تأثیر مدیریت ارتباط با مشتری الکترونیکی بر وفاداری مشتریان با استفاده از تکنیک‏های داده‌کاوی

رنگریز, حسن; بایرامی شهریور, زهرا

doi:10.22054/ims.2019.9987

نویسندگان

¹ عضو هیئت علمی، گروه مدیریت کسب‌وکار، دانشکده مدیریت، دانشگاه خوارزمی، تهران.

² کارشناس ارشد، مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه الزهراء واحد ارومیه (نویسنده مسئول)؛ zahraa.beyrami@gmail.com

https://doi.org/10.22054/ims.2019.9987

چکیده

با گسترش اینترنت، سازمان‌ها از روش‌های مختلف E-CRM استفاده می‌کنند. یکی از اهداف سازمان‌ها در استفاده از E-CRM افزایش وفاداری مشتریان و حفظ مشتریان وفادار جهت دستیابی به مزیت رقابتی و سودآوری است. هدف این پژوهش بررسی تأثیر E-CRM بر وفاداری مشتریان بانک ملت با استفاده از تکنیک‌های داده‌کاوی است. در این پژوهش از روش‌های خوشه‌بندی با الگوریتم K-means و شبکه‌های عصبی (با الگوریتم پس انتشار خطا) و مدل LRFM از طریق برنامه‌نویسی در نرم‌افزارهای متلب و اکسل استفاده شده است. نتایج پژوهش نشان داد که با افزایش میزان استفاده مشتریان از خدمات E-CRMوفاداری آن‌ها افزایش می‌یابد. رابطه بین E-CRM، مؤلفه‌های مدل LRFM و وفاداری یک رابطه غیر‌خطی است و میزان تغییر در وفاداری به ازای تغییر E-CRM، مقداری ثابت نیست. میزان افزایش وفاداری تابعی از مؤلفه‌های LRFM، مقدار E-CRM و اوزان به‌دست‌آمده در شبکه عصبی است.

کلیدواژه‌ها

عنوان مقاله [English]

The Impact of E-CRM on Customer Loyalty Using Data Mining Techniques

نویسندگان [English]

Hassan Rangriz ¹
Zahra Bayrami Shahrivar ²

¹ Faculty Member, Faculty of Management, Department of MBA, Kharazmi University, Tehran

² MA, Information Technology Management, Alzahra University, Urmia Branch (Corresponding Author: zahraa.beyrami@gmail.com)

چکیده [English]

With the expansion of the Internet, various tools have been used to communicate with customers in organizations, and organizations use different E-CRM methods to create competitive advantages. Since customer loyalty is critical to achieving competitive advantage and profitability for organizations, one of the goals of organizations in using E-CRM is to maintain and increase customer loyalty. Therefore, considering the importance of the impact of various E-CRM services on customers’ loyalty, the purpose of this study is to investigate the impact of E-CRM on the loyalty of Bank Mellat customers using data mining techniques. The data required for this research were extracted from Bank Mellat databases. Data mining techniques include clustering with K-means algorithm and neural networks (using error-relay algorithm) and LRFM model through programming in MATLAB and Excel software were used to analyze the data. The results showed that with increasing use of E-CRM services, customers’ loyalty increases. The relationship between E-CRM, the components of LRFM model, and loyalty is a nonlinear and the change in loyalty as E-CRM changes is not a constant. The increase in loyalty is a function of LRFM components, the amount of E-CRM and weights obtained in the neural network.

کلیدواژه‌ها [English]

E-CRM
Customer Loyalty
Data Mining
LRFM

مراجع

کانتاردزیک، مهمد. (1392). داده‌کاوی. (امیر علیخانزاده، مترجم). تهران: علوم رایانه. (تاریخ انتشار به زبان اصلی، 2011).

محمدی، مرتضی و سهرابی، طهمورث (1396). تأثیر مدیریت ارتباط با مشتری الکترونیک بر رضایت مشتریان. فصلنامه مطالعات مدیریت کسب‌وکار هوشمند، سال ششم، شماره 22، 604 – 623.

هان، ژیاوی، کمبر، میشلین و پی، ژان. (1393). داده‌کاوی مفاهیم و تکنیک‌ها. (مهدی اسماعیلی، مترجم). ویراست سوم. تهران: نیاز دانش. (تاریخ انتشار به زبان اصلی، 2012).

Azila, N., & Noor, M. (2011). Electronic Customer Relationship Management Performance: Its Impact on Loyalty From Customers’ Perspectives. International Journal of e-Education, e-Business, e-Management and e-Learning, (1)1.

Bhatnagar, V., Ranjan, J., & Singh, R. (2011). Analytical customer relationship management in insurance industry using data mining: a case study of Indian insurance company. International Journal of Networking and Virtual Organisations, (9)4, 331-366.

Bounsaythip, C. & Runsala, E. R. (2001). Overview of Data Mining for Customer Behavior Modeling. Version 1, VTT Information Technology.

Chang, H. H., & Tsay, S. F. (2004). Integrating of SOM and K-mean in data mining clustering: An empirical study of CRM and profitability evaluation. Journal of Information Management, 11(4),161-203.

Chaston, I. & Mangles, T. (2003). Relationship marketing in online business-to-business markets: A pilot investigation of small UK manufacturing firms. European Journal of Marketing, 37(5/6), 753-773.

Cheng, C. H., & Chen, Y. S. (2009). Classifying the segmentation of customer value via RFM model and RS theory. Expert Systems with Applications, 36, 4176-4184.

