شرکت‌ها برای برآورده کردن نیازهای خاص مصرف‌کنندگان رقابت می‌کنند. بازار و محصولات موجود در عرصه رقابت، تشکیل‌دهنده « بازار-محصول » [۱]با محدوده‌ای مشخص هستند. شناسایی مرزهای هر بازار-محصول و بررسی قدرت رقابت میان برندهای داخل آن از چند دهه پیش دغدغه مهمی برای مدیران بوده است. این مسئله تأثیراتی بر طراحی محصول، موقعیت‌گذاری محصول، جذب مشتری جدید و تصمیمات مربوط به قیمت‌گذاری و تبلیغات دارد. در ادامه با ما در راهبر بازار همراه باشید.

اما افزایش سریع تغییرات در محیط رقابتی، شناسایی مرزهای بیش از همیشه پویای بازار-محصول را به طور فزاینده‌ای چالش‌بر‌انگیز کرده‌است. کدهای طبقه‌بندی سنتی ممکن است دیگر کافی نباشند، به خصوص برای درک صحیح از تصورات و ترجیحات متغیر مصرف‌کنندگان نسبت به برندها.
پیشرفت‌های فناوری مرزهای بازار-محصول را تغییر می‌دهند. به عنوان مثال، دوربین‌های آنالوگ جای خود را به دوربین‌های دیجیتال دادند، سپس با پیشرفت‌های تکنولوژیکی در حوزه کاملاً متفاوتی مثل تلفن‌های هوشمند، بازار-محصول دوربین‌های دیجیتال نیز به شدت متحول شد.

 امروزه شرکت‌ها به طور فزاینده‌ای وارد بازار-محصول‌هایی می‌شوند که قبلاً در آن‌ها رقابت نمی‌کردند. به عنوان مثال، آمازون که تا به حال یک پلتفرم فروش اجناس به صورت آنلاین بود، با خرید سوپرمارکت زنجیره‌ای هول فودز (آفلاین)، مرزهای بازار-محصولی را که پیش از آن در آن فعالیت می‌کرد رد کرده و خود را به برندهای سنتی فروش محصولات خوراکی به عنوان یک رقیب جدید و خلاق تحمیل کرد. به همین ترتیب، شرکت ویرلپول، بزرگترین تولیدکننده لوازم خانگی جهان، یاملی، یک موتور جستجوی دستور پخت غذا با ۲۰ میلیون کاربر را خرید تا به محبوبیتش بیافزاید و به چگونگی نحوه پخت و پز مصرف‌کنندگان بالقوه خود دسترسی نزدیک‌تری داشته باشد.
واقعیت این است که بازار-محصول‌ها اکنون پویاتر از هر زمان دیگری هستند. با توجه به پتانسیل برقراری روابط جدید و غیرمنتظره میان برندها، مدیران نیازمند بررسی عمیق‌تری درباره مرزهای متغیر بازار-محصول‌ها هستند.

اما مدیران چگونه می‌توانند به طور دقیق، تهدیدها و فرصت‌های بالقوه به ویژه آن‌هایی را که در بازار محصول‌های مختلفی هستند را شناسایی کنند؟

روش‌شناسی:

این مطالعه جدید از مجله بازاریابی به سوال بالا پاسخ می‌دهد و با استفاده از داده‌های بزرگی (بیش از صد میلیون لایک، به اشتراک‌گذاری و کامنت برگرفته از تعاملات کاربران در فیس‌بوک)، که هزاران برند در دسته‌ها و خدمات مختلف را در بر می‌گیرد، بینش‌های بازاریابی متعددی را استخراج می‌کند. به این ترتیب، این نگاه به جای استفاده از روش‌هایی که بر داده‌هایی برگرفته از مراحل پایین‌تر فرآیند خرید، مانند ارزیابی داده‌های خرید و یا مقایسه قیمت، تکیه دارند و فرض می‌کنند که مرزهای بازار از پیش مشخص شده است، و نیز بر خلاف روش‌هایی که از داده‌های مراحل بالاتر قیف خرید استفاده می‌کنند ولی مرزهای بازار-محصول را پیشینی ثابت تعریف کرده و سپس رقابت را در مرزهای مشخص‌شده بررسی می‌کنند، با استفاده از داده‌های نامحدود تعامل کاربران با برندها در مراحل اولیه فرایند خرید (مانند لایک و نظرگذاری روی پست‌های برندها)، بازنمایی جامع‌تری از نسبت میان برندها ایجاد می‌کند. این داده‌ها مرزهای متغیر محصول-بازار را پوشش داده و امکان شناسایی فرآیندهای تاثیرگذار و روابط پنهان میان برندها را فراهم می‌کنند.

این مطالعه نشان می‌دهد که دو برند می‌توانند به هم نزدیک باشند، حتی اگر در دسته‌های کاملاً مختلفی از SIC[۲] قرار گرفته باشند. به عنوان مثال، خوشه شامل برندهای خودروهای داخلی و وارداتی غیرلوکس مانند تویوتا، نیسان، مزدا و همچنین برندهای لوازم جانبی خودرو مانند میشلین، دنسو و قطعات خودرو را در نظر بگیرید. بر اساس داده‌های این نقشه خوشه‌ای متشکل از چندین برند خودروی لوکس مانند بی‌ام‌و، مرسدس بنز، آئودی، تسلا و مازراتی وجود دارد که به خوشه ۱ نزدیک نیستند و در ناحیه‌ای متفاوت و دور از آن‌ها، و نزدیک‌تر به برند‌های لوکس دیگری مانند برند ساعت/جواهرات کارتیر، یا برندهای فشن و آرایشی مانند گوچی، شنل و… قرار دارند. این جداسازی نشان می‌دهد که این روش نه تنها می‌تواند روابط پنهان موجود میان برندهای یک صنعت مشخص را نشان دهند، که این توانایی را دارد که آن‌ها در ابعاد مختلف، از جمله قیمت و سطح لوکس بودن، دنبال کند. قدرت این روش در سهولت نمایش روابط پیچیده میان هزاران برند است که با اینکه هریک در بازار-محصول‌ های متفاوت و با مرزهای متغیر و گاهاً روی‌هم افتاده قرار گرفته‌‌اند، می‌توان میزان تعامل آن‌ها در یک «نقشه ساختار بازار» به تصویر درآورد.

