组织市场参与者 | 学习笔记

简介: 快速学习组织市场参与者。

开发者学堂课程【高校精品课-湖南大学 -市场营销:组织市场参与者】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/4/detail/16010


组织市场参与者


内容介绍

一、组织市场参与者


一、组织市场参与者

理解消费者行为与组织购买行为

组织购买的参与者,提到组织购买的行为就比消费者购买行为复杂很多。因为消费者购买往往更多的时候是个人来决定,最多的话涉及到家庭成员,比如说住房,汽车的购买可能个人决策为中心,同时必须参照家庭成员的建议,所以还是组织购买更为复杂。因为组织购买更多的是原材料或者机器设备,他是涉及到一定的技术规格和参数。所以一个企业的组织购买者牵涉到使用部门,技术指标部门,还有采购部门,这三大核心部门。不同的采购可能会有不同的组织结构,但无非有七个角色。

第一个是发起者,我们可以和使用者一起来看,我们说使用者往往就是产品和服务的直接使用人,比如说原材料在车间里真正把它投入到事实当中这叫使用者,往往使用者在原材料没有了,或者机器设备出现故障了,他可以提出购买的建议,但是他不能发起这个采购,这个采购往往是使用部门的完整,他往往是采购任务的发起人,但影响者和决定者这两个往往是在技术部门。

影响者很多时候是协助确定产品规格并为评价可选方案提供信息,可以理解为技术部门的技术员,负责这些基础的员工。决定者是管理部门的管理者,他决定了产品的要求。批准者,往往是在企业组织当中的采购中心的完整,他是批准决定和使用者提供的行动方案的人。这是我们讲的批准者的角色,作为衔接采购中心的管理者,他要衔接到我们使用部门的管理者和我们讲的技术部门的管理者。购买者,我们更多的时候是有权正式的选择供应商并安排购买条款的人。所以往往在很多复杂的采购情况,最终决定的人是购买者。还有一个是把关者,把关者是有权利阻止销售人员和销售信息接近企业采购中心成员的人。

image.png

因为这个采购比较复杂,所以大家可能听完以后肯定也没一个大体的概念,这七种参与者到底是怎么去行使他们的职责,所以给大家画了一张图,这张图比较简单的给大家呈现了七个不同的参与者,他们在不同的部门不同的层次是怎么样去分布的。首先,我们大家可能一眼看上去比较独特的是这个把关者,因为你会发现把关者好像不在我们那个序列当中,他好像独立于各个部门存在,比较好理解的是,把关者是能不能让你见到采购中心的人或者能不能获取信息的人。所以我们简单的来讲其实这个把关者很多时候大家可能想象不到,它是这个企业的第一道门也是门卫。

反正如果说对一个企业,他有采购我们的销售人员去这个企业进行谈话的话,你也有可能一开始就被这个门卫堵在门外 ,特别是对于你一个新客户来说,他不知道你,你们这个企业和组织结构,只是估计这家企业有机会。这个时候可能你首先要突破的这把关者这一关,当然我们现在也可能他是我们的秘书,采购部门的秘书或者我们讲的前台的打电话的服务人员,他都有可能把你挡在组织之外阻挡在采购计划部门之外。那比较正规的其他六个人,我们可以看一下我们讲过的采购主要涉及到三个重要的部门。第一个是技术部门,第二个是使用部门,第三个是采购计划部门。

三个不同的部门又分为三个不同的层次。我们讲执行层、管理层和决策层。所以对于使用者和发起者,他们都来源于使用部门,使用者发现这个需求给出建议,但我们讲使用部门的管理者负责提供采购的发起人。那技术部门的话作为两类,第一类,我们叫做影响者。

第二类,叫做决策者。影响者更多的时候是我们讲的技术部门当中的最基础的我们技术测评人员,而决定者,是我们技术部门当中的管理者,管理者,批准者是来源于采购计划部门,采购计划部门他衔接技术部门和使用部门。在管理层,他就属于这种批准者。那往往我们的采购组当中一般还会有决策层,决策层更多的时候要么是我们觉得老总或者我们讲的副总。所以我们讲的组织购买决策过程当中为什么有这七个不同的参与者。

