آغاز ثبت نام دومین بوت کمپ داستان سرایی

آغاز ثبت نام دومین بوت کمپ داستان سرایی

به قلم : تیم تحریریه

پس از برگزاری اولین بوت کمپ داستان سرایی در ایران، IMCS در نظر دارد تا دومین بوت کمپ داستان سرایی در حوزه ی بازاریابی را برگزار نماید. کمپ آموزشی پاییزی سه روزه داستان سرایی در بازاریابی ، که ضمن ارتباط تمام وقت با دروس دوره و فراهم کردن محیطی شاداب برای آموزش، اقدام به ارائه متدولوژی کامل خلق داستان‌های بازاریابی می‌نماید.

ارتباط با ما

آدرس: تهران، بزرگراه همت غرب، ابتدای بلوار کوهسار، بن بست گل، پلاک 1، طبقه سوم، واحد 5

پست الکترونیک: info@imcs.institute

تلفن: 44355227-021

آپارات   لینکدین   اینستاگرام

Gamification; آیا اخلاقی است؟( قسمت اول)

Gamification; آیا اخلاقی است؟( قسمت اول)

به قلم : تیم تحریریه

پیش بینی می‌شود که اندازه بازار Gamification، در سه سال آینده تقریباً به 23 میلیارد دلار برسد و با جذب مشتریان و کارمندان از نظر روانی، محبوبیت پیدا کند. اما محققان هشدار می‌دهند که در صورت استفاده نادرست از Gamification، این پدیده جذاب می‌تواند به یک ابزار قدرتمند و غیر اخلاقی تبدیل شود.

اولین باری که آندره تورپ با Gamification آشنا شد، Gamification به یک ابزار خارق العاده تجاری تبدیل شده بود که مشتریان و همکاران را متقاعد به انجام هر کاری می‌کرد. تورپ- استاد استراتژی، کارآفرینی France’s Kedge Business School با مشاهده قدرت Gamification در خصوص متقاعد سازی و تشویق مشتریان نسبت به خرید و استفاده از محصولات و خدمات ،در خصوص اخلاقی بودن آن به فکر فرو رفت و تحقیقات گسترده ای را آغاز نمود. او نگران این مسئله بود که Gamification می‌تواند مشتریان را وادار به استفاده از خدمات و محصولات نماید.تروپ و استفان روپر، استاد دانشکده Business Warwick در انگلستان، مقاله ای با عنوان “اخلاق Gamification در زمینه بازاریابی” نوشتند، که در این مقاله چگونگی دستبردن کسب و کارها در خواسته‌های مشتریان را بررسی کردند. هنگامی‌که تورپ و روپر برای اولین بار مقاله را منتشر کردند، با سوالاتی از قبیل: چگونه این پدیده با سایر جنبه های بازاریابی تفاوت دارد؟ تفاوت بین اقناع و دستکاری چیست؟ رو به رو شدند.

تروپ متوجه یک نکته جذاب شد. وی اعتقاد داشت که با یک طیف رو به رو هستند. Gamification، تفاوت چندانی با سایر ابزارها و تکنیک‌های بازاریابی ندارد، اما مطمئناً در انتهای این طیف، دستکاری صرفاً به دلیل اینکه بسیار مخفی است، می‌تواند بسیار مخرب باشد.

چگونه ازGamification استفاده می‌شود؟

در مقاله تروپ و روپر، که امسال توسط مجله اخلاق تجارت منتشر شده اس، آنها معتقدند که Gamification با سایر ابزار و روش‌های بازاریابی متفاوت است. هدف Gamification متقاعد کردن مردم برای خرید چیزی است که با طراحی بازی‌های مختلف صورت می‌گیرد نه بازاریابی. با این حال، طبق گفته ایشان، این دو مفهوم به دلیل جنبه‌های پنهان Gamification برای ترغیب مشتریان متفاوت هستند.

تروپ و روپر معتقدند که هدف Gamification، سوق دادن مشتری به خرید کردن است، در حالی که بازاریابی و تبلیغات، مشتریان را ترغیب می‌کند. از سوی دیگر، تبلیغات بسیار منفعل‌تر از Gamification عمل می‌کند. یافته‌های تحقیقاتی نشان می‌دهد که Gamification بسیار فراتر از تبلیغات عمل می‌کند. طبق گفته‌های گبه زیکرمان در کتاب Gamification By Design، Gamification از حدود 75% روان شناسی و 25% فناوری تشکیل شده است.

