در بخش اول این مقاله به چرخه حیات محصول (PLC) و الگوی کلاسیک رشد لجستیک محصولات اشاره و با احتیاط یک حکم ساده‌سازی‌شده‌ای را بیان کردم:
بسیاری از محصولات موفق – یعنی آن‌هایی که وارد بازار شده‌اند، رشد کرده‌اند، دوام آورده‌اند یا در ذهن مصرف‌کننده جای گرفته‌اند – از الگویی شبیه رشد S شکل پیروی می‌کنند: شروع کند، شتاب‌گیری، رسیدن به اشباع، و گاه افول.
این سوال مطرح شد که آیا واقعاً برای چرخه حیات هر محصول این الگو مانند یک سرنوشت از پیش‌تعیین‌شده (!)، همیشه واقع می‌شود؟ آیا الگوی لجستیک برای همه محصولات قطعی است یا استثناهایی وجود دارد؟ دو استثنای مهم را بررسی کردم: محصولات فرهنگی و تکنولوژی‌های نوظهور. در بخش دوم مقاله به ۲ استثنای مهم دیگر، یعنی دم‌دراز و سخت‌افول‌ها، یک یادداشت حاشیه‌ای درباره پلتفرم‌ها، و از همه مهمتر به اهمیت این حکم می‌پردازم.
استثنای سوم چرخه حیات محصول: دمهای کشیده
نوع ما بدون ساده‌سازی دوام نمی‌آورد؛ اما همین ساده‌سازی می‌تواند پاشنه آشیل ما باشد. ما اکثر پدیده‌ها را پیش‌بینی‌پذیر و توزیع‌های آماری را نرمال در نظر می‌گیریم. اما پدیده‌ها گاهی رفتارهای غیرعادی دارند: یا ناگهان با شدتی باورنکردنی ظاهر می‌شوند، یا آن‌قدر آهسته و آرام رشد می‌کنند که در ابتدا به چشم نمی‌آیند. در اینجا پای «دم‌ها» وسط می‌آید؛ و نه هر دُمی، بلکه دمهای « غیر نرمال و کشیده».
در دهه‌های اخیر، نسیم طالب و کریس اندرسون با برجسته کردن مفاهیم دم‌چاق (دم‌سنگین) (fat-tail, heavy-tail) و دم‌دراز (long-tail)، ما را متوجه این خطاهای شناختی کردند.
توزیع‌های نرمال
اگر در مدرسه یا دانشگاه آمار خوانده باشید به یاد می‌آورید که توزیع‌های آماری یعنی نمایش تکرار وقوع یک پدیده (فراوانی آن). این یک توزیع نرمال یا زنگوله‌ای است:
این نمونه توزیع قد انسان‌هاست؛ منبع وبسایت worldindata. مطابق این داده میانگین قد زنان ۱۶۴.۷ سانتی‌متر باشد و انحراف از معیار آن ۷.۰۷ سانتی‌متر است. این که قد زنی کمتر از ۱۴۳.۴۹ سانت یا بلندتر از ۱۸۵.۹ سانتی‌متر باشد ۱٪ احتمال دارد (میانگین توزیع نرمال را از سه برابر انحراف از معیار کم و زیاد کنید، ۹۹٪ داده‌ها در این بازه است).
چقدر این توزیع دوست‌داشتنی و پیش‌بینی‌پذیر است! اما به این توزیع دقت کنید، از نمودارش پیداست که دم کوتاهی دارد. این یعنی:
توزیع نرمال (Gaussian) دارای دُم‌های نمایی سریع است، به طوری که برای مقادیر دور از میانگین، احتمال، به‌سرعت نزدیک به صفر می‌شود. دُم توزیع نرمال، “باریک” و “کوتاه” در نظر گرفته می‌شود بنابراین، در عمل رخدادهای با فاصله بسیار دور از میانگین، بسیار نادرند.
یکی از بهترین ویژگی‌های توزیع نرمال پیش‌بینی‌پذیری آن است. بسیاری از روش‌های آماری با فرض نرمال بودن توزیع، جواب بی‌نقص و سرراستی را به ما می‌دهند. یک مشکل بزرگ وجود دارد: اینکه بسیاری از پدیده‌های دنیا از این توزیع پیروی نمی‌کنند. بسیاری از پدیده‌ها دم‌دراز یا دم‌کلفت هستند.
