دانلود رایگان ترجمه مقاله برنامه نویسی هدف برای افزایش کارآیی کمپین های بازاریابی – 2015

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

مقدمه
مرور منابع
فرمول برنامه ریزی آرمانی پیشنهادی
رویکرد
هر محدودیت دیگر از جمله محدودیت های بودجه
تفاسیر مدل های بهینه سازی
تابع هدف
نتیجه گیری و پیشنهادات

بخشی از ترجمه فارسی مقاله:

 مقدمه
به دلیل کمبود منابع، شرکت ها عموما با مسئله اولویت بندی فعالیت های بازاری مواجه می شوند که در آن ها شرکت ها اقدام به سرمایه گذاری و تعیین سطوح سرمایه گذاری برای فعالیت های فوق می کنند. انتخاب بهترین فعالیت های بازاریابی آسان نیست زیرا عوامل موثر زیادی وجود دارند. سازمان ها باید کاربردی ترین فعالیت های بازاریابی را برای بیشینه سازی برایند ها نظیر بهبود روابط مشتری و کاهش نتایج منفی انتخاب کنند. این مستلزم شناسایی کمپین های بازاریابی مقرون به صرفه است.
به منظور یافتن کارامد فعالیت های بازار یابی هدف، فرض می شود که گروه های مختلف مشتریان خواهان خدمات و محصولات مختلفی می باشد و از این روی روش های قطعه بندی بازاری و قطعه بندی مشتری به فراوانی استفاده می شوند.
یک گزینه برای انتخاب موثر ترین کمپین های بازاریابی رویکرد RFM می باشد( تاخر، فراوانی، پول). تاخر توسط فادر، هاردی و لی(2005) موسوم به زمان جدید ترین خرید مشتری است در حالی که فراوانی نشان دهنده تعداد خرید های گذشته است. مرور منابع تعاریف مختلفی در خصوص ارزش های مالی در اختیار می گذارد(Fader et al., 2005; Blattberg, Malthouse, and Neslin, 2009; Rhee & McIntyre, 2009). این تعاریف شامل هزینه متوسط به ازای هر معامله و مبلغ کل صرف شده توسط هر مشتری در همه خرید ها در یک دوره زمانی خاص است. چارچوب RFM امکان ایجاد کمپین های بازاریابی موثر تر را با طبقه بندی مشتریان به قطعات همگن و طراحی کمپین های ارتقایی که برای یک بخش خاص به طور سفارشی ساخته شده است را می دهد.در این رویکرد، ارزش های RFM به هر مشتری تخصیص داده شده و سپس برای طبقه بندی مشتریان به منظور کمک به موثر ترین نوع پیشرفت و ارتقا برای آن مشتری استفاده می شود. برای مثال در صورتی که یک بخش مشتری ارزش پایینی را برای تاخر و ارزش نسبتا بالایی را برای تاخر و پولی ارایه کند و سپس این گروه از مشتریان موثر ترین نوع ارتقا و ترفیع را برای تاخر و ارزش نسبتا بالایی برای فراوانی و پولی نشان می دهد و سپس این نوع از مشتریان با یک راهبرد بازاریابی ” ما می خواهیم از شما حمایت کنیم” تغذیه می شوند. در صورتی که بخش مشتریان نشان دهنده ارزش پایین پولی و ارزش بالای فراوانی و تاخر باشد، این گروه از مشتریان با راهبرد بازاریابی فروش متقابل مواجه می شوند.
یکی از مشکلات موجود این است که رویکرد RFM یک بودجه بازاریابی نامحدود و دسترسی کامل به همه مشتریان سازمانی را فرض می کند حتی کسانی که دارای رتبه RFM پایین تری می باشند. با این حال این فرضیات غیر واقع گرایانه است زیرا سازمان ها تحت محدودیت های بودجه بازاریابی سالانه عمل می کنند. به علاوه، اهمیت مولفه های RFM به صورت جداگانه یکسان نیست.