Chopra, B., Bhambri, V., & Krishan, B. (2012). E-CRM – A NEW PARADIGM FOR MANAGING CUSTOMERS. International Journal of Research in Engineering & Applied Sciences, (2)2.

Chopra, B., Bhambri, V., & Krishan, B. (2011). Implementation of Data Mining Techniques for Strategic CRM Issues. International Journal of Computer Technology and Applications, (2)4, 879-883.

Dursun, A., & Caber, M. (2016). Using data mining techniques for profiling profitable hotel customers: An application of RFM analysis. Tourism Management Perspectives, 18, 153-160.

Fjermestad, J., & Romano, N.C. (2015). Electronic Customer Relationship Management. London and New York: Routledge.

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From Data Mining to Knowledge Discovery: An Overview. Advances in Knowledge Discovery and Data Mining, 1-34.

Gorunescu, F. (2011). Data Mining Concepts, Models and Techniques. Intelligent Systems Reference Library, 12.

Hajiha, A., Radfar, R., & Malayeri, S. S. (2011).Data mining application for customer segmentation based on loyalty: An iranian food industry case study. Industrial Engineering and Engineering Management (IEEM).

Han, J., & Kamber, M. (2006). Data Mining: Concepts and Techniques. Second Edition, Diane Cerra.

Hand. D.J. (1998). Review of Data mining. The American statistician, 52, 112-118.

Hilage, T. A., & Kulkarni, R. V. (2012). Review of Literature on Data Mining. International Journal of Recent Research and Applied Studies, (10)1.

Hosseini, S. M., Maleki, A., & Gholamian, M.R. (2010). Cluster analysis using data mining approach to develop CRM methodology to assess the customer loyalty. Expert Systems Applications, 37, 5259-5264. (in persian)

Hsieh, N. C. (2004). An integrated data mining and behavioral scoring model for analyzing bank customers.Expert Systems with Applications, 27, 623–633.

Huang, S. C., Lin, S. Y., Wei, J. T., & Wu H. H. (2012). Using Bayesian Network and LRFM Model in a Pediatric Dental Clinic. International Symposium on Computer, Consumer and Control, 20-23.

Jenkinson, A. (1995). Retailing and shopping on the internet. International Journal of Retail and Distribution Management, 24 (3), 26-37.

Kao, Y. T., Wu H. H., Chen, H. K., & Chang, E. C. (2011). A case study of applying LRFM model and clustering techniques to evaluate customer values. Journal of Statistics & Management Systems, (14)2, 267-276.

Kondasani, R. K. R., & Panda, R. K. (2015). Customer perceived service quality, satisfaction and loyalty in Indian private healthcare. International Journal of Health Care Quality Assurance, (28)5, 452-467.

Lam, A. Y. C., Cheung, R., & Lau, M.M. (2013). The Influence of Internet-Based Customer Relationship Management on Customer Loyalty. Contemporary Management Research, (9)4, 419-440. Tourism Management Perspectives, 18, 153-160.

Li, D. C., Dai, W. L., & Tseng, W. T. (2011). A two-stage clustering method to analyze customer characteristics to build discriminative customer management: A case of textile manufacturing business. Expert Systems with Applications, 38, 7186-7191.

Ngai, E. W. T., Xiu, L., & Chau, D. C. K. (2009). Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, 36, 2592–2602.

Oliver, R. L. (1999). Whence consumer loyalty. Journal of Marketing, (4)63, 33-44.

Rabbanee, F. K., Burford, O., & Ramaseshan, B. (2015). Does employee performance affect customer loyalty in pharmacy services?. Journal of Service Theory and Practice, (25)6.

Ranjan, J., & Bhatnagar, V. (2011). Role of knowledge management and analytical CRM in business: data mining based framework. The Learning Organization, (18)2, 131-148.

Rygielski, C., Wang, J. C., & Yen, D. C. (2002). Data mining techniques for customer relationship management. Technology in Society, 24, 483–502.

Sharma, A., & Mansotra, V. (2016). Data mining based decision making: A conceptual model for public healthcare system. Computing for Sustainable Global Development (INDIACom).

Witten, I. H., & Frank, E. (2005). Data mining: Practical machine learning tools and techniques (2^nd ed.). USA: Morgan Kaufmann Publishers.

Wong, J. Y., & Chung, P. H. (2008). Retaining Passenger Loyalty through Data Mining: A Case Study of Taiwanese Airlines. Transportation Journal, (47)1, 17-29.

Wu, H. H., Lin, S. Y., & Liu, C. W. (2014). Analyzing Patients’ Values by Applying Cluster Analysis and LRFM Model in a Pediatric Dental Clinic in Taiwan. Scientific World Journal, 2014, [685495].

مطالعات مدیریت کسب و کار هوشمند

تأثیر مدیریت ارتباط با مشتری الکترونیکی بر وفاداری مشتریان با استفاده از تکنیک‏های داده‌کاوی

مراجع

مراجع

دوره 7، شماره 27 - شماره پیاپی 27
اردیبهشت 1398
صفحه 175-205

تأثیر مدیریت ارتباط با مشتری الکترونیکی بر وفاداری مشتریان با استفاده از تکنیک‏های داده‌کاوی

مراجع

مراجع

دوره 7، شماره 27 - شماره پیاپی 27اردیبهشت 1398صفحه 175-205

دوره 7، شماره 27 - شماره پیاپی 27
اردیبهشت 1398
صفحه 175-205