Организация и направления развития маркетинговой деятельности на промышленных предприятиях Кабар (стр. 20 из 32)

- создать веб-сайт конкретной компании, не имея специальных знаний и навыков;

- создать защищенную систему информирования и рассылки документов;

- определит реальную цену на продукцию с помощью электронного аукциона;

- удерживать и расширять аудиторию при помощи бесплатной электронной рассылки;

- получить свободный доступ к постоянно пополняемым базам данных о предприятиях, предложениях товаров (услуг), мелкооптовых ценах, инвестиционных проектах и др.

Указанные возможности сразу предоставят РЦМУ надежную информационную базу, позволяющая устанавливать прямые контакты с партнерами из других регионов. Следовательно, региональный центр маркетинговых услуг, организованный с учетом предлагаемых технологий, не только будет реальной основой создания в регионе современной логистической системы, имеющей налаженные внешние выходы, но и позволит уверенно формировать инфраструктуру для развития предпринимательства.

Вместе с тем, хотелось бы отметить, что создание РЦМУ КБР - это только первый шаг к формированию развитой системы маркетингового обслуживания предприятий КБР. Следующим шагом должен стать, на наш взгляд, четко выраженный механизм маркетинговых исследований, основанный на математических моделях.

В определенных ситуациях применение математических моделей для анализа маркетинговой деятельности при исследовании рынков может оказать существенную помощь разработчикам бизнес-планов компании, когда встанет вопрос об эффективности и рисковости инвестиций в тот или иной бизнес. Главное, чтобы в применяемых моделях производился надлежащий учет неопределенности относительно будущего состояния учтенных в модели параметров рынка.

В работах по маркетинговому моделированию [62] упомянутая неопределенность учитывается с введением в модель так называемых субъективных вероятностей, оценки которых получены как результат познавательной активности экспертов или экспертных групп. На наш взгляд, сегодня более предпочтительным способом учета неопределенности является подход, основанный на математике нечетких множеств.

Любая модель является сильно упрощенным отражением действительности. Важно, чтобы это упрощение не сделало рассуждения исследователя тавтологичными. Этого следует избегать, тщательно описывая допущения (условия применимости) модели. Если допущения модели противоречат специфике объекта исследования (рынка того или иного товара), то модель используется некорректно.

В качестве примера приведем комплекс возможных допущений модели продаж на так называемом ограниченном рынке:

- период наблюдения ограничивается временем с момента появления товара (торговой марки) на рынке до момента достижения фирмой максимальной доли рынка. Определение максимальной доли рынка – сложная задача, связанная с многофакторным анализом рыночных структур. Поэтому параметр максимальной доли рынка в рамках данной модели мы заменим параметром целевой доли рынка. Количественные цели, связанные с увеличением объема продаж или рыночной доли ставятся в большинстве фирм.

- емкость рынка (то есть совокупный объем продаж на рынке за период) является постоянной величиной или прирастает, за счет равномерного увеличения объемов продаж всех поставщиков. Емкость рынка может изменяться с течением времени под воздействием различных факторов: изменение числа потребителей, изменение интенсивности потребления. При этом условие равномерности может не соблюдаться, а это значит, что абсолютная величина целевой рыночной доли фирмы в единицах проданного товара может изменяться под воздействием непредсказуемых внешних факторов.

- число поставщиков на рынке является неизменным. Чтобы избежать усложнения модели, не берутся во внимание возможное вторжение на рынок новых конкурентов или отказ имеющихся поставщиков от работы на нем.

- маркетинговые усилия фирмы являются единственным эндогенным фактором, воздействующим на действительную величину ее рыночной доли.

Все параметры маркетинговой модели мы условно разбиваем на три класса: экзогенные, промежуточные и целевые. Класс экзогенных параметров образуют те параметры рынка, которые по допущениям рассматриваются как внешние по отношению к построенной модели. То есть в модели предполагается, что никакое количественное изменение параметров модели не повлияет на величину экзогенных параметров. Все прочие (эндогенные) параметры модели, наоборот, являются функционально зависимыми от уровня экзогенных параметров. Эти внутренние параметры мы условно разбиваем на промежуточные (используемые во внутримодельных расчетах и не имеющие самостоятельной ценности) и целевые (которые непосредственно контролируются исследователем, и по состоянию которых исследователь делает те или иные выводы о состоянии рынка).

