیت کوچک برخی از همان اصول مهندسی بازاریابی را به کار گرفتند. تصورش را بکنید: تنها چند صد فرد حرفه ای در مسابقات گلف شرکت می کنند، اما بیش از ۲۵ میلیون آمریکایی گلف بازی می کنند. بازیکنان حرفه ای گلف به عنوان نمونه های عموم گلف بازان عمل می کنند؛ درست به همین روش، نمونه های مهندسی بازاریابی باید مجریان بازاریابی را هم در سازمان های بزرگ و هم در سازمان های کوچک ترغیب کنند.

ابزارهایی برای مهندسی بازاریابی

در دسترس بودن گسترده ی نرم افزار صفحه گسترده، مانند اکسل، کار با نمایندگان پدیده ی بازاریابی را آسان تر کرده است. برای مثال، معمولاً صفحات گسترده ی بازاریابی شامل هزینه های بازاریابی برنامه ریزی شده و درآمدهای خالص و ناخالص مربوط می باشد. اما در بیشتر موارد، توسعه دهنده ی مدل، یک رابطه ی صفحه گسترده بین دروندادهای بازاریابی (مانند تبلیغات تجاری) و درآمدهای فروش برقرار نمی کند. بنابراین، درونداد های بازاریابی درآمد خالص را تنها به عنوان آیتم های هزینه تحت تاثیر قرار می دهند. ما به این صفحات گسترده، مدل های «دامب»(۶۶) می گوییم. آن ها به عنوان مدل های بازاریابی معنای چندانی ندارند، زیرا نسبت به ماهیت رابطه بین درونداد ها و برونداد های بازار سکوت می کنند. برای این که مدل صفحه گسترده معنایی به دنبال داشته باشد، طرح مدل باید اهداف و متغیر ها را به روشنی توضیح دهد و روابط بین متغیر ها را مشخص نماید.
در یک مدل «هوشمند»،(۶۷) صفحه گسترده یک معادله یا «مدل پاسخ»(۶۸) را وارد می کند که مدیر می تواند با درنظرگرفتن تاثیر تبلیغات هم بر فروش و هم درآمدها از آن استفاده کند و مشخص سازد که آیا کاهش یا افزایش تبلیغات منطقی است یا نه. بنابراین، محیط طراحی (دانش، نرم افزار، داده ها) مهندسی بازاریابی را ساده تر می کند.

مدل های پاسخگویی بازار

این مدل ها ابزارهای اساسی مهندسی بازاریابی هستند و به عنوان عناصری شناخته می شوند که می توانند یک مدل صفحه گسترده ی دامب را به یک مدل هوشمند تبدیل کنند. مدل های پاسخ از اهمیتی حیاتی برای بررسی نظام مند مسائل تصمیم گیری راهبردی و تاکتیکی در بازاریابی، مانند بودجه بندی بازار و تخصیص های آمیزه، هدفمندی مشتری و تعیین موقعیت محصول/ شرکت برخوردارند. بدون وجود مدل هایی که نحوه ی پاسخ مشتریان و بازارها به فعالیت های بازار را شرح می دهند، ارزیابی هزینه های فرصت تصمیم کاری بسیار دشوار است و ارائه ی مدل های پاسخ ضعیف که فرآیند تصمیم گیری را به قهقرا می برند، درست مانند گلف بازی که چوب گلف را به خوبی با توپ آن تنظیم نمی کند، از هدف اصلی دور و دورتر می شوند.
مدل های پاسخ بازار ملزم می سازند که مسائل ذیل مشخص شود:

• دروندادها: فعالیت های بازاری که بازاریاب می تواند کنترل کند، شامل قیمت، تبلیغات، فروش و مواردی از این قبیل (به اصطلاح آمیزه ی بازاریابی نامیده می شود)، و نیز متغیرهای غیرقابل کنترل مانند اندازه ی بازار یا محیط رقابتی.
• مدل پاسخ: ارتباط از درونداد ها به برونداد های قابل اندازه گیری مورد نظر شرکت (برای مثال، سطوح آگهی مشتری، دریافت محصول، سطوح فروش، سودها).
• اهداف: معیاری که شرکت از آن برای نظارت و ارزیابی فعالیت ها استفاده می کند (برای مثال، فروش در پاسخ به یک ترویج، درصدی از مخاطبان هدف که یک تبلیغ بازرگانی را به یاد می آورند).

مدل های پاسخ در چارچوب مدل های تصمیم گیری بازاریابی (شکل ۳-۱) عمل می کنند. فعالیت های بازاریابی یک شرکت (فلش ۱)، همراه با فعالیت های رقبا (فلش ۲) و شرایط محیطی (فلش ۳) با هم ترکیب می شوند و پاسخ بازار را شکل می دهند و این پاسخ به شکل گیری برونداد های کلیدی (فلش ۴) منجر می شود. این برونداد ها را باید نسبت به اهداف شرکت (فلش ۵) ارزیابی کرد، سپس شرکت بسته به مطلوبیت نحوه ی کارکرد، اقدامات بازاریابی خود را اتخاذ کند یا تغییر دهد (فلش ۶)- لینک مدل سازی تصمیم گیری.



شکل۱-۳- مدل های پاسخ بازار دروندادهای بازاریابی را در چارچوب یک مدل تصمیم گیری، فعالیت های رقابتی و تنوع های محیطی به بروندادهای مشاهده شده ی بازار تبدیل می کنند.

رویکرد مهندسی بازاریابی، مدیران را قادر می سازد که نسبت به نحوه ی تصمیم گیری در شرایط تصمیم نسبتاً ساختاریافته نظام مند تر عمل کنند. شرکت ها بدون مهندسی بازاریابی به اظهارات ذیل متوسط می شوند: فروش ها در مینیاپولیس ۳/ ۲% کمتر از پیش بینی های ماست (آیا هدف اصلی، دستیابی به فروش معادل پیش بینی ها یا بالاتر از آن بوده است؟)پیشنهاد می دهم در طرح قبلی، مخارج تبلیغات را به ۱۰% افزایش دهیم (به این فرض دقت کنید: افزایش مخارج تبلیغات کنونی [درونداد] باعث پاسخ فروش [کوتاه مدت؟] معادل دست کم ۳/ ۲+ % می شود و هزینه موثر می باشد). در عوض بنا بر اصول مهندسی بازاریابی، این اظهارت به صورت ذیل در می آیند: «فروش ها در مینیاپولیس کمتر از ۳/ ۲% می باشند. پس از گنجاندن آن اطلاعات در پایگاه داده ای و درجه بندی مجدد (کالیبره کردن مجدد) مدل پاسخ مینیاپولیسِ ما به نظر می رسد افزایش هزینه ی تبلیغات به ۲ /۱۲%، طی چهار ماه پیش رو، سود ما را در آن بازار به حداکثر می رساند.»

