营销研究与科学决策（通用10篇）
营销研究与科学决策 篇1
随着现代社会市场经济的发展, 企业管理也面临着越来越复杂的市场形势。市场营销管理作为企业经营管理中的重要环节, 对于发现客户需求, 提高企业的经济效益具有重要的意义。为了促进市场营销管理系统的发展, 提高市场营销管理的质量与效果, 必须建立市场营销的决策支持系统, 做好市场营销管理工作。
一、市场营销管理分析
市场营销作为企业运行过程中的重要环节, 对于发现市场的产品运用状况和规律, 发现顾客的购买需求, 满足其对服务质量和产品的要求方面有着重要的作用与意义。同时, 市场营销作为企业与顾客之间的沟通渠道与交流系统, 能够在一定程度上体现企业与顾客之间的关系, 对中间商、竞争者和整个的市场环境都能够有一定程度上的体现, 促进企业了解目前的市场竞争环境与客户需求, 做好企业市场营销管理决策。
一个企业的市场营销系统能够反映出整个市场各个因素之间的相互关系与相互作用, 反映出企业市场营销的市场环境, 为市场营销决策提供依据, 形成企业与市场、企业与顾客之间的协调一致, 促进企业做好市场营销工作。
二、市场营销决策支持系统研究概况
市场营销的决策支持系统源自于20世纪60年代的电子交易系统。随着电子交易系统的产生, 企业产品的经营与管理都利用电子信息技术来实现, 这大大提高了企业经营管理的效率。同时, 这些企业认识到, 这些交易信息能够为他们日后的市场营销决策提供信息支持, 使他们日后的经营管理更有针对性。这些大量的交易信息能够反映出他们产品的市场销售状况, 可以据此制定出下一步的市场营销计划, 作出正确的市场营销决策。电子交易系统是市场营销决策支持系统的雏形, 尽管其难以使用且具有很强的专业性, 但却开了市场营销决策支持系统研究的先河, 在市场营销系统中具有重要的意义。
20世纪80年代, 随着信息技术的应用与发展, 人们对信息处理的要求也越来越高, 这些大量的数据信息需要经过专业的数据处理人员进行处理, 并形成系统的市场营销书面报告, 虽然电脑信息技术有所发展, 但是数据处理系统也需要做进一步的改善。
20世纪90年代, 信息技术得到了突飞猛进的发展, 大量的市场营销决策系统被开发并投入使用, 但是这些数据库处理系统并没有在数据的处理性上做到更好, 使大量的信息不易被理解, 虽然很多企业都建有自己的企业产品营销数据库, 但是并不适合交互使用, 也需要进一步的完善。
随着市场竞争的日趋激烈, 和企业营销难度的增加, 市场营销系统也必须与时俱进。当下, 大量的市场营销决策支持系统被研发出来并投入使用。例如具有较强的数据挖掘能力的MDSS, 在市场营销的分析方面有很强的优越性, 在市场营销决策支持系统的发展上取得了很大的进步, 必须在市场营销管理中得到充分的运用。另外, 还必须加大对OLAP、数据仓库、数据挖掘等方面的研究力度, 促进企业市场营销决策支持系统的发展。面对日趋激烈的市场竞争形势, 企业只有逐步完善自身的市场营销决策支持系统, 才能够适应市场经济的发展, 通过利用各种有效信息来提高市场营销决策的质量, 促进企业经济效益的提高。
三、市场营销决策支持系统的实现
1. 数据库技术。
数据库是对市场营销的过程中的数据信息进行整合与统计分析的决策支持系统, 能够对相关数据作出综合的、全面的分析, 经过分析为决策支持系统服务的分析型数据管理系统。
与传统的市场营销决策支持系统不同的是, 数据库是面对市场营销的需要, 根据市场营销的主体进行设计与开发的, 能够对相关数据进行分析并作出合理、完整的处理, 通过分析所得的各项数据及其相互联系, 为企业的市场营销管理提供数据支持与决策依据。因此, 数据库技术是市场营销决策支持系统中的重要类型, 能够为企业的市场营销决策提供数据支持与统计分析, 提高企业市场营销的管理水平。
2. OLAP技术。
OLAP是一种信息共享与交流的软件, 在交流信息与数据的时候对交流的信息进行分析与整合, 从多个维度、多个视角来分析市场经济条件下的市场营销环境, 及时帮助企业了解市场的变化。它是以数据库技术为基础发展起来的动态的综合信息处理技术, 具有更强的综合性与概括性。在企业的决策支持系统中, OLAP技术能够为他们提供市场营销数据的动态变化情况, 从多个维度对数据进行分析, 并将分析和整理后的结果用多层视图的形式传达出来, 符合人的思维方式, 应该在企业市场营销管理中得到充分的运用。
3. 数据挖掘技术。
数据挖掘也是为企业做好市场营销决策的重要手段。数据挖掘是从大量的数据信息中寻找出潜在的、具有决策指导意义的重要信息的过程, 数据挖掘技术能够对大量的信息做出综合的、归纳性的整理, 对于潜在的、容易被人们忽视的信息进行分析和整理, 从而帮助企业管理者改善市场营销策略, 作出正确的市场营销决策。
四、结语
市场营销管理是企业管理中的重要环节, 要做好企业市场营销决策支持系统来更好地为企业市场营销管理服务。为此, 必须认识到企业市场营销决策支持系统在企业管理中的重要作用, 积极引进和利用市场营销决策支持系统, 如数据库技术、OLAP技术、数据挖掘技术等, 共同来为企业的市场营销管理服务。
参考文献
[1]郭红伟, 陶毅.市场营销决策支持系统及其实现技术[J].工业技术经济, 2012 (06)
[2]张庚淼, 陈宝胜.市场营销决策支持系统研究与开发[J].西安邮电学院学报, 2010 (03)
营销研究与科学决策 篇2
“价值的专递”最大的谬误在于无形中引导我们把焦点都集中在商品上，把营销理解成了商家与消费者围绕商品的“讨价还价”，我们再回过头来看看“价值的传递”对营销的定义，即存在歧义，其歧义并不在商家与消费者双方对商品价值的“共识”上，而在于把商家和顾客看成等同的个体，一视同仁。
在实际商业运行上，商家和顾客是完全不同的两个个体，特别在这个“买方”市场的背景下，顾客很多时候并不确定自己是否需要某产品，商家必须激发创造某种需求以适应顾客。更多时候商家是主动的，而顾客是被动的。商家不应该和消费者“一般见识”，去证明自己商品的“价值”。在这个理论体系的指导下，如果顾客对某产品有兴趣，那么商家的焦点可以都放在“商品”上，向消费者证实自己商品的价值；如果消费者对某个产品并没有兴趣，那么商家是否还要“自恋”地宣扬自己的商品上吗？
商家不应该再把焦点放在自己的商品上了，而是放在“消费者”身上，请你认真思索下我的话，这里所说的注意“消费者”，不是传统意义上的“注意消费者对商品的看法”，《定位》理路也很注意消费者，《定位》理论的立根之本就在于“注意消费者对商品的看法”，但《定位》“只是从消费者角度看商品而已！”最终的焦点仍然是商品！而我们今天要说的是完全抛开商品，而只说消费者，把最终的焦点放在消费者身上。
完全站在消费者角度看问题，首先你不能取代消费者思考，不能“ ”消费者的意愿。
你不能象有些终端推销员那样，问明消费者的特征后，擅自帮消费者做主说：“根据您的个人状况，你需要这样一款产品”，消费者者会说：“不，那并不是我想要的！”你不能越俎代庖替消费者分析决策，这就象把壮阳药买给男人，把减肥药买给胖子一样，你不能说，你需要这个蓝色的药丸，你该减肥了！因为这等于你擅自帮顾客去定义他的身份，你的潜台词是“你是个性无能者，或者你是个胖子”。消费者为什么没有买你的产品？并不是你的产品不好，而是消费者没有准备好自己的角色，他不知道自己该扮演什么角色去接受你的产品。这个角色必须是他自己确认的，而不是你充当导演安排他去演。你只能暗示引诱其充当某个角色，
“你买一款，还是买多几款？”而不是“你买不买？”前者的暗示是“你一定是个购买者”，而后者的暗示是“你可能不是购买者”。当顾客领会了自己的角色后，他就会扮演自己的角色了，买或者不买。同样壮阳药不能再治疗阳痿了，而是让对方更满意，自己更显“男儿本色”。减肥药变成“瘦身产品”了，购买者的角色已经不是“胖子”，而是一个“更爱美”者。
如果说传统的“营销”是商家和消费者把焦点集中在产品上的话，那么现代营销应该把焦点集中在消费者身上，再进一步讲，就是集中在帮“消费者对自我判别”的努力上。
想想看，在产品相对匮乏的年代下，我们把焦点放在产品上，放在挖掘产品的USP上，会使得你的产品更出众，更能引人耳目，但是在这个产品过剩的年代，有许许多多的产品，功能各异，卖点纷呈，那消费者还会怎么考虑？消费者面临的不是这些产品有没有特色的问题，而是决策的困惑，这时消费者该怎么办？他会选择跟自己最相配的产品，什么是跟自己最相配的呢？消费者有时间会比较清楚，比如功能性的产品，消费者清晰地知道自己需要具体什么样的功能，但很多时间，消费者并不知道自己需要什么，或者面对众多卖点，众多标准，消费者已经判别失衡了。这时候消费者所可能会重新审视自己，对自己有一个清晰的判断后，消费者就知道那个产品跟自己最相配了。可是天底下最难的事情莫过于对自己的认识了，在这个产品过剩的时代，商家最紧迫的任务莫过于帮助消费者对自己的判别了。只有消费者尽快地识别自己，消费者，消费者才知道自己需要不需要你的产品，所以商家对消费者身份的暗示指引，决定了其产品是否“适销对路”。
记得有位诗人讲过“我们看别人时间是哲学家，看待自己时间是诗人！”意谓我们看待别人时间是客观理性的，而看待自己时间总是浪漫感性的。
事实上我们很难客观地看待自己，这就是我们为什么把好朋友当作“镜子”原因，为了客观地认识自己，而借用好朋友的视点来客观地评审自己，当然即便有朋友这面镜子，我们也很难客观的认知自己，因为朋友的话也是经过过滤处理的，而你听时又会经过过滤处理，而最终我们仍是无法真正看到自己。
“人呀，你应当认识你自己！”这一古老的箴言正说明人在很多时候都认识不了自己，每个人都是他自己的唐吉诃德。
不但人无法认识自己，有时间，就连自己所处的状态、行为都不知道，我们经常看到醉汉叫嚣地宣称自己没醉。
所以一定要明白你的消费者是谁，他能对自己的状态清楚到什么地步，或者说依据他对自己的理解是什么样的。一定要简洁明了，别让消费者难于识别自己，因为消费者不会花过多的时间去思考你含沙射影的表述。
快餐营销的科学与艺术之道 篇3
快餐市场历来硝烟弥漫。还记得1992年4月麦当劳北京王府井店开张的盛况，当汉堡包的新鲜四溢，炸薯条的香脆可口，以无比感性的味觉诱惑全面而来，麦当劳惊艳京城。其金黄的LOGO、鲜艳的桌椅、整洁的环境，首先在视觉上就给你一击，其店当年门庭若市的景象如今想来不可思议。
