بخش بندی بازار دارو با رویکرد شبکه‎های عصبی (مطالعه‎ی موردی: بازار دارو در ایران)

امروز بخش بندی بازار همگام با بسیاری از علوم دیگر به سوی برآوردن نیازهای منحصربه فرد انسان ها در حرکت است. در بازار سلامت نیز شیوه های تشخیصی و درمانی شخصی بیش از پیش به کار گرفته می شود. این امر در حالی است که یکی از ارکان اصلی این بازار یعنی بازار دارو هنوز در زمینه بخش بندی بازار نسبت به کالاها و خدمات دیگر چندان پیشرفته نیست. با توجه به پیچیدگی این بازار ضروری است با بهره گیری از ابزاری متناسب که قدرت غلبه بر این پیچیدگی را داشته باشد، نسبت به بخش بندی این بازار اقدام شود. هدف این مقاله استفاده از رویکردی مبتنی بر شبکه های عصبی است که براساس معیارهای چندگانه به گونه ای اثربخش به بخش بندی بازار دارو در ایران بپردازد. برای این منظور با توجه به بافت داده ها از میان معماری های ممکن برای شبکه SOM معماری با بالاترین کیفیت برای بخش بندی بازار دارو برگزیده شد. همچنین عملکرد مدل با مقایسه‎ی نتایج آن با نتایج حاصل از بخش بندی داده‎ها با یک روش خوشه‎بندی کلاسیک (k- میانگین) مورد سنجش قرار گرفت.

کلیدواژه ها:

الگوریتم K- میانگین ، بازار دارو ، بخش بندی بازار ، شبکه های عصبی ، نقشه های خودسازمانده