تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,500 |
تعداد مشاهده مقاله | 124,087,644 |
تعداد دریافت فایل اصل مقاله | 97,190,678 |
قاعدهمند سازی و پیشبینی رفتار مشتریان براساس تئوری مجموعه راف و شاخص قابلیت پذیرش و رد (مطالعه موردی: تلفن همراه سونیاریکسون) | ||
مدیریت بازرگانی | ||
مقاله 8، دوره 6، شماره 1، فروردین 1393، صفحه 145-166 اصل مقاله (534.63 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jibm.2014.51609 | ||
نویسندگان | ||
عفت محمدی1؛ رضا شیخ* 2 | ||
1کارشناس ارشد MBA دانشگاه شاهرود، شاهرود، ایران. | ||
2استادیار دانشکده مهندسی صنایع و مدیریت، دانشگاه شاهرود، شاهرود، ایران. | ||
چکیده | ||
امروزه با توجه به رقابت شدید حاکم بر محیط بازار، بکارگیری استراتژیهای متناسب با مشتریان، به منظور جذب و حفظ آنان ضرورتی انکارناپذیراست. امادستیابی به این مهم، منوط به شناخت مشتریان و درک الگوهای رفتاری آنان میباشد. هدف این تحقیق تعیین استراتژیهای برخورد با مشتریان جدید براساس رفتار مشتریان فعلی میباشد. در راستای نیل به هدف پژوهش، ابتدا الگوهای رفتاری حاکم بر مشتریان فعلی با استفاده از پرسشنامه NPS و روش RST شناسایی شده، و سپس استراتژی برخورد با مشتریان جدید به وسیله شاخص قابلیت پذیرش و رد با نسبت دادن آنها به طبقات از پیش تعریف شده مشخص میشود. این تحقیق با توجه به هدف کاربردی و از نظر روششناسی جزء پژوهشهای پیمایشی میباشد،که بر روی250 نمونه، از کاربران تلفن همراه سونیاریکسون اجرا شده است. نتایج تحقیق نشان میدهد که بعد قابلیت اطمینان نقش مهمی در تاثیرگذاری بر رفتار مشتریان دارد و براساس الگوی رفتاری مشتریان فعلی میتوان استراتژی متناسب با مشتریان جدید را اتخاذ نمود. | ||
کلیدواژهها | ||
تئوری مجموعه راف؛ شاخص قابلیت پذیرش و رد؛ شاخص مروجین خالص | ||
مراجع | ||
الوداری، ح. ( 1389 ). بازاریابی و مدیریت بازار.چاپ هشتم. تهران: انتشارات دانشگاه پیام نور. امیرشاهی، م.ا. و عباسیان، ف. ( 1386 ). بررسی تأثیر برداشت های مصرف کنندگان از نام تجاری بر واکنش آن ها (مورد پژوهشی: مصرف کنندگان تلفن همراه در شهر تهران . پژوهشنامه علوم .29-52 :(25) انسانی و اجتماعی، 7 امیری، ب.؛ شکوری، ح.؛ موسی خانی، م. و شاوردی، م. ( 1390 ). پیش بینی الگوهای رفتاری مشتریان :(4) بانک جهت شناسایی روش مناسب برای ارائه سرویس های پیشنهادی. دانش و فناور ی، 1 .173-155 تقوی فرد، م.ت.؛ نعمت، م. و صنیعی فرد، م.ع. ( 1390 ). مدل پی شبینی رفتار خرید مجدد مشتریان (مورد :(10) مطالعه: شرکت خدمات دهندة اینترنت). فصل نامة علم ی پژوهش ی مدیری ت بازرگان ی، 3 .55-74 حسینی، س.ی. و ضیایی بیده، ع.ر. ( 1391 ). استفاده از یک رویکرد ترکیبی بر پایة شبک ه های عصبی مصنوعی و نظریة مجموعة ناهموار برای مدل سازی وفاداری مشتریان به شناسه در صنعت .43-64 :(3) خدمات تلفن همراه. فصلنامة علمی پژوهشی مدیریت بازرگانی، 4 حمیدی زاده، م.ر. و غمخواری، س.م. ( 1388 ). شناسایی عوامل مؤثر بر وفاداری مشتریان براساس .187-210 : مدل سازی سازم ان های پاسخ گوی سریع. پژوهشنامة بازرگانی، 2 خاکی، غ.ر. ( 1378 ). روش تحقیق با رویکردی به پایا ننامه نویسی. چاپ اول، انتشارات مرکز تحقیقات علمی کشور با همکاری کانون فرهنگی انتشاراتی درایت. صنایعی، ع.، و شافعی، ر. ( 1391 ). ارائة مدلی برای تحلیل و پیش بینی رفتار خرید مشتر ی ها براساس : تئوری کارکردی نگرش (مطالعة موردی صنعت خودرو ایران ). پژوهشنام ة بازرگان ی. 62 .192-153 محمدی، ا. ( 1382 ). مشتر یمداری تکریم ارباب رجوع (چاپ اول). تهران: مؤسسه خدمات فرهنگی رسا. محمدی، ع. و شیخ، ر. ( 1391 ). سنجش درج ة وفادار ی مشتریا ن براسا س شاخ ص خالص مروجی ن (مطالعة موردی: تلفن همراه نوکیا و سون یاریکسون). کنگرة موبایل ایران. تهران: مرکز مطالعات تکنولوژی دانشگاه صنعتی شریف. محمدی، ع. و شیخ، ر. ( 1392 ). تحلیل خطای هال های رفتار مشتریان با استفاده از شاخص مروجین فصلنامة علمی پژوهشی مدیریت بازرگان ی، 5 .(RST) و تئوری مجموعة راف (NPS) خالص .143-119 :(1) ی، دورة 6، شمارة 1، بهار 1393 بازرگا د 164 مؤتمنی، ع. ر، جعفری، ا و مجرد، ف. ( 1389 ). مدیریت ارتباط با مشتری. چاپ دوم. تهران: شرکت چاپ و نشر بازرگانی. نیکوکار، غ.؛ دیوانداری، ع.؛ ابراهیمی، ع.ا. و اسفیدانی، م. ر. ( 1388 ). الگوی رفتار مصرف کننده و استراتژی های بازاریابی اینترنتی: لوازم خانگی ایران. فصلنامه علمی پژوهشی مدیریت بازرگان ی، .150-135 :(2) 1 هاشمی، ا. ( 1387 ). مدلسازی انتخاب گوشی همراه توسط مشتری نهایی با استفاده از شبک ههای عصب ی. پایان نامة کارشناسی ارشد دانشکدة مدیریت، پردیس قم، دانشگاه تهران. Bae, J. K. & Kim, J. (2010). Integration of heterogeneous models to predict consumer behavior. Expert Systems with Applications, 37 (3): 1821-1826. Błaszczyński, J., Greco, S. & Słowiński, R. (2007). Multi-criteria classification – A new scheme for application of dominance-based decision rules. European Journal of Operational Research, 181 (3): 1030-1044. Chen, W.