پایان نامه ها

دانلود پایان نامه با موضوع بازاریابی، خوشه بندی، اطلاعات بازار، سودآوری

دی ۲, ۱۳۹۷

برده و چگونگی کارکرد آن را بویژه در تعریف و بهرهبرداری یک منطقه بازار و ساختن فروشگاه و مرکز خرید در موقعیت بهینه را بررسی نماید.
موارد زیادی میتوان دیدکه شرکتها تکنیکهای بازاریابی جغرافیایی را جهت سیاستهای فروش جدید با پیشنهاد یک پکیج نرمافزاری، مشخصات نقشهای، دیتابیسهای مدیریتی و غیرو بکار گرفتند. این روزها نیازهای واقعی شرکتها را شاهد هستیم که در حال اصلاح نرمافزارها برای عمومی کردن راه حلهای بازاریابی جغرافیایی هستند.
در سال 2010 گروهی از دانشجویان دانشگاه گنت بلژیک به نامهای
Koen Casier, Jan Van Ooteghem, Manon Sikkema, Sofie Verbrugge, Didier Colle, Mario Pickavet, Piet Demeester برای اپراتورهای مخابراتی تحقیقی با عنوان حداکثر نمودن درآمد حاصل از سرمایهگذاری جهت پیاده سازی شبکه فیبر خانگی با استفاده از دادههای جغرافیایی ونقشه سیستم اطلاعات جغرافیایی خیابانهای شهر گنت انجام دادهاند. در این تحقیق دادههای ورودی جغرافیایی( شامل تعدادی پارامترهای اجتماعی و جمعیتی مانند تعداد افراد خانواده، طیف سنی و ملیت) ، اطلاعات بازار یابی جغرافیایی، داههای سیستم اطلاعات جغرافیایی(عبارتند از زیرساخت های موجود ، انواع مختلف پیاده رو با هزینه های حفاری و ترانشه های مختلف ، شناسایی فن آوری ها با امکان گسترش( خاکی ، هوایی، … )) جمعآوری و روی نقشه شهر پیاده سازی گردید. با استفاده از این دادهها پارامترهای هزینه و پارامترهای درآمد اجرای شبکه در سه حالت پوشش کامل، پوشش حداکثر با سرمایه محدود و پوشش نقاط پردرآمد محاسبه و نتایج حاصل مقایسه و بهترین حالت معرفی گردید.
در همان سال گروهی دیگری از دانشجویان گنت به نامهای