后来，在王府井又出了一条与麦当劳相关联的爆炸性新闻。1996年5月，一位河南小伙携一碗“红高粱”烩面挺进北京，也在王府井大街开业，其宏大口号是：挑战麦当劳1 5年内要在全球开设2万家连锁店。其悲壮“义举”被媒体描绘成“民族英雄”。其实，“红高粱”这个所谓的民族快餐品牌注定要以失败而告终。多年来，这个失败的案例一直留在人们的视线中。红高粱挑战麦当劳，代表了那个时代中国快餐业的稚嫩，也代表了从业者的盲目。如今，“红高粱”仍不断制造新闻，只不过是假挑战、真炒作罢了。
当年红高粱的失败有着多种原因，在本质上是经营战略的失败、管理思想的失败，也是经营手段、管理方法的失败，其失败的根源就在于营销。西式快餐建立在西方工业社会的基础上，是一种工业化程度较高的快速餐饮服务。西式快餐的标准化为其工业化生产、连锁化经营、科学化管理创造了条件。即便红高粱借鉴了麦当劳的门面装潢、经营思路，但红高粱能够学到的都只是表面，根植于麦当劳深层的文化理念、价值主张、标准化产品、标准化服务等，红高粱很难在短期内成功模仿。放大来看，这是一次中西管理思想的碰撞，是一次营销科学与艺术的较量。中式快餐建立在农业文明的基础上，手工操作，随意性强，没有统一标准，如烹饪火候、用料、厨师经验等都直接影响到快餐的质量，其制作过程的模糊性，也意味着中式快餐很难实现标准化。中式快餐要实现连锁化、规模化，首先应该学习洋快餐的工业化生产流程和标准化营销模式，而不是动辄大谈挑战，还没有建立几家成功的示范店，就妄言要在全世界建几万家连锁店之类“无知者无畏”的天方夜谭。包括动辄把经济行为上升为民族义举，其间所充满的滑稽必定要使后人贻笑大方。
时过境迁，如今中式快餐已是遍地开花。中式快餐对于西式快餐理性思想的成功借鉴，说明快餐营销具有跨越文化、跨越民族的科学精神。不管真功夫、小肥羊，还是马兰拉面、永和大王，它们在坚持民族特色价值主张的同时，都在学习西式快餐的经营管理精髓，掌握其标准化营销模式，在市场竞争中日益壮大。与此同时，作为西式快餐巨头，包括麦当劳、肯德基也不断加速与本土消费者的融合，无论价格战还是卖中餐，都在讨好顾客方面相互比攀。而一不小心，肯德基便坠入了“秒杀门”，不禁令人唏嘘：都是促销惹的祸。因此，洋快餐也要格外小心，今天的中国消费者可不好对付。
显然，中式快餐如何做大做强，已是值得专家和企业都来思考的问题。本期我们特别关注了国内快餐业的营销竞争和市场动向，包括邀请里斯先生针对洋快餐的“中式变脸”进行战略分析，意在引起行业思考：中国快餐市场潜力无限、规模巨大，但中式快餐如何在与洋快餐的竞争中越战越强?中国幅员辽阔，风俗多样，食文化美轮美奂，中式快餐如何在继承中国优秀文化的同时实现快速时尚的连锁经营模式?包括如何实现产品标准化、服务标准化、管理标准化?如何重视品牌竞争、人才竞争、资本竞争?
营销研究与科学决策 篇4
随着数据库、网络等技术的迅速发展, 积累的数据也越来越多, 人们已经被淹没在数据和信息的汪洋大海中。人们需要有新的、更有效的方法对各种大量的数据进行分析、提取, 以挖掘其潜能, 数据挖掘正是在这样的应用需求环境下产生并迅速发展起来的, 它的出现为智能地把海量的数据转化为有用的信息和知识提供了新的思路和手段。
随着电力市场的改革和发展, 供电企业越来越需要对用户侧需求、发电侧需求以及第三方需求进行科学预测决策, 以便为供电企业运营提供科学依据。
1 数据挖掘技术
数据挖掘 (Data Mining, DM) 就是从大量的、不完全的、有噪声的、模糊的、随机的数据库中, 提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是按照企业既定的业务目标, 对大量的企业数据进行探索, 揭示隐藏其中的规律性并进一步将之模型化的先进、有效的方法。
数据挖掘过程是由若干挖掘步骤组成 (见图1) , 其主要步骤有: (1) 数据清洗; (2) 数据集成; (3) 数据转换; (4) 数据挖掘; (5) 知识表示。
2 基于数据挖掘的电力营销预测决策系统
电力营销管理信息系统涵盖供电企业用电营业管理的全过程业务, 包括电量电费、业扩报装、计量管理、用电检查和综合管理等。整体系统结构如图2所示。
对于一个中型地市级的供电企业而言, 电力营销管理信息系统一年积累电量电费、业扩报装、计量管理、用电检查数据至少2GB, 一般供电企业暂少保存3年以上历史数据。预测决策层为制定营销管理目标及营销预测决策提供科学的依据。
2.1 预测决策模型
预测决策的模型可以分为3类:初级模型、常规预测模型、专用模型, 根据电力业务分析人员的实践经验, 针对电量、电费等预测指标在年度、季度、月度等不同的时间单位上总结出一些独有的预测决策模型 (见图3) 。
不同地区、不同时间、不同行业的负荷变化规律是不同的, 很难用一种或几种预测决策模型描述所有的变化规律。建立预测决策模型库, 使用户可以自定义预测决策模型中的参数, 可定义各种新的预测决策模型, 为用户提供充分的空间, 将人的经验与计算机有机结合, 从而保证了预测决策的精度。
2.2 预测决策策略
每一种预测决策模型都代表了一种发展规律, 预测决策模型越多, 预测决策人员的选择余地越大, 预测决策结果越精确。系统提供的预测决策方法库中既包括了被电力系统预测决策人员所经常采用的常规方法, 如一元及多元线性回归、滑动平均预测、指数平滑预测, 也包括了一些比较新颖的预测决策模型, 如人工神经网络模型等, 并且对一些预测决策模型进行了改进, 如改进的wintersdm模型。同时针对电力业务分析人员的实践经验, 总结出一些独有的预测决策模型, 如模式分解预测决策法等。
预测决策人员可以结合具体情况灵活选用较为合适的预测决策方法, 对多种方法的预测决策结果互为比较, 再进行合理的综合分析, 得出最终的预测决策结果。
(1) 基于模型库的预测决策模型管理。
建立预测决策的方法库和模型库, 将人的经验与计算机有机结合, 从而保证了预测决策的精度。
(2) 组合模型预测决策技术。
对于电量、负荷等序列量的预测决策, 预测决策人员可选择的模型是多种多样的。数学模型理想而抽象, 负荷发展的自然规律很难用单一数学模型加以描述, 且单一的预测决策模型精度都不高。无论是从预测决策人员方便地选择模型的角度, 还是为了提高预测决策的精度, 都需要研究如何将不同种模型进行有机的组合, 即综合模型, 才能形成对电量、负荷发展自然规律的更贴切或完备的描述, 提高预测决策的精度。
(3) 预测决策过程控制技术。
在预测决策值未得到实际证实之前, 由预测决策系统得到的预测决策结果是否达到了预测决策精度的要求, 是预测决策工作者迫切关心的问题。系统采用“虚拟预测决策策略”, 即通过对近期已知数据的虚拟预测决策, 考察该预测决策系统在数据条件变化下的预测决策结果的稳定性、拟合精度和虚拟预测决策精度等指标, 得到预测决策模型的预测决策精度等级, 为预测决策人员提供自动选择预测决策模型的功能。
(4) 历史数据的预处理技术。
为了获得较好的预测决策效果, 用于预测决策的历史数据的合理性应该得到充分保证。因此, 需要对历史数据进行合理性分析, 去伪存真。最基本的要求是, 须排除由于人为因素带来的错误、由于统计口径不同带来的误差以及历史上的突发事件或由于某些特殊原因对统计数据带来重大的影响。
(5) 预测决策结果评价与自动参数修正技术。
预测决策结束后, 随着实际数据的产生, 为了进一步提高预测决策的精度, 系统对多种预测决策方法所得结果进行全面的误差分析, 对预测决策结果做出评价, 并对预测决策模型的参数进行修正。所有误差分析结果均保存于用户指定的信息文件中, 可供随时查阅, 并对以后的预测决策数据进行校正。
(6) 预测决策结果的人工干预。
在业务实践过程中, 预测决策人员积累了丰富的工作经验, 同时由于电力工作的实际情况, 有很多未来的变化并不依从历史数据规律, 而是政策性的或者是人为设置的。因此系统必须提供充分的人工调整预测决策数据的手段。
2.3 系统框架
系统整体结构由3部分组成:数据仓库的架构与管理、中间应用服务器的调优与设置、前端报表分析数据的展示与设计 (见图4) 。
(1) 数据仓库构架与管理主要包括:数据仓库体系统结构的构建、目标数据的生成过程 (数据抽取) 及数据仓库主题数据的管理与维护。
(2) 中间应用服务器由2部分组成:Web服务器与报表分析应用服务器。Web服务器采用WebLogic作为应用服务器。报表分析应用服务器采用先进的商业智能软件Microstrategy的Intelligence Server进行元数据管理与描述, 通过四级缓冲技术, 可及时快速实现对用户数据分析内容的提取。在主题构架与属性定制方面, 通过Microstrategy的Architect构架体系, 可实现对主题灵活定义, 对相关属性任意增删, 对在用电营销过程中新加的各种分析方法与手段, 可以实现自助式设计, 满足系统的不断扩充需求。
(3) 前端数据分析内容的展示以表格与图形相结合, 通过对不同分析主题、相关不同属性的多角度、多方位转换, 充分运用钻取、切片等分析手段, 并配以不同的经济分析方法, 可辅助决策者及时快捷地了解本区域电力运营的实际状况, 全面掌握电力运营过程中潜在的问题及增长点。
2.4 数据抽取
数据抽取作为数据仓库数据生成的关键步骤, 在数据抽取过程中, 系统提供详细的日志功能。日志内容包括数据抽取过程中对源数据正确性校验、数据抽取相关分析主题抽取情况说明, 并能将最终抽取日志内容按不同单位转发给各部门相关人员, 对上报数据及时更正。
审核验证后的数据经汇总、聚集后可自动插入到相应的数据表中, 基础数据生成后只读, 前端分析人员只有分析数据功能, 任何人员都没有更改基础数据的权利。
3结语
数据挖掘技术是一种多学科相互综合、相互渗透的技术, 它以传统的数据库技术为基础, 运用多种手段分析数据, 对海量数据进行知识发现, 并进行恰当的可视化表示, 是一种高效的预测决策系统解决方案。数据挖掘技术为预测决策系统的研制和开发提供了一种有效、可行的体系化解决方案。基于数据挖掘技术的预测决策系统, 利用挖掘技术, 通过构建预测决策模型, 对企业生产和计划的完成情况及相关环境数据进行多角度、多层次的分析, 帮助企业决策者及时掌握企业的运行情况和发展趋势, 并为制定生产计划和长远规划提供理论和现实指导, 从而提高企业的管理水平和竞争优势。
参考文献
[1]李晓娥, 程贤芳.基于J2EE构架的供电局电力营销系统设计与实现[J].电力信息化, 2007, 5 (8) :71-74.
