کد مقاله A10: مدل سازی و ارزیابی وفاداری مشتری در شبکه های عصبی:مشاهدات ناشی از مطالعه موردی: شرکت های بیمه نوظهور (استارت آپ)+ ترجمه

این مقاله دارای 16 صفحه بوده که در سال 2016 منتشر شده است. چکیده لاتین و ترجمه آن را می توانید از قسمت زیر مشاهده کنید. برای سفارش این ترجمه می توانید با شماره زیر تماس حاصل فرمایید.

09384505489

کد مقاله A10

چکیده

هدف پژوهش حاضر بررسی  روابط بین مشتری و ارائه دهنده خدمات در شرکت ها و موسسه های بیمه با استفاده از شبکه های عصبی مصنوعی و رگرسیون خطی می باشد. استفاده از یک نمونه آماری متشکل از 389 مشتری از 10 شرکت بیمه نوظهور، به این مهم دست یافتیم که شبکه های عصبی مصنوعی  را می توان به عنوان یک روش موثر برای  ارزیابی فاکتورهای موثر بر وفاداری مشتری درنظر گرفت. نتایج نشان داد که رضایتمندی مشتریان و ارزش ادراک شده از سوی آنها به عنوان متغیرهای پیش بینی کننده قوی برای  وفاداری مشتری به شمار می آیند. علاوه براین، همچنین در پژوهش حاضر به این نتیجه رسیدیم که اعتماد، کیفیت درک شده و همدردی و معشرت اثر مثبت و معناداری بر روی هم رضایتمندی و خرسندی مشتریان دارند و هم ارزش درک شده.نتایج این تحقیق همچنین نشان داد که  تعهد مشتری به شرکت ارائه دهند خدمت، اثر مثبت و معناداری با رضایتمندی مشتری و وفاداری او دارد. بعد از مقایسه و تجزیه و تحلیل عملکرد مدل های رگرسیون خطی با شبکه های مصنوعی عصبی، به این نتیجه رسیدیم که بکارگیری شبکه های عصبی، یکی از روش ها و رویکردهای برتر برای تجزیه و تحلیل وفاداری، رضایت، و ارزش درک شده مشتری است.استفاده و بکارگیری تکنیک های جدید از قبیل شبکه های عصبی مصنوعی برای تجزیه و تحلیل رفتار مشتری می تواند بسیار برای شرکت های نوظهور و استارت­آپ که در صدد هستند مزایای رقابتی را در مقابل رقبای قوی و خوب تاسیس شده بدست آورند، سودمند و کارآمد باشد.

کلمات کلیدی: نوظهور(استارت­آپ)، وفاداری مشتری، بازاریابی رابطه ای، شبکه ها عصبی مصنوعی، شرکت های بیمه.

Abstract
The purpose of this study is to investigate the customer–service provider relationship in the insurance industry using artificial
neural networks and linear regression. Using a sample of 389 customers from 10 different startup insurance companies, it was
found that artificial neural networks are an efficient way to evaluate the factors affecting customer loyalty. The results indicated
that customer satisfaction and perceived value are significant predictors of customer loyalty. Additionally, it was found that trust,
perceived quality, and empathy have a significant impact on both customer satisfaction and perceived value. The results also
showed that customer commitment to service provider is positively associated with customer satisfaction and loyalty. After
comparing the performance of linear regression models with artificial neural networks, it was found that the use of neural networks
is a better approach for analyzing the customer loyalty, satisfaction, and perceived value. The use of new techniques such as
artificial neural networks for analyzing the customer behavior can be particularly beneficial for startup companies who aspire to
gain competitive advantage over their strong and well-established rivals.
& 2016 Faculty of Commerce and Business Administration, Future University. Production and Hosting by Elsevier B.V. This is an
open access article under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Keywords: Startups; Customer loyalty; Relationship marketing; Artificial neural networks; Insurance companies