Bruno Van Den Bossche, Raf Meersman, Jeroen Vanhaverbeke and Abram Schoutteet برای همان پروژه تحقیقی دیگر با عنوان تاثیر بازاریابی جغرافیایی روی پیاده سازی زیرساخت شبکه جدید مخابراتی انجام دادند.آنها از رویکردی دو مرحلهای(فازی) برای انجام تحقیقات بازاریابی جغرافیایی استفاده نمودند. در فاز اول جزئیات اطلاعات مربوط به هر مشتری را ترکیب کرده تا پروفایل کامل مشتری با استفاده از ابزار داده کاوی ساخته شود یک پروفایل با جزئیات مشتریان به طور معمول خروجی مطالعات بازاریابی اختصاصی می باشد. در فاز دوم خوشه بندی بطوری انجام گردید که مشتریان را با توجه به فاصلهشان جهت اتصال به مرکز و پروفایلشان گروه بندی نمودند. از آنجاییکه هر دو پارامتر درآمد متوسط ​​و سن متوسط اساس مهم ترین اطلاعات برای خوشه بندی می باشند، رویکرد دوم شروع خواهد شد. در ابتدا خانوادهها با توجه به علاقمندی مورد انتظار برای پذیرش تکنولوژی جدید طبقه بندی شده سپس بر پایه دادههای مشتریان خوشه بندی گردید و سعی شد گروه بندی مشتری مطلوب پیدا شود و پس از خوشهبندی به لحاظ جغرافیایی و گروهبندی مشتریان براساس پروفایلشان، یک مدل اقتصادی ساخته شد تا نحوه و زمان سرمایهگذاری را به گروههای مشتری در مناطق مختلف تطبیق دهد.
اطلاعات اصلی، داده های خام مربوط به نقشه منطقه بوده، اما توزیع جغرافیایی متوسط​ درآمد​، سطح تحصیلات ، توزیع سنی جمعیت مهمتر میباشد. این پارامترها را می توان به هنگام ارزیابی طرح استقرار شبکه FTTx و در مرحله تعیین میزان پذیرش جمعیت بکار برد.
داده های بازاریابی جغرافیایی
مجموعه اطلاعات بازاریابی جغرافیایی مورد استفاده شامل یک پایگاه داده برای هر آدرس در شهر بوده که شامل تعدادی پارامترهای اجتماعی و جمعیتی مانند تعداد افراد خانواده، طیف سنی و ملیت می باشد. بر اساس این اطلاعات و با استفاده از شبیهسازها یک طبقه بندی از ساکنان شهر انجام شده است بطوریکه ما میتوانیم تفاوت های قابل توجهی در میزان پذیرش در محله های مختلف انتظار داشته باشیم. این امر نشان دهنده این واقعیت است که انتظار می رود انواع مختلف خانواده ها رفتار پذیرش متفاوت داشته باشند. مشتریان احتمالی را به دستههای گوناگون میتوان تقسیم نمود، به عنوان نمونه سه دسته بصورت زیر انتخاب گردیده که برای هر دسته کاربر، میزان پذیرش مشخصی پیشنهاد شده است.
خانواده احتمالا جوان دارای فرزند
خانواده سالمند که به تنهایی زندگی میکنند
خانواده غیر بومی
گروه خانوادههای جوان، جمعیت ادراک کننده فنآوری هستند ، هم پدر و مادر و هم فرزندان با اینترنت ، بازی آنلاین، تلویزیون دیجیتال و غیره آشنا هستند این گروه معمولابه محض در دسترس قرار گرفتن فنآوری، میزان پذیرش آنها بالا می باشد.
خانوادههای سالمند به فنآوری علاقمند نیستند و یا بسیار آهسته فنآوریهای جدید را میپذیرند. با این حال، در منطقه مورد مطالعه فرض شد تعدادی از برنامههای سلامت الکترونیکی که نیازمند دسترسی به اینترنت پرسرعت می باشد در سال آتی راه اندازی میشوند ، بنابراین میزان پذیرش افراد مسن افزایش مییابد .
نرخ پذیرش پایین در میان خانوادههای غیر بومی را می توان به استفاده از تلویزیونهای ماهوارهای و استفاده خاص از کانال های تلویزیون بین المللی نسبت داد. به این ترتیب برای این گروه از خانواده ها احتمال پذیرش بسیار کم بوده و در نتیجه میزان علاقهمندی کم میباشد.

نمودار 2-7 نرخ پذیرش برای سه دسته مورد بحث در جامعه.
طبقات باقی مانده متغیری از این سه دسته هستند و منحنی پذیرش آنها تقریبا مشابه بوده اما نرخ پذیرش نهایی بین20٪ تا 80٪ متغیر میباشد.
پارامترهای هزینه :
هزینه به ازای هر واحد از تجهیزات و نیروی کار محاسبه و در جدو
ل
زیر نشان داده شده است.
جدول 2-1 قیمت مهم ترین عوامل دخبل در هزینه کل شبکه
هزینه/یورو
واحد
30-60 یورو بر متر بسته به نوع زمین(خاکی،سنگی،….
حفاری
هزینه حفاری*6
حفاری عرضی(خیابان)
5 یورو بر متر
کانالکشی
.125 یورو بر متر
فیبری نوری 1 تار
1یورو بر متر
12 تار
2.5 یورو بر متر
144تار
10 یورو
مفصلبندی
12.5 یورو
مفصل

