A Fuzzy Logic Approach to Evaluation of Customer Satisfaction
Subject Areas : Jounal of Marketing Management
1 - دانشگاه صنعتی خواجه نصیرالدین طوسی
Keywords: Customer satisfaction, Performance evaluation, Success Rate, Fuzzy Logic,
Abstract :
The method of customer satisfaction performance evaluation based on the fuzzy comprehensive evaluation to provide the customer satisfaction performance evaluation of the enterprise with theoretical. In order to increase the customer satisfaction system implementation success rate in enterprise، enhance competitiveness and management level of the enterprise, enable the enterprise to better adapt to fierce market competition, an in depth study on effect evaluation of the customer satisfaction system is conducted. For improve the customer satisfaction performance needs to do a scientific and comprehensive evaluation. The evaluation on customer satisfaction performance is a complex systemic project. In order to do a scientific evaluation fuzzy comprehensive algorithm is used by this paper. In this study, a new methodology of generating customer satisfaction models using a fuzzy approach is proposed.The results show that our proposal can effectively manage logistics customer service, enabling managers to identify targets and formulate competitive strategies to enhance customer satisfaction.
_||_
ارائه رویکردی مبتنی بر منطق فازی برای ارزیابی میزان رضایت مشتری
چکیده:
در این مقاله، رویکردی منطبق بر منطق فازی جهت ارزیابی میزان رضایت مشتری1 ارائه شده، و شاخصهای رضایتمندی نیز مورد بررسی قرار گرفته است. احتمال موفقیت یک سازمان در بازار به شدت به سطح رضایت مشتری، بستگی دارد. برای بهبود عملکرد رضایتمندی مشتری در کسب و کار، یک روشِ ارزیابی عملکرد مدیریت ارتباط با مشتری، بر اساس ارزیابی فازی میباشد. بهمین منظور جهت افزایش نرخ موفقیت در اجرای سیستم های مدیریت ارتباط با مشتری در کسب و کار و افزایش سطح رقابتی و مدیریتی، بررسی کاملی بر روی ارزیابی موثر رضایتمندی مشتری انجام شده است. در این مقاله بمنظور ارزیابی رضایت مشتری، از الگوریتم فازی استفاده شده و یک روش ارزیابی عملکرد مدیریت ارتباط با مشتری با استفاده از رویکرد فازی ارائه شده و کارایی سیستم تحلیل شده است. یکی از ارکان مهم رقابت در مدیریت مشتری مدار، کسب رضایت مشتری است. زیرا یکی از انگیزههای اصلی برای مدیران سازمانهای تجاری که به دنبال بهبودهای عمده در مسیر پیشرفت سازمان خویش هستند، همانا مشتریان آن سازمان می باشند. بنابراین بسیار ضروری است تا آن سازمان، ساختاری برای درک، تجزیه و تحلیل و ارزیابی وضعیت رضایت مشتریانش در اختیار داشته باشد. این مقاله مشخص می کند که دسته های فازی مشتریان، چگونه با توجه به رفتار و علایقشان تعریف و تحلیل میشوند.
واژه های کلیدی: رضایت مشتری، منطق فازی، مدیریت ارتباط با مشتری، ارزیابی عملکرد، نرخ موفقیت.
1-مقدمه
درک و فهم دقیق سازمانها از نیازهای روحی، فرهنگی، اجتماعی، فنی و اخلاقی مشتریان سبب ایجاد خدمات و تسهیلات با جذابیت بیشتر برای مشتریان موسسات خواهد شد. در نتیجه نرخ موفقیت را بالا برده و موفقیت های اقتصادی و اجتماعی بزرگی را متوجه سازمانها خواهد نمود. مشتریان مرکز توجه در مدیریت ارتباط با مشتری هستند. از اینرو، هدف اصلی مقابله با نگرانی های مشتری به منظور جلب مشتریان، ایجاد ارزش دراز مدت و موثر برای آنها و وفادارکردن آنها است. به منظور حفظ قابلیت رقابت و دستیابی به اهداف سازمان، ارزیابی سطح رضایت مشتریان به طور مداوم ضروری میباشد. زیرا خواسته ها و انتظارات مشتریان دربارهی سازمان، هر لحظه در حال تغییر است. روشهای موجود اندازه گیری رضایتمندی مشتریان عموما از نوع قطعی و نیز بر مبنای یک مدل خطی استوار هستند، لذا در این مقاله رویکردی بر اساس منطق فازی جهت مدلسازی رضایت مشتری ارائه شده است. هدف از اجرای سیستم مدیریت ارتباط با مشتری گرفتن اطلاعات قانونی در مورد مشتریان و خودکار کردن پروسهی تراکنشها است. هدف نهایی از ایجاد واجرای مدیریت ارتباط با مشتری، افزایش رضایتمندی مشتری است.