انواع مدل های پاسخگویی

صنعتگری که با چکش خود کار می کند، کل دنیا را یک میخ می داند؛ اما دسترسی وی به پیچ گوشتی فرصت های بی شماری را برای او به بار می آورد. همین مسئله درباره ی مدل های بازاریابی نیز صادق است که می توان آن ها را به شیوه های ذیل تعریف کرد:

• بنا بر تعداد متغیرهای بازاریابی: آیا تنها به رابطه ی بین تبلیغات و فروش می پردازیم (یک مدل تک متغیره)، یا قیمت را نیز شامل کار می کنیم (یک مدل دومتغیره)؟
• بنابراین که آیا آن ها رقابت را هم وارد کار می کنند یا خیر: آیا مدل به طرزی مشخص فعالیت ها و واکنش های رقبا را وارد کار می کند یا رقابت، تنها، به عنوان بخشی از محیط به شمار می آید؟
• بنا بر ماهیت رابطه بین متغیرهای درون داد و برون داد: آیا هر دلار صرف شده روی تبلیغات، همان تاثیر را بر فروش می گذارد (یک پاسخ طولی)، یا محدوده های مالی وجود دارد که در آن ها یک دلار اضافی باعث بازگشت های خیلی بیشتر یا کمتر می شود (و یک پاسخ به شکل S)؟
• بنا بر ثابت بودن یا پویابودن وضعیت: آیا می خواهیم جریان فعالیت ها و پاسخ بازار را به مرور زمان تحمیل کنیم یا صرفاً قصد داریم در یک نقطه ی زمانی، به یک ایده ی فوری توجه کنیم؟
• بنابراین که آیا مدل ها پاسخ فردی یا کلی را انعکاس می دهند یا خیر؟ آیا می خواهیم پاسخ های افراد را مدل سازی کنیم (برای بازاریابی مستقیم یا برای هدف قراردادن اقدامات فروش خاص) یا پاسخ کلی را (مجموع پاسخ های فردی)؟
• بنا بر سطح تقاضای مورد تحلیل: برای تعیین فروش های یک برند، آیا باید فروش های برند را به طور مستقیم تجزیه و تحلیل کنیم (رایج ترین رویکرد)، یا سهم برند و تقاضای کلی بازار را که محصول آن فروش های برند است، جداگانه بررسی نماییم؟

علاوه بر این ویژگی ها، اصطلاحات رایج متعددی نیز وجود دارند که درک آن ها در مواجهه با مدل های پاسخ بازاری حائز اهمیت است.

پارامترها ثابت هایی (معمولاً a، b، نه x و y) در نمایش ریاضی مدل ها می باشند. برای این که فرم یک مدل در وضعیت تخصصی کارایی داشته باشد، باید ارزش های پارامتر را برآورد کنیم؛ ارزش هایی که زندگی را به درون یک مدل انتزاعی تزریق می کنند (به یک مدل انتزاعی زندگی می بخشند). این پارامترها اغلب از مدل های بازاریابی مستقیم (برای مثال، پتانسیل بازار، کشش پذیری قیمت) برخوردارند.

کالیبراسیون (مدرج سازی)، فرآیند تعیین مقادیر مناسب برای پارامترها. به منظور مدرج سازی یک مدل، بازاریاب می تواند از روش های آماری (به بیان دیگر، برآورد) یا نوعی فرآیند قضاوتی یا ترکیبی از رویکرد ها استفاده کند. برای مثال، یک مدل ساده به شرح ذیل است:

تبلیغات تجاری × a + b  = فروش

در این معادله، تبلیغات متغیری مستقل است و فروش متغیری وابسته، شکل مدل خطی است و a و b پارامتر هستند. به خاطر داشته باشیدکه وقتی تبلیغات برابر با صفر باشد، a سطح فروش یا سطح فروش پایه است. طبق معادله، در ازای هر دلار افزایش در تبلیغات، فروش های واحدهای b دچار تغییر می شوند. در این شرایط، b شیب فروش ها/ مدل پاسخ تبلیغات است. اگر تعیین کنیم ارزش های مناسب a و b، به ترتیب ۲۳۰۰۰ و ۴ می باشند، آن مقادیر را در معادله جای می دهیم تا به حالت ذیل دست یابیم:

تبلیغات تجاری × ۴ + ۲۳۰۰۰ = فروش

پس می توان گفت مدل را درجه بندی کرده ایم (به بیان دیگر، به پارامترهای آن ارزش داده ایم).
اما چگونه این درجه بندی را اجرا می کنیم، یعنی پارامترهای «خوب» را انتخاب می نماییم؟ ما برآوردهایی از a و b می خواهیم که رابطه ی «تبلیغات تجاری × b + a = فروش» را به تقریب خوبی از تغییرات فروش با ارزش های تبلیغات تبدیل می کنند که می توانیم از طریق داده ها یا درک شهودی به دست آوریم.
افراد اغلب از کمترین مجذور رگرسیون برای درجه بندی یک مدل استفاده می کنند. اگر مشاهده های مختلفی در خصوص تبلیغات داشته باشیم، مقادیر X (یعنی... و x۱ و x۲) و مشاهده های مرتبط با فروش یا همان مقادیر Y (یعنی... و y۲ و y۱)، برآوردهای رگرسیون a و b، همگی مقادیری می باشند که حاصل جمع اختلافات مجذور بین هر یک از مقادیر مشاهده شده ی Y و «برآورد» ارائه شده توسط مدل را به حداقل می رسانند. برای مثال، a + bx۷ برآورد ما از y۷ می باشد، و ما می خواهیم y۷ و a + bx۷ به هم نزدیک باشند. ما از داده های واقعی در خصوص زوج های این چنینی xها و yها برخورداریم یا باید از بهترین قضاوت خود برای خلق آن ها استفاده کنیم. (اگر تبلیغات ۱۰ برابر سطح کنونی آن باشد، به چه سطح فروشی دست پیدا می کنیم؟ اگر تبلیغات ما نیمی از تبلیغات کنونی باشد، به چه سطح فروشی دست می یابیم؟)
وقتی داده هایی که از آن ها به منظور درجه بندی استفاده می کنیم، داده های آزمایشی یا بازاری واقعی باشند، کار درجه بندی را «درجه بندی هدف» یا برآورد پارامتر هدف می نامیم. در بسیاری موارد، مدیران فاقد داده های تاریخی مرتبط به منظور درجه بندی مدل می باشند. اگر شرکت همیشه همان مقدار هزینه را برای تبلیغات خرج کند (برای مثال ۴% فروش در تمامی قسمت های بازار) هیچ اطلاعات هدفی درباره ی شرایط بازار در صورت تغییر نسبت تبلیغات به فروش به ۸ % نخواهد داشت.
از سوی دیگر، ممکن است شرکت داده های تاریخی ای داشته باشد که به دلیل تغییر در بازار شاید دیگر کارایی نداشته باشند؛ از قبیل مدخل فهرست های رقابتی جدید، تغییر در ساختارهای قیمت برند و داده هایی از این دست. (استفاده از داده های قدیمی در بازار تلفن های هوشمند به منظور پیش بینی رفتار آینده ی بازار را تصور کنید.)
به منظور درجه بندی های ذهنی باید بر تصمیم گیری (قضاوت) شخصی تکیه کنیم. برای مثال، یک مکانیسم درجه بندی تصمیم می تواند شامل پرسش های زیر باشد:

پرسش ۱- سطح کنونی تبلیغات و فروش ما چقدر است؟ (پاسخ- تبلیغات: ۸ دلار در هر سرانه، فروش = ۲۵ واحد در هر سرانه)
پرسش ۲- اگر صفر دلار برای تبلیغات خرج کنیم، فروش چقدر خواهد بود؟ (پاسخ- صفر دلار سرانه)
پرسش ۳- اگر ۵% از بودجه ی تبلیغات کنونی خود کم کنیم، هزینه چقدر خواهد بود؟ (پاسخ- ۴ دلار در هر سرانه)
پرسش ۴- اگر بودجه ی تبلیغاتمان را به ۵۰% افزایش دهیم، فروش چقدر خواهد بود؟ (پاسخ- ۱۲ دلار در هر سرانه)
پرسش ۵- اگر تبلیغات ما به طرزی تصادفی زیاد باشد، فروش چقدر خواهد بود؟ (پاسخ- X دلار در هر سرانه)

صرف نظر از این که از یک درجه بندی عینی یا ذهنی استفاده می کنیم، باید بدانیم مدل تا چه حد در نمایش داده ها موفق عمل می کند. یک شاخص پرکاربرد، R۲ یا R-Square می باشد. اگر هر یک از مقادیر برآوردشده ی Y برابر با ارزش واقعی Y باشد، پس R-Square دارای حداکثر ارزش یک است؛ اگر فقط برآوردهای Y و نیز متوسط مقادیر Y به اجرا برسد، در این حالت R-Square ارزش صفر دارد. اگر R-Square کمتر از صفر باشد، مدل عملکرد ضعیف تری از زمانی خواهد داشت که صرفاً متوسط مقدار Y را به هر یک از مقادیر X تخصیص می دهیم. در این حالت، واقعاً یک مدل بسیار ضعیف داریم.
معادله یا رابطه ی بین تبلیغات و فروش که در بالا بدان اشاره کردیم، رابطه ای است که هر بازاریاب از آن باخبر است و آن را می توان خطی قائم در یک محدوده ی منطقی و معقول دانست. اما ما به روابط خط قائم برای مدل های پاسخ محدود نیستیم. روابط متعدد پرکاربرد و مناسب تری از خط های قائم برای شرایط خاص بازاریابی وجود دارد. (ر.ک: نکته های فنی در سایت www.decisionpro.biz؛ همچنین می توانید جزئیات فنی درباره ی موضوع هایی را که در این جا مطرح کردیم، مطالعه نمایید.)

تاثیرات دینامیک (پویا)

پاسخ به فعالیت های بازاریابی به ندرت سریع و فوری صورت می گیرد. برای مثال، پس از پایان عملیات تبلیغاتی، باز هم تاثیر آن از میان نمی رود و بخشی از این تاثیر برای مدتی به صورت جزئی و ضعیف تداوم پیدا می کند. بر همین اساس، بسیاری از مشتریان، در طول افزایش قیمت کوتاه مدت، فراتر از قدرت مصرفی خود دست به خرید یک محصول می زنند؛ و این مسئله باعث افزایش موجودی در خانه هایشان می شود و در نتیجه فروش ها در دوره های متوالی کاهش می یابند.
علاوه بر این، تاثیر افزایش فروش به این بستگی دارد که افزایش موجودی در دوره های قبلی تا چه حد رخ داده باشد (به بیان دیگر، چه میزان افزایش بالقوه به جای می ماند). اگر مشتریان هفته ی گذشته کوکاکولای درجه ی یک در منازل خود انبار کرده باشند، یک تبلیغ تجاری جدید در هفته ی جاری، کم اثرتر از تبلیغ تجاری ای خواهد بود که طی هفته های آینده ارائه می شود.
تاثیرات انتقال(۶۹) به تاثیر مخارج کنونی بازاریابی بر فروش ها در دوره های آینده گفته می شود. چندین نوع تاثیر انتقال وجود دارد. تاثیر پاسخ تاخیری حاصل تاخیرهای رخ داده در شرایطی است که دلارهای بازاریابی و تاثیرات آن ها خرج می شوند. پاسخ تاخیری در بازارهای صنعتی که در آن ها تاخیر، به ویژه برای تجهیزات سرمایه، یک سال یا بیشتر طول می کشد، بیشتر مشاهده می شود. نوع دیگر، تاثیر نگه داشتن مشتری(۷۰) است. زمانی به وقوع می پیوندد که مشتریان جدید حاصل از مخارج بازاریابی، دوره های بعدی به مدت طولانی مشتری باقی می مانند، به طوری که خریدهای بعدی آنان تا حدی به مخارج بازاریابی گذشته ارجاع داده می شود. درصدهایی از این مشتریان جدید در هر دوره ی متوالی باقی می مانند. این پدیده باعث شکل گیری مفهوم «نرخ نگهداری مشتری» و متضاد آن یعنی نرخ فرسایش مشتری (یا همان نرخ افت یا فرسایش) می گردد. تاثیرات فرد جدید(۷۱) که در آن ها فروش ها پیش از رسیدن به یک حالت ثابت به حالت اوج می رسند، در عرصه ی محصولات پرمصرف رواج فراوانی دارند و بسیاری از مشتریان خرید محصولی جدید را امتحان می کنند؛ اما عده ی محدودی از آنان به مشتریان همیشگی و وفادار بدل می شوند. تاثیرات هدیه زمانی رخ می دهد که تبلیغ فروش نه تنها مشتریان جدید را جذب می کند، بلکه مشتریان موجود را به انبارکردن یا خرید برای آینده تشویق می نماید. این نوع تاثیر اغلب به کاهش فروش مدت زمانی پس از ارائه ی تبلیغات منجر می شود.

سهم بازار و رقابت

مدل های مهندسی بازاریابی در سطوح مختلف شکل پیدا می کنند. مدیران از مدل های فروش برند، مدل های بازار کل و مدل های سهم بازار استفاده می کنند. این سه نوع مدل رابطه ای نزدیک و مهم دارند، بنا بر تعریف:

