مهندسی بازاریابی (بخش دوم)

( مهندسی بازاریابی ) یک تصمیم خوب به انتخاب مستدل از بین گزینه‌های رقیب نیاز دارد. تصمیم‌گیری خوب در کسب‌وکار ضروری است و به طور تصادفی اتفاق نمی‌افتد. رهبران تجاری در محیط‌های تصمیم‌گیری غیرقابل پیش‌بینی اما غنی از داده‌های امروز که خواستار گسترش مهارت‌های مؤثر تصمیم‌گیری هستند، باید علم‌وهنر تصمیم‌گیری را فرا بگیرند و سپس این آموزه‌ها را در عمل پیاده کنند.

مدیران بازاریابی تصمیمات متعددی درباره‌ی ویژگی‌ها، قیمت‌ها، گزینه‌های توزیع و انگیزه‌های فروش اتخاذ می‌کنند. مدیران در این تصمیم‌گیری‌ها از بین اقدامات جایگزین متعدد در دنیای پیچیده و نامشخص به انتخاب می‌پردازند. تصمیم‌های بازاریابی مانند اکثر تصمیم‌ها یک فرآیند تصمیم‌گیری شهودی را دنبال می‌کنند که عمدتا از تماس‌های مربوط به قضاوت مبتنی بر مدل‌های ذهنی مدیران جهان که از طریق تجارب آنان گسترش یافته‌اند، تشکیل شده‌اند. در بسیاری از موارد، شاید این مدل‌های ذهنی که توسط داده‌های پژوهشی پشتیبانی می‌شوند، تمام آن چیزی باشد که مدیران برای احساس اطمینان از تصمیم‌های خود بدان نیاز دارند. در عین‌حال، مدل‌های تصمیم‌گیری نسبت به خطاهای سیستماتیک مستعد هستند. اگرچه همه ارزش تجربه را درک می‌کنند، اما هر تجربه‌ای برای هر فرد منحصربه‌فرد است که می‌تواند به سمت دیدگاه‌های خاصی متمایل شود؛ ممکن است مدیران فروش بودجه‌های تبلیغات تجاری را پایین آورند تا به تجارب فروش شخصی بالاتری دست یابند، در حالی که شاید مدیران تبلیغات تجاری بودجه های تبلیغات تجاری بیشتری را ترجیح دهند.

یک رویکرد جایگزین در تصمیم‌گیری درباره‌ی هزینه‌های تبلیغات تجاری می‌تواند یک مدل تصمیم‌گیری صفحه گسترده از نحوه‌ی پاسخگویی بازار به سطوح مختلف هزینه را به‌کار گیرد، مدیران می‌توانند از این مدل برای بررسی فروش و نتایج سود سطوح هزینه‌ای جایگزین پیش از تصمیم‌گیری استفاده کنند.

تبدیل سیستماتیک داده‌ها و دانش (از جمله قضاوت) به ابزارهای مورد استفاده برای حمایت تصمیم‌گیری چیزی‌است که ما آن را مهندسی بازاریابی می نامیم. در مقابل، زمانی که تصمیم‌گیرنده بدون استفاده از هیچ سیستم حمایتی‌ای، صرفا از مدل ذهنی خود استفاده کند، با عنوان بازاریابی ادراکی (مفهومی) از آن یاد می‌شود. گزینه‌ی سوم خودکار کردن فرآیند تصمیم گیری با استفاده از یک سیستم اطلاعاتی معقول است؛ یک رویکرد رایج که آن را بازاریابی خودکار می‌نامیم. اگرچه پیچیدگی درونی‌ای برخی از مسائل بازاریابی راه‌حل‌های ساده یا خودکارسازی را تحریک می‌کند، اما اغلب ترکیبی از ابزارهای حمایتی تصمیمی و قضاوت تصمیم‌گیرنده بهترین نتایج را به‌بار می‌آورد. یعنی رویکردی که به طور سیستماتیک به ترکیب قضاوت مدیریتی با مدل‌های رسمی تصمیم می‌پردازد، مهندسی بازاریابی نامیده می‌شود:

 یک رویکرد سیستماتیک جهت مهار داده‌ها و دانش برای ایجاد تصمیم‌گیری بازاریابی مؤثر و فرآیند تصمیمی توانمندشده با تکنولوژی و حمایت شده با مدل. دریک زمینه سازمانی، رویکرد مهندسی بازاریابی به طراحی و ساخت مدل‌های تصمیمی و به کار‌گیری آن مدل‌ها به شکل سیستم‌های حمایتی مدیریت بازاریابی نیازمند است.