(Deng, Lu, Wei & Zhang, 2010) امروزه، شرکتها در تلاشند تا با توجه به ازدیاد شرکتها، به بقای خود در میان این رقبا، ادامه دهند، که بدلیل عدم درک صحیح از مدیریت ارتباط با مشتری حدود 76% پروژه ها با شکست مواجه میشوند. هیچ راهی وجود ندارد که شرکتها از دریافت شکایتها دوری کنند(Business, 2006). اگرچه آنها می توانند سرعت و بهبود مناسب را تضمین کنند و یا منتظر باشند که مشتریان آنها را ترک کنند. اگر مشتریان ناراضی یا زیان دیده باشند، جملات منفی به کار خواهند برد. این به تنهایی ممکن است روحیه صداقت و وفاداری را از بین ببرد. امروزه، شرکتهای بسیاری با یکدیگر در حال رقابت هستند، لذا کسب رضایت مشتریان، و در ادامه وفادار نمودن آنها از اهمیت بسیار بالایی برخوردار میباشد و سازمانها در مدیریت ارتباط با مشتری، مدیریت شکایات مشتریان را نیز در دستور کار خود قرار داده اند، چون شمار شکایات، اخیرا زیاد شده است(Chand 2010). مدیریت شکایات اثر بزرگی بر ادامه طرح کسب و کار شرکتها در صنایع مختلف دارد. بگونهای که روزانه، سازمانها بازخوردهای منفی از مشتریان دریافت میکنند که برنارضایتی مشتریان دلالت دارد. شرکتهای مختلف با چنین بازخوردهایی رفتارهای متفاوتی دارند. بعضی ممکن است آن را به عنوان یک مشکل، برخی دیگر به عنوان یک فرصت ارزشمند برای بهبود بخشیدن طرح کسب وکار خود، و در عین حال برخی دیگر ممکن است به شکایت، به عنوان یک هدیه نگاه کنند. اگرچه شکایتها میتوانند سودمند بوده و تغییراتی را در داخل سازمانها ایجاد کنند، اما سازمانهای بسیاری شکایتها را نمیپذیرند و یا راه حل موقتی فراهم میکنند و یا همه آنها را نادیده میگیرند.
1-1-مروری بر ادبیات
امروزه، بسیاری از سازمان ها تحت تأثیر عواقب ناشی از جهانی شدن و پیشرفت فناوری اطلاعات در حال رقابت در بازارهای جهانی هستند. پیشرفت فناوری اطلاعات و رقابت، چرخهی زندگی (طول عمر) محصولات را کوتاه نموده است،که این امر سبب افزایش محصولات از رده خارج شده و رشد محصولات با کیفیت و معرفی محصولات جدید بیشتر به بازار شده است. بنابراین، سازمان ها با توسعه محصولات جدید اهدافی از قبیل رضایت مشتریان، قیمت پایین محصولات با کیفیت بالا را دنبال میکنند(Chan, Kwong & Wong TC ,2011). موفقیت توسعه محصول جدید میتواند به عنوان یک ابزاری رقابتی و مزیتی برای بقای شرکت در بازارهای پویا باشد. با وجود توجه زیادی که سازمان ها به مدیریت توسعه و پردازش محصولات جدید داشتهاند، میزان شکست محصولات جدید بسیار بالا بوده است.(در برخی از موارد حدود40%)(Chand , 2010) . در سال های اخیر، مطالعات متعددی برای شتاسایی عواملی که رضایتمندی مشتریان را تحت تأثیر قرار می دهند، مورد مطالعه قرار گرفته است(Hsu ,2008). بسیاری از مطالعات نشان می دهد که موفقیت سازمانها در شناسایی نیازهای مشتریان و توسعه محصولات، به بهبود عملکرد آنها در بازار برای پاسخ گویی به نیازهای مشتریان بستگی دارد. برای نمونه، یکی از مهم ترین عوامل شکست پروژه محصول جدید فیبر نوری شرکت کورنینگ قبل از سال 2000 عدم تطابق محصول با نیاز های مشتریان بود(Edgett, Shipley & Forbes ,1992). نتایج مطالعه Yeh و همکاران (2013) نشان می دهد که محصولات و رضایتمندی مشتریان دارای بیشترین تأثیر بر عوامل مربوط به موفقیت در توسعه سازمان را دارند. بنابراین، داشتن یک رابطه نزدیک با مشتریان و توجه به نیاز مشتریان برای توسعه محصول جدید، یکی از پارامتر های بسیار مهم و تأثیرگذار در موفقیت سازمان است. درک بهتر از نیازهای مشتریان میتواند نقش کلیدی در تعریف ویژگیهای محصول از نظر زمانی، کیفیت و مدیریت رضایت مشتری ایفا کند. شرکتهای پیشرو از رضایت مشتریان، برای اندازهگیری عملکرد سازمان به عنوان یک پارامتر کلیدی در برنامهریزیهای آینده خود در کسب وکار استفاده می نمایند. پژوهشها نشان میدهد که مدلهای مختلف رضایت مشتریان میتواند نگرش مشتریان نسبت به سازمان راتعیین نماید.
رضایتمندی مشتریان سبب وفاداری آنها و عملکرد ضعیف سازمان شکایات مشتریان و ارتباط منفی مشتریان را بدنبال خواهد داشت. یافته های Yeh و همکارانش (2013) نشان میدهد که رضایت مصرف کننده یکی از مهم تریت عوامل حیاتی در توسعه محصول جدید دارد. بناربراین، سازمانها در جستجوی روشهایی برای توسعه رضایت مشتریان و طراحی مجموعه ای از ویژگیهایی که وفاداری مشتریان را افزایش دهند، هستند. یکی از اصلیترین چالشهای هر سازمان، طراحی ویژگی محصول و سطح رضایت مشتریان میباشد. این مقاله رضایت مشتریان را با طراحی ویژگیها در محیط فازی بهبود میبخشد. در سالهای اخیر، بسیاری از تحقیقات برای رضایتمندی مشتریان از طریق منطق فازی انجام شده است.
