تجزیه جغرافیایی بااستفاده از GISعنوان پستی است که قرار است با شما به اشتراک بگذارم. امیدوارم که این پست مورد پسند شما قرار گیرد.
برای استفاده از این مدلها چه تجزیه ای باید اجرا شود؟
کاربر این مدلها اغلب با دو راه حل روبرو است: یکی تقسیم به تعداد محدودی سلول را پیشنهاد می کند، در حالی که دیگری تقسیم بسیار دقیق تری را پیشنهاد می کند. لازم به ذکر است که هرچه تقسیم منطقه بازار دقیق تر باشد، اطمینان از ثابت بودن داده ها و ارزش ضرایب β برای مدل MCI دشوارتر خواهد بود و هزینه مدل ذهنی MCI بیشتر است. مدل ذهنی MCI می تواند مشکلات غیر ثابت را با انجام بررسی ها توسط سلول ها (یا گروه های سلول های همگن) محدود کند، که هزینه آن قابل اغماض نیست. بنابراین تصمیم اغلب با محدودیت های بودجه دیکته می شود.
4.2.3.3.3. ویژگی های ترازو
چگونه می توان داده های اندازه گیری شده در مقیاس های معمولی را به عنوان درک در مدل ذهنی MCI وارد کرد؟
MCI و مدل ذهنی MCI برای ورود داده ها عمدتاً به دلیل تغییر رگرسیون خود خواستار هستند (Gautschi 1981). داده های معمولی را می توان با مقیاس تورستون به داده های متریک فاصله تبدیل کرد (مایرز و وارنر 1968 ؛ پراس و سامرز 1975 ؛ پراس 1976 ؛ پراس 1976)، سپس بعداً با استفاده از تبدیل مجذور زتا برای اندازه گیری داده ها در مقیاس های نسبت که همه قابلیت اطمینان ضامن ورود این نوع مدل است. تبدیل زتا مربع (Cooper and Nakanishi 1983) به ما اجازه می دهد از مبدایی برابر 0 به مبدأ برابر 1 برویم و باید برای هر نمره اعمال شود تا همه مقادیر مثبت باشند. فرمول آن به شرح زیر است.
اگر:
5ایکس୧୨୩ -ഥایکس9
൙ 1 ୫
ଵൗ ଶ > 0
ۏ 5 ൗk ∑୨ୀଵ ایکس୧୨୩9 ے
سپس Xijk نوشته می شود:
ଵ ൗ ଶ
5ایکس୧୨୩ – Xഥ9
1+ ൙ 1
5 ൗک
ۏ
ଶ
Σ୫ ایکس୧୨୩9
ے
در غیر این صورت Xijk نوشته شده است:
1
ଵ ൗ ଶ
൚
ሼ1+
5ایکس୧୨୩ – Xഥ9
൙ 1 Σ୫
ଶ
ایکس୧୨୩9
ک୨ୀଵ
ۙ ے ۏ
نقض فرضیه IAA
چگونه می توان این مدل ها را از نقض فرض استقلال انتخاب های نامربوط (یا IIA) جلوگیری کرد؟
این فرض یک نقص عمده در مدل های سهم بازار است (مک فادن 1974). یک مثال ساده به درک آن کمک می کند: داستان اتوبوس های آبی و قرمز. یک شهر هم مترو دارد و هم یک شبکه اتوبوس آبی و روزی تصمیم می گیرد که یک شبکه اتوبوس دوم را با اتوبوس های قرمز سازماندهی کند. در شرایط اولیه، اجازه دهید تصور کنیم که مترو و شبکه اتوبوس آبی در بازار مشترک هستند: 50 درصد برای مترو و 50 درصد برای اتوبوس های آبی. ورود اتوبوس های قرمز منجر به توزیع جدید سهم بازار می شود: مانند هر مدل سهم بازار، مدل MCI تمایل دارد که آن را در سه قسمت مساوی، یعنی 33٪ برای هر نوع حمل و نقل، در حالی که در واقعیت، به احتمال زیاد طرفداران مترو به آن وفادار خواهند ماند، به عبارت دیگر توزیع سهم بازار 50 درصد برای مترو و 25 درصد برای هر یک از شبکه های اتوبوسرانی خواهد بود (ما یک مورد ساده را در نظر می گیریم). سپس گفته می شود که مدل MCI IIA را نقض می کند. به نظر می رسد که دگرگونی مربع زتا از این سوگیری اجتناب می کند (کوپر و ناکانیشی، 1983).
4.2.3.3.5. مشکل عدم پاسخگویی و آمار بیزی
س Anotherال دیگر به شدت به مدل ذهنی MCI مربوط می شود. در واقع، در طول نظرسنجی ها، از مصرف کنندگان در مورد تعداد دفعات مراجعه آنها به فروشگاه در منطقه بازار سوال می شود و از آنها خواسته می شود، در مقیاس تورستون، متغیرهای تعیین کننده مورد نظر خود را ارزیابی کنند. اما این پاسخ دهندگان لزوماً همه نقاط فروش را نمی دانند، بنابراین ماتریس نهایی نتایج نظرسنجی ناگزیر دارای “حفره” است. برای غلبه بر این نقص، توصیه می شود از آمار بیزی استفاده کنید (Pham 2014). پایان نامه فام همچنین تلاش برای استفاده از مدل های چند عاملی برای مکان یابی نقاط فروش را نشان می دهد.
مدلهای MCI با انتقادهای مکرر روبرو هستند: اصلی ترین آنها ناتوانی در نظر گرفتن تحرک مصرف کنندگان است، به عبارت دیگر توانایی آنها در تغییر منطقه بازار و در نتیجه جریانات مشتری و جریانهای خرید ناشی از آن (Douard وهمکاران، 2015) به شمارمی رود.
برگرفته از کتاب:
ژئومارکتینگ (بازاریابی مکانمحور)
چطور با فاکتور مکان، سودآوری کسب و کارمان را افزایش دهیم؟
مترجم:دکتر سعید جوی زاده،مهندس زینب زرگری
بدون دیدگاه