Marketing Decision Model การตัดสินใจทางการตลาด

Marketing Decision Model การตัดสินใจทางการตลาด

              นักการตลาดจะต้องเผชิญกับปัญหาต่างๆ และจะต้องหาทางแก้ไขปัญหานั้นซึ่งแต่ละปัญหามีทางเลือกในการแก้ปัญหาได้มากมาย นักการตลาดจะต้องตัดสินใจเลือกทางเลือกที่ดีที่สุดในการแก้ปัญหาภายใต้สภาวการณ์ต่างๆ ทฤษฎีการตัดสินใจจึงมีบทบาทสำคัญมากที่จะช่วยนักการตลาดในการตัดสินใจโดยการประเมินผลได้และผลเสีย ของแต่ละทางเลือก ในการประเมินผลนักการตลาดไม่อาจทราบได้อย่างแน่นอนว่าอะไรจะเกิดขึ้นในอนาคต แต่สามารถพยากรณ์ได้ว่าเหตุการณ์ใดจะเกิดขึ้นและและก่อให้เกิดผลได้และเสียเป็นจำนวนเท่าใด ซึ่งอาจจะตรงหรือไม่ตรงกับความเป็นจริงทั้งนี้ขึ้นอยู่กับความสามารถและประสบการณ์หรือผู้ตัดสินใจ ตลอดจนข้อมูลที่นำเข้ามาช่วยตัดสินใจถูกต้องแม่นยำหรือเพียงพอกับความต้องการหรือไม่ในการพยากรณ์เหตุการณ์ต่างๆ ทางการตลาดยังต้องอาศัยเทคนิคทางสถิติ โดยเอาความน่าจะเป็นมาประกอบเป็นแนวทางในการตัดสินใจและประเมินความเสี่ยงที่อาจเกิดขึ้น แต่บางสถานการณ์นักการตลาดไม่อาจทราบความน่าจะเป็นของการเกิดเหตุการณ์ต่างในอนาคตได้ เนื่องจากมีข้อมูลไม่เพียงพอที่จะทำได้ จึงต้องอาศัยการตัดสินใจที่เรียกว่า การตัดสินใจภายใต้ความไม่แน่นอน

แบบจำลองที่ใช้ในการตัดสินใจทางการตลาด(Marketing Models) ประกอบด้วย

1.ทฤษฎีการตัดสินใจภายใต้เงื่อนไขต่างๆ(Decision Theory)

2.การวิเคราะห์จุดคุ้มทุน(Break-even  Analysis)

3.การบริหารสินค้าคงคลัง(Inventory  Models)

4.การจัดสรรทรัพยากร(Allocation  Models)เช่น ตัวแบบการขนส่ง(Transportation) การมอบหมายงาน(Assignment)

โปรแกรมเชิงเส้น(Linear  Programming)โปรแกรมเชิงเส้นไม่ตรง(Nonlinear Programming)โปรแกรมเชิงเส้นจำนวนเต็ม(Integer   Programming) โปรแกนมเป้าหมาย(Goal  Programming)โปรแกรมพลวัต(Dynamic Programming)

5.ตัวแบบการรอคอยการใช้หรือให้บริการ(Queuing  Models)

6.ตัวแบบการแข่งขัน(Competitive  Models) ทฤษฎีเกมส์(Games Theory)

7.ตัวแบบวิเคราะห์พฤติกรรมทางการตลาดด้วย Markov Chain

8.ตัวแบบจำลองโดยใช้ข้อมูลในอดีต(Simulation  Model)

9.แบบการพยากรณ์ในอนาคต(Forecasting)

กรณีศึกษา การใช้ข้อมูลในอตีตสร้างแบบจำลองและวิเคราะห์พฤติกรรมทางการตลาดด้วย Markov Chain 

วิเคราะห์พฤติกรรมในการชำระค่าบริการบำบัดน้ำเสีย

จากการศึกษาข้อมูลลูกหนี้ค่าบำบัดน้ำเสียของ เทศบาลเมืองแสนสุข จังหวัดชลบุรี ปี พศ.2542- พศ.2545 โดยนำเฉพาะกลุ่มผู้ประกอบการจำนวน 522ราย มาศึกษาการเปลี่ยนแปลง  แต่การจัดเก็บค่าบำบัดน้ำเสียเป็นสิ่งใหม่สำหรับประชาชน การจัดเก็บในระยะแรกจะมีปัญหาต่อต้านมาก ทำให้ต้องหยุดบางช่วงทำให้ข้อมูลขาดความต่อเนื่อง หลังจากมีการประชาสัมพันธ์อย่างต่อเนื่อง จึงดำเนินการจัดเก็บได้ใน ปี พศ.2544  ข้อมูลที่จะนำมาศึกษาจึงใช้ ตั้งแต่ เดือน ธันวาคม พศ.2544-พฤษภาคม พศ.2545 เป็นคาบเวลาแรก  และข้อมูลในเดือน มีนาคม พศ.2545-เดือน พฤศจิกายน พศ.2545 เป็นคาบที่สอง  สถานะของลูกหนี้แต่ละเดือนจะเป็น จ่ายแล้วและยังไม่จ่าย เมื่อนับรวมภายในคาบเวลา 6 เดือนแรกจะจัดกลุ่มลูกค้าตามข้อมูล แต่ละคาบเวลาจะถูกแบ่งเป็น 6 กลุ่ม

