مدل وفادار‌سازی مشتریان در سازمان‌های نوظهور مبتنی‌بر شبکه‌های عصبی مصنوعی؛ مطالعة موردی: بانک‌های خصوصی نوظهور

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار کارآفرینی سازمانی، گروه کارآفرینی سازمانی، دانشکدة کارآفرینی دانشگاه تهران، تهران، ایران

2 کارشناسی ارشد کارآفرینی سازمانی دانشکده کارآفرینی دانشگاه تهران

3 کارشناس ارشد کارآفرینی سازمانی، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران

10.22108/nmrj.2020.117442.1761

چکیده

این مقاله با توجه به اهمیت ویژه مشتریان در سازمان‌های نوظهور، به ارائه مدل وفادارسازی مشتریان بر اساس 8 فاکتور مؤثر در وفادارسازی مشتریان شامل: اعتماد، کیفیت سرویس، هزینه جابجایی، شهرت، تعهد، ارزش ادراکی و رضایتمندی، در 8 بانک خصوصی نوظهور شهر تهران پرداخته است. ابزار جمع‌آوری اطلاعات این پژوهش که رویکردی کمی دارد و راهبردی پیمایشی، پرسشنامه بوده که بین 340 نفر از اعضای جامعه آماری که با روش نمونه‌گیری تصادفی انتخاب شدند، توزیع گردید. تحلیل آماری به روش رگرسیون و سپس مدل شبکه عصبی مصنوعی(ANN) صورت پذیرفت. نتایج حاصل از مدل رگرسیون حاکی از بیشترین میزان اثرگذاری: وفاداری، اعتماد،کیفیت سرویس و روح همدلی بر ارزش ادراکی مشتریان وبیشترین میزان تأثیر: اعتماد،کیفیت سرویس، روح همدلی و تعهد، بر رضایتمندی مشتری بوده و ارزش ادراکی و رضایتمندی مشتری، رابطه مستقیمی با وفاداری مشتریان دارند. نتایج مستخرج از مدل شبکه عصبی مصنوعی گویای خطای کمتر آن نسبت به مدل رگرسیونی است.

کلیدواژه‌ها


عنوان مقاله [English]

Customer Loyalty Model in Emerging Organizations Based on Artificial Neural Networks (Case ‎Study: Emerging Private Banks‎

نویسندگان [English]

  • mehran rezvani 1
  • Marzieh Rezaee 2
  • Kourosh Tanhapoor 3
1 Associate Professor, Faculty of Entrepreneurship, University of Tehran, Iran
2 Master of Entrepreneurship at Tehran University Faculty of Entrepreneurship
3 Master of Faculty of Entrepreneurship, University of Tehran, Iran
چکیده [English]

Given the special importance of customers in emerging organizations, this paper presents a customer loyalty model based on 8 factors influencing: customer loyalty including: trust, quality of service, transfer cost, reputation, commitment, perceived value, and satisfaction in 8 emerging private banks in Tehran. The data collection tool of this quantitative and survey strategy study was a questionnaire distributed among the statistical population of 340 members who were selected by random sampling. Statistical analysis was performed by the regression method and then the ANN model. The results of the regression model showed that the highest influence was for loyalty, trust, quality of service, and empathy on customer perceived value factors. And the most effect on customer satisfaction was for trust, quality of service, empathy, and commitment modes. Customer perceived value and satisfaction were directly related to customer loyalty. The results obtained from the artificial neural network model indicate that it has fewer errors than the regression model.

کلیدواژه‌ها [English]

  • relationship marketing
  • customer loyalty
  • Emerging Organizations
  • Banking Industry
  • Artificial Neural ‎Network (ANN).‎
- مقدمه و بیان مسئله

امروزه وفاداری مشتریان کلید موفقیت تجاری سازمان‌ها محسوب می‌شود؛ به‌طوری‌که بیشتر محققان بر این باورند که وفاداری مشتری به‌سرعت در حال تبدیل‌شدن به «ارز رایج بازار در قرن بیست‌ویکم» است (گی و همکاران[1]، 2008). جهانی‌شدن رقابت، اشباع بازار و توسعة تکنولوژی اطلاعات، آگاهی مشتریان را افزایش داده و شرایطی را به وجود آورده ‌است که دیگر موفقیت بلند‌مدت از طریق بهینه­سازی قیمت و کیفیت محصول قابل دستیابی نیست، به­جای آن شرکت­ها موفقیتشان را براساس روابط بلندمدت با مشتری بنا می‌کنند. همچنین همان‌گونه که بازار پویاتر می‌شود، تولیدکنندگان به‌سرعت از استراتژی‌های با محصولات و بازارهای تعریف‌شده به استراتژی‌های تأکید بر توانایی ورود و خروج به محصولات، بازارها و کسب‌وکارهای پاسخگو به تغییرات در نیازها و احتیاجات مشتری تغییر مسیر می‌دهند (اسرامک و همکاران[2] ، 2007). طبق پژوهش‌های انجام‌شده، هزینة جذب یک مشتری جدید 6 برابر بیشتر از حفظ مشتری کنونی است. ریچلد[3] (2003) در پژوهش خود ثابت کرده است باتوجه‌به نوع صنعت، در صورت 5% کاهش در جابه‌جایی مشتریان بالقوه، احتمال افزایش سودآوری شرکت تا 60% وجود دارد (کیوسیک[4]، 2007). در صنعت خدمات و سازمان‌های نوظهور، وفاداری مشتریان، پیچیدگی و اهمیت بیشتری می‌یابد (ونگ و همکاران[5] ، 2004)؛ زیرا وفاداری مشتری یکی از اصلی‌ترین عواملی است که دستیابی به مزیت رقابتی شرکت را تسهیل می‌کند (پرنتیس و لوریرو[6]، 2017) و باتوجه‌به افزایش رقابت فزایندة بانک‌ها و مؤسسات مالی - اعتباری و عرضة محصولات و خدمات مشابه از سوی آنها، تغییرات فناوری، همچنین تغییر مداوم سلیقة مشتریان و بالارفتن سطح انتظارات آنها، این سازمان‌ها را با چالش حفظ و ایجاد مزیت رقابتی مواجه می‌سازد (بحرینی‌زاده و همکاران، 1396). اشاره به این نکته حائز اهمیت است که شدت رقابت در بازارها و درک اهمیت حفظ مشتریان سازمان‌ها برای ایجاد مزیت رقابتی به حرکت تدریجی به سمت ایجاد و حفظ روابط بلندمدت نوآورانه با مشتریان وابسته است و همچنین براساس نظر محققان، یکی از بهترین رویکردهایی که شرکت‌ها و بخش‌های خدماتی بدین منظور اتخاذ می‌کنند، بازاریابی رابطه‌مند است (هرندی و همکاران، 1396). بنابراین به‌کارگیری صحیح و هدفمند ابزار بازاریابی در مقابل مشتریان و فعالان صنعت موجب موفقیت بیشتر و کسب مزیت رقابتی می‌شود؛ برقراری رابطة اصولی یکی از اولویت‌های کسب‌و‌کار برای موفقیت است؛ بازاریابی روابط، تنظیم رابطه براساس ارزش ادراکی مشتری از رابطه است. دیدگاه مشتری دربارة رابطه و انتظار وی از رابطه، در بازاریابی رابطه‌ای پاسخ داده می‌شود. در طول زمان روابط تغییر می‌کنند، این تغییرات در راستای افزایش یا کاهش عمق و نزدیکی اتفاق می‌افتد، انتظارات نیز براساس این عمق و دوام و برگرفته از ادراک سطح جذابیت شکل می‌گیرد (‌اسفیدانی و همکاران، 1396). همچنین شایان ذکر است که برای حفظ یا توسعة یک رابطه، احساس وابستگی نقش مهمی ایفا می‌کند؛ وابستگی به طرف مقابل از طریق میزان معاملة دارایی‌های خاص و سرمایه‌گذاری‌ها شکل می‌گیرد (شییر و همکاران[7]، 2015). د‌ر‌ حو‌ز‌ة خد‌ما‌ت‌ با‌نکی نیز‌، و‌گهو‌لم[8]‌ (2011) نشا‌ن‌ د‌ا‌د‌ه‌ ا‌ست‌ که‌ د‌ر‌ک‌ و‌ تصو‌یر‌ی‌ که‌ مشتر‌یا‌ن‌ ا‌ز‌ بانک‌ها‌ د‌ا‌ر‌ند‌، به‌ ر‌و‌ا‌بطی‌ که‌ با‌نکد‌ا‌ر‌ا‌ن‌ با‌ مشتر‌یا‌ن‌ خو‌د‌ ا‌ز‌جمله‌ بنگا‌ه‌ها‌ی‌ کو‌چک‌ و‌ متو‌سط‌ ا‌یجا‌د‌ می‌‌کنند‌ و همچنین‌ تو‌ا‌نا‌یی‌ آ‌نها‌ د‌ر‌ بر‌آ‌و‌ر‌د‌ه‌‌سا‌ختن‌ نیا‌ز‌ها‌ی‌ مشتر‌یا‌ن‌شان بستگی د‌ا‌ر‌د (هرندی و همکاران، 1396) و البته رسیدن به این اهداف با بررسی دو مفهوم «کیفیت خدمات» و «رضایت مشتری» ارتباط نزدیکی دارد؛ به نظر می‌رسد کشف رابطة بین این دو مفهوم در ارتقا و بهبود سطح خدمات بانک‌ها و کسب رضایتمندی بیشتر و تکرار استفادة مشتریان تأثیرگذار باشد. بررسی این عوامل کمک قابل توجهی به مسئولین امور بانکی در فراهم‌کردن خدمات‌رسانی بهتر و باکیفیت‌تر خواهد کرد (بحرینی‌زاده و همکاران، 1396). تاکنون برای ارزیابی کیفیت خدمات در نقش عنصر مؤثر در فرایند تصمیم‌گیری، از تحلیل‌های آماری و تکنیک‌های سنتی برای مدل‌سازی وفاداری مثل تکنیک‌های رگرسیون چندمتغییره[9]، روش مؤلفه‌هاى اصلى[10]، مدل معادلات ساختاری[11] (SEM) و مجذور حداقل نسبی[12] (PLS) استفاده شده است (لی و همکاران[13] ، 2002)؛ اما امروزه به مدد پیشرفت‌هایی که در حوزة حل مسائل پیچیده در روش‌های مبتنی بر هوش مصنوعی و به‌طور خاص شبکة عصبی مصنوعی انجام گرفته است، این امکان را فراهم ساخته تا تخمین توابع غیرخطی، طبقه‌بندی الگوها، تشخیص الگوها، پیش‌بینی و ... با موفقیت انجام پذیرد (میر‌غفوری و همکاران، 1388).