اگرچه Gamification امری پنهان است اما در جنبه‌های خارجی بازاریابی مانند برنامه‌ها، وب سایت‌ها و… قابل تشخیص است. اگر در Uber وضعیت طلایی کسب کرده‌اید یا عضو برتر برنامه MileagePlus هواپیمایی یونایتد ایرلاینز شده‌اید، در یک محیط گیم شده کار کرده‌اید. مشهورترین نمونه بازی، احتمالاً بازی سالانه مونوپلی مک دونالد است که در آن مشتریان برای کسب شانس بیشتر دربردن پول یا جوایز، قطعات بازی های هیئت مدیره faux را با سفارش خود دریافت می‌کنند. این بازی مشتریان را ترغیب به خرید مکرر برای کسب شانس بیشتر برای پیروزی می‌کند. در سال 2013، مک دونالد ادعا کرد که این بازی به شرکت کمک کرده است سود خود را در یک فصل، 5٪ افزایش دهد.

Gamification همچنین برای بازاریابی داخلی مانند آموزش و جذب کارمندان در نرم افزار، برنامه‌ها یا پروژه های جدید استفاده می‌شود. به عنوان مثال، شرکت نرم افزاری CRM Salesforce کارمندان را با یک سیستم gamified به نام Trailhead درگیر می‌کند، که در آن کاربران برای انجام کارهای آموزشی امتیازاتی را جمع می‌کنند. چنین محیط های بازیابی شده در تجارت شایع‌تر می‌شوند و به برنامه ریزی بازنشستگی کارکنان، مراقبت های بهداشتی و استخدام گسترش می‌یابند.

تروپ و روپر معتقدند که صنعت توانسته است که قدرت محیط روانشناسی محیط های gamified را بهتر درک کند، از اینرو آنها قدرتمندتر و احتمالاً پنهان‌تر خواهند شد.

تروپ می گوید: “در بعد تحقیق، ما بیشتر به اخلاق توجه می کنیم.””اما این کاملاً به صنعت سرایت نمی‌کند… نه همه، اما اکثر شرکت ها نمی خواهند به اخلاق توجه کنند، مگر اینکه آیین نامه‌ای وجود داشته باشد. او می گوید، تاکنون هیچ ارگانی که نماینده منافع بازاریابان، تبلیغ کنندگان یا مشاغل باشد، کد اخلاقی دریافت نکرده است.”

ارتباط با ما

آدرس: شهران، بالاتر از فلکه‌دوم، مجتمع تجاری مهدی،

بلوک B، طبقه‌اول، واحد ۱

پست الکترونیک: info@imcs.institute

تلفن: 44355227-021

آپارات  لینکدین   اینستاگرام

مدل مارکوف و مدل پنهان آن

مدل مارکوف و مدل پنهان آن

به قلم : تیم تحریریه

فرآیندهای تصادفی، یکی از تئوری‌های مدل‌سازی است که براساس آمار و احتمال شکل گرفته و برای تحلیل داده‌ها به کار می‌رود. در اکثر موارد فرآیندهای تصادفی برحسب زمان فهرست‌بندی یا «اندیس‌گذاری» (Index) شده‌اند. «زنجیره مارکوف» (Markov Chain) یا «فرآیند مارکوف» (Markov Process)، مدلی برای نمایش دنباله‌ای از متغیرهای تصادفی است که در آن احتمال رویداد هر پیشامد فقط به پیشامد قبلی وابسته است. به این ترتیب احتمال رخداد پیشامدها در چنین مدلی فقط به زمان قبل وابسته بوده و بقیه پیشامدها در میزان احتمال دخالت نمی‌کنند. چنین وضعیتی را برای فرایند تصادفی گاهی خاصیت «عدم حافظه» (Memoryless) نیز می‌نامند. این مدل به افتخار ریاضی‌دان روسی «آندری مارکوف» (Andrey Markov) که در سال‌های اولیه قرن بیستم در این زمینه دست به نوآوری زده بود، مدل مارکوف یا زنجیره مارکوف نامیده می‌شود.

از طرفی «مدل پنهان مارکوف» (Hidden Markov Model) یا به اختصار HMM یکی از مدل‌های متداول برای داده‌های موقتی یا مقطعی است. امروزه از این مدل برای بیان خصوصیات چنین داده‌هایی در علم داده استفاده می‌شود. به این منظور برای کسانی که می‌خواهند به عنوان متخصص در تحلیل داده‌ها (Data Scientist) فعالیت کنند، شناخت این مدل و خصوصیات آن ضروری است.

 

قبل از اینکه به معرفی «زنجیره مارکوف» (Markov Chain) و «فرآیند مارکوف» (Markov Process) بپردازیم، باید اصطلاحاتی را در این زمینه معرفی کنیم. همانطور که گفته شد، در فرآیند مارکوف با دنباله‌ای از متغیرهای تصادفی سروکار داریم. بنابراین بهتر است ابتدا متغیر تصادفی، تکیه‌گاه و تابع احتمال و احتمال شرطی را تعریف کنیم.