برای مثال یک شرکت ممکن است علاقه مند به مولفه یا بخش R باشد و از این روی حمایت از مشتریانی که با رقبا رقابت می کنند را در اولویت قرار داده و از این روی ارزش های فراوانی و پولی را در اولویت های بعدی قرار می گیرد. برای حل محدودیت های بودجه و اولویت های بازاریابی، مدیران باید راهبرد های ارتقایی خود را در قبال مشتریانی که بیشترین رشد گردش وجوه و سود را بر اساس محدودیت دارند جمع اوری کنند.
کاتلر و ارمسترانگ(1996) یک مشتری سود اور را به صورت یک فرد، خانوار یا مشتری تعریف می کند که سود او با گذشت زمان بیش از هزینه های جذب ، فروش و خدمات رسانی است. این سود اضافی موسوم به ارزش حیات مشتری است.CLV مجموع گردش وجوه تجمعی تنزی ل شده با استفاده از هزینه منوسط سرمایه، هزینه مشتری در زندگی با شرکت می باشد( کامر، رامانی و بالینگ 2004). در زمینه مدیریت رابطه مشتری، CLVمهم است زیرا شاخصی برای ارزیابی تصمیمات بازاریابی می باشد.CLV ابزاری را برای شرکت ها به منظور استفاده از انواع بازار های بازاریابی در جهت مشتریان مختلف بر اساس ارزش های مورد انتظار آن ها ارایه می کند که منجر به نرخ بازده مناسب تر و بهتر سرمایه گذاری بازاریابی شرکت می شود.
در کمپین های بازایابی، مدیران سعی می کنند تعادل را بین دو نوع خطا حفظ کنند: نادیده گرفتن مشتریانی که برای ایجاد سود بیشتر برای سازمان بازگشته اند و سرمایه گذاری روی مشتریانی که خرید آسانی ندارند. وانگسان و کومار 2004 به این خطا ها خطای نوع 1 و 2 می گویند. از این روی تصمیم گیران کمپین های بازاریابی برای درک اهمیت این دو نوع خطا و تعدیل تصمیم گیری بر اساس آن ها اقدام می کنند.
به منظور ایجاد کمپین های بازاریابی موثر،در سرتاسر این فرایند، آن ها از طیف وسیعی از پرونده ها و داده های الکترونیکی تولی شده توسط خرید های انلاین و افلاین به منظور طراحی کمپین های بازاریابی و معرفی ارتقا و پیشرفت های شخصی سازی شده برای مشتریان خود با به کار گیری روش های تحلیل داده ها بهره میبرند. مسئله انتخاب بخش های مشتری هدف با توجه به اولویت های مختلف و محدودیت بودجه را می توان به صورت یک مسئله بهینه سازی چند منظوره با اهداف انعطاف پذیری و اولویت های مختلف، محدودیت های منابع و همبستگی ها مدل سازی کرد.. این مقاله یک مدل برنامه ریزی آرمانی را برای تعدیل خطای نوع 1 و 2 با شناسایی بخش های RFM ارایه کرده و بخش های RFM ممکن است ارزش دنبال کردن نداشته باشند زیرا آن ها فاقد سود آری می باشند، از اولویت ها تبعیت نمی کنند و یا مازاد بر محدودیت های بازاریابی بودجه می باشند. این مدل به بازاریابان در تعیین این که آیا از روابط خود با بخش مشتری تبعیت کنند یا نکنند کمک می کند. یک ویژگی جدید این مدل استفاده از اولویت های کمپین و محدودیت های بودجه برای تعیین نوع بخش مشتریانی که هدف کمپین بازاریابی مستقیم است می باشد.

