WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 10 | 11 || 13 |

В настоящее время (апрель 2003г.) на рынке Екатеринбурга представлена продукция более 15 производителей облицовочной плитки. Таким образом имеется существенная конкуренция между ними. В Екатеринбургских магазинах таких, как “Альфа керамика”, ”Бэст керамикс”, “Центр керамики” и т.д. представлено большое разнообразие керамической плитки по качеству, художественному оформлению и размерам. В связи с этим имеется существенный разброс цен на неё (132- 1312 руб. за 1м2 ). Отсюда не ясно, правильно ли установлена цена на плитку производителем.

Неоптимальное установление продажной цены на облицовочную плитку может привести к потере прибыли. В случае недооценки продукции производитель теряет прибыль с каждого факта продажи. При переоценке прибыль уменьшается из-за снижения объёма продаж. Таким образом, является актуальной задача определения оптимальной цены на облицовочную плитку и проверка правильности установления этой цены производителями [27].

2.8.2. Реализация предлагаемого метода определения оптимальной цены В данной методике была применена компьютерная программа, содержащая нейронную сеть.

Исходная информация для обучения нейронной сети 1.1. Количество обследованных магазинов - 14.

1.2. Количество выбранных факторов, влияющих на цену плитки - 7 :

- Длина;

- Ширина;

- Качество дизайна, оригинальность;

- Художественная ценность композиции;

- Удобство;

- Наличие декора;

- Наличие бордюра.

1.3. Использованная шкала экспертных оценок для характеристики художественных параметров плитки (баллы).

1- Посредственное оформление.

3- Удовлетворительный внешний вид.

5- Хорошая привлекательность.

7- Большая художественная ценность.

9- Высокая степень оригинальности.

Наличие декора (бордюра) - 1, отсутствие –0.

Сводная табл. 2.8.1. исходной информации для обучения нейронной сети представлена ниже.

Таблица 2.8.1.

Определение нейроцены на облицовочную плитку (обучающий пример) Цветовая Относи- № Ширина, Длина, Качество, Рисунок, Цена 1м2, Цена гамма, тельная п/п мм мм баллы ед руб (Predicted) баллы ошибка, % 1 2 3 4 5 6 7 8 Цена Шр Дл Кч Цг Рис Цена (Predicted) 2 200 330 3 5 1 155 152,07 -1,3 250 330 9 5 1 374 374,41 0,4 250 330 9 7 1 323 360,37 11,5 200 200 7 3 0 374 372,70 -0,6 200 330 7 5 0 381 381,58 0,7 200 300 7 3 1 145 148,14 2,8 200 300 8 5 1 165 167,41 1,9 200 300 9 8 1 220 219,94 -0,10 250 330 7 7 1 220 298,23 35,11 200 300 7 6 1 278 281,22 1,12 250 330 7 5 1 190 194,91 2,13 200 300 7 5 1 280 244,27 -12,14 200 300 5 3 1 145 144,19 -0,15 200 250 3 5 1 141 162,16 15,16 200 300 9 7 1 220 217,31 -1,17 200 250 5 5 1 174 173,19 -0,18 200 300 7 7 1 232 221,49 -4,19 250 330 9 7 1 360 360,37 0,20 200 200 9 9 0 360 360,48 0,21 200 250 7 7 1 310 220,46 -28,22 200 300 7 7 1 185 221,49 19,23 200 300 5 1 0 265 240,94 -9,24 200 300 7 7 1 190 221,49 16,25 200 300 6 5 1 225 222,89 -0,26 200 250 7 1 0 235 235,55 0,27 200 250 5 5 1 170 173,19 1,28 200 300 5 5 1 130 157,94 21,29 200 250 5 6 1 145 157,52 8,30 200 250 9 9 1 320 368,51 15,31 200 200 9 9 1 365 482,01 32,32 200 250 9 9 1 330 368,51 11,33 200 250 9 9 1 340 368,51 8,34 200 250 8 8 1 310 425,11 37,35 200 330 9 9 1 300 299,85 -0,36 200 250 3 5 1 170 162,16 -4,37 200 250 5 3 1 138 139,70 1,38 250 330 8 3 0 360 359,97 -0,39 200 250 6 7 1 355 357,69 0,40 250 330 6 7 1 255 244,68 -4,41 200 200 6 7 1 310 307,10 -0, Продолжение табл. 2.8.1.