بدین‌ترتیب هدف مطالعة حاضر استفاده از شبکه‌های عصبی مصنوعی برای ارائة مدل وفادارسازی مشتریان در صنعت بانکداری خصوصی بر پایة ابعادِ اعتماد، کیفیت  خدمات ، همدلی، تعهد، هزینة جابه‌جایی، شهرت، ارزش ادراکی و رضایتمندی مشتری است تا مدیران بانک‌ها با شناسایی عوامل تأثیر‌گذار بر وفاداری در نظام بانکداری و اولویت‌بندی آنها گامی در جهت وفادارسازی مشتریان خود بردارند؛ بنابراین با درک اهمیت موضوع، این پژوهش پاسخ سؤالات زیر را دنبال می‌کند:

← مدل وفادارسازی مشتریان بانک‌های خصوصی نوظهور براساس شبکة عصبی مصنوعی چگونه است؟

← ابعاد کارکردهای شبکة عصبی مصنوعی در وفادارسازی مشتریان کدامند؟

← ابعاد وفاداری سازی مشتریان بانک‌های خصوصی نوظهور کدامند؟

← میزان تأثیر مؤلفه‌های اصلی تأثیر‌گذار بر وفاداری مشتریان چقدر است؟

همچنین بررسی تحقیقات و مطالعات پیشینه حاکی از آن است که اکثر پژوهشگران، تنها بر دو یا سه بعد از ابعاد وفاداری در مطالعات خود تأکید کرده‌اند؛ بنابراین وجه تمایز و نوآوری خاص پژوهش حاضر این است که در عین حال که این مطالعه در صنعت بانکداری انجام پذیرفته، پس از بررسی جامع کلیة مؤلفه‌های وفاداری و مرور متون گذشته، یک مدل تلفیقی از ابعاد وفاداری شامل 8 بعد آورده ‌شده ‌است. ضمن آنکه از روش شبکة عصبی مصنوعی برای مدل‌سازی وفاداری مشتری بهره برده شده است؛ همچنین ابزاری استاندارد و بومی‌شده برای وفادارسازی مشتریان در صنعت بانکداری در ایران را نیز ارائه می‌دهد.

2- مبانی نظری پژوهش

2-1 سازمانهای نوظهور[14]

انقلاب صنعتی، زمینه‌ساز تحولاتی شگرف در زندگی فردی و اجتماعی بشر شده است. پدیدآمدن سازمان‌ها و بنگاه‌های صنعتی ‌و‌ اقتصادی یکی از این جنبه‌هاست که به مرور زمان گسترة تأثیر خود را بر حیات آدمیان نشان داد. مفهوم سازمان نوظهور واژه‌ای نسبتاً جدید در متون «کسب‌وکار» محسوب می‌شود. با این نگاه، در بررسی مطالعات می‌توان واژگانی نظیرِ تازه‌تأسیس[15]، زایشی[16]، نوبنیاد[17] و... را یافت؛ بااین‌حال پیشینه محدودی در قلمرو موضوعی آن ملاحظه می‌شود. با این حال، سازمان‌های نوظهور، صنایع تازه‌شکل گرفته یا اصلاح‌شده‌ای هستند که به‌واسطة نوآوری‌های فناوری، تغییر در روابط نسبی هزینه، ظهور نیازهای مصرفی جدید و دیگر تغییرات اقتصادی و جامعه‌شناختی که از محصول یا خدمات جدید شرکت یک فرصت تجاری بالقوه و کارآمد می‌سازد، ایجاد شده‌اند (پورتر[18]، ترجمة مجیدی و مهر‌پویا، 1387: 295). براساس مطالعات رینالدز و وایت[19] (1997: 6)، رینالدز و کارتر[20] (2000: 158)، در فرایند ایجاد کسب‌وکار جدید چهار مرحلة ایده[21]، توسعة ایده[22]، راه‌اندازی[23] و بلوغ[24] و سه مرحلة گذار[25] وجود دارد.‌ اولین مرحلة گذار، هنگامی آغاز می‌شود که یک یا چند شخص، زمان و منابعی را برای تأمین مالی شرکت جدیدی اختصاص دهند. اگر آنها این مرحله را پشت سر بگذارند و کسب‌و‌کار جدیدشان را بتوان موجودیتی مستقل در نظر گرفت، در این صورت آنها را می‌توان کارآفرین نوظهور تلقی کرد و اگر از سمت کسب‌وکار موجود حمایت شوند، آنها را می‌توان کارآفرینان سازمانی نوظهور نامید. دومین مرحلة گذار هنگامی رخ می‌دهد که فرایند ایجاد کسب وکار خاتمه یافته باشد؛ به‌طوری‌که صاحب کسب‌وکار جدید، فعالیت‌های اجرایی کسب‌وکار خود را آغاز کرده یا اینکه کارآفرینان نوظهور تلاش‌های خود را آغاز کرده باشند. سومین مرحلة گذار، گذار از راه‌اندازی به مرحلة بلوغ یا انتقال موفقیت‌آمیز از یک شرکت تازه‌کار به یک شرکت تثبیت‌شده است (وگنر[26]، 2004). در این پژوهش منظور از سازمان نوظهور، سازمان‌هایی هستند که در مرحله دوم گذر از مراحل تقسیم‌بندی در ایجاد کسب و کار قرار دارند ؛ چراکه اغلب بانک‌های خصوصی نوظهور یا قبلاً در قالب شرکت‌های سرمایه‌گذاری فعالیت داشته یا شکل دیگری از مؤسسات مالی و اعتباری بوده‌اند.