[2]李雪, 苑津莎, 张卫华.基于数据仓库的电力营销系统的设计[J].电力信息化, 2007, 5 (12) :46-48.
[3]王锐, 马德涛, 陈晨.数据挖掘技术及其应用现状探析[J].电脑应用技术, 2007 (69) :20-23.
[4]李丹丹.数据挖掘技术及其发展趋势[J].电脑应用技术, 2007 (69) :38-40.
营销研究与科学决策 篇5
1 中国经济更加稳健发展，消费者对未来仍然信心十足；
2 中国消费者接受新产品的速度仍很快，这是未来新兴品类消费增长的重要源泉；
3 消费者对商品的品牌高依赖度和品牌低忠诚度仍然并存，这说明不同商品都有发展空间，长尾现象更加明显；
4 消费者对移动互联网和社会化媒体发布信息的可信度大幅跃升，逐渐成为未来品牌营销的重要方式；
5 随着年轻消费者（80后、90后）逐渐成为消费主流，消费者自我、人格、情感因素日益影响着消费行为，尤其是影响富裕人群对品牌的选择。
从消费者心理分析来看，形成上述新特点的主要原因：一是中国80、90后新消费力量的崛起。中国自1980年以后出生的人口约为4.2亿，占总人口的31.4%。如今他们已成为各类市场尤其是高端市场的消费主力。二是高端消费群体形成与壮大，人们消费理念的变化，越来越多地要求时尚、休闲，注重情感消费，对健康、绿色、快捷、便利有更高的期望，同时还希望能与商家互动体验。三是消费者对品牌的期望在持续上升，一方面是对商品功能要求，如耐用性、舒适性和口感等在中国的重要性远高于发达市场，在不多花钱的前提下，对使用的便捷性及服务质量等需求也越来越高。另一方面是对品牌的情感、象征性意义的要求越来越高，消费在一定意义上是自我与人格的表征，对品牌的选择性明显增强。
通过认识新常态下中国消费者心理出现的新特点的形成原因，我们认为以下几个方面对未来的营销决策会产生重要的影响。
一是在当前国际经济的格局下，中国企业的市场营销需要有前瞻性，利用当前的份额优势，使之转换为时间优势，以缩小与国际品牌在产品质量和品牌文化内涵上的差距。中国企业产品要在维持市场地位的同时，有计划地规划产品力的提升，这是未来市场营销的基本战略。中国企业要把握好中国消费者的消费心理特点，必须要研究目标市场对产品价值的核心诉求，找到自己产品的独特优势，把独特优势与消费者的价值诉求链接起来。
二是中国社会现在面临的消费升级现象，其动因是消费者改善生活质量、提高自己社会地位的强烈意愿。从消费者心理角度来看，中国消费与西方消费者一样，希望通过所购买的产品来评价别人和表征自己。对中国这种发展中国家的消费市场来说，初期的强劲增长源于大量消费者的首次购买。但随着市场趋于成熟和消费能力的提升，原先增长依赖于频繁或大量的消费已很难再大量增加。但是这并不是说市场就不会再有所增加，产品升级关键是如何提升品牌价值，让消费者乐意来买。当然品质仍是中国消费者最为看重的商品价值。消费者对品质的认知是通过品牌和价格来完成的。品质可以从品牌中体现，包含两层意思。首先有品牌比没品牌更有品质保证；其次名牌比普通品牌更有品质保证；品质可以从价格中体现，一分钱一分货。
三是品牌价值提升必须要有明确的目标客户群概念，建立只为部分人服务的理念。今天世界经济总体发展放缓，这对中国企业来说也许是件好事，我们该好好思考未来发展方向了。过去一味追求数量的所谓“中国模式”已不可能适应今天的经济发展。对于企业来说，你的产品并不是卖给所有的人（数量大），而是仅限于本企业所选定的目标客户（即要服务的是追求质量高，数量小的那部分人）。因此企业经营者要静下心来认真地研究这部分人的深层次需求，集中有限的资源为他们服务，并根据目标客户的现实需求和潜在需求来确定产品的差异化特征，从而树立与众不同的品牌形象，形成鲜明的品牌产品定位。目前中国企业在这方面做得还很不够，仅以大家都非常熟悉的家电行业为例，从市场上的情况来看经营者就很难说清楚A品牌与B品牌有什么不同，企业基本上都没有目标客户群的概念，也知道他们真正需要什么，产品必然是大同小异。企业经营的一个重要方面就是如何让消费者在想买某一类产品时首先想到的就是某产品的品牌。要做到这一点就要想办法把企业品牌的差异化植入消费者的长期记忆中，令他们挥之不去，将来一旦有需求，马上想到了某某品牌的特征。唯有这样，企业才能够未来市场上有立足之地，才能赚到品牌的钱。否则企业的广告与促销一停，销量就会下滑。
四是通过社会化媒体，加强与目标消费者的沟通。如今移动互联网使智能手（Smartphone）拥有者比例明显上升，而且年龄越小的群体拥有比例越高。年轻人更乐意用手机管理银行账户、逛网店货比三家、在网上购物并与朋友分享购物的喜悦或失望。在移动互联下的消费者其影响力之大与过去不可同日而语。同时针对消费者心理特点，越来越多商店开始提供个性化的定制服务（DIY）。如运动衣零售商Finish Line则与耐克合作提供个性化服务，顾客挑选喜爱的耐克T恤衫，Finish Line则为他们印上喜欢的字样——自己的名字、某句名言或是某个号码。这样的T恤每件30美元，是普通T恤的一倍，但它满足了消费者的特殊需要，仍然供不应求。
营销研究与科学决策 篇6
营销组合是企业组织实现经营战略的基石,它在企业经营过程中的重要性已被中外广泛认同并加以运用。现代营销组合理论的发展印证了时代的发展和变迁,也促使着营销组合方法的不断进步。以4P营销组合理论为基础,融合4C、4R、4V,乃至仍不断推陈出新的营销理念,结合市场需求变化和市场竞争的现实环境,进行营销组合优化决策成为一种发展趋势。
目前,对于营销组合方法的研究大多还是建立在4P理论的基础上,只是对营销因素进行划分,将价格单独划分为一个营销因素,称之为价格营销因素,除价格外的其他营销因素,如产品(质量)、渠道(人员和网点)、促销(广告)、服务(售后服务)等等,皆可看作是一种营销上的支出,并不能给企业带来直接的收益,可统称为非价格营销因素。但是,最佳的营销组合作用绝不是产品、价格、渠道、促销四个营销要素的简单数字相加,而是使其产生整体协同作用。所以,市场营销组合是一种经营的艺术和技巧,企业必须在准确分析、判断特定的市场营销环境、企业资源及目标市场需求特点的基础上,才能制定出最佳的营销组合。
在现实市场中,市场对于营销行为的反应通常不会立即显现。比如某个广告活动的效果在广告活动结束的时候并不会终止,而是会持续一段时间,只是效力会随着时间的推移而递减。这种当前营销投入对未来销售的影响统称为递延效应,递延效应可分为三类:第一种类型是延迟反应效果,起因于营销支出与支出所产生的效果之间的延迟;第二种类型是顾客维系效应,指营销活动吸引的新顾客在未来很长时期内仍是顾客,他们以后的购买行为在某种程度上应归功于以前花费的营销费用;第三种类型是延迟反应的滞后作用,例如销售额可能会在广告开始时迅速上升,然后在广告结束时保存不变或者缓慢下降[1]。
一、 非价格因素的递延效应
在非价格营销因素当中,广告可以认为是企业可控的常用的营销因素之一,即使在广告对于销售不产生影响的时候,它也会对形象和偏好产生影响,从而实际上也对销售产生影响。无论市场中的广告真正的作用是什么,有一点是相当清楚的,即广告应该增加公司的销售额和利润。然而企业在广告上的投入,究竟投入多少才能获得相应的投资回报,一直是企业决策者们为之烦恼的问题,所以在广告的投入预算控制上一直存在着较大的争议。鉴于广告在非价格营销因素中的典型性,下文的非价格营销因素优化决策均以广告为例。
广告投入的市场反应模型对一个时期内的广告反应作如下假设:
(1)若广告投入费用消减到零,即企业不投入广告费用,则品牌的市场销售额增长百分比将减少;但存在一个下限或最低点,即不投入广告费用时,销售额的增长百分比维持一个最低点,到某一时间段末,市场销售额增长百分比会从最初水平降低到这个最低点;
(2)若广告投入费用大大增加,比如到达一个饱和点,则品牌的市场销售额增长百分比也会增加;但存在一个上限或最高点,在一段时间之后,市场销售额增长百分比就会达到一个最高点。
依据各类市场反应模型的特点[2],选用指数模型来描述广告的市场反应模型,其函数形式为:
式中S1表示不投入广告费用时,销售额的增长百分比维持一个最低点,S2,S3为待定系数。w为广告投入占销售额百分比,y为销售额增长效应百分比(%)。该模型能描述随着广告费用投入的增加,其效应先递增、后递减的S形曲线形态,较为符合实际情况。这是因为当广告费用投入很少时,企业产品的知晓度尚不足以形成一定的规模效应,此时广告投入所产生的效应很小;但随着广告费用投入的增加,广告的规模效应就会发生作用。当广告费用的投入继续增加达到某个点时,广告的效应会递减。此时,虽然销售额仍在继续增长,但受广告投入影响的增加幅度在递减,广告的效应越来越接近饱和,容易接受广告宣传的消费者已经购买了这种产品,剩下的是那些不太愿意购买这种产品的人,则广告对这些人就较难起作用了。
进一步考虑广告效应的递延效应,当期投入的效应值会受到上一期投入的递延效应的影响,即广告的投入会影响顾客对产品的偏好,会提升公司的形象,产生一定的品牌效应,进而影响消费者继续购买产品,成为老顾客。因此,可作如下假定:
(1)如果持续不进行广告投入,则市场销售额增长百分比将衰减到某一长期最低值;
(2)一个时间段内的市场销售增长百分比衰退值是当前市场销售增长百分比与长期最小市场销售增长百分比之差的一个固定百分比。这个固定百分比称作保留比率,该比率可以由决策者经验得到。
在公式(1)的基础上,考虑广告的递延效应的影响,构建包含递延效应的广告市场反应模型的函数形式为:
式中S1为长期最小市场销售增长百分比,b为保留比率,S2,S3为待定系数,wt为第t期广告投入占销售额的百分比,yt为第t期投入的广告费用所产生的销售额增长效应百分比。其中b(yt-1-S1)的含义为第t-1期销售额增长百分比对第t期销售额增长百分比的贡献,即上一期企业投入广告所产生的效应能给当期带来的效益值;而
二、 价格与非价格组合决策原理
在实际的现代企业经营活动中,企业总是综合地运用各种市场促销手段的。在具体的促销手段运用决策时,不能只孤立地分析运用某一市场促销手段的作用与影响,而应考虑各种促销手段综合作用下的组合效应。价格是能为企业带来直接销售额和销售利润的营销因素,而广告等非价格营销因素对企业来说都是一种投入,不能直接带来效益。因此,在进行价格与非价格组合决策时,要遵循非价格因素的杠杆作用原则,即主要考虑非价格营销因素对销售的调节作用。通常,在产品销售价格优化决策中运用需求曲线模型确定出能使产品销售利润最大化的价格P*和销售量效应Q*后,增加非价格促销手段费用的投入,将会引起需求曲线的外移,从而强化产品销售量的上升趋势;反之,则会引起需求曲线的内移,淡化产品销售量的上升。
分析其中的机理,以广告费用投入为例,如图1所示。
图1-(a)描述的是需求曲线,初始的需求曲线为f1,对应A点的销售量效应和销售价格分别Q*和p*。此时,当降低产品的销售价格到p0时,产品的销售量效应从Q*增加到Q0。
图1-(b)描述的是广告市场反应模型,初始的广告费用的投入w*和增加的销售额的效应y*对应了图中的A点。当企业通过最优价格决策确定了价格p*和销售量效应Q*时,增加广告费用的投入至w1,则在价格p*不变的情况下,引起销售量效应增加至Q0,表现为需求曲线的外移;反之,减少广告费用的投入至w0,引起销售量效应减少至Q1,表现为需求曲线的内移。
上述的讨论不包含非价格营销因素递延效应对营销组合决策的影响,接着进一步分析包含递延效应的价格与非价格组合决策的原理,仍以广告为例,如图2所示。当期的广告投入为w*,对应产生增长的销售额的百分比为y*,由于上一期的广告投入会对当期产生影响,广告效应曲线向上平移,使得增长的销售额的百分比达到y′,在价格不变的情况下,表现为需求曲线的外移。
三、价格与非价格组合决策模型
桑德斯(Saunders, 1987)指出处理相互作用的方式有三种:(1)假设不存在相互作用,即组合效应是加数累积的,可表示为:Y=aX1+bX2 ;(2)假设相互作用是乘数递增的,可表示为:Y=aX1X2;(3)假设相互作用既是乘数递增的,又是加数递增的,可表示为:Y=aX1+bX2+cX1X2[3]。在营销实践中,当涉及多个营销组合要素时,可以采用全线性相互作用模型和乘法模型两种形式。全线性相互作用模型(双变量)的形式为:
Y=a+bX1+cX2+dX1X2 (3)
在这里,ΔY/ΔX1=b+dX2,因此营销组合变量X1的变化ΔX1所产生的销售变化ΔY,要受到第二个变量X2的影响。乘法模型的形式为:
Y=aX
在这里,ΔY/ΔX1=aX1b-1X2c,函数任何一点上的变化都是两个自变量的函数,即在任何一点,市场反应的变化要同时由两个独立变量X1和X2的水平决定。这里的b、c分别是第一营销组合变量X1和第二个营销组合变量X2的固定弹性系数,无论X1和X2为多大,b、c都保持不变。
考虑到模型的易于操作性,假定非价格营销因素之间不产生交互影响,即各非价格营销因素的组合效应采用加数累积的方式。当通过价格优化决策和非价格优化决策确定了各营销因素的初始值为p*(价格)、w*(广告)、u*(质量)、v*(渠道)和s*(售后服务)等,如图1-(a)所示,初始的需求曲线为f1,即在图中A点所表示的位置上。根据以上的分析,当非价格营销因素投入值发生改变,在价格p*保持不变的情况下,测算出产品市场销售量Q的值很可能不再等于Q*。此时可将Q与能使产品销售利润达到最大的销售量Q*相比较。若Q<Q*,即图中B点所标识的位置上,表明企业非价格促销手段运用尚不够强有力,企业尚不能维持上周期广告投入所带来的市场效应(市场规模),需求曲线为f3,发生了内移,此时企业应增加广告费用投入、或提高产品的质量水平、或扩大渠道网点的数量等,以使需求曲线外移,直至Q=Q*,得到新的广告投入值w**,质量投入值u**,渠道投入值v**和售后服务投入值s**。
反之,若Q>Q*,需求曲线为f2,表明需求曲线已向外产生了位移,同样的价格p*时,企业可获得更多的产品市场销售量和销售额,在企业生产能力和其它经营条件许可的情况下,可以生产更多的产品投放市场。此时,企业可以考虑逐步提高销售价格至p1,以提高单位产品的销售利润,即图中D点所标识的位置;也可以通过扩大产品的销售量至Q0,以提高产品总的销售量和销售利润,即图中C点所标识的位置。而如果企业生产能力受限制,无法生产更多产品,可减少非价格营销因素的投入,使需求曲线内移,直至Q=Q*,得到新的广告投入值w**,质量投入值u**,渠道投入值v**和售后服务投入值s**。
依据价格与非价格营销组合决策原理分析,在确定了最优价格p*的基础上,把由广告、质量、渠道、售后服务的投入费用所带来的销售额的增长进行相加,则最终可以得到价格与非价格组合决策结果,即销售量的增加为:
ΔQ=(f(w**)+f(u**)+f(v**)+f(s**))/p*
根据上式的营销组合效应决策结果,可以得出各营销因素的决策值为p*、w**、u**、v**和s**,以及对应的新的销售量值Q**。
四、算例与系统仿真
营销决策支持系统能够方便决策者迅速尝试各种决策方案,从而更快更合理地制定营销决策。本文从模型上分析了非价格促销手段运用强度对需求曲线内移或外移产生的影响,并在此基础上结合计算机仿真技术,进一步开发出基于模型的、具有高度人机交互性和可操作性的营销决策支持系统(MDSS),对所提出的原理和模型运用系统仿真进行了实现和验证。经过模拟数据的测试,营销决策支持系统已基本能稳定地运行,各功能模块的决策模型能较好地反映营销组合理论,其决策结果能辅助决策者进行科学的营销决策。
假定已经以一定方法预测出了某一产品在某一经营周期的市场需求容量K为2 500万元,企业市场份额H为20%,由此得出企业销售额Z=K×H为500万元。这里用指数模型来拟合现实市场下的需求曲线,其函数形式为:
式中p为价格,y为销售量效应(%),S1、S2、S3为待定系数。针对某一产品,决策者输入拟合需求曲线所需的三对数据,系统将通过图形化的方式直观地显示出价格的市场反应曲线。假定价格与销售量效应关系的三数对为(750,180%)、(1000,100%)和(1250,50%),利用指数模型(6)拟合的需求曲线如图3所示。该图展现了需求曲线常见的一种形态,即产品的销售收入随着价格的降低,先增加后减少的过程。通过系统的价格优化决策过程,可以得到该需求曲线下利润最大化的最优价格p*为1 144.5元。
通过录入广告费用投入与销售额效应关系数对可以得到广告的市场反应曲线,可以拟合出如公式(1)所示的指数形式的广告投入效应函数。假定决策者录入的三个数对为(1%,1%)、(7%,28%)和(15%,35%),其中自变量为广告费用投入增加占销售收入百分比,因变量为广告投入所产生的销售收入增加占销售收入百分比。利用指数模型(2)拟合出广告的市场反应模型,如图4所示。图5反映出较符合实际常态的广告投入效应曲线,即随着广告投入的增加,销售额效应先增加后减少的S形曲线。通过系统的广告优化决策过程,可以得到该市场反应曲线下广告的效益投入点,即最优投入w*为15.4万元。图4中绿色标注的点从下往上依次表示广告的最低投入点(若投入低于该点,广告的收益小于费用支出)、广告投入的效益最快点(即增加的广告收益和投入的费用支出比值最大)、广告的最高投入点(若投入大于该点,广告收益的增加将递减)。
在广告优化决策的基础上,决策者凭借经验输入广告投入长期最小效应值、保留比率和上一期广告投入的效应值,从而构建出如公式(3)所示的包含递延效应的广告市场反应模型。这里假定长期最小效应额为3.96万元,上期产生的效应额为54.29万元,效应额保留比率为40%,得到如图5所示的包含递延效应的广告市场反应模型。
在优化决策的基础上,系统可以进行价格与广告投入的组合决策。图6显示了广告的投入使得需求曲线发生了位移,相应的产品价格、产品销售量、产品销售额和产品变动成本都发生了变化。系统决策结果显示,不考虑广告因素时,价格定为1 144.5元时产品利润额最高,为136.5万元;广告投入为15.4万元时,增加的销售额为78.3万元;价格与广告投入的组合效应给企业带来的组合利润为148万元,大于各营销因素收益的简单数字相加。
五、结束语
在现实市场中,市场销售对于企业营销行为的反应往往不会立即体现出来,比如企业广告活动结束时,其效果还会持续一段时间,只是效力越来越弱。因此,包含递延效应的市场反应模型更符合真实的市场状况。在价格与非价格营销因素进行组合时,应遵循非价格因素对销售的调节作用原则,即增加或减少非价格促销手段费用的投入,将会引起需求曲线的外移或内移。由于企业的市场营销所面临的环境是复杂多变的,市场营销决策含有大量的不确定因素,缺乏程序化的决策范式,在这种情况下应当充分利用营销决策支持系统,使得决策者迅速尝试各种决策方案,从而更迅速更合理地制定营销决策。
参考文献
[1]翁智刚.营销工程[M].北京:机械工业出版社,2010:24-25.