1 2 3 4 5 6 7 8 42 200 330 7 8 1 240 241,0, 43 200 250 5 6 1 170 157,-7,44 200 250 7 7 1 230 220,-4,45 200 250 4 5 1 180 164,-8,46 200 250 7 8 1 265 264,-0,47 200 250 5 3 0 240 240,0,48 330 330 5 7 1 320 323,1,49 250 450 9 7 1 623 656,5,50 313 400 8 8 1 401 401,0,51 150 150 8 9 1 420 420,0,52 250 333 9 8 1 410 469,14,53 200 200 9 9 1 460 482,4,54 200 250 7 7 1 175 220,25,55 200 250 7 7 1 132 220,67,56 200 250 9 5 1 225 223,-0,57 198,5 298,5 5 5 1 178 153,-13,58 198,5 298,5 7 5 1 155 193,24,59 198 298 9 7 1 178 177,-0,60 200 250 5 3 1 142 139,-1,61 250 330 7 6 1 365 365,0,62 250 330 9 7 1 396 360,-9,63 200 250 8 6 1 384 468,21,64 200 250 9 7 1 456 454,-0,65 200 250 8 6 1 385 468,21,66 250 450 9 7 1 691 656,-4,67 200 250 8 6 1 640 468,-26,68 250 330 8 5 0 720 715,-0,69 200 300 5 1 0 215 240,12,70 200 300 7 7 1 270 221,-17,71 200 300 6 5 1 210 222,6,72 250 330 7 7 1 365 298,-18,73 250 330 5 3 1 267 265,-0,74 250 330 6 1 0 354 353,-0,75 200 300 5 6 1 185 180,-2,76 200 250 9 7 1 452 454,0,77 200 250 8 8 1 485 425,-12,78 200 250 9 9 1 490 368,-24,79 250 333 9 3 1 643 643,0,80 250 333 9 3 0 624 614,-1,81 250 330 9 4 0 1150 1988,72,82 250 440 9 5 0 1199 1152,-3,83 250 330 9 5 0 1094 991,-9,84 250 333 9 7 0 1003 1001,-0,85 200 200 9 8 1 1312 1470,12,86 200 250 8 6 1 525 468,-10,87 200 250 8 8 1 489 425,-13,88 200 200 9 9 1 732 482,-34,89 250 410 9 8 1 1280 1022,04 -20,90 250 250 9 8 1 173 173,0,91 200 300 8 8 1 242 239,-0,92 200 250 9 7 0 528 528,0,93 250 330 9 8 1 958 652,-31,94 200 250 9 8 0 575 575,0, Среднее значение 1, 2.8.3. Методика оценки влияния разницы в себестоимости на оптимальную рыночную цену В данном исследовании использовали частотный метод анализа.

При помощи частотного метода построили гистограмму цен, показывающую зависимость цены от числа предложений. Гистограмма цен была положена в основу построения функции принадлежности.

Функция принадлежности определяет в данном случае с какой вероятностью принадлежит та или иная цена к выделенным группам себестоимости.

На основе анализа функции принадлежности выявили 4 характерных интервала цен и определили их точные границы. В итоге получили группы себестоимости, характеристики которых приведены в табл. 2.8.2.

Таблица 2.8. Характеристики групп себестоимости Лингвистическое Ценовые Весовые № коэффициенты название себестоимости пределы группы 1 Низкая 100-300 2 Средняя 300-550 3 Повышенная 550-800 4 Высокая 1000-1400 Распределение весовых коэффициентов по группам учитывает возрастание спроса с понижением цены, обусловленной себестоимостью.