یادگیری عمیق برای تحلیل ساختار بازار

در این روش با استفاده از داده‌های انبوه برگرفته از تعاملات میلیون‌ها کاربر رسانه‌های اجتماعی ، یادگیری عمیق[۳] و تکنیک‌های یادگیری شبکه و بازنمایی[۴] به کار برده می‌شود تا بتوان درک درستی از ساختار بازار داشت. هر یک از تعاملات کاربران با برندها که ممکن است به صورت لایک کردن یا به اشتراک‌گذاری پست‌های برند باشد، به عنوان یک لینک برند-کاربر مورد مطالعه قرار می‌گیرد. برای تصویر کردن بصری خوشه‌های برندهای مرتبط، از یکی از روش‌های کاهش ابعاد، مانند t-SNE استفاده می‌شود که می‌تواند داده‌های با ابعاد بالا (۳۰۰ بعد در این مطالعه) را به فضایی با ابعاد پایین‌تر (مانند دو یا سه بعد) نگاشت کند. این روش برای تجسم بازنمایی‌های یادگرفته‌شده از شبکه‌های عمیق بسیار مناسب است. t-SNE فاصله نقاط داده را به خوبی حفظ می‌کند، به طوری که نقاط نزدیک در فضای با ابعاد بالا در فضای با ابعاد پایین‌تر نیز نزدیک خواهند بود و نقاط دورتر نیز فاصله بیشتری از هم خواهند داشت. نزدیکی دو برند در «نقشه ساختار بازار» به این معناست که بازنمایی آن‌ها در فضای ۳۰۰ بعدی مشابه است.

نقشه ساختار بازار به مدیران کمک می‌کند تا برندهایی را که خارج از بازار-محصول ولی نزدیک به برند آن‌ها هستند را شناسایی کنند. به عنوان مثال، خطوط کشتی کروز دیزنی و هتل هایت هر دو برندهایی خارج از بازار-محصول خطوط هوایی هستند، اما به عنوان برندهایی نزدیک به هواپیمایی ساوت‌وست شناسایی می‌شوند، و نه نزدیک به هواپیمایی گران‌تر یونایتد. چنین یافته‌هایی می‌تواند فرصت‌هایی را برای ساوت‌وست فراهم کند تا کاربران علاقه‌مند به کروز دیزنی و هتل هایت را در شبکه‌های اجتماعی مورد هدف قرار دهد. ساوت‌وست و کروز دیزنی، یا هتل هایت می‌توانند در وب‌سایت‌های یکدیگر همکاری تبلیغاتی کنند یا برنامه‌های وفاداری مشترک راه‌اندازی کنند. از دیدگاه سایر هتل‌هایی که با هتل هایت رقابت می‌کنند، دریافت چنین بینش‌هایی از همان ابتدا می‌تواند به آن‌ها کمک کند تا اقداماتی پیشگیرانه در نظر بگیرند.

نتیجه‌گیری:

تحقیقات نشان می‌دهد که مدیران می‌توانند از داده‌های مشارکت کاربران در شبکه‌های اجتماعی به طور گسترده و با دقتی که منابع دیگر نمی‌توانند به راحتی به پای آن برسند، بینش‌های بسیار مفیدی به دست آورند. قدرت روش ذکر شده در توانایی آن در ثبت لحظه‌ای تغییرات و پویایی در ساختار بازار نهفته است. از آنجایی که نقشه‌ها بر اساس تحلیل داده‌های بزرگی هستند که می‌تواند در زمان کوتاهی جمع‌آوری شود، این روش می‌تواند تغییرات در موقعیت نسبی برندها را در هنگام معرفی محصولات جدید، تبلیغات جدید و ابتکارات بازاریابی جدید دنبال کند. شرکت‌ها می‌توانند از این روش برای بهبود تلاش‌های بازاریابی خود با هدف‌گیری بهتر مشتریان بالقوه از گروه‌های مختلف استفاده کنند.

[۱] در این مقاله، مفهوم Product-Market «بازار-محصول»، به چشم‌انداز رقابتی پیرامون نیازها یا خواسته‌های خاص مصرف‌کنندگان اشاره دارد که مرزهای بازار را تعریف می‌کنند. با استفاده از تعاملات در شبکه‌های اجتماعی، هوش مصنوعی روابط بین برندها را تحلیل می‌کند تا مرزهای سیال و همواره متغیر بین بازار-محصول‌ ها را آشکار کند، و نشان می‌دهد که چگونه برندها حتی فراتر از دسته‌بندی‌های سنتی رقابت با یکدیگر همپوشانی دارند.

[۲] Standard Industrial Classificationکد چهار رقمی که صنایعی را که شرکت‌های مختلف در آن مشغول به کارند را طبقه‌بندی و دسته‌بندی می‌کند.

[۳] Deep Learning

[۴] ‌Network and Representation learning