پارامترهای درآمد
براي تخمين يا محاسبه درآمد شبکه FTTHبرخی موارد را بعنوان پیش فرض درنظر میگیریم، بعنوان مثال مدلهای درآمدی پیچیده از جمله افزایش درآمدهای ناشی از خدمات ارائه شده روی شبکه FTTH در نظر گرفته نمیشود. در عوض فرض میکنیم که برای هر مشترک یک هزینه ثابت در ماه کنار گذاشته شده است که منحصرا برای پرداخت هزینه های استقرار شبکه FTTHميباشد. بدیهی است که تنها بخشی از هزینه ماهیانه مربوط به هزینههای پیاده سازی است، اما فرض می کنیم که هزینههای عملیاتی OPEX مربوط به شبکههای FTTHبسیار پایین تر ازCAPEX می باشد.
در محاسبات درآمد، به منظور اجتناب از پیچیدگی غیرضروری جریان نقدی تنزیل شده به حساب نیامده است، در حالیکه نتایج بدست آمده را میتوان بر اساس آن تفسیرکرد. به حساب آوردن جریان نقدی تنزیل شده، اعداد نهایی در ارزیابی را تحت تاثیر قرار خواهد داد و دلالت بر زمان طولانی برای بازگشت سرمایه گذاری اولیه دارد ولی تاثیری روی تفاوت نسبی بین سناریوهای مختلف ارزیابی شده ندارد.
نتایج بررسی
نخست هزینه اجرای شبکه برای پوشش کامل منطقه محاسبه شده سپس فرض شده است یک بودجه ثابت 8m$ برای سرمایه گذاری روی پیادهسازی شبکه اختصاص یافته است. بر اساس این بودجه، ابتدا شبکه را با توجه به ایجاد بالاترین پوشش ممکن طراحی کرده سپس در سناریوی دوم، شبکه برای تولید بالاترین درآمد طراحی میگردد. در نهایت این نتایج با هم مقایسه میشوند.
پوشش کامل
در این سناریو، مسیر فیبرنوری برای همه خانهها در منطقه فراهم میشود، کل هزینه پیاده سازی برابر 31.7M EUR برآورد میشود، این هزینه برای هر خانه بالغ بر 901 EUR میباشد. پس از 10 سال، مجموع درآمد حاصل 22.4M EUR تخمین زده میشود، که براساس میزان پذیرش کلی برابر 41٪ است. این بدان معنی است که سرمایهگذاری اولیه تنها برای2/3 منازل پس از 10 سال بر میگردد. بنابراین نقطه سر به سر براساس این فرضیات، 14 سال خواهد بود.
پیاده سازی محدود(حداکثر پوشش)
اگر به دلیل محدودیت بودجه یا درآمد ناکافی سناریوی پوشش کامل عملی نباشد ، اپراتورها معمولا از شیوه توسعه نسبی استفاده میکنند. اصل مهم در این سناریو انتخاب جذاب ترین خوشه ها ( خانه ها) برای اتصال میباشد بطوریکه بتوان پوشش حداکثر را با توجه به بودجه محدود ایجاد نمود .
با توجه به بودجه8M$ ،17150 خانه (48.8٪) انتخاب شده است، اگر این میزان را با سرمایه گذاری (31.7 M $) برای پوشش کامل مقایسه کنیم، روشن است که تنها 25 درصد از بودجهی پوشش کامل نیاز است. در این سناریو با توجه به کاهش50 درصدي هزينه اجرا به ازاي هر مشترک (هزینه متوسط 465$ به ازای هر خانه) در مقابل سناریوی پوشش کامل، تأثیر مثبت زیادی روی کسب و کار برای شبکه FTTH در این منطقه دارد.