پدیده‌ها و توزیع‌ها با دمهای کشیده: ریسک، نابرابری، فرصت
ریسک دم‌چاق‌ها
توزیع‌های توانی مثل پارتو، کوشی، لاگ نرمال، زیف و هر توزیع ناشناخته‌ای که این ویژگی‌ها را داشته باشد، معمولا دم‌چاق هستند:
۱. در مقادیر بسیار بالا یا پایین (دور از میانگین)، احتمال رخداد هنوز غیرصفر و معنادار است.
۲.احتمال کاهش پیدا می‌کند، اما خیلی آهسته — به طوری که مقادیر دور از مرکز نقش آماری یا اقتصادی مهمی ایفا می‌کنند.
۳. این دُم معمولاً به صورت ریاضی با نرخ نمایی کند یا قانون توانی کاهش پیدا می‌کند؛ توضیح بیشتر در پاورقی [1].
حالا فرض کنیم ما خوش‌بینانه فکر می‌کنیم: «دنیا جای بهتری شده»، پس نگران خطرهای جدی نیستیم. سیستم سلامت‌مان را تقویت نمی‌کنیم و بودجه‌ها را صرف پروژه‌های «جذاب‌تر» می‌کنیم — تا ناگهان کووید از ناکجاآباد سر برمی‌آورد.
چرا غافلگیر شدیم؟ چون به اشتباه فکر کرده بودیم دنیا بر اساس توزیع نرمال پیش می‌رود، درحالی‌که ریسک‌هایی مثل همه‌گیری‌ها، از جنس توزیع‌های دم‌چاق هستند. در این توزیع‌ها، رویدادهای نادر اما فاجعه‌بار، بخش طبیعی داستان‌اند — نه استثنا.
در زمین‌شناسی، «قانون گوتنبرگ-ریشتر» توضیح می‌دهد که بزرگی زلزله‌ها از یک قانون توانی پیروی می‌کند. یعنی وقوع زلزله‌های ویرانگر نادر است، اما آن‌قدر هم نادر نیست که برایش آماده نباشیم.
پارتو، نابرابری در دمهای کشیده
دم‌چاق فقط یکی از دمهای کشیده‌ای است که ما را متعجب می‌کند، درباره قانون پارتو شنیده‌اید؟ اصل پارتو از یک نابرابری نهادین و ذاتی در بسیاری از پدیده‌های عالم خبر می‌دهد: ۸۰ درصد از یک موضوع ناشی از ۲۰ درصد علل است؛ این نابرابری اوج خودش را در جوامع نشان می‌دهد: ۸۰٪ از ثروت دنیا دست ۲۰٪ از افراد است. ۸۰٪ از درآمد شما از ۲۰٪ از مشتریان است. برای اینکه از بحث دور نشویم به همین میزان بسنده می‌کنم. برای اطلاعات کامل‌تر ویکی‌پدیا سری بزنید.
دم‌دراز، دم کشیده‌ای برای فرصت‌ها
اما نرمال نبودن توزیع‌های آماری و پدیده‌ها همیشه به ضرر ما نیست، می‌تواند فرصت باشد؛ همین‌جاست که دم‌دراز یا Long Tail مطرح می‌شود. برخلاف دم‌چاق که زمینه‌ساز احتمال وقوع رویدادهای نادر با شدت بسیار زیاد است، دم‌دراز احتمال وقوع رویدادهای نادر با تعداد زیاد است. long-tail به توزیع‌هایی اشاره دارد که تعداد زیادی از آیتم‌های کم‌تقاضا در دم وجود دارند، اما در مجموع، حجم بزرگی از بازار را تشکیل می‌دهند.
دم‌دراز را اولین بار کریس اندرسون در سال ۲۰۰۴ در مقاله‌ای از مجله وایرد (Wired) معرفی کرد و سپس در کتاب پرفروش خود با عنوان «The Long Tail: Why the Future of Business Is Selling Less of More» (2006) به‌تفصیل شرح داد که چگونه در اقتصاد دیجیتال، تمرکز صرف بر کالاها یا خدمات پرفروش، فقط نیمی از معادله سودآوری را تشکیل می‌دهد و فروش انبوهِ محصولات یا محتواهای کم‌طرفدار (دم‌دراز) می‌تواند در مجموع درآمد بیشتری به همراه داشته باشد.