[2]加里.利连.营销工程与应用[M].北京:中国人民大学出版社,2005.
营销研究与科学决策 篇7
关键词：网络经济,营销,决策
一、网络经济时代的市场营销
1、网络经济时代的营销特点。
网络经济时代的企业营销是指以计算机与互联网为平台, 获取大量的信息, 同时通过计算机与互联网为客户提供各种与企业有关的信息, 从而让客户接受公司的产品或服务。网络经济时代的营销与传统的企业营销存在许多的不同, 这些不同就构成了现代网络经济时代的营销特点, 其中最大的特点就是信息量特别大。在如今的互联网时代, 我们总是能够通过互联网获取许多的信息, 不管质量高低, 但是数量是绝对让人惊诧的。网络经济时代的市场营销的其他特点还包括信息的数字化以及交互性。
2、信息环境与技术环境。
传统的企业营销最大的障碍就是无法及时准确全面的获取顾客的信息, 而顾客同样因为无法准确全面的获取商家的信息, 所以, 在作出选择的时候可能会存在总是选不到自己最想要的产品或服务。而在网络经济时代, 企业面对的是全球的信息, 获得的信息量远远大于过去传统方式所能获得的信息量, 而顾客也能够通过互联网获得更多的商家信息。在技术环境方面, 在互联网时代, 我们借助计算机技术和互联网技术可以获得全球范围的海量信息, 这些信息已实现了跨时空的无边界的传输。据相关报道证实, 美国经济的新增长有72%是计算机与互联网技术的功劳。技术的变化使我们获取信息与发布信息的方式发生了变化, 所以在网络经济时代的营销策略应该改变。
二、企业营销决策支持的现状
1、决策支持技术的进程。
从1954年首次实现计算机的信息处理后, 决策支持技术方法共经历了五次大变革, 实现了五次飞跃。在时间上具体表现为从20世纪50年代后每隔十年决策支持技术就会得到一次重大发展。在50-60年代期间, 决策支持技术首先实现了事务处理系统, 也被称为电子数据处理系统。之所以叫它数据处理系统是因为它的主要功能在于处理各种数据与报表, 使用人群也大多为一些低层职员, 使用范围较小, 可提升空间大。第二次飞跃是在60-70年代, 这一时间段被称为管理信息系统阶段。对信息的处理与收集水平得到了大幅度的提高, 它的工作原理是在于组合信息并处理。第三次飞跃是在70-80年代。随着计算机的不断发展以及对信息处理需求的提升, 管理信息系统因为只能为管理者提供简单记录功能, 对于各数据之间的本质联系与定量分析并不能得到使用者的满意, 而且, 这个管理信息只适合管理者适用, 顾客并不能从这个系统中得到自己想要的信息。所以在70-80年代就出现了以数据分析和建模定量分析为基础的决策支持系统。这种系统是在管理信息系统的基础上发展而来的, 它比管理信息系统功能更加完善, 能够初步的为中层决策者提供支持。到80年代末-90年代初, 逐渐的形成了更为有效的智能决策支持系统。这个系统分为两个体系结构, 一个是IDSS体系结构, 另一个是基于代理的IDSS体系结构, IDSS的体系结构主要是在决策支持系统的基础上加上了专家的系统, 实现了人机的结合, 是决策能够加入人的意识, 能够因人的需求不同而进行不同的分析。90年代后至今是决策支持技术的第五次飞跃期。在这种最新的支持系统中加入了数据仓库和联机分析处理, 这种数据仓库和以往的数据库存在联系又有区别, 它是在数据库的基础上发展起来的, 比数据库的功能更强大。同时也是首次实现了数据与决策的联机处理。
2、现状。
在决策支持系统发展的过程中, 是先有了决策支持的概念, 而后才有了决策支持系统的存在。对于目前的决策支持系统而言, 还是存在一些固有的局限性的, 如不能充分利用历史数据, 由于不能充分利用历史数据, 所以对于数据发展的趋势就无法掌握, 也无法进行分析。除了不能充分利用历史数据外, 目前的决策支持系统还存在数据集成的问题, 这主要是因为虽然决策支持系统可以通过数据分析等功能去帮助处理数据与分析, 但一般来说这种功能都是面对当前问题的, 对于将来发生的一些事情是无法进行预测的, 所以不能够有效的应对将来可能发生的事情。而且, 高层管理者在作出决策时所用到的数据并不是通过有效采集和分析得到的科学的有效的数据, 而是通过各种外围数据, 如期刊中的数据等, 这些数据本身的可信度都有待考察, 但许多高层管理者会以此作为基础来作出决策, 这样作出的决策可能会产生许多不利影响。除此之外, 决策支持系统往往只是对大的数据进行分析, 而对于一些细节上的数据是不进行分析, 这样也会导致得出的数据不够准确、真实, 无法达到高层决策者想要达到的结果, 结果就是事半功倍。
三、网络经济时代营销决策支持方法新技术探究
企业的生存与发展表面上看与决策支持方法没有联系, 但其实可以说营销决策支持方法的好坏决定了企业的生存与发展。企业要想在这激烈的网络经济时代生存并拓展自己就必须开拓市场, 而要想开拓市场就必须掌握大量的有效的信息, 所以, 如何获取真实有效的大量的信息就成了企业在网络经济时代生存与发展的基础。如何获取大量真实有效的信息其实就是营销决策支持方法问题。目前的营销决策支持方法还存在各种问题, 需要得到进一步的加强与完善。
1、数据仓库的建立。
与传统的营销决策系统中的数据库相比, 数据仓库同时实现了在数据分析上的提升与面向客户范围的加大的双重加强。其实数据仓库和数据的定义类似, 都是可以满足用户的数据处理与分析系统。数据仓库最主要的特征就是其具有存储大量信息并且把那些信息进行管理的功能, 同时又能实现数据的实时更新, 但不会出现数据的过度不稳定现象。它可以利用最新的技术使得各个数据库中的数据是一致的, 就不像传统的数据库一样, 由于各数据库之间的信息是互相抽取的, 所以会大面积的造成数据库的重复与不一致, 使得用户无法判断信息的真伪, 根据现有的信息仍无法做出正确的决策。需要说明的是, 数据仓库的建立并不是对原有数据库的替代, 而是在传统数据的基础上进行的提升与完善, 所以它的结构仍然是和以前的数据库一致的。
2、联机分析处理技术。
20世纪90年代以后, 为了满足高层管理者对信息处理与决策支持的高要求, 对数据进行复杂的分析操作, 以便于实现人机的结合, 科学家不断的进行着各种研究与尝试, 终于在1993年由E`F`Codd提出了联机分析处理技术。这种技术要求可以为用户提供数据的多维概念视图。我们知道维数越多的事物更易于我们对他进行了解, 传统的决策支持系统只能提供两维的数据分析与处理, 所以用户在理解与运用上会存在一定的不便之处。同时由于数据仓库的建立, 实现了各数据资源的共享与数据的一致性, 所以加大了联机分析处理结果的共享性, 使更多的用户能享受联机分析处理技术带来的好处。
3、数据挖掘技术。
传统的数据库虽然搜集与储存了大量的信息, 但是由于其他技术水平的限制, 使得大部分的数据都没有得到充分的挖掘与应用。新生代的决策支持系统是可以将数据库中隐藏的数据信息给提取出来的系统, 从而找出信息中的本质联系, 将数据间潜在的联系发掘出来, 找出最有价值的信息。它同时还能够通过对传统信息的分析与处理预测信息的发展趋势, 为管理者与用户预测市场的发展趋势提供信息支持, 所以数据挖掘技术同时具备预测性与实用性的特点。数据挖掘技术首先要进行的对数据进行选择, 选择有效的并真实的信息进行分析与加工, 然后在呈现在用户的面前。
四、总结
营销研究与科学决策 篇8
国外铁路 (如法国、日本) 在铁路客运领域的营销决策支持及关键技术研究方面取得了较大进展, 信息系统已由面向运输组织的控制系统逐步转为面向客运营销与成本控制的基于数据仓库技术的市场营销策划系统, 向着综合化、智能化的方向发展。
国内铁路客运领域, 围绕着客运的组织、经营和管理, 已经相继建立了客票系统、旅服系统和客管系统, 尤其是客票系统经过近二十年的发展, 售票渠道、支付方式日趋便利, 积累了大量的历史数据, 为铁路客运营销辅助决策系统 (简称系统) 的建设奠定了良好的数据和技术基础。而随着客运专线的建设和投入运营, 铁路旅客运输能力得到大幅扩充, 部分区段、部分时段甚至出现能力紧张, 如何了解并掌握客流, 根据客流调整旅客列车开行方案, 适时推出更有竞争力的客运产品, 提高每一趟旅客列车能力利用率, 都是系统需要解决的难题。
铁路客运营销辅助决策系统是以现代市场营销理念为指导, 以运输理论和客运市场信息资源为基础, 以先进信息技术和决策分析方法为手段构建的智能化信息系统, 满足中国铁路总公司 (简称总公司) 、铁路局及基层站段营销管理人员的业务需要, 为客运部门把握市场动态、完善产品设计、优化运能利用、提升社会和经济效益提供决策支持。
2 系统架构
2.1 总体架构
系统用户对象包括总公司、铁路局和站段三级客运管理和决策人员, 系统数据源主要来源于客票系统, 其次是旅服系统、客管系统、清算系统、财务系统等, 考虑网络、安全及数据处理效率等问题, 系统总体架构采用面向三级用户的集中与分布相结合的两级架构 (见图1) 。
总公司级数据仓库存放全路的所有历史主题数据, 支持全路性的整体分析与决策;各铁路局数据仓库存放本局的实时生产数据和从总公司返回的历史数据, 支持区域性的实时分析与决策。
2.2 系统功能架构
系统始终围绕着客流分析预测、产品设计、运营决策和分析评价4个环节开展研究与开发, 系统功能架构见图2。
