دانلود ترجمه مقاله تقویت فروش تجارت به تجارت با تحلیل کلان داده مشتری (ساینس دایرکت – الزویر 2020)

تقویت فروش تجارت به تجارت (B2B) با تجزیه و تحلیل کلان داده مشتری

Fostering B2B sales with customer big data analytics

چکیده

1 مقدمه

2 پس زمینه نظری و ایجاد فرضیه

3 داده ها و روش

4 نتایج

5 بحث و نتیجه گیری

منابع

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.