در واقع احساس و خواسته مشتری ابزاری برای عملکرد و طراحی محصول در سازمان میباشد. Yeh و همکارانش (2006) روشهای رضایتمندی مشتریان را برای مواد داخلی خودرو بطریق آماری، توسعه دادند.
یافتهها نشان میدهند که برنامههای کاربردی سطح بالا، از هوش مصنوعی و روش های آماری برای بررسی روابط بین پاسخ مناسب مشتریان و طراحی ویژگی محصول استفاده میکنند. Chen و همکارانش (2002) نظریه رزونانس تطبیقی2 شبکه عصبی را اعمال نموده و در شناسایی الگوهای مورد نیاز مشتریان اعمال نمودند. Kengpol و Wangananon (2006) از یک برنامهی سیستم خبره مبتنی بر شبکه عصبی مصنوعی، برای ارزیابی رضایت مشتریان استفاده کردند. Gu و همکارانش (2006) یک سیستم تعاملی تکاملی بر اساس رگرسیون عمومی شبکه عصبی را در تجزیه و تحلیل رضایت مشتریان ارایه نمودند. سیستم تعاملی تکاملی آنها نیازهای مشتریان و ارزیابی نیازهای آنان نمودند.
Harding و همکاران (2001) یک سیستم هدایت بازار مبتنی بر سیستم استنتاج فازی را برای تجزیه و تحلیل رضایتمندی مشتریان ارائه نمودند. Hsiao و Tsai (2005) شبکه عصبی فازی و الگوریتم ژنتیک را برای برای ارزیابی رضایت مشتریان در یک مطالعه موردی برای تولید درب اتوماتیک اعمال نمودند. Lin و همکاران (2007) یک رویکرد منطق فازی برای تعیین و شبیه سازی بهترین ترکیب از فرآیند طراحی فرم های تلفن همراه را ارایه نمودند. Lin و همکاران برای تولید قوانین فازی از دو مدل شبکه عصبی فازی استفاده نمودند. Park و Han (2004) یک رویکرد مبتنی بر قواعد فازی برای تجزیه و تحلیل و تفسیر سطح رضایت مشتریان برای طراحی صندلی اداری ارایه دادند. نتایج تجربی آنها نشان میهد که عملکرد مبتنی بر قواعد فازی نسبت به مدلهای رگرسیون از نظر دقت پیش بینی و تعداد متغیرها بهتر است.
Senerو Karsak (2011) یک چارچوب تصمیمگیری بر اساس مدل رگرسیون فازی را برای بدست آوردن سطح ویژگی های فنی برای افزایش رضایت مصرف کننده توسعه دادند. Senerو Karsak (2012) یک روش برنامه نویسی چند هدفه فازی را برای تنظیم کردن سطح ویژگی های هدف ارایه نمودند. اهداف به شرح زیر است:
(1) تحقق ویژگیهای مهندسی برای افزایش رضایت مشتریان،
(2) افزایش انعطاف پذیری و ،
(3) به حداقل رساندن شکایات مشتریان.
Zhangو Chu (2009) یک رویکرد تصمیم گیری گروهی فازی را با دو مدل بهینه سازی ارایه نمودند. طراحی موفقیت آمیز رضایتمندی مشتریان به بازسازی بخش بازاریابی در شناسایی نیازهای مشتریان، فرصت های بازار، موقعیتیابی، قیمت گذاری، و غیره بستگی دارد. نتایج Hsu (2011) نشان میدهد که استراتژی بازاریابی و قواعد رضایتمندی مشتری ارتباط نزدیکی با هم دارند.
