چارچوبی برای سنجش عادلانه‌تر عملکرد دفاتر فروش: ترکیب شاخص‌های کیفی و کمی با مجموعه‌های نوتروسوفیک

نویسندگان

  • مریم احمدی‌کیا * گروه تحقیقاتی سیستم‌های هوشمند صنعتی مروارید، ایران.

https://doi.org/10.22105/msda.v1i1.123

چکیده

هدف: یکی از چالش‌برانگیزترین مسایل در کسب‌وکارهای امروزی، جلب و حفظ رضایت مشتری است. در این میان، ارزیابی عملکرد دفاتر فروش نقش اساسی در بهبود کیفیت خدمات و افزایش رضایت مشتریان ایفا می‌کند. هدف این پژوهش سنجش و اولویت‌بندی عملکرد نمایندگی‌های بیمه پاسارگاد در شعبه تنکابن با رویکردی جامع است که شاخص‌های کمی و کیفی را در کنار هم مورد توجه قرار می‌دهد تا تصویری دقیق‌تر و واقع‌بینانه‌تر از عملکرد نمایندگی‌ها ارائه شود.

روش‌شناسی پژوهش: برای دستیابی به هدف فوق، پژوهش حاضر از رویکردی ترکیبی بهره گرفته است که در آن شاخص‌های کمی و کیفی با استفاده از مدل‌سازی نوتروسوفیک ادغام شده‌اند. در این چارچوب، ابتدا معیارهای عملکردی شناسایی و داده‌های مربوط به آن‌ها جمع‌آوری شد. سپس جهت رتبه‌بندی نمایندگی‌ها از روش تاپسیس استفاده گردید. به‌منظور درنظرگرفتن ابهام و عدم‌قطعیت در داده‌های کیفی (مانند رضایت مشتری، مدیریت ارتباط با مشتری و کیفیت منابع انسانی)، این داده‌ها در قالب مجموعه‌های نوتروسوفیک مدل‌سازی شدند.

یافته‎ها: نتایج نشان داد که ادغام شاخص‌های کمی و کیفی در چارچوب نوتروسوفیک–تاپسیس منجر به افزایش معنادار دقت رتبه‌بندی نمایندگی‌ها می‌شود. یافته‌ها بیانگر آن است که در مقایسه با روش‌های سنتی مبتنی بر شاخص‌های صرفا کمی (مانند حجم فروش)، مدل پیشنهادی چیدمان متفاوت و منصفانه‌تری ارایه می‌دهد. همچنین مشخص شد که شاخص‌های کیفی مانند مدیریت ارتباط با مشتری و مدیریت منابع انسانی، تاثیر بسزایی در تمایز عملکرد نمایندگی‌ها دارند.

اصالت/ارزش‌افزوده علمی: نوآوری این پژوهش در ترکیب هم‌زمان شاخص‌های کمی و کیفی با استفاده از منطق نوتروسوفیک نهفته است؛ رویکردی که قادر است ابهام و ذهنیت موجود در قضاوت‌های انسانی را در ارزیابی عملکرد لحاظ کند. این مدل، چارچوبی دقیق‌تر (به‌واسطه نوتروسوفیک) و عادلانه‌تر (به‌سبب درنظرگرفتن معیارهای کیفی) برای سنجش و رتبه‌بندی نمایندگی‌های بیمه فراهم می‌آورد و می‌تواند به‌عنوان الگویی کاربردی در تصمیم‌گیری‌های راهبردی صنعت بیمه مورد استفاده قرار گیرد.

کلمات کلیدی:

