انتخاب  شرکت های اینترنتی بر اساس معیارهای   CRMبا کمک تحلیل پوششی داده‌ها در  روش فرایند تحلیل سلسله مراتبی رای دهی

نویسندگان

  • ساویز ساعی * گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
  • محمد جعفر تارخ گروه مهندسی صنایع، دانشگاه خواجه نصیر طوسی، تهران، ایران.

https://doi.org/10.22105/msda.v3i1.75

چکیده

هدف: این پژوهش با هدف رتبه‌بندی شرکت‌های اینترنتی از منظر معیارهای مدیریت ارتباط با مشتری انجام شده است. با توجه به نقش فزاینده‌ی شرکت‌های اینترنتی در تعاملات خدماتی، هدف اصلی تحقیق، ارایه چارچوبی کمی و ساختاریافته برای انتخاب شرکت‌های برتر با تاکید بر معیارهای مشتری‌محور می‌باشد.

روش‌شناسی پژوهش: روش تحقیق ترکیبی از فرآیند تحلیل سلسله‌مراتبی رای‌گیری و تحلیل پوششی داده‌ها است. ابتدا ۶ معیار اصلی و ۱۲ زیرمعیار از طریق مرور ادبیات و نظر خبرگان استخراج گردید. سپس با استفاده از نظرات ۳۰ خبره، اولویت‌دهی و وزن‌دهی به معیارها انجام شد و مدل سلسله‌مراتبی توسعه یافت. در ادامه، به کمک نرم‌افزار WINQSB و مدلDEA ، وزن‌ها محاسبه و امتیاز نهایی ۱۰ شرکت اینترنتی مشخص گردید.

یافته‌ها: نتایج نشان داد که معیارهایی نظیر "بررسی رضایت مشتریان"، "نیازهای فعلی مشتری" و "جذب مشتری جدید" دارای بیش‌ترین تاثیر در انتخاب شرکت برتر هستند. شرکت شماره ۷ با بالاترین امتیاز (45.875) به‌عنوان بهترین شرکت اینترنتی از منظر CRM انتخاب شد. این نتایج نشانگر اثربخشی تلفیق روش VAHP و DEA در تصمیم‌گیری‌های چندمعیاره در حوزه خدمات مشتری‌محور است.

اصالت/ارزش افزوده علمی: پژوهش حاضر رویکردی نوآورانه در استفاده هم‌زمان از VAHP و DEA برای رتبه‌بندی شرکت‌های خدماتی ارایه داده است. برخلاف روش‌های سنتی، این چارچوب امکان تلفیق داده‌های کیفی و کمی و استفاده از نظرات خبره را فراهم می‌سازد. همچنین قابلیت تعمیم آن به سایر حوزه‌های خدماتی و صنایع مشتری‌محور وجود دارد.

کلمات کلیدی:

تحلیل پوششی داده‌ها، تحلیل سلسله‌مراتبی رای‌گیری، رتبه‌بندی شرکت‌های اینترنتی، تصمیم‌گیری چندمعیاره

مراجع

  1. [1] Li, S. T., Shue, L. Y., & Lee, S. F. (2006). Enabling customer relationship management in ISP services through mining usage patterns. Expert systems with applications, 30(4), 621–632. https://doi.org/10.1016/j.eswa.2005.07.016
  2. [2] Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management science, 39(10), 1261–1264. https://doi.org/10.1287/mnsc.39.10.1261
  3. [3] Pai, J. C., & Tu, F. M. (2011). The acceptance and use of customer relationship management (CRM) systems: An empirical study of distribution service industry in Taiwan. Expert systems with applications, 38(1), 579–584. https://doi.org/10.1016/j.eswa.2010.07.005
  4. [4] Kalakota, R., & Robinson, M. (1999). E-business: Roadmap for success. Addison-Wesley. https://books.google.ae/books?id=kbN0kd4jlTkC
  5. [5] Liu, F. H. F., & Hai, H. L. (2005). The voting analytic hierarchy process method for selecting supplier. International journal of production economics, 97(3), 308–317. https://doi.org/10.1016/j.ijpe.2004.09.005
  6. [6] Raman, P., C. Michael, W., & and Rauseo, N. A. (2006). Leveraging CRM for Sales: The role of organizational capabilities in successful CRM implementation. Journal of personal selling & sales management, 26(1), 39–53. https://doi.org/10.2753/PSS0885-3134260104
  7. [7] Hong, T., & Kim, E. (2007). The selection of crm systems in financial institutes using the analytic hierarchy. 2007 2nd international conference on digital information management (Vol. 1, pp. 399–404). IEEE. https://doi.org/10.1109/ICDIM.2007.4444256
  8. [8] Zhao, Q. (2009). Study on commercial bank customer value evaluation based on ahp in electronic commerce environment. 2009 international symposium on information engineering and electronic commerce (pp. 281–284). IEEE. https://doi.org/10.1109/IEEC.2009.64
  9. [9] Wang, G., Huang, S. H., & Dismukes, J. P. (2004). Product-driven supply chain selection using integrated multi-criteria decision-making methodology. International journal of production economics, 91(1), 1–15. https://doi.org/10.1016/S0925-5273(03)00221-4
  10. [10] Saaty, T. L. (1980). The analytic hierarchy process: Planning, priority setting, resource allocation. New York: McGraw-Hill. https://books.google.com/books/about/The_Analytic_Hierarchy_Process.html?id=Z8jHAAAAMAAJ
  11. [11] Bouyssou, D. (1999). Using DEA as a tool for MCDM: Some remarks. Journal of the operational research society, 50(9), 974–978. https://doi.org/10.1057/palgrave.jors.2600800
  12. [12] Cook, W. D., & Kress, M. (1990). A data envelopment model for aggregating preference rankings. Management science, 36(11), 1302–1310. https://doi.org/10.1287/mnsc.36.11.1302
  13. [13] Noguchi, H., Ogawa, M., & Ishii, H. (2002). The appropriate total ranking method using DEA for multiple categorized purposes. Journal of computational and applied mathematics, 146(1), 155–166. https://doi.org/10.1016/S0377-0427(02)00425-9
  14. [14] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
  15. [15] Green, R. H., Doyle, J. R., & Cook, W. D. (1996). Preference voting and project ranking using DEA and cross-evaluation. European journal of operational research, 90(3), 461–472. https://doi.org/10.1016/0377-2217(95)00039-9

دانلود

چاپ شده

2025-01-20

شماره

دوره 3 شماره 1 (1404): علوم مدیریت و تحلیل تصمیم

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

ساعی س., & تارخ م. ج. (2025). انتخاب  شرکت های اینترنتی بر اساس معیارهای   CRMبا کمک تحلیل پوششی داده‌ها در  روش فرایند تحلیل سلسله مراتبی رای دهی. علوم مدیریت و تحلیل تصمیم , 3(1), 16-23. https://doi.org/10.22105/msda.v3i1.75
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.