ترجمه مقاله ارزیابی تخفیف ها به عنوان ابعادی از تحلیل رفتار مشتری - نشریه تیلور و فرانسیس

ترجمه مقاله ارزیابی تخفیف ها به عنوان ابعادی از تحلیل رفتار مشتری - نشریه تیلور و فرانسیس
قیمت خرید این محصول
۲۸,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
ارزیابی تخفیف ها به عنوان ابعادی از تحلیل رفتار مشتری
عنوان انگلیسی
Evaluating discounts as a dimension of customer behavior analysis
صفحات مقاله فارسی
20
صفحات مقاله انگلیسی
17
سال انتشار
2017
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
تیلور و فرانسیس - Taylor & Francis
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه مقاله
pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله
بی نازنین
سایز ترجمه مقاله
14
نوع مقاله
ISI
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
3.051 در سال 2020
شاخص H_index مجله
47 در سال 2021
شاخص SJR مجله
0.838 در سال 2020
شناسه ISSN مجله
1352-7266
شاخص Q یا Quartile (چارک)
Q2 دز سال 2020
کد محصول
12002
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به صورت انگلیسی درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
ندارد ☓
ضمیمه
ندارد ☓
بیس
است ✓
مدل مفهومی
دارد ✓
پرسشنامه
ندارد ☓
متغیر
دارد ✓
فرضیه
ندارد ☓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مدیریت، مدیریت کسب و کار، بازاریابی و مدیریت منابع انسانی
مجله
مجله ارتباطات بازاریابی - Journal of Marketing Communication
دانشگاه
مهندسی فناوری اطلاعات، گروه کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی قزوین، ایران
کلمات کلیدی
خوشه بندی، داده کاوی، مدیریت روابط مشتری، تخفیف، مدل RFM
کلمات کلیدی انگلیسی
Clustering; data mining - customer relationship management - discount - RFM model
doi یا شناسه دیجیتال
https://doi.org/10.1080/13527266.2017.1410210
فهرست مطالب
چکیده
مقدمه
مروری بر مقالات
روش شناسی
تحلیل داده‌ها
مرحله 1. شناخت کسب و کار
مرحله 2. شناخت و آمایش داده‌ها
مرحله 4 . مدلسازی
مرحله 5. ارزیابی
مرحله 6. گسترش
بحث و نتیجه گیری
منابع
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
       
نمونه چکیده متن اصلی انگلیسی

ABSTRACT


Today, increased competition between organizations has led them to seek a better understanding of customer behavior through identifying valuable customers. Customers’ expectations about the price and quality of products and services play an important role in their selection process. In online businesses, competition and price differences between suppliers is high, so discounts will attract different customers. As a result, discounts and the frequency and amount of purchases can lead to better understanding of customer behavior. Customer segmentation and analysis is essential for identifying groups of customers. Hence, this study uses a model based on RFM called RdFdMd, in which d is the level of discount used to analyze customer purchase behavior and the importance of discounts on customers’ purchasing behavior and organizational profitability. The CRISP-DM and k-mean algorithm were used for clustering. The results indicate that using the RdFdMd model achieves better customer clustering and valuation, and discounts were identified as an important criterion for customer purchases.


 

Introduction


Today, increased competition between markets, financial pressure, and customer bargaining power have raised issues such as increasing customer value, improving customer relationship management (CRM), and forecasting customer behavior. To increase their profitability, organizations try to maximize the value of their customers using customers’ valuable information and their differences (Chang and Tsai 2011; Farooqi and Raza 2012; Khajvand et al. 2011).


Customers have expectations about the price and quality of products and services. Price expectations play an important role in consumer choice processes (PK Kannan 2001). Pricing is an important decision for any business, and especially for emerging online retailers (Shim, Choi, and Suh 2012). Dynamic pricing is a pricing strategy where prices change over time. Economic theories argue that the dynamic pricing is inherently good for corporate profitability, because it allows companies to obtain a greater consumer surplus. Dynamic pricing is determined through up-selling, amount of discount and product packaging (Shim, Choi, and Suh 2012).

نمونه چکیده ترجمه متن فارسی
چکیده

امروزه، افزایش رقابت بین سازمانها موجب شده تا آنها از طریق شناسایی مشتریان ارزشمند برای درک بهتر رفتار مشتری تلاش کنند. انتظار مشتریان در مورد قیمت و کیفیت محصولات و خدمات نقش مهمی در فرایند انتخاب آنها ایفا می‌کند. در کسب و کارهای آنلاین، میزان رقابت و اختلاف قیمت بین تأمین کنندگان بالا است، بنابراین تخفیف دادن می‌تواند موجب جذب مشتریان مختلفی شود. در نتیجه، تخفیفات، تناوب و میزان خرید می‌تواند به درک بهتر رفتار مشتری بینجامد. تحلیل و تقسیم بندی مشتریان برای شناسایی گروههای مشتری لازم است. از این رو، این مطالعه از یک مدل مبتنی بر RFM به نام RdFdMdاستفاده می‌کند که در آن d میزان تخفیف مورد استفاده برای تحلیل رفتار خرید مشتری، و اهمیت تخفیفات برای رفتار خرید مشتری و سودآوری سازمانی است. از الگوریتم میانگین k و CRISP-DM برای خوشه بندی استفاده شد. نتایج حاکی از این است که با استفاده از مدل RdFdMd بهتر می‌توان مشتریان را خوشه بندی و ارزشگذاری کرد و تخفیف نیز به عنوان معیار مهمی برای خرید مشتری شناخته شد.

 

مقدمه

امروزه، افزایش رقابت بین بازارها، فشار مالی، و قدرت چانه زنی مشتری مسائلی از جمله افزایش ارزش مشتری، بهبود مدیریت ارتباط با مشتری (CRM) و پیش بینی رفتار مشتری را بوجود آورده است. سازمان‌ها برای افزایش سودآوری خود تلاش می‌کنند تا با استفاده از اطلاعات ارزشمند مشتریان و تفاوت بین آنها، ارزش مشتریان خود را به حداکثر برسانند (Chang و Tsai، 2011؛ Farooqi و Raza 2012؛ Khajvand و همکاران، 2011).

مشتریان در مورد قیمت و کیفیت محصولات و خدمات انتظاراتی دارند. انتظارات درباره قیمت نقش مهمی در فرآیند انتخاب مشتریان ایفا می‌کنند (PK Kannan، 2001). قیمت‌گذاری برای هر کسب و کار و به خصوص برای خرده فروشان نوپای آنلاین، تصمیم مهمی است (Shim، Choi، و Suh، 2012). قیمت‌گذاری پویا یکی از استراتژیهای قیمت‌گذاری است که در آن قیمتها با گذشت زمان تغییر می‌کنند. نظریه‌های اقتصادی بر این باورند که قیمت‌گذاری پویا به طور ذاتی برای سودآوری شرکتها سودمند است، زیرا آن شرکتها را قادر می‌سازد که مشتریان بیشتری را به دست آورند. قیمت‌گذاری پویا از طریق بیش فروشی،  میزان تخفیف و بسته بندی محصول تعیین می‌شود (Shim، Choi و Suh، 2012).


بدون دیدگاه