متغیر تصادفی که به صورت  نشان داده می‌شود، در حقیقت تابعی است از فضای پیشامد و مجموعه‌ای از زیرمجموعه‌های اعداد حقیقی. این عبارت را به زبان ریاضیات به صورت زیر می‌نویسیم.

(Ω,F,P)X−→(R,B,Px)(Ω,F,P)→X(R,B,Px)

به این معنی که متغیر تصادفی X، اعضای فضای نمونه را به اعداد حقیقی، اعضای فضای پیشامد را به مجموعه بورل B از اعداد حقیقی و تابع احتمال مربوط به پیشامد را به احتمال متغیر تصادفی تبدیل می‌کند.

تکیه‌گاه متغیر تصادفی (Support)، مجموعه مقدارهایی است که متغیر تصادفی با احتمال مثبت اختیار می‌کند. معمولا برای نشان دادن تابع احتمال برای متغیر تصادفی کافی است، مقدار احتمال را برای تکیه‌گاه متغیر تصادفی مشخص کرده و برای بقیه نقاط در مجموعه اعداد حقیقی مقدار صفر را در نظر گرفت.
تابع احتمال، نیز بیانگر نحوه توزیع احتمال برای مقدارهای مختلف تکیه‌گاه متغیر تصادفی است. به بیان دیگر تابع احتمال را برای متغیر تصادفی گسسته می‌توان مقدار احتمال برای پیشامد متناظر آن در نظر گرفت. در این حالت احتمال را به صورت p(x)=P(X=x)p(x)=P(X=x) نشان می‌دهند.

تابع احتمال توام، زمانی به کار می‌رود که لازم است مقدار احتمال را برای رخداد دو پیشامد همزمان بدست آورد. بنابراین اگر و دو متغیر تصادفی باشند منظور از تابع احتمال توام، پیدا کردن احتمال رخداد پیشامدهای متناظر آن‌ها به ازای همه مقادیر تکیه‌گاهشان است.

p(x,y)=P(X=x,Y=y)p(x,y)=P(X=x,Y=y)

تابع احتمال شرطی، زمانی به کار می‌رود که منظور پیدا کردن احتمال رخداد یکی از پیشامدها به شرط اطلاع از رخداد دیگری باشد. برای دو متغیر تصادفی و احتمال شرطی در حالت گسسته به صورت زیر محاسبه می‌شود.

P(X=xY=y)=P(X=x,Y=y)P(Y=y)P(X=xY=y)=P(X=x,Y=y)P(Y=y)

نکته: اگر متغیر تصادفی P(Y=y)=0P(Y=y)=0 باشد، احتمال شرطی تعریف نخواهد شد.

اگر دو متغیر تصادفی و مستقل باشند، رابطه زیر برحسب تابع احتمال شرطی یا تابع احتمال توام برقرار است.

P(X=xY=y)=P(X=x),P(X=x,Y=y)=P(X=x)P(Y=y)P(X=xY=y)=P(X=x),P(X=x,Y=y)=P(X=x)P(Y=y)

دنباله متغیرهای تصادفی نیز مجموعه‌ای از متغیرهای تصادفی است که براساس اعداد طبیعی اندیس‌گذاری شده‌اند. برای مثال XtXt بیانگر متغیر تصادفی در زمان یا وضعیت است. به این ترتیب دنباله متغیر تصادفی را به صورت {Xt,tT}{Xt,tT} نشان می‌دهند. مجموعه که به آن مجموعه اندیس یا شاخص گفته می‌شود، ممکن است زمان یا مکان در نظر گرفته شود.

فرآیند تصادفی، یک دنباله از متغیرهای تصادفی را یک فرآیند تصادفی گویند اگر هر X(t)X(t) به ازاء ثابت یک متغیر تصادفی باشد. اگر مجموعه tTشامل مقادیر پیوسته باشد، دنباله یا فرآیند تصادفی را پیوسته می‌گویند. در صورتی که مقادیر مجموعه گسسته باشند، فرآیند را در دسته فرآیندهای گسسته قرار می‌دهند.

فضای حالت (State Space) مجموعه مقادیر ممکن برای فرآیند تصادفی {Xt,tT}{Xt,tT} را گویند. می‌توان به نوعی، فضای حالت را مرتبط با تکیه‌گاه متغیرهای تصادفی مربوط به فرآیند در نظر گرفت.

حال که با مفاهیم اولیه فرآیندهای تصادفی و متغیرهای تصادفی آشنا شدید، زنجیره مارکوف را معرفی کرده و خصوصیات آن را مورد بررسی قرار می‌دهیم.