شرکتها بنا به دلایل زیادی نمیتوانند به راحتی به بازخورد و عکسالعمل مشتریان دست یابند، اگرچه، اگر میتوانستند، آنها اغلب قادر نبودند تا به صورت موثر عدم رضایت تمام مشتریان خود را پوشش دهند. اگر با شکایت به صورت موثری رفتار شود، احتمال زیادی وجود دارد که مشتری خوشنود شده و وفادار باقی بماند. اگرچه مشکل مهم وجود یک شکاف بزرگ بین زمان دریافت شکایت ها توسط شرکت و زمانی است که شکایت پاسخدهی میشود. به همین دلیل است که یک استراتژی مثل سیستم مدیریت ارتباط با مشتری سودمند برای حل این اختلاف زمانی نیاز است. علاوه بر این، مشتریانی وجود دارند که بدون گفتن دلیلی شرکت را ترک میکنند. همچنین، مشتریان زمانی که بفهمند موسسه به بازخورد آنها پاسخی نمیدهد احساس جدایی میکنند. بعلاوه، انتظارات مشتری در طول سالها افزایش یافته ولی خدمات موسسات شرکت درخور و مناسب این انتظارات نیست که نتیجه آن بدگمان شدن مشتری هست(Chen, Khoo & Yan , 2002). مشکل دیگر این است که همیشه مشتریان از پاسخی که موسسات میدهند، متقاعد نمیشوند، و در صورتیکه پاسخ مورد انتظارشان را دریافت نکنند ممکن است مشتریان رفتار ناسازگارانهای داشته باشند. همچمنین مشتریان بنا به موقعیتی که با آن رو به رو میشوند واکنش متفاوتی از خود نشان میدهند. اگر شکایتها سریع و موثر مدیریت شوند، مشتریان وفادارتر خواهند شد. برای تصحیح نقطه ضعفهای سیستمهای مدیریت ارتباط با مشتری موجود، با استفاده از قوانین مدیریت ارتباط با مشتری، به مشتریان توجه کرده و صدای آنها را شنیده و به صورت وسیع خواستهها و نظرات آنها جمعآوری میشوند (Chen, Khoo & Yan , 2002). شرکتها بایستی در مقابل نارضایتی مشتریان مسئولیتپذیر باشند. رفع نارضایتی، اعتقاد و وفاداری مشری را ترمیم خواهد کرد. به منظور تشخیص اینکه چگونه مشتریان میتوانند سرویس های بهتری بگیرند و تضمین شود که انتظارات آنها برآورده شده، ارتباط بین رضایت مشتری از یک سمت و از سوی دیگر فاکتورهایی دیگر نظیر درک ارزش، تعامل، وفاداری مشتری و به دست آوردن مشتری، بایستی بررسی شوند. رضایت مشتریان نقش مهمی در تشخیص احساس مشتری از سرویسهای ارائه شده توسط سازمانهای مختلف ارائه میکند (Sanchez et al.,2010).
2- ساختار و روش تحقیق
در اینجا چارچوبی بر اساس مدل فازی جهت مدیریت موثرتر ارائهیِ خدمات به مشتریان معرفی شده است. لازم به ذکر است که ارائه خدمات و سرویسها به مشتریان به توانایی شرکت در تعیین دقیقتر نیازهای مشتریان و پاسخ به این نیازها به عنوان یک ابزار اندازهگیری موفقیت اشاره دارد. مدیریت خدمات به مشتریان دارای سه مرحله اصلی می باشد:
1- ارزیابی نیاز مشتری جهت اخذ تسهیلات و خدمات
2- اندازه گیری عملکرد موفقیت با توجه به ویژگی های تسهیلات و خدمات
3- موقعیت خدمات موسسات دیگر
در نهایت این چارچوب، مدیران را قادر به شناسایی اهداف و تدوین استراتژیهای رقابتی به منظور افزایش رضایت مشتری مینماید. سطح کیفیت خدمات، ارتباط مستقیمی را با رضایت مشتری ایجاد میکند. مدل فازی ارائه شده یک مدل کیفیت دو بعدی است که کیفیت را به صورت دو بعد میزان عملکرد و میزان رضایت مورد توجه قرار میدهد:
· میزان عملکرد خوب یک خدمات
· میزان رضایت مشتریان
ارتباط این دو عامل، به پنج ویژگی، تحت عناوین ویژگی اساسی(پایهای)، ویژگی تک بعدی یا عملکردی، ویژگی جذاب، ویژگی خنثی بودن و ویژگی معکوس بستگی دارد (جدول 1).
الف -ویژگی پایهای: نیازهای اساسی مشتری به آن بخش از خدمات یا هر مقوله دیگر اطلاق میشود که در صورت برآورده شدن، اثر ناچیزی بر روی مشتری خواهد داشت، لیکن در صورتی که به طور کامل برآورده نشود موجب نارضایتی شدید مشتری خواهد شد. دلیل این امر توقع مشتری به وجود این ویژگیها در خدمات است.
ب-ویژگی عملکردی: آن دسته از نیازمندیهایی که موجب رضایت نسبی مشتری میشود، نیازهای عملکردی است. با افزایش سطح برآورده شدن این نیازمندیها، به طور خطی رضایت مشتری افزایش مییابد. اهمیت الزامات عملکردی خدمات در آن است که شناسایی و لحاظ نمودن آنها در تسهیلات و خدمات، حداقل تلاشی است که موجب حفظ موقعیت موسسات در بازار رقابتی میشود.
ج-ویژگی جذاب: نوع سوم ویژگی که موجب رضایت مشتری در حد بالایی میشود، ویژگی جذاب است. در این ویژگی تهییج مشتری به این دلیل است که مشتری طرح ها و مشخصه هایی را در خدمات می بیند که انتظار آن را ندارد و یا حتی فکر نمیکند که انجام آن ممکن باشد.
د-ویژگی خنثی بودن: برخی از خصوصیاتی که در یک خدمات وجود دارد، از طرف مشتری به عنوان یک نیاز شناخته نمی شود و بر روی رضایت وی تاثیری ندارد یعنی در صورت اجرا یا عدم اجرای آن هیچ تغییری در میزان رضایت مشتری ایجاد نمی شود. بنابراین این دسته از نیازها را ویژگی خنثی بودن می نامند.
ه-ویژگی معکوس: برخی مشخصه ها در خدمات وجود دارد که اجرای آنها نه تنها رضایت مشتری را برآورده نمیسازد، بلکه منجر به ایجاد نارضایتی از طرف مشتری میشود. وجود این خصوصیات در خدمات باعث میشود که آن خدمت را از چرخه رقابت خارج کند و هر چه این مشخصه در خدمات بیشتر تقویت شود نارضایتی مشتری بیشتر میشود و به دنبال آن ارائه ان خدمات کاهش می یابد.
