SavedAdd your journal

Journals / Pazarlama ve Pazarlama Araştırmaları Dergisi / 2018 / Cilt: 11 - Sayı: 21

PRICING DECISIONS IN LINER SHIPPING INDUSTRY: A STUDY ON ARTIFICIAL NEURAL NETWORKS

DÜZENLİ HAT TAŞIMACILIĞI LINER SEKTÖRÜNDE FİYATLANDIRMA KARARLARI: YAPAY SİNİR AĞLARI ÜZERİNE BİR ÇALIŞMA

Ceren AKMAN BIYIK
Mustafa TANYERİ
Pages
125–150
Publication Date
2018-06-01
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Finally, the next month is forecasted successfully by the network

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Price is the strategic tool of the marketing mix and the only element that generates revenue.
📊
Key Findings & Data:Therefore, pricing decisions are both strategically and tactically important for the companies.
💡
Conclusion & Impact:Finally, the next month is forecasted successfully by the network
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Fiyatlandırma · düzenli hat taşımacılığılinersektörü · yapay sinir ağları

Abstract

Price is the strategic tool of the marketing mix and the only element that generates revenue. Therefore, pricing decisions are both strategically and tactically important for the companies. Particularly, in liner shipping industry which is an oligopolistic and highly volatile market. Despite the fact, price and pricing are the most neglected area of both marketing and liner shipping industry. Considering the characteristics of the liner shipping industry, where there are unpredictable shipping cycles, high volatility and various variables that have an impact on price, there is a need to make forecasts since there are various factors that affect price. In this sense, the purpose of the study is to model an artificial neural network as a forecasting method for pricing strategies of liner shipping companies. For the analysis of the study, first both structured and unstructured interviews conducted with the executives of a shipping company. Afterwards, 62 monthly rate data obtained from the company records. Other variables that have an effect on rate are downloaded from financial databases for the analysis. Then, by trial-and-error the design of the network selected, then trained, tested and validated. Finally, the next month is forecasted successfully by the network

Özet

Fiyat pazarlama karmasının stratejik bir aracı ve gelir sağlayan tek elemanıdır. Bu nedenle hem stratejik olarak hem de taktiksel olarak firmalar için çok önem arz etmektedir. Bilhassa, düzenli hat taşımacılığı sektörü gibi oligopolistik ve değişken volatil pazarlarda. Buna rağmen, fiyat ve fiyatlandırma hem pazarlama alanında hem de düzenli hat taşımacılığı alanında en çok ihmal edilen konudur. Düzenli hat taşımacılığı liner sektörünün özellikleri düşülürse, öngörülemez dalgalanmaların, yüksek değişkenliğin ve çeşitli değişkenlerin fiyat üzerinde etkisinin olduğu bir ortamda fiyat öngörüsü firmalar için yararlı bir araç olabilir. Bu bağlamda, çalışmanın amacı düzenli hat taşımacılığı liner yapan şirketlerin fiyatlandırma kararları için bir öngörü modeli olan yapay sinir ağı modellemektir. Çalışmanın analizi için öncelikle bir deniz taşımacılığı firmasının yöneticileri ile hem yapılandırılmış hem de yapılandırılmamış mülakatlar yapılmıştır. Ardından, analiz için firma kayıtlarından 62 aylık fiyat verisi temin edilmiştir. Fiyata etki eden diğer değişkenler de finansal veri tabanlarından indirilmiştir. Daha sonra, deneme yanılma yolu ile ağ seçilmiş, eğitilip, test edilmiş ve geçerliliği sınanmıştır. Son olarak, bir sonraki ay ağ tarafından başarıyla tahmin edilmiştir

🔖

Cite This Article

BIYIK, C. A., TANYERİ, M. (2018). PRICING DECISIONS IN LINER SHIPPING INDUSTRY: A STUDY ON ARTIFICIAL NEURAL NETWORKS. Pazarlama ve Pazarlama Araştırmaları Dergisi, Cilt: 11 - Sayı: 21, 125–150. https://ajindex.com/articles/372187

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (9)

  1. Avlonitis, G. J. and Indounas, K. A. (2005). Pricing Objectives and Pricing Methods in the Services Sector. Journal of Services Marketing, 19(1), 47-57.
  2. Avlonitis, G. J. and Indounas, K. A. (2007). Service Pricing: An Empirical Investigation. Journal of Retailing and Consumer Services, 14(1), 83-94.
  3. Bennett, N. and Lemoine, J. (2014). What VUCA Really Means for You. Harvard Business Review, 92(1-2), 27 Carricano, M., Trinquecoste, J.-F., and Mondejar, J.-A. (2010). The Rise of the Pricing Function: Origins and Perspectives. Journal of Product & Brand Management, 19(7), 468 - 476. Cavusgil, S. T. (1997). Pricing for Global Markets. The Columbia Journal of World Business, 31(4), 66-78.
  4. Coyle, J. J., Novack, R. A., Gibson, B. J., and Bardi, E. J. (2011). Transportation:A Supply Chain Perspective (Seventh Ed.). Mason: South-Western Cengage Learning. Damas, P. (2016). East-West Shippers See First Increase in Contract Rates. Retrieved April 23, 2017, from Drewry: https://www.drewry.co.uk/news/ news/east-west-shippers-see-first-increase-in-contract-rates. Access date: April 23, 2017
  5. Diamantopoulos, D. (1991). Pricing: Theory and Evidence: A Literature Review. M. Baker, & M. Baker (Eds.) in, Perspectives on Marketing Management (s. 61-193). Chichester: John Wiley & Sons. Docters, R., Reopel, M., Sun, J., and Tanny, S. (2004). Capturing the Unique Value of Services: Why Pricing of Services is Different. Journal of Business Strategy, 25(2), 23-28.
  6. Dolan, R. J. and Gourville, J. T. (2009). Principles of Pricing. Boston: Harvard Business School. Efe, Ö. ve Kaynak, O. (2000). Yapay Sinir Ağları ve Uygulamaları. İstanbul: Boğaziçi Üniversitesi Yayını No: 696. Elmas, Ç. (2003). Yapay Sinir Ağları (Kuram, Mimari, Eğitim, Uygulama), Seçkin Yayıncılık, Ankara.
  7. Ericsson, R. (2004). Building Business Intelligence Applications with.NET. Massachusets: Charles River Media Inc. Fakhr-Eldin, A. and Notteboom, T. (2012). How are Container Lines Adjusting the Business Model to Cope with Market and Revenue Volatility. IAME- International Association of Maritime Economists Conference, Taipei, Taiwan, 5–8 September, 1–17.
  8. Ferrell, O. C. and Hartline, M. D. (2011). Marketing Strategy (5th Ed.). Mason, Ohio, USA: South-Western Cengage Learning. Gooijer, J.G. and Hyndman, R.J. (2006). 25 Years of time Series Forecasting. International Journal of Forecasting, 22(3), 443-473.
  9. Grammenos, C. (2010). The Handbook of Maritime Economics and Business. London: Lloyd’s List. Guiltinan, J. P. and