بررسی متغیرهای سازمانی موثر بر موفقیت مدیریت ارتباط با مشتری با رویکردتئوری مجموعه های راف

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 613

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMAS01_371

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

با توجه به اینکه امروزه مهمترین دارایی اغلب سازمان ها، مشتریان آن ها هستند، امروزه مدیریت ارتباط با مشتری گامی موثر برای نیل به کامیابی و موفقیت در کار و فعالیت، تامین رضایت مشتریان، افزایشروحیه کاری پرسنل و نهایتا کسب و تحصیل سود و منفعت بیشتر برای یک موسسه مالی یا بازرگانی می باشد. عوامل متعددی وجود دارند که در ارتباط با موفقیت مدیریت ارتباط با مشتری موثر می باشندکه در تحقیق حاضر به متغیرهایی از جمله: کارکنان، رهبری و ساختار سازمانی که از ابعاد اصلی در نظر گرفته شده برای متغیرهای سازمانی هستند پرداخته شده است. بدین منظور در تحقیق حاضر پس ازبیان مفهوم متغیرهای سازمانی و مدیریت ارتباط با مشتری، به منظور بررسی نقش کلیدی متغیر های سازمانی به عنوان عامل تعیین کننده در موفقیت مدیریت ارتباط با مشتری با در نظر گرفتن میزانموفقیت این متغیر به عنوان صفت تصمیم گیری و در نظر گرفتن ویژگی های وضعیت مختلف و حالات متصور برای آن ها، با استفاده از نرم افزارRose2 تحلیل داده ها انجام شد. جامعه آماری مورد بررسی در این تحقیق مدیران و کارشناسان بانک ملی می باشد و ابزار جمع آوری اطلاعات در این پژوهش، پرسش نامه می باشد. با مقایسه تفاوت های بین موارد مختلف، مجموعه قوانین تولید شد تا میزان تاثیر هریک ازمتغیرهای سازمانی بر بر موفقیت مدیریت ارتباط با مشتری را بیان کند. که هر قانون در این پژوهش، بیان روابط بین ویژگی های شرطی با ویژگی های تصمیم گیری می باشد

کلیدواژه ها:

تئوری مجموعه های راف ، سامانه اطلاعات ، طبقه بندی راف ، متغیرهای سازمانی ، مجموعه های تقریب ، مدیریت ارتباط با مشتری

نویسندگان

محمد قزل ایاغ

عضو هیات علمی بخش آمار دانشکده ریاضی و کامپیوتر، دانشگاه شهید باهنر کرمان، ایران

حمید اکاتی

دانشجوی دکتری مدیریت، دانشگاه آزاد اسلامی ، واحد کرمان، ایران

مصطفی پارسامقدم

دانشجوی دکتری رشته مدیریت دولتی، دانشگاه آزاد واحد کرمان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • حسنقلی پور، ط؛ سیدجوادین. ر؛ روستا _ ا و خانلری، ...
  • Arabani.M and B. Amani.B., (2007). "Evaluatin of the P arameters ...
  • Bove, L.L, Johnson, L.W.A. Cus- , _ 6tomer.(2000). "Service Worker ...
  • Gupta. M. P and Shukla. S., (2002). "Learnings from Customer ...
  • Karakostas, B., D. Kardaras, and E. Papthanassiou (2005), "The state ...
  • Karahan.M and Kuzu.O.H..(20 14)" Evaluating of CRM in Banking Sector: ...
  • Lindgreen A ."The desigen, implementation and monitoring of a CRM ...
  • Moreno. A. G , Melendez. A. P..201 1).:Analyzing the impact ...
  • Mendoza, L. E., Marius, A., Perez, M., & Griman, A. ...
  • Messner. W., (2005), :Customer relationship management technology", Business Information Review ...
  • Pawlak , Z., 1996, "Why Rough _ _ IEEE International ...
  • Payne. A & Frow. Pennie., (2004), "The role of multichamnl ...
  • Pawlak , Z., 1997, "Rough classification", International Journal of Man ...
  • predki.B, wilk.s..(1 999), "Rough Sets Based Data Exploration Using ROSE ...
  • Ryals, L., & Knox, S.(2001), " Cross- Functional Issues in ...
  • Reinartz W., Krafft M.; Hoyer W. D.(2004)." The customer relationship ...
  • Sherif. S & Michael New by.M., (2007). "strategies for successful ...
  • Shum, P. Bove, L, & Auh, S. (2008)." Employees affective ...
  • Slowinski , R and Stefanowski, J., 1989, "Rough classification and ...
  • Wang, F., Hu, F. And Yu, L. (2010), " The ...
  • Yao, H and Khong, K. W. (2011). "Effectivenes of customer ...
  • نمایش کامل مراجع