Определение вероятности принадлежности к группе себестоимости в зависимости от продажной цены представлено на рис. 2.8.1.

Приведём пример определения вероятности принадлежности цены к одной из групп себестоимости. Из рис. 2.8.1. видно, что цена облицовочной плитки, равная 450 руб. за 1м2 с вероятностью 0,83, относится к средней группе себестоимости. Таким образом, с помощью этого метода можно определять вероятность того, к какой именно группе себестоимости относится интересующая нас цена.

Рис. 2.8.1. Определение вероятности принадлежности к группе себестоимости в зависимости от продажной цены 2.8.4. Анализ оптимальной цены с учётом художественной ценности, дизайна коллекций и разницы себестоимости На основе данных табл. 2.8.1. было проведено обучение компьютерной нейросети. Обучение прошло успешно, так как погрешность в определении оптимальной цены оказалась незначительной. Далее, с помощью обученной нейросети, рассчитали оптимальную цену на облицовочную плитку в виде композиций для Екатеринбургского завода керамических изделий (ЕЗКИ).

Полученные данные позволили сделать следующие выводы.

Было определено, что на оптимальную цену существенно влияют показатели качества дизайна и художественной ценности композиции.

Например, когда качество дизайна и художественная ценность композиции оценивается 4 баллами, то соответствующая цена на облицовочную плитку равна 408 руб. за 1м2. Если качество дизайна оценивается 7 баллами, а художественная ценность композиции 6 баллами, то соответствующая цена возрастает до 430 руб. за 1м2. Следовательно, с ростом балла оценки качества производители однозначно увеличивают рыночную оптимальную цену на облицовочную плитку. При этом учитываются в себестоимости дополнительные затраты на повышение качества.

С помощью компьютерной программы можно сравнить существующую цену на облицовочную плитку с ценой, предсказанной нейросетью для композиций. Рассмотрим художественную композицию “Берёза”, которая производится на ЕЗКИ. Оценка её качества дизайна, художественной ценности достаточно велика (7 и 6 баллов соответственно). Установленная оптимальная цена составляет 347 руб. за 1 м2, а существующая же цена облицовочной плитки “Берёза” равна всего 220 руб. за 1м2. Таким образом, наблюдается существенная ценовая разница, которая выражается в недооценке этой художественной композиции. Такое же отличие в ценах имеет художественная композиция “Клён” того же производителя. Можно привести ещё один пример существенной разницы между существующей (248,5 руб. за 1м2) и установленной оптимальной ценой, равной 312 руб. за 1м2, для художественной композиции “Палитра”.

Отсюда следует, что, например, Екатеринбургскому заводу керамических изделий необходимо повысить цену на облицовочную плитку с учётом качества дизайна, художественной ценности композиции, чтобы избежать убытка при продаже.

Для установления конкретного значения оптимальной цены в зависимости от качества дизайна и художественной ценности рекомендуется график цены, изображённый на рис. 2.8.2.

4 5 6 Качество + дизайн, баллы Рис. 2.8.2. Влияние качества дизайна и художественной ценности на оптимальную цену плитки Изменение цены, % Улучшение качества плитки на 1 балл дает возможность увеличить начальную цену примерно на 4%. Дальнейшее увеличение качества приводит к уменьшению темпа роста цены, так как изменение качественных показателей с 5 до 6 баллов практически воспринимается потребителем как незначительное. Однако при более существенном улучшении качества (до баллов) покупатель снова готов заплатить почти на 20% дороже, чем за плитку с уровнем качества 4 балла. Влияние цены на величину спроса потребителя отражено на рис. 2.8.3.

226 239 307 Цена на плитку, руб/кв.м.