زنجیره مارکوف و فرآیند مارکوف زمان-گسسته

دنباله‌ای از متغیرهای تصادفی X1,X2,…X1,X2,… را که احتمال تغییر وضعیت از زمان به t+1t+1 مستقل از وضعیت‌های قبلی باشد را یک زنجیره مارکوف می‌نامند. این گزاره را به بیان متغیرهای تصادفی و تابع احتمال به صورت زیر نشان می‌دهیم.

Pr(Xt+1=xX1=x1,X2=x2,…,Xn=xt)=Pr(Xt+1=xXt=xt)Pr(Xt+1=xX1=x1,X2=x2,,Xn=xt)=Pr(Xt+1=xXt=xt)

نکته: اضح است که در محاسبه این احتمال شرطی باید Pr(X1=x1,…,Xn=xn)>0Pr(X1=x1,…,Xn=xn)>0 باشد در غیر اینصورت امکان محاسبه احتمال شرطی وجود ندارد. این احتمال به معنی طی کردن مسیر X1=x1,…,Xn=xn)X1=x1,…,Xn=xn)) با احتمال مثبت در فرآیند تصادفی است. بنابراین در فرآیند تصادفی مارکوف، امکان رسیدن به نقطه Xt=xtXt=xt از مسیر یاد شده وجود دارد.

بنابراین اگر یک فرآیند تصادفی که به صورت دنباله‌ای نامتناهی از متغیرهای تصادفی معرفی می‌شود، دارای خاصیت مارکوفی باشد، آن را فرآیند تصادفی مارکوف می‌نامند. اگر فضای حالت در این فرآیند متناهی بوده، فرآیند را متناهی و در غیر اینصورت نامتناهی می‌نامند. از آنجایی که ساختار یک فرآیند مارکوفی به خصوصیات زنجیره مارکوفی برمی‌گردد، در ادامه به بررسی بیشتر زنجیره مارکوف خواهیم پرداخت.

لازم به ذکر است که برای نمایش زنجیره مارکوفی معمولا از گراف جهت‌دار استفاده می‌شود. مقدار هر یک از یال‌های این گراف، احتمال انتقال از یک راس به راس دیگر را نشان می‌دهد.

از آنجایی این گراف را می‌توان به صورت یک ماتریس نمایش داد، ماتریس این زنجیره مارکوف نیز به صورت «ماتریس احتمال انتقال» (Transition Probability Matrix) قابل نمایش است. در این حالت عناصر ماتریس که به صورت  pij نوشته می‌شوند، احتمال انتقال از نقطه به را نشان می‌دهد. به این ترتیب ماتریس انتقال برای گراف بالا به ترتیب راس‌ها (مقادیر مربوط به مجموعه فضای حالت) به صورت زیر قابل محاسبه است. واضح است که در اینجا فضای حالت دارای سه عنصر S={a,b,c}S={a,b,c} است.

⎡⎢⎣P11P1200P22P23P310P33⎤⎥⎦[P11P1200P22P23P310P33]

البته در این ماتریس با توجه به اصول احتمال باید k∑j=1pij=1∑j=1kpij=1 باشد. یعنی مجموع احتمالات هر سطر در ماتریس باید برابر با ۱ باشد.

بطور کلی در زنجیره مارکوف، احتمال اینکه از وضعیت به در گام nام برسیم به صورت p(n)ij نشان داده می‌شود. واضح است که به علت وجود خاصیت مارکوفی در زنجیره یا فرآیند مارکوفی داشته باشیم:

p(n)ij=∑rSp(k)irp(n−k)rj,k,0<k<npij(n)=∑rSpir(k)prj(nk),k,0<k<n

در حقیقت اگر بخواهیم احتمال گذر از یک نقطه و رسیدن به نقطه‌ای دیگر از فضای حالت را در گام محاسبه کنیم باید ماتریس انتقال فرآیند را بار در خودش ضرب کنیم. برای مثال اگر قرار باشد احتمال اینکه در یک گام از نقطه به برسیم را محاسبه کنیم از احتمال شرطی زیر استفاده خواهیم کرد.

pij=Pr(X1=jX0=i).pij=Pr(X1=jX0=i).

انجام این کار در طی گام برای یک زنجیره مارکوف همگن-زمان، نیز به شکل زیر نوشته می‌شود.

p(n)ij=Pr(Xk+n=jXk=i).pij(n)=Pr(Xk+n=jXk=i).

نکته: اگر رابطه زیر برای زنجیره مارکوف برقرار باشد آن را زنجیره مارکوف همگن-زمان (Time-Homogeneous Markov Chain) می‌گویند.

