بازاریابی مکان محور بانکها با استفاده از مدل جدید ژئومارکتینگ مبتنی بر زیرساخت داده مکانی(sdi) (مطالعه موردی: شهر سمنان)

در دنیای امروز که پویایی داده‌ها از اهمیت بسیاری برخوردار است، استفاده از زیرساخت داده‌مکانی (sdi) می‌تواند بستری را برای به اشتراک گذاری داده‌های مکانی به‌وجود آورد. جایگزین نمودن sdi به‌جای gis در ژئومارکتینگ فصل جدیدی از بازاریابی الکترونیکی بر مبنای اطلاعات مکانی را ایجاد می‌نماید. ژئومارکتینگ مبتنی بر sdi نقایص و ضعف‌های عدم به‌هنگام بودن لایه‌های اطلاعات مکانی در ژئومارکتینگ مبتنی بر gis را برطرف میسازد. در این پژوهش مدل جدیدی از بازاریابی مکان‌محور ارائه شده که برای اولین بار از زیرساخت داده‌های مکانی بهره می‌گیرد. در این راستا بر اساس داده‌های مکانی موجود ابتدا شهر سمنان به 139 حوزه آماری یا منطقه شهری تقسیم شده است. با به اشتراک گذاری پایگاه‌های داده دستگاه‌های اجرایی متولی در بستر زیر‌ساخت داده‌مکانی شاخص‌های اصلی جمعیتی و اقتصادی مرتبط با بازاریابی بانک‌ها انتخاب گردید. از طریق روش‌های آماری ضریب همبستگی و رگرسیون چند متغیره شاخص‌های موثر بر تعداد شعب بانکی محاسبه شده است. شاخص تعداد کسب و کار با ضریب 0.598 بیشترین تاثیر را در تعداد شعب بانک‌ها در هر منطقه داشته است. در نهایت با استفاده از شاخص‌های جمعیتی، اقتصادی و جغرافیایی مورد اشاره و بهره‌گیری از روش تاپسیس مناطق شهر سمنان از لحاظ شاخصهای بازاریابی بانک‌ها اولویت‌بندی شد که منطقه70 دارای اولویت نخست می‌باشد. نتایج مدل تصمیم‌گیری چند‌شاخصه به‌عنوان یک متغیر مکانی وابسته در مدل ژئومارکتینگ مبتنی بر sdi لحاظ گردیده است.

LocationBased marketing of banks by using a new Geomarketing model based on Spatial Data Infrastructure (Case study: Semnan city)

In today’s world where dynamics of data are so important, using of Spatial Data Infrastructure (SDI) can provide a platform for spatial data sharing. Replacing SDI with GIS in Geomarketing Creates new chapter on Spatial InformationBased emarketing. SDIbased Geomarketing fixes the flaws and shortcomings of spatial information layers in GISbased Geomarketing. In this research, a new model of locationbased marketing is presented, which uses spatial data infrastructure for the first time. In this regard, based on the available spatial data, Semnan city is divided into 139 statistical areas or urban areas. By sharing the databases of the related executive agencies in the context of spatial data infrastructure, the main demographic and economic indicators related to bank marketing were selected. Through statistical methods of correlation coefficient and multivariate regression, the effective indicators on the number of bank branches have been calculated. The number of businesses index with a coefficient of 0.598 had the greatest impact on the number of bank branches in each region. Finally, using the mentioned demographic, economic and geographical indicators and using the TOPSIS method, the regions of Semnan city were prioritized in terms of banks’ marketing indicators, and region 70 has the first priority. The results of the Multiple Attribute Decision Model are considered as a dependent spatial variable in the SDIbased Geomarketing model.