شناسايي نقاط اشباع نشده بازار محصولات ايران خودرو با استفاده از تحليل خوشه‌اي و فرايند تحليل سلسله مراتبي

Recognition Of non-Satiation Positions Of Iran Khodro’s Market Using Cluster Analysis And Hierarchical Analytic Process

بازار خودرو، چه در سطح جهاني و چه در سطح داخلي كشور، يك بازار در حال اشباع است و اين مسيله به خوبي در رفتار خودروسازان قابل مشاهده است. ايجاد شركت‌هاي ليزينگ توسط خورو سازان و همين طور رشد قارچي ليزينگ‌هاي شخصي بيانگر همين موضوع است. در اين مقاله به جاي پردازش روش‌هاي فروش براي حفظ و توسعه بازار داخلي شركت ايران خودرو، به بررسي محصولات اين شركت و جايگاه آن‌ها پرداخته شده و نقاط اشباع نشده بازار شناسايي مي‌شود. سپس با توجه به تقاضاي آن نقاط، تحليل‌هايي ارايه شده است. براي اين كار از دو روش تحليل خوشه‌اي و فرايند تحليل سلسله مراتبي استفاده شده است. در اين تحقيق، هجده محصول توليدي مورد بررسي قرار گرفته و خوشه‌بندي بر اساس هفت متغير (عامل) انجام شده است. لازم به ذكر است كه اكثر متغيرهاي انتخابي كمي بوده تا نتايج محسوس‌تر باشد. نتايج نشان مي‌دهد كه محصولات ايران خودرو قابل تقسيم به چهار خوشه بوده و در انتها با توجه به جايگاه اين چهار خوشه، پيشنهاداتي براي ارايه محصولات جديد توسط اين شركت مطرح شده است

Car market, whether in international or internal level, is being saturated and this problem appropriately can be seen in car factories’ behavior. The foundation of leasing companies by car factories and the same proliferation of private leasing show this issue. In this paper, instead of processing the sale methods for maintaining and expanding internal market of Iran Khodro company, its products and their positions are investigated and non-satiation positions of market are identified. According to demand of identified positions, analysis has been presented. To accomplish this, cluster analysis and Analytic Hierarchy Process (AHP) have been used. In this research, eighteen products have been examined and clustered based on seven variables. It is notable that most of selected variables are quantitative in order to produce better results. Results indicate that Iran Khordo products can be segmented as four clusters. Finally, based on clusters’ positions, suggestions for launching new products are proposed.