مجله بیزنس هاروارد ریویو در شماره‌ی ژوئیه–اوت ۲۰۰۶ خود مقاله‌ای با عنوان «آیا دم‌دراز واقعاً پول‌ساز است؟» منتشر کرد و دیدگاه انتقادی نسبت به این تئوری عرضه کرد. اندرسون پاسخ داد و این مباحثه چند رفت‌وبرگشت داشت: لینک‌های مباحثه اندرسون و آنیتا البرس؛ توضیحات بیشتر در پاورقی [2].
اما به جمع‌بندی دمهای کشیده بپردازیم:
خلاصه: ۳ دم‌کشیده مهم:
دم‌چاق (fat-tail, heavy tail): رویدادهای نادر اما فاجعه‌بار (مثل زلزله). پارتو: قانون نابرابری توزیع. دم‌دراز (long-tail): تعداد زیاد رویدادهای کم‌تکرار که در مجموع مهم‌اند (مثل کتابهای کم‌فروش).
در ادامه با یک مثال، بیشتر به «دم‌دراز» یا long-tail می‌پردازیم.
دم‌دراز در کسبوکار و اقتصاد دیجیتال
فرض کنید که یک کتاب‌فروشی داشتید، آیا تعداد فروش هر کتاب یک توزیع دم‌دراز است یا دم‌کوتاه؟ درباره فروش کل حرف نمی‌زنیم، موضوع ما توزیع فروش برحسب رتبه یا تعداد فروش برای هر عنوان کتاب است.
کتابهای پرفروش مثل «هری پاتر» در رأس توزیع‌اند—تعدادشان کم است ولی فروش بالایی دارند. در مقابل، تعداد زیادی کتاب تخصصی و کم‌فروش وجود دارد مثل کتاب پرورش گیاه‌های دریایی! کتاب‌ها با فروش متوسط (مثلا در حوزه مدیریت) هم میانه این توزیع‌اند.
هر کدام از کم‌فروش‌ها اگر فقط چند نسخه بفروشند، تعدادشان آن‌قدر زیاد است که در مجموع، فروششان می‌تواند از سر توزیع بیشتر شود.
شما که یک کتاب‌فروشی دارید، منطقی است که فقط به سر این توزیع، یعنی کتابهای پرفروش و کم‌تعداد بها بدهید، چون احتمالا انقدر جا ندارید که این همه کتاب‌ها را نگه دارید؛ حتی اگر جا داشتید، حتی اگر در خیابان انقلاب بودید، مگر به چند مشتری بالقوه دسترسی داشتید؟ در اینجا منطقی بود که کتابهای کم‌تقاضا به نظرتان بی‌ارزش می‌آمد.
اما تعداد این کتابهای کم‌فروش خیلی زیاد است، حتی اگر هر کدام فقط چند نسخه فروش می‌کنند، بنابراین مجموع فروش این بخش می‌تواند از “سر” بیشتر باشد! حالا اگر به تعداد زیادی مشتری بالقوه دسترسی داشتید و دغدغه انبار این همه کتاب را نداشتید کدام بهتر بود؟ چشم‌پوشی از دم یا در نظر گرفتن دم؟ این همان چیزی است که کریس اندرسون، تحلیلگر مجله Wired برای اولین بار مطرح کرد: پدیده دم‌دراز.
نتفلیکس، مثالی برای درک دم‌دراز
مجددا برای فهمیدن بهتر می‌توانیم نتفلیکس را در نظر بگیریم. در دوران قبل از اینترنت و پلتفرم‌های دیجیتال، مدل کسبوکار شرکت‌های رسانه‌ای این‌طور بود که صرفاً بر تولید و پخش چند عنوان پرفروش (blockbusters) تمرکز کنند، چرا که فضا و منابع محدود بود: قفسه‌های فروشگاه‌های اجاره فیلم محدود بود، زمان پخش تلویزیون محدود بود، و تبلیغات فقط برای عناوینی توجیه‌پذیر بود که مطمئناً بازگشت سرمایه بالایی داشتند.