2-2 بازاریابی رابطه‌ای

واژة بازاریابی رابطه‌ای را بری[27] (1983) برای نخستین‌بار مطرح کرد. ضمن آنکه تلاش‌های کریستوفر و همکاران[28] (1991) در گسترش قلمرو و حوزة مبانی تئوریک بازاریابی رابطه‌ای، شایان ذکر است (گرانروس[29]، 2004). ظهور بازاریابی رابطه‌ای‌ ارتباط نزدیکی با رشد بخش خدمات دارد که با روابط بلندمدت مشتری، تمرکز روی تعامل مشتری و شرکت و مشارکت مشتری در نتایج خدمات متمرکز است (گومروس و همکاران[30]، 2017). ضمن آنکه سایر عوامل مانند ایجاد ارتباط بین وفاداری مشتری و سودآوری و همچنین پیشرفت‌های فناورانه در شناسایی و ردیابی مشتریان، باعث افزایش علاقه به بازاریابی رابطه‌ای شده است (گومروس و همکاران، 2017؛ به نقل از چنت و همکاران[31] 2010، پالمر و همکاران[32]، 2013). به‌صورت کلی، بازاریابی رابطه‌ای را می‌توان فرایند شناسایی، ایجاد، نگهداری، تقویت و در صورت لزوم خاتمه‌دادن به روابط با مشتریان و دیگر ذی‌نفعان در یک سود دوجانبه معرفی کرد؛ به‌طوری‌که اهداف همة گروه‌ها در این رابطه تأمین شود (هرندی و همکاران، 1396؛ به نقل از گرانروس، 1994). بنابراین، ایجاد یک رابطه مستلزم شکل‌گیری فرایندهای ارتباطی و تعاملی از سوی سازمان‌هاست (راشید و راج[33]، 2003).

2-3 وفاداری مشتریان

مبحث «وفاداری مشتریان[34]» در مطالعات پژوهشگرانی همچون کوپلند[35] (1923) و چرچیل[36] (1942) مورد توجه قرار گرفته‌ است. همچنین دی[37] (1969)، جاکوبی و چستنات[38] (1978)، زپیل و گیلمور[39] (1987)، دیک و باسو[40] (1994) و اولیور[41] (1999) از دیگر محققانی هستند که حول موضوع مذکور به بحث و پژوهش پرداختند (کین[42]، 2001). مطالعۀ شفاعی و محمد[43] (2015) نشان داده که وفاداری یک ساختار تک‌‌بعدی است که با قصد بازگشت، تمایل به توصیه و تبلیغ دهان‌به‌دهان مثبت تعریف می‌شود (اسماعیل‌پور و همکاران، 1396). تعاریف متعددی برای وفاداری ارائه ‌شده، اما مقبول‌ترین و کامل‌ترین تعریف را اولیور (1999) بیان کرده‌ است. به عقیدة وی وفاداری چنین تعریف می‌شود: «تعهدی عمیق برای بازسازی و حمایت مجدد از یک محصول یا خدمات ترجیحی در آینده، علیرغم تأثیرات موقعیتی و تلاش‌های بازاریابی که پتانسیل ایجاد رفتارهای تغییردهنده را دارد» (خادکا و ماهارجان[44]، 2017، به نقل از اولیور، 1999: 33).

2-4 عوامل مؤثر بر وفاداری مشتری

1) رضایتمندی، طبق تجزیه و تحلیل اولیور(1999)، اولین مرحلة ضروری در وفاداری است که در حالت کلی به معنی عکس‌العمل و قضاوت مشتری دربارة کیفیت برآورده‌شدن نیازهاست (اولیور، 1999). مشتری زمانی راضی است که انتظاراتش برآورده شود؛ در غیر این‌صورت محصولات رقبا را انتخاب خواهد کرد. به همین دلیل میزان موفقیت در هر کسب‌وکاری به‌‌شدت و میزان رضایت مشتریان در آن صنعت بستگی دارد. همچنین رضایت مشتری نقشی اساسی در حفظ و نگهداری مشتریان دارد (کران[45]، 2017).

2) موانع جابه‌جایی[46]، که جونز و همکاران[47] (2002) ازآن به عنوان هر عاملی که تغییر یک ارائه‌دهندة خدمات را برای مشتری مشکل یا هزینه‌بر ‌سازد، یاد کرده و شامل هزینه‌های رویه‌ای، رابطه‌ای و مالی است (گی و همکاران، 2008).

3) اعتماد، مورگان و ‌هانت[48] (1995)، شکل‌گیری اعتماد در رابطه را متضمن داشتن سطحی از اطمینان به راستی و صداقت قول و تعهدات هریک از طرفین دانسته است. سطح اعتماد بین طرفین، بر تمایل به حفظ یا توسعة رابطه تأثیر می‌گذارد. اعتماد در میان بازیگران مختلف شکلی متفاوت دارد و متأثر از عملیات روزمره کم یا زیاد می‌شود (هالد و همکاران[49]، 2009).

4) تعهد را تمایل ماندگار به حفظ رابطه‌ای معین تعریف کرده‌اند (مورگان و ‌هانت، 1995).

5) ارزش ادرکی، مشتری بعد از خرید محصول و استفاده از آن به مقایسة میان منفعت کسب‌شده و هزینة پرداخت‌شدة خود می‌پردازد و در این مرحله است که رضایت یا نارضایتی در ذهن او شکل می‌گیرد و باید دانست که مطلوبیت ایده‌آل مورد نظر مشتری ممکن است از عواملی غیر از ویژگی‌های کالا یا خدمات هم ناشی شود.

 6) کیفیت خدمات، به‌طور کلی به‌عنوان یک ورودی عمیق در وفاداری مشتری دیده شده است و بعنوان نتیجه مقایسه‌ای که مشتریان بین انتظاراتشان درباره یک خدمت انجام می‌دهند و ادراکاتش از روشی که خدمت ارائه می‌شود، تعریف شده‌است (گرانروس و همکاران، 2004: 5).

7) تصویر ذهنی، منعکس‌کنندة موضوعاتی است که در ذهن مشتری از سازمان وجود دارد و در حکم فیلتر، ادراکات مشتری از فعالیت سازمان را تحت تأثیر قرار می‌دهد (بروملی[50] ، 2001).

8) همدلی، توان اشتراک و درک احساسات فرد دیگر در موقعیت ارتباطی است (الوتو و همکاران[51] ، 2010).

2-5 شبکة عصبی مصنوعی (ANN)

شبکة عصبی مصنوعی، مدل ناپارامتریک غیر‌خطی است که با پردازش داده‌های تجربی، دانش نهفته در ورای آنها را به ساختار شبکه منتقل می‌کند. این شبکه‌ها از سیستم مغز و اعصاب انسان و یادگیری نورون‌های بیولوژیکی الهام گرفته و برای مسائلی چون پیش‌بینی، خوشه‌بندی و ... مناسب هستند (قاضی‌زاده و همکاران، 1393، به نقل از کیم و همکاران، 2005: 264). عصب مصنوعی ورودی‌هایی را دریافت می‌کند که شبیه به محرّک‌های شیمی الکتریکی هستند که هرکدام از عصب‌های بیولوژیکی ارسال می‌کنند. عصب‌ها در یک شبکة عصبی مصنوعی اطلاعات را از عصب‌های دیگر یا از منابع خارجی دریافت می‌کنند و پس از پردازش اطلاعات، آن را به عصب‌های دیگر یا خروجی‌های بیرونی عبور می‌دهند (الوانی و حسین‌پور، 1395، به نقل ازکیم و لی[52]، 1996: 94). عملکرد اساسی یک عصب مصنوعی شامل جمع‌آوری علایم ورودی وزن‌گذاری‌شده و به‌کارگیری یک تابع فعالیت برای تولید خارجی است (الوانی و حسین‌پور، 1395). پرسیپترون چندلایه‌ای[53] (MLP) وسیع‌ترین مدل مورد استفادة شبکة عصبی مصنوعی در تجزیه و تحلیل داده‌هاست. یک پرسپترون چندلایه‌ای از یک لایة ورودی ترکیب شده است، لایه‌های پنهان از واحدهای پنهان و یک لایة خروجی ترکیب شده است (وه[54]، 2006). درواقع اجزای سازندة یک شبکة عصبی، لایه‌ها و وزن‌ها می‌باشد (میر‌غفوری و همکاران، 1388: 3). عصب مصنوعی یک تعداد ثابت ورودی دارد که هر ورودی به‌وسیلة یک اتصال وزن‌گذاری‌شده با عصب دیگر مرتبط است. ورودی‌های وارده به شبکه به وزن اتصال ضرب می‌شوند و در حالت ساده این فرایند‌ها، جمع شده و از طریق تابع انتقال برای تولید نتیجه به یک خروجی تبدیل می‌شوند (الوانی و حسین‌پور، 1395) که در این مطالعه لایة ورودی شامل ابعاد وفاداری و لایة خروجی، وفاداری مشتری است.

