🏤 دانشگاه امام صادق(ع)
🎓 پژوهشگر حوزه بازاریابی سیاسی دولت و بین الملل
ما در دنیای مملوء از داده ها زندگی می‌کنیم. داده‌ها با نرخ حیرت انگیزی افزایش می‌یابد. ما در تمامی اوقات داده های بسیار زیادی در دسترس داریم و بیشتر آنها به منظور بهبود تصمیم‌گیری در مورد برخی جنبه‌های تجارت، دولت و یا جامعه جمع‌آوری شده‌است. ما اگر از این داده ها به خوبی و به صورت بهینه استفاده نکنیم در واقع سرمایه های خود را از دست داده ایم چون در دنیای امروزه داده ها به عنوان سرمایه به حساب می آیند.
اصطلاح کلان داده ها برای حجم داده‌هایی که به طور غیرمعمول زیاد هستند و یا انواع داده‌هایی که ساختار نیافته هستند، مورد استفاده قرار می‌گیرد. برخی از این نمونه‌ها عبارتند از:
- این ماه بیش از ۳۰ میلیارد محتوا به فیس بوک از بیش از ۶۰۰ میلیون کاربر تولید شده است.
- کاربران یوتیوب بیش از ۲ میلیارد ویدیو در روز تماشا می‌کنند.
- کاربران توییتر ۳۲ میلیارد جستجو را در ماه انجام می‌دهند.
- کاربران گوگل در سال ۲۰۱۱ تقریبا ۵ میلیارد جستجو در روز را انجام دادند.
- بیش از ۲.۵ میلیارد پیام متنی هر روز در سال ۲۰۰۹ ارسال شد.
- در سال ۲۰۱۰ پنج میلیارد تلفن همراه در سراسر جهان مورد استفاده قرار گرفت.
- یک ژنوم انسانی کاملا تحلیل شده در حدود یک ترابایت از داده‌ها است.
- یک سنسور وایرلس که سلامت یک گاو را ارزیابی می‌کند، ۲۰۰ مگابایت اطلاعات را در هر سال ارسال می‌کند.
- در سال ۲۰۰۸ تعداد دستگاه‌های متصل به اینترنت از تعداد افراد روی زمین بیشتر بود.
- شرکت سیسکو برآورد کرد که در پایان سال ۲۰۱۱، ۲۰ خانواده معمولی ترافیک اینترنت بیشتری نسبت به تمام کاربران اینترنت در سال ۲۰۰۸ مصرف کردند.
- شرکت مکنزی تخمین می‌زند که تقریبا در هر بخش از اقتصاد ایالات‌متحده، شرکت‌هایی با بیش از ۱۰۰۰ کارمند، به طور متوسط، اطلاعات بیشتری نسبت به کتابخانه کنگره دارند. (Davenport, ۲۰۱۳)
کلان داده ها و تجزیه و تحلیل براساس آن بیانگر این هستند که در طول یک دهه آینده تقریبا هر صنعت و عملکرد تجاری را تغییر دهند. هر سازمان – و هر فرد درون آن – که با کلان داده ها شروع می کند، می‌تواند مزیت رقابتی مهمی به دست آورد. همان طور که رقبای تحلیلی اولیه در زمان ریزداده ها جلوتر از رقبای خود حرکت کردند و یک پل رقابتی بزرگ ساختند، اکنون زمان برای شرکت‌ها و سازمان‌ها که فرصت‌های کلان داده ها را به دست آوردند. (Davenport, ۲۰۱۳)
با این حجم از تولید داده ها در حوزه های جامعه،اقتصاد،مدیریت،رسانه،بازاریابی،تحقیقات بازار و … طبیعتا بازاریابی سیاسی در مقیاس دولت و در مقیاس انتخابات و همچنین بین الملل تحت تاثیر قرار می‌دهد. البته باید دانست که دقیقا در کدام حوزه بازاریابی سیاسی، داده ها ایفای نقش می‌کنند و دقیقا ایفای نقش بازاریابی سیاسی در کدام بخش از بازاریابی سیاسی پر رنگ تر است. در این نوشته سعی داریم که بخش های مختلف موثر از تولید انبوه داده ها را در حوزه بازاریابی سیاسی بررسی کنیم.