اما ورود نتفلیکس به عرصه نمایش دیجیتال معادله را تغییر داد. چرا؟ چون در این محیط دیجیتال، دیگر نیازی به محدود کردن فهرست محتوا نیست؛ هر فیلم یا سریال، هرچقدر هم که مخاطب niche یا خاصی داشته باشد، می‌تواند بسیار کم‌هزینه‌تر، به‌صورت دیجیتال ذخیره، نگهداری و نمایش داده شود. اینجا دقیقاً همان‌جایی است که الگوریتم‌های توصیه‌گر (Recommendation Systems) وارد بازی می‌شوند: این الگوریتم‌ها به هر کاربر محتوایی را پیشنهاد می‌دهند که احتمالاً با سلیقه‌ی خاص او هماهنگ است، حتی اگر آن محتوا از نظر تعداد بینندگان در «دم دراز» قرار داشته باشد.
برای تعمق:
مدل دم‌دراز اندرسون در چه بازارهایی معنا پیدا می‌کند؟ برای اینکه فروش در انتهای دم به یک مزیت واقعی تبدیل شود، چه میزان تنوع محصول، چه اندازه‌ای از جمعیت مصرف‌کننده، و چه سطحی از زیرساخت کشف و توزیع لازم است؟
آیا در بازارهای دیجیتال محدود با تمرکز بر محصولات niche، رشد پایدار واقعاً از دل دم‌دراز بیرون می‌آید؟ یا در عمل، این رشد بیشتر از بخش میانی بازار یا حتی از سر (محصولات پرفروش) حاصل می‌شود؟
در جهان اقتصاد توجه که توجه محدود و هزینه‌ی انتخاب بالاست، آیا واقعاً همه محصولات می‌توانند به زندگی در دم‌دراز امیدوار باشند؟ یا فقط آن‌هایی که زیرساخت توزیع مناسبی دارند؟
آیا اصلاً صحبت‌کردن از دم‌دراز بدون داده و تحلیل آماری، نوعی ساده‌سازی اغراق‌آمیز نیست؟
اگر بخواهید به کسی هشدار بدهید که گرفتار سراب Long-tail نشود، چه می‌گویید؟
دیدگاهتان را در بخش نظرات با ما در میان بگذارید.
برگردیم به بحث خودمان.
یک تفسیر تحلیلی: چرخه حیات محصول به شکل دم‌دراز نه رشد لجستیک
گرچه مفهوم دم‌دراز بیشتر در تحلیل ساختار بازار و الگوهای فروش محصولات دیجیتال مطرح می‌شود، اما می‌توان آن را به‌عنوان یک مدل از چرخه حیات محصول برای برخی از محصولات در نظر گرفت—به‌ویژه برای محصولاتی که چرخه حیات آنها از الگوی کلاسیک «انفجار-اشباع» مدل لجستیک پیروی نمی‌کنند. توجه کنیم که این تفسیر تحلیلی است نه یک تعریف کلاسیک. هدف این است که بدانیم در بعضی از محصولات سود در انتهای یک دم چاق یا دراز است، یعنی در طول زمان. برخلاف مدل لجستیک که فرض می‌کند یک «نقطه انفجار» و سپس اشباع وجود دارد، ما با یک رشد آهسته، ممتد، و گاهی بدون قله مشخص مواجهیم.
در چرخه حیات محصول به شکل دم دراز (Long-tail): محصول از ابتدا با حجم کم اما با یک بازار مشخص وارد می‌شود؛ معمولاً عموماً «ترند» نمی‌شود، یا اگر ترند می‌شوند موقت و پراکنده است؛ اما در طول زمان مخاطب وفادار و پراکنده‌اش را پیدا می‌کند. این رشد به جای «طوفانی» بودن، «چکنده» است و می‌تواند برای سال‌ها ادامه یابد.
این ویژگی باعث می‌شود که چرخه عمر این محصولات نه به شکل یک منحنی S، بلکه بیشتر به شکل یک خط تدریجی و کشیده با شیب کم باشد—یعنی همان چیزی که در پدیده‌های Long-tail دیده می‌شود.
مثال‌های دقیق‌تر:
– یک اپلیکیشن حسابداری طراحی‌شده فقط برای کلینیک‌های دامپزشکی
– یک مجموعه ویدیویی آموزش فلوت برای نوازندگان سطح پیشرفته
– پادکست‌های حوزه فلسفه علم یا تاریخ فناوری
تا اینجا سه استثنای مدل کلاسیک چرخه حیات محصول بررسی شد: محصولات فرهنگی، تکنولوژی‌های نو، و پدیده‌های با دم کشیده. حالا برویم سراغ دسته‌ای خوش‌شانسی از محصولات که به‌راحتی افول نمی‌کنند و جان نمی‌دهند.
