SOSYOEKONOMİK YAKLAŞIMLA ZİNCİR PERAKENDE_x000D_ _x000D_ MAĞAZALARININ SEGMENTASYONU

Abstract

Günümüzde perakende zincir mağazaların sayısı giderek artmaktadır. Sayıları binlerle ifade edilen bu zincirler, sayıları milyonlarla ifade edilebilecek müşterilere sosyoekonomik açıdan farklı özelliklerdeki şehirlerde hatta aynı şehirlerin farklı özelliklerdeki semtlerinde hizmet vermektedirler. Bu bakımdan, zincir firmalar tarafından özellikle pazarlama süreçleri için kararlar alınırken genel olarak mağazaların tamamına değil de bölgelere veya belirli mağaza gruplarına yönelik stratejiler geliştirmek gerekmektedir. Bu çalışmada, zincir mağazalara sahip perakende firmalarının kümeleme analizini kullanarak sosyoekonomik faktörlere göre mağazalarını nasıl segmentlere ayırabileceği araştırılmaktadır. Bu amaçla, bir perakendecinin İstanbul’daki 175 mağazasına ait farklı veriler çeşitli kaynaklardan bir araya getirilmiş ve Ward’ın kümeleme tekniği kullanılarak mağazalar altı segmente ayrılmıştır. Mağaza segmentasyonu sonucunda elde edilen segmentler incelendiğinde segmentlerin gerçekten farklı özelliklerde olduğu konum olarak birbirine yakın olan mağazaların bile farklı segmentlerde yer alabilecekleri tespit edilmiştir.The number of the retail chain stores is increasing very fast nowadays. These chains which may have thousands of stores and millions of customers are serving at the cities with different socio-economic characteristics and even at the same city of different areas with different characteristics. So in most of the decision processes, especially in marketing decisions, the chains should focus to the areas or store groups rather than focusing to the entire. In this study, our goal is to develop a methodology for retailers on how to segment their stores with cluster analysis based on multiple data sources. A retailer’s 175 stores in Istanbul have been segmented into six segments with Ward’s clustering algorithm using the data of socio-economic factors which are gathered from different sources. After clustering the stores and analyzing the characteristics of segments one would notice that the stores even closer to each other are segmented into different groups.