Algı haritalarının değerlendirilmesi için kümeleme algoritmalarına dayalı yeni bir model geliştirilmesi

Abstract

Algı haritaları, pazarlama araştırmacıları tarafından görsel olarak tüketici algılarını göstermek amacıyla kullanılan grafiksel bir araçtır. Algı haritaları sayesinde işletmeyi ya da markayı konumlandırmak, pazardaki rakipleri tanımak ve boşlukları tespit etmek mümkündür. Dolayısıyla bu araç firma stratejileri için gereklidir. Çokboyutlu ölçekleme, algı haritalarında genellikle kullanılan yöntemlerdendir. Ancak bu yöntemi tek başına kullanmak, yorumlanması güç olacağından, strateji geliştirmek için yeterli değildir. Bu tez çalışmasında, verinin toplanmasından haritanın oluşturulmasına, haritada rakip kümelerin belirlenmesinden değişkenlerin (marka, işletme, destinasyon gibi) rekabet açısından derecelendirilmesine kadar geçen sürecin bilgi sistemlerine dayalı bir model olarak sunulması hedeflenmiştir. Modelde değişkenler arası benzerliklerin/farklılıkların belirlenmesinde uzaklık ölçüleri, haritanın oluşturulmasında çokboyutlu ölçekleme yöntemi, değişkenlerin rekabet kümelerinin belirlenmesinde k-ortalamalar algoritması, değişkenlerin yer aldığı kümeye göre derecelendirilmesinde bulanık c-ortalamalar algoritması ve değişkenlerin üstünlük sıralamasında TOPSIS yöntemi kullanılmıştır.

Perceptual maps are a graphical tool used by marketing researchers that use to visually display the perceptions of consumers. With perceptual maps, it is possible to position the company/the brand, to recognize the competitors and to determine the gaps in the market. Therefore, this tool is necessary for company strategies. Multi-Dimensional Scaling is one of the frequently used methods in perceptual maps. However, using this method alone is not enough to develop a strategy, due to the difficulty of the interpretation. In this thesis study, it is aimed to present the process as an information system aided model from the data collection, to the creation of the map, and also from the determination of the competitor clusters on the map to the determine the degree of competition for the variables (brand, company, destination etc.). In the model distance measures were used to determine similarities / differences between variables. Multidimensional scaling has been used in the creation of the map. Besides the k-means clustering algorithm is used in determining the competition clusters of the variables. In addition, the fuzzy c-means clustering algorithm is used to determine the degree of variables. Finally, the TOPSIS method is used for the rank order of the variables.