استثنای چهارم چرخه حیات محصول: سخت‌افول‌ها
بعضی محصولات نه به نوستالژی بندند، نه به تبلیغ، و نه حتی به نوآوری‌های چشم‌پرکن. این محصولات یا در انحصار مطلقند (به لطف پتنت‌ها، زیرساخت‌های پیچیده، یا لابی‌های سیاسی)، یا نیازهای حیاتی و غیرقابل جایگزینی را پاسخ می‌دهند. این‌ها محصولاتی هستند که ممکن است هیچ‌گاه افول نکنند یا دست‌کم، سیر افول بسیار کندی داشته باشند؛ حتی در برخی موارد، به دلیل نیازهای جهانیِ در حال گسترش، مسیر رشد را نیز طی کنند—تا روزی که ورق برگردد: یک سیاست جدید، یک فناوری نوظهور یا یک رقیب سرسخت مزاحمت ایجاد کند.
اقتصاددان‌ها این محصولات را «کم‌کشش از نظر تقاضا» می‌نامند—یعنی حتی اگر قیمت بالا رود، مصرف به‌راحتی کاهش نمی‌یابد. اما همین ویژگی، آنها را به میدان جنگ سیاست و اخلاق تبدیل می‌کند؛ خصوصاً با در نظر گرفتن این حقیقت که انحصارگر معمولاٌ تمایل دارد قیمت‌ها را تا جایی که می‌تواند افزایش بدهد.
مثال‌های دیگر: داروی انسولین (در آمریکا، شبه‌انحصاری)، داروهای حیاتی بیماری‌های نادر، کودهای شیمیایی خاص، بعضی فناوری‌های ریزتراشه‌ها.
اما بعضی از سخت‌افول‌ها به‌طور طبیعی جایگزین‌ناپذیرند یعنی الزاماً حاصل لابی‌گری، باگ‌های رگولاتوری، سیاست‌بازی‌های سیاه یا خاکستری نیستند. مثال:
کیت‌های غربالگری خون – چندین برند در دنیا هست و رقابتی به‌نظر می‌رسد اما در عمل «شبه‌انحصاری» یا «قفل‌شده» است، به‌خاطر حساسیت کیفی، الزامات قانونی، پرتکل‌های دولتی، استانداردسازی و کالیبراسیون و وفاداری سازمان‌های غذا و داروی کشورها به برند.
بازار زیرساخت برق (شبکه توزیع نیروی برق) -شبکه توزیع برق معمولاً یک بازار انحصاری طبیعی است. یعنی ساختار و فناوری طوری است که وجود چند شبکه موازی در یک منطقه عملاً اقتصادی نیست و باعث هدررفت منابع می‌شود، به‌علاوه تمایل به سرمایه‌گذاری‌های هنگفت را کم می‌کند.
سیستم‌های حمل و نقل شهری و آب فاضلاب مثال دیگری از بازار انحصار طبیعی است.
خلاصه اینکه؛
سخت‌افول‌ها محصولاتی هستند که یا طبیعتاً جایگزین‌ناپذیرند، یا مصنوعاً جایگزین‌ناپذیر شده‌اند—و گاهی هر دو. شناخت این دو وجه به ما کمک می‌کند تا بین محصولاتی که واقعاً «تقدیر»شان ماندگاری یا طول عمر زیاد است و آن‌هایی که فقط به خاطر لابی‌ها و بازی‌های بازار دوام آورده‌اند (مثل اپی‌پن در آمریکا) تمایز قائل شویم. برای این محصولات نباید الگویی مثل رشد کلاسیک چرخه حیات محصول در نظر بگیریم.
حالا که از محصولاتی گفتیم که عمر طولانی‌شان بیشتر به ذات یا ساختار بازار وابسته است تا نوآوری، بد نیست سری هم بزنیم به دنیای پلتفرم‌ها؛ اگر به آن اشاره نکنیم یک استثنای پیچیده را از دست داده‌ایم.
