تحلیل عملکرد محصولات یک شرکت از نظر سوددهی

یکی از نمودارهای مهمی که لازم هست در گزارش‌های مالی شرکت‌ها رسم شود و حتی فراتر از آن، دائما توسط مدیران شرکت رصد شود، نمودار عملکرد محصولات شرکت از نظر سوددهی است. سوال خیلی ساده است:

  • وضع هر یک از محصولات شرکت از نظر سوددهی در مقایسه با دیگر محصولات، چگونه است؟
  • کدام محصول سودده‌تر و کدام محصول کمتر سودده است؟

فرض کنید یک شرکت دو دسته خدمت به مردم می‌فروشد: خدمات اینترنتی (هاستینگ، سرویس اینترنتی، …) و خدمات غیر اینترنتی. نمودار فروش خالص و درآمد عملیاتی این شرکت، در شکل زیر رسم شده است.

13 - amazon leverage final

این نمودار بسیار ساده ولی کاربردی است. با یک نگاه به این نمودار می‌توان فهمید که هر چند درآمد شرکت از خدمات اینترنتی ۸% از کل درآمد بود، ولی ۳۲% از درآمد (سود) عملیاتی شرکت نیز مربوط به همین بخش بود. در این صورت مدیر عامل می‌تواند تصمیم بگیرد که خدمات اینترنتی شرکت را توسعه دهد و یا اینکه بر روی خدمات غیراینترنتی عارضه‌یابی کند و هزینه‌های آن را کاهش دهد تا سود ناشی از آنها بهبود یابد.

ضمنا میزان افزایش درآمد و سودآوری نیز نسبت به سال مالی گذشته، نشان داده شد. افزایش ۸۱% درآمد از حوزه خدمات اینترنتی نشان می‌دهد که فروش خدمات اینترنتی با رشد بسیار زیادی مواجه است. از این رو، نباید از این فرصت تجاری گذشت و بایستی بر روی آن سرمایه‌گذاری مناسبی انجام داد.

اگر با مفاهیم مقدماتی حسابداری مالی آشنا باشید، احتمالا حدس زده اید که این نمودار، نوعی ارایه‌ی تصویری اهرم عملیات شرکت به تفکیک نوع محصول و یا فعالیت است. چنانچه با این مفهوم آشنا نیستید، به زبان ساده می‌توان گفت که اهرم عملیات نشان می‌دهد که هر یک ریال فروش به چند ریال سود عملیاتی (EBIT) تبدیل می‌گردد.

جهت پیگیری به‌روز رسانی‌های بعدی دیتاپارتنرز، می‌توانید ما را در شبکه‌های اجتماعی و موبایلی دنبال کنید: اینستاگرام و توییتر و خبرنامه تلگرامی. همچنین اگر از خوراک‌خوان‌هایی نظیر اینو ریدر یا فیدلی استفاده می کنید نیز با افزودن آدرس وبسایت ما را به طور منظم دنبال کنید.

خوشه‌بندی مشتریان بر اساس ویژگی‌های رفتاری

بخشی از خروجی برنامه استراتژیک بازاریابی، بخش‌بندی مشتریان و هدفگذاری است (Customer Segmentation and Targeting). بخش‌بندی به معنای دسته‌بندی مشتریان برای ارائه محصول مناسب به هر دسته و طراحی تاکتیک‌های مناسب بازاریابی برای آنها است. هدفگذاری یعنی انتخاب بخش‌هایی از مشتریان که سوددهی بیشتری برای ما دارند. بدیهی است که ممکن است تصمیم شرکتی، تعامل با تمام بخش‌های مشتریان باشد.

به طور مثال، یک شرکت مخابراتی می‌تواند به شرکت‌های بزرگ و مشترکین خانگی اینترنت بفروشد. نیازهای مشتریان خانگی و شرکتی با هم متفاوت است. نتیجتا، روش‌های تبلیغات، قیمت‌گذاری و ارایه خدمات برای جذب این دو دسته از مشتریان نیز متفاوت است. در اینجا، عملِ دسته‌بندی مشتریان به دو گروه خانگی و سازمانی، بخش‌بندی مشتریان نامیده می‌شود.