فروش بازار × سهم بازار برند = فروش های برند

این معادله گویا به ما گوشزد می کند که بازاریان، فروش (برند) را از طریق استخراج سهم بازار از خود بازاری که در آن مشغول به فعالیت هستند، به دست می آورند. بنابراین، فعالیت یک شرکت ممکن است با اثرگذاری بر اندازه ی بازار، سهم بازار و یا هر دو بر فروش ها اثر بگذارد. پس شاید یک فعالیت بازاریابی دست کم به دو دلیل به فروش تصادفی منجر گردد. نخست این که ممکن است هیچ تاثیری نداشته باشد و دوم، ممکن است پاسخی رقابتی ایجاد کند؛ پاسخی که باعث افزایش فروش نوع محصول می شود، اما سهم شرکت در آن بازار را افزایش می دهد. معادله ی قبلی به تفکیک این تاثیرات کمک می کند.
مدل های بازار یا فروش های طبقه ی محصول(۷۲) دارای چندین نوع کاربرد می باشند و از روش های پیش بینی یا روندهای تجمع تقاضا استفاده می کنند که بر متغیرهای محیطی (همچون اندازه ی جمعیت، رشد، سطوح فروش قبلی) متکی می باشند. مدل های سهم بازار هر شرکت به منظور این که از لحاظ منطقی باثبات بمانند، صرف نظر از کارکرد هر رقیب در بازار باید بین ۰ تا ۱۰۰% (محدودیت دامنه) باشند، و سهم بازار که به همراه برندها تجمع می یابد باید برابر با ۱۰۰% (محدودیت حاصل جمع) باشد.
مدل هایی که هم محدودیت های دامنه و هم محدودیت مجموع را پاسخ می دهند، مدل های جاذبه می باشند که تعیین کننده ی جاذبه ی یک برند بر اساس آمیخته ی بازاریابی هستند. طبق این مدل ها:



که در این جا جذابیت از دید مشتریان بالقوه اندازه گیری می شود.

پاسخ در سطح هدف فردی مشتری

تا این مرحله از کار به بررسی پاسخ کلی بازار در سطح کل بازار پرداختیم. اما از آن جا که بازارها از افراد تشکیل شده اند، پس می توانیم رفتارهای پاسخ آن افراد را تجزیه و تحلیل کنیم و یا مستقیم از آنان (در سطح بخش یا بخش یک سطح) استفاده کنیم یا آن ها را برای شکل دادن به یک پاسخ کلی بازار روی هم جمع نماییم. در فصل ۲، چگونگی مدل سازی افراد و گروه های افراد در یک چارچوب مهندسی بازاریابی را شرح می دهیم.

اهداف

به منظور ارزیابی فعالیت های بازاریابی و عملکرد شرکت در بازار، مدیران باید اهداف را مشخص نمایند (ر.ک: شکل ۳-۱). این اهداف ممکن است مولفه های مختلفی (همچون سود، سهم بازار، اهداف فروش) داشته باشند، اما افق زمانی را باید مشخص نمایند، به عدم قطعیت آینده بپردازند و مسیر اهداف را نیز مشخص کنند.
سود کوتاه مدت
ساده ترین و رایج ترین هدف تاکتیکی، به حداکثر رساندن سود کوتاه مدت است. معادله ی متمرکز بر عنصر بازاری واحد در یک محیط پایدار به شرح ذیل است:

سود = (قیمت واحد – هزینه ی متغیر واحد) × حجم فروش – هزینه های مربوط = حاشیه ی سود فروش × مقدار – هزینه ها

مدل های پاسخ، مشخص کننده ی نحوه ی تاثیرپذیری حجم فروش از فعالیت های بازاریابی هستند. اگر تمرکز ما بر قیمت باشد، پس (با فرض ثابت بودن هزینه) با افزایش قیمت، حاشیه ی سود واحد افزایش می یابد و فروش ها نیز معمولاً کاهش پیدا می کنند. اگر بر ابزار بازاریابی دیگر مانند تبلیغات تمرکز کنیم، حاشیه ثابت باقی می ماند و کمّیت بالا می رود، اما هزینه ها نیز رشد می کنند.
هزینه های مربوط معمولاً شامل دو مولفه می شوند: ثابت و اختیاری. هزینه های اختیاری، هزینه های مرتبط با فعالیت مورد بررسی در عرصه ی بازاریابی می باشند و باید همیشه مد نظر قرار گیرند. هزینه های ثابت شامل مخارج کارخانه و مخارج عمومی هستند که باید به گونه ای مناسب به فعالیت بازاریابی تخصیص یابند. تخصیص هزینه های ثابت کاری سخت و دشوار است، حسابداران را درگیر می کند و دائماً مدیران مراکز سود را ناامید می سازد.
تنها دو پرسش در ارتباط با هزینه های ثابت، به کار ما ربط دارند:

• آیا هزینه های ثابت واقعاً ثابت هستند؟ فرض کنید سه برابر کردن هزینه های تبلیغات باعث افزایش ۵۰ درصدی فروش می شود و در عوض باعث می شود اندازه ی کارخانه افزایش یابد. پس در این شرایط، هزینه ی افزایش ظرفیت را باید در نظر گرفت. هزینه های ثابت، از لحاظ محلی ثابت هستند، یعنی در محدوده ی برخی سطوح تقاضا ثابت می باشند و خارج از آن محدوده ها به سطوح متفاوتی تغییر می کنند. همانند مدل های پاسخ، مادامی که توجه خود را بر متغیرهای مستقل محدودی متمرکز سازیم، اکثر هزینه های ثابت واقعاً ثابت می باشند.
• آیا سودها بیش از هزینه های ثابت هستند؟ اگر هزینه های ثابت تخصیص یافته به اندازه ی کافی زیاد باشند، سودآوری واقعی احتمال دارد منفی باشد. در این حالت، تصمیم گیرنده ممکن است بخواهد به جای ورود به بازار یا اقدام به عملی دیگر، کاهش محصول را مد نظر قرار دهد.
سود بلندمدت
اگر فعالیت بازاری یا مجموعه ای از فعالیت ها باعث فروش هایی شود که به مرور زمان محقق می شوند، ممکن است بخواهیم سود را در یک افق زمانی طولانی تر بررسی کنیم. اگر جریان سود را به مرور زمان بررسی کنیم، شیوه ای مناسب برای پرداختن به سودهای بلندمدت، درنظرگرفتن ارزش کنونی (PV) مرتبط با آن جریان سود است.