چرخه حیات محصول پلتفرم‌ها، یادداشت حاشیه‌ای
در مورد پلتفرم‌های چندوجهی (مثل اوبر، ایر‌بی‌ان‌بی یا مارکت‌پلیس‌های بزرگ)، مسیر رشد ممکن است از الگوی کلاسیک منحنی لجستیک پیروی نکند. علت این تفاوت عمدتاً به اثرات شبکه‌ای دوطرفه و ضرورت توازن همزمان میان عرضه و تقاضا بازمی‌گردد. در چنین ساختارهایی، رشد می‌تواند به‌طور غیرخطی و حتی مرحله‌ای رخ دهد—بسته به اینکه کدام سوی پلتفرم (مثلاً راننده یا مسافر، فروشنده یا خریدار) زودتر به نقطه بحرانی برسد. این موضوع البته دنیای پیچیده‌ای‌ست برای خود، و فاصله زیادی با مدل ساده‌شده‌ی لجستیکی دارد. پرداختن دقیق‌تر به آن مجال و مقاله‌ای جداگانه می‌طلبد؛ در اینجا صرفاً به اشاره‌ای بسنده می‌کنم.
تا اینجا درباره چرخه حیات محصول صحبت کردیم، اینکه محصول ما در مراحل مختلفی از حیات خود قرار می‌گیرد که معمولا با یک منحنی s شکل لجستیکی بیان می‌شود. اما به‌راستی چرا باید به منحنی رشد محصول و عمر محصول فکر کنیم؟
اصل ماجرا: حکم رشد s شکل محصول (PLC) و توجه به چرخه حیات محصول چرا اهمیت دارد؟
پیش روی یک مدیر کسبوکار/ بازاریابی/محصول/رشد تعداد زیادی از موضوعات و فعالیت‌هاست که باید مستقیم یا غیرمستقیم با سایر افراد تیم درباره آن تصمیم بگیرد یا بر آنها نظارت کند؛ مثلاً
– چه موقع باید کم‌کم اولین سیگنال‌ها را دریافت کنم که برای یافتن راه‌های احیا دست به کار شوم؟
– آیا دارم برای یک بازار مرده می‌جنگم؟ یا برای محصولی که دیگر اشتیاقی برایش نیست؟ یا منتظرم که بازار با لگد بیرونم کند؟
– آیا یک گاو شیرده‌ای دارم که برای آن استراتژی‌ها و نسخه‌ها مناسب یک اسب تندرو را تجویز می‌کنم؟ یا هوشیار هستم و برحسب نوع صنعت، محصول و بازار، ۵ تا ۱۰ سال زودتر با پیش‌بینی مرگ یا افول محصولم روبرو میشوم و به فکر استراتژی‌های خروج یا ماتریس انساف (Ansof Matrix) می‌افتم؟
– چه موقع استراتژی‌های تهاجمی قیمت‌گذاری جواب می‌دهد؟ چه موقع قیمت‌گذاری‌های روانی مخرب است؟ چه موقع سوبسید دادن به نفع من است؟
– چه موقع زمان تمرکز بر Acquisition، Retention یا Lead Generation است؟ الان از کدام موتور رشد استفاده کنیم؟ یا نه، متخصصان بازاریابی محتوا به من گفتند سرنخ‌سازی (Lead Generation) برای هر کسب‌وکاری و در هر شرایطی خیلی خوب است مبادا از دستش بدهی! به نظرم خود این متخصصان هم از hubspot شنیده‌اند!
– آیا مدل بازاریابی‌ام با نقطه‌ای که محصول در آن قرار دارد هم‌راستاست؟ یا همچنان با همان ابزارهای مرحله معرفی، دنبال رشد در مرحله بلوغ هستم؟
– چقدر پول در شکم برندینگ بریزم؟ آیا الان زمان مناسبی برای یک کمپین آگاهی از برند محیطی است؟ یا مشاور برند با داستان‌های شگفت‌آور بنز و کوکاکولا و ساعت رولکس چنان برایم رویافروشی کرده که بدون در نظر گرفتن زمان مناسب، پول بی‌نوا را در یک کمپین برندینگ بسوزانم؟ پولی که نهایتا سوخت یک ستاره کم‌سو، زودگذر و بی‌تاثیر خواهد شد. برعکس، آیا زمان ساختن برند را تشخیص داده‌ام؛ یا فردا باید با قیمت بازی کنم؟
– برای واحد بازاریابی‌ام چه بودجه‌ای را درنظر بگیرم؟
به سوال‌های بالا فکر کنیم، برای کسبوکار خودمان، یا کسب‌وکارهایی که برایشان کار می‌کنیم.