نیازها و تقاضا ها اعم از اساسی، عملکردی و مهیج به مانند نیازهای خدمات، به سوی مشتری روانه میشوند، که آنها را در قالب پرسشنامه میتوان طبقه بندی نمود. برای هر شکل از خدمات یک جفت از سوالات تنظیم شده تا اینکه مشتری بتواند به یکی از پنج راه متفاوت پاسخ گوید. سوال اول در مورد عکس العمل مشتری است اگر خدمات آن خصوصیت را داشته باشد(شکل عملکردی سوال) و سوال دوم در ارتباط با عکس العمل مشتری است اگر خدمات آن خصوصیت را نداشته باشد(شکل غیرعملکردی سوال). وقتی سوالات تنظیم میشود "اظهار نظر و عقیده مشتری" بسیار حائز اهمیت است. با ترکیب دو جوابی که از پرسشنامه عملکردی و غیرعملکردی به دست میآید در جدول ارزشیابی دوبعدی، خصوصیات و کیفیت خدمات می تواند طبقه بندی شود.
1-جدول ارزشیابی
نیازمندیهای مشتری | عملکردی | |||||
گزینه1 | گزینه2 | گزینه3 | گزینه4 | گزینه5 | ||
غیرعملکردی
| گزینه1 | پاسخهای چند پهلو | جذاب | جذاب | جذاب | عملکردی |
گزینه2 | معکوس | خنثی بودن | خنثی بودن | خنثی بودن | پایه ای | |
گزینه3 | معکوس | خنثی بودن | خنثی بودن | خنثی بودن | پایه ای | |
گزینه4 | معکوس | خنثی بودن | خنثی بودن | خنثی بودن | پایه ای | |
گزینه5 | معکوس | معکوس | معکوس | خنثی بودن | پاسخهای چند پهلو | |
3- رضایت مشتری
برای گرفتن و تشخیص شکایتهای مشتری، از روشهای مدیریت ارتباط با مشتری استفاده میشود. معمولا مشریان زمانی شکایت میکنند که مطمئن باشند شانس جبران وجود دارد و این یکی از مزایای پاسخگو بودن به شکایتهاست. زمانی که موسسه به صورت مناسبی با شکایات برخورد میکند، اعتبارش را بالا برده و مشتری تمایل بیشتری نسبت به موسسه که به حرفهایش گوش میدهد، دارد. شکایتها توانایی افزایش وفاداری مشتری را دارند و ارتباط بین شرکت و مشتریانش را ارتقا میدهد. کاهش وقوع شکایات مشتری اغلب باعث خشنودی مشتری و تضمین حفظ مشتری است. با وجود این، مشتریان ممکن است رفتارهای متفاوتی زمانی که شکایتی را بیان میکنند از خود نشان دهند. آنها نارضایتی خود را به روشهای مختلفی که ممکن است مثبت یا منفی باشد از خود نشان میدهند. نارضایتی بین مشتریان به عنوان نقص در بازبینی انتظارات و خدمات که به دلیل از کار افتادگی خدمات ایجاد میشود، توصیف میشود. تعامل شرکت، به آگاهی و توانایی شرکت در ساخت و توسعه ارتباط با مشتریان خود اشاره دارد. علاوه براین، تعامل به عنوان خاصیت پویا و فعال ارتباط، تعریف میشود که بین شرکت و مشتریان به وسیله روشهای تعاملی مختلف اتفاق میافتد. تعامل به عنوان گفت و گوی بین مشتری و شرکت توصیف میشود. همچنین تعامل باید کاملا محصور باشد، اگرچه امروزه اینچنین نیست و کاملا یکپارچه شده است. رضایت مشتری به رابطه گسترش یافته به وسیله فعالیتهایی نظیر فروش، افزایش منافع مشتری و نگهداری مشتری به وجود آمده، اشاره دارد. رضایت مشتری از خشنود کردن مشتری و ایجاد کردن غافلگیریهای مثبت که باید فراتر از انتظارات مشتری باشد، ناشی میشود. علاوه بر این، رضایت مشتری به عنوان جانشینی برای فناوری اطلاعات در نظر گرفته میشود و اشاره دارد به روشی که شرکت میتواند به نیازمندیهای خود برسد در حالی که رضایت مشتری را حفظ میکند، برای دستیابی به اهداف ذکر شده، باید با استفاده از روش سه مرحله ای زیر، مسائل و مشکلات را حل کرد(شکل 1):
مرحله اول : تنظیم داده های ورودی
برای دستیابی به اطلاعات قابل فهم، از دو روش جمع آوری استفاده میشود: مصاحبه و پرسشنامه با استفاده از تحقیق کیفی، روش مصاحبه برای جمع آوری اطلاعات اولیه مشتریان انتخاب میشود.
مرحله دوم: بررسی استنتاج متنی و پوشش دادهای :
بررسی استنتاج متنی به منظور شناسایی و رتبه بندی شکایات مشتریان صورت میگیرد. در بررسی متنی دادههایی از مصاحبه های صورت گرفته، استفاده می شود.
مرحله سوم : رویکرد خطی و فازی :
براساس این ساختار، باید رابطهی میان احترام و تعامل متقابل، رضایتمندی مشتری و در پی آن رضایت مشتری با وفاداری و تمایل سپرده گذاری تعیین می گردد.