Pr(Xt+1=x|Xt=y)=Pr(Xt=x|Xt−1=y)Pr(Xt+1=x|Xt=y)=Pr(Xt=x|Xt−1=y)

خصوصیات زنجیره مارکوف

در ادامه به بررسی بعضی از خصوصیات اصلی زنجیره مارکوف می‌پردازیم. البته بعضی از این خصوصیات وابسته به فرآیند تصادفی بودن این زنجیره است و بعضی نیز بطور انحصاری مربوط به زنجیره مارکوف هستند.

زنجیره مارکوف مرتبه k- با حافظه

همانطور که در ابتدای این متن اشاره شد، زنجیره مارکوف دارای خاصیت عدم حافظه است. اگر میزان حافظه زنجیره مارکوف به مرحله یا زمان قبل محدود شود، به آن زنجیره مارکوف با حافظه یا مرتبه  گفته می‌شود. در این حالت رابطه زیر برقرار خواهد بود.

Pr(Xn=xnXn−1=xn−1, Xn−2=xn−2,…,X1=x1)=Pr(Xn=xnXn−1=xn−1,Xn−2=xn−2,…,Xn−k=xn−k), for n>kPr(Xn=xnXn1=xn1,Xn2=xn2,,X1=x1)=Pr(Xn=xnXn1=xn1,Xn2=xn2,,Xnk=xnk), for n>k

زنجیره مارکوف تقلیل‌ناپذیر (Irreducible)

اگر رسیدن از هر نقطه به نقطه دیگر از فضای حالت با احتمال مثبت در زنجیره مارکوف میسر باشد، زنجیره را تقلیل‌ناپذیر گویند. به بیان ریاضی می‌توان تقلیل‌ناپذیر بودن زنجیره مارکوف را به صورت زیر نشان داد.

Pr(Xnij=jX0=i)=p(nij)ij>0.Pr(Xnij=jX0=i)=pij(nij)>0.

از این جهت نماد nij را به کار برده‌ایم که نشان دهیم تعداد گام‌ها ممکن است با توجه به نقطه آغاز و پایان میسر متفاوت و متغیر باشد. واضح است که nij یک عدد طبیعی نامنفی است. ممکن است که این مقدار برابر با صفر باشد، که نشان دهنده احتمال درجا زدن برای زنجیره مارکوف است. به این ترتیب ممکن است در یک زنجیره مارکفی، با احتمال P11 از نقطه یا وضعیت A به نقطه A درجا بزنیم.

زنجیره مارکوف تناوبی (Periodic)

اگر بتوان از وضعیت با گام‌هایی از مضرب مجدداً به نقطه رسید، زنجیره مارکوف را تناوبی گویند. در چنین حالتی مقدار تناوب زنجیره به شکل زیر محاسبه می‌شود.

k=gcd{n>0:Pr(Xn=iX0=i)>0}k=gcd{n>0:Pr(Xn=iX0=i)>0}

توجه داشته باشید که در اینجا منظور از gcd همان بزرگترین مقسوم علیه مشترک است. گراف رسم شده در تصویر شماره ۱، یک زنجیره تناوبی با دوره تناوب ۱ است زیرا در گام‌های {1,3,4,5,6,,}{1,3,4,5,6,,} می‌توان از هر نقطه به همان نقطه رسید.

مدل پنهان مارکوف (Hidden Markov Model)

مدل پنهان مارکوف، درست به مانند یک فرآیند مارکوف است با این تفاوت که فضای حالت در این جا نامعلوم است. به این ترتیب نمی‌توانیم تشخیص دهیم که وضعیت یا حالت با پیشامدها مطابقت دارد. ولی هر وضعیت با یک خروجی همراه است. به این ترتیب قرار است براساس خروجی حدس بزنیم که دنباله مقدارهای فرآیند (وضعیت‌ها) چه بوده است. چنین مدلی بوسیله «لئونارد بام» ریاضی‌دان آمریکایی در سال‌های حدود 1960 تحقیق و مورد بررسی قرار گرفت. یکی از حوزه‌هایی که در آن مدل پنهان مارکوف به کار گرفته شد، «تشخیص گفتار» (Speech Recognition) و دستخط بود که در سال‌های ۱۹۷۰ ابداع و پیاده‌سازی شد. همچنین مدل‌هایی از نوع پنهان مارکف در سال‌های اخیر در شاخه‌های مختلف بیوانفورماتیک نیز به کار گرفته شده‌اند. 