هدف مهندسی بازاریابی در واقع تسهیل بافت تصمیم‌گیری و خلق بنای تصمیمی برای کمک به مدیران در تمرکز مسائل کلیدی است. بدون این تسهیل، هیاهو و نه آگاهی محرک تصمیمات مردم خواهد بود. پس یک مدل خوب تصمیم‌گیری توجه و منابع محدود را معطوف تصمیم موجود می‌کند.

به علاوه مهندسی بازاریابی به مدیران کمک می‌کند با فراهم آوردن زمینه‌ای برای پرسیدن «اگر چطور» بتوانند به ارزیابی هزینه‌های فرصت مربوط به تصمیم‌ها بپردازد و ارزش احتمالی گزینه‌هایی را که رد می‌کنند، تعیین کنند. برای مثال، اگر یک مدیر بازاریابی مجبور باشد از بین دو سایت قیمت‌گذاری یکی را انتخاب کند و آن گزینه‌ی قیمت پایین‌تر باشد، رویکرد مهندسی بازاریابی می‌تواند به ارزیابی سودآوری فراموش شده‌ی گزینه‌ی قیمت بالاتر کمک کند. این قابلیت مهندسی بازاریابی حیاتی است. در واقع، مدیران تنها می‌توانند نتایج اقداماتی را که انجام داده‌اند، مشاهده کنند. اگرچه مهندسی بازاریابی به آنان کمک می‌کند تا بفهمند که آیا می‌توانستند تصمیم‌های بهتری برای شروع اتخاذ کنند یا نه.

محیط تصمیم‌گیری بازاریابی در حال ظهور

با وجودی که از دهه‌ی ۱۹۵۰ تلاش‌هایی برای به کارگیری جنبه‌های مهندسی بازاریابی در سازمان‌ها صورت گرفته، اما این امر در دهه‌ی گذشته سرعت گرفته‌است؛ آن هم عمدتا به دلیل طیف فناوری‌هایی که رویکرد را در بازارهای رقابتی الزامی می‌کنند. تلاش‌های گذشته برای مهندسی بازاریابی تا حد زیادی به موفقیت‌های گذرا منجر شدند؛ نه به دلیل مدل‌های ضعیف، بلکه به دلیل عدم وجود فناوری برای تعبیه‌ی آن موفقیت در تاروپود سازمان. درطول دهه‌ی گذشته، فنآوری به مرحله‌ای رسیده‌است که تصمیم‌های مدل‌محور می‌توانند بخش های اساسی مخزن مهارت‌های مدیریت بازاریابی باشند.

چندین دهه، سیستم‌های قدرتمندی را توسعه داده و به کار بسته‌اند که تصمیم‌گیری در زمینه‌های بازاریابی دنیای واقعی را تسهیل می‌کنند. اما مدتی پیش، بیشتر دانش مربوط به مدل‌های تصمیمی بازاریابی عمدتا بر مجله‌های آکادمیک و تخصصی متکی بودند و یا درک آنها به تخصص فنی قابل توجهی نیاز داشت که تنها از طریق کمک مشاوران در دسترس بازاریابان قرار می‌گرفت. همزمان با گسترش مدل‌های مجرد تعبیه شده در صدها بسته‌ی نرم‌افزاری بازرگانی موجود که تجزیه و تحلیل‌های بازاریابی را حمایت می‌کنند، تغییرات عمده ای آغاز شده‌اند. با ظهور سیستم‌های گستره‌ی بنگاه‌های اقتصادی در برنامه‌ریزی منبع (ای‌آر‌پی) و مدیریت ارتباط با مشتری (سی‌آرام) تجزیه و تحلیل بازاریابی به یک بخش اساسی بنای تصمیم‌گیری تبدیل شده‌است که شرکت‌های برتر آن را به کار می‌بندند.