PV = Z۰ + Z۱r + Z۲r۲ + Z۳r۳ …,

که در این جا Zi، سود دوره ی i می باشد و (d + ۱) / ۱ = r، و d نرخ تخفیف است (به نوعی،
۲۰%- d = ۰/۲ 
یا بالاتر از این مقدار طی هر سال، بنا بر شرکت و ماهیت سرمایه گذاری بازاریابی). نرخ تخفیف d اغلب یک متغیر حیاتی است؛ هرچه d به صفر نزدیک تر باشد، بیشتر به بلندمدت ترجیح دارد. این در حالی است که مقدار فراون d (بیش از ۲۵) منعکس کننده ی تمرکز بر بازگشت های فوری تر است. در عمل، هرچه جریان درآمدها قطعی تر باشد، نرخ تخفیف مورد استفاده از آن شرکت ها کمتر خواهد بود.
اهداف متعدد و تصمیم گیرندگان متعدد
اگرچه سود را می توان به نحوی هدف غایی اکثر سازمان ها دانست، اما نمی توان آن را تنها عاملی به شمار آورد که مدیران در تلاش برای تصمیم گیری از میان گزینه های عملی مختلف بدان توجه می کنند. مدیران می گویند: «می خواهیم سهم بازار و سودآوری خود را در این بازار به حداکثر برسانیم» یا «می خواهیم بهترین محصول را در کوتاه ترین زمان ممکن به دست آوریم». این اظهارات جذابیت کلامی فراوانی دارند، اما منطق ذهنی ورای آن هاست. برای مثال، شرکت ها می توانند تقریباً همیشه سهم بازار را با کاهش قیمت افزایش دهند. با این حال، با افزایش سهم بازار، سودها افزایش می یابند و زمانی که قیمت ها کمتر از هزینه ها می شوند، سود روندی منفی را اتخاذ می کند، اما همچنان سود بازار در حال افزایش است.
اگر شرکتی یک یا دو هدف داشته باشد که با هم در تعارض باشند، تصمیم گیرنده چگونه می تواند اهداف را به منظور رتبه بندی غیرمبهم ارزیابی کند؟ ساده ترین و رایج ترین رویکرد، انتخاب یک هدف (مهم ترین هدف) – همان سود- و تبدیل تمامی موردهای دیگر به محدودیت است (برای مثال، سهم بازار باید دست کم ۱۴% باشد). با این وجود، صرف نظر از این که آیا شرکت ها از یک روش ساده مانند یک تک هدف به علاوه ی محدودیت ها یا یک روش پیشرفته تر به منظور سنجش معامله های میان اهداف استفاده می کنند یا خیر، مسئله ی حیاتی این است که آن ها نه از اهداف مهم چشم پوشی می کنند و نه آن ها را به طرزی ضعیف و ناکارآمد ارزیابی می نمایند.
ممکن است سهامداران مختلف در یک سازمان درباره ی اهداف توافقی نداشته باشند. بازاریابان معمولاً بیشتر از تحلیلگران نسبت به سهم بازار و رشد اهداف دغدغه دارند. افق های زمانی هم طبق افق های زمانی درگیر در تصمیم گیری در نوسان هستند. بنابراین، مسئله ی مهم این است که برخی سطوح درک (اگر توافق نباشد) نسبت به اختلافات سهامداران بر سر اهداف، در فرآیند تصمیم گیری ادغام شود (ر.ک: فصل ۲).
پس از این که شرکت اهداف را تعیین می کند، رویکرد مهندسی بازار از طریق ارائه ی ارزش های متغیرهای مستقل (مانند تبلیغات تجاری، فعالیت های فروش، هزینه ی تبلیغات) باعث تسهیل در فرآیند تصمیم گیری می شود و بهترین فرصت برای نیل به اهداف را به بار می آورد.

تجربه ی مشترک و مدل های کیفیت

در بحث قبلی بر مدل های پاسخ کمّی- معادله هایی که ساختار تحلیلی رسمی بازار را طراحی می کنند- تمرکز کردیم. اینک دو شکل مدل سازی را معرفی می کنیم که ارزش آن ها به اثبات رسیده است: تجربه ی مشترک و مدل های کیفی.
مدل های تجربه ی مشترک
اگر داده های لازم ر ا درباره ی چگونگی پاسخگویی بازار نداشته باشیم، جمع آوری تجارب طیف وسیعی از کسب وکارها و گسترش هنجارها و رهنمون ها برای رفتار پاسخ بر مبنای این داده های جمع آوری شده می تواند ارزشمند باشد. راه های متعددی برای این جمع آوری وجود دارد، از جمله الگوبرداری از بهترین ها(۷۳) (مقایسه ی عملکردها با گزینه های تاییدشده) که با یک نقطه ی نمونه یا قوی خارج از محدوده ی مقایسه باعث تسهیل مقایسه های سیستماتیک می شود.
مدل های پاسخ کیفی
برخی شرایط تصمیم گیری مستلزم برداشت های مختلف (مانند رونوشت جدید برای یک عملیات تبلیغات تجاری، برقراری مناقشه و بحث بین یک خریدار و یک فروشنده از طریق فرهنگ های مختلف) می باشد. تجربه ی به دست آمده از طریق فعالان آگاه و رهنمودهای حاصل از پژوهش دانشگاهی در این شرایط مفید می باشد. مدل های پاسخ کیفی به نمایش اطلاعات و برداشت های کیفی کمک می کنند.
اگر یک پدیده ی خاص را بتوان به بهترین نحو به شیوه ای کیفی تشریح کرد، یک مدل عددی دقیق، برای نمایش آنچه مشخص شده است، کارایی ندارد. برای مثال، اگر ویژگی پاسخ مشتری به یک تبلیغ تجاری را تنها به عنوان پاسخی مثبت، خنثی یا منفی در نظر بگیریم، یک مدل عددی دقیق، کارایی نخواهد داشت.
مثال
واکنش های احتمالی رقیب به کاهش قیمت ممکن است به صورت های زیر باشد:
۱) همسازی قیمت با قیمت جدید، ۲) حفظ قیمت فعلی، ۳) تغییر تبلیغات تجاری تلویزیونی، ۴) افزایش تبلیغات تجاری و ۵) اخراج مدیر برند. این واکنش ها به سادگی در امتداد یک پیوستار قرار نمی گیرند.
مثال
اگرچه یک خرده فروش عموماً در برابر پیشنهادهای تجاری همراه با امتیازات ترفیعی مناسب واکنشی یکسان دارد و قرارداد را می پذیرد، اما آنچه در بسیاری از مواقع در کنار امتیازات ترفیعی برای یک خرده فروشی اهمیت دارد، سهم درآمدی است که در تبلیغات تجاری مشارکتی با برند محصول به دست می آورد. در واقع، اگر خرده فروش از منابع درآمدی تبلیغات مشارکتی سهمی داشته باشد، قرارداد را خواهد پذیرفت و تخفیف های خوبی را نیز به مصرف کننده ی نهایی آن محصول ارائه خواهد داد. اگر تخفیف بیش از ۳۰% باشد، تاثیر فراوانی به دنبال دارد و نمایش چشمگیری به وجود می آورد، در غیر این صورت، خرده فروش، جنس را به قیمت همیشگی آن می فروشد و از ویژگی یا نمایش استفاده نمی کند.
می توانیم با اتخاذ طرح های نمایش غیرآماری از کاربردهای کیفی در مدل های تصمیم گیری استفاده کنیم. یک رویکرد، استفاده از یک نمایش قاعده محور است که مدل واکنش را به شکل قواعد یا اظهارات ارائه شده توسط حروف ربط (و، یا، نه) بیان می کند و به طرزی صحیح از طریق وابسته های وصفی مانند: برای همه(۷۴) و حاکم است(۷۵) مشخص می گردد. با استفاده از این کار، مثال خرده فروش به مجموعه ای از قواعد به شکل نمایش رایانه ای ذیل تبدیل می شود:

اگر معامله شامل پول مشارکتی باشد، خرده فروش معامله را می پذیرد.
اگر معامله شامل پول مشارکتی باشد، خرده فروش به مصرف کننده تخفیف کلی می دهد.
اگر تخفیف معامله بیش از ۳۰% باشد، خرده فروش یک نمایش عظیم را تقبل می کند.
اگر معامله شامل پول مشارکتی و تخفیف بیش از ۳۰% نباشد، خرده فروش اقلام را با قیمت همیشگی به فروش می رساند.
اگر معامله شامل پول مشارکتی و تخفیف بیش از ۳۰% نباشد، خرده فروش از ویژگی استفاده می کند = خیر.
اگر معامله شامل پول مشارکتی و تخفیف بیش از ۳۰% نباشد، خرده فروش از نمایشگاه استفاده می کند = خیر.
وقتی یک مدل واکنش (مدل پاسخ) شامل مجموعه ی قواعدی است، تکنیک های هوش مصنوعی، به ویژه استنتاج منطقی می توانند توصیه هایی در شرایط خاص تصمیم گیری ارائه دهند. این مجموعه ی قوانین به توسعه ی سیستم های دانش محور به منظور حمایت از تصمیم های بازاریابی نیز کمک می کند.

