متصدی جمع آوری اطلاعات بازاریابی است باید مطمئن شود که اطلاعات صحیح جمع آوری شده است، نتیجه گیری ها درست است و اطلاعات به دست افرادی که در داخل سازمان به آن نیاز دارند رسیده است. اهمیت این نکته را همیشه باید در نظر داشت که اساس عرضه محصولات با کیفیت، درک نیازها، خواستهها و انتظارات مشتریان است. کارکنان فروش و بازاریابی باید به طور مرتب با مشتریان در تماس باشند و مهم است که بازخور اطلاعات از مشتریان به افراد مسئول در داخل شرکت به موقع ارائه شود.
2. ایجاد استانداردهای کیفیت. یکی از عواملی که به فرایند جمعآوری و توزیع اطلاعات ارتباط مستقیم دارد ایجاد استانداردهای کیفیت است. درک انتظارات مصرفکننده مهم است؛ زیرا تعیین استانداردهای کیفیت نوعی مطالعه است.
3. برقراری ارتباطات موثر و مفید بازاریابی. ارتباطات به دو شکل با کیفیت سروکار دارد: اول اینکه هر کاری که بخش بازاریابی انجام میدهد باید در جهت حمایت از موضع شرکت به عنوان تولیدکننده محصولات با کیفیت باشد. دوم اینکه یکی از نشانههای محصولات مرغوب، ارائه اطلاعات ارزشمند و مفید به مشتریان کنونی و بالقوه است، به خصوص در مورد محصولات فنی و پیچیده، کیفیت اطلاعاتی که همواره محصول ارائه میشود بر درک کیفیت محصول و رضایت نهایی مشتری تاثیر بسیاری دارد. این اطلاعات فقط به دفترچه راهنمای عملیاتی یا خدمات پس از فروش محدود نمیشود.
2-1-18- مشارکت در بهبود کیفیت
شرکتها در سراسر جهان برای افزایش دادن کیفیت محصول از روشهای مختلفی استفاده میکنند. یکی از بهترین روشها تشکیل دایرههای کنترل کیفیت است که عبارت است از یک گروه غیررسمی که برای تحلیل مشکلات مربوط به کیفیت و فرآیندهای تولیدی جلساتی تشکیل و راه حلهایی به مدیریت پیشنهاد میدهند. هزاران شرکت جهانی با استفاده از صدها هزار کارگز و کارمند از دایره های کنترل کیفیت استفاده میکنند. اگر چه مزیت محصول با بهبود کیفیت ایجاد میشود دایرههای کنترل کیفیت پیشنهادهایی میدهند که به بهره وری بالاتر و رضایت شغلی بیشتر منجر میشود. دایرههای کنترل کیفیت اغلب در قسمت تولید مورد استفاده قرار میگیرند، ولی هر جا که فرصتی برای بهبود باشد میتوان از آنها استفاده کرد؛ برای مثال برای افزایش کیفیت آموزشهای فروش، گروهی از آموزشدهندگان، فروشندگان و افراد علاقهمند دیگر را میتوان در این دایرهها شرکت داد. دایرههای کنترل کیفیت علاوه بر قسمت تولید محصولات و ارائه خدمات گاهی به فرآیندها هم توجه میکنند؛ برای مثال پس از پیشنهاد این گروه مبنی بر دریافت محمولههای کوچکتر از شرکتهای تدارکاتی، یکی از شرکت ها سالی 600 هزار دلار صرفهجویی کرد.
روش دیگری که برای بهبود کیفیت محصول در کشورهای پیشرفته بسیار مورد توجه قرار گرفته است “به کارگیری وظیفه کیفیت” است که روشی موثر برای انتقال تمایلات و انتظارات مشتریان به محصولات است. این روش انتظارات مشتری را به ویژگیهای محصول ربط میدهد؛ برای مثال اگر مشتری بگوید: “من گرافیک های سریع رایانه میخواهم”، روش به کارگیری وظیفه کیفیت، توجه شما را به جزئیات فنیای جلب میکند که موجب گرافیکهای سریع رایانهای میشود. مهمترین مزیت این روش این است که شما را مجبور میکند به طور منظم درباره انتظارات مشتری بیندیشید. در این جا اضافه کردن ترکیبات به محصول به این دلیل که شما دوست دارید با رقیب شما آن را ارائه داده است صورت نمیپذیرد. به کارگیری وظیفه کیفیت تمام ویژگیهای محصول را به نیازهای شناسایی شده مشتریان ربط میدهد و بدین وسیله انتظارات آن ها را برآورده میکند و این تعریف جدیدی از کیفیت است.
2-1-19- برنامه ای برای ارائه خدمات به مشتریان
شرکتهایی که خدمات عالی به مشتریان ارائه میکنند دارای چند ویژگی مهم و مشترک هستند. به خواستهها، نیازها، و انتظارات مشتریان توجه بسیاری دارند. استراتژی خدماتیای را توسعه دادهاند که به طور واضح تعریف و ابلاغ شده است. سیستمی را طراحی کردهاند که در آن در هر مرحله از مبادله با مشتریان به خوبی رفتار میشود و دیگر این که بسیاری از کارکنان این شرکت ها به خدمت گرایش دارند (رضایی نژاد عبدالرضا ، 1379).