شکل 1: ساختاری ارتباطات
3-1- اندازه گیری رضایت مشتری
شناسایی خصوصیات مربوط به خدمات رقابتی i=(1،…..،I)ویژگی خدمات : ј=(1،……،J) خدمات رقابتی :
|
شروع |
m=(1,…,M) انتخاب بخش های عمده بازار
|
محاسبه نیازمندیهای مشتری |
تست خدمات |
بدست آوردن وزن های اولیه برای هر بخش |
بدست آوردن دسته ها برای هر بخش |
(
|
اجرای ارزیابی های عملکردی و غیرعملکردی روی N مشتری برای هربخش
|
اجرای یک ارزیابی مهم روی N مشتری برای
|
|
طبقه بندی کردن آنها به دسته ها I={1،….،5} ، C(
|
محاسبه میانگین وزنی وزن های اولیه
|
محاسبه مقادیر مطلوبیت
|
محاسبه میانگین فراوانی نسبی دسته ها
|
بدست آوردن فراوانی نسبی پاسخ ها )
|
بدست آوردن میزان رضایت مشتری |
|
Δ(x(ι(
|
تعیین کردن میزان رضایت مشتری روی خصوصیات
|
بدست آوردن یک مجموعه منظم از خدمات رقابتی برای هر بخش
|
ارزیابی گزینه های رقابتی |
شکل 2: چارچوب پیشنهادی به منظور اندازه گیری رضایت مشتری
قسمت شروع: این قسمت به شناسایی ویژگیهای خدمات وابسته به رضایت مشتری میپردازد. از آنجایی که این بخش با ویژگی رقابتی خاص مشتری انتخاب میشود. Mرفتار مشتری متفاوت است.
قسمت محاسبه نیازهای مشتری: این قسمت جهت به دست آوردن اطلاعات اولیه در مورد ویژگی های مربوطه و ارزیابی اهمیت بخشهای مختلف و ماهیت نیازهای مشتری میباشد. برای هر بخش، یک پرسشنامه به N مشتری برای به دست آوردن پاسخهای عملکردی و غیرعملکردی در مورد ویژگیهای خدمات ارائه میشود و از جدول ارزشیابی برای طبقه بندی پاسخ ها استفاده می شود:
L=1ویژگی اساسی L=2 ویژگی یک بعدی یا عملکردی L=3 ویژگی جذاب L=4 خنثی بودن L=5 معکوس
سپس فراوانی نسبی مربوط به هر طبقه به دست آمده با استفاده از فرمول زیر:
=
، 
=1 (1)
می باشد. i تعداد پاسخ های گنجانده شده در دسته 
که
در اینجا یک بررسی اضافی نیز انجام میشود، که در آن از مشتریان خواسته میشود اهمیت اولیه هر خصوصیت را از طریق یک مجموعه عبارات زبانی خاص، رتبه بندی کنند. دلیل این کار به خاطر برداشتهای متفاوتی است هر پاسخ دهنده ممکن است داشته باشد. سپس فراوانیهای نسبی مربوط به این عبارات زبانی بدست آمده و در محاسبه میانگین وزنی استفاده میشود:
S={
،……،
} مجموعه عبارت زبانی
Θ(
)=(
،0)=(
، 
) (2)
= 
[(، )، 
]
در واقع در این قسمت با استفاده از مدل فازی اهمیت الگوهای رضایت مشتری نشان داده میشوند و با استفاده از اندازهگیری، اهمیت اولیه میزان درک مخاطب از اهمیت ویژگی خدمات، برای درک بهتر خواسته های مشتری ارزیابی میگردد، به گونهای که منجر به رضایت مشتری میشود.
ارزیابی مقایسه ای خدمات (محک زنی): با توجه به I ویژگی های مربوط، تعداد J خدمات رقابتی ارزیابی میشود. ابتدا خصوصیات خدمات رقابتی اندازهگیری میشود. سپس دادههای به دست آمده، به اعداد فازی تبدیل میشوند و همچنین اعداد فازی برای هریک از متغیرهای زبانی سطوح رضایتمندی تعیین میشود. اعداد فازی سنجیده شده برای هر خصوصیت از طریق خدمات رقابتی و مقادیر مطلوبیت محاسبه میشود.
(
)=
ε[0،1] (3)
بدست آوردن نمره رضایت مشتری: در این قسمت میزان رضایت مشتری برای هر خدمات، ویژگی، بخشها و دستهها بدست میآید. سپس بااستفاده از میانگین فراوانی نسبی میزان رضایت مشتری برای هر دسته و با استفاده از میانگین وزنی وزنهای اولیه میزان رضایت مشتری برای هر ویژگی محاسبه می شود. به طور کلی در این بخش میزان رضایت مشتری از هر خدمات رقابتی تعیین میگردد.
()ε[0،1]
Δ(x(ι(())))=
(4)
[ ، 
]=
ارزیابی گزینههای رقابتی: برای هر بخش بازار خدمات رقابتی از مناسبترین تا نامناسبترین بر اساس نیاز مشتری رتبه بندی میشود.