تخمین درست رشد تدریجی نرخ پذیرش و انتخاب 17150 خانه در این شبکه بر اساس اطلاعات بازاریابی جغرافیایی امکان پذیر میگردد که با انجام این کار نرخ پذیرش کلی 35% بدست میآید ، متناظرا پیشبینی میشود حدودا 5850 خانه طی 5 تا 10 سال آینده مشترک شبکه FTTHگردند. همچنین درآمد حاصل طی مدت بیشتر از 10 سال مجموعا به 8.9M$ بالغ میشود، که بالاتر از سرمایهگذاری اولیه8M$ می باشد لذا نقطه سر به سر( بدون در نظر گرفتن تخفیف جریان وجوه نقد ) در زمان کمتر از 9 سال حاصل میگردد.
پیاده سازی محدود (حداکثر درآمد)
روش دیگر برای تعیین خوشههای بهینه برای پیادهسازی شبکه FTTH ، انتخاب آن دسته از خوشههایی است که احتمال تولید بالاترین درآمد با کمترین هزینه در آنها بیشتر است. با توجه به دادههای بازاریابی جغرافیایی و پیش بینی نرخ پذیرش جمعیت در همه خوشه ها، برآورد دقیقی از درآمد مورد انتظار هر خوشه بعمل میآید. سپس با ترکیب کردن پیشبینی درآمد هر خوشه با برآورد هزینههای استاندارد برای هر خوشه ارزیابی سودآوری هر خوشه انجام میگیرد .
انتخاب سودآورترین خوشهها با توجه به محدودیت بودجه 8M $ به انتخاب مجموعه ای از 14،391 خانه ( 40.9 ٪ ) منتج میگردد که به طور قابل توجهی پایینتر از میزان خانههای قابل اتصال در سناریو حداکثر پوشش (48.8٪) می باشد، متوسط ​​هزینه هر خانه قابل اتصال به 566$ افزایش مییابد.
با این حال، زمانی که میزان پذیرش تخمین زده شده برای مجموعهای از خانه ها بررسی میگردد، در می یابیم که تعداد کل خانههای متصل به حدود 6560 و یا 46 درصد از خانه هاي قابل اتصال میرسد ، که افزایشی در قیاس با سناریوی حداکثر پوشش در هر دو حالت اعداد نسبی و مطلق دارد.
سناریوی پوشش کامل در دستیابی به نقطه سر به سر طی 10 سال عملکرد شبکه، موفق نیست. جدول 2 بطور خلاصه نشان می دهد که با استفاده از داده های GIS (حداکثر پوشش) بهمراه دادههای جغرافیایی (حداکثر درآمد) میتوان برای به دست آوردن یک شبکه با سودآوری بالاتر به انتخاب یک مجموعه از خانه های بهینه کمک شایانی نمود. لازم به ذکر است میزان بودجه در هر دو سناریوی پیادهسازی نسبی یکسان است. نرخ پذیرش در سناریوی سوم به طور قابل توجهی بالاتر میباشد، که منجر به انتخاب تعداد بیشتری خانه برای اتصال و در نتیجه 13.5 درصد درآمد بالا
تر میشود، اگر چه تعداد خانههای پذیرفته شده پایینتر است.
جدول 2-2 مقایسه سناریوهای مختلف پیاده سازی شبکه با بکارگیری دادههای بازاریابی جغرافیایی(مبالغ به یورو میباشد)
حداکثر درآمد
حداکثر پوشش
پوشش کامل

8M
8M
31.7M
بودجه
40.9%
48.8%
100%
خانه های پذیرفته شده
14.391
17.150
35.131

45.5%
34.1%
41%
خانههای متصل(درصدی از خانه های پذیرفته شده)
6.560
5.850
14414

556
456
901
هزینه/خانههای پذیرفته شده
1219
1367
2199
هزینه/خانههای متصل
10.61M
8.93M
22.4M
درآمد پیشبینی شده برای 10 سال
27%
11.6%
30%-
ROI

2 – 13 – خلاصه فصل دوم
با توجه به جدید بودن موضوع پژوهش هم از منظر ادبیات موضوع و هم از منظر مطالعات انجام شده ، محقق در تدوین فصل با مشکلات زیادی مواجه شده است. لذا هدف محقق در این فصل بیشتر معطوف به توسعه هر چند کوچک گردآوری و تدوین ادبیات موضوع

No Comments

Leave a Reply