عنوان پایان‌نامه
بخش بندی مشتریان املاک و مستغلات تجاری براساس ویژگی های مورد انتظار در خرید یا اجاره
- رشته تحصیلی
- مدیریت اجرایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72376;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 72376
- تاریخ دفاع
- ۱۵ دی ۱۳۹۴
- دانشجو
- سیدسهیل سیدان ناظمی
- استاد راهنما
- محمدرحیم اسفیدانی
- چکیده
- در دو دهه اخیر، بازار املاک و مستغلات به دلیل سوددهی بالا و حجم عظیم سرمایه در گردش، همواره مورد توجه سرمایه گذاران و دولت بوده است. علیرغم اهمیت بسیار بالای این صنعت، کمبود کار پژوهشی به خصوص در حوزه بازاریابی املاک و مستغلات به شدت احساس می شود. هدف از پژوهش حاضر بخش بندی مشتریان املاک و مستغلات تجاری بر اساس ویژگی های مور انتظار در خرید یا اجاره می باشد. قلمرو مکانی این پژوهش، بخشی از مجتمع های تجاری شهر تهران که دارای بیش از 200 واحد تجاری فعال بوده و از پراکندگی صنفی برخوردار هستند در نظر گرفته شد. نمونه گیری به روش تصادفی سیستماتیک و گردآوری داده ها از طریق پرسشنامه استاندارد انجام پذیرفت. 37 ویژگی انتخاب ملک تجاری که از منابع معتبر استخراج گردیده بود بر اساس پاسخ های مشتریان املاک تجاری و از طریق روش تحلیل عاملی در 10 گروه عاملی خلاصه شدند. تعداد خوشه ها نیز به روش تحلیل خوشه ای دو مرحله ای، 3 خوشه تعیین گردید. سپس با استفاده از روش های کای میانگین و جدول توافقی تحلیل ویژگی های هر خوشه صورت گرفته و مقایسه خوشه ها انجام پذیرفت.
- Abstract
- During past two deacdes, real estate market has been considered by investors and governments because of its high profitability. Despite the importance of this section, few academic investigation has done especially in marketing field. The purpose of this research is to segment the commercial real estate customers according to their expected benefits. Systematic sampling were used to collect data via questionnaire from shopping centers and malls of Tehran with more than 200 active retail units and suitable job dispersion. 37 characteristics of a standard commercial unit which were gathered from authentic resources has been reduced into 10 factors by means of factor analysis. Respondents devided into 3 clusters by two step clustering method. Analyzing and comparing clusters performed by K-means and crosstab methods.