> 
if k(δ(
)) > k(δ(
)) (5)
4-مدل منطق فازی
در بعضی تحقیقات فرایند قیمت گذاری بخشی از طراحی و پیش بینیهای یک کالای جدید، در نظر گرفته میشود. در مراحل اولیه معرفی یک محصول جدید، تعداد مشتریان زیاد نیست اما این افراد، افرادی هستند که به دنبال نوآوری هستند. این گونه از مشتریان بنام بدعت گزاران شناخته می شوند. ورودی های این سیستم فازی شامل موارد زیر می باشد : قدرت نام تجاری، کیفیت ادراک شده، آگاهی، انطباق، تهدید ورود و ریسک مشتری.
برای ورودی قدرت نام تجاری دو عبارت زبانی "قوی" و "ضعیف" تعریف شده است و برای ورودی آگاهی عبارات "بالا" و"پایین" تعریف شدهاند. خروجی این سیستم فازی، قیمت میباشد که شامل سه عبارت زبانی "پایین " و"متوسط" و"بالا" می باشد. ماکزیمم مقدار عبارت زبانی "بالا"روی ارزش مشتری تنظیم شده است.
در این سیستم فازی ورودی "تهدید ورود" میباشد که احتمال ورود رقبای جدید را به بازار بیان میکند، برای سازمانی که قصد دارد در بازار منحصر باشد و امتیاز انحصاری کالا را داشته باشد یک دستور مانند زیر باید به پایگاه قوانین اضافه شود:
"اگر تهدید ورود، بالا باشد، آنگاه قیمت پایین است."
ورودی دیگر "انطباق" میباشد که بیانگر نرخ انطباق محصول جدید است. وقتی محصول جدید پیچیده باشد و امکان استفاده آسان از آن برای مشتری ممکن نباشد، گرایش به استفاده از این محصول برای مشتری کاهش مییابد. پس دستور زیر به پایگاه اضافه می شود:
"اگر نرخ انطباق پایین باشد آنگاه قیمت متوسط است."
تاثیر ریسکهای مختلفی بوسیله ورودی "ریسک مشتری" بیان میشود. ورودی "کیفیت ادراک شده" برای بیان وابستگی بین قیمت و کیفیت ادراک شده میباشد. این سیستم از دستورهای زیر استفاده میکند:
1. اگر "تهدید ورود" بالا باشد، آنگاه "قیمت" پایین است و زمان مناسب برای سرمایه گذاری میباشد.
2. اگر "قدرت نام تجاری" قوی" باشد، آنگاه "قیمت" بالا است و زمان مناسب برای سرمایه گذاری میباشد.
3. اگر " کیفیت ادراک شده" قوی باشد، آنگاه "قیمت" بالا است و زمان مناسب برای سرمایه گذاری میباشد.
4. اگر "آگاهی" بالا باشد، آنگاه "قیمت" بالا است و زمان مناسب برای سرمایه گذاری میباشد.
5. اگر "قدرت نام تجاری" ضعیف باشد، آنگاه "قیمت" پایین است و زمان مناسب برای سرمایه گذاری نمیباشد.
6. اگر "انطباق" پایین باشد، آنگاه "قیمت"متوسط است و زمان مناسب برای سرمایه گذاری نمیباشد.
7. اگر "تهدید ورود" پایین باشد، آنگاه "قیمت " متوسط است و زمان مناسب برای سرمایه گذاری نمیباشد.
8. اگر "انطباق" بالا باشد، آنگاه "قیمت" متوسط است و زمان مناسب برای سرمایه گذاری نمیباشد.
9. اگر "قدرت نام تجاری" ضعیف باشد و "آگاهی" بالا باشد و "انطباق" بالا باشد، آنگاه "قیمت " متوسط است و زمان مناسب برای سرمایه گذاری نمیباشد.
10. اگر "کیفیت ادراک شده" قوی و "تهدید ورود " بالا باشد ،آنگاه "قیمت " بالا است و زمان مناسب برای سرمایه گذاری نمی باشد.
11. اگر " کیفیت ادراک شده " قوی باشد و "آگاهی" پایین باشد، آنگاه "قیمت" متوسط است و زمان مناسب برای سرمایه گذاری نمی باشد.
12. اگر "ریسک مشتری" پایین باشد، آنگاه "قیمت" بالا است و زمان مناسب برای سرمایه گذاری نمیباشد.
13. اگر "ریسک مشتری" متوسط باشد، آنگاه " قیمت" متوسط است و زمان مناسب برای سرمایه گذاری نمیباشد.
14. اگر "ریسک مشتری" بالا باشد، آنگاه " قیمت" پایین است و زمان مناسب برای سرمایه گذاری نمیباشد.
