بررسی تاثیر سبک های دلبستگی مشتریان بر بکارگیری مدیریت ارتباط با مشتریان (مطالعه موردی: مرکز آموزش های الکترونیکی دانشگاه تهران)
- رشته تحصیلی
- مدیریت اجرایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57493
- تاریخ دفاع
- ۱۹ اسفند ۱۳۹۱
- دانشجو
- وحید مقصودی
- استاد راهنما
- محمد حقیقی
- چکیده
- مصرف کنندگان در ارتباطشان با سازمان های خدماتی نیازها و تمایل های متفاوتی دارند و تمام آنها نسبت به برقراری روابط نزدیک تجاری به شکل مشابهی متمایل نیستند. با وجود اینکه مدیریت ارتباط با مشتری یکی از اولویت های تحقیقاتی در حوزه بازاریابی بوده است، اما محققان و مدیران بازاریابی به طور مناسبی این ترجیحات ارتباطی متمایز را درک نکرده اند. در نتیجه، ادبیات بازاریابی نیازمند مدلی با پشتوانه تئوریک قوی است که ترجیحات ارتباطی مشتری را تشخیص دهد و چگونگی تأثیرگذاری این ترجیحات بر CRM را تبیین کند. از آن سو، در حوزه روانشناسی، نظریه دلبستگی با استفاده از سبک های دلبستگی افراد به تشریح الگوهای احساسی، ادراکی و رفتاری افراد در روابط نزدیک شان می پردازد. پایاننامه حاضر به عنوان یک تحقیق بین رشته ای با استفاده از بستر این نظریه بسیار معتبر حوزه روانشناسی اجتماعی، مدلی برای تبیین ترجیحات ارتباطی مشتریان در حوزه بازاریابی ارائه می کند. این پایان نامه با معرفی "سبک های دلبستگی مشتریان" به محققان و مدیران بازاریابی در شناسایی و پیشبینی نیاز های ارتباطی مشتریان کمک می کند. در این تحقیق مدلی مورد آزمون قرار می گیرد که: الف- پیش بینی میکند کدام مشتریان نسبت به تلاش های یک سازمان در برقراری ارتباط با مشتری پذیرا هستند/نیستند؛ ب-چگونگی تأثیرگذاری سبک های دلبستگی مشتریان بر رضایت، اعتماد، تعهد عاطفی و وفاداری مشتری را می سنجد؛ و پ-به مدیران کمک می کند با بهره گیری از سبک های دلبستگی مشتریان، فعالیت های CRM شان را برای هر دسته از مشتریان سفارشی کنند. برای این منظور تحقیقی پیمایشی در مرکز آموزش های الکترونیکی دانشگاه تهران (به عنوان یک مرکز خدماتی) و بر روی دانشجویان (به عنوان مصرف کننده خدمات) انجام شد تا ارتباط بین سبکهای دلبستگی مشتریان با متغیرهای ارتباطی مذکور بررسی شود. در مجموع، پایان نامه حاضر نشان می دهد که نظریه دلبستگی مبنای نظری قدرتمندی برای یک رویکرد پیشبینانه و مبتنی بر مشتری برای بهبود کارایی و اثربخشی فعالیت های CRM سازمان است.
- Abstract
- Consumers have different needs and desires in their relationship with service firms and not every consumer is willing to engage in close commercial relationship in the same manner. Although Customer Relationship Management (CRM) is a top priority for marketers, scholars and managers do not appropriately understand these distinct relational preferences. Consequently, marketing research is in need of a theory-derived model that depicts customers` relational preferences and how these preferences influence CRM. Extending marketing knowledge, this dissertation develops such a model based on attachment theory which accounts for the distinct emotional, cognitive and behavioral patterns people develop in relationships by ‘attachment styles’. This dissertation introduces ‘customer attachment styles’ to help researchers and managers in identifying and predicting the relational needs of customers. This research tests a model that (a) predicts which consumers will tend (not) to welcome a firm`s customer relationship building efforts, (b) examines how customer attachment styles influence consumers` satisfaction, trust, affective commitment, and loyalty towards the firm, and (c) aims to support managers in tailoring and leveraging CRM in light of customer attachment styles. Survey-based data in the University of Tehran as a service provider and on students as consumers reveal the relevance of customer attachment styles for the aforementioned outcome variables. Advocating a new way of thinking about customer relational needs, this dissertation contributes to the marketing literature as follows: First, it responds to the need for CRM-researchers to suitably address heterogeneity in customer behavior such as relationship seeking versus avoidance. Second, it provides measurement scales to capture customer attachment styles as defined by attachment theory; as such, it proposes new, predictive measures for customer segmentation which remain rare in marketing research to date. Finall