Prioritization, Pasargad insurance, Neutrosophic sets, Qualitative judgments

مراجع

  1. [1] Ghahremani-Nahr, J., Nozari, H., & Sadeghi, M. E. (2022). Investment modeling to study the performance of dynamic networks of insurance companies in Iran. Modern research in performance evaluation, 1(2), 67–79. (In Persian). https://doi.org/10.22105/mrpe.2022.136608
  2. [2] Montazeri, J., Yazdani, R., & Kaviani, M. (2020). Analysis of relationship between the performance and efficiency based on CCR and BCC models in the Iranian insurance industry: Tobit’s approach. Innovation management and operational strategies, 1(1), 57–72. (In Persian). https://doi.org/10.22105/imos.2021.265758.1023
  3. [3] Khoshnamak, B., Iranzadeh, S., Khadivi, A., & Taghizadeh, H. (2020). Designing a competency model for selecting managers in service organizations and determining the competence of managers in accordance with the organizational position. Journal of decisions and operations research, 5(1), 83–98. (In Persian). https://doi.org/10.22105/dmor.2020.235628.1157
  4. [4] Mehrabi, M., Sorourkhah, A., & Edalatpanah, S. A. (2023). Decision-making regarding the granting of facilities to sepah bank loan applicants based on credit risk factors considering hesitant fuzzy sets. Financial and banking strategic studies, 1(3), 153-166. (In Persian). https://doi.org/10.22105/fbs.2023.181500
  5. [5] Joorbonyan, Z., Sorourkhah, A., & Edalatpanah, S. A. (2024). Identifying and prioritizing appropriate strategies for customer loyalty in a mass environment (Case study: Clothing house). Journal of decisions and operations research, 9(1), 98-119. (In Persian). https://doi.org/10.22105/dmor.2024.420185.1800
  6. [6] Fahimi, K., Jafari Shahrestani, A., Zamaninejad, A. R., & Kaboli, F. (2024). Proposing a performance assessment model for the tehran municipality using TOPSIS and AHP. Journal of applied research on industrial engineering, 11(2), 298–317. https://doi.org/10.22105/jarie.2024.407131.1554
  7. [7] Hesami, F. (2024). A hybrid ANP-TOPSIS method for strategic supplier selection in RL under rough uncertainty: A case study in the electronics industry. Uncertainty discourse and applications, 1(1), 41–65. https://doi.org/10.48313/uda.v1i1.25
  8. [8] Saraswathi, A., Edalatpanah, S. A., & Hami, H. K. S. (2024). A decision-making approach for studying fuzzy relational maps under uncertainty. Systemic analytic, 2(2), 243–255. https://doi.org/10.31181/sa22202426
  9. [9] Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X
  10. [10] Atanassov, K. T. (1986). Intuitionistic fuzzy sets. Fuzzy sets and systems, 20(1), 87–96. https://doi.org/10.1016/S0165-0114(86)80034-3
  11. [11] Smarandache, F. (1998). Neutrosophy: Neutrosophic probability, set, and logic: Analytic synthesis & synthetic analysis. Rehoboth: American research press. https://philpapers.org/rec/Smannp
  12. [12] Edalatpanah, S. A. (2022). Using hesitant fuzzy sets to solve the problem of choosing a strategy in uncertain conditions. Journal of decisions and operations research, 7(2), 373–382. (In Persian). https://doi.org/10.22105/dmor.2022.348658.1626
  13. [13] Pramanik, S., Suman, D., Rakhal, D., & Binod, C. T. (2023). Neutrosophic BWM-TOPSIS strategy under SVNS environme. Neutrosophic sets and systems, 56(1), 178–189. https://digitalrepository.unm.edu/cgi/viewcontent.cgi?article=2328&context=nss_journal
  14. [14] Junaid, M., Xue, Y., Syed, M. W., Li, J. Z., & Ziaullah, M. (2019). A Neutrosophic AHP and TOPSIS framework for supply chain risk assessment in automotive industry of Pakistan. Sustainability, 12(1), 154-180. https://doi.org/10.3390/su12010154
  15. [15] Esfandabadi, Z. S., Ranjbari, M., & Scagnelli, S. D. (2023). Prioritizing risk-level factors in comprehensive automobile insurance management: A hybrid multi-criteria decision-making model. Global business review, 24(5), 972–989. https://doi.org/10.1177/0972150920932287
  16. [16] Kardgar, A., & Torabi, P. (2023). Identifying key factors and prioritizing insurance companies in implementing service innovation management. The 6th international conference on interdisciplinary studies in management and engineering. Tehran, Iran, Civilica. (In Persian). https://civilica.com/doc/1620592/
  17. [17] Rashidifard, S. M., Safari, S., & Habibirad, A. (2020). Identifying and prioritizing the criteria for evaluating entrepreneurial opportunities in the insurance industry (Case study: Parsian insurance company). Iranian journal of insurance research, 10(1), 15–24. (In Persian). https://doi.org/10.22056/ijir.2021.01.02
  18. [18] Hasanpur, A., Yusefi Zenuz, R., Safari, H., & Ghujali, T. (2021). Identifying and Prioritizing human resource risks in the Iranian insurance industry using fuzzy Delphi and ANP. Economic and Planning Research, 25(4), 119–146. (In Persian). http://dx.doi.org/10.52547/jpbud.25.4.119
  19. [19] Daghighi Asli, H., Shahroodi, K., Mirbargkar, S. M., & Rahmati, R. (2021). Identify and rank the factors affecting sales forces empowerment in the insurance industry. Journal of human capital empowerment, 3(4), 331–337. (In Persian). https://journals.iau.ir/article_680287.html
  20. [20] Estupiñán, J., Rosado, Z. M. M., Pataron, E. K. C., & Vargas, V. Y. V. (2021). Measuring legal and socioeconomic effect of the declared debtors usign the ahp technique in a neutrosophic framework. Neutrosophic sets and systems, 44, 357–366. https://fs.unm.edu/nss8/index.php/111/article/download/2711/1186

دانلود

چاپ شده

2023-09-17

شماره

دوره 1 شماره 1 (1402): علوم مدیریت و تحلیل تصمیم

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

احمدی‌کیا م. (2023). چارچوبی برای سنجش عادلانه‌تر عملکرد دفاتر فروش: ترکیب شاخص‌های کیفی و کمی با مجموعه‌های نوتروسوفیک. علوم مدیریت و تحلیل تصمیم , 1(1), 52-58. https://doi.org/10.22105/msda.v1i1.123
Crossref
Scopus
Google Scholar
Europe PMC