Мы предполагаем далее, что разработанная маркетинговая модель является функциональной, т.е. все связи между параметрами модели вполне четко формализованы и имеют функциональное описание. Это было бы не так, если бы возникло затруднение описать некую модельную связь строго однозначно и воспользовался бы для формализации своего представления об объекте исследования нефункциональным аппаратом.

Если мы рассматриваем экзогенные параметры как точно измеряемые или оцениваемые величины, то такую модель можно назвать детерминированной или четкой. Но эта модель вне учета наличной информационной неопределенности не выдерживает проверки на корректность. Поэтому, когда четкая функциональная модель дополняется вероятностным описанием экзогенных параметров, то такую модель следует назвать вероятностной. Если же описание экзогенных параметров модели носит нечетко-множественный характер, то такую модель назовем нечеткой.

Раз модель, описываемая нами, является функциональной, то неопределеннность в отношении экзогенных параметров (назовем ее Е1) трансформируется в неопределенность относительно уровня целевых параметров (назовем ее Е2), причем если существует конструктивное описание неопределенности Е1, то конструктивное описание неопределенности Е2 может быть построено вполне точно. Так, например, если экзогенные параметры представляются в модели как случайные величины со своими законами распределения, то целевые параметры являются функциями случайных экзогенных параметров, а вероятностные распределения целевых параметров строятся на основе распределений экзогенных параметров при помощи импликативных вероятностных схем.

Пусть в нашей модели Х – экзогенный параметр с плотностью вероятностного распределения f_X (x), а Y – целевой параметр, который функционально связан с Х как Y = X². Тогда плотность распределения целевого параметра Y, согласно теории функций случайных величин, имеет вид:

(1)

Рассмотрим теперь, как учитывается неопределенность в маркетинговой модели с применением теории нечетких множеств.

Если некоторые экзогенные параметры маркетинговой модели обладают «размытостью», т.е. их точное планируемое значение неизвестно, тогда в качестве исходных данных уместно использовать так называемые треугольные нечеткие числа с функцией принадлежности треугольной формы. Эти числа моделируют высказывание следующего вида: «параметр А приблизительно равен

и однозначно находится в диапазоне [a_min, a_max]».

В общем случае под нечетким числом понимается нечеткое подмножество универсального множества действительных чисел, имеющее нормальную и выпуклую функцию принадлежности [29]. Такое описание позволяет взять в качестве исходной информации интервал параметра [a_min, a_max] и наиболее ожидаемое значение

, и тогда соответствующее треугольное нечеткое число = (a_min, , a_max) построено. Далее будем называть параметры (a_min, , a_max) значимыми точками числа .

Тогда нечеткая последовательность - это просто набор нечетких чисел со своими функциями принадлежности, где каждому нечеткому числу взаимно однозначно соответствует порядковый номер, принадлежащий множеству целых положительных чисел. Если заменить в этом определении набор действительных чисел на несчетное множество точек оси действительных чисел (область определения), а набор нечетких чисел - на несчетное множество нечетких чисел (область значений), то легко перейти к определению нечеткой функции как взаимно-однозначному соответствию оси действительных чисел и несчетного множества нечетких чисел. Если все нечеткие числа из упомянутой области значений нечеткой функции являются треугольными, то существует конструктивный способ задания этой нечеткой функции тремя обычными функциями, построенными на значимых точках соответствующих функций принадлежности:

(2)

и тогда удобно называть соответствующую нечеткую функцию также треугольной.

Далее, на наш взгляд, необходимо изложить подход к трансформации исходной строго детерминированной модели в модель, построенную на нечеткостях.

Пусть некоторый целевой параметр в результате моделирования приобретает вид функции

A (t) = A (t | а₁, m₁; а₂, m₂;…; а_N, m_N), (3)

где t - модельное время, А = (а₁, а₂, …а_N) - вектор экзогенных параметров, известных не вполне точно, M = (m₁, m₂,…, m_N) - набор индикаторов монотонности, когда выполняется