CRM fejlesztése a gyakorlatban, ügyfélkapcsolati menedzsment innováció

Szerzők

  • Papp János Szent István University
  • Lázár Ede Sapientia Hungarian University of Transylvania
  • Brix Ágnes Szent István University

DOI:

https://doi.org/10.18531/Studia.Mundi.2015.02.02.136-148

Kulcsszavak:

Costumer relationship, predicting model, CRM

Absztrakt

A tanulmányban egy olyan ügyfélkapcsolati modellt mutatunk be, amely nem csak innovatív elemeket visz be egy konkrét szolgáltató ügyfélkapcsolat menedzsmentjébe (Customer Relationship Management - CRM), hanem újraszervezi az ügyfélszolgálati folyamatot is. A modell elsődleges célja, hogy növelje az ügyfelek elégedettségét, ezzel összhangban csökkentse a távozó ügyfelek, a lemorzsolódás arányát és elősegítse új ügyfelek szerzését. A modell legfontosabb eredményei az ügyfelenkénti lojalitás-mérés, ami közvetlenül meghatározhatja az ügyfélkapcsolatot, továbbá a magyarázó változók becsült paramétereinek vizsgálata által képet kapunk a különböző kedvezmények, CRM elemek és CRM csatornák hatékonyságáról.

Szerző életrajzok

  • Papp János, Szent István University

    egyetemi docens

  • Lázár Ede, Sapientia Hungarian University of Transylvania

    egyetemi docens, dékánhelyettes

  • Brix Ágnes, Szent István University

    PhD-hallgató

Hivatkozások

Amemiya T. (1985): Advanced econometrics. : Harvard University Press. 521. p., ISBN 0-674-00560-0

Borgulya I. (1998): Neurális hálók és fuzzy rendszerek. Dialog Campus.ISBN: 9789639123274

Fajszi B. – Cser L. (2004): Üzleti tudás az adatok mélyén. Budapesti Műszaki és Gazdaságtudományi Egyetem. 260. p., ISBN: 9634215580

Franses P.H. – Paap R. (2001): Quantitative models in marketing research. Cambridge: Cambridge University Press. 206. p., ISBN 0-521-80166-4

Greene W. (2003): Econometric analysis. Fifth Edition. New Jersey, Upper Saddle River: Prentice Hall. 1083. p., ISBN 9788177586848

Hajdu O. (2003): Többváltozós statisztikai számítások. Budapest: Aula Kiadó 457. p., ISBN 963-215-600-5

Hosmer D. W. ― Lemeshow S. (2000): Applied Logistic Regression, 2nd edition. New York: Wiley, 392p., ISBN 9780470582473

Kumar A. - VIthala R. R. - HARSH S. (1995) An Empirical Comparison of Neural Network and Logistic Regression Models, Marketing Letters, Vol. 6. No. 4. 251-264. p., ISSN: 0923-0645 DOI: http://dx.doi.org/10.1007/BF00996189

Long J. S. (1997): Regression Models for Categorical and Limited Dependent Variables. Thousand Oaks: Sage. 297 p., ISBN 9780803973749 DOI: http://dx.doi.org/10.1086/231290

Oravecz B. (2007): Credit scoring modellek és teljesítményük értékelése, Hitelintézeti Szemle a Magyar Bankszövetség kiadványa, Vol. 2007. No. 6. 607-627. p., ISSN 1588- 6883

Sajtos L.―Mitev A. (2007): SPSS kutatási és adatelemzési kézikönyv. Budapest: Alinea Kiadó. 402. p., ISBN 978-963-9659-08-7

de SÁ J.P.M. (2007): Applied Statistics Using SPSS, STATISTICA, MATLAB and R.. Heidelberg: Springer. 520. p., ISBN 978-3-540-71971-7 DOI: http://dx.doi.org/10.1007/978- 3-540-71972-4

Schweidel D. A. , Fader P. S., Bradlow E. T. (2008): Understanding Service Retention Within and Across Cohorts Using Limited Information, Journal of Marketing Vol. 72. No. 1. 82-94. p., ISSN 0022-2429 DOI: http://dx.doi.org/10.1509/jmkg.72.1.82

Letöltések

Megjelent

2015-11-02

Hasonló cikkek

21-30 a 42-ból/ből

You may also Haladó hasonlósági keresés indítása for this article.