市场Chapter03

第三章、市场营销环境

第一节 市场营销环境概述

市场营销环境的含义及其构成

  • 市场营销环境的含义
    菲利普对市场营销的解释为:市场营销环境是营销企业的市场和营销活动的不可控制的参与者与影响力。简单的定义:一切影响、制约市场营销活动的最普遍的因素。
  • 市场营销环境的构成
    包括两个大的方面,即微观环境和宏观环境;微观环境的因素包括:供应商、营销中间商、顾客、竞争者以及社会公众和影响营销管理决策的企业内部各个部门;宏观因素则包括:人口、经济、政治、法律、科学技术、社会文化及自然地理等多方面的因素。

市场营销的特点

市场营销是一个多因素、多层次且不断变化的综合体。其特点主要表现在:客观性、差异性、相关性、动态性。下面依次叙述:

  • 客观性
    客观性是市场的首要因素。
  • 差异性
    市场营销环境的差异性既表现在不同企业受不同环境影响,也表现在一种环境因素的变化对不同企业的影响也不同。
  • 相关性
    市场营销是一个系统,在此系统中,各个影响因素是相互依存、相互作用和相互制约的。
  • 动态性
    营销环境是企业营销活动的基础和条件,这并不是意味着营销环境是一成不变的。

企业营销活动与市场营销环境

  • a.市场营销环境对企业营销带来双重影响
    • 1.环境给企业带来的威胁。
    • 2.环境给企业带来的机会。
  • b.市场营销环境是企业营销管理活动的资源基础
    市场营销环境是企业营销活动的资源基础。
  • c.市场营销环境是企业制定营销策略的依据
    企业营销
    活动受制于客观环境因素,因而它必须与所处的营销环境相适应。

第二节、市场营销微观环境

企业

企业是由职能机构,如计划、财会、技术、供销、制造、后勤等部门组成的,以营利为目的的经济单位。

市场营销
财务
会计
最高领导
研究开发
制造
采购

供应商

是指向企业及其竞争者提供生产经营所需资源的企业或个人。资源包括:原材料、零部件、设备、能源、劳务、资金及其他用品等。

  • 1.供货的稳定性与及时性
    企业在选择供应商时,需要与供应商保持密切的联系,及时了解和掌握供应商的变化和动态,使得供应商的供应在时间、数量、及时性和稳定性上得到有效地保证。
  • 2.供货的价格变动
    企业在生产经营时,要把企业生茶的成本考虑进去。
  • 3.供货的质量和服务水平
    1.考虑供应商的资信情况(选择品质好、价格合理、交货及时稳定、引用良好、服务效率高的供应商); 2.企业要丰富自己的供应商;

营销中介

是指为企业融通资金、销售产品,给最终购买者提供各种有利于营销服务的机构,包括中间商、运输仓储公司、营销服务机构、金融中介机构等。

  • 中间商
    中间商是协助企业寻找消费或直接与消费者进行交易的商业企业,包括代理中间商和经销中间商。
  • 运输仓储公司
    主要协助生产存储产品将产品从原产地运往销售目的地的仓储运输物流公司。
  • 营销服务机构
    主要是指为生产企业提供市场调研、市场定位、促销产品、营销咨询等营销服务机构,包括调研公司、广告公司、传媒机构及市场营销咨询公司等。
  • 金融中介机构
    主要包括银行、信贷公司、保险公司以及其他队货物购销提供融资或保险的各种金融机构。

顾客

顾客就是企业的目标市场,是企业服务的对象,也是营销活动的出发点和归宿。

顾客
消费者市场
生产者市场
中间商市场
政府市场
国际市场

竞争者

是指与企业存在利益争夺关系的其他经济主体。

  • 愿望竞争者
    愿望竞争者是指提供不同产品,满足不同消费者欲望的竞争者。
  • 属类竞争者
    是提供不同产品以满足同一消费者的竞争者。
  • 产品形式竞争者
    是指满足同同一消费者需要同类产品的不同产品形式之间的竞争者。
  • 品牌竞争者
    是指满足同一消费者欲望的同种产品形式,但品牌不同的竞争者。

公众

是指对企业实现营销目标的能力有实际或潜在利害关系和影响力的团体或个人。

  • 1.融资公众
    是指影响企业融资能力的金融机构,例如银行、投资公司、证券经纪商、保险公司等。
  • 2.媒介公众
    是指报纸、杂志社、广播电台、电视台等大众传播媒介。
  • 3.政府公众
    是指负责管理企业营销活动的有关政府机构。
  • 4.社团公正
    是指保护消费者权益的组织、环保组织及其他群众团体等。
  • 5.社区公众
    是指企业所在附近的居民和社区组织。
  • 6.内部公众
    是指企业内部的公众,包括董事会、经理、企业职工。
  • 7.一般公众
    是指上述各种公众之外的社会公众。

结论:企业营销部门必须处理好与各类社会公众的关系,充分发挥公众对企业营销的有利影响。

第三节、市场营销的宏观环境

六个方面:人口环境、经济环境、自然环境、技术环境、政治环境、法律环境。

人口环境
人口数量
人口结构
年龄结构,性别结构, 家庭结构, 教育与职业结构, 民族结构
人口分布
经济环境
经济发展阶段
消费者收入水平
消费者支出模式和消费结构
消费者储蓄和信贷水平
自然环境
某些自然资源紧缺
环境污染日益加剧
绿色营销势在必行
科学技术环境
新技术一种创造性的毁灭性力量
新技术引起的企业经营管理的变化
移动互联时代的机会和挑战
政治法律环境
政治环境分析
法律环境分析
社会文化环境
教育水平
宗教信仰
价值观念
风俗习惯

第四节、市场营销环境的分析方法

SWTO分析方法

S:优势;W:劣势;O:机会;T:威胁。

小结

本章主要学习了市场营销的基本概念,以及影响市场营销环境的一些因素。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值