۱. رویکرد مهندسی بازاریابی

یک تصمیم خوب به انتخاب مستدل از بین گزینه های رقیب نیاز دارد. تصمیم گیری خوب در کسب وکار ضروری است و به طور تصادفی اتفاق نمی افتد. رهبران تجاری در محیط های تصمیم گیریِ غیرقابل پیش بینی اما غنی از داده های امروز که خواستار گسترش مهارت های موثر تصمیم گیری هستند، باید علم و هنر تصمیم گیری را فرا بگیرند و سپس این آموزه ها را در عمل پیاده کنند. در این کتاب سعی شده است با فراهم نمودن ابزارها و مفاهیم لازم و نیز فرصت های به کارگیری آن ها به خوانندگان کمک شود به تصمیم گیرندگان بهتری تبدیل شوند.
مدیران بازاریابی تصمیمات متعددی دربار ه ی ویژگی ها، قیمت ها، گزینه های توزیع و انگیزه های فروش اتخاذ می کنند. مدیران در این تصمیم گیری ها از بین اقدامات جایگزین متعدد در دنیای پیچیده و نامشخص به انتخاب می پردازند. تصمیم های بازاریابی مانند اکثر تصمیم ها یک فرآیند تصمیم گیری شهودی را دنبال می کنند که عمدتاً از تماس های مربوط به قضاوت مبتنی بر مدل های ذهنی مدیران جهان که از طریق تجارب آنان گسترش یافته اند، تشکیل شده اند. در بسیاری از موارد، شاید این مدل های ذهنی که توسط داده های پژوهشی پشتیبانی می شوند، تمام آن چیزی باشد که مدیران برای احساس اطمینان از تصمیم های خود بدان نیاز دارند. در عین حال، مدل های تصمیم گیری نسبت به خطاهای سیستماتیک مستعد هستند. اگرچه همه ارزش تجربه را درک می کنند، اما هر تجربه ای برای هر فرد منحصربه فرد است که می تواند به سمت دیدگاه های خاصی متمایل شود؛ ممکن است مدیران فروش بودجه های تبلیغات تجاری را پایین آورند تا به تجارب فروش شخصی بالاتری دست یابند، در حالی که شاید مدیران تبلیغات تجاری بودجه های تبلیغات تجاری بیشتری را ترجیح دهند.
یک رویکرد جایگزین در تصمیم گیری درباره ی هزینه های تبلیغات تجاری می تواند یک مدل تصمیم گیری صفحه گسترده از نحوه ی پاسخگویی بازار به سطوح مختلف هزینه را به کار گیرد. مدیران می توانند از این مدل برای بررسی فروش و نتایج سود سطوح هزینه ای جایگزین پیش از تصمیم گیری استفاده کنند.
تبدیل سیستماتیک داده ها و دانش (از جمله قضاوت) به ابزارهای مورد استفاده برای حمایت تصمیم گیری چیزی است که ما آن را مهندسی بازاریابی(۳۵) می نامیم. در مقابل، زمانی که تصمیم گیرنده بدون استفاده از هیچ سیستم حمایتی ای، صرفاً از مدل ذهنی خود استفاده کند، با عنوان بازاریابی ادراکی (مفهومی)(۳۶) از آن یاد می شود. گزینه ی سوم خودکارکردن فرآیند تصمیم گیری با استفاده از یک سیستم اطلاعاتی معقول است؛ یک رویکرد رایج که آن را بازاریابی خودکار(۳۷) می نامیم.(۳۸) اگرچه پیچیدگی درونی برخی از مسائل بازاریابی راه حل های ساده یا خودکارسازی را تحریک می کند، اما اغلب ترکیبی از ابزارهای حمایتی تصمیمی و قضاوت تصمیم گیرنده بهترین نتایج را به بار می آورد. یعنی رویکردی که به طور سیستماتیک به ترکیب قضاوت مدیریتی با مدل های رسمی تصمیم می پردازد، مهندسی بازاریابی نامیده می شود: یک رویکرد سیستماتیک جهت مهار داده ها و دانش برای ایجاد تصمیم گیری بازاریابی موثر و به کارگیری از طریق یک فرآیند تصمیمی توانمندشده با تکنولوژی و حمایت شده با مدل. در یک زمینه ی سازمانی، رویکرد مهندسی بازاریابی به طراحی و ساخت مدل های تصمیمی و به کارگیری آن مدل ها به شکل سیستم های حمایتی مدیریت بازاریابی(۳۹) نیازمند است.
***
مهندسی بازاریابی: یک رویکرد نظام مند در تحت کنترل درآوردن داده ها و اطلاعات (دانش) برای اتخاذ تصمیم های اثربخش بازاریابی و پیاده سازی مدلی برای حمایت از فرآیند تصمیم گیری با استفاده از فنآوری.
***
هدف مهندسی بازاریابی در واقع تسهیل بافت تصمیم گیری و خلق بنای تصمیمی برای کمک به مدیران در تمرکز مسائل کلیدی است. بدون این تسهیل، هیاهو و نه آگاهی محرک تصمیمات مردم خواهد بود. پس یک مدل خوب تصمیم گیری توجه و منابع محدود را معطوف تصمیم موجود می کند.
به علاوه مهندسی بازاریابی به مدیران کمک می کند با فراهم آوردن زمینه ای برای پرسیدن «اگر چطور» بتوانند به ارزیابی هزینه های فرصت(۴۰) مربوط به تصمیم ها بپردازند و ارزش احتمالی گزینه هایی را که رد می کنند، تعیین کنند. برای مثال، اگر یک مدیر بازاریابی مجبور باشد از بین دو سایت قیمت گذاری یکی را انتخاب کند و آن گزینه ی قیمت پایین تر باشد، رویکرد مهندسی بازاریابی می تواند به ارزیابی سودآوری فراموش شده ی گزینه ی قیمت بالاتر کمک کند. این قابلیت مهندسی بازاریابی حیاتی است. در واقع، مدیران تنها می توانند نتایج اقداماتی را که انجام داده اند، مشاهده کنند. اگرچه مهندسی بازاریابی به آنان کمک می کند تا بفهمند که آیا می توانستند تصمیم های بهتری برای شروع اتخاذ کنند یا نه.