اهمیت تجزیه و تحلیل در تصمیم گیری های بازاریابی سیاسی
تصمیمات در کسب و کارها و سازمان‌ها می‌تواند براساس عوامل گوناگونی ساخته شوند. از جمله آنها تجربه شخصی، شهود، آزمایش، یا تجزیه و تحلیل داده‌ها است. در بازاریابی انواع مختلفی از بخش ها وجود دارد که مورد تجزیه و تحلیل واقع می شود و در این امور می‌توان اهمیت وجود داده ها جهت تصمیم گیری کارآمدتر و سیستماتیک را یافت:
- قیمت گذاری
- مکان یابی فروشگاه ها و کانالهای عرضه
- بخش بندی ترویج محصول
- بخش بندی مشتریان
- جایگاه یابی تبلیغات در رسانه های دیجیتال
- تحقیقات بازاریابی
- رضایتمندی مشتریان
زمانی که یک تصمیم‌گیرنده این جایگزین‌ها را ارزیابی می‌کند، او اطلاعات را از دو منبع در نظر می‌گیرد: یکی از تحلیل‌های کمی و دیگری از منابع غیر کمی. منابع غیر کمی آن‌هایی هستند که از شهود، تجربه، قواعد سرانگشتی، شایعات و حدس زدن استفاده می‌کنند. اینها گاهی می‌توانند مفید باشند، اما مشکلات متعددی دارند. حتی اگر شما تجربه زیادی در حوزه تصمیم‌گیری خودتان دارید اما ممکن است نماینده موقعیت‌های گسترده که برای شما پیش می آید، نباشد.حدس و گمان همیشه ریسک بسیار زیادی به دنبال دارد. به طور کلی، شما باید به شهود اعتماد کنید. (Davenport, ۲۰۱۳)
ما در بازاریابی سیاسی با افکار عمومی سر و کار داریم؛ در بازاریابی سیاسی سرمایه ما تصویر ما در بین افکار عمومی است و به دست آوردن آن و حفظ آن اهمیت بسیار زیادی دارد. برای حفظ و نگهداشت سرمایه های خود باید همواره ریسک تعامل با افکار عمومی را کنترل کنیم. بدیهی است شهود ریسک زیادی برای تعامل با افکار عمومی به دنبال دارد پس باید به دنبال تجزیه و تحلیل داده ها بود تا ریسک را کاهش داد.
هوشمندی کسب و کار[۱] و بازاریابی سیاسی
هوشمندی کسب و کار اصطلاحی چترگونه است که گروه گارتنر و محققش ،هوارد درسنر، در سال ۱۹۸۹ معرفی کردند. علت اصلی نیاز موسسات و سازمان‌ها به هوشمندی کسب و کار عبارتند از: ۱-کمک هوشمندی کسب و کار با تجزیه و تحلیل به تصمیم گیری بهتر ۲-پیش بینی رفتار مشتری و تقاضای بازار. برخی علل دیگر نیز می‌تواند مدنظر قرار بگیرد؛ از جمله کمک در رسیدن به اهداف اساسی سازمان، مانند کاهش هزینه‌ها، بهبود بهره وری، توسعه محصول، توسعه خدمات مشتریان، افزایش درآمدها، فراهم آوردن اطلاعات استراتژیک برای تصمیم گیرندگان و شناسایی رفتار معاملات در پیاده سازی هوشمندی کسب و کار چارچوب کاری شامل فرآیندها،ابزار، فناوری های گوناگون است که برای تبدیل داده به اطلاعات و اطلاعات به دانش ضروری اند. با استفاده از همین دانش مدیران می‌توانند تصمیم بهتری بگیرند و در نتیجه عملکرد سازمانشان را بهبود ببخشند. (زینب سعادتی؛محمد جعفر تارخ, ۱۳۹۶)
احزاب سیاسی یا دولت‌ها و حکومت‌ها هم در همین راستا برای بهره‌وری بالاتر در انتخابات، تصویر حکومت در داخل، تصویر حکومت در عرصه بین الملل هم باید از هوشمندی کسب و کار و همچنین داده ها برای شناخت دقیق‌تر استفاده کنند. این کار در ساخت شاخص‌های مختلف نیز به ما کمک خواهد کرد.