حرفههای بازاریابی در هر صنعتی باید درکی از بازاری که در آن فعالیت میکنند را نشان دهد. این موضوع در مراقبت سلامت به دلیل طبیعت منحصر به فرد و بازارهای متنوع مراقبت سلامت از اهمیت ویژهای برخوردار میباشد. فعالیت های بازاریابی در خلا اتفاق نمیافتند بلکه محصولات محیط فرهنگی اجتماعی هستند. برای درک اشتراک بین مراقبتهای سلامت و بازاریابی، لازم است که چهارچوب اجتماعی که در هر دو اینها وجود دارد را درک کنیم. برای بازاریابی موثر، بازاریابان ابتدا باید درک کاملی از ماهیت سیستم موجود که در آن عمل میکنند داشته باشند. جهت موفقیت سازمانهای مراقبت سلامت در محیط امروزی باید درکی از بازارهای سازمان شان که در آن خدمت میکنند و ویژگیهای برجسته این بازارها داشته باشند. بنابراین، برای انجام این کار نیازمند درک عمیق از ویژگیهای اجتماعی، اقتصادی و سیاسی جمعیت هدف، به همراه شیوههای زندگی، طرز تفکر و دیگر ویژگیهای مهم آنها میباشیم.
هر چند که توصیف همه ابعاد و سیستمهای سلامت و سیستمهای اجتماعی که در طرحهای توسعه بازاریابی مهم هستند، امکان پذیر نمیباشد.
اگر چه در گذشته پزشکان و اکثر سازمان های مراقبت سلامت غیر انتفاعی استفاده از واژه بازاریابی در ارتباط به هر یک از فعالیت هایشان مقاومت میکردند، با وجود این نگران بازارهای روزانه خود بودند. پزشکان باید به ویژگیهای جمعیتی که به آن ارائه خدمت میدهند و متخصصان باید از پزشکان ارجاع دهنده که تشکیل دهنده بازارهایشان هستند، آگاه باشند .(Richard K. Thomas, 2000)
اگرچه تعریف دقیق بازاریابی به مجموعهای از خریداران واقعی و بالقوه محصولات اشاره دارد، این مفهوم از بازاریابی در مراقبت سلامت نیز توسعه یافته است و در ایران نیز نیاز است که فرهنگ بازاریابی در خدمات سلامت گسترش یابد.
2-2- مدل های مورد استفاده
2-2-1- تحلیل ممیزی خطی (LDA)10
یک روش برای طبقه‌بندی است که کاملاً بر اساس بردار ویژگی صورت می‌گیرد. هدف اصلی در LDA یافتن یک ترکیب خطی از فاکتورها است که به بهترین شکل، دسته‌های مختلف نمونه‌ها را از یکدیگر متمایز می‌کند. یک تابع ممیزی خطی به شکل زیر بیان می‌شود:
(معادله 2-1) anxn D = a1x1 + a2x2 + … +
که در آن ‌x ها متغیرهای مستقل یعنی توصیف‌گرهای کمّی هستند، D را تابع ممیزه11 می‌نامند و a1, a2, …, an وزن های پارامترها می‌باشند. در یک فضای دوبعدی از پارامترها این تابع به شکل یک خط، و در فضای سه‌بعدی به شکل یک صفحه است، اما در فضای n-بعدی از پارامترها، این تابع که کلاسها را از یکدیگر تفکیک می‌کند، تبدیل به یک صفحه چندبعدی یا ابرصفحه12 می‌شود. نمونه‌ای از تابع ممیزه در یک فضای دوبعدی را در شکل2-3 می‌بینید. با مشخص شدن مکان ابرصفحه در فضا، نمونه‌های جدید بر اساس اینکه در کدام سمت این صفحه قرار می‌گیرند در یکی از دو کلاس طبقه‌بندی می‌شوند.
چیزی که تابع ممیزه برای ما مشخص می‌کند، ضرائب پارامترها در معادله 2-1 است، به طوری‌که نسبت بین واریانس این تابع بین کلاسها به واریانس این تابع در درون کلاسها برای مجموعه ترکیبات موجود در بانک، بیشترین مقدار باشد. پس از تعیین این تابع، کلاس مربوط به هر نمونه جدید بر مبنای یکی از دو تابع زیر مشخص می‌شود:
(معادله 2-2)
(معادله 2-3)
از تابع اول هنگامی استفاده می‌شود که دو کلاس، تعداد مساوی از نمونه‌ها را شامل شوند؛ اما هنگامی که تعداد نمونه‌ها در کلاسها برابر نباشد، تابع دوم مورد استفاده قرار می‌گیرد. هر نمونه جدید، بر اساس مقدار تابع ممیزه خود یعنی DDf یا DDf در یکی از دو کلاس قرار می‌گیرد. در دو معادله بالا، D1 و D2 به ترتیب، مقدار میانگین تابع ممیزه برای نمونه‌های کلاسهای 1 و 2، و n1 و n2 تعداد نمونه‌ها در هر کلاس می‌باشند.