(1) 市场调查与预测子系统:提供完备的市场调查手段与分析方法, 完成长短期客流调查与分析功能, 及时准确地掌握客运市场动态, 预测未来发展趋势, 为客运营销提供市场调查与预测结果信息。
(2) 运营策划子系统:实现客运产品设计, 包括开行方案设计、席位配置方案设计、运价决策模型、日常调整方案设计、运力资源规划和营销管理决策功能, 为决策者提供辅助决策支持。
(3) 分析评价子系统:针对不同的用户对象, 提供客运生产情况的统计查询、分析评价功能, 主要包括列车效益分析、客车开行方案评价、客运统计查询、客运资源运用评价和营销策略评价等功能。运用指标计算、数据挖掘的模型与方法, 研究客运产品、营销渠道和手段、旅客行为等要素间的潜在关系, 为经营管理者调整和组织客运营销策略提供决策支持。
(4) 数据管理子系统:主要负责数据仓库中客运营销信息资源管理, 完成日常的数据信息交换、整合、存储、计算等, 为系统的辅助决策功能提供信息基础。
(5) 系统管理子系统:提供保证系统安全、稳定运行的基本功能, 包括用户管理、数据监控、性能监控和安全监控等。
3 关键技术及应用
3.1 数据仓库技术
客运系统是一个基于数据仓库技术的辅助决策分析系统, 根据决策、分析的业务需要, 建立了基于历史数据和实时数据的混合数据仓库体系结构。
历史数据仓库针对历史生产信息, 以业务主题为主线, 进行各主题的模型设计, 采用星型模型和雪花模型相结合的数据组织设计方式, 以星型模型为基础, 在部分维度上扩展为雪花模型。实时数据仓库针对交易系统产生的实时业务数据, 采用数据库复制技术, 实时载入到数据仓库, 保证了实时决策业务的数据基础。
通过历史数据仓库和实时数据仓库相结合的体系架构, 可以同时满足铁路局决策和分析人员进行中长期的战略决策, 也能满足站段基层业务人员完成短期战术查询和决策。该混合数据仓库对业务模型是透明的、无差异化的, 两者可以同时使用、互为补充。
由于系统的绝大部分数据来源于客票系统, 根据客票系统的分布式特点[1], 以及分析人员对信息时效和内容的要求不同, 数据仓库的数据采集流程采用了多种策略。本局数据实时复制、外局数据准实时传输、历史数据按日分发, 采用自主开发工具和数据库工具相结合的方式对本局的席位、存根数据采用实时复制方式, 对外局客票数据采用每30 min循环的传输方式, 对长期分析用到的数据采用每天定时传输方式, 让铁路局具备掌握担当、返程、通过列车完整数据的条件, 并可以依托系统开展全新的实时分析、全程分析管理的业务。系统首次实现了铁路客运业务数据的全路完整共享, 系统数据流程见图3。
3.2 客流预测模型与技术
在铁路客流预测方面, 目前国内的各种研究主要集中在预测理论和方法上, 还没有能够与业务系统对接的投入使用的预测系统, 而国外的客流预测系统因为客运组织方式和国情的不同, 无法直接拿来应用于我国的铁路行业。系统结合我国铁路客运组织和业务系统现状, 进行了客流预测模型的研究和客流预测系统的研发, 对短期客流进行预测, 为营销分析和产品优化设计提供数据支持和决策依据。
根据铁路的客流呈现明显的季节性这一特性, 系统分别引入时间序列 (移动平均、指数平滑、ARMA自回归等) 和神经网络模型, 并进行了信息系统的实现, 以支持不同季节、不同时段、不同客流特点的客流预测。
系统对全路客票系统产生的运量、运能、需求等海量异构数据进行处理, 并运用经过适应性改造的预测模型进行计算, 可以进行客流总量预测和OD客流预测。具体实现了以下功能:
(1) 列车客流预测功能。预测旅客列车的整体或OD客流情况, 按照历史数据具备情况可分为针对开行方案稳定列车、调图列车、新增列车的客流预测。
(2) 区域客流预测功能。对指定区域整体或OD客流情况进行分析预测, 区域可分为大站或其他车站、铁路局、全路或其他自定义区域。
(3) 线路OD客流预测功能。针对高铁OD间的客流进行预测, 如按照其OD的时间序列客流将OD分类。
2014年中秋节、国庆节客流预测系统的预测误差控制在5%~15%, 并实现了在3 h内完成全路直通列车OD客流预测的目标。
3.3 票额自动预分及预警技术
票额自动预分以列车客流预测为基础, 建立了列车票额自动分配与优化调整模型, 根据列车编组、停站时刻数据, 计算并自动完成列车票额在经由停车站间的分配。它将旅客列车票额的静态分配变成了适应客流需求的动态分配, 以达到稳定旅客列车沿途站的常态客流, 应对突发客流, 吸引淡季客流, 提高铁路旅客列车全程客座率的作用, 其主要由客流预测模型和票额自动分配模型两个核心模型构成。
3.3.1 客流预测模型
目前对于客流预测方法的研究十分广泛, 但大多集中在对客流的总量预测上, 对于指导实际生产的列车分席别、站站客流的预测研究则十分有限, 能用于指导生产的客流预测方法鲜见论述。高铁的客流预测模型是以铁路客票发售与预订系统产生的实际生产数据为基础, 采用基于时间序列的预测方法, 并提出了“四因素”时间序列客流预测模型[2], 实现对列车分席别的OD客流预测。
3.3.2 票额自动分配
票额分配模型主要解决以下问题:当列车可发售票额数量已确定, 列车站间OD客流数量已完成预测, 如何将这些可发售票额合理分配至列车途径各停靠站, 并设定所有票额其允许作为上车站的区间和允许作为到达站的区间, 以满足客流需求, 从而保证本次列车票额分配方案的科学性、合理性及安全性[3]。
票额分配原则:一是分配方案不可影响票额所有站的票额发售;二是票额分配需要有一定的误差消解处理能力, 由于客流预测的不完全精准性, 需要将客流预测在可接受范围内的预测误差不带入或尽量少带入列车票额预分方案。
系统建立的票额分配方法, 既可在能力充裕时, 通过加大票额裂解控制系数, 减小票额保护系数, 使得票额提前分配至沿途站, 增加票额的营销时间机会, 实现“票尽其用”的效果, 又可在能力不足时, 通过加大票额保护系数, 减小票额裂解控制系数, 有效控制票额在票额所有站, 保证列车开行的整体效益, 实现运输能力的自动、快速分配。
在实现票额自动分配的同时, 系统实现了车站售票行为监控预警、重点列车售票情况预警、列车余票分时切片、车站能力利用预警等功能, 用户通过定制关注的重点车次、区域等作为监控对象, 设置预警阀值, 实现对铁路整体售票组织策略、线路区段客流、票额预分策略的合理性预警分析, 保障票额预分的科学性、合理性。
票额自动预分的实施取得了显著效果:提高单趟列车运输能力利用和精细化管理水平, 智能化的实现票额自动分配, 优化票额组织, 提高列车席位利用率, 趟车客座率最高提升43.9%;提高全铁路客运运输网络的运力利用, 首次实现路网级别的列车间票额分配优化, 保证客运产品开行效益, 2014年前10月同比2013年动车组列车客座率平均增长2.9%;保证列车开行效益前提下, 为列车沿途站解决预售期内的票额发售问题, 为车站增加营销时间机会, 提升旅客列车沿途站的服务水平;客运管理者通过相关专家参数调整, 实现客流淡旺季的票额优化调整与客流引导。以武广高铁为例, 高铁列车客座率稳步上升, 7月份的客座率由2010年的50%提升到2014年的80%。
3.4 分析评价展现技术
分析评价展现技术的核心为客运业务整合模型及可视化展现技术, 系统业务整合模型紧密结合客运管理业务流程, 建立了运能、运量、业务量考核、区段密度、实时销售、互联网售票、电话订票等业务模型, 实现了对异构数据的、面向服务的、低耦合度的客运数据访问。
系统构建了基于时空指标体系的客运业务分析模式 (见图4) , 在空间上实现了“点-线-面”联动的多视角分析模式;在时间上实现了任意时间段数据分析;在指标上针对特定需求形成专题分析, 并以此作为运营决策的数据依赖和验证手段。
对客运产品的评价从旅客列车的运量、收入、设施利用、服务能力等方面入手, 研究和建立列车开行方案评价指标体系, 设计相应的可视化表达手段, 同时, 分析开行方案设计与调整决策的要素, 建立以车底及旅客需求为主要约束的旅客列车开行方案生成算法及评价模型, 通过最优化、数据挖掘、信息技术等的综合运用, 较好地解决了理论与实践之间的结合问题。
系统引入地理信息系统可视化技术, 基于富互联网应用 (RIA) 技术的Web GIS平台, 将地图展现与客运业务分析数据无缝融合, 通过地图直观展现全路、各局、各站到发客流及铁路线上的车流、列流。
4 结束语
目前, 系统已经在总公司和各铁路局建成并投入使用, 系统为各级客运管理、运营部门提供24 h不间断业务保障, 先后经受了春运、黄金周、暑运等铁路客流高峰的考验。实际应用表明, 系统运行平稳、高效, 显著的提高了管理人员工作效率, 降低了工作量和劳动强度, 提高了业务人员的决策能力和决策水平, 在学生客流组织、实名制购票分析、互联网等新型购票渠道分析等方面发挥了很大作用。系统下一步将在现有基础上引入更加广泛的相关信息和技术, 进行铁路客运收益管理、客运产品效益分析、铁路旅客客户关系管理等延伸领域的研究, 进一步扩展和完善系统功能, 以更好地支持铁路客运发展及运营的需要。
参考文献
[1]朱建生, 单杏花, 周亮瑾, 等.中国铁路客票发售和预订系统5.0版的研究与实现[J].中国铁道科学, 2006, 27 (6) :95-103.