 

ارتباط با ما

آدرس: شهران، بالاتر از فلکه‌دوم، مجتمع تجاری مهدی،

بلوک B، طبقه‌اول، واحد ۱

پست الکترونیک: info@imcs.institute

تلفن: 44355227-021

آپارات    تلفن   ایمیل   لینکدین   اینستاگرام

مدل های معماری برند

مدل های معماری برند

به قلم : تیم تحریریه

پنج مدل مستقل و یک مدل ترکیبی (جمعا شش روش) وجود دارند که در منابع مختلف با کمیت و کیفیت‌های مختلفی بیان شده اند (از سه الی پنج مدل و با نام‌های گوناگون که در این نوشته دسته بندی شده اند)که می توان از طریق آنها معماری برند را تشکیل داد. در اینجا روش ها با توجه به تعدد برندهای قابل تعریف از طریق هر مدل مرتب شده اند، به شکلی که در اولین مدل همه چیز تحت هویت یک نام تجاری تعریف می شود (همبستگی کامل) و در آخرین مدل هر محصولی دارای برند و هویت مستقل خود می باشد (استقلال کامل) …

تک برندی (Single Brand/Corporate)

در این مدل از معماری برند، هیچ نامی غیر از نام تجاری شرکت مطرح نیست و حتی تعریف نمی شود. یعنی هر آنچه که تولید یا ارائه می گردد، با هر شکل و شمایلی، با هر میزان از شباهت یا تفاوت محصولات/سرویس ها نسبت به هم، تحت یک نام و یک هویت مستقل معرفی می گردد. در این دسته می توان از شرکت آی.بی.ام نام برد. در این مدل شاید شرکت برای محصولات مختلفش نامگذاری کند، اما صرفا بر روی معرفی و تبعین تک برد خود تمرکز دارد. همه محصولات برند سامسونگ غیر از بخش موبایل نیز از همین مدل بهره می گیرد.

بواسطه ی این مدل همبستگی بین تمامی محصولات/سرویس ها حفظ شده و اعتبار همه ی آنها به شکل واحد و نه مستقل سنجیده می شود. لذا فرصت ایجاد برندهای زیر مجموعه بواسطه ی برند اصلی از بین رفته و هر فراز و فرودی به پای یک نام تجاری نوشته می شود. از طرف دیگر با توجه به یکسان بودن هویت برند، امکان تعریف محصولات کاملا مجزا برای سگمنت های دیگر بازار که با هویت فعلی ارتباط نمی گیرند، نزدیک به صفر است.

برند چتری (Branded House/Umbrella/Parent/Family)

محصولات و کسب و کارها در این مدل همگی زیر یک چتر، یعنی برند اصلی شکل می گیرند. در واقع در اینجا شرکت ر معماری برند خود دارای چند برند است اما باز هم مانند مدل قبلی، هیچ کدام از برندها دارای هویت مستقل نمی باشند و همگی تلاش می کنند تا نام برند اصلی را پرآوازه تر و قوی تر کنند. در این دسته می توان از گروه ویرجین نام برد: ویرجین-کِیر (در بخش سلامت)، ویرجین-کانکت (رسانه)، ویرجین-اکسپرینس دیز (سرگرمی) … همانطور که میبینید بیشتر شبیه به یک نام گذاری مشترک می باشد برای جدا کردن فعالیت های مختلف از هم، ولی هر چه دارند از ویرجین است و هرچه بدست می آروند هم به نام ویرجین نوشته خواهد شد. محصولات اپل و صرفا محصولات موبایل سامسونگ نیز در همین دسته قرار می گیرند.

با توجه به این همبستگی بین برندهای زیر چتر، باز هم همانند مدل قبلی، تمامی فراز و فرودها بر روی نام تجاری اصلی سایه می اندازد لذا آسیب پذیری برند اصلی همچنان در سطح بالایی قرار دارد (بحران گلکسی نت ۷ شرکت سامسونگ به شدت بر روی سهام و بازار این برند تاثیر منفی گذاشت)، هر چند که موفقیت برندهای زیر مجموعه هم می تواند به ارزش و اعتبار برند اصلی بیافزاید. اما از طرف دیگر فرصت ساخت برندهای متفاوت جهت پوشش نیازهای مختلف فراهم است و با توجه به مرتبط بودن برندها به هم، هزینه های عملیاتی مانند تبلیغات و بازاریابی برای معرفی سرویس های جدید با بهره وری مناسبی همراه خواهد بود.

