ارزیابی و توسعه نقش هوش تجاری در مدیریت ارتباط با مشتری
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,251
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SENACONF02_088
تاریخ نمایه سازی: 30 آبان 1394
چکیده مقاله:
جلب رضایت مشتری احساس مثبتی است که در مشتری پس از استفاده از کالا و یا خدمات ایجاد می شود. رقابت ایجاب می کند که توجه مدیران سازمان ها معطوف به بالاترین خشنودی مشتریان، کاهش هزینه های تولید و ارائه خدمات با کیفیت بالا باشد. امروزه مدیریت ارتباط با مشتری درک بهتری از رفتار مشتریان، ترجیحات و نیازها را فراهم میکند و در نتیجه در استراتژی های ارتقاء محصولات، خدمات و سرویس ها، فروش، بازاریابی محصولات و همچنین مراقبت از مشتری به سازمانها کمک می کند. یکی از تکنیک های درک رفتار مشتریان در سازمانها، استفاده از هوش تجاری است. چراکه هوش تجاری می تواند کمک کند تا یک مدل تجاری محصول گرا تبدیل به مشتری محور شود. همچنین هوش تجاری می تواند مشخصات مشتری ها را بر اساس نیازها و مشخصات دیگر مشخص نماید. سازمانها می توانند از این اطلاعات برای هدف قرار دادن محصولات خاص، خدمات و امتیازات برای مشتریان خاص استفاده کنند و از این طریق مدیران روابط مشتری سازمانها می توانند به اطلاعات تجاری حیاتی که قبلاً دستیابی به آنها چندین روز طول می کشید در چند دقیقه دسترسی پیدا کنند. در واقع پیاده سازی راه حل هوش تجاری در سازمانها، بخصوص در زمینه مدیریت ارتباط با مشتری، بالاترین تاثیر را در کارایی عملیات، صرفه جویی در هزینه و فرصت های تجاری جدید داشته است. در این نوشتار توسعه کاربرد هوش تجاری در جهت ارتباط با مشتریان، شناخت نیازهای آنها و تبدیل این نیازهای توسط گسترش کارکرد کیفی به محصول مورد رضایت مشتریان مورد ارزیابی قرار گرفته است؛ چراکه در راستای رضایت مشتریان است که سازمانها و شرکت ها می توانند به ثبات و دوام خود اطمینان داشته باشند.
کلیدواژه ها:
نویسندگان
الهه شیرزادیانی
شیراز، دانشگاه شیراز، دانشکده آموزشهای الکترونیکی، کارشناس ارشد مهندسی فناوری اطلاعات
حمیدرضا ندرلو
شیراز، دانشگاه شیراز، دانشکده آموزشهای الکترونیکی، کارشناس ارشد مهندسی فناوری اطلاعات
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 :