برای تدوین استراتژی رشد محصول، انتخاب استراتژی توسعه بازار، انتخاب کانال بازاریابی مناسب، تخصیص بودجه به کانال‌ها و همین‌طور کلیت بازاریابی و برندینگ، اینکه آیا به توسعه محصول بپردازیم یا توسعه برند، باید یک متغیر مهم را در تصمیم‌گیری‌ها لحاظ کنیم: این متغیر مرحله قرارگیری در چرخه حیات آن محصول است.
این مقاله دو بخشی تلاشی بود که یکی از مهم‌ترین متغیرها برای تصمیم‌گیری درباره سوالات فوق را در نگاه ما پررنگ کند: PLC یا چرخه حیات محصول. اما این فقط «یک» متغیر است!
خطر یک تحلیل تک‌متغیره
تحلیل‌های تک‌متغیره یعنی سوگیری به سمت دره‌های سقوط. آیا PLC برای تصمیم‌گیری و تصمیم‌سازی‌های ما در حوزه بازاریابی، محصول و برند کافی است؟
– وقتی میخواهیم Marketing mix را مشخص کنیم؛
– وقتی میخواهیم استراتژی قیمت‌گذاری را مشخص کنیم؛
– وقتی میخواهیم به برندینگ بودجه اختصاص دهیم؛
– وقتی میخواهیم استراتژی ارتباطات و روابط عمومی را مشخص کنیم؛
– وقتی میخواهیم product positioning را تثبیت کنیم؛
– وقتی میخواهیم استراتژی کانال‌های توزیع را بررسی کنیم؛
– وقتی میخواهیم برای محتوا و تبلیغات تصمیم بگیریم….
برای تصمیم‌گیری و تصمیم‌سازی موارد فوق باید تمامی متغیرها را در نظر بگیریم و از تصمیمات تک‌متغیره بپرهیزیم.
تمام متغیرها کدام هستند؟
تحلیل صنعت: هم‌سویی و تضاد منافع ذی‌نفعان در صنعت این محصول/کسبوکار، ۵ نیروی پورتر
نوع بازار: ساختار بازار (انحصاری، رقابتی، مونوپولی، رقابت انحصاری)، دینامیک‌های بازار (تغییرات عرضه‌تقاضا، الگوهای رشد، الگوهای فصلی)
دینامیک‌های اقتصادی-سیاسی و به طور کلی PESTEL در ارتباط با محصول/کسبوکار
شناخت و رفتار مصرف‌کننده: رفتار مصرف، رفتار خرید، مکانیسم شناختی پذیرش محصول، سفر مشتری، ویژگی‌های دموگرافی و سایکوگرافی
ویژگی‌های محصول: مرحله چرخه عمر محصول/برند (معرفی، رشد، بلوغ، افول)، نوظهور بودن یا متداول بودن، چسبندگی (stickiness)، تکرارپذیری خرید، عمق دانش موردنیاز استفاده از محصول، ارزش درک‌شده مقابل قیمت پرداختی، موقعیت‌یابی برند در ذهن مخاطب، جایگاه در بازار فعلی (نسبت به رقبا).
چرخه حیات محصول یک قطعه از یک نقشه کلان‌تر است؛ اما اگر تمام قطعات را نداشته باشیم، اگر اقلیم، آب‌وهوا و مسیرهای رقیب را نشناسیم، یک قطعه کافی نیست. برای تصمیم‌گیری درست، باید آن را کنار سایر قطب‌نماها بگذاریم و تصویر بزرگ‌تری از سفر محصول و بازار ترسیم کنیم.