 

3- پیشینة پژوهش

پیشینة مطالعات داخلی مرتبط با موضوع، پژوهش بهرام‌زاده‌ و شوکتی مقرب (1389) است. نتایج حاصل بدین‌گونه است که: برنامه‌های وفاداری، رضایتمندی، اعتماد، تعهد و ارزش را در سطح اطمینان 99 درصد در نقش عوامل مؤثر بر وفاداری مشتریان تأیید کرد (بهرام‌زاده و شوکتی مقرب، 1389). همچنین ورزشکار (1382) در پژوهش خود مهم‌ترین عوامل مؤثر بر وفاداری مشتریان: 1- رضایت مشتریان، 2- تصویر درک‌شده از شرکت و 3- کیفیت دریافت‌شده از نرم‌افزار محصول و پانزده گروه فرعی عنوان کرد (ورزشکار، 1382). پژوهش مشابهی نیز رابطة معنی‌داری بین وفاداری و مشارکت مشتریان را تأییدنشده دانسته است (دهقانی طرزه، 1382). براساس نتایج پژوهش خاکسار (1380) عوامل مؤثر بر وفاداری مشتریان بانکی به این ترتیب اولویت‌بندی شده است: 1- رفتار مناسب متصدی امور بانکی ، 2- سطح تخصصی متصدی امور بانکی، 3- ارائة خدمات نوین بانکی و 4- پرداخت سود واقعی(خاکسار، 1380). در پژوهش طولابی و همکاران(1393) با عنوان «بررسی تأثیر تاکتیک‌های بازاریابی رابطه‌ای بر وفاداری مشتری، مورد مطالعه: مشتریان شرکت همراه اول در دانشگاه ایلام»، باتوجه‌به تأثیرمتغیرهای مستقل (کیفیت خدمات، ادراک قیمت، ذهنیت برند، ارزش پیشنهادی، اعتماد مشتریان و رضایت مشتریان) بر وفاداری مشتری، 10 فرضیه شکل گرفت که تمامی آنان با میزان متوسط رو به بالا تأیید شدند و در آخر به این نتیجه رسیدند که هرچه میزان تاکتیک‌های بازاریابی رابطه‌ای بیشتر باشد، کیفیت ارتباطات برای مشتریان بیشتر خواهد بود و در نهایت موجب ایجاد وفاداری مشتریان می‌شود (طولابی و همکاران، 1393). همچنین، موسوی و همکاران (1394) در مقالة خود به بررسی تأثیر تاکتیک‌های بازاریابی رابطه‌ای بر وفاداری مشتریان شرکت همراه اول در شهر تهران پرداختند که تجزیه و تحلیل فرضیات پژوهش نشان داد تاکتیک‌های بازاریابی رابطه‌ای بر وفاداری مشتریان تأثیر مثبت و معناداری دارد (موسوی و همکاران، 1394). فرجی و معماریان (1395) نیز در مطالعه‌ای با هدف بررسی ارتباط تاکتیک‌های بازاریابی رابطه‌مند که شامل قیمت درک‌شده، کیفیت خدمت‌گرایی، ذهنیت برند، ارزش پیشنهادی و کیفیت ارتباط است، بر وفاداری مشتریان اپراتور همراه اول و ایرانسل، به این مهم دست یافتند که ارتباط مستقیم و مثبتی بین پنج عامل مذکور و وفاداری مشتری است (فرجی و معماریان، 1395).

درزمینة پیشینة مطالعات خارجی، پژوهش افسر[55] (2010) در کشور پاکستان انجام گرفته است که مهم‌ترین یافته‌های وی از این قرار است: 1- تأثیر رضایتمندی و اعتماد بر تعهد مثبت و قابل توجه است. 2- مهم‌تر از رضایتمندی، تعهد است و بیشتر از اعتماد، تعهد است. 3- تأثیر کیفیت ادراکی بر رضایتمندی مثبت و مهم اما کم است و 4- تأثیر رضایتمندی، هزینة جابه‌جایی و تعهد بر وفاداری مشتری مثبت و مهم است (افسر، 2010). نارته و همکاران[56] (2013) در پژوهشی که به بررسی تأثیر بازاریابی رابطه‌ای بر سطح وفاداری مشتریان در صنعت هتل‌های لوکس در شهر غنا پرداختند، به تأثیر مثبت و معنادار بازاریابی رابطه‌ای بر وفاداری مشتریان رسیدند (نارته و همکاران، 2013). یانگ و چائو[57] (2017) نیز طی مطالعه‌‌ای در حوزة بازاریابی رابطه‌ای و چگونگی تأثیرگذاری آن بر وفاداری مشتری در صنعت حمل‌ونقل هوایی تایوان، به یافته‌هایی دست یافتند که حاکی از تأثیر مثبت و معنادار بازاریابی رابطه‌ای، هزینه‌های تعویض و رضایت مشتری بر وفاداری مشتری است؛ ضمن آنکه بازاریابی رابطه‌ای نیز تأثیر مثبتی بر کیفیت خدمات دارد (یانگ و چائو، 2017). همچنین، پوترا و پوتری[58] (2019) در مطالعه‌ای با عنوان «نقش واسطه‌گر بازاریابی رابطه‌ای بین کیفیت خدمات و وفاداری مشتری» ضمن بررسی تأثیر کیفیت خدمات ادراکی بر وفاداری مشتری با نقش میانجی‌گری بازاریابی رابطه‌ای، به این مهم رسیدند که مشتریان کیفیت خدمات، وفاداری مشتری و بازاریابی روابط در هتل دیوارنا[59] در مالنگ[60] را مطلوب می‌دانند وکیفیت خدمات به‌طور قابل توجهی بر بازاریابی رابطه‌ای تأثیر می‌گذارد. کیفیت خدمات به­طور مستقیم و غیرمستقیم از طریق بازاریابی رابطه‌ای، تأثیرات مثبت و معناداری در وفاداری مشتری دارد (پوترا و پوتری، 2019). نگوما و همکاران[61] (2019) در پژوهشی با هدف تبیین رابطة بین بازاریابی رابطه‌ای و وفاداری مشتری، به رابطة مثبت و معنادار بین مؤلفه‌های بازاریابی رابطه‌ای، تعهد و وفاداری مشتری رسیدند (نگوما و همکاران، 2019).

 

4- مدل و چارچوب مفهومی پژوهش

برای انجام این پژوهش پس از بررسی متون علمی وفاداری و مؤلفه‌های آن و همچنین راهنمایی خبرگان و ساختار مدل شبکة عصبی مصنوعی، مدلی جدید و ابتکاری در عین حال کاربردی برای وفادارسازی مشتریان در سازمان‌های نوظهور طراحی شد. در این مدل 8 عامل شاملِ اعتماد، تعهد، کیفیت خدمات، هزینة جابه‌جایی، شهرت و اعتبار، همدلی، رضایتمندی و ارزش ادراکی، مؤلفه‌های تأثیر‌گذار در وفادارسازی مشتریان در سازمان‌های نوظهور مطرح شده است که این مدل طبق الگوی شبکة عصبی مصنوعی دارای سه لایة ورودی، پنهان و خروجی می باشد.

(بنگرید: شکل1. مدل مفهومی پژوهش)

 

5- روشپژوهش

این پژوهش از لحاظ هدف، مبتنی‌بر رویکرد کمّی و استراتژی پیمایشی است. همچنین از روش مطالعة اسنادی مرور متون و میدانی و توزیع پرسشنامه بین مشتریان بانک‌های خصوصی منتخب استفاده شده است. جامعة آماری این پژوهش بنا به تعریف پژوهشگر، شامل مشتریان 8 بانک خصوصی نوظهور در مناطق 22‌گانة شهرداری تهران است؛ پس برای رسیدن به این مهم و تمرکز بیشتر بر جامعة آماری، تهران به پنج کلان‌منطقة شمال، جنوب، شرق، غرب و مرکز تقسیم شد که مبنایی برای روش نمونه‌گیری حاصل شود. روش نمونه‌گیری به‌کاربرده‌شده در مطالعة حاضر برای جمع­آوری داده‌ها در پرسشنامه، روش نمونه‌گیری تصادفی است. بدین‌منظور مطالعه­‌ای مقدماتی و جداگانه‌ای انجام شد و تعداد 30 پرسشنامه توزیع شد. ازآنجاکه حجم جامعه نامحدود است، باتوجه‌به واریانس نمونة مقدماتی 471/0، سطح اطمینان 95 درصد و خطای 5 درصد برای به دست آوردن حجم نمونه از رابطة (1) استفاده شده است.