بخشی از مقاله انگلیسی:

INTRODUCTION

Due to the scarcity of resources, companies commonly face the problem of prioritizing the marketing activities in which the firm will invest and determining the levels of funding for those activities. Selecting the best set of marketing activities is not easy as there are numerous factors that must be accounted for. Organizations must select the most viable marketing activities to maximize the outcomes (e.g. improve customer relationships), and minimize any negative results (e.g. high costs). This requires identifying the most costbeneficial marketing campaigns. In order to effectively target marketing activities, it is assumed that different groups of customers want different kinds of services and products, and as a result market segmentation techniques and customer segmentation are widely used. One option in attempting to select the most effective marketing campaign is the RFM (Recency-FrequencyMonetary) approach. “Recency,” as defined by Fader, Hardie, and Lee (2005), is the time of a customer’s most recent purchase, while “frequency” is the number of past purchases. The literature offers varying definitions of “monetary value” (Fader et al., 2005; Blattberg, Malthouse, and Neslin, 2009; Rhee & McIntyre, 2009). These definitions include average spending per transaction (essentially equivalent to M/F), and the total amount spent by a customer on all purchases over a specified time period. The RFM framework allows for more effective marketing campaigns by categorizing customers into homogenous segments that allow for the design of promotion campaigns that are customized for the particular segment at issue. In this approach, values for R, F, and M are assigned to each customer and are then used to categorize customers to help determine the most effective types of promotions for that specific customer. For example, if a given customer segment shows a low value for recency and relatively high values for frequency and monetary, then this group of customers is typically approached with a “we want you back” marketing strategy. If a given customer segment shows a low value for monetary and high values for frequency and recency, then this group of customers is approached with a “cross selling” marketing strategy. One drawback is that the RFM approach assumes an unlimited marketing budget and complete access to all the organizations’ customers, even those who have low RFM scores; however, these assumptions are not realistic because organizations tend to operate under annual marketing budget constraints. In addition, the importance of the R, F, and M components in the RFM approach might not be the same. For example, a company might be mostly interested in the R component, making it a priority to bring back those customers who have taken their business to competitors and thereby placing frequency and monetary values as the second and third priorities, respectively. To properly address and account for budget constraints and marketing priorities, managers must gear their promotional spending strategies toward customers who will yield the greatest growth in cash flows and profits within the given constraints. Kotler and Armstrong (1996) define a profitable customer as “a person, household, or company whose revenues over time exceed, by an acceptable amount, the company costs of attracting, selling, and servicing that customer.” This excess is called customer lifetime value (CLV). CLV is the sum of cumulated cash flows, discounted using the weighted average cost of capital, of a customer over his/her entire lifetime with the company (Kumar, Ramani, & Bohling, 2004). In the context of customer relationship management, CLV becomes important because it is a metric to evaluate marketing decisions (Blattberg & Deighton, 1996). CLV provides a tool for firms to apply different types of marketing instruments toward different customers based upon their expected values, which may result in better return on the firm’s marketing investment. In marketing campaigns, managers also strive to find a balance between two types of errors: ignoring those customers who could have returned to create more revenue for the organization, and investing on those customers who are not yet ready to purchase. Venkatesan and Kumar (2004) refer to these errors as Type I and Type II errors. It is therefore important for marketing campaign decision-makers to understand the importance of these two error types and to adjust their decisions accordingly. In order to create effective marketing campaigns, companies use a vast amount of electronic records generated by online and offline purchases and use data analytics to design effective marketing campaigns and introduce personalized promotions for their customers. As a result, for any effort in determining the most effective campaign strategy, there will be a need for analytical tools that can help the decision makers in choosing the optimal strategy. This paper presents a goal programming model that balances Type I and Type II errors by identifying the RFM segments that should be reached and the RFM segments that are not worthy of pursuit because they lack profitability, do not follow priorities, or exceed marketing budget constraints. The model can help marketers determine whether to follow or cut back on their relationship with a given customer segment. A novel characteristic of this model is the inclusion of campaign priorities and budget constraints to determine which segment of customers should be deemed the optimal targets of a direct marketing campaign.