[2]单杏花, 周亮瑾, 吕晓艳, 等.铁路旅客列车票额智能预分研究[J].中国铁道科学, 2011, 32 (6) :125-128.
营销研究与科学决策 篇9
一、企业营销决策支持的现状
(一) 进程
自1954年计算机信息处理实现以来, 决策支持方法共发生了五次变革, 实现了五次飞跃。从时间角度而言, 自20世纪50年代之后决策支持技术每隔十年就会发生一次重大发展, 在五六十年代期间, 决策支持技术第一次形成了事务处理系统, 又称电子数据处理系统, 之所以被称为数据处理系统, 是因为他具备处理多种数据和报表的功能, 使用人群也都是部分低层职员, 使用领域较小, 可提升空间较大;在六七十年代期间实现了第二次飞跃, 这一时间段又称管理信息系统阶段, 大幅度提升了处理信息、收集信息的水平, 其工作原理是组合信息并加以处理;在七八十年代期间实现了第三次飞跃, 由于计算机的快速发展, 信息处理实际需求的不断提升, 管理信息系统的简单功能已经难以满足使用者的实际需求, 且此管理信息仅适用于管理者, 消费者难以从此系统中获取自己所需的信息。因此, 七八十年代便出现了注重数据分析与建模定量分析的决策支持方法;在80年代末至90年代初, 日益形成了更有价值的智能决策支持系统, 这个系统是由IDSS系统结构与基于代理IDSS系统结构这两个系统代理组合而成, IDSS系统结构是基于决策支持系统融入了专家系统, 促进人机有效结合的实现, 可以依据人的不同需求进行相应的分析;90年代后至今实现了第五次飞跃, 此支持系统是最新的, 且融入了数据仓库处理与联机分析处理, 此种数据仓库具备自身特殊性, 虽然和传统数据库有着紧密联系的关系但同时也存在一定的差异性, 其功能强于数据库, 以及第一次促进数据和决策联动处理的实现。
(二) 现状
决策支持系统的发展过程中, 是先有的决策支持概念再有的决策支持系统存在。从当前决策支持系统来说, 依然存在一些局限性, 如难以充分运用历史数据, 历史数据效用的难以发挥, 在一定程度上增加了掌握数据发展趋势的难度, 以及增加了分析的难度。除了存在历史数据难以充分运用的问题, 还存在决策支持系统数据集成问题, 主要原因在于决策支持系统虽然可以利用数据分析功能处理与分析数据, 但这主要是针对现有问题的, 难以预测未来会发生的事情, 所以难以合理的应付未来发生的事情。在做决策时, 高层管理者所使用的数据是基于多种外围数据, 如期刊数据等, 而不是在合理采集与分析的基础上获取的真实有效数据, 这些外围数据的诚信度有待考察, 但很多高层管理都会依据这次数据作出决策, 这无疑影响了决策的有效性。另外, 决策支持系统面向的是大的数据, 没有合理分析细节数据, 从而影响了数据的真实性与准确性, 难以满意高层决策者的实际需求。
二、企业营销决策支持的功能
(一) 目标利润预测及决策
企业利润可以充分反映与衡量企业的财务成果, 而目标利润预测及决策是企业经营的开始。在企业总经营计划中, 目标利润是指在实际经营过程中企业需要达至的利润目标, 属于事前计算利润的一种, 并紧密联系着预计销售收入与产品目标成本, 因此目标利润预测及决策对企业经营决策有着决定性影响, 且是企业决策支持不可或缺的问题。
(二) 销售量、销售额的预测及决策
目标利润的实现需要预测出实现的目标销售额与销售量, 以为决策奠定较为合理的参考, 以及需要在保本的情况下预测出实现销售额与销售量的数量, 所以保本销售量、销售额的预测及决策应运而生。值得注意的是, 若产品价格或者产品成本发生变动, 加之多种因素的影响, 这时还需要关注与重视影响保本销售量、保本销售额、目标销售量、目标销售额的因素。
(三) 产品价格决策
定价决策作为企业营销决策中较为敏感且不可或缺的因素, 其潜移默化地影响着市场对于产品的认可程度, 并对市场需求、企业利润、多方面利益有着重要作用。所以, 在制定产品价格时, 不仅需要关注产品成本补偿、企业利润获取, 而且需要关注消费者的消费习惯与心理承受力。由于产品销售量与市场需求都不是一成不变的, 所以需要定期调整产品生产经营, 提升产品的价格或降低产品的价格便是措施之一, 企业可以结合产品价格的提升与降低实行定价决策, 从而促进企业经济效益的提升。
(四) 促销决策
信息技术发展为市场营销注入了新的活力, 且丰富了促销方式。网上促销、网上广告与网络形象等逐渐展现出较为强大的新鲜力, 基于互联网, 可以为消费者与企业创建和谐的互动模式, 增加他们之间的沟通与交流, 消费者能够直接向企业询问问题, 如产品问题、服务问题;企业则可以利用相应技术将产品内容、服务内容展示于消费者, 并回复消费者的所有询问。
(五) 物流决策
电子商务流程的实现离不开物流, 正确合理物流决策的制定, 有利于减少成本费用、提升竞争实力、提升服务态度, 以及有利于促进消费者购物的便利性、促进企业效益的提升。
(六) 销售税金决策
销售税金指的是从销售收入里抵扣的税金, 主要涉及产品税、城建税与增值税等, 所以销售税金决策需要从产品税、城建税与增值税等角度出发, 即预测与决策产品税、预测与决策城建税、预测与决策增值税等。
(七) 盈利分配决策
利润分配需要兼顾多方面的利益, 如国家、个人与企业, 从而推动国民经济的健康发展, 保障企业再生产能力的扩大, 促进企业职员经济利益的提升。
三、企业营销决策的影响因素
(一) 宏观环境因素
营销宏观环境指的是企业产生市场机遇与环境胁迫的重要社会力量, 主要是由人文环境、法律环境、自然环境、政治环境与技术环境等组成, 且这些力量是企业难以管制的变量。
(二) 微观环境因素
营销微观环境指的是对企业服务其消费者能力产生的多种力量, 主要是由企业本身、各种公众、市场营销中介、竞争者与市场等组成。
(三) 广告费投入
在营销活动过程中, 企业为了更好地推动促销策略的实现, 需要投入相应的广告费用。一定程度上说, 广告费投入数额潜移默化地影响着消费者实际需求量, 即消费者对于企业产品的实际需求量会随着广告费投入数额的增大而增大, 但在广告费增至一定数额时, 因广告费增加而拓展的需求量也会变得有限制。
(四) 产品价格、质量
从产品价格角度而言, 产品价格作为企业推动产品市场销售的促销手段之一, 既是影响产品销售的敏感因素, 又是产品销售不可或缺的因素。基于分析产品价格变动对产品市场需求量形成的影响, 将有利于帮助企业了解与掌握价格与销售量间的关系, 合理确定企业产品的销售价格。通常情况下, 消费者实际需求量会随着价格的上涨而减少, 消费者实际需求量会随着价格的降低而上涨。可见, 价格变动潜移默化地影响着消费者购买结构。从产品质量角度而言, 产品质量越好越可靠, 消费者购买的欲望越高。
(五) 消费者爱好及收入
从消费者爱好角度而言, 消费者爱好是丰富多变的, 所以相应的产品需求量也会随之发生变化。从消费者收入角度而言, 通常, 产品需求量会随着消费者收入的增加而增加, 反之则会减少。
基于上述这些情况, 需要创建相应的企业营销决策支持系统, 从而帮助企业相应决策人员合理分析多种促销手段对企业销售的影响, 以及确定更加适宜的促销决策规划。互联网背景下, 企业营销决策的环境较为繁杂, 市场竞争较为激烈。在销售决策中, 很多问题的明确肯定都需要取决于决策人员的丰富经验, 因此, 在设计DSS系统结构过程中, 需要突出这一特征, 不仅需要充分发挥职员的判断力与创造力, 而且需要充分合理运用系统供给的定量分析, 并加以融合, 基于人机的对话, 进行分析与比较, 从而为合理决策奠定良好的基础。
四、网络经济时代企业营销决策支持方法研究
从表面上看, 企业的发展、生存和营销决策支持方法没有什么联系, 但一定程度上说营销决策支持方法直接影响了企业的发展和生存, 并对企业的发展和生存有着决定性作用。为了在网络经济时代下更好地生存与发展, 企业就需要拓展市场, 而市场的拓展需要大量合理科学信息的支持, 因此, 如何获取与运用这些信息是现在企业的首要任务。如何获取与运用这种合理有效的信息其实是指营销决策支持方法问题, 现阶段营销决策支持方法依旧存在一定的问题, 有待强化与健全。