رابطة (1)

 

بنابراین حجم نمونة مطلوب در این پژوهش برابر با340 است. برای جبران احتمالی پرسشنامه‌هایی که باطل تشخیص داده می‌شوند، در مجموع 350 پرسشنامه توزیع شد که 10 عدد بیشتر از حجم نمونه است، پس از گردآوری تعداد کل پرسشنامه‌ها و کنارگذاشتن پرسشنامه‌های دارای نواقص اساسی، تعداد کل نمونة این پژوهش برابر با 332 عدد شد. برای جمع‌آوری اطلاعات مورد نیاز مطالعه از پرسشنامه با مقیاس طیف لیکرت استفاده شده ‌است. با بهره‌گیری از نظرات خبرگان دانشگاهی حوزة بازاریابی و کارشناسان بانکی، روایی پرسشنامه تأیید شد. همچنین برای سنجش اعتبار پرسشنامه نیز از یک نمونة مقدماتی (20 نفر) استفاده شد. این افراد نمایندگان مشتریان عضو جامعة آماری بودند که پس از جمع‌آوری پرسشنامه‌ها، برای تحلیل آماری از نرم‌افزار  SPSS16.0استفاده شد؛ ضمن اینکه تعیین پایایی ابزار گردآوری اطلاعات به کمک روش آلفای کرونباخ صورت پذیرفت و نهایتاً اعتبار پرسشنامه‌ها، 875/0 درصد محاسبه شد که دال بر اعتبار زیاد و اطمینان‌بخش این آزمون است.

(بنگرید: جدول 1. میزان پایایی محاسبه‌شدة پرسشنامه)

 

6- تجزیهوتحلیل داده‌ها

در این پژوهش نخست برای تحلیل آماری از رگرسیون و سپس از مدل شبکة عصبی مصنوعی(ANN) استفاده شده است. برای بررسی معناداری مدل و تعیین ضریب همبستگی ضرایب از تحلیل واریانس رگرسیونی (Anova) به شرح جدول زیر استفاده شده است.

جدول2. سطح معنا‌داری مدل خطی

جدول 2، حاوی تحلیل واریانس رگرسیونی ((Anova است که به‌منظور بررسی قطعیت وجود رابطة خطی بین متغیرها استفاده می‌شود. ازآنجاکه p-v<α است، بنابراین آمارة F معنی‌دار است و درنتیجه کل مدل خطی معنا‌دار است.

(بنگرید: جدول3. ضریب تعیین و همبستگی)

در جدول 3، که از مدل دوربین- واتسون[62] به‌منظور بررسی استقلال خطاهای مدل از یکدیگر به‌ کار گرفته شده، مقدار آزمون نزدیک به عدد 2 است که می‌توان ادعا کرد مدل معنادار است. از طرفی دیگر ضریب R2 به ضریب  R.Adjust نزدیک به‌هم هستند که نشان می‌دهد وضعیت مناسب معناداری مدل است. همچنینR2 نیز پذیرفتنی است. در ادامه به‌صورت جداگانه به تحلیل رگرسیونی ارزش ادراکی، رضایتمندی و وفاداری پرداخته می‌شود.

6-1 تحلیل رگرسیونی ارزش ادراکی

در این معادله، ارزش ادراکی تابعی از مؤلفه‌های اعتماد، کیفیت، روح همدلی، هزینة جابه‌جایی، شهرت، اعتبار و تعهد است.

رابطة (2)          f (X1……X6) = ارزش ادراکی

(بنگرید: جدول 4. سطح معناداری کل ضرایب)

ازآنجا‌که ضرایب آمارة t که از آن برای معناداری ضرایب استفاده شده است، از حدود خطای (.05)= α کوچک‌ترند. بنابراین مؤلفه‌های اعتماد،کیفیت خدمات و روح همدلی بر متغیر وابسته یعنی ارزش ادراکی تأثیر‌گذارند؛ در نتیجه ضرایب کل مدل معنادار است. تحلیل مدل رگرسیونی جدول 4 با روش Stepwise  به شرح زیر استخراج شده است. در جدول 4 و در ستون B به‌ترتیب مقدار ثابت و ضریب متغیر مستقل در معادلة رگرسیون ارائه شده است. بنابراین معادلة رگرسیون به‌صورت

 .O80+0.400X1+0.346X2+0.245X3=Y است. یعنی ضریب تأثیر اعتماد 400/0، کیفیت خدمات 346/0 و روح همدلی به میزان 245/0 بر متغیر Y (ارزش ادراکی) می باشد.

6-2 تحلیل رگرسیونی رضایتمندی

رضایتمندی تابعی از مؤلفه‌های اعتماد،کیفیت  خدمات، روح همدلی، هزینة جابه‌جایی، شهرت و اعتبار و تعهد، متغیر مستقل و رضایتمندی، متغیر وابسته است.

رابطة (3)             f (X1……X6) = رضایتمندی

مطابق جدول 5، چون ضرایب آمارة t از حدود خطای (.05)= α کوچک‌تر است، بنابراین مؤلفه‌های مستقلِ اعتماد، روح همدلی، کیفیت خدمات و تعهد بر متغیر وابسته رضایتمندی تأثیرگذارند؛ درنتیجه ضرایب کل مدل معنا‌دار است. در این معادله رضایتمندی تابعی از مؤلفه‌های اعتماد،کیفیت خدمات، روح همدلی، هزینة جابه‌جایی، شهرت و اعتبار و تعهد است. در جدول مذکور نیز مطابق جدول 4، در ستونB  به‌ترتیب مقدار ثابت و ضریب متغیر مستقل در معادلة رگرسیون آورده شده است.

(بنگرید: جدول 5. سطح معنا‌داری ضرایب)

بر این اساس معادلة رگرسیون به‌صورت .533+0.352X1+0.249X2+0.181X3+0.139X4=Y است؛ یعنی ضریب تأثیر اعتماد 352/0، روح همدلی 249/0،کیفیت خدمات 181/0 و تعهد 139/0 بر متغیرY (رضایتمندی) است.

6-3 تحلیل رگرسیونی وفاداری

در این معادله وفاداری تابعی از مؤلفه‌های رضایتمندی و ارزش ادراکی است.

رابطة (4)                          f (X1, X2) = وفاداری

در جدول 6 نیز، ازآنجاکه ضرایب آمارة t از حدود خطای (.05)= α کوچک‌تر است، بنابراین مؤلفه‌های رضایتمندی و ارزش ادراکی بر عامل وابستة وفاداری تأثیر‌گذارند؛ درنتیجه ضرایب کل مدل معنادار است. بنابراین معادلة رگرسیون به‌صورت 1.O71+0.587X1+0.213X2=Y است؛ یعنی ضریب تأثیر رضایتمندی 587/0 و ارزش ادراکی به میزان 213/0 بر متغیرY (وفاداری) است.

(بنگرید: جدول 6. سطح معنا‌داری ضرایب)

6-4 تحلیل نتایج مدل رگرسیون

برای بررسی یک مدل پیش‌بینی یا انتخاب بهترین مدل از بین مدل‌های مختلف برای سری زمانی به شاخصی نیاز هست که به کمک آن تصمیم لازم در خصوص قبول یا رد مدل پیش‌بینی اتخاذ شود. به علاوه در تمام پیش‌بینی‌ها نبودِ اطمینان هست. این حقیقت از جزء غیرمعمول در سری زمانی معلوم می‌شود؛ درنتیجه در کلیة روش‌های پیش‌بینی، باید انتظار خطا برود.

(بنگرید: جدول 7. شاخص‌های اندازه‌گیری خطای مدل رگرسیون)

کیفیت یک مدل با بررسی میزان خطای پیش‌بینی یا همان  etقابل ارزیابی است. یکی از شاخص‌ها برای پیش‌بینی خطا، شاخص میانگین مجذور خطا[63] است که برای مجموعة مشخصی از ورودی‌ها، خطا عبارت است از: «تفاضل بین مقدار واقعی و خروجی مدل». شاخص دیگر، جذر میانگین مجذور خطا[64] است. به‌طورکلی عملکرد یک شبکه عصبی با 3 شاخص نمایش داده می‌شود: درصد پیش‌بینی، میزان انطباق و میانگین درصد خطای مطلق که درصد پیش‌بینی را می‌توان با معادله

 زیر مدل‌سازی کرد:

رابطة (5)   که در آن F میزان خروجی است که به‌درستی پیش‌بینی شده است و N کل خروجی‌هایی است که پیش‌بینی شده‌اند. میزان انطباق، که آن را با نماد (R2)[65] نمایش می‌دهند و با معادلة زیرمدل سازی می‌شود:

رابطة (6)                                 

این خطا را به‌گونه‌ای دیگر نیز می‌توان محاسبه کرد و آن استفاده از میانگین مجذور خطا (MSE[66]) است که به‌صورت زیر محاسبه می‌شود:

رابطة (7)                       

در میانگین مجذور خطا میزان خطا به‌دلیل به توان 2 رسیدن، بسیار بزرگ نشان داده می‌شود؛ پس با استفاده از جذر میانگین مجذور خطا (RMSE[67]) این مشکل مرتفع شده است و با معادلة زیر نشان داده می‌شود:

رابطة (8)            

خروجی Oiaشبکه برای نمونه  iو Oim خروجی واقعی برای نمونه مذکوراست. 2σ نیز نشان‌دهندة واریانس خروجی واقعی است. معادلة R2 گویای آن است که هرچه مقدار جذر میانگین مجذور خطا کاهش پیدا کند، R2 افزایش می‌یابد و میزان بالاتر R2 به‌معنی برازندگی بهتر شبکه است. در این پژوهش با تحلیل رگرسیونی، میانگین مجذور خطا و جذر میانگین مجذور خطای شاخص وفاداری: 612/1 و270/1، شاخص رضایتمندی: 336/1 و 156/1، شاخص ارزش ادراکی: 312/1 و 145/1 به دست آمده است. معادله نشان می‌دهد هرچه مقدار خطا کاهش پیدا کند، R2 (میزان پیش‌بینی) افزایش می‌یابد و میزان بالاتر  R2به­ معنی برازندگی بهتر مدل است.