2-2-2- شبکه‌های عصبی مصنوعی
يک شبکه عصبی مصنوعی (ANN)13 ايده‌ای است برای پردازش اطلاعات که از سيستم عصبی زيستی الهام گرفته شده و مانند مغز به پردازش اطلاعات می پردازد. اين سيستم از شمار زيادی عناصر پردازشی به نام نورون، تشکيل شده است که برای حل يک مسأله با هم هماهنگ عمل می‌کند. ANN‌ها، نظير انسان ها با مثال ياد می‌گيرند و با پردازش داده های تجربی، دانش يا قانون نهفته در ورای داده‌ها را به ساختار شبکه منتقل می‌کنند. به همين خاطر به اين سيستم ها، هوشمند گفته می‌شود، چرا که بر اساس محاسبات روی داده های عددی يا مثال ها، قوانين کلی را ياد می‌گيرند.
از حدود 1940 به طور همزمان اما جداگانه، از سویی نوروفیزیولوژیست‌ها سعی می‌کردند سیستم یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سویی ریاضیدانان تلاش می‌کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه تحلیل عمومی مسائل را دارا باشد. از آن زمان، بارها این اتفاق افتاد که ریاضیدانان یافته‌های نوروفیزیولوژیست‌ها را پیاده سازی کردند، بدون این که بدانند چرا، و در عمل مشاهده کردند که سیستم پیاده‌شده کارایی شگفت انگیز سیستم طبیعی را دارد. پس از آن توانستند منطق زیربنایی سیستم طبیعی را درک کنند. اگر چه از همان ابتدا، ریاضیدانان توانسته بودند مدل ریاضی یک سلول عصبی یا نورون را بسازند، اما تا حدود 1974 دانش مربوط به نوع اتصال این واحدهای شبه‌نورونی به یکدیگر تکامل لازم را نیافته بود. امروزه برنامه‌های کاربردی متعددی دردسترس هستند که با این روش کار می‌کنند.
شبکه های عصبی مصنوعی در واقع مثلثی هستند که سه ضلع مفهومی دارند:
1- سیستم تجزیه و تحلیل داده ها
2- نورون یا سلول عصبی
3- شبکه یا قانون کار گروهی نورونها
هایکین، در یک تعریف کلاسیک می گوید:
«شبکه عصبی عبارت است از مجموعه‌ای عظیم از پردازشگرهای موازی که استعداد ذاتی برای ذخیره اطلاعات تجربی و به‌کارگیری آن دارند و این شبکه دست کم از دو بابت شبیه مغز است:
1- مرحله ای موسوم به یادگیری دارد؛
2- وزن های سیناپسی جهت ذخیره دانش به کار می روند.»
وظیفه شبکه های عصبی یادگیری است. تقریباً چیزی شبیه یادگیری یک کودک خردسال. یادگیری در شبکه‌های عصبی رایج به شکل Supervised یا یادگیری تحت نظارت است. والدین تصاویر حیوانات مختلف را به کودک نشان می‌دهند و نام هرکدام را به کودک می‌گویند. ما روی یک حیوان، مثلاً «سگ»، تمرکز می‌کنیم. کودک تصاویر انواع مختلف سگ را می‌بیند و در کنار اطلاعات ورودی (تصاویر و صدا) برای هر نمونه، به او گفته می‌شود که این اطلاعات مربوط به یک نوع سگ هست یا خیر، بدون اینکه به او گفته شود، سیستم مغز او اطلاعات ورودی را تجزیه و تحلیل می کند و به یافته‌هایی در زمینه هر یک از پارامترهای ورودی از قبیل «رنگ، اندازه، صدا، داشتن پنجه یا سم یا شاخ» می‌رسد. پس از مدتی او قادر خواهد بود یک نوع جدید از سگ را که قبلاً هرگز ندیده است شناسایی کند. از آنجایی که در مورد هر نمونه جانور در مرحله یادگیری به
کودک گفته شده که آیا سگ هست یا خیر، این نوع یادگیری، تحت نظارت نامیده می شود. نوع دیگر یادگیری یعنی یادگیری بدون نظارت یا Unsupervised هم توسط شبکه های عصبی شبیه‌سازی شده است و کاربردهای کمتری دارد.
2-2-3- مقایسه مدل‌سازی کلاسیک با مدل‌سازی شبکه عصبی
الف: سناریوی مدل‌سازی کلاسیک
جهت درک ویژگیهای مدل‌سازی به کمک

دسته بندی : No category

دیدگاهتان را بنویسید