آی‌دی‌سی (۲۰۱۰)، یک شرکت مشاوره‌ی بازاریابی هوشمند، به عنوان نشانه ای از این روند گزارش داد که در سال ۲۰۱۰ کسب‌و‌کاری که تحلیلگران بازاریابی می‌کنند، بیش از ۶ برابر رشد داشته‌است. بر اساس گزارشی از مطالعات فورستر (۲۰۱۰) تحلیل تجاری افزاینده‌ترین دسته از نرم‌افزار جهانی آی‌تی می باشد.

گرایش‌هایی که مهندسی بازاریابی در آن‌ها مطلوب است

اگرچه مهندسی بازاریابی تمامی عناصر موجود را دربرمی‌گیرد، اما بیشتر بر چگونگی کمک مهندسی بازاریابی به انتقال داده‌ها، اطلاعات و آگاهی‌ها به تصمیم‌های مؤثر متمرکز می‌شود. چندین روند، هم در بخش عرضه و هم در بخش تقاضا، از پذیرش وسیع‌تر رویکردهای مهندسی بازاریابی در بین شرکت‌ها بهره می‌برند.

حضور کامپیوترهای بسیار قوی شخصی متصل به شبکه در همه جا

مدیران بازاریابی نیز مانند سایر افراد حرفه ای، در اجرای شغلشان وابستگی زیادی به کامپیوتر دارند. به گفته‌ی یک متصدی ارشد بازاریابی، «ما در گذشته تعداد زیادی افراد و نرم‌افزارهای اندکی در دفتر خود داشتیم، اما امروزه تعداد زیادی نرم‌افزار و افراد اندکی در دفتر خود داریم». برای مثال، به تازگی ۵۰۰ میلیون نسخه از مایکروسافت اکسل در حال استفاده هستند. اکسل مانند سایر نرم‌افزارهای مدل‌ساز مثل جاوا، شرکت‌ها را قادر می‌سازد مدل‌ها را در اطلاعات و سیستم‌های تصمیمی تعبیه کنند و توانایی آن‌ها را در جمع‌آوری، پردازش و به اشتراک‌گذاری اطلاعات افزایش می‌دهد و سپس می‌توانند مدل‌های بازاریابی را در لحظه‌ی تصمیم‌گیری به‌کار گیرند.

حجم بسیار بالایی از داده ها

تسخیر الکترونیکی خودکار داده‌ها مربوط به معامله با مشتریان و رشد تعامل و تبادل از طریق اینترنت میزان گسترده ای از اطلاعات مفید درباره‌ی سلایق و رفتار مشتریان به وجود آورده‌است. در یک معنا، فراوانی داده‌ها می‌تواند مشکل بزرگتری از عدم وجود آن‌ها باشد. امروزه، چندین شرکت پایگاه داده‌هایی دارند که ۱۰۰ برابر بزرگ‌تر از اکثر پایگاه داده‌های عظیم ۱۰ سال گذشته هستند. این امر نیازمند مهارت‌های مدیریتی قوی، قابلیت‌های تحلیلی پیشرفته، فنآوری اطلاعاتی معقول و قابلیت‌های سازمان‌های برتر برای انتقال این داده‌ها به دانش بازاریابی عملی می‌باشد. در یک مطالعه‌ی جدید آی‌بی‌ام از ۱۷۰۰ متصدی ارشد بازاریابی گزارش شده‌است که ۷۱٪ از آنان آمادگی مدیریت انفجار داده‌ها را ندارند. به گفته‌ی یک مدیر ارشد بازاریابی، «ما در حال غرق شدن در داده‌ها هستیم. آنچه ما نداریم، آگاهی‌های واقعی است». بازاریابان، متقاضی فرآیندها و ابزارهای تصمیمی هستند که می‌توانند به سرعت داده‌ها را به آگاهی و اقدام تبدیل کنند. داده‌ها با تحلیل‌های کهنه و قدیمی تنها مانند گذشته یک وابستگی به تجربه و درک برای مدیران بر جا می‌گذارند که نسبت به رقبای زیرک‌تر یک عیب است.