برای بخش‌بندی مشتریان معمولا از ویژگی‌های دموگرافی (جمعیت‌شناسی) مانند سن، درآمد، نرخ مرگ و میر، اندازه خانواده، طبقه اجتماعی و غیره استفاده می‌شود. مثلا با بخش‌بندی، به دو دسته مشتریان کهن‌سال و مشتریان میان‌سال تقسیم می‌شوند. یا مشتریان با گروه‌های درآمدی پایین، متوسط و بالا. همچنین، می‌توان خدمات VIP و اختصاصی را برای گروه درآمدی بالا تعریف کرد.

ویژگی‌های دموگرافی به دلیل سادگی و کیفی بودن آن، معمولا مورد استقبال مارکترها قرار می‌گیرد. ولی واقعیت این است که «رفتار» و «نیاز» مشتریان را همیشه نمی‌توان با ویژگی‌های دموگرافی مدل کرد. چرا که عوامل متعددی رفتار یک مشتری بالقوه را شکل می‌دهند.

در اینجا برای رفتارشناسی مشتریان، مثالی از بازار محصولات ارگانیک مرور می‌شود. بازاریابی محصولات ارگانیک به خاطر وجود کالای جایگزین و نیز حساسیت شدید خریداران به قیمت، پیچیدگی‌ زیادی دارد. احتمالا، در نگاه اول، معیارهای زیر برای بخش‌بندی مشتریان مناسب به نظر برسد:

  • افراد دارای بیماری‌های خاص که به سلامتی محصولات غذایی مصرفی اهمیت بیشتری می‌دهند.
  • افراد دارای درآمد بالا که کیفیت و کلاس قیمتی محصولات غذایی، برای آنها مهم است.
  • کسانی که به گیاهخواری گرایش دارند.

سوال اینجاست که آیا می‌توان با معیارهای فوق، مشتریان تمام شهرها را بخش‌بندی کرد؟ یا اینکه حتی بیماران یک شهر با شهر دیگر و ثروتمندان شهری تا شهر دیگر، رفتارهای متفاوتی دارند؟ آیا کسانی که دارای بیماری‌های خاص بوده ولی درآمد پایینی دارند، از مشتریان بالقوه این محصولات هستند؟ یا کسانی که دارای درآمد بالا بوده، ولی سطح تحصیلات پایین‌تر از دیپلم دارند؟ بنابرین باید دنبال متغیرهایی بگردیم که قادر باشند نسبت به متغیرهای دموگرافی، توصیفی دقیق‌تر از بخش‌های مشتریان (و نتیجتا رفتار آن‌ها) به ما عرضه کنند.

… [از این جا به بعد، نام برخی از مفاهیم ریاضی را خواهید شنید. پیشنهاد می‌شود که از آنها عبور کنید. در مطالب آتی تا حد امکان توضیح داده می‌شوند. الآن فعلا به نتایج توجه کنید.] …

برای پاسخ به این سوال، پرسش‌نامه ای برای جمع‌آوری ۳ دسته از متغیرها طراحی شد:

  • متغیرهای «سبک زندگی»
  • متغیرهای «نگرش محیط زیستی»
  • متغیرهای «نگرش به محصولات ارگانیک»

به عنوان نمونه، متغیرهای مربوط به سبک زندگی در لیست زیر ارائه می‌شوند:

  • کنترل نمک: من رژیم غذایی کم نمکی را دنبال می‌کنم.
  • گیاهخواری: من گیاهخوار هستم.
  • ورزش منظم: من به صورت منظم ورزش می‌کنم.
  • غذاهای فرآوری شده: من از غذاهای فرآوری شده استفاده نمی‌کنم.
  • مصرف زیاد میوه: من معمولا از میوه و سبزیجات به صورت مداوم استفاده می‌کنم.
  • مصرف مقتصدانه گوشت: من به ندرت گوشت قرمز می‌خورم.
  • غذا با افزودنی‌های مجاز: من از خوردن خوراکی‌های دارای افزودنی اجتناب می‌کنم.
  • چکاپ منظم سلامتی: من به صورت منظم، برای چکاپ به پزشک مراجعه می‌کنم.
  • کنترل استرس: من سعی می‌کنم استرس زیادی نداشته باشم.
  • زندگی منظم: من سعی می‌کنم زندگی‌ام طبق قاعده و اصول باشد.
  • تعادل کار و زندگی: من سعی می‌کنم بین کار و زندگی شخصی، تعادل ایجاد کنم.

برای دو دسته دیگر از متغیرها نیز سوالات متناسب تدوین شد (جمعا ۲۵ سوال). پرسشنامه ای بین ۴۰۰ نفر از افراد آشنا به مواد غذایی ارگانیک در دو شهر توزیع شد و پاسخ‌دهندگان، به هر کدام از آنها، نمره ای بین ۱ (کاملا مخالف) تا ۷ (کاملا موافق) دادند.

از روش تحلیل مولفه‌های اصلی (PCA: Principle Component Analysis) برای کاهش بُعد استفاده شد و نتایج تحلیل نشان داد که سه عامل اساسی در بین متغیرهای سبک زندگی، عامل تصمیم‌گیری در مورد خرید / عدم خرید محصولات ارگانیک است:

  • کسانی که گرایش به مصرف غذاهای طبیعی، گیاهخواری، مصرف میوه زیاد، بدون افزودنی و فرآوری دارند، از مشتریان بالقوه محصولات ارگانیک هستند.
  • کسانی که روحیه ایجاد تعادل در زندگی دارند، راحت‌تر به محصولات ارگانیک روی می‌آورند.
  • و کسانی که به دلیل بیماری‌های خاص یا هر دلیل دیگری، به سلامتی خود اهمیت داده و به صورت منظم به چکاپ می‌روند، می‌توانند مشتری خوب محصولات ارگانیک باشند.

… [چگونه سوالات پرسشنامه بالا با هفت متغیر به سه متغیر تبدیل شد؟ جواب این سوال پس از تشریح روش PCA مشخص می‌شود.] …

بر اساس عامل‌های سه گانه بالا (گرایش به مصرف غذاهای طبیعی، گرایش به ایجاد تعادل در زندگی و حساسیت بر روی سلامت شخصی) خوشه‌بندی انجام شد. بر اساس داده‌ها، مشتریان به سه خوشه تقسیم شدند:

  • مصرف کنندگان محتمل: کسانی که هر چند ممکن است نسبت به سلامتی خود چندان حساس نباشند و به صورت منظم به چکاپ نروند، ولی روحیه ایجاد تعادل در زندگی و مصرف غذاهای طبیعی دارند. بیش از ۵۰% از این گروه، گاهی اوقات از محصولات ارگانیک استفاده می‌کند و حدود ۱۰% نیز به صورت منظم محصولات ارگانیک مصرف می‌کنند. اکثر آنها زن بوده و تحصیلات زیردیپلم دارند.
  • مصرف کنندگان غیرمحتمل: کسانی که به هیچکدام از عامل‌های بالا گرایش ندارند. طبیعی است که فروش محصولات ارگانیک به آن‌ها بسیار سخت است. نکته مهم اینکه بیش از ۵۰% مشتریان غیرمحتمل، زیر ۳۵ سال سن دارند و احتمالا به همین دلیل، چندان نگران سلامتی خود نیستند! جالب‌تر اینکه ۱۰% از این افراد به طور دائمی محصولات ارگانیک مصرف می‌کنند. احتمالا این افراد در خانواده‌هایی زندگی می‌کنند که این محصولات در آنها تهیه می‌شود. ولی خود انگیزه کافی برای خرید این محصولات را ندارند.
  • مصرف کنندگان محصولات ارگانیک: این گروه که ۵۲% از جمعیت را تشکیل می‌دهند کسانی هستند که هر چند گرایش زیادی برای ایجاد تعادل بین کار و زندگی شخصی دارند و نگران سلامتی خود هستند، ولی لزوما گرایش به گیاهخواری ندارند و راه زندگی سالم را در گیاهخواری نمی‌دانند. ولی به دلیل کیفیت محصولات ارگانیک، به آن گرایش دارند. با توجه به اینکه عمده مصرف کنندگان دائمی محصولات ارگانیک دراین گروه واقع شده اند، نام آن «مصرف کننده» گذاشته شد. عمده آنها زن هستند، تحصیلات زیر دیپلم دارند و از قضا درآمد متوسطی هم دارند.