6-5 تحلیل شبکةعصبی مصنوعی

در پژوهش حاضر، برای مدل‌سازی از روش پرسپیترون چندلایه­ای یا همان معماری MLP که مدلی برای تجزیه­وتحلیل شبکة عصبی مصنوعی است و پیشتر به آن اشاره کردیم، استفاده شده است.

در این شبکه‌ها لایة اول ورودی، لایة آخر خروجی و لایه‌های میانی، لایه‌های پنهان نامیده می‌شوند. این معماری را پرکاربردترین معماری شبکه‌های عصبی می‌توان نامید. برای حل مدل شبکه‌های عصبی از نرم‌افزارMATLAB2011  استفاده شده که به مراتب شبکة عصبی خطای کمتری نسبت به مدل چندعملی در پیش‌بینی نمونه داشته است. برای تعیین بهترین شبکه، طراحی‌های بسیار زیادی آزمون شد تا در نهایت در هر سه شبکه از یک لایة ورودی، یک لایة پنهان و یک لایة خروجی بهترین جواب را داد.

6-6 مدل‌سازی با استفاده از شبکة عصبی مصنوعی

در این پژوهش باتوجه ‌به ساختار شبکة عصبی مصنوعی و فرض پژوهشگر مبنی‌بر اینکه مؤلفه‌های اعتماد، کیفیت  خدمات ، روح همدلی، هزینة جابه‌جایی، شهرت و تعهد در صورت ایجاد یک ارزش ادراکی در مشتریان موجب رضایتمندی آنها می‌شود؛ یعنی مشتریان دست به مقایسة ارزش انتظاری از خدمات بانک و ارزش واقعی به‌دست‌آمده از خدمات بانک مربوطه می‌زنند. در نتیجه در صورت اقتصادی‌بودن تعامل احساس رضایت می‌کنند. بنابراین در این پژوهش از 3 شبکة عصبی جداگانه  به شمارگان 1-2-3 با اهداف زیر استفاده شده است:

1- مدل‌سازی تأثیر 6 مؤلفة (اعتماد، کیفیت خدمات، روح همدلی، هزینة جابه‌جایی، شهرت و اعتبار و تعهد) بر ارزش ادراکی (شبکة شمارة 1).

2- مدل‌سازی تأثیر 6 مؤلفة (اعتماد، کیفیت  خدمات ، روح همدلی، هزینة جابه‌جایی، شهرت و اعتبار و تعهد) بر رضایتمندی (شبکة شمارة 2).

3- مدل‌سازی تأثیر 2 مؤلفة (ارزش ادراکی و رضایتمندی) بر وفاداری (شبکة شمارة 3).

بنابراین، در مرحلة اول، اطلاعات مربوط به اعتماد، کیفیت خدمات ، روح همدلی، هزینة جابه‌جایی، شهرت و اعتبار و تعهد را در نقش متغیر مستقل و ورودی و ارزیابی کلی آنها از ارزش ادارکی را در جایگاه متغیر وابسته و خروجی به شبکه دادیم. لایة ورودی در شبکة شمارة 1، دارای شش نرون، لایة میانی (پنهان) دارای سه نرون و لایة خروجی دارای یک نرون است.

شکل 2. ساختار شبکة عصبی مصنوعی

 در مرحلة دوم، داده‌های مربوط به اعتماد،کیفیت  خدمات ، روح همدلی، هزینة جابه‌جایی، شهرت و اعتبار و تعهد را به‌عنوان متغیر مستقل و ورودی و ارزیابی پاسخ‌دهندگان از رضایتمندی را به‌عنوان متغیر وابسته و خروجی، در شبکه جاگذاری کردیم. ملاحظه می‌شود لایة ورودی در شبکة شمارة 2، دارای شش نرون، لایة میانی (پنهان) دارای شش نرون و لایة خروجی دارای یک نرون است.

شکل 3. ساختار شبکة عصبی

براساس شکل 4، در مرحلة نهایی نیز که از ارزیابی کلی پاسخ‌دهندگان نسبت به وفاداری به‌عنوان متغیر وابسته و خروجی به شبکه یاد شد، درمی‌یابیم که لایة ورودی در شبکة شمارة 3 دارای دو نرون، لایة میانی (پنهان) دارای سه نرون و لایه خروجی دارای یک نرون است.

 شکل 4. ساختار شبکة عصبی

6-7 مدلسازیوپیش‌بینیبااستفادهازMLP

همان‌طور ‌که قبلاً گفته شد، در این پژوهش برای مدل‌سازی از پرسپترون چندلایه یا معماری MLP و در هر 3 شبکه برای آموزش شبکه از الگوریتم[68]RProp استفاده شده است. در طراحی شبکة عصبی مصنوعی، تمامی داده‌ها ‌‌به‌منظور افزایش دقت و سرعت در آموزش شبکه، ابتدا با استفاده از رابطة زیر استاندارد شد؛  به­‌طوری‌که تمامی داده‌ها بین 1 و 0 قرار گرفتند.

رابطة (9)                                

در این رابطه، Z دادة استانداردشده، xi دادة مورد استفاده و xmax و xmin به‌ترتیب بیشترین و کمترین داده در هریک از متغیرهاست. سپس سعی بر این شد داده‌ها به‌صورت تصادفی به دو دستة آموزش (70% داده‌ها) و آزمون (30% داده‌ها) تقسیم شوند؛ به‌طوری‌که بیشترین و کمترین داده در دستة آموزش قرار گیرد. شش متغییرِ اعتماد، تعهد، کیفیت سرویس، هزینة جابه‌جایی، شهرت و اعتبار و همدلی، ورود‌‌های شبکه و متغییر وفاداری مشتریان، خروجی شبکه در نظر گرفته شده است. برای آموزش شبکه از الگوریتم پس‌انتشار خطا که روشی برای یادگیری عمیق شبکه‌های عصبی مصنوعی، با بیش از یک لایة پنهان است، استفاده شد. توابع انتقال مناسب، تعداد لایه‌های پنهان و تعداد نورن‌های هر لایه نیز با آزمون و خطا تعیین شدند و این روند تا زمانی ادامه یافت که خطای بین دادۀ میزان وفاداری برآوردی و دادۀ میزان وفاداری واقعی به کمترین حد خود برسد.

6-8 تحلیل نتایج مدل شبکة عصبی مصنوعی

(بنگرید: جدول 8. شاخص‌های اندازه گیری خطای مدل)

در این مطالعه با تحلیل شبکة عصبی مصنوعی(MLP)، میانگین مجذور خطا و جذر میانگین مجذور خطای شاخص وفاداری: 611/1 و 269/1، شاخص رضایتمندی: 203/1 و 097/1، شاخص ارزش ادراکی: 015/1 و 007/1 به دست آمده است. معادله نشان می‌دهد هرچه مقدار خطا کاهش پیدا کند، R2 (میزان پیش‌بینی) افزایش می‌یابد و میزان بالاتر R2به‌معنی برازندگی بهتر شبکه است.