(一) 数据仓库的创建
相比于传统营销决策系统数据, 数据仓库促进了在数据分析方面的提升, 其实数据与数据仓库定义有着一定的联系, 即它们有利于适应用户分析和处理数据系统的需求。数据仓库的主要特点在于其具备较大的信息储存量, 并加以合理管理, 且可以促进数据实时更新的实现, 但不会影响数据的稳定性。它可以在充分了解与掌握新型技术的基础上使用此技术, 以保障各数据的统一性, 从而状态传统数据库处理数据的模式, 即互相抽取各数据库间的信息, 导致数据库难以统一, 增加了用户辨别信息真伪的难度, 难以依据现有信息作出合理有效的决策。值得注意的是, 数据仓库的创建并不代表着直接替代原有数据库, 而是基于传统数据加以提高与健全, 因此它的结构与传统数据库是统一的。
(二) 数据挖掘技术
尽管传统数据库搜集并储存了较多的信息, 但因为其他技术能力的局限, 在一定程度上阻碍了大多数数据的挖掘和应用。新型决策支持系统虽然可以提取出数据库里暗藏的相关数据信息, 从而发现信息中的联系, 充分挖掘数据之间的潜在联系, 找出较为有效的信息。与此同时, 还可以基于分析和处理传统信息进一步预测信息的实际发展趋势, 为领导者和用户预测发展趋势奠定良好的基础, 因此数据挖掘技术具有实用性和预测性的特征。
(三) 联机分析处理技术
自20世纪90年代以来, 为了更好地适应企业高层领导者对决策支持的新需求, 对数据加以繁琐的分析操作, 实现人机的有效结合, 科学家不断尝试与探索, 于1993年研究出联机分析处理技术, 并加以提及。此技术要求有利于为用户提供较为直观的数据多维概念视图, 通常情况下, 我们对事物的了解会随着维数的增大而加深, 传统决策支持系统仅局限于两维数据分析和处理的提供, 这无疑在增加了用户的理解难度与运用难度。加之数据仓库的创建, 促进了各数据资源共享及数据统一性的实现, 因此联机分析处理结果有着较强的共享性, 可以让更多的用户感受与体会到联机分析处理技术的益处。
结论
总之, 信息快速发展的今天, 全球步入了网络经济时代, 市场竞争日益激烈, 企业为了更好地生存与发展, 自然需要实行市场掠夺, 而市场掠夺的顺利进行在一定程度上取决于信息的掌握、信息的筛选、信息的分析、信息的处理、信息的决策、信息的实施, 可见做好这些工作尤为重要。
摘要：在企业营销领域, 基本上每一年都会革新思想和技术, 究其缘由, 消费者的实际需求不断提升与改变, 进而对企业有了更高的要求。在计算机和互联网快速发展的今天, 以数字化为基础的信息技术逐渐演变成了企业成败的重要技术, 无论是企业还是消费者获取的信息日益增多与复杂, 所以如何运用这些信息是现在企业的首要任务。因此, 文章就网络经济时代企业营销决策支持方法研究进行了分析与探讨。
关键词：网络经济,营销,决策
参考文献
[1]张弘韬.基于网络经济的企业战略创新研究[J].企业改革与管理, 2015 (24)
营销研究与科学决策 篇10
1. 我国现阶段网络营销发展状况
1.1 交易金额
2010年, 我国网络购物全年市场交易金额达到5231亿元, 较2009增长109.2%。同时, 网络购物市场在我国社会消费品市场中的地位也在持续攀升。2008年网购市场交易额占全年社会消费品零售总额的比例为1.1%, 2009年上升到2%, 2010年提升至3.3%。网络购物逐渐成为网民常态的消费方式。
1.2 商品类别
网络购物商品生活化趋势更加明显。2010年, 网络购物市场上销售最旺盛的商品是服装鞋帽, 购买的用户比例为70.1%。电脑数码产品是购买用户群第二大的商品, 购买的用户比例为31.6%。与电脑数码产品购买用户规模相当的是图书音像制品, 购买的用户比例为31.4%。充值卡、游戏点卡等虚拟卡购买的用户比例也达到了27.7%。
从网购市场各类商品交易金额所占份额看, 电脑通信数码产品及配件占交易金额的比例最高, 达到26%;其次是服装鞋帽, 为24%;第三位的是充值卡、游戏卡等虚拟卡;家用电器占比为9%;家居百货为9%。
1.3 网购频次
2010年, 我国网购用户购买频次有了显著的提升, 网购用户半年平均网购次数达到10次, 较2009年增加4次。同时, 半年网购10次以上的用户占比提升较快, 达到22.1%, 较2009年上升11.2个百分点。
1.4 用户规模
随着我国电商企业服务能力和影响力不断提升, 团购等新型业态迅速发展, 网上商品的价格优势深入人心, 网购的优势进一步凸显, 促使更多的用户被吸纳进入网购消费者的队伍。2010年, 我国网购用户规模继续增长, 网购渗透率进一步提升。截至2010年12月, 网络购物用户规模达到1.61亿人, 网购渗透率达到35.1%。“十一五”期间, 我国网络购物用户数增长了4.8倍, 网购用户渗透率提升了10.6个百分点。
1.5 网购的消费者动机
追求方便快捷、价格便宜是用户进行网购的主要动机。有50%的用户认为方便快捷是其使用网购最主要的原因。在追求便捷的消费心理推动下, 大而全的购物商城和每日一团的团购网站得到了快速发展。其次是价格便宜, 有24.8%的用户网购最主要的原因是价格便宜。还有9.1%的用户为了节省时间而网购。主要由于时尚有趣而选择网络购物的用户有4.3%。看到周围人在网上买东西而开始网购的用户有1.7%。
2. 影响网络消费者购买的主要因素
2.1 产品
网络市场不同于传统市场, 并不是所有的产品都适合网上销售和开展网上营销活动。网上销售的产品应为新产品或时尚类产品, 追求产品的时尚性和新颖性是许多青年消费者的购买动机。同时, 还有考虑产品的购买参与程度, 如果有的产品要求消费者参与程度高、需要现场消费体验、需要很多人提供参考意见则不适合网上销售。
2.2 价格
价格是影响消费者购物的重要因素。一般来说, 价格与需求量之间经常表现为反比关系, 同样的商品, 价格越低, 销售量越大。网上购物之所以具有生命力, 重要的原因之一是网上销售的商品价格低廉。另外, 消费者对于互联网有一个免费的心理预期, 一方面是由于互联网的起步和发展都依托了免费策略, 另一方面也是由于网络营销可以减少传统营销中的中间费用, 大大削减产品成本。这也是互联网商业应用的巨大增长潜力所在。
2.3 购物的便捷性
一般来说, 在购物的便捷方面, 消费者选择网上购物是处于两方面的考虑:一是时间上的便捷, 既不受时间的限制并节省时间;二是可以足不出户, 在很大范围内选择商品。
2.4 安全可靠
购物的安全可靠性是网上消费者非常关心的问题, 因为, 网上消费一般需要先付款后送货, 这与过去一手交钱一手交货的购物方式大不一样, 消费者产生了失去控制的离心感。因此, 在网上购物的各个环节必须加强安全控制措施, 保护消费者购物过程的信息传输安全和个人隐私保护, 以及树立消费者对网站的信心。
结论与对策
网络营销展现在人们面前的是美妙的远景和无限的商机, 同时也是严峻的挑战和生存的危机。探讨中国消费者的购物决策风格, 挖掘潜在的影响消费者购物决策的社会因素、文化因素和心理因素等, 深刻理解我国消费者的购物决策风格。这对于消费者行为研究;对消费者教育, 为消费者提供咨询, 以及企业如何进行广告宣传和目标市场细分等都有现实的意义。消费者的购物决策行为的七因素模型在一定程度上描述了消费者的购物行为特征, 这对通过电子营销为主要手段的网络卖家在制定产品、定价以及促销等方面的市场营销战略时, 提供了决策依据。消费者在网络购物中, 往往倾向于买便宜的、口碑好的网络卖家的产品, 针对消费者喜欢便宜、快捷以及有促销活动的特点, 那么企业就必须考虑这些影响因素。本文涉及的仅仅是网络营销情景下和购物决策部分影响因素。企业在进行具体的营销决策时, 还必须根据特定的产品和企业锁定的目标市场对特定的消费者群体作进一步的研究, 有明确针对性的研究结果对具体的营销策略将会提供更有针对性的网络营销决策参考意见。
参考文献
[1]黄明达, 喻正翔.国内网络购物消费者行为调查研究.第九届信息管理学术研讨会, 1998