جدول نتایج خوشه‌بندی به شرح زیر است. یک نتیجه مهم جدول این است که لزوما بخش‌بندی مشتریان بر اساس اطلاعات دموگرافی، منجر به دسته‌هایی نمی‌شود که مشتریان هر دسته رفتارهای مشابهی از خود بروز می‌دهند.

12 - CUSTOMER SEGMENTATION

جزئیات این مدل در مطالب آتی تشریح می‌شود. جهت پیگیری به‌روز رسانی‌های بعدی دیتاپارتنرز، می‌توانید ما را در شبکه‌های اجتماعی و موبایلی دنبال کنید: اینستاگرام و توییتر و خبرنامه تلگرامی. همچنین اگر از خوراک‌خوان‌هایی نظیر اینو ریدر یا فیدلی استفاده می کنید نیز با افزودن آدرس وبسایت ما را به طور منظم دنبال کنید.

منبع:

Gil, J. ‘Market Segmentation and Willingness To Pay For Organic Products In Spain’. The International Food and Agribusiness Management Review 3.2 (2000): 207-226.

نمودار دایره‌ای: چاق و کم‌مصرف

نمودار دایره‌ای (پای چارت : Pie Chart) بدون هیچ دلیلی، یک نمودار محبوب در گزارش‌های تجاری است. نموداری که چارتیست‌های حرفه‌ای از آن به شدت متنفرند. وقتی در جلسات تحلیلی به کارآموزان و دانشجویان گفته می‌شود که از این نمودار در گزارش‌های تجاری استفاده نکنید، تعجب می‌کنند. ولی وقتی دلایل ناکارآمدی این نمودار تشریح می‌شود، معمولا به راحتی قبول می‌کنند. چارتیست‌ها برای اینکه یک نمودار را ارزیابی کنند، می‌پرسند که میزان کارآمدی این نمودار برای انتقال «پیام» چقدر است؟

11 pie chart 1

اولین نقص نمودار دایره‌ای حساسیت زیاد آن به تعداد برش‌ها است. زمانی که تعداد برش‌ها کم باشد، نمودار پیام کاملا ساده‌ای را منتقل می‌کند؛ مانند شکل بالا. در صورتی که به راحتی می‌شود این پیام را با نمایش مستقیم اعداد به خواننده منتقل کرد. طبیعتا شکل زیر بسیار دقیق‌تر پیام را منتقل می‌کند. در ضمن نیاز به مقایسه مرزهای برش‌های نمودار، چک کردن برچسب سری داده‌ها و دقت اضافه برای فهم نمودار نیست.

11 pie chart 2

زمانی که تعداد برش‌ها افزایش می‌یابد، چشم در تحلیل مرز برش‌ها و اینکه کدام برش از دیگری بزرگتر است، دچار مشکل می‌شود. حتی اگر مقدار بر حسب % در هر برش نمایش داده شود، ذهن برای فهم ترتیب و مرتب کردن برش‌ها، دچار زحمت خواهد شد.

11 pie chart 3

اضافه بر خستگی چشم و سختی محاسبه سهم هر کدام از شرکت‌ها، در نمودار بالا احتمالا بتوان تشخیص داد که شرکت الف دارای ۲۵% از سهم بازار است. در همین نمودار، اگر در همین نمودار، جای شرکت الف و جابجا شود، بعید است خواننده بتواند حدس بزند که سهم بازار شرکت الف، ۲۵% است.

