چکیده:
مدیریت ارتباط با مشتری زمینه ی برقراری ارتباط بهینه، وفاداری و حفظ مشتریان را فراهم می سازد. این امر مستلزم طراحی استراتژی های مبتنی بر مشتری، اجرا و به کارگیری مناسب فناوری، توانمند سازی کارکنان و افزایش سطح دانش مشتریان است. با توجه به پیشرفت های بانکداری الکترونیک و کاهش نقاط تماس حضوری، استفاده از ابزارهای هوش تجاری جهت استفاده موثر از حجم انبوه اطلاعات مشتریان نیز ضروری به نظر می رسد. هدف پژوهش ارایه چارچوب مفهومی مدیریت ارتباط با مشتری در بانکداری الکترونیک با به کارگیری ابزارهای هوش تجاری در بانک سپه و بانک های ادغامی است. به این منظور پژوهشی کیفی صورت پذیرفته و ابتدا با بررسی مطالعات، چارچوب اولیه شناسایی و برای توسعه آن در بانکداری الکترونیک از تحلیل مضمون استفاده گردیده است. جامعه پژوهش 7 نفر از خبرگان موردمطالعه بوده و از مصاحبه های نیمه ساختاریافته به منظور جمع آوری داده ها و از مقبولیت و قابلیت تایید برای سنجش اعتبار نتایج استفاده شده است. پس از تجزیه وتحلیل داده ها، چارچوب مدیریت ارتباط با مشتری در بانکداری الکترونیک در 6 بعد، 16 مولفه و 35 شاخص طبقه بندی گردیده که ابعاد اصلی آن را جلب توجه و اکتساب مشتری، شناسایی مشتری، مجذوب نمودن مشتری، توسعه ارتباط با مشتری، نگهداری مشتری و بازنگری ارتباط با مشتری تشکیل می دهد.
Customer relationship management provides the basis for customer optimal communication, customer loyalty and customer retention. This requires the design of customer-based strategies, the proper implementation and applying of technology, employee empowerment and increasing the level of customers knowledge. Given the advances in e-banking and the reduction of face-to-face contact points, the use of business intelligence tools to effectively use large volumes of customer information also seems necessary. The purpose of present study is to provide a conceptual framework for customer relationship management in electronic banking using business intelligence tools in Sepah Bank and merged banks. For this purpose, a qualitative research has been conducted and first, by reviewing the studies, the initial framework has been identified and then, Theme Analysis has been used for its development in electronic banking. The research population is 7 experts of case study. Semi-structured interviews were used to collect data and credibility and confirmability were used to assess the validity of the results. After analyzing the data, the customer relationship management framework in e-banking is classified into 6 dimensions, 16 components and 35 indicators. The main dimensions of which are Customer reach and acquisition, Customer identification, Customer attraction, Customer relationship development, Customer retention and customer relationship review.
خلاصه ماشینی:
با توجه به شکاف های مطالعاتی ذکر شده در ارائه مدلی جامع از مدیریت ارتباط با مشتری به ویژه در حوزه بانکداری و با عنایت به اینکه امروزه اکثر نیازمندیهای بانکی مشتریان به صورت غیرحضوری و در بستر بانکداریالکترونیک مرتفع گردیده و پیوسته نیز بر حجم این خدمات افزوده میشود، طراحی مدل یکپارچه مدیریت ارتباط با مشتری در این بستر به نحوی که بتواند با طراحی استراتژیها و بکارگیری مناسب ابزارهای فناوری و به ویژه با نگاهی به حجم انبوه و فزاینده اطلاعات مشتریان با بهره جستن از ابزارهای هوش تجاری، بانک سپه و بانک های متبوع را به ویژه بعد از فرایند ادغام در شناسایی نیازهای مشتری، جذب و نگهداری آنها یاری رساند، از خلأهای مطالعاتی بوده و بیش از پیش ضروری به نظر میرسد.
در این پژوهش سعی گردیده تا با ارائه چارچوب مفهومی مدیریت ارتباط با مشتری به این نیاز در بانک سپه پاسخ داده شده و به دلیل گستردگی خدمات بانکداری الکترونیک و کاهش مراجعات حضوری مشتریان ، استفاده از ابزارهای هوش تجاری نیز در این تحقیق مورد تأکید قرار گرفته است .
A model of customer relationship management and business intelligence systems for catalogue and online retailers.
Data mining techniques for customer relationship management.
Application of data mining techniques in customer relationship management: A literature review and classification.
Customer relationship management in banking sector- A comparative study.
Presenting an integrated model for implementing the concept of customer relationship management (CRM) in Bank Mellat.
Analytical customer relationship management in retailing supported by data mining techniques.
Customer relationship management: A strategic imperative in the world of e-business.
Understanding customer relationship management (CRM) People, process and technology.
Business Intelligence and Customer Relationship Management A New Basis for Competitive Advantage.