محیط تصمیم گیری بازاریابی در حال ظهور

با وجودی که از دهه ی ۱۹۵۰ تلاش هایی برای به کارگیری جنبه های مهندسی بازاریابی در سازمان ها صورت گرفته، اما این امر در دهه ی گذشته سرعت گرفته است؛ آن هم عمدتاً به دلیل طیف فنآوری هایی که رویکرد را در بازارهای رقابتی الزامی می کنند. تلاش های گذشته برای مهندسی بازاریابی تا حد زیادی به موفقیت های گذرا منجر شدند؛ نه به دلیل مدل های ضعیف، بلکه به دلیل عدم وجود فنآوری برای تعبیه ی آن موفقیت در تاروپود سازمان. در طول دهه ی گذشته، فنآوری به مرحله ای رسیده است که تصمیم های مدل محور می توانند بخش های اساسی مخزن مهارت های مدیریت بازاریابی باشند.
چندین دهه، سیستم های قدرتمندی را توسعه داده و به کار بسته اند که تصمیم گیری در زمینه های بازاریابی دنیای واقعی را تسهیل می کنند. اما مدتی پیش، بیشتر دانش مربوط به مدل های تصمیمی بازاریابی عمدتاً بر مجله های آکادمیک و تخصصی متکی بودند و یا درک آن ها به تخصص فنی قابل توجهی نیاز داشت که تنها از طریق کمک مشاوران در دسترس بازاریابان قرار می گرفت. همزمان با گسترش مدل های مجرد تعبیه شده در صدها بسته ی نرم افزاری بازرگانی موجود که تجزیه و تحلیل های بازاریابی را حمایت می کنند، تغییرات عمده ای آغاز شده اند. با ظهور سیستم های گستره ی بنگاه های اقتصادی در برنامه ریزی منبع (ای آرپی)(۴۱) و مدیریت ارتباط با مشتری (سی آر ام)(۴۲) تجزیه و تحلیل بازاریابی به یک بخش اساسی بنای تصمیم گیری تبدیل شده است که شرکت های برتر آن را به کار می بندند. آی دی سی (۲۰۱۰)، یک شرکت مشاوره ی بازاریابی هوشمند، به عنوان نشانه ای از این روند گزارش داد که در سال ۲۰۱۰ کسب وکاری که تحلیلگران بازاریابی می کنند، بیش از ۶ برابر رشد داشته است. بر اساس گزارشی از مطالعات فورستر(۴۳) (۲۰۱۰) تحلیل تجاری افزاینده ترین دسته از نرم افزار جهانی آی تی می باشد.
شکل ۱-۱ نشان می دهد که چگونه رویکرد مهندسی بازاریابی داده های فردی و عینی مربوط به محیط بازاریابی را به آگاهی، تصمیم و عمل تبدیل می کند.
شکل ۲-۱ نشان می دهد چگونه مهندسی بازاریابی می تواند یک بخش اساسی بناهای تصمیمی و اطلاعاتی باشد که از تصمیم گیری بازاریابی پشتیبانی می کنند.



شکل ۱-۱- رویکرد مهندسی بازاریابی در تصمیم گیری کمک می کند، داده های عینی و فردی مربوط به محیط بازاریابی را به تصمیم ها و به کارگیری آن ها تبدیل می کند.



شکل ۱-۲- رویکرد مهندسی بازاریابی چندین جایگاه به منظور استفاده از فنآوری های اطلاعاتی جهت گسترش یک سکوی تصمیم بازاریابی از طریق یک سازمان عرضه می کند. این رویکرد به پشتیبانی شناسایی فرصت های تجاری جدید می پردازد، یک پایه ی تحلیلی معمول برای تحریک تصمیمات بازاریابی پیشنهاد می کند و همچنین آخرین بینش ها و اقدامات اجرایی مطابق با آن بینش را که در ارتباط با تصمیم گیری در حوزه ی خاصی از بازاریابی است، ارائه می دهد (مانند، تقسیم بازار و...) و اقدامات را با تصمیمات یکپارچه می سازد که تمام آن ها می توانند کسب معیارهای مهم را به طور راهبردی تقویت و تسهیل کنند.

گرایش هایی که مهندسی بازاریابی در آن ها مطلوب است

اگرچه مهندسی بازاریابی تمامی عناصر موجود در شکل ۱-۱ و ۲-۱ را دربرمی گیرد، اما در این کتاب بیشتر بر چگونگی کمک مهندسی بازاریابی به انتقال داده ها، اطلاعات و آگاهی ها به تصمیم های موثر متمرکز می شویم. چندین روند، هم در بخش عرضه و هم در بخش تقاضا، از پذیرش وسیع تر رویکردهای مهندسی بازاریابی در بین شرکت ها بهره می برند.

حضور کامپیوترهای بسیار قوی شخصی متصل به شبکه در همه جا

مدیران بازاریابی نیز مانند سایر افراد حرفه ای، در اجرای شغلشان وابستگی زیادی به کامپیوتر دارند. به گفته ی یک متصدی ارشد بازاریابی، «ما در گذشته تعداد زیادی افراد و نرم افزارهای اندکی در دفتر خود داشتیم، اما امروزه تعداد زیادی نرم افزار و افراد اندکی در دفتر خود داریم». برای مثال، به تازگی ۵۰۰ میلیون نسخه از مایکروسافت اکسل در حال استفاده هستند.(۴۴) اکسل مانند سایر نرم افزارهای مدل ساز مثل جاوا، شرکت ها را قادر می سازد مدل ها را در اطلاعات و سیستم های تصمیمی تعبیه کنند و توانایی آن ها را در جمع آوری، پردازش و به اشتراک گذاری اطلاعات افزایش می دهد و سپس می توانند مدل های بازاریابی را در لحظه ی تصمیم گیری به کار گیرند.

حجم بسیار بالایی از داده ها

تسخیر الکترونیکی خودکار داده ها مربوط به معامله با مشتریان و رشد تعامل و تبادل از طریق اینترنت میزان گسترده ای از اطلاعات مفید درباره ی سلایق و رفتار مشتریان به وجود آورده است. در یک معنا، فراوانی داده ها می تواند مشکل بزرگ تری از عدم وجود آن ها باشد. امروزه، چندین شرکت پایگاه داده هایی دارند که ۱۰۰ برابر بزرگ تر از اکثر پایگاه داده های عظیم ۱۰ سال گذشته هستند. این امر نیازمند مهارت های مدیریتی قوی، قابلیت های تحلیلی پیشرفته، فنآوری اطلاعاتی معقول و قابلیت های سازمان های برتر برای انتقال این داده ها به دانش بازاریابی عملی می باشد. در یک مطالعه ی جدید آی بی ام از ۱۷۰۰ متصدی ارشد بازاریابی گزارش شده است که ۷۱% از آنان آمادگی مدیریت انفجار داده ها را ندارند. به گفته ی یک مدیر ارشد بازاریابی، «ما در حال غرق شدن در داده ها هستیم. آنچه ما نداریم، آگاهی های واقعی است».(۴۵) بازاریابان، متقاضی فرآیندها و ابزارهای تصمیمی هستند که می توانند به سرعت داده ها را به آگاهی و اقدام تبدیل کنند. داده ها یا تحلیل های کهنه و قدیمی تنها مانند گذشته یک وابستگی به تجربه و درک برای مدیران بر جا می گذارند که نسبت به رقبای زیرک تر یک عیب است.