11 pie chart 4

فارغ از سهم شرکت الف، سهم شرکت د بیشتر است یا سهم شرکت و؟ تقریبا می‌توان گفت که عمده کسانی که به این نمودار خیره شوند، به سادگی نمی‌توانند تفاوتی بین سهم شرکت د و ه پیدا کنند. حتی اگر مقدار سهم هر شرکت در این نمودار نوشته شود، باید زحمت بیشتری برای منظم کردن آنها بکشند.

نکته دیگر اینکه رنگ‌ها در نمودار دایره‌ای، نقش چندانی بازی نمی‌کنند. در حالی که در طراحی حرفه‌ای چارت، رنگ نشان‌دهنده‌ی یک ویژگی یا مقدار است و به راحتی نبایستی آن را مصرف کرد.

به جای نمودار بالا، چه نموداری مناسب است؟ پاسخ این است که ده‌ها نمودار می‌توان به جایش رسم کرد. ساده‌ترین نمودار که در اغلب موارد می‌توان آن را جایگزین نمودار دایره‌ای کرد، نمودار میله‌ای است که داده‌ها بر حسب مقادیر، منظم شده‌اند [یادآوری، اگر میله‌ها به صورت عمودی رسم شوند، به نمودار ستونی و اگر افقی رسم شوند، میله‌ای گفته می‌شود].

11 pie chart 5

در اولین مطلب دیتا پارتنرز نیز، نمونه‌ی دیگری از طراحی مجدد نمودار ارایه کرده بودیم که به نظر می رسد نگاهی دوباره به آن خالی از لطف نباشد: جهت مشاهده، اینجا کلیک کنید.

پی‌نوشت: دیتا پارتنرز را در شبکه‌های اجتماعی و موبایلی می توانید دنبال کنید: اینستاگرام و توییتر. همچنین اگر از خوراک‌خوان‌هایی نظیر اینو ریدر یا فیدلی استفاده می کنید نیز با افزودن آدرس وبسایت ما را به طور منظم دنبال کنید. به زودی، خبرنامه‌ی ایمیلی دیتا پارتنرز نیز راه خواهد افتاد. منتظر نظرات شما  هستیم 🙂

استفاده از میانگین متحرک در تحلیل داده‌های فروش

فرض کنید که مدیر یک شرکت مشاوره هستید. وضعیت پروژه‌ها در این شرکت به گونه‌ای است که درآمدها به صورت ماهانه و منظم به شرکت تزریق نمی‌شود. درآمدهای به صورت دوره‌های نامنظم دو، سه یا چهار ماه یک بار به شرکت وارد می‌شوند. همچنین ممکن است این شرکت در هر ماه قراردادهایی برای پروژه‌های با طول دوره‌های متفاوت عقد کند. شکل زیر، نمودار فرضی درآمد این شرکت است.

moving avg 1

مدیر عامل این مجموعه یک سوال ساده دارد: درآمد شرکت از نظر ماهیانه رو به افول است یا رو به صعود؟ آیا درآمدهای شرکت دارای روند فصلی یا ماهیانه است؟ او کاملا به نوسانات فصلی و تغییرات ضربه‌ای در نمودار درآمد آگاه است. طبیعی است که از روی نمودار درآمد نمی‌تواند هیچگونه روندی را کشف کند. گاه صعودی و گاهی نزولی است و ظاهرا نمی‌توان نظم خاصی در این نمودار دید.

زمانی که سری‌های زمانی دارای نوسان زیادی هستند، نیاز به نوسان‌گیری است. نوسان‌گیری روش‌های مختلفی دارد. برای پاسخ به سوال مدیر عامل، یک راه معقول استفاده از نوسان‌گیری از روش میانگین متحرک است.