زیر برندها (Sub-Brands)

با کمی دور شدن و فاصله گرفتن از همبستگی بین برندها در مدل قبلی، برندهای زیر مجموعه حالا در این مدل از معماری برند کمی هویت مستقل تری خواهند داشت، هر چند که این استقلال همچنان به شکل تام و کامل نیست. در واقع در این مدل ابتدا نام برند اصلی آورده می شود و در ادامه ی آن نام زیر برند اضافه می گردد. ایکس-باکس مایکروسافت نمونه خوبی است. ایکس-باکس امروز به شکل نسبتا مستقلی برند محسوب می شود هر چند که همچنان بدون نام برند اصلی می لنگد اما می توان تفاوت هایی با برند اصلی برای آن متصور بود. در واقع امروز برند ایکس-باکس دارای ارزش ریالی خودش است تا حدی که شرکت مادر روزی می تواند آن را به عنوان یک برند مستقل بفروشد. جهت دقیقتر شدن تفاوت بین این مدل و مدل چتری، می توان اینگونه گفت که در این مدل امکان جدا کردن زیر برند از برند اصلی در طول زمان وجود دارد درحالیکه در مدل قبلی هیچ برندی از زیر چتر برند اصلی جدا نخواهد شد، چرا که بدون برند اصلی بی معنا خواهد بود، همانطور که آی-فون را از اپل و ویندوز را از مایکروسافت نمی توان جدا کرد (ممکن است متوجه شده باشید که معماری برند شرکت ها در درون خودشان هم یکسان نیست و برخی از نام ها چتری هستند و برخی زیر برند، لطفا صبور باشید).

قطعا برای داشتن برندهای مستقل نیاز به سرمایه گذاری بیشتری خواهد بود. پس هزینه های عملیاتی در این مدل به نسبت مدل های قبلی افزایش خواهند یافت و ریسک آسیب پذیری برند اصلی از طریق زیر برندها با توجه به تعریف هویت مستقل برای هر یک، همچنان وجود خواهد داشت، البته بانسبت کمتری نسبت به مدل های قبلی. از طرف دیگر، این کار به داشتن سبد برندی متنوع که هر یک دارای ارزش خود هستند می انجامد و این امکان را می دهد تا نه تنها برند اصلی رشد کند، که زیر برندها نیز منفعت برده و دارای ردیف ارزش جدایی در ترازنامه شرکت گردند.

برندهای تایید شده (Endorsed Brands)

آیا واژه “تحت لیسانس” را شنیده اید؟ این مدل تقریبا به همین شکل عمل می کند. برند اصلی شامل برندهای زیرمجموعه کاملا مستقل می باشد که هر کدام دارای هویت و مخاطبان خاص خود هستند، اما جهت افزایش اعتبار این برندها و کمک به رشد آنها، از اعتبار برند اصلی و مادر در جهت صحه گذاشتن بر عملکرد زیر برندها خرج می کند. در واقع در اینجا بیشتر بحث تضمین کیفیت مطرح است. لذا برعکس مدل قبلی، ابتدا و به صورت برجسته نام زیر برند مطرح می گردد و در ادامه از نام برند اصلی استفاده می گردد. شرکت نستله از این مدل بهره می گیرد. اگر به بسته بندی محصولات این شرکت دقت کنید، هر محصولی نام تجاری خود را دارد درحالیکه در گوشه ای از لوگو نام نستله نیز قابل مشاهده است. شاید بد نباشد اینبار با دقت بیشتری به بسته بندی شکلات های کیت کت نگاه کنید.

استفاده از این مدل باعث خواهد شد تا محصول سریعتر در بازار نفوذ کند و این را مدیون حک شدن نام برند اصلی بر روی خود خواهد بود. از طرف دیگر برای مخاطب نیز کیفیت محصول تضمین شده خواهد بود. ولی استفاده بیش از حد از نام تجاری مادر بر روی محصولاتی که توان رقابت ندارند و یا از کیفیت لازم برخوردار نیستند، نه تنها به نفوذ بیشتر در بازار در بلند مدت منجر نمی شود که اصطلاحا باعث آبکی شدن خود برند مادر می گردد که در ارزش آن به شدت تاثیر گذار است. یا به دلیل مرتبط کردن برندها به هم از طریق تایید کردن، در صورتی که بحرانی برای برندهای زیرمجموعه اتفاق بیافتد، این برند مادر است که اصطلاحا دچار اثر منفی سرریزی می گردد (سرریزی استعاره از پر شدن ظرفیت زیر برند از حجم بحران می باشد که دامنه تاثیرش به برند اصلی بر میگردد).