对于不同的参与者,分享一个比较有意思的案例,比如说,奥迪车,大家知道它刚刚进中国的时候,它的主要消费群体其实不是个人,你会发现很多公共部门、政府机关。

他们使用的公务车都是奥迪车,所以当时奥迪就特地做了一个非常贴心的工作,每一辆奥迪车在每一个抽屉中准备了相当精美的手套和赠品,其实这个赠品主要给了谁,给了产品的使用者,但是他们没有权利来发起采购也没有办法去做一些其他的决定,所以说实际上他很难怎么样形成他预期的这个效应,但是作为连接我们的使用者,还是有一定的效果,所以你会发现奥迪车在进入中国之初,奥迪的车委会形成不了,因为他们更多的时候都是我们讲的公共部门的司机,他们并没有这种很强烈的这样的需求,相反的话,他们可能相对谨慎,这是组织购买行为和一般的购买行为一个重要的差别。

相关文章
|
XML Java 测试技术
springboot 整合 apache camel实现企业级数据集成和处理
springboot 整合 apache camel实现企业级数据集成和处理
4760 0
springboot 整合 apache camel实现企业级数据集成和处理
|
8月前
|
人工智能 IDE 搜索推荐
惊!GitHub Copilot或将颠覆传统编程,程序员即将失业?
GitHub Copilot引爆编程界!这个AI编程神器将彻底改变你的编程生涯!
421 22
惊!GitHub Copilot或将颠覆传统编程,程序员即将失业?
|
9月前
|
存储 SQL 人工智能
DeepSeek开源周第五弹之二!Smallpond:构建于3FS之上的轻量级数据处理框架,高效处理PB级数据
Smallpond 是 DeepSeek 开源的轻量级数据处理框架,基于 DuckDB 和 3FS 构建,支持 PB 级数据处理,提供高性能的数据加载、查询和转换功能,适合大规模数据预处理和实时分析。
807 1
DeepSeek开源周第五弹之二!Smallpond:构建于3FS之上的轻量级数据处理框架,高效处理PB级数据
|
SQL 存储 关系型数据库
SQL安装实战:从零开始,一步步掌握SQL数据库的安装与配置
配置SQL数据库以优化性能 安装完成后,接下来的任务是对SQL数据库进行必要的配置,以确保其能够顺利运行并满足你的性能需求。以下是一些关键的配置步骤:
|
人工智能 Prometheus 监控
使用 NVIDIA NIM 在阿里云容器服务(ACK)中加速 LLM 推理
本文介绍了在阿里云容器服务 ACK 上部署 NVIDIA NIM,结合云原生 AI 套件和 KServe 快速构建高性能模型推理服务的方法。通过阿里云 Prometheus 和 Grafana 实现实时监控,并基于排队请求数配置弹性扩缩容策略,提升服务稳定性和效率。文章提供了详细的部署步骤和示例,帮助读者快速搭建和优化模型推理服务。
660 7
使用 NVIDIA NIM 在阿里云容器服务(ACK)中加速 LLM 推理
|
消息中间件 大数据 Kafka
kafka线上问题:rebalance
小米探讨了Kafka消费组重平衡问题,这是大数据领域的一大挑战,特别是在大规模集群中。重平衡因组成员增减、主题数量变化或分区数变化触发,可能使Kafka短暂不可用,影响TPS。解决办法包括调整超时时间、心跳频率和拉取间隔以减少重平衡频率和影响。了解触发原因和机制,以及实施优化策略,对于提升Kafka集群的稳定性和性能至关重要。
917 0
kafka线上问题:rebalance
如何把多个文件(夹)向上移动1层(或多层)(在批量复制前或后进行)
该文介绍了如何使用一个工具将四个文件夹内的所有文件合并到另一个文件夹中。工具可以从百度网盘或蓝奏云下载,提取码分别为qwu2和2r1z。操作步骤包括:打开工具,选择文件批量复制,设置源路径上移,确定设置后将文件夹拖入,导入文件,移除不需要的文件夹路径,最后执行移动操作。移动过程中会删除空文件夹,并在回收站中可见。
|
并行计算 搜索推荐 数据可视化
十几种排序算法的可视化效果,快来看看!
这两天在B站上刷到一个视频,把各种排序动画可视化显示了出来,觉得还蛮好玩的,当即就决定自己也要写一个玩玩,顺便复习一下排序算法,话不多说,进入正文~
|
XML 存储 JSON
YAML教程:5分钟内开始使用YAML
YAML教程:5分钟内开始使用YAML
1718 0