مهندسی مجدد بازاریابی

شرکت‌های امروزی از ساختارهای سازمانی مسطح، تیم‌های تک‌کاره، برون‌سپاری، روابط راهبردی و زمان چرخه‌ی کوتاه‌تر استفاده می‌کنند، شرکت‌ها در چنین محیطی مبادرت به مهندسی بازاریابی مجدد عملکردهای بازاریابی، فرآیندها و اقدامات در عصر اطلاعات می‌نمایند. در شرکتی که مهندسی مجدد شده، تصمیم‌گیری متمرکز که یکی از ویژگی‌های سازمان‌های سنتی دارای سلسله‌مراتب است، جای خود را به تصمیم‌گیری نامتمرکز می‌دهد که یکی از ویژگی‌های سازمان‌های کارآفرین است. در نتیجه، مدیران بازاریابی به شکل فزاینده‌ای مستقیم با اطلاعات مواجه هستند و از کامپیوتر برای تکمیل وظایفی که زمانی با پشتیبانی کارکنان انجام می‌شد، استفاده می‌کنند.

استاندارهای بالاتر پاسخگویی

چندین عامل، از جمله بحران اقتصادی اخیر، سطوح در حال افزایش رقابت در بازارهای عمده و توانایی تبلیغ‌یافته در مرتبط‌ساختن پاسخ بازار با فعالیت‌های بازاریابی (برای مثال، دایرکت ریسپانس تی‌وی، وب سایت‌ها) توجه مدیران ارشد را به کمک بازاریابی به خطوط بالایی و پایینی معطوف ساخته‌اند، هم اکنون مدیریت ارشد خواستار این است که هزینه‌های بازاریابی به همان شیوه‌ی سایر سرمایه گذاری‌های شرکت توجیه شوند. ۱۰۰۰ شرکت فورچون سالیانه ۱۲۰۰ میلیارد دلار صرف بازاریابی می‌کند، در عین حال، اکثر شرکت‌ها استفاده‌ی کمی از تجزیه و تحلیل بازاریابی برای پشتیبانی از تصمیم گیری بازاریابی گزارش کرده اند. در سال ۲۰۰۹، شرکت مک کنزی، با بیش از ۶۰۰ متصدی سطح C مصاحبه به عمل آورد که نماینده‌ی تمام صنایع در ایالات متحده بودند و دریافت که تنها ۱۴٪ از شرکت‌ها از یک مجموعه‌ی جامع از اولویت‌های بازاریابی اندازه‌گیری شده برای تعیین نحوه‌ی تخصیص سرمایه گذاری‌های بازاریابی استفاده می‌کنند. همچین بررسی تازه‌ی مطالعات فورسترر(۲۰۱۰) نشان داد که تقریبا ۶۹٪ از کسب‌وکارها علاقه‌مند به استفاده از تجزیه و تحلیل هستند . بنابر این، هم فرصت و هم علاقه‌ی روزافزون به گسترش فرایندهای سیستماتیک و تحلیلی برای دستیابی به آگاهی و تفکر خلاق به منظور توسعه‌ی برنامه‌های بازاریابی مؤثرتر و اندازه‌گیری برایند‌ها وجود دارد.