سخن پایانی
در بخش اول این مقاله، با الگویی ساده شروع کردیم: منحنی S چرخه عمر محصول. الگویی که در نگاه اول، هم شهودی است و هم زیبا—محصولی خلق می‌شود، رشد می‌کند، به اوج می‌رسد، و بعد افول می‌کند یا حداقل در یک ثبات پایان‌ناپذیر اسیر می‌شود. اما همان‌طور که دیدیم، شکل کلاسیک چرخه حیات محصول بیش از آن‌که یک قاعده باشد، یک تقریر ذهنی از واقعیت پیچیده‌ی بازار است؛ هدف این دو نوشته این بود که هم این تقریر ذهنی را با بیان استثناها به چالش بکشد و هم ما را به چرخه حیات محصول -یکی از متغیرهای مهم تصمیم‌سازی‌های بازاریابی/محصول- متمرکز نگه دارد. دو استثنا در بخش اول مقاله مطرح شد:
۱. محصولات فرهنگی
۲. تکنولوژی‌های نوظهور
دو استثنای دیگر که در نوشته دوم درباره آن صحبت کردیم:
۳. دم‌دراز
۴. سخت‌افول‌ها
به‌علاوه گفتیم که رشد پلتفرم‌های دیجیتال پدیده بسیار پیچیده‌تر و فرای موضوع این مقالات است. شاید بهتر باشد به جای پرسیدن اینکه «محصول من در کجای منحنی S است؟» بپرسیم: «آیا اصلاً منحنی در کار هست؟ اگر هست، چه شکلی دارد؟ اگر نیست، چرا نیست؟ پس محصول من ممکن است چطور رشد کند؟» و از همه مهمتر: «چطور می‌توانم مرحله رشد محصول/برند/کسبوکار را در تمامی تصمیم‌گیری‌ها و تدوین استراتژی‌های بازاریابی لحاظ کنم؟»
این تغییر پرسش، از پذیرش تقدیر به طراحی مسیر است. مشتاق شنیدن دیدگاه‌ها، نقدها و تجربیات شما هستم.
آهنگ فایل صوتی این مقاله: Handel – Music for the Royal Fireworks, HWV 351: IV. La Paix
پاورقی
وقتی تابع احتمال توزیع‌های را به بینهایت میل می‌دهیم یعنی میخواهیم ببینیم دم آن شبیه چه تابعی است، به این توابع می‌رسیم
حالا کدام یک از این تابع‌ها سریعتر صفر می‌شوند؟ اگر شکل این توابع را بخاطر داشته باشیم مطمئنا اول نرمال، بعد نمایی و در آخر هم پارتو. توجه کنیم که با تابع بقا و میزان کورتوسیس نیز می‌توان دم‌کلفت را تشخیص داد. یک نکته مهم حائز اهمیت است: در تصویر شاخص این مقاله عکس یک قو سیاه را می‌بینید؛ قوهای سیاه در توزیع‌های دم‌چاق اثرات ویران‌کننده‌تری دارند، دقت کنیم که توزیع دم‌کلفت به معنای قوی سیاه نیست بلکه شدت آن مطرح است. برای اطلاعات بیشتر و دقیق‌تر به که کتاب The statistical consequences of fat tails از نسیم طالب رجوع کنید، فصل یک و دو.
بیزنس هاروارد ریویو در این نقد تاکید کرده بود که اولاً بسیاری از شرکت‌های دیجیتال نمی‌توانند به‌سادگی هزینه‌های توزیع و بازاریابی حجم انبوهی از محصولات کم‌طرفدار را پوشش دهند؛ ثانیاً گاهی «قدرت برند» و «اقتصاد توجه» باعث می‌شود صرفاً تعداد معدودی از کالاها یا محتواها به‌شدت برجسته شوند و دسترسی به طیف گسترده‌تر محصول، عملاً منجر به فروش قابل‌توجه نشود. به علاوه در بسیاری از بازارها، شرایط رقابتی و سبک زندگی مصرف‌کننده‌ها به‌گونه‌ای است که صرفاً «موجود بودن» یک آیتم در فهرست آنلاین، تضمین‌کننده‌ی دیده‌شدن و خرید آن نیست؛ مگر اینکه شرکت‌ها سرمایه و تمرکز گسترده‌ای برای تبلیغ و توصیه‌های هدفمند (recommendation systems) داشته باشند. اما همچنان به نظر می‌رسد که در اقتصاد دیجیتال، بررسی دم‌دراز از منظر استراتژی محتوا، مدیریت زنجیره تأمین دیجیتال و تحلیل داده‌های مصرف‌کننده پراهمیت است؛ نظر شخصی من این است که یک حکم کلی برای تمام پلتفرم‌ها و خرده‌فروش‌ها نمی‌توان گفت و تصمیم‌گیری منوط به روش‌های داده‌محور است.