برندهای مستقل (House Of Brands)

آخرین مدل مورد بررسی در واقع مترادف تعریف یک شرکت هلدینگ و قرار دادن زیر برندهای کاملا مستقل در زیر آن است. در این مدل از معماری برند آنقدر جامعه هدف و نوع محصولات ارائه شده از هم متفاوتند و بازار بازار جدیدیست که در هیج جای زیر برندها نامی از برند اصلی برده نمی شود و هر کدام به عنوان یک موجودیت کاملا مستقل و بدون نیاز به تایید برند اصلی به حیات خود ادامه می دهند. اگر از شامپو و صابون داو استفاده می کنید و بعد از حمام اسپری آکس میزنید و هنگام خواب با کرم وازلین بدن خود را چرب میکنید، شما مشتری وفادار برند یونی-لور هستید چرا که همه ی محصولات نامبره بعلاوه بسیاری دیگر از زیربرندهای مستقل، همگی دارای برند اصلی یکسان هستند که صرفا اگر به پشت بسته بندی این محصولات دقت کنید، لوگوی آن را بسیار کوچک و فقط به عنوان سازنده محصول می بینید. لذا در بسیاری از مواقع اصلا نمی دانیم که برند مورد استفاده ما یک زیر برند مستقل از یک برند بزرگتر است (از نمونه های داخلی پیروی کننده از این مدل، گروه شرکت های گلرنگ می باشد).

از مزایای این روش می توان از امکان تمرکز بر روی مخاطبان و بازارهای خاص نام برد. همچنین اثر منفی سرریزی که در مدل قبلی به آن اشاره کردیم در این روش اصلا وجود نخواهد داشت و مقدار آن صفر است. از طرف دیگر با توجه به تشکیل یک هویت جدید، سرمایه گذاری عملیاتی برای معرفی محصول/سرویس بالا خواهد بود و انتظار وفاداری از مشتریان برند اصلی در مورد این برند را نمی توان داشت. چرا که احتمالا آنها نمی دانند این برند جدید زیر مجموعه ای از برند مورد علاقه ی آنهاست.

مدل ترکیبی (Hybrid)

حال جالب است بدانید که اکثر برندهایی که از آنها در بالا به عنوان مثال مدل های مختلف نام بردیم، تنها به یک روش عمل نمی کنند و در معماری برند آنها، ترکیبی از مدل های معرفی شده را خواهیم دید. یعنی ممکن است برند اصلی مانند چتر برای برخی برندها عمل کند، همزمان چند زیر برند داشته باشد و همچنین به عنوان تایید کننده ی برخی دیگر از برندهایش نام خود را به آنها قرض دهد و از طرف دیگر زیربرندهایی داشته باشد که تشخیص ارتباطش با برنداصلی نیاز به تحقیق داشته باشد. مثلا آمازن: با برند اصلی آمازون.کام (که خودش به عنوان یک تک برند هم عمل می کند) دارای چتر برندی شامل آمازون کیندل یا آمازون پرایم است در حالیکه مالک برند آی.ام.دی.بی به عنوان یک برند مستقل می باشدکه در حوزه ی دیگری مشغول به فعالیت است. یا مثلا در مورد مایکروسافت که در بالا مطرح شد، ویندوز و مجموعه آفیس آن به عنوان برندهای چتری مطرح هستند در حالیکه ایکس-باکس یک زیر برند برای مایکروسافت محسوب می شود (البته لزوما نیاز به استفاده از همه ی مدل ها در مدل ترکیبی نیست و هر ترکیبی از مدل های مطرح شده به عنوان مدل ترکیبی شناخته می شود).

ارتباط با ما

آدرس: شهران، بالاتر از فلکه‌دوم، مجتمع تجاری مهدی،

بلوک B، طبقه‌اول، واحد ۱

پست الکترونیک: info@imcs.institute

تلفن: 44355227-021

آپارات    تلفن   ایمیل   لینکدین   اینستاگرام

برداشت دوم – نمایش فیلم Glengarry Glen Ross

برداشت دوم – نمایش فیلم Glengarry Glen Ross

شب گذشته، دومین برنامه سری جدید برداشت دوم در کافه وایب برگزارشد. این برنامه در ادامه رویداد شب های فیلم و در قسمت کلاب و تحت عنوان IMClub برگزار می شود. IMClub شامل رویدادهای خاص و جذابی شامل برداشت دوم، Paper night، business talks و بهترین خودت باش است.
در برنامه شب گذشته برداشت دوم، به تماشای فیلم Glengarry Glen Ross نشسته و پس از آن، از تحلیل دقیق و فنی فیلم بهره مند شدیم.
ماجرای اصلی فیلم درمورد چهار فروشنده است. این چهار فروشنده در یک شرکت مشاور املاک مشغول به کارهستند. این چهار فروشنده در جلسه‌ای که در ساعات اولیه شب برگزار می‌شود، تهدید به اخراج می‌شوند. شما می توانید جهت کسب اطلاعات بیشتر در خصوص رویدادهای IMCS به سایت کلاب مراجعه نمایید.

ارتباط با ما

آدرس: شهران، بالاتر از فلکه‌دوم، مجتمع تجاری مهدی،

بلوک B، طبقه‌اول، واحد ۱

پست الکترونیک: info@imcs.institute

تلفن: 44355227-021

آپارات    تلفن   ایمیل   لینکدین   اینستاگرام