دانلود ترجمه مقاله رابطه تحلیل بازاریابی، چابکی مشتری و رضایت مشتری

1. مقدمه 2. مروری بر مقالات 3. چارچوب مفهومی و توسعه فرضیات 4. مطالعه 1: روش تحقیق 5. مطالعه 1: نتایج 6. مطالعه 2: روش تحقیق 7. بحث و بررسی و دلالت ها 8. محدودیت ها و جهت گیری های مطالعات آتی

چکیده – گذر به سمت یک فرهنگ مبتنی بر داده، پیش‌شرط کلیدی موفقیت کسب‌وکار در عصر دیجیتال امروز است. تحقیقات گذشته عمدتاً بر تأثیر تحلیل بازاریابی بر عملکرد کسب‌وکار تمرکز کرده‌اند و کمتر به بررسی تأثیر استفاده از تحلیل بازاریابی بر چابکی و رضایت مشتری پرداخته‌اند. بر اساس رویکرد قابلیت‌های پویا و با استفاده از مطالعات گذشته، چارچوب مفهومی برای بررسی تأثیر استفاده از تحلیل بازاریابی بر چابکی و رضایت مشتری توسعه دادیم. در مطالعه 1، از داده‌های مقطعی جمع‌آوری‌شده از 468 مدیر از صنایع مختلف استفاده کردیم. در مطالعه 2، از داده‌های طولی در یک مدل پنلی با وقفه زمانی سه موج استفاده کردیم. یافته‌های مطالعه 1 نشان می‌دهند که گردآوری داده و ابزار تحلیلی، محرک‌های کلیدی در پذیرش تحلیل بازاریابی هستند. استفاده از تحلیل بازاریابی زمانی که تلاطم بازار زیاد باشد، تأثیر بیشتری بر چابکی مشتری دارد. همچنین، این مطالعه نشان داد که تأثیر چابکی مشتری بر رضایت مشتری در چنین شرایطی قوی‌تر است. یافته‌های مطالعه 2 نشان داد که استفاده از تحلیل بازاریابی در زمان T1 تأثیر مثبت و قابل توجهی بر چابکی مشتری در زمان T2 دارد، در حالی که چابکی مشتری در زمان T2 تأثیر مثبت و قابل توجهی بر رضایت مشتری در زمان T3 دارد. این یافته‌ها حاکی از تأثیرگذاری زمانی قوی بین استفاده از تحلیل بازاریابی، چابکی مشتری و رضایت مشتری است. یافته‌های این پژوهش نشان می‌دهد که محققان باید فراتر از اثرات مستقیم استفاده از تحلیل بازاریابی نگاه کنند و توجه خود را به نحوه استفاده از تحلیل بازاریابی برای فعال‌سازی و حمایت از قابلیت‌های پویا و رضایت مشتری معطوف کنند.

Shifting towards a more data-driven culture is a key antecedent of business success in today's digital era. Previous research has paid attention to exploring the influence of marketing analytics on business performance, and rarely examined how the use of marketing analytics influences customer agility and satisfaction. According to the dynamic capabilities view and using previous studies, we developed a conceptual framework to explore the effect of marketing analytics use on customer agility and customer satisfaction. In Study 1, we utilised cross-sectional data collected from 468 managers from various industries. In study 2, we employed longitudinal data in a three-wave longitudinal utilising a cross-lagged panel model. Study 1 indicated that data acquisition and tool acquisition are key drivers in adopting marketing analytics. Marketing analytics use has stronger effect on customer agility when market turbulence is high. They also revealed that the influence of customer agility on customer satisfaction in such conditions is stronger. Study 2 revealed that marketing analytics use at time point T1 has a significant and positive influence on customer agility at time point T2, while customer agility at time point T2 has a significant and positive influence on customer satisfaction at time point T3. These findings indicate strong temporal effects between marketing analytics use, customer agility, and customer satisfaction. The findings suggest that researchers should look beyond direct effects of marketing analytics use and shift their attention on how a marketing analytics can be leveraged to enable and support dynamic capabilities and customer satisfaction.