6-9 مقایسة نتایج مدل رگرسیون و شبکة عصبی

(بنگرید: جدول 9. مقایسة نتایج خطای دو مدل)

 

7- نتیجه‌گیری و پیشنهادها

موفقیت یک بنگاه اقتصادی که هدف آن کسب سود است، در گروی وفاداری مشتریان آن خواهد بود. این مهم در سازمان‌های خدماتی بیش از پیش تأیید شده است. مدیران این سازمان‌ها مایلند آنچه در ذهن مشتریانشان دربارة خدمات آنان می‌گذرد، به‌صورت ملموسی درک کنند. استفاده از روش‌های جدید همچون شبکه‌های عصبی مصنوعی نویدبخش دستیابی به نتایج بهتری در پیش‌بینی رفتار توابع مختلف است. پژوهش حاضر با به‌کارگیری شبکه‌های عصبی مصنوعی برای مدل‌سازی وفاداری مشتری در صنایع نوظهور، علاوه بر نشان‌دادن توانایی شبکه‌های عصبی در مدل‌سازی رفتار مشتریان، نشان داد شبکه‌های عصبی مصنوعی با استفاده از اطلاعات بیشتر و به‌طور محسوس، بهتر قادر به پیش‌بینی خروجی هستند .در این زمینه، مطالعة بهارا و همکاران[69] (2002) نیز نتایج مشابهی را نشان می‌دهد. همچنین نتیجة مثبت رابطة بین رضایتمندی و وفاداری از یافته‌های رینالدز و همکاران (2000) و رابطة مثبت بین تعهد و وفاداری مشتری با یافته‌های گانش و همکاران[70] (2000) حمایت می‌کند و سرانجام، تأثیر ارزش ادراکی بر وفاداری نیز با یافته‌های ریچلد (2003) همخوانی دارد. درحالی‌که وجه تمایز مطالعة حاضر، تأثیر مؤلفة مختلف تأکیدشده در مرور متون بر وفاداری است. درزمینة محدودیت‌های مطالعه حاضر گفتنی است علاو‌ه‌بر محدودیت‌های موجود در کار میدانی و در مرحلة جمع آوری اطلاعات، استفاده از شبکه‌های عصبی محدودیت‌هایی دارد که از‌جمله می‌توان به نیاز به حجم فراوان اطلاعات برای آموزش و آزمایش شبکه، نیاز به زمان زیاد برای انتخاب ساختار مناسب شبکه از راه آزمایش و خطا و طبیعت مبهم شبکه‌های عصبی در ارتباط با روابط داخلی بین لایه‌ها اشاره کرد.

 برای مطالعات بعدی، به پژوهشگران توصیه می‌شود مدل به‌کارگرفته در این پژوهش را در سازمان‌های خدماتی و تولیدی دیگر به کار گیرند. همچنین به نظر می‌رسد شبکة عصبی با به‌کارگیری ترکیبات دیگری از ابعاد وفاداری مشتریان نتایج درخور توجهی را نشان دهد. همچنین استفاده از منطق فازی برای طراحی پرسشنامه یا استفاده از شبکه‌های عصبی فازی یا ترکیب آن با الگوریتم ژنتیک در بهینه‌یابی اوزان شبکه، نتایج تأمل‌برانگیزی را ارائه دهد. اهمیت عملی این پژوهش به قابلیت آن در آگاه‌کردن مدیران بانک‌ها نسبت به ابعاد مختلف وفاداری و اهمیت آنها در وفاداری مشتری است. این دانش می‌تواند برای طراحی برنامه‌های وفاداری به کار برده شود تا با آن ترکیب مناسبی از ویژگی‌ها براساس تأثیر مطلوب آنها بر وفاداری مشتری تنظیم شود. مدیران برنامة وفاداری می‌توانند ارزش ترکیبی از ویژگی‌هایی را بسنجند که می‌توانند وفاداری مشتری را تحت تأثیر قرار دهند و از آنها در برنامه‌‌ریزی‌های خود استفاده کنند؛ ازجمله پیشنهادهای کاربردی دیگر برای به‌کارگیری یافته‌های این مطالعه می‌توان به عقد قرارداد مشارکت بخش بانکداری الکترونیکی بانک‌ها با شرکت‌های دارای پلتفرم باشگاه مشتریان یا کسب‌وکارهای اینترنتی با تعداد تراکنش‌های خیلی زیاد اشاره کرد تا از این طریق بتوان به داده‌های زیاد برای به‌کارگیری و تکمیل داده‌های براساس شبکه‌های عصبی اقدام کرد. ضمناً می‌توان براساس تحلیل داده‌های متمایز بانکداری خرد و بانکداری شرکتی براساس شبکه‌های عصبی به طراحی محصولات و خدمات جدید متناسب با هر بخش همت گماشت. پیشنهاد دیگر اینکه با عنایت به این موضوع که اغلب بانک‌های نوظهور فاقد زنجیرة مکمل عملیات بانکی هستند، می‌توان باتوجه‌به هر یک از مؤلفه‌های مطرح در مدل وفاداری نسبت به طراحی محصولات پول‌ساز و موتور رشد در همکاری با شرکت‌های دارای محصولات مکمل مثل شرکت‌های بیمه، کارگزاری‌ها و صرافی‌ها قدم برداشت.



[1]. Gee et al.

[2]. Sramek et al.

[3]. Reichheld

[4]. Kuusik

[5]. Wang et al.

[6]. Prentice & Loureiro

[7]. Scheer et al.

[8]. Vegholm

[9]. Multiple Regression with interactions

[10]. Principle Component Regression

[11]. Structural Equation Modeling

[12]. Partial Least Square

[13]. Lee et al.

[14]. Nascent Organization

[15]. New Venture

[16]. Nascent

[17]. New Business Spin Off

[18]. Porter

[19]. Reynolds & white

[20]. Carter

[21]. Conception

[22]. Gestation

[23]. Infancy

[24]. Adolescence

[25]. Transition

[26]. Wagner

[27]. Berry

[28]. Christopher et al.

[29]. Grönroos

[30]. Gummerus et al.

[31]. Chenet et al.

[32]. Palmer et al.

[33]. Rashid & Raj

[34]. Customer Loyalty

[35].  Copleland

[36].  Churchill

[37]. Day

[38]. Jacoby & Chestnut

[39]. Czepiel & Gilmore

[40]. Dick & Basu

[41]. Oliver

[42]. Kine

[43]. Shafaei & Mohamed

[44]. Khadka & Maharjan

[45]. Kiran

[46]. The switching barrier

[47]. Jones et al.

[48]. Morgan & Hunt

[49]. Hald et al.

[50]. Bromley

[51]. Olotu et al.

[52]. Kim & Lee

[53]. Multilayer Perceptron

[54]. Wah

[55]. Afsar

[56]. Narteh et al.

[57]. Yang & Chao

[58]. Putra & Putri

[59]. Dewarna

[60]. Malang

[61]. Ngoma

[62]. Durbin-Watson

[63]. MSE

[64]. RMSE

[65]. R square

[66]. Mean Absolute Deviation

[67]. Root Mean Square Error

[68]. Resilient Back Propagation Algorithm

[69]. Behara et al.

[70]. Ganesh et al.

 

 

. اسفیدانی، محمدرحیم؛ نظری، محسن؛ آقایی، محمد و عبدالعلی، حامد (1396). طراحی مدل بازاریابی رابطه‌ای بین بنگاهی در شبکة کسب‌وکار گردشگری پارسیان. تحقیقاتبازاریابینوین، 7(4)، 23-40.

2. اسماعیل‌پور، مجید؛ صیادی، امراله؛ دلواری، مرضیه و موسوی شورگلی، سولماز (1396). تأثیر مسئولیت اجتماعی شرکت بر وفاداری به برند به واسطة اعتبار برند (مورد مطالعه: بانک صادرات ایران، شهر بوشهر).  تحقیقات بازاریابی نوین، 7(4)، 57-76.

3. الوانی، سیدمهدی و حسین‌پور، داود (1395). کاربرد شبکه‌های عصبی مصنوعی در تصمیم‌گیری راهبردی.  مطالعات مدیریت بهبود و تحول، 14(54)، 1-38.

4. بحرینی‌زاده، منیژه؛ اسماعیل‌پور، مجید و کبوتری، جمال الدین (1396). ارزیابی و رتبه‌بندی مؤلفه‌های کیفیت خدمات الکترونیک مؤثر بر رضایتمندی و قصد استفاده مشتریان.  مطالعاتمدیریتکسب‌وکارهوشمند، 6(2)، 49-74.

5. بهرام‌زاده، محمد مهدی و شوکتی‌مقرب، سمیه (1389). شناسایی و رتبه‌بندی عوامل مؤثر بر وفاداری مشتریان در بانک‌های خصوصی استان خوزستان. دومین اجلاس بین‌المللی بازاریابی خدمات مالی، تهران، مرکز بازاریابی خدمات مالی.

