چگونه مهندسی بازاریابی شکاف مابین تجربه و نظریه را در بازاریابی پر می کند؟ – بخش اول

کلمات کلیدی

بازاریابی، مهندسی بازاریابی، مدل های بازاریابی، سیستم های پشتیبان تصمیم گیری بازاریابی، کاربرد بازاریابی، ابزارهای بازاریابی

مقدمه

در چند دهه اخیر بازاریابی مبدل به یک رشته تحصیلی دانشگاهی و یک شغل کاملاً حرفه ای گردیده است. رشته بازاریابی باعث تولید مفاهیم بسیار مهمی شده و شیوه هایی را برای ترجمان این مفاهیم به عمل و تجربه ابداع نموده است. هنوز بسیاری از مدیران ارشد براین باورند که بازاریابی اساساً یک هنروفن بوده و شیوه مشخصی برای تعیین مواردی همچون امور مالی، تولید و آمار نمی باشد. بنابراین اعتقاد، شکافی مابین نظریه و عمل در بازاریابی ایجاد شده است و دریک زمان هردو برای تصمیم گیری بازاریابی به رقابت پرداختند که کافی نیست برنامه ها و هزینه های بازاریابی را مورد ارزیابی قرار دهید. چنانچه به این رشته به عنوان سرمایه گذاری نگاه کنید، بازاریابی به عنوان سرمایه آنی یک شرکت، راهی برای جذب و حفظ خریداران سودمندشان می دهد. بنابراین  برنامه های بازاریابی باید به گونه ای عمل کنند تا موارد و موانع دیگر جای او را نگیرند.

سالهای سال بازاریابی، الگوها و ابزارهای تصمیم گیری موفقی را تولید نموده که اندیشیدن در مورد مسائل بازاریابی را آسان تر می سازد. این قبیل الگوها می توانند به پیشرفت استراتژی ها و برنامه های بازاریابی و همچنین تعیین ارزش نهانی اجرایی این برنامه ها یاری برساند.تا همین چند سال اخیر، این الگوها تنها در اختیار مدیران معدودی که به دنبال آنها بودند، قرار داشتند. اگرچه با روی کار آمدن  رایانه ها و پدید آمدن نرم افزارهای مدل سازی برای تصمیم گیری، مدیران علاقمند شدند تا از این الگوها برای تصمیم گیری استراتژیکی و تاکتیکی خود بهره مند شوند.حوزه جدیدی به بازاریابی در حال پیوستن است که مهندسی بازاریابی نام دارد. این شیوه با ترکیب اطلاعات علوم، قضاوت های مدیریتی و تکنیک های رایانه ای کمک می کند تا راحت تر تصمیم بگیریم. مهندسی بازاریابی یکی از مهمترین ابزارها برای پر کردن فاصله مابین نظریه و عملکرد بازاریابی می باشد. در این مقاله مهندسی بازاریابی را توضیح داده، گرایشاتی که باعث رشد این رشته و مطابقت یافتن با مدیران می شود خلاصه نموده، منافع بالقوه و هزینه های آن را برشمرده و درآخر چند نمونه ازموفقیت های این شیوه را ذکر می کنیم. هنگامی که به برخی از یافته های مهم تحقیق اشاره می کنیم در می یابیم که چیزهای اندکی در مورد« چرایی» و میزان منافع مهندسی بازاریابی می دانیم. در پایان می گوییم که چگونه مهندسی بازاریابی می تواند درآینده ای نزدیک عمومیت یابد.