-S. (2009). Analysis of a customer satisfaction survey using Rough Sets theory: A manufacturing case in Taiwan. Asia Pacific Journal of Marketing and Logistics, 21 (1): 93-105. Cohen, M.-D. (2004). Exploiting response models—optimizing cross-sell and up-sell opportunities in banking. Information Systems, 29 (4): 327-341. Danso, S. O. (2006). An Exploration of Classification. Prediction Techniques in Data Mining: The insurance domain. Masters Degree in Advanced Software Engineering: Bournemouth University. Galvao Jr, A. F. (2009). Unit root quantile autoregression testing using covariates. Journal of Econometrics, 152 (2): 165-178. Greco, S., Matarazzo, B. & Slowinski, R. (2007). Customer Satisfaction Analysis based on Rough Set Approach. Journal of Marketing, 77 (3): 325-329. Hoogendorp, O. (2010). Factors which influence Net Promoter Score in a Multichannel Service Context. Master of Science In Innovation Management: Eindhoven University of Technology. Keiningham, T. L., Cooil, B., Andreassen, T. W. & Aksoy, L. (2007). A longitudinal examination of net promoter and firm revenue growth. Journal of Marketing, 71 (3): 39-51. قاعده مندسازی و پیش بینی رفتار مشتریان براساس نظریة مجموعة ... 165 Kiang, M. Y. (2003). A comparative assessment of classification methods. Decision Support Systems, 35 (4): 441-454. Kim, Y. & Street, W. N. (2004). An intelligent system for customer targeting: a data mining approach. Decision Support Systems, 37 (2): 215-228. Lahiri, R. (2006). Comparison of Data Mining and Statistical Techniques for Classification Model. Master of Science (M.S.), Louisiana State University: Louisiana State University. Levin, N., Zahavi, J. & Olitsky, M. (1995). AMOS — A probability-driven, customer-oriented decision support system for target marketing of solo mailings. European Journal of Operational Research, 87 (3): 708-721. Lin, M.-H., Huang, S.-Y. & Chang, Y.-c. (2004). Kernel-Based Discriminant Techniques for Educational Placement. Journal of Educational and Behavioral Statistics, 29 (2): 219-240. Liou, J. J. (2009). A novel decision rules approach for customer relationship management of the airline market. Expert Systems with Applications, 36 (3): 4374-4381. Liou, J. J. & Tzeng, G.-H. (2010). A Dominance-based Rough Set Approach to customer behavior in the airline market. Information Sciences, 180 (11): 2230-2238. McGlaughlin, F. & Powell, J. (2012). What Your Customers Want: How to predict customer behavior for maximum ROI. www.Marketing Experiments.com. Michalski, R. S. (1983). A theory and methodology of inductive learning. Artificial Intelligence, 20 (2): 111-161. Tchangani, A. P. (2006). Multiple Objectives and Multiple Actors Load/Resource Dispatching or Priority Setting: Satisficing Game Approach. AMO – Advanced Modeling and Optimization: An Electronic International Journal, 8 (2): 111-134. Tchangani, A. P., Bouzarour, Y. & Pérès, F. (2011). Bipolar Evaluation Model in Decision Analysis. In: Proceedings of the 12th Annual Congress of the French Society of operational research and decision support, ROADEF 2011. ی، دورة 6، شمارة 1، بهار 1393 بازرگا د 166 Wilson, R. L. & Sharda, R. (1994). Bankruptcy prediction using neural networks. Decision Support Systems, 11 (5): 545-557. Wong, D.R. & Sohal, S.D. (2003). New empirical perspectives on brand loyalty: implications for satisfaction strategy and equity canfield. School of Management Working Paper Series, S.W, 27-95. Ziarko, W. (1991). The Discovery, Analysis, and Representation of Data Dependencies in Databases. In Knowledge Discovery in Databases (pp. 195-212). MIT Press Cambridge, MA, USA. | ||
آمار تعداد مشاهده مقاله: 3,296 تعداد دریافت فایل اصل مقاله: 4,415 |