تعداد نشریات | 31 |
تعداد شمارهها | 302 |
تعداد مقالات | 2,983 |
تعداد مشاهده مقاله | 3,599,577 |
تعداد دریافت فایل اصل مقاله | 4,576,805 |
مدل سازی فروش محصولات مصرفی با استفاده از سیستم استنتاج عصبی-فازی | ||
مطالعات رفتار مصرفکننده | ||
مقاله 2، دوره 8، شماره 3، آبان 1400، صفحه 1-16 اصل مقاله (986.64 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.34785/J018.2021.281 | ||
نویسندگان | ||
حمیدرضا نژادعلی لفمجانی1؛ حمیدرضا ایرانی* 2؛ تورج کریمی3؛ مرتضی سلطانی1؛ احمد صفار4 | ||
1گروه مدیریت بازرگانی و اجرایی، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران، قم، ایران | ||
2گروه مدیریت کسب و کار، دانشکده مدیریت و حسابداری پردیس فارابی، دانشگاه تهران، قم، ایران | ||
3گروه مدیریت صنعتی و تکنولوژی، دانشکده مدیریت و حسابداری، پردیس فارابی دانشگاه تهران، قم، ایران | ||
4مدرس دوره های آزاد دانشگاه تهران | ||
چکیده | ||
مدل سازی فروش در این فضای بسیار رقابتی برای هر کسب و کاری نقش اساسی دارد. پیش بینی فروش محصولات در گونه های مختلف خرده فروشی به نگرانی اصلی شرکت ها برای ارزیابی گردش و توان رقابتی محصولات تبدیل شده است. مدل سازی فروش در صنعت محصولات مصرفی به دلیل وجود طیف گسترده ای از ویژگی های متغیر محصول، بسیار پیچیده است. هدف این پژوهش، طراحی یک سیستم استنتاج عصبی-فازی جهت مدل سازی فروش محصولات مصرفی در گونههای مختلف خردهفروشی است. در این پژوهش، فروش از نظر خبرگان صنعت محصولات مصرفی و با استفاده از تکنیک انفیس بررسی شده است. انفیس، یک تکنیک جدید برای تخمین فروش است که ترکیبی از قابلیت یادگیری شبکه های عصبی و قابلیت تعمیم منطق فازی را دارا است. معیارهای ورودی و خروجی پژوهش از طریق مصاحبه عمیق با 12 نفر از صاحبنظران و مدیران فروشگاهی و همچنین جمعآوری دادههای میانگین فروش یک سال 336 محصول مختلف (1398) تعیین شده است. نتایج پژوهش نشان داد که مدل سازی فروش بر اساس سیستم انفیس می تواند به تولیدکنندگان محصولات مصرفی کمک کند تا تقاضای گونه های خرده فروشی را با دقت بالاتر پیش بینی کنند. در نهایت، کارآئی آموزش و آزمون مدل فازی طراحی شده با استفاده از شاخص های جذر میانگین مربعات خطا، میانگین قدر مطلق خطا، میانگین خطای استاندارد و خطای مطلق نسبی مورد ارزیابی قرار گرفت. | ||
کلیدواژهها | ||
پیش بینی فروش؛ مدل سازی فروش؛ سیستم استنتاج عصبی-فازی | ||
مراجع | ||
ترابی، فاطمه؛ رحیمی نیک، اعظم؛ ودادی، احمد و اسماعیل پور، حسن. (1398). تبیین مدل رفتار خرید مصرف کننده در انتخاب محصولات لذت بخش با رویکرد آمیخته (مورد مطالعه: فروشگاه های زنجیره ای همواره تخفیف(. مطالعات رفتار مصرف کننده، 6(1)، 81-104.
مهدیه، امید و سلیمانی، چیمه. (1397). رابطه بین اطلاعات مندرج بر بسته بندی و رفتار خرید مصرف کننده. مطالعات رفتار مصرف کننده، 5(1)، 81-99.
Reference
Afshari, H., & Benam, F. H. (2011). Retail logistics. Logistics operations and management. Concepts and models,, 267-289.
Akbaş, B., Karahoca, D., Karahoca, A., & Güngör, A. (2014). Predicting newspaper sales by using data mining techniques. In Proceedings of the 15th International Conference on Computer Systems and Technologies (pp. 158-165).
Aksoy, A., Ozturk, N., & Sucky, E. (2012). A decision support system for demand forecasting in the clothing industry. International Journal of Clothing Science and Technology, 24(4), 221-236.
Alexander, B., & Nobbs, K. (2020). Multi-sensory fashion retail experiences: The impact of sound, smell, sight and touch on consumer based brand equity. In Global Branding: Breakthroughs in Research and Practice (pp. 39-62). IGI Global.
Andreti, J., Zhafira, N. H., Akmal, S. S., & Kumar, S. (2013). The analysis of product, price, place, promotion and service quality on customers’ buying decision of convenience store: A survey of young adult in Bekasi, West Java, Indonesia. International Journal of Advances in Management and Economics, 2(6), 72-78.
Beck, N., & Rygl, D. (2015). Categorization of multiple channel retailing in Multi-, Cross-, and Omni‐Channel Retailing for retailers and retailing. Journal of Retailing and Consumer Services, 27, 170-178.
Buisman, M. E., Haijema, R., & Bloemhof-Ruwaard, J. M. (2019). Discounting and dynamic shelf life to reduce fresh food waste at retailers. International Journal of Production Economics, 209, 274-284.
Cascio, W. F. (2006). Decency means more than “always low prices”: A comparison of Costco to Wal-Mart's Sam's club. Academy of Management perspectives, 20(3), 26-37.