فرض کنید که میانگین طول پروژه‌های این شرکت، حدود ۳ ماه باشد. به جای نمایش سری زمانی درآمدها، می‌توان میانگین درآمد سه ماه گذشته را محاسبه و آن را رسم کرد. با این کار، هر درآمد محقق شده بین سه ماه به صورت مساوی تقسیم شده و  نوسانات سری زمانی درآمدها تا حد معقولی تعدیل می‌شود.

moving avg 2

نمودار بالا همچنان نوسان دارد. منتهی این بار این نوسانات آنقدر زیاد نیست که نتوان سری داده‌ها را تحلیل کرد. این نمودار نشان می‌دهد که درآمدهای شرکت از اواخر سال ۲۰۱۳ تا اواسط سال ۲۰۱۴، نسبت به سایر دوره‌ها کمتر است.

طبیعی است که انتخاب تعداد دوره‌های محاسبه میانگین متحرک بسیار مهم است. این دوره نه باید آنقدر بزرگ باشد که هیچ نوسانی را نشان ندهد و نه آنقدر کوچک که همچنان داده پر از نوسان باشد. این عدد بایستی با یک منطق درست انتخاب شود. برای نمونه، داده‌های درآمد همین شرکت با میانگین متحرک چهارماهه مجددا رسم شد. همانطور که از نمودار آن مشخص است، نوسان‌ها کمتر شده و در عین حال کاهش فروش شرکت در سال ۲۰۱۳ و بخشی از ۲۰۱۴ مشهودتر است.

moving avg 3

روش بالا، راهکاری ساده برای تعدیل نوسانات است که به راحتی می‌توان آن را در اکسل پیاده‌سازی کرد. برای تحلیل‌های پیشرفته سری زمانی، نیاز به روش‌های پیچیده‌تری برای نوسان‌گیری است که از حوصله این مطلب خارج است.

9- آیا دونالد ترامپ، کاندیدای نهایی حزب جمهوری‌خواه خواهد بود؟

انتخابات آمریکا از یک جهت، انتخاباتی بسیار خاص است. تعداد زیادی از ریاضی‌دانان، تحلیلگران و دانشمندان به صورت منظم به همراه کاندیداهای ریاست جمهوری هستند و در برنامه‌ریزی ستادهای آنها فعالند. موسسات و مشاوران از جهت دقت پیش‌بینی، در حال مسابقه و رقابتند. در یکی از پست‌های قبلی، تحلیلی در مورد میزان قطبی بودن تفکر ایدئولوژیک در بین مردم آمریکا، صحبت کردیم. (+).

شرکت تحقیقات بازار YouGov تحقیقی در مورد میزان محبوبیت هر یک از کاندیداهای ریاست جمهوری انجام داده و اطلاعات آن را به صورت مفصل منتشر کردند (+). این داده‌ها را از شیوه‌های مختلفی می‌توان بررسی کرد. یک چارتیست حرفه‌ای هم با بررسی این داده‌ها به این سوال پاسخ داد که آیا ممکن است کاندیدای نهایی جمهوری‌خواهان، دونالد ترامپ باشد؟ (منبع: +) یا اینکه آیا کلینتون کاندیدای نهایی دموکرات‌ها است؟

برای پاسخ به این سوال، تحلیلی ساده از داده‌های آماری دوره‌های قبل انتخاباتی انجام و نشان داد که یک نفر صرفا به دلیل محبوبیت بین هم‌حزبانش لزوما دارای شانس بالایی برای انتخاب به عنوان کاندیدای نهایی از همان حزب ندارد. اعضای یک حزب، لزوما به محبوب‌ترین فرد رای‌نمی‌دهند بلکه به کسی رای می‌دهند که بیشترین شانس پیروزی را دارد.

بیشترین شانس پیروزی چه زمانی به دست می‌آید؟ طبعا افراد وابسته و طرفدار حزب رقیب، به کاندیدای خود رای می‌دهند که آمار رای قطعی آنها را می‌توان از پیش حدس زد. افراد تعیین کننده برای ریاست جمهوری، مردم مستقل هستند که حدود ۴۷% از جمعیت آمریکا را تشکیل می‌دهند.