6. پورتر، میشل. (2008). استراتژی رقابتی. ترجمة جهانگیر مجیدی و عباس مهرپویا (1387). تهران: مؤسسة خدماتی فرهنگی رسا.

7. خاکسار،غلام عباس(1380). بررسیوفاداریمشتریاندرنظامبانکیکشور، پایا‌ن نامة کارشناسی ارشد،   تهران، دانشگاه شهید بهشتی، گروه بازرگانی.

8. دهقانی طرزه، ع. (1382). ارائة طرح وفاداری مشتریان بانک رفاه از دیدگاه مشتریان، پایان‌نامة کارشناسی ارشد، تهران، دانشگاه علامه طباطبایی (ره).

9. طولابی، زینب؛ خلفی، علی اکبر و نامدارجویمی، احسان (1393). بررسی تأثیرتاکتیک‌های بازاریابی رابطه‌ای بروفاداری مشتری. مورد مطالعه: مشتریان شرکت همراه اول در دانشگاه ایلام. اولین همایش ملی حسابداری، حسابرسی و مدیریت، اصفهان: مؤسسة آموزش عالی جامی.

10. قاضی‌زاده، مصطفی؛ بشیری، مهدی.؛ کریمی، سمیه و گوهرپاد، مهدی (1393). بخش‌بندی بازار شامپو از دیدگاه مشتریان با استفاده از تکنیک شبکة عصبی مصنوعی و شناسایی ویژگی‌های هر بخش مبتن‌ بر روش تاگوچی.  تحقیقات بازاریابی نوین، 4(4)، 125-142.

11. فرجی، احمد و معماریان، عرفان (1395). بازاریابی رابطه‌مند و وفاداری مشتریان به برندهای سیم‌کارت‌های تلفن سیار (بررسی مقایسه‌ای در برند ایرانسل و همراه اول).کنفرانس بین­المللی پژوهش­های نوین در مدیریت، اقتصاد و حسابداری، تهران: مؤسسة مدیران ایده‌پردازان پایتخت ایلیا، انجمن اقتصاد و انرژی.

12. موسوی، احسان؛ ثانوی‌فرد، رسول و قهرمانی‌مطلق، سحر (1394). بررسی تاکتیک‌های بازاریابی رابطه‌ای بر وفاداری مشتری (مطالعة موردی شرکت همراه اول در شهر تهران). کنفرانس بین­المللی پژوهش‌های نوین در مدیریت، اقتصاد و حسابداری، تهران: مؤسسة مدیران ایده‌پردازان پایتخت ایلیا، انجمن اقتصاد و انرژی.

13. میرغفوری، سید حبیب اله؛ طاهری دمنه، محسن و زارع احمدآبادی، حبیب (1388). ارزیابی روش‌های سنجش کیفیت خدمات به‌وسیلة شبکه‌های عصبی مصنوعی. فصلنامة چشم‌اندازمدیریت، 8 (31)، 63-79.

14. ورزشکار، محسن (1382). عوامل مؤثر بر حفظ و تقویت وفاداری مشتریان محصولات شرکت صنعتی بوتان، پایان‌نامة کارشناسی ارشد، تهران، دانشگاه علامه طباطبایی (ره).

15. هرندی، عطاء الله؛ فاطمی، زهرا و عبدی، زهرا (1396). نگاهی نوآورانه به بانکداری الکترونیک: تبیین نقش استراتژی‌های بازاریابی رابطه‌مند در ارتباط با مشتریان.  تحقیقات بازاریابی نوین، 7(3)، 55-76.

16. Afsar, B. (2010). Determinants of customer loyalty and proposing a customer loyalty model for the banking sector of Pakistan. African Journal of Business Management, 4(6), 1040-1047.

17. Behara, R. S., Fisher, W.W., & Lemmink, J.G. (2002). Modelling and evaluating service quality measurement using neural networks. International Journal of Operations and Production Management, 22(10), 1162-1185.

18. Bromley, B. (2001). Relationship between personal and corporate reputation. European Journal of Marketing, 35(3/4), 316-334.

19. Ganesh, J., Arnold, M. J., & Reynolds, K. E. (2000). Understanding the customer base of service providers: An examination of the differences between switchers and stayers. Journal of Marketing, 64(3), 65-87.

20. Gee, R., Coates, G., & Nicholson, M. (2008). Understanding and profitably managing customer loyalty: Durham University, Durham, UK. Marketing Intelligence & Planning, 26(4), 359-374

21. Grönroos, C. (2004). The relationship marketing process: communication, interaction, dialogue, Value. Journal of Business and Industrial Marketing, 19(2), 99-113.

22. Gummerus, J., Koskull, C., & Kowalkowski, C. (2017). Relationship marketing: Past, present and future. Journal of Services Marketing, 31(1), 1-10.

23. Hald, K. S., Cordón, C., & Vollmann, T. E. (2009). Towards an understanding of attraction in buyer–supplier relationships.  Industrial Marketing Management, 38(8), 960–970.

24. Khadka, K., & Maharjan, S. (2017). Customer Satisfaction and Customer Loyalty: Case Trivsel Städtjänster (Trivsel siivouspalvelut). Thesis Central University of Applied Scinces. Business Management.

25. Kine, M. (2001). The relation between customer satisfaction, customer loyalty & customer profitability. New York: Working Paper.

26.  Kiran, D. R. (2017). Total Quality Management. Key Concepts and Case Studies, Oxford, Unite Kingdom: Butterworth-Heinemann.

28. Lee. C., Rey, T., Mentele, J., & Garver, M. (2002). Structured Neural Network Techniques for Modeling Loyalty and Profitability. Paper 082-30.

29. Morgan, R. M., & Hunt, S. D. (1995). The commitment- trust theory of relationship marketing. Journal of Marketing, 58(3), 20-38.

30. Narteh, B., Agbemabiese, G. C., Kodua, P., & Braimah, M. (2013). Relationship marketing and customer loyalty: Evidence from the Ghanaian luxury hotel Industry. Journal of Hospitality Marketing & Management, 22(4), 407-436.

31. Ngoma, M., Ntale, P. D., & Wright, L.T. (2019). Word of mouth communication: A mediator of relationship marketing and customer loyalty. Cogent Business & Management6(1), 1-20.

32. Oliver, R. L. (1999). Whence consumer loyalty? JournalofMarketing, 63(Special Issue), 33-44.

33. Olotu, A. O., Maclayton, D. W., & Opara, B. C. (2010). An empirical study of relationship marketing orientation and bank performance. Research Journal of International Studies, 16(1), 47-57.

34. Prentice, C., & Loureiro, S. M. C. (2017). An asymmetrical approach to understanding configurations of customer loyalty in the airline industry. Journal of Retailing and Consumer Services, 38(1), 96-107.

35. Putra, W. J. A., & Putri, D. P. (2019). The mediating role of relationship marketing between service quality and customer loyalty. Journal of Relationship Marketing, 18(3), 233-245.

36. Rashid, T., & Raj, R. (2003). Relationship marketing: Case studies of personal experiences of eating out. British Food Journal, 10(1/5), 742-750.

37. Reichheld, F. F. (2003). The one number you need to grow. Harward Business Review, 81(12), 46–55.

38. Reynolds, P. D., & Carter, N. M. (2000). The prevalence of nascent entrepreneurs in the United States: Evidence from the panel study of entrepreneurial dynamics. Small Business Economics, 23(4), 263–284.

39. Scheer, L. K., Miao, C. F., & Palmatier, R. W. (2015). Dependence and interdependence in marketing relationships: Meta-analytic insights. Journal of the Academy of Marketing Science, 43 (6), 694-712.

40. Sramek, B. & Mentzer, T. J, & Sank, P.T. (2007). Creating consumer durable retailer customer loyalty through order fulfillment service operations. Journal of Operations Management, 26(6), 781-797.

41. Wagner, J. (2004). Nascent entrepreneurs. Iza Discussion Paper, (1293), 15-37.

42. Wah Yap, B. (2006). Some Applications of Data Mining. Malaysia: Faculty of Information Technology and Quantitative Sciences University Technology MARA.

43. Wang, Y., Hing, P., & Yar, H. (2004). The antecedents of service quality and product quality and their influences on bank reputation: evidence from the banking industry in China. Managing Service Quality, 13(1), 72-83.

44. Yang, C. C., & Chao, C. C. (2017). How relationship marketing, switching costs, and service quality impact customer satisfaction and loyalty in Taiwan’s airfreight forwarding industry? Transportmetrica A: Transport Science13(8), 679-707.