Coelho, F., & Easingwood, C. (2005). Determinants of multiple channel choice in financial services: an environmental uncertainty model. Journal of Services Marketing, 19(4), 199-211.
Cortés-Martinez, L. M., & Espitia-Cuchango, H. E. (2019). Gender classification based on voice signals using fuzzy models and optimization algorithms. Iteckne, 16(2), 126-143.
Das, P. (2009). Adaptation of fuzzy reasoning and rule generation for customers’ choice in retail FMCG business. Journal of Management Research, 9(1), 15-26.
Denstadli, J. M., Lines, R., & Grønhaug, K. (2005). First mover advantages in the discount grocery industry. European Journal of Marketing, 39(7/8), pp.872-884.
Dwivedi, A., Niranjan, M., & Sahu, K. (2013). A business intelligence technique for forecasting the automobile sales using Adaptive Intelligent Systems (ANFIS and ANN). International Journal of Computer Applications, 74(9).
Ellickson, P. B. (2016). The evolution of the supermarket industry: from A & P to Walmart. In Handbook on the Economics of Retailing and Distribution. Edward Elgar Publishing.
Gagliano, K. B., & Hathcote, J. (1994). Customer expectations and perceptions of service quality in retail apparel specialty stores. Journal of Services Marketing.
Hassan, H., Sade, A. B., & Rahman, M. S. (2013). Malaysian hypermarket retailing development and expansion. International Journal of Retail & Distribution Management., 41(8), pp.584-595.
Hökelekli, G., Lamey, L., & Verboven, F. (2017). The battle of traditional retailers versus discounters: The role of PL tiers. Journal of Retailing and Consumer Services, 39, 11-22.
Huang, T., Fildes, R., & Soopramanien, D. (2014). The value of competitive information in forecasting FMCG retail product sales and the variable selection problem. European Journal of Operational Research, 237(2), 738-748.
Huddleston, P., Whipple, J., Mattick, R. N., & Lee, S. J. (2009). Customer satisfaction in food retailing: comparing specialty and conventional grocery stores. International Journal of Retail & Distribution Management, 37(1), pp.63-80.
Jiang, H. M., Kwong, C. K., Ip, W. H., & Wong, T. C. (2012). Modeling customer satisfaction for new product development using a PSO-based ANFIS approach. Applied Soft Computing, 12(2), 726-734.
Jones, K., & Doucet, M. (2000). Big-box retailing and the urban retail structure: the case of the Toronto area. Journal of Retailing and Consumer Services, 7(4), 233-247.
Kişi, Ö. (2010). River suspended sediment concentration modeling using a neural differential evolution approach. Journal of Hydrology, 389(1-2), 227-235.
Mahdieh, O., and Soleimani, Ch. (2018). Relationship between packaging information and consumer buying behavior. Consumer Behavior Studies Journal, 5(1), 81-99. (in Persian)
Mesquita, K. S., de Souza, V. R., Rodrigues, J. F., Menezes, C. C., Borges, S. V., Carneiro, J. D. D. S., & Pinheiro, A. C. M. (2017). Influence of storage time and packaging on the sensory profile of functional diet guava preserve. British Food Journal, 119(2), 311-321.
Mishra, M. S. (2007). The consumption pattern of Indian Consumers: choice between traditional and organized Retail. Available at SSRN 994238.
Mizuno, T., Toriyama, M., Terano, T., & Takayasu, M. (2008). Pareto law of the expenditure of a person in convenience stores. Physica A: Statistical mechanics and its applications, 387(15), 3931-3935.
Öztayşi, B., & Bolturk, E. (2014). Fuzzy methods for demand forecasting in supply chain management. In Supply chain management under fuzziness (pp. 243-268). Springer, Berlin, Heidelberg.
Paul, L. M. I., & Sprankle, D. A. (2011). U.S. Patent No. 7,988,015. Washington, DC: U.S. Patent and Trademark Office.
Pearce, J., Hiscock, R., Blakely, T., & Witten, K. (2008). The contextual effects of neighbourhood access to supermarkets and convenience stores on individual fruit and vegetable consumption. Journal of Epidemiology & Community Health, 62(3), 198-201.
Petrescu, M., & Bhatli, D. (2013). Consumer behavior in flea markets and marketing to the Bottom of the Pyramid. Journal of Management Research, 13(1), 55-63.
Rijpkema, W. A., Rossi, R., & van der Vorst, J. G. (2014). Effective sourcing strategies for perishable product supply chains. International Journal of Physical Distribution & Logistics Management, 44(6), 494-510.
Sharkey, J. R., Dean, W. R., & Nalty, C. (2012). Convenience stores and the marketing of foods and beverages through product assortment. American journal of preventive medicine, 43(3), S109-S115.
Spector, R. (2005). Category killers: the retail revolution and its impact on consumer culture. Harvard Business Press.
Torabi, F., Rahimi Nik, A., Vadadi, A., and Ismailpour, H. (2019). Explaining the Consumer Purchasing Behavior Model in the selection of hedonic products with Mixed approach (Case study: chain stores always discounted. Consumer Behavior Studies Journal, 6(1), 81-104. (in Persian)
Wu, L., & Wu, S. M. (2015). A strategy-based model for implementing channel integration in e-commerce. Internet Research, 25(2), 239-261.
Xia, M., Zhang, Y., Weng, L., & Ye, X. (2012). Fashion retailing forecasting based on extreme learning machine with adaptive metrics of inputs. Knowledge-Based Systems, 36, 253-259. | ||
آمار تعداد مشاهده مقاله: 1,377 تعداد دریافت فایل اصل مقاله: 740 |