مهندسی بازاریابی در این روند‌ها سرمایه‌گذاری می‌کند که هم عرضه و هم تقاضای تجزیه و تحلیل بازاریابی مطلوب آن است. مهندسی بازاریابی نه تنها بازاریابان را قادر به تسخیر ماهیت مسائل بازاریابی در مدل کاملا مشخص می سازد، بلکه باعث بهبود توانایی آنان در تصمیم‌گیری‌هایی می‌شود که بر نتایج بازار تأثیرگذار هستند. اما صرف دردسترس بودن یا استفاده از تجزیه و تحلیل بازاریابی لزوما بر عملکرد سازمانی با مدیریتی تأثیرگذار نخواهند بود، بلکه تجزیه و تحلیل‌ها باید بخشی از هسته‌ی مدیریتی قابلیت‌های تصمیم‌گیری شرکت باشند.

مدیران متوجه می‌شوند که یک مدل پاسخ کامل را فراهم نمی‌کند و به درستی بر این باورند که نمی‌توان نتایج آن مدل را بدون اصلاح توسط قضاوت‌ها به کار گرفت. اگر نتایج مدل به وسلیه‌ی قضاوت‌های شهودی تنظیم شوند، چرا در وهله ی اول بر قضاوت‌ها متکی نشویم؟ این پرسش انعکاس دهنده‌ی عدم استنباط است؛ نتیجه کاذب است، این نتیجه اصلا حاصل نمی‌شود. همان طور که هوگارت بیان می دارد، «زمانی که در شب با چراغ روشن رانندگی می‌کنید، لزوما خیلی هم خوب نمی‌بینید. اما خاموش کردن چراغ‌ها جایگاه را بهتر نمی‌کند». باید ابزارهای پشتیبانی تصمیمی و مدل‌های ذهنی در ترکیب با هم استفاده شوند تا هر یک باعث تقویت بخش‌هایی شود که دیگری در آن ضعیف است. مدل‌های ذهنی می‌توانند جنبه‌های وابسته به سایر شیوه‌های یک جایگاه تصمیمی را درج کنند، اما ممکن است موارد جدید را اعمال زور با الگوهای قدیمی سازگار نماید. شاید مدل‌های تصمیمی پایدار و غیرمتعصبانه باشند، اما جنبه‌های وابسته سایر شیوه‌های جایگاه را دست‌کم و یا نادیده می‌گیرند. بلاتبرگ و هوچ (۱۹۹۰) دریافتند که پیش بینی درستی و صحت زمانی بهبود می‌یابد که مدیران پیش بینی‌های حاصل از مدل‌های تصمیمی را با پیش بینی‌های مدل‌های ذهنی ترکیب کنند؛ یک ترکیب ۵۰-۵۰ (میزان مساوی)، از این رو پیش بینی بهترین بود.

بدین ترتیب، مهندسی بازاریابی می‌تواند هم توسط داده‌ها و هم توسط دانش تحریک شده‌باشد. یک ابزار پشتیبانی تحریک‌شده با داده‌ها پرسش «اگر چطور» را بر اساس یک مدل پاسخ بازار جواب می‌دهد. یک ابزار پشتیبانی تصمیم تحریک‌شده با دانش، دانش کیفی موجود در هر یک از حوزه‌های خاص را تحریک می‌کند. این رویکرد مهندسی بازاریابی مزایای دیگری نیز دارد. مدیران می‌توانند گزینه‌های تصمیمی بیشتری را بررسی کنند، گزینه‌های تصمیمی را که از “راه‌حل‌های پایه” دورتر هستند، در نظر بگیرند، تأثیر نسبی متغیرهای تصمیمی بازاریابی مختلف را دقیق‌تر ارزیابی کنند، تصمیم‌گیری گروهی را ساده‌تر کنند و مدل‌های ذهنی رفتار بازار خود را تقویت نمایند. در کل، رویکرد مهندسی بازاریابی به تصمیم‌گیری بازاریابی بهتر و اصولی‌تر منجر می شود.

