دانلود ترجمه مقاله کاربرد منطق فازی در استراتژی بازاریابی

1. مقدمه 2. مواد و روش ها 3. تحلیل مقالات: مضامین و روندها 4. دیدگاه های نظری 5. نتیجه گیری

چکیده – بازاریابی فازی، میزان تعلق یک مشتری به بخش های خاص بازار را سنجش می کند و در نتیجه، هدفگیری آنها با پیام هایی که آنها را از لحاظ عاطفی و هیجانی جذب می کند، ممکن می سازد. برای درک بهتر کاربرد و اهمیت منطق فازی در استراتژی بازاریابی، یک مرور سیستماتیک مقالات با تحلیل کتابشناسی انجام دادیم تا یک نمونه از 96 مطالعه پایگاه داده SCOPUs را بررسی کنیم تا فعالیت های پژوهشی مرتبط با این موضوع تا دسامبر 2022 را شناسایی نماییم. با این کار، ایجاد یک ارتباط بین این مفاهیم، یعنی بازاریابی و منطق فازی، جهت افزایش تلاش های متخصصان بازاریابی، ممکن شد. برای نمونه، نتایج نشان می دهند که اتخاذ رویکردهایی مانند بازاریابی فازی یا مدل ترکیبی بازاریابی فازی، قابلیت یک شرکت برای ایجاد روابط مشتری قوی تر، افزایش بهره وری و بهبود عملکرد بازاریابی را افزایش می دهد. مقدمه: محیط تجاری امروز بخاطر افزایش تنوع بخشی و جهانی شدن، بسیار رقابتی شده است. در نتیجه، شرکت ها اهمیت توسعه و پیاده سازی استراتژی های بازاریابی متمرکز بر مشتری جهت افزایش وفاداری مشتری و بیشینه سازی سود را تشخیص داده اند. از این رو، در این مقاله، منطق فازی در مدل های بازاریابی تلفیق شده است تا راهکارهای دقیقاً متناسب با هر مشتری، خلق شوند. هرناندز و هیدالگو [1] توضیح می دهند که منطق فازی براساس مشاهده رفتار انسان است. برای مثال، منطق فازی، روش تحلیل مسائل و تصمیم گیری انسان ها با استفاده از مقادیر مبهم یا غیردقیق بجای اتکا بر حقایق مطلق یا مفاهیم کذب را تقلید می کند. اسکات [2]، منطق فازی را به صورت یک رویکرد محاسباتی توصیف می کند که از مطالعه ریاضیاتی منطق چند ارزشی نشات گرفته است که ارزش های واقعیتی احتمالی را از طریق یک متغیر پردازش می کند. برخلاف منطق کلاسیک، که ملزم می کند تا عبارت ها مطلقاً درست یا غلط باشند [3]، منطق فازی از مقادیر درست متغیر از 0 تا 1 استفاده می کند و نشان می دهد که الگوریتم می تواند جواب هایی براساس محدوده داده ها فراهم کند نه فقط در یک نقطه داده ای گسسته [4]. در این حالت، می توان از منطق فازی برای تفسیر داده ها برای اطلاعاتی با تعاریف نسبی یا غیرعینی، استفاده نمود. در شرایط واقعی، عبارت های نادرست یا درست مطلق، نادر هستند، زیرا افراد اطلاعات را به نحو متفاوت درک و تفسیر می کنند [5]. برای مثال، مشتریان ممکن است اطلاعات بازاریابی را به نحو متفاوت تفسیر کنند و باعث تصمیمات و قصدهای مختلف شوند. بنابراین، بکارگیری منطق فازی در بازاریابی به بازاریابان این امکان را می دهد که بر اساس دامنه داده های مختلف از مشتریان و شریکان مختلف، تصمیم گیری کنند.

Fuzzy marketing considers the degree to which a customer belongs to specific segments and subsequently allows them to be targeted with messages that engage them emotionally. To better understand the application and importance of fuzzy logic in marketing strategy, we developed a systematic literature review with bibliometric analysis to examine a sample of 96 studies from the SCOPUS database to identify research activity on this topic until December 2022. It was possible to create a connection between these concepts, marketing and fuzzy logic, to increase the efforts of marketing professionals. For instance, the results show that adopting approaches such as fuzzy marketing or the fuzzy marketing mix model enhances the company’s capability to build stronger customer relationships, enhance profitability, and improve marketing performance. Introduction: Today’s business environment is highly competitive due to increasing diversification and globalization. As a result, companies have recognized the importance of developing and implementing customer-centric marketing strategies to increase customer retention and maximize profits. Consequently, fuzzy logic was integrated into marketing models to create solutions tailored to each customer. Hernández and Hidalgo [1] explain that fuzzy logic is based on observing human behavior. For example, fuzzy logic mimics how people analyze problems and make decisions using ambiguous or imprecise values rather than relying on absolute facts or falsehoods. Scott [2] describes fuzzy logic as a computing approach that stems from the mathematical study of multivalued logic that processes possible truth values through the same variable. Unlike classical logic, which requires statements to be absolutely true or false [3], fuzzy logic involves using true values ranging from 0 to 1, indicating that the algorithm can provide solutions based on data ranges rather than in a discrete data point [4]. In this case, fuzzy logic can be used to interpret data for information with relative or subjective definitions. In real-life situations, falsehood or absolute truth statements are rare since people perceive and interpret information differently [5]. For example, customers may interpret marketing information differently, leading to different decisions and intentions. Thus, employing fuzzy logic in marketing allows marketers to make decisions based on various data ranges from different customers and partners.