فرصت های مهندسی بازاریابی

مدیران بازاریابی تصمیماتی درباره طرح های تولید، قیمت، چگونگی و مکان توزیع، برنامه های فروش و از این قبیل اتخاذ می نمایند. در مرحله تصمیم گیری مدیران از میان گزینه های عمل در دنیای پیچیده و نامعلوم انتخاب می کنند. همانند تمام تصمیماتی که اتخاذ می شود، تصمیم گیری بازاریابی نیز مورد قضاوت قرار می گیرد. اکثرتصمیم گیری های سنتی برپایه الگوهای ذهنی، بینش و بصیرت و تجارب مدیران بوده است. در بسیاری از موارد مانند مدل های ذهنی، شاید تمام مدیران نیز یک احساس آسودگی خاطر نسبت به تصمیماتشان داشته باشند. هنوز این مدل های ذهنی به خطاهای سیستماتیک گرایش دارند و مستعد این خطاها هستند. هنگامیکه همه به ارزش تجربه پی می بریم می دانیم که آن تجربه برای هر فردی خاص خودش  است. هیچ راه عینی برای انتخاب مابین بهترین قضاوت برپایه تجربیات متفاوت تصمیم گیرندگان وجود ندارد. همچنین دربرخی موارد تجربه عاجز از انتخاب بهترین تصمیم  می ماند.  به عنوان مثال شاید مدیران فروش بودجه کمتری برای تبلیغات و بودجه بیشتری را برای فروش شخصی در نظر بگیرند، در حالیکه مدیران تبلیغات بودجه های خیلی بیشتری را برای تبلیغات ترجیح می دهند.

یک نگرش جایگزین، مدل ذهنی را برای تصمیمی که مربوط به تخصیص هزینه های تبلیغات  است، در نظر بگیرید. مدیران ممکن است ساختن یک مدل تصمیم صفحه گسترده (Spreadsheet) از چگونگی پاسخ بازار به سطح هزینه های تبلیغاتی را انتخاب کنند. سپس می توانند این مدل را برای کشف پیامدها و نتایج  سطوح هزینه تبلیغات قبل از تصمیم گیری بکار گیرند.

ترجمه یا برگردان سیستماتیک داده ها و دانش ( شامل قضاوت) به ابزاری که برای حمایت از تصمیم مورد استفاده قرار می گیرد، همان چیزی است که ما از آن به عنوان مهندسی بازاریابی (Marketing Engineering) یاد می کنیم. در مقابل به طور انحصاری تکیه و اعتماد به مدل ذهنی یک تصمیم گیرنده خاص بدون استفاده از هیچگونه سیستم پشتیبان، آن چیزی است که ما آن را بازاریابی مفهومی یا ذهنی (Conceptual Marketing) می خوانیم. راه سوم هم این است که به ابزارپشتیبان اجازه دهیم تصمیمات را خودش اتخاذ نماید.

برای مثال Coverstory به طور خودکار اطلاعات داده شده را تجزیه و تحلیل می کند و بازاریابی هم از توصیه های مستقیم آن تبعیت می کند. به این حالت بازاریابی خودکار(Automated Marketing) گفته می شود. اگرچه، با توجه به پیچیدگی ذاتی مسائل بازاریابی به نظر می رسد برای بیشتر تصمیم گیری های بازاریابی ترکیب ابزارآن و قضاوت تصمیم گیرنده بهترین نتیجه را خواهد داشت، البته پرداختن به فلسفه این مسئله ورای مفهوم مهندسی بازاریابی است.

نمونه های مستندی از کاربرد موفقیت آمیز مهندسی بازاریابی وجود دارد که عبارتند از: ABB الکتریک که یک تولید کننده تجهیزات تولید نیرو می خواست فروش و سهم بازار خود را در صنعت که ۵۰% افت پیدا کرده بود افزایش دهد. با تجزیه و تحلیل دقیق و پی گیری و شناسایی ترجیحات خریداران و عملکردهای شرکت مشخص شد که باید روی چه خریدارانی سرمایه گذاری کرده و چگونه برای آنها تبلیغ نمایند. با استفاده از مهندسی بازاریابی این شرکت توانست سهم خود در بازار را از ۴% به ۴۰% افزایش دهد.