مهندسی مجدد بازاریابی(۴۶)

شرکت های امروزی از ساختارهای سازمانی مسطح، تیم های تک کاره، برون سپاری، روابط راهبردی و زمان چرخه ی کوتاه تر استفاده می کنند. شرکت ها در چنین محیطی مبادرت به مهندسی بازاریابی مجدد عملکردهای بازاریابی، فرآیندها و اقدامات در عصر اطلاعات می نمایند. در شرکتی که مهندسی مجدد شده، تصمیم گیری متمرکز که یکی از ویژگی های سازمان های سنتی دارای سلسله مراتب است، جای خود را به تصمیم گیری نامتمرکز می دهد که یکی از ویژگی های سازمان های کارآفرین است. در نتیجه، مدیران بازاریابی به شکل فزاینده ای مستقیم با اطلاعات مواجه هستند و از کامپیوتر برای تکمیل وظایفی که زمانی با پشتیبانی کارکنان انجام می شد، استفاده می کنند.

استاندارهای بالاتر پاسخگویی

چندین عامل، از جمله بحران اقتصادی اخیر، سطوح در حال افزایش رقابت در بازارهای عمده و توانایی تبلیغ یافته در مرتبط ساختن پاسخ بازار با فعالیت های بازاریابی (برای مثال، دایرکت ریسپانس تی وی،(۴۷) وب سایت ها) توجه مدیران ارشد را به کمک بازاریابی به خطوط بالایی و پایینی معطوف ساخته اند. هم اکنون مدیریت ارشد خواستار این است که هزینه های بازاریابی به همان شیوه ی سایر سرمایه گذاری های شرکت توجیه شوند. ۱۰۰۰ شرکت فورچون(۴۸) سالیانه ۱۲۰۰ میلیارد دلار صرف بازاریابی می کند،(۴۹) در عین حال، اکثر شرکت ها استفاده ی کمی از تجزیه و تحلیل بازاریابی برای پشتیبانی از تصمیم گیری بازاریابی گزارش کرده اند. در سال ۲۰۰۹، شرکت مک کنزی(۵۰) با بیش از ۶۰۰ متصدی سطح C مصاحبه به عمل آورد که نماینده ی تمام صنایع در ایالات متحده بودند و دریافت که تنها ۱۴% از شرکت ها از یک مجموعه ی جامع از اولویت های بازاریابی اندازه گیری شده برای تعیین نحوه ی تخصیص سرمایه گذاری های بازاریابی استفاده می کنند.(۵۱) همچین بررسی تازه ی مطالعات فورسترر (۲۰۱۰) نشان داد که تقریباً ۶۹% از کسب وکارها علاقه مند به استفاده از تجزیه و تحلیل هستند. بنابراین، هم فرصت و هم علاقه ی روزافزون به گسترش فرآیندهای سیستماتیک و تحلیلی برای دستیابی به آگاهی و تفکر خلاق به منظور توسعه ی برنامه های بازاریابی موثرتر و اندازه گیری برایندها وجود دارد.
مهندسی بازاریابی در این روندها سرمایه گذاری می کند که هم عرضه و هم تقاضای تجزیه و تحلیل بازاریابی مطلوب آن است. مهندسی بازاریابی نه تنها بازاریابان را قادر به تسخیر ماهیت مسائل بازاریابی در مدل کاملاً مشخص می سازد، بلکه باعث بهبود توانایی آنان در تصمیم گیری هایی می شود که بر نتایج بازار تاثیر گذار هستند. اما صرف دردسترس بودن یا استفاده از تجزیه و تحلیل بازاریابی لزوماً بر عملکرد سازمانی یا مدیریتی تاثیر گذار نخواهند بود، بلکه تجزیه و تحلیل ها باید بخشی از هسته ی مدیریتی قابلیت های تصمیم گیری شرکت باشند.
مدیران متوجه می شوند که یک مدل پاسخ کامل را فراهم نمی کند و به درستی بر این باورند که نمی توان نتایج آن مدل را بدون اصلاح توسط قضاوت ها به کار گرفت. اگر نتایج مدل به وسلیه ی قضاوت های شهودی تنظیم شوند، چرا در وهله ی اول بر قضاوت ها متکی نشویم؟ این پرسش انعکاس دهنده ی عدم استنباط است؛ نتیجه کاذب است، این نتیجه اصلاً حاصل نمی شود. همان طور که هوگارت بیان می دارد، «زمانی که در شب با چراغ روشن رانندگی می کنید، لزوماً خیلی هم خوب نمی بینید. اما خاموش کردن چراغ ها جایگاه را بهتر نمی کند». باید ابزارهای پشتیبانی تصمیمی و مدل های ذهنی در ترکیب با هم استفاده شوند تا هر یک باعث تقویت بخش هایی شود که دیگری در آن ضعیف است. مدل های ذهنی می توانند جنبه های وابسته به سایر شیوه های یک جایگاه تصمیمی را درج کنند، اما ممکن است موارد جدید را اعمال زور با الگوهای قدیمی سازگار نماید. شاید مدل های تصمیمی پایدار و غیرمتعصبانه باشند، اما جنبه های وابسته سایر شیوه های جایگاه را دست کم و یا نادیده می گیرند. بلاتبرگ و هوچ (۱۹۹۰)(۵۲) دریافتند که پیش بینی درستی و صحت زمانی بهبود می یابد که مدیران پیش بینی های حاصل از مدل های تصمیمی را با پیش بینی های مدل های ذهنی ترکیب کنند؛ یک ترکیب ۵۰-۵۰ (میزان مساوی)، از این رو پیش بینی بهترین بود.
بدین ترتیب، مهندسی بازاریابی می تواند هم توسط داده ها و هم توسط دانش تحریک شده باشد. یک ابزار پشتیبانی تحریک شده با داده ها پرسشِ «اگر چطور...» را بر اساس یک مدل پاسخ بازار جواب می دهد. یک ابزار پشتیبانی تصمیم تحریک شده با دانش، دانش کیفی موجود در هر یک از حوزه های خاص را تحریک می کند.
اما یک رویکرد مهندسی بازاریابی مزایای دیگری نیز دارد. مدیران می توانند گزینه های تصمیمی بیشتری را بررسی کنند، گزینه های تصمیمی را که از «راه حل های پایه» دورتر هستند، در نظر بگیرند، تاثیر نسبی متغیرهای تصمیمی بازاریابی مختلف را دقیق تر ارزیابی کنند، تصمیم گیری گروهی را ساده تر کنند و مدل های ذهنی رفتار بازار خود را تقویت نمایند. در کل، رویکرد مهندسی بازاریابی به تصمیم گیری بازاریابی بهتر و اصولی تر منجر می شود.

نظرات کاربران درباره کتاب اصول مهندسی بازاریابی