ابزارهایی برای مهندسی بازاریابی

در دسترس بودن گسترده‌ی نرم‌افزار صفحه گسترده، مانند اکسل، کار با نمایندگان پدیده‌ی بازاریابی را آسان‌تر کرده‌است. برای مثال، معمولا صفحات گسترده‌ی بازاریابی شامل هزینه‌های بازاریابی برنامه‌ریزی شده و درآمدهای خالص و ناخالص مربوط می‌باشد. اما در بیشتر موارد، توسعه دهنده‌ی مدل، یک رابطه‌ی صفحه گسترده بین دروندادهای بازاریابی (مانند تبلیغات تجاری) و درآمدهای فروش برقرار نمی‌کند. بنا بر این، دروندادهای بازاریابی درامد خالص را تنها به عنوان آیتم‌های هزینه تحت تأثیر قرار می‌دهند. ما به این صفحات گسترده، مدل‌های «دامب» می‌گوییم. آنها به عنوان مدل‌های بازاریابی معنای چندانی ندارند، زیرا نسبت به ماهیت رابطه بین دروندادها و بروندادهای بازار سکوت می‌کنند. برای این که مدل صفحه گسترده معنایی به دنبال داشته باشد، طرح مدل باید اهداف و متغیرها را به روشنی توضیح دهد و روابط بین متغیرها را مشخص نماید.

در یک مدل “هوشمند”، صفحه گسترده یک معادله یا «مدل پاسخ» را وارد می‌کند که مدیر می‌تواند با در نظر گرفتن تاثیر تبلیغات هم بر فروش و هم درآمدها از آن استفاده کند و مشخص سازد که آیا کاهش یا افزایش تبلیغات منطقی است یا نه. بنا بر این، محیط طراحی (دانش، نرم افزار، داده‌ها) مهندسی بازاریابی را ساده‌تر می‌کند.

مدل‌های پاسخگویی بازار

این مدل‌ها ابزارهای اساسی مهندسی بازاریابی هستند و به عنوان عناصری شناخته می‌شوند که می‌توانند یک مدل صفحه گسترده‌ی دامب را به یک مدل هوشمند تبدیل کنند. مدل‌های پاسخ از اهمیتی حیاتی برای بررسی نظام‌مند مسائل تصمیم‌گیری راهبردی و تاکتیکی در بازاریابی، مانند بودجه‌بندی بازار و تخصیص‌های آمیزه، هدفمندی مشتری و تعیین موقعیت محصول شرکت برخوردارند. بدون وجود مدل‌هایی که نحوه‌ی پاسخ مشتریان و بازارها به فعالیت‌های بازار را شرح می‌دهند، ارزیابی هزینه های فرصت تصمیم کاری بسیار دشوار است و ارائه‌ی مدل‌های پاسخ ضعیف که فرآیند تصمیم‌گیری را به قهقرا می‌برند، درست مانند گلف‌بازی که چوب گلف را به خوبی با توپ آن تنظیم نمی‌کند، از هدف اصلی دور و دورتر می‌شوند

مدل‌های پاسخ بازار ملزم می‌سازند که مسائل ذیل مشخص شود:

. دروندادها: فعالیت‌های بازاری که بازاریاب می‌تواند کنترل کند، شامل قیمت، تبلیغات، فروش و مواردی از این قبیل (به اصطلاح آمیزه‌ی بازاریابی نامیده می‌شود)، و نیز متغیرهای غیر قابل کنترل مانند اندازه‌ی بازار با محیط رقابتی

مدل پاسخ: ارتباط از دروندادها به بروندادهای قابل اندازه‌گیری مورد نظر شرکت (برای مثال، سطوح آگهی مشتری، دریافت محصول، سطوح فروش، سودها).

اهداف: معیاری که شرکت از آن برای نظارت و ارزیابی فعالیت‌ها استفاده می‌کند (برای مثال، فروش در پاسخ به یک ترویج، درصدی از مخاطبان هدف که یک تبلیغ بازرگانی را به یاد می‌آورند).

در مقاله‌های بعدی مهندسی بازاریابی را بیشتر مورد بررسی قرار خواهیم داد…

برای مطالعه مقاله های دیگر در زمینه‌های مختلف فناوری اطلاعات و ارتباطات اینجا کلیک کنید.