شرکت ماریوت (Marriot Corporation) که وظیفه خدمت رسانی به هتل های تازه تأسیس پایین شهر را بر عهده داشت، تصمیم گرفت کار خود را بسط داده و علاوه بر این هتل ها به هتل های خارج از شهر و مسافران تجاری و مسافرانی که تعطیلات خود را سپری می کنند نیز خدمات ارائه دهد. این شرکت از طریق زنجیره ماریوت و با استفاده از ابزارهای مهندسی بازاریابی مثل تحلیل متقابل[۱] (Conjoint analysis) فعالیت های خود را در مناطق وسیعی با موفقیت زیادی طراحی و توسعه داد.

آزمایشگاههای سنیتکس (Syntex Laboratories) نگران فروش تولیدات خود بودند. به ویژه مدیران مطمئن نبودند آیا میزان نیروی فروش برای این کارکافی است یا خیر و آیا شرکت نیروی فروش خود را برای سودآورترین کالاها و بخش های بازار اختصاص داده است یا خیر. شرکت از ابزار تخصیص و تعیین میزان نیروی فروش در مهندسی بازاریابی استفاده کرد تا ا ستراتژی های توسعه و بهبود نیروی فروش توسعه یافته و مبلغ ۲۵ میلیون دلار و سودهای سالانه در مقایسه با برنامه استراتژیک را افزایش دهد. همه این نمونه ها با مشکل آشفتگی، مدل، داده ها، قضاوت مدیریتی و نتایج سودآور و موفقیت آمیز درگیر و مرتبط هستند. نمودار۱، یک بازنگری از نگرش مهندسی بازاریابی  برای تصمیم گیری است که از یک مدل کامپیوتری تعاملی برای کمک  به انتقال و تبدیل داده های ذهنی و عینی درباره محیط بازاریابی به آگاهی ها واجرای تصمیمات استفاده کرده است.

نمودار شماره ۱ : رویکرد مهندسی بازاریابی برای تصمیم‌گیری به تبدیل داده‌های عینی و ذهنی در مورد محیط بازاریابی به تصمیم‌گیری و اجرای تصمیم‌ کمک می‌کند.

اگرچه مهندسی بازاریابی تمام عواملی را که در نمودار ۱ نشان داده شده را در بر می گیرد، ما همچنان بر نگرش مهندسی بازاریابی برای تبدیل اطلاعات و آگاهی ها بر تصمیمات تمرکز خواهیم کرد. ایده استفاده از مدل های کامپیوتری برای ارتقاء سطح تصمیمات جدید نیست. محققان و دست اندرکاران در این زمینه پیشرفتهای زیادی داشته و سیستم های نیرومندی را بکار گرفته اند که تصمیم گیری را در دنیای واقعی بازاریابی تسهیل می نماید. سال های اخیر بیشتر دانش درباره مدل های تصمیم گیری بازاریابی در مجله های تخصصی دانشگاهی یا منابع مورد استفاده متخصصان وجود داشته است. نتیجه اینکه علی رغم ارزش این     مدل ها، آنها به طور گسترده ای مورد استفاده قرار نگرفته اند.

پیشرفت های اخیر درزمینه نرم افزار و سخت افزار این امکان را فراهم آورده که مهند سی بازاریابی در اختیار تمامی مدیران بازاریابی قرار گیرد. در حقیقت، صدها برنامه کمکی رایانه ای  در دسترس آنها می باشد. رشد دسترسی  بر نرم افزارها باعث شده که مدیران بازاریابی به زودی بسیاری از مهندسین بازاریابی  را در اختیار گیرند. روندهای متعددی پذیرش گسترده این ابزارها را مورد تأیید قرار می دهد.

کامپیوترهای شخصی قوی  به شبکه های گوناگون متصل می شوند

 همانند سایر حرفه ای ها، مدیران بازاریابی برای انجام کارشان وابسته به کامپیوترهستند. یک مدیر ارشد بازاریابی اخیراً می گفت: ” ده سال قبل درواحد من، افراد بسیاری کار می کردند اما تعداد کمی کامپیوتر وجود داشت. اما امروز کامپیوترهای زیاد و افراد کم، مجموعه واحد مرا تشکیل می دهند.” این کامپیوترها به شبکه های داخلی  و گاهی هم به شبکه های خارجی اعم از اکسترانت و اینترنت وصل می باشند.

