دانلود ترجمه مقاله بهبود فروش B2B با تحلیل کلان داده های مشتری

1. مقدمه 2. پیشینه نظری و توسعه فرضیات 3. داده ها و روش ها 4. نتایج 5. بحث و بررسی و نتیجه گیری

چکیده – این مطالعه بر روی استفاده از آنالیز داده های بزرگ در مدیریت روابط مشتری B2B و بررسی اثرات آنالیز داده بزرگ بر عملکرد رابطه مشتری و رشد فروش با استفاده از یک مجموعه داده چند صنعتی از 417 شرکت B2B متمرکز است، همچنین در این مطالعه به بررسی این که آیا فرهنگ تحلیلی در یک شرکت، این اثرات را وساطت می کند یا خیر، پرداخته شد. در این مطالعه پی بردیم که استفاده از داده های بزرگ رشد فروش را به میزان قابل توجهی تقوت می کند (یعنی نتایج عملکرد پولی) و باعث افزایش عملکرد رابطه مشتری (نتایج عملکرد غیرپولی) می شود. با این حال، تاثیر دومی برای شرکت هایی که دارای فرهنگ تحلیلی به منظور حمایت از تحلیل بازاریابی هستند، قوی تر است، در حالی که تاثیر اولی صرفنظر از فرهنگ بازاریابی بدون تغییر باقی می ماند. این مطالعه به صورت تجربی نشان داد که تحلیل داده های بزرگ مشتری باعث بهبود عملکرد رابطه مشتری و رشد فروش در شرکت های B2B می شود. مقدمه: بررسی صورت گرفته در آمریکا و دیگر نقاط جهان گزارش داد که 84 درصد شرکت های صنعتی ابتکارات تحلیل داده های بزرگ را به منظور دقت بیشتر در تصمیم گیری شروع کردند (آمار، 2018). آنالیز داده های بزرگ یعنی استفاده از داده های بزرگ و روش های تحلیلی مربوطه به منظور ارائه ارزش به شرکت ها با کاهش هزینه ها و ایجاد مسیرهای جدید برای نوآوری (شرکاء NewVantage، 2017). آنالیز داده بزرگ شرکت ها را قادر به تقویت عملیات های کسب و کار خود در مدیریت زنجیره تامین (گوسکاران و همکاران 2017) و مدیریت ارتباط با مشتری (نام، لیی و لیی، 2019، فیلیپس – وارن و هوسکیسون، 2015، زربینو، آلیونی، دولمین و مینو، 2018). در مدیریت ارتباط با مشتری، ظهور آنالیز داده بزرگ موج جدیدی از راهکارها را به منظور حمایت از شخصی سازی و سفارشی سازی فروش و خدمات مشتری (آناشاری، آلمونوار، لیم و آل – مودیمگ، 2018) و به منظور ایجاد روابط قوی تر و شخصی تر با مشتریان ایجاد می شود (دی لیما فرانسیسکو، مورا، سابینو، سانتوس و اکورسیو، 2016). همچنین، داده بزرگ به منظور شناسایی آنچه در واقع مشتریان از شرکت انتظار دارند و به منظور پیش بینی تقاضای آینده آن ها (پریرا، دینیلی و کولماوانسا، 2018) با استفاده از فناوری ها و ابزارهای داده بزرگ (امتیاس و کیوانپور، 2011) مفید است.

This study focuses on the use of big data analytics in managing B2B customer relationships and examines the effects of big data analytics on customer relationship performance and sales growth using a multi-industry dataset from 417 B2B firms. The study also examines whether analytics culture within a firm moderates these effects. The study finds that the use of customer big data significantly fosters sales growth (i.e. monetary performance outcomes) and enhances the customer relationship performance (non-monetary performance outcomes). However, the latter effect is stronger for firms which have an analytics culture which supports marketing analytics, whereas the former effect remains unchanged regardless of the analytics culture. The study empirically confirms that customer big data analytics improves customer relationship performance and sales growth in B2B firms. Introduction: A survey in the United States and worldwide reports that 84% of industry‑leading firms have started big data analytics initiatives to bring greater accuracy to their decision-making (Statista, 2018). Big data analytics, i.e. the utilization of big data and related analytics methods, is reported to deliver the most value to firms by reducing expenses and creating new avenues for innovation and disruption (NewVantage Partners, 2017). Big data analytics enables firms to strengthen their business operations, for example, in supply chain management (Gunasekaran et al., 2017) and customer relationship management (Nam, Lee, & Lee, 2019; Phillips-Wren & Hoskisson, 2015; Zerbino, Aloini, Dulmin, & Mininno, 2018). In customer relationship management, the emergence of big data analytics will enable a new wave of strategies to support the personalization and customization of sales and customer services (Anshari, Almunawar, Lim, & Al-Mudimigh, 2018), and to build stronger and more personal relationships with customers (De Lima Francisco, Moura, Sabino, Santos, & Esquarcio, 2016). Also, big data is useful to identify what customers actually expect from companies and to predict their future demands (Perera, Dilini, & Kulawansa, 2018) utilizing big data technologies and tools (Emtiyas & Keyvanpour, 2011).