ترجمه مقاله تقویت فروش تجارت به تجارت با تجزیه و تحلیل کلان داده مشتری - نشریه الزویر

ترجمه مقاله تقویت فروش تجارت به تجارت با تجزیه و تحلیل کلان داده مشتری - نشریه الزویر
قیمت خرید این محصول
۵۵,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
تقویت فروش تجارت به تجارت (B2B) با تجزیه و تحلیل کلان داده مشتری
عنوان انگلیسی
Fostering B2B sales with customer big data analytics
صفحات مقاله فارسی
0
صفحات مقاله انگلیسی
9
سال انتشار
2020
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
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 نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
8.240 در سال 2021
شاخص H_index مجله
147 در سال 2022
شاخص SJR مجله
2.206 در سال 2021
شناسه ISSN مجله
0019-8501
شاخص Q یا Quartile (چارک)
Q1 در سال 2021
کد محصول
12469
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
ترجمه و درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
تایپ شده است ✓
ضمیمه
ندارد ☓
بیس
است ✓
مدل مفهومی
دارد ✓
پرسشنامه
دارد ✓
متغیر
دارد ✓
فرضیه
دارد ✓
رفرنس در ترجمه
در انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مدیریت - مدیریت کسب و کار - مدیریت بازرگانی - بازاریابی - مدیریت صنعتی
مجله
Industrial Marketing Management
کلمات کلیدی
تجزیه و تحلیل داده های کلان - تجزیه و تحلیل مشتری - تجزیه و تحلیل بازاریابی - عملکرد موسسه - مدیریت ارتباط با مشتری - بازاریابی با استفاده از پایگاه های داده تقویت شده با داده های کلان
کلمات کلیدی انگلیسی
Big data analytics - Customer analytics - Marketing analytics - Firm performance - Customer relationship management - Big data-enhanced database marketing
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.indmarman.2019.12.005
فهرست مطالب
چکیده
1. مقدمه
2. پس زمینه نظری و ایجاد فرضیه
3. داده ها و روش
4. نتایج
5. بحث و نتیجه گیری
منابع
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
       
نمونه چکیده ترجمه متن فارسی
چکیده
تمرکز این مقاله بر روی استفاده از تجزیه و تحلیل داده های کلان در مدیریت ارتباط B2B با مشتری بوده و تاثیرات تجزیه و تحلیل داده های کلان بر ارتباط با مشتری و رشد فروش با استفاده از مجموعه داده های چند صنعتی از 417 موسسه B2B را بررسی می کند. این مقاله همچنین بررسی می کند که آیا فرهنگ تحلیلی درون شرکتی این تاثیرات را متعادل می سازد. در این مقاله پی می بریم که استفاده از داده های کلان مشتری بطور قابل ملاحظه ای رشد فروش را تقویت کرده (یعنی نتایج عملکردی پولی) و ارتباط را با مشتری بهبود می دهد (نتایج عملکردی غیر پولی). هرچند در موسسه هایی که از تجزیه و تحلیل بازاریابی حمایت می شود مورد دوم بیشتر مشاهده می شود، در حالی که مورد اول هیچ گونه تاثیری را از فرهنگ تحلیلی بر نمی دارد. این مقاله بصورت تجربی ثابت می کند که تجزیه و تحلیل داده های کلان مشتری ارتباط را با مشتری بهتر کرده و باعث رشد فروش در موسسه های B2B می شود.

 

پس زمینه نظری و ایجاد فرضیه
ارتباط B2B در عصر داده های کلان
این مقاله بر روی بازاریابی ارتباط کار می کند، که در مورد چگونگی مدیریت و ارتقای ارتباط با مشتری در سود دهی بلند مدت می باشد (رایالس و پین، 2001). بازاریابی ارتباط بر روی نقش اصلی مشتریان در جای گیری استراتژیک شرکت تمرکز داشته و در برگیرنده فعالیت هایی همچون آموزش کارمندان به ایجاد ارتباط شخصی با مشتریان، ایجاد برنامه های وفا داری و ایجاد ارتباط با مشتری از چندین کانال (جونز و همکاران، 2015). حقیقتاً می دانیم که شرکت ها می بایست به جای کسب مشتریان جدید، سعی بر حفظ مشتری های فعلی کنند (جهرمی، استاکوویچ، و اوینگ، 2014). این موضوع در بازار های B2B که تعداد مشتریان معمولا کمتر از بازار های B2C بوده اما بدلیل حجم بالای خرید و ارزش در محیط B2B مزایای زیاد برای کسانی که ارتباط B2B با مشتریان ایجاد کرده و حفظ می کنند وجود دارد، به راحتی قابل مشاهده است رایروئن و میلر، 2007). بنابراین، می بایست به مشتریان B2B از طریق پیشنهاد های طراحی شده و اهداف خاص نزدیک شد (جهرمی و همکاران، 2014)، و تجزیه و تحلیل داده های کلان باعث ایجاد موقعیت های جدید برای ایجاد یک تجربه شخصی سازی شده برای مشتری می شود (مورگان، 2018).