اولین شاخص ملی رضایت مشتری، شاخص سنجش رضایت مشتری سوئدی است که در سال ۱۹۸۹ پایه ریزی شد و در سال ۱۹۹۲ به عنوان اولین مدل شاخص رضایتمندی تولیدها و خدمات در سطح ملی، در سوئد معرفی شد. کشورهای توسعه یافته، برای درک عملی از اندازه گیری رضایت مشتری، در بخش پژوهش تلاش های بسیاری کرده‌اند. (محمد نصیری؛الهام آخوندزاده نوقابی؛بهروز مینایی بیدگلی, ۱۳۹۴)
داده کاوی کلید موفقیت، به منزله ابزار هوش کسب و کار، همکاری و به اشتراک گذاری دانش میان کاربران نهایی و کارشناسان فناوری در سازمان است. (king, 2005)در ادامه به کاربرد داده کاوی در بازاریابی سیاسی و اهمیت آن خواهیم پرداخت.
داده کاوی[۲]
اصطلاح داده کاوی برگرفته از استخراج طلا از صخره‌های سنگی است. در مورد استخراج و اکتشاف طلا از واژه صخره کاوی استفاده نشده است؛ بنابراین شاید نام مناسب‌تر برای داده کاوی واژه اسخراج دانش از داده بوده است. تحلیل الگوی داده، باستان شناسی داده و برداشت اطلاعات از دیگر نام‌های به کاربرده شده برای داده کاوی است. (Han, 2011) امروزه عملیات داده کاوی به صورت گسترده توسط تمامی شرکت هایی که مشتریان در کانون توجه آنها قرار دارند، استفاده می شود، از جمله فروشگاه‌ها، شرکت‌های مالی، ارتباطاتی، بازاریابی و غیره. استفاده از داده کاوی به این شرکت‌ها کمک می کند تا ارتباط عوامل داخلی از جمله قیمت، محل قرارگیری محصولات، مهارت کارمندان را با عوامل خارجی از جمله وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند. هم چنین داده کاوی با استفاده از تقسیم بندی مصرف کنندگان به گروه‌هایی با نیازها و ویژگی‌های متفاوت می‌تواند در بازاریابی خدمات ارزنده ای را ارائه دهد. (مرادی،گلمراد؛قاسمی،وحید, ۱۳۹۱) ما در بازاریابی سیاسی به شناخت مخاطب، افکار عمومی، ارزیابی برند، تحلیل بازیگران سیاسی،تحلیل جامعه مخاطب و… هستیم. در واقع در بازاریابی سیاسی ما می‌توانیم برای تمامی این امور از داده کاوی استفاده کنیم و از داده‌ها برای تجزیه و تحلیل خود استفاده کنیم تا با کارآمدی و بهره‌وری بیشتری با مخاطبان خود ارتباط برقرار کنیم. غالبا داده‌ها برای ما روایتگری می‌کنند و داستان‌هایی را بیان می‌کنند که این عامل می‌تواند در رشد استفاده از داده‌ها در انتخابات برای ما موثر باشد.
داده‌ها و حوزه بازاریابی سیاسی
ما در حوزه بازاریابی سیاسی به دقت عمل بالایی نیاز داریم. ما در این حوزه نیازمند شناخت نزدیک به واقعیت هستیم و باید از سوگیری و اشتباهات دوری کنیم. سث استنفز به عنوان تحلیلگر داده در انتخابات ۲۰۱۶ ترامپ بیان می‌کند:
” همه دروغ می گویند. مردم در ارتباط با تعداد نوشیدنی‌هایی که در مسیر خانه نوشیده‌اند دروغ میگویند؛ آنها در ارتباط با تعداد دفعاتی که به باشگاه می‌روند، قیمت کفش‌های نوی خود و اینکه کتاب خاصی را خوانده‌اند، دروغ میگویند. آنها به دروغ مرخصی استعلاجی می‌گیرند و میگویند در تماس خواهند بود در حالی که نخواهند بود. آنها میگویند موضوع ناراحتی‌شان رفتار شما نیست در حالی که هست. آنها میگویند شما را دوست دارند در حالی که ندارند. آنها میگویند خوشحال‌اند زمانی که ناراحت هستند. آنها میگویند به زنان علاقه مندند در حالی که به مردان علاقه دارند. مردم به دوستان‌شان دروغ میگویند. به رئیس‌شان دروغ میگویند. به بچه ها دروغ میگویند. به پدر و مادر خود دروغ میگویند. آنها به دکترها دروغ میگویند. به همسرشان دروغ میگویند. مردم به خودشان دروغ میگویند. و شکی نیست که به نظرسنجی‌ها هم دروغ میگویند. و این هم نظرسنجی مختصر من برای شما:
آیا تا به حال در امتحانات تقلب کرده اید؟ آیا تابه حال راجع به کشتن کسی خیال بافی کرده اید؟ وسوسه شدید دروغ بگویید؟ عده‌ی زیادی از مردم رفتارها و افکار خجالت آور را کمتر از آنچه که در واقعیت است در نظرسنجی‌ها اعلام می کنند. آنها دوست دارند که خوب به نظر بیایند حتی اگر اکثر نظرسنجی‌ها به طور ناشناس و بی نام باشند. به این موضوع، «سوگیری مقبولیت اجتماعی[۳]» گفته می‌شود. مقاله‌ای بسیار مهم در سال ۱۹۵۰ شواهد قدرتمندی از نحوه‌ی قربانی شدن نظرسنجی‌ها در دام این سوگیری ارائه می‌دهد.[۴] محققان داده‌هایی را از مراجع رسمی درباره ی ساکنین دنور جمع آوری کردند: چند درصد از آنان در رأی گیری شرکت کرده اند، به خیریه کمک کرده اند و کارت کتابخانه دارند. سپس محققان از ساکنین نظرسنجی کردند که ببینند آیا نتایج همخوانی دارد. نتایج شوکه کننده بود. آنچه که ساکنین به نظرسنجی‌ها اعلام کرده بودند خیلی متفاوت تر از چیزی بود که محققان جمع آوری کرده بودند. با وجود اینکه کسی نام خود را بیان نکرده بود، تعداد زیادی از مردم درباره شرکت در انتخابات، موضع رأی دهی و کمک های خیریه خود اغراق کرده بودند.” (سث استفنز،دیوید ویتنز, ۲۰۱۷)
ما باید از یک سوگیری شناختی و خطای ذهنی نسبت به جامعه در بازاریابی سیاسی و یا کلا در بازاریابی فرار کنیم؛ در این حالت برای ما موفقیت در عملیات بازاریابی سیاسی نزدیک‌تر می شود. ما باید چگونه جامعه را بشناسیم و از لابه‌لای دروغ ها فرار کنیم. این می‌تواند مسئله اصلی بازاریابی سیاسی باشد که برای حل این مسئله به سراغ ابزار داده کاوی و هوشمندی کسب و کار رفته باشد. ما باید در بازاریابی سیاسی پازل های مختلف داده‌ها را از دل جامعه استخراج کنیم و از سوی دیگر پازل های مختلف داده ها را کنار یکدیگر بچینیم تا بتوانیم به یک طراحی خوب در بازاریابی سیاسی دست پیدا کنیم.
چگونگی کمک داده‌ها به حوزه بازاریابی سیاسی
۱-حرکت از نظرسنجی‌ها به سمت داده‌ها: سث استنفز در انتخابات ۲۰۱۶ راهکاری را برای پیش‌بینی انتخابات آمریکا پیشنهاد می‌دهد:” به طور سنتی وقتی که دانشگاهیان یا افرادی که با کسب و کار سروکار دارند داده می خواستند، نظرسنجی انجام می‌دادند. داده‌هایی که از پرسشنامه‌ها بیرون می‌آمد اعداد یا گزینه‌های تر و تمیزی بودند. امروزه دیگر چنین خبرهایی نیست. روزگار داده های مبتنی بر نظرسنجی های ساختاریافته، تمیز و ساده به سر آمده است. در این عصر، ردپاهای کثیفی که ما به هنگام گذران زندگی به جا می گذاریم در حال تبدیل شدن به اولین منابع داده است. همان طور که قبلا دیدیم لغات داده هستند؛ کلیک ها داده هستند؛ لینک‌ها داده هستند؛ اشتباهات تایپی داده هستند؛ لحن صدا داده است. خس خس کردن داده است. ضربان قلب داده است. از نظر من جست وجوها افشاکننده‌ترین نوع داده ها هستند. تصاویر نیز داده هستند. همان طور که کلمات زمانی در کتاب‌ها و مجلات و قفسه های خاک خورده محصور شده بودند و الان به صورت دیجیتال در اختیار ما قرار دارند، تصاویر نیز از حصار آلبوم‌ها و جعبه‌های مقوایی آزاد شده‌اند. آنها نیز همچون کلمات به بیت تغییر شکل داده و به فضای ابری روانه شده اند و همان طور که یک متن به ما درس تاریخ می‌دهد.” (سث استفنز،دیوید ویتنز, ۲۰۱۷)