حجم داده ها در حال گسترش است

کسب الکترونیکی خودکار داده ها به معاملات با مشتریان و رشد تعاملات و تبادلات از طریق اینترنت بستگی دارد که اطلاعات انبوه و سودمند بالقوه ای را ایجاد می کند که درباره ترجیحات و رفتار مصرف کننده می باشد. در این حالت فراوانی اطلاعات گاهی می تواند بیش از کمبود و فقدان اطلاعات دردسرساز باشد. به عنوان مثال میزان داده های فروش یا (point of sales Pos) که از طریق اسکنرهای خرده فروشی ها جمع آوری شده است بسیار زیاد است. بنابر تخمین اینگ و میتچل (Ing & Mitchell) یک فروشگاه می تواند حدود ۵۰۰۰۰ معامله در روز داشته باشد. این  معاملات شاید ۲۵۰۰۰ تا ۳۰۰۰۰ برای یک فروشکاه آمریکایی و ۵/۱ میلیون برای یک فروشگاه بزرگ امریکایی تخمین زده می شود که اغلب ۲۰-۱۰ گیگابایت داده های بازاریابی در هفته را ایجاد می نماید. برای تبدیل این داده ها به دانش قابل کاربرد بازاریابی، به مهارت های سطح بالا، توانمندی های تحلیلی پیشرفته، تکنولوژی اطلاعاتی پیچیده و توانمندی های سازمانی نیاز است، در حالیکه داده های قابل دسترس به صورت نمایی (exponentially) رشد می کند، مغز آدمی برای پردازش و تفسیر این داده ها جوابگو نمی باشد.

شرکت ها بازاریابی را مهندسی مجدد می کنند

شرکت های امروزی به نظر می رسد که ” تخت تر باشند، از تیم های ادهوکراسی تشکیل شده باشند، برون سپاری کنند، روابط استراتژیکی  ایجاد کنند و چرخه های زمانی خود را کاهش دهند.” در این محیط شرکت ها وظایف فرایندها  و فعالیت های بازاریابی را برای عصر اطلاعات، مهندسی مجدد می کنند. مدیران بازاریابی به طور روز افزونی به طور مستقیم با اطلاعات بازار سروکار دارند و با استفاده از کامپیوترها برای انجام وظایفی که بوسیله کارکنان ستادی یکبار انجام می شوند درگیرند.

همچنین مدیران بازاریابی به منظوررفع موانع مالی به طورروزافزونی  نیاز به متعادل ساختن هزینه های بازاریابی مثل بقیه سرمایه گذاری ها دارند. مهندسی بازارایابی راهی برای سرمایه گذاری روی این روندهاست.  بازارها به طورآشکار بوسیله اهدافی که مشاهده دقیق، فهم بدون ابهام و اقدامات مشخص و دقیق را امکان پذیر می سازد کنترل نمی شوند. اما خیلی هم پیچیده نیستند که فهمیدن را به چالش بکشند. جایی بین این دو بینهایت قرار دارند. مهندسی بازاریابی ما را به درک ماهیت مسائل بازاریابی در مدل های خوب تعریف شده قادر می سازد و توانایی ما دراخذ تصمیماتی که بر پیامدهای بازار اثر دارند را بهبود می بخشد.

اثربخشی مهندسی بازاریابی بخش دوم

از قول تا عمل – بخش سوم

[۱] تحلیل متقابل (Conjoint analysis) یک روش آماری مبتنی بر نظرسنجی است که در تحقیقات بازار استفاده می شود که برای تعیین اینکه چگونه افراد ارزش های متفاوتی (ویژگی، عملکرد، مزایا) را که یک محصول یا خدمات خاص را تشکیل می دهند، ارزش می گذارد، استفاده می شود.