بررسی تاثیر ویژگی های بسته بندی چای بر ترجیحات مصرف کننده با استفاده از رویکرد جدید ترکیبی تحلیل متقارن و شبکه عصبی مصنوعی

ترجیحات مصرف‌کنندگان در مورد بسته‌بندی چای، اهمیت بسیار زیادی در صنایع و کسب و کارهای بسته‌بندی چای دارد. در این مطالعه با ترکیب روش تحلیل متقارن با الگوریتم شبکه عصبی مصنوعی، به شناسایی ترجیحات خریداران برای بسته‌بندی چای و عوامل موثر بر آن استفاده شده است. بسته‌بندی چای با انتقال اطلاعات بصری و متنی، بر ترجیحات مصرف‌کننده و بازاریابی آن اثرگذار می‌باشد. این مطالعه با هدف بررسی تاثیر ویژگی‌های بسته‌بندی چای هم‌زمان با مولفه قیمت بر ترجیحات مصرف‌کنندگان با روش تحلیل متقارن و شبکه عصبی مصنوعی مبتنی بر تحلیل متقارن در شهر ساری صورت گرفت. داده های مورد نیاز در سال 1397 با تکمیل 296 پرسشنامه جمع آوری گردید. در این پژوهش از نرم افزارهای spss و اکسل استفاده شده است. بر پایه نتایج تحلیل متقارن از بین چهار ویژگی شکل، اطلاعات، قیمت و سابقه برند؛ اطلاعات روی بسته بیشترین تاثیر را از نظر مصرف‌کننده داشت، همچنین اطلاعات محدود ترجیح بیشتری نسبت به اطلاعات کامل‌تر دارد. برندهای نسبتاً جدید اولویت بیشتری نسبت به برندهای باسابقه طولانی‌تر دارند. با استفاده از وزن حاصله از تحلیل متقارن در شبکه عصبی مصنوعی به همراه ورود متغیرهای درآمد، سن و میزان مصرف چای، نتایج نشان داد میزان تاثیر اطلاعات، قیمت، شکل و سابقه برند بر انتخاب مصرف‌کنندگان، به ترتیب حدود 25 درصد، 50 درصد، 22 درصد و 19 درصد می‌باشد. در مدل شبکه عصبی با ورود متغیرهای درآمد، سن و مصرف، با توجه به درآمد و مصرف انتخاب از حالت ذهنی (خواسته) به حالت انتخاب مصرفی (نزدیک به تقاضا) تعدیل شده است که لحاظ کردن ویژگی‌های فردی در مدل شبکه عصبی منجر به واقعی‌تر نشان دادن ترجیحات مصرف‌کننده در مدل شبکه عصبی مصنوعی شده است؛ برای نمونه، تاثیر متغیر قیمت چای در مدل تحلیل متقارن از 24 درصد به 50 درصد در مدل ترکیبی شبکه عصبی مصنوعی بر پایه تحلیل متقارن افزایش یافته است. با توجه به نتایج حاصله از پژوهش، کارآفرینان و صاحبان کسب و کارهای مرتبط با بسته بندی چای باید بسته بندی را به‌صورت ترکیبی از اطلاعات حداقلی (اسم برند، قیمت مصرف‌کننده و تاریخ تولید و انقضا) با شکل قوطی استوانه‌ای و سطح بالای قیمت انجام دهند.

Investigating the Effect of tea Packaging Characteristics on Consumer Preferences using the Approach New Combination of Conjoint Analysis and Artificial Neural Network

Consumer preferences regarding tea packaging are very important in the tea packaging industry and businesses. In this study, by combining symmetric analysis method with artificial neural network algorithm, buyerschr('39') preferences for tea packaging and factors affecting it have been used to identify. Tea packaging influences consumer preferences and marketing by conveying visual and textual information. The aim of this study was to investigate the effect of simultaneous tea packaging characteristics with price component on consumer preferences by symmetric analysis and artificial neural network based on symmetric analysis in Sari. The required data were collected in 1397 by completing 296 questionnaires. In this research, SPSS and Excel software have been used. Based on the results of the conjoint analysis of the four characteristics of the shape, Information, price and brand. the information on the package had the greatest impact on the consumer. Also, limited information is more preferable than complete information. Relatively newer brands are more preferable to longterm brands. Using the weight obtained from the results of conjoint analysis in the artificial neural network along with the entry of income, age and amount of tea consumption variables, the results showed that the effect of information on the total model of neural network is 25%, price is 50%, shape is 22% and brand is 19% in consumer selection. In the artificial neural network model, with the arrival of the variables income, age, and consumption of tea, choose according to the income and consumption of state of mind (desires) to the mode select consumer (close to the demand), the adjustment is that, in terms of properties of individual artificial neural network model leads to a realistic show the preferences of the consumer in the model, artificial neural network has been؛ For example, the effect of tea price variable increased from 24% in conjoint analysis to 50% in synthetic neural network model based on conjoint analysis. According to the results of the research, entrepreneurs and business owners related to tea packaging should do the packaging in the form of a combination of minimal information (brand name, consumer price and production date and expiration) in the form of cylindrical cans and high price level.