 

امروزه، مدیریت ارتباط با مشتری، یعنی استفاده از فن آوری اطلاعاتی جهت بکارگیری استراتژی های بازاریابی ارتباط (رایالس و پین، 2001)، به یکی از فعال کنندگان اصلی بازاریابی ارتباط بدل شده است. بازاریابی پایگاه داده، که یکی از ابعاد بازاریابی ارتباط با تمرکز بر استفاده از اطلاعات در بازاریابی است (مولر و هالینن، 2000)، قدمی فراتر برای کسب ارتباط مورد نظر و تقسیم بندی در اواخر 1990 و اوایل 2000 ارائه داد. بازاریابی با استفاده از پایگاه داده در ارتباط بود با استفاده از اطلاعات درباره مشتری و بازارها برای بهبود فعالیت های موسسه (سسپدس و اسمیت، 1993). پایگاه های داده بازاریابی، زمانی که به درستی استفاده شوند، به مدیران بازاریابی در انجام چندین کار از جمله کار های روزانه، تخصیص منابع، برنامه ریزی بودجه، تا فرایند های تصمیم گیری استراتژیک کمک می کند (تائو و یه، 2003). همچنین، بازاریابی با استفاده از پایگاه داده از فن آوری های اطلاعاتی پیشرفته برای ایجاد شناخت و خدمات برای مشتریان با هدف افزایش وفاداری مشتری و تکرار فروش استفاده می کند (تائو و یه، 2003). بدین ترتیب راهی برای یادگیری ویژگی های فردی مشتریان (پتریسون، بلتبرگ، و وانگ، 1997) به جای توده ها ارائه داد. امروزه، تجزیه و تحلیل داد های کلان باعث ایجاد اعمال پیچیده بازاریابی شده و در نتیجه، این مقاله اظهار دارد که استفاده از داده های کلان در مدیریت ارتباط با مشتری ها می تواند قدم بعدی در بازاریابی با استفاده از پایگاه های داده در مدیریت ارتباط با مشتریان باشد.

 

تجزیه و تحلیل داده های کلان مشتری در مدیریت B2B ارتباط با مشتری
در اینجا داده های کلان به دسته ای بزرگ و نا همگون و پیچیده از مجموعه داده هایی اشاره دارد که پردازش آنها با استفاده از ابزارهای مرسوم کاری سخت می باشد. داده های کلان معمولا با ویژگی هایشان توصیف می شوند: حجم (مقیاس و مقدار داده)، سرعت (سرعتی که داده ها تولید و تجزیه و تحلیل می شوند) و تنوع (انواع مختلف داده های ساختار یافته و بدون ساختار)، هرچند سایر ویژگی هایی مانند ارزش (استخراج علم از داده ها)، راستی (اطمینان به داده ها، دقت داده ها)، تغییر پذیری (معنای در حال تغییر داده ها) و تصویر سازی (ارائه داده ها در قالبی که قابل خواندن باشند) بصورت عمده با مفهوم داده های کلان در ارتباط هستند (ارولس و همکاران، 2016؛ لیست، 2013؛ سیواراجا و همکاران، 2017؛ وامبا و همکاران، 2017). هرچند داده های کلان خود به تنهایی یک کلید محسوب نمی شوند بلکه ماده ای خام در نظر گرفته می شوند که می بایست تغییر یافته و به بینشی تجاری تبدیل شوند (ژو و همکاران، 2016). تجزیه و تحلیل در کل یعنی استخراج بینش های مخفی شده از داده ها (گندمی و هایدر، 2015) با هدف ایجاد دانش تجاری، که با اطلاعات تقویت یافته و شناخت فرایند ها و محیط های تجاری مرتبط است (وانگ و همکاران، 2016). تجزیه و تحلیل داده های کلان استفاده شده در این مقاله، به کسب، ذخیره، و پردازش و تجزیه و تحلیل اطلاعاتی با حجم و تنوع و سرعتی بالا اشاره دارد، که هدف آن ایجاد اطلاعات با مفهوم برای تصمیم گیری موسسه و کشف ارزش تجاری و بینش در زمانی مناسب است (واتگ و حاجیلی، 2017).


بدون دیدگاه