بخش‌بندی بازار مواد غذایی ارگانیک بر اساس نظریه نئورفتاری رفتار مصرف‌کننده

هدف: اگرچه ایران یکی از بزرگترین تولیدکنندگان و صادرکنندگان زعفران در جهان است، بازار زعفران ارگانیک در ایران هنوز در مراحل اولیه خود است و شواهد تجربی کمی در این زمینه وجود دارد. بنابراین، هدف اصلی این مطالعه، بخش‌بندی بازار زعفران ارگانیک در مشهد، ایران با استفاده از نظریه نئورفتاری و روش‌های یادگیری ماشین است. طراحی/روش‌شناسی/رویکرد: با توجه به نظریه نئورفتاری رفتار مصرف‌کننده، بازار زعفران ارگانیک با استفاده از الگوریتم‌های خوشه‌بندی قطعی و فازی بخش‌بندی شد. همچنین، برای ارزیابی اهمیت نسبی عوامل مؤثر بر قصد خرید زعفران ارگانیک در هر بخش بازار، تحلیل حساسیت بر روی خروجی شبکه عصبی مصنوعی (ANN) انجام شد. در مجموع ۴۰۰ پرسشنامه در مشهد، ایران در ژانویه و فوریه ۲۰۲۰ جمع‌آوری شد.

یافته‌ها: برخلاف این باور که عوامل روانشناختی در بخش‌بندی بازار از ویژگی‌های جمعیت‌شناختی مهم‌تر هستند، یافته‌ها نشان داد که ویژگی‌های جمعیت‌شناختی مصرف‌کنندگان، به ویژه تحصیلات و درآمد، متغیرهای غالب در بخش‌بندی بازار مواد غذایی ارگانیک هستند. در میان عناصر آمیخته بازاریابی 4A، نتایج نشان داد که سطح پایین آگاهی و دسترسی، موانعی برای توسعه بازار زعفران ارگانیک هستند. تبلیغات، بهبود کانال توزیع، کوچک‌سازی بسته‌بندی و توسعه کسب‌وکار آنلاین، استراتژی‌های پیشنهادی برای گسترش بازار زعفران ارگانیک در ایران هستند.

پیامدهای عملی: نتایج مطالعه حاضر به سیاست‌گذاران و تأمین‌کنندگان زعفران ارگانیک کمک می‌کند تا بازارهای هدف خود را شناسایی کرده و استراتژی‌های بازاریابی کوتاه‌مدت و بلندمدت را برای توسعه بازار زعفران ارگانیک طراحی کنند.

اصالت/ارزش: از روش‌های یادگیری ماشین و نظریه نئورفتارگرایی رفتار مصرف‌کننده برای بخش‌بندی بازار مواد غذایی ارگانیک استفاده شد.

Purpose: Although Iran is one of the largest producers and exporters of saffron in the world, the organic saffron market in Iran is still in its early stages, and there is scarce empirical evidence in this regard. Therefore, the study’s primary purpose is to segment the organic saffron market in Mashhad, Iran using neobehavioristic theory and machine learning methods. Design/methodology/approach: Considering the neobehavioristic theory of consumer behavior, the organic saffron market was segmented using crisp and fuzzy clustering algorithms. Also, to assess the relative importance of the factors affecting the intention to buy organic saffron in each market segment, a sensitivity analysis was performed on the output of the artificial neural network (ANN). A total of 400 questionnaires were collected in Mashhad, Iran in January and February 2020. Findings: In contrast to the belief that psychological factors are more important in market segmentation than demographic characteristics, findings showed that the demographic characteristics of consumers, especially education and income, are the dominant variables in the segmentation of the organic food market. Among the 4 A’s marketing mix elements, the results showed that a low level of awareness and accessibility are obstacles to organic saffron market development. Advertising, distribution channel improvement, package downsizing and online business development are suggested strategies for expanding the organic saffron market in Iran.

Practical implications: The results of the present study will help policymakers and suppliers of organic saffron to identify their target markets and design short- and long-term marketing strategies to develop the organic saffron market. Originality/value: Machine learning methods and the neobehavioristic theory of consumer behavior were used to segment the organic food market.