Рис. 2.8.3. Влияние цены на спрос Здесь величина спроса измеряется в условных единицах, численно равных весовым коэффициентам, присвоенным различным группам себестоимости (см. табл. 2.8.2.). Вначале, в диапазоне цен 226-239 руб. за кв.м., картина спроса является инверсной, т.е. спрос растет с увеличением цены. Это объясняется, как было отмечено ранее, повышенным влиянием уровня качества, при котором потребитель согласен переплачивать за плитку лучшего дизайна и лучшей художественной ценности. Однако при дальнейшем увеличении цены, в её диапазоне, где качественные показатели влияют на цену меньше (см. рис. 2.8.2.), спрос начинает уменьшаться и его картина изменения принимает обычный вид. Затем в диапазоне цен от 307 до 484 руб. за кв. м., где уровень качества достигает максимального значения (6 баллов и более) картина спроса снова приобретает инверсный характер.

Таким образом, нейромаркетинг позволяет ориентироваться в реальной картине изменения спроса на рынке и правильно устанавливать необходимую величину оптимальной цены на плитку с учетом художественной ценности композиций и качества дизайна.

ед.

Величина спроса, усл.

Для завода также важно знать такое оптимальное значение цены, при котором достигается максимальное значение объема продаж плитки той или иной композиции. Такая зависимость объема продаж от цены на плитку композиции “Береза” приведена на рис. 2.8.4.

существующий объем рекомендуемый объем 80 220 347 403 Цена на плитку, руб Рис. 2.8.4. Зависимость объёма продаж от цены на плитку композиции “Берёза” Здесь условный объем продаж рассчитан как произведение величины спроса на цену 1 кв.м. плитки. Для указанной композиции максимальное значение объема продаж имеет место при цене 347 руб. за кв.м. Поэтому именно это значение цены может быть рекомендовано ЕЗКИ в качестве оптимальной. При увеличении цены сверх оптимального значения объем продаж начинает снижаться из-за сокращения спроса по причине необоснованного удорожания. В настоящее время продажная цена на плитку композиции “Береза”, составляющая 220 руб. за кв.м., дает условный объем продаж 1960 руб. В случае продажи плитки по рекомендуемой оптимальной цене 347 руб. за кв.м. объем продаж возрастет до 3091 руб., т.е. на 57%.

Условный объем продаж, руб 2.9. Контрольные вопросы и задания 1. Перечислите информационные методы, на которых основана концептуальная модель применения нейросетей.

2. В чём заключается алгоритм решения задачи диагностики с помощью нейросети 3. Объясните основные принципы управления с помощью нейросети.

4. В чём заключается обучение и адаптация нейроробота 5. Объясните, на основе чего можно выделить интервалы цен и определить их точные границы в нейромаркетинге.

6. Что учитывает распределение весовых коэффициентов по группам в применении к нейромаркетингу 7. Перечислите возможные лингвистические названия себестоимости.

8. Дайте определение оптимальной цены.

9. Соберите необходимую информацию и определите нейроцену на сотовые телефоны.

10. Соберите необходимую информацию и определите нейроцену на подержанные автомобили.

З а к л ю ч е н и е Изложенный материал по практическому нейрокомпьютингу соответствует общемировой тенденции развития технологии нейросетей.

Появление нейророботов-агентов, работающих в реально су-ществующей кибернетической среде Internet (см., например, http://www.agentware.com) способствует более полному представлению интересов пользователя во всех отраслях его деятельности. Практически все компьютерные фирмы включены в освоение этого рынка услуг. Достаточно упомянуть Мicrosoft, тратящую по $100 млн. в год только на исследования в программном обеспечении. Российский рынок, отставая от зарубежных производителей в аппаратном обеспечении нейрокомпьютинга, в плане научных услуг имеет в настоящее время высокий потенциал, особенно в области перевода созданных раннее разработок и новых результатов научных исследований на нейросетевые технологии. Для полной реализации этого потенциала авторы предлагают использовать в практическом нейрокомпьютинге системный подход, предусматривающий связанные между собой обязательные этапы физической постановки и математической формулировки задачи, алгоритмическое и программное обеспечение решения поставленной задачи, анализ и интерпретацию результатов.

Pages:     | 1 |   ...   | 10 | 11 || 13 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.