                        กลุ่มที่ 1 คื่อจำนวนลูกค้าที่จ่ายค่าบำบัดน้ำเสีย 5-6 ครั้งใน รอบ 6 เดือน

                        กลุ่มที่ 2 คื่อจำนวนลูกค้าที่จ่ายค่าบำบัดน้ำเสีย 4 ครั้งใน รอบ 6 เดือน

                        กลุ่มที่ 3 คื่อจำนวนลูกค้าที่จ่ายค่าบำบัดน้ำเสีย 3 ครั้งใน รอบ 6 เดือน

                        กลุ่มที่ 4 คื่อจำนวนลูกค้าที่จ่ายค่าบำบัดน้ำเสีย 2 ครั้งใน รอบ 6 เดือน

                        กลุ่มที่ 5 คื่อจำนวนลูกค้าที่จ่ายค่าบำบัดน้ำเสีย 1 ครั้งใน รอบ 6 เดือน

                        กลุ่มที่ 6 คื่อจำนวนลูกค้าที่จ่ายค่าบำบัดน้ำเสีย 0 ครั้งใน รอบ 6 เดือน

เมื่อเวลาผ่านมาถึงคาบที่สอง จำนวนลูกค้าในแต่ละกลุ่มจะเปลี่ยนไป สามารถคำนวณออกมาในรูปความน่าจะเป็นของการเปลี่ยนแปลง ในตารางเมตริก ขนาด [6*6] การคูณของเมตริกตามวิธีการของ Markov  Analysis จะให้ผลของการแปลี่ยนแปลงพฤติกรรมของลูกค้าแต่ละกลุ่มที่แปลี่ยนแปลงตามคาบเวลา    และเมื่อนำค่าความน่าจะเป็นในตารางเมตริก มาสร้างเลขสุ่มจำนวณ 1000 รอบแล้วจัดกลุ่มใหม่จะทำให้เห็นถึงโอกาศที่ลูกค้าแต่ละกลุ่มจะมีการเปลี่ยนแปลงในเดือนถัดไป  ตามเทคนิคของ Monte Carlo Simulation

วิธีการทำงาน

1 .ศึกษาข้อมูลลูกค้ากลุ่มผู้ประกอบการ 522 ราย แบ่งออกเป็น 6 กลุ่ม

2. ตรวจนับสถานภาพการจ่ายค่าบำบัดน้ำเสีย คาบแรก เดือน ธันวาคม พศ. 2544  -พฤษภาคม พศ.2545

    คาบที่สอง เดือน มิถุนายน พศ. 2545- พฤศจิกายน พศ. 2545

3. สร้างตารางเมตริกของความน่าจะเป็นขนาด 6*6 ตามการเปลี่ยนจำนวนของแต่ละกลุ่มเมื่อคาบเวลาเปลี่ยนไป เช่น กลุ่มที่ 1 เดิมมี 89 ราย เมื่อเปลี่ยนคาบเวลาแรก ยังคงมีกลุ่มที่1 อยู่ 78 ราย คิดเป็นความน่าจะเป็น 0.787  และนำค่าความน่าจะเป็นมาสร้างตารางคำนวณเลขสุ่ม 1000 รอบ  จะได้โอกาศที่จะมีกลุ่มที่ 1ในเดือนที่ 24  อยู่ 34.75%

สรุปปัญหาและข้อเสนอแนะ   

   การวางแผนทางธุรกิจจำเป็นอย่างยิ่งที่จะต้องมีข้อมูลและการนำข้อมูลมาวิเคราะห์เมื่อให้เห็นถึงแนวโน้มที่เกิดขึ้นในอนาคต ระบบสนับสนุนการตัดสินใจ จึงมีความจำเป็นที่ผู้บริหารสมัยใหม่ต้องการ การนำการวิเคราะห์ มาร์คอฟ (Markov Analysis)และการจำลองแบบมอนติคาโล(Monte Carlo Simulation) มาเป็นเครื่องมือจะทำให้การตัดสินใจได้ถูกต้องยิ่งขึ้น

 ตัวแบบสำหรับการวิเคราะห์สถานภาพลูกค้า เป็นส่วนหนึ่งของเครื่องมือนำทางให้ผู้วิเคราะห์ได้ทราบถึงเหตุการณ์ที่อาจเกิดขึ้นได้ จากการทดสอบกับข้อมูลจริงในเดือนพฤษภาคม พศ. 2546 มีลูกค้าในกลุ่มที่ 1 อยู่ 151 ราย เทียบกับค่าพยากรณ์จากตัวแบบได้ลูกค้าในกลุ่มที่1 เดิม จำนวน 89 ราย จะเปลี่ยนมาเป็นกลุ่มที่1 อีกครั้งในเดือน พฤศภาคม พศ.2546 จำนวน 177รายใกล้เคียง ประมาณ 85%  ซึ่งยังถือว่ายอมรับได้ ส่วนที่คลาดเคลื่อนอาจเป็นเพราะเงื่อนไขในการบังคับใช้ยังไม่มีการทำไปปฏิบัติอย่างเป็นรูปธรรม แต่จากข้อมูลแสดงให้เห็นถึงการยอมรับจากประชาชนมากขึ้น หน่วยงานด้านประชาสัมพันธ์จะต้องนำข้อมูลลูกค้าในกลุ่มเป้าหมายทำการรณรงค์ให้ถึงตัวลูกค้าโดยตรง

ข้อมูลอ้างอิง

1.https://sites.google.com/site/simulationinexcel/hlaksutr-fuk-xbrm

2.การวิเคราะห์เชิงปริมาณทางการตลาด ม.รามคำแหง MK402