۲-به دنبال حقایق دیجیتالی هستیم و دروغ‌های دیجیتالی: در شبکه های اجتماعی، مشابه نظرسنجی‌ها، شما انگیزه‌ای برای گفتن حقایق ندارید. در شبکه های اجتماعی حتی بیشتر از نظرسنجی‌ها انگیزه دارید که خود را بهتر از آنچه هستید نشان دهید. چون حضور شما در این شبکه‌های اجتماعی آنلاین، ناشناس و بدون اعلام هویت نیست. شما به دنبال جلب نظر مثبت حضار هستید و به دوستان، اعضای خانواده، همکاران، آشنایان و غریبه‌ها می گوید که چه کسی هستید. (سث استفنز،دیوید ویتنز, ۲۰۱۷)
| حقایق دیجیتالی | دروغ‌های دیجیتالی |
| جستجوها | پست‌های شبکه‌های اجتماعی |
| کلیک‌ها | لایک‌ها |
| مشاهده‌ها | نمایه‌ها و پروفایل‌ها |
| چپ و راست کشیدن‌ها |
جمع بندی
ما در بازاریابی سیاسی با تصمیمات مختلفی سروکار داریم. در بازاریابی سیاسی تصمیمات برای ما حیاتی هستند و گاهی اوقات در بازاریابی سیاسی فرصت آزمون و خطا نداریم و یا حتی یک خطای ما در بازاریابی سیاسی زمان بسیار زیادی برای جبران آن نیاز است و هزینه زیادی برای ما میتراشد.پ س ما باید تصمیم‌گیری های دقیق تر و مطمئن تری انجام دهیم. ظهور داده‌ها برای ما یک فرصت برای افزایش کارآمدی در تصمیم گیری در بازاریابی سیاسی است. داده‌ها به ما در بازاریابی سیاسی داخلی، تحلیل محیط، تجزیه و تحلیل برند، تجزیه و تحلیل افکار عمومی و … کمک می کنند. داده‌ها در بازاریابی سیاسی کارکرد خاص خود را دارند و اما این که داده‌ها چه کارکردی در بازاریابی سیاسی می‌توانند داشته باشند و جایگاه آنها در تصمیمات بازاریابی سیاسی چگونه است در یادداشت‌های بعدی به این موضوع خواهیم پرداخت.
منابع:
Davenport, T. H. (2013). Keeping Up with the Quants: Your Guide to Understanding and Using Analytics. Harvard Business Review Press.
Han, j. a. (2011). data mining:concepts and techniques. 3rd edition.elsevier:philadelphia.
king, j. (2005). better desicions. computer world, 39-48.
زینب سعادتی؛محمد جعفر تارخ. (۱۳۹۶). بررسی رویکرد تلفیقی در سیستمهای هوش کسب وکار با تمرکز بر داده کاوی. سیاست نامه علم و فناوری.
سث استفنز،دیوید ویتنز. (۲۰۱۷). همه دروغ می گویند!اینترنت در مورد خود واقعی ما چه میگوید؟. انتشارات شفاف.
محمد نصیری؛الهام آخوندزاده نوقابی؛بهروز مینایی بیدگلی. (۱۳۹۴). رویکری نوین از کاربرد تکنیک های داده کاوی در بررسی عوامل تاثیرگذار بر سطح رضایتمندی مشتریان. مدیرییت بازرگانی،دوره۷،شماره ۱, ۲۳۱-۲۵۱٫
مرادی،گلمراد؛قاسمی،وحید. (۱۳۹۱). تکنیک های داده کاوی و کاربرد
آن در مطالعات اجتماعی. علوم
اجتماعی(دانشگاه فردوسی مشهد),
۱۵۵-۱۷۶٫
[۱] Business intelligence
[۲] Data mining
[۳] Social desirability bias
[۴] important paper in ۱۹۵۰٫:Hugh J. Parry and Helen M. Crossley, “Validity of Responses to Survey Questions,” Public Opinion Quarterly 11, 1(1950.)