یک فرد عضو یک حزب، به کسی برای تعیین فرد نهایی نماینده آن حزب در انتخابات ریاست جمهوری رای می‌دهد که اولا دارای محبوبیت بالایی در بین طرفداران حزبش باشد و ثانیا دارای کمترین میزان تنفر در بین مستقل‌ها باشد.

نمودار محبوبیت کاندیداهای بالقوه زیاست جمهوری امریکا در سال 2008 در بین هم‌حزبانش بر حسب میزان تنفر در بین مستقلین
نمودار محبوبیت کاندیداهای بالقوه زیاست جمهوری امریکا در سال ۲۰۰۸ در بین هم‌حزبانش بر حسب میزان تنفر در بین مستقلین

در انتخابات سال ۲۰۱۲، ترامپ رای ۵۸% در بین جمهوری‌خواه‌ها داشت. ولی ۵۷% از مستقل‌ها هم از او متنفر بودند. در عوض میت رامنی که دومین رای در میان جمهوری‌خواهان را داشت، به دلیل میزان کمتر تنفر مردم از او، به عنوان کاندیدای نهایی جمهوری‌خواهان انتخاب شد.

نمودار محبوبیت کاندیداهای جمهوری‌خواه در بین هم‌حزبی‌ها و مستقلین در سال 2012
نمودار محبوبیت کاندیداهای جمهوری‌خواه در بین هم‌حزبی‌ها و مستقلین در سال ۲۰۱۲

محبوبیت کاندیداهای حزب جمهوری‌خواه در سال ۲۰۱۶

دونالد ترامپ و جب بوش، کاندیداهای پر سر و صدای حزب جمهوری خواه هستند که میزان محبوبیت بالایی در بین هم‌حزبی‌های خود دارند. ولی افراد مستقل به طرز چشمگیری از این دو متنفر هستند. طبعا انتخاب این دو نفر به عنوان کاندیدای نهایی حزب جمهوری‌خواه به ضرر آنها خواهد بود. به نظر شما جمهوری‌خواهان دست به یک انتخاب اشتباه می‌زنند؟

نمودار محبوبیت کاندیداهای جمهوری‌خواه در بین هم‌حزبی‌ها و مستقلین در سال 2016
نمودار محبوبیت کاندیداهای جمهوری‌خواه در بین هم‌حزبی‌ها و مستقلین در سال ۲۰۱۶

محبوبیت کاندیداهای حزب دموکرات در سال ۲۰۱۸

وضعیت کاندیدای بسیار محبوب حزب دموکرات هم چندان خوب نیست. مستقل‌ها بیشترین تنفر را از وی دارند و در صورت انتخاب وی، احتمال دارد که برنده انتخابات حزب جمهوری خواه باشد. فعلا ساندرز به مربع طلایی نزدیک شده است.

نمودار محبوبیت کاندیداهای دموکرات در بین هم‌حزبی‌ها و مستقلین در سال 2016
نمودار محبوبیت کاندیداهای دموکرات در بین هم‌حزبی‌ها و مستقلین در سال ۲۰۱۶

بر خلاف نمودار مربوط به حزب جمهوری خواه، فراوانی کاندیداهای حزب دموکرات در این مربع طلایی بسیار کم است و این یک نشانه خطر برای دموکرات‌ها است.

فراموش نکنیم که این نمودارها ممکن است در طول زمان تغییر وضعیت دهند. محبوبیت یک شاخص ایستا نیست. شاید اگر بخواهیم همین نمودارها را در ماه آینده رسم کنیم، با نتایج کاملا متفاوتی روبرو شویم.

پی‌نوشت: خبرنامه‌ی دیتاپارتنرز در نرم افزار پیام‌رسان تلگرام راه اندازی شد. با عضویت در این خبرنامه، از آخرین به‌روزرسانی‌های ما مطلع شوید.