4-1- پارامتر علاقه
برای سنجش علایق فرضی مشتریان، یا برای شناسایی تغییرات علایق مشتریان، لازم نیست که مثلا بین اعدادی مانند ۳/۰ و ۳۵/۰ تمایز قائل شویم. به علاوه یک مقدار عددی، خیلی معنی دار نیست. یک مدیر برای استفاده از دستهبندی دادهها میتواند مقداری برای پارامتر u انتخاب کند، پارامتری که نشان میدهد چقدر مدیر تمایل دارد که در مقیاس علاقه تفاوت قائل شود. به عبارت دیگر، پارامتر u میزان تفکیک پذیری در مقیاس علاقه را نشان میدهد. بازه وزن های، مثلا بازه بین ۰ و ۱، شکافی در فواصل u میباشد. فواصل تصویر شده میتوانند دارای اندازه مشابهی باشند )شکل 3 -الف( یا متفاوت باشند وقتی که بوسیله یک تابع شکاف برآورد میشوند )شکل 3 -ب( یک مقیاس ترتیبی است. مقیاس میتواند از طریق یک مقیاس خاکستری )شکل 3- ج( و یا از طریق رنگهایی که مانند مقیاس خاکستری هستند تصویر شوند )شکل 3-د(. نگاشت با مثال زیر نشان داده میشود: مقطعی را با استفاده از u=2 با فواصل تقریبا مساوی تعریف میکنیم. نتایج در سه فاصله و نگاشت زیر عنوان میشود:
• قوی: شامل مقادیر بین ۶۷/۰ – 1
• متوسط: شامل مقادیر بین ۳۴/۰ – ۶۶/۰
• کم: شامل مقادیر بین ۰۰/۰ – ۳۳/۰
شکل 3: مثالهایی از مقیاس علاقه
تعریف مقیاسِ علاقه، برای دسته بندی بسیار کلیدی است. این رویکرد یک رویکرد انعطاف پذیر است و به مدیر این امکان را میدهد که دسته ها را تغییر دهد. مخصوصا با انتخاب مقادیر u مختلف و انتخاب یک تابع شکاف مناسب، مدیر میتواند تناظر بین مقادیر مختلفی از مقیاس علاقه را تعریف کند. تابع شکاف الزاما نباید خطی باشد. تعریف تابع شکاف وابسته به علایق مشتریان است، و البته در پایان بر روی چگونگی دسته بندی مشتریان تاثیرگذر میباشد. بر اساس این مقیاس علاقه، امکان برقراری ارتباط یک مصداق با هر دسته ای وجود دارد. تعدادی از مدیران از مشتریان خود درخواست میکنند که بازخورد هایی از علایق، یا نظرات خود درباره یک محصول یا مدیریت ارائه دهند. سپس بازخورد مشتریان میتواند بر روی مقیاس علاقه در موضوعات مختلف تعیین شود.
5- سیستم پشتیبانی
نوع خاصی از سیستم های پشتیبانی تصمیم گیری، کنترل کننده های فازی هستند که از قوانین فرایند مدل به صورت ساده استفاده می کنند. قوانین ساختار طراحی به صورتی است که متغیرهای ورودی با خروجی ها از نظر متغیرهای زبانی ارتباط دارند، در این مقاله از ساختار کنترل کننده ممدانی، که قوانینی بر اساس متغیرهای تصمیم P ، M و Q دارد، استفاده شده است(Hamidi, 2013). مراحل طراحی سیستم پشتیبانی شامل موارد زیر میباشد:
الف: اختصاص اصطلاحات زبانی به متغیرهای ورودی فازی که در آن متغیرهای ورودی پارامترهای کشش 
میباشند. پارامترهای 
، 
و 
را به ترتیب با 4، 2 و2 مطابق با شکلهای 4 تا 6 نشان داده شده است.
شکل 4: متغیرهای زبانی 
شکل 5: متغیرهای زبانی
شکل 6: متغیرهای زبانی
ب: تعریف خروجی به عنوان اعداد فازی. در کنترل کننده فازی متعارف، خروجی ها به عنوان اصطلاحات زبانی شبیه به ورودی ها تعریف میشوند. اگرچه در این کار، برای هر مجموعه پارامترهای فازی 
، 
و 
از طریق برنامه ریزی هندسی حل شده است و متغیرهای تصمیم گیری P ، M و Q از نوعی از اعداد فازی بدست میآیند.
ج: طراحی قواعد فازی پایه. همانطور که در مرحله "ب" ذکر شد، در هر مجموعه از پارامترهای ، و باید حل شود. و متغیرهای تصمیم گیری حاصله به عنوان نتایج در نظر گرفته می شود. به عنوان مثال ( ، ، ) را به صورت زیر در نظر بگیریم:
((0.04، 0.01، 0.01)، (0.02، 0.044، 0.02)، (1. 4، 2،1)) = (کم، متوسط، خیلی کم)
سپس متغیر های تصمیم گیری را به صورت زیر تعیین میشوند:
(P،M،Q) ((2494،1241.4، 494.4) ، (0.094، 0.090، 0.044) ، (4.42، 4.22، 2.12))
به این ترتیب 11 قانون به صورت جدول 2 طراحی شده است.
د: غیر فازی کردن. بر اساس قوانین کنترل فازی قیمت گذاری و بازاریابی نشان داده شده در جدول 2، غیر فازی کردن برای بدست آوردن متغیرهای تصمیم گیری استفاده می شود.
جدول 2: قواعد فازی بر اساس قیمت گذاری و بازاریاب
Q | M | P |
|
|
|
(2244.2، 4201.4، 4449) | (0.044، 0.090، 0.094 | (4.14، 4.94، 4.94) | L | M | V.L |
(1449، 4042.4، 4444.4) | (0.042، 0.124، 0.120) | (4.14، 9.02، 9.02) | M | M | V.L |
(2021.4، 4424، 4444.4) | (0.042، 0.124، 0.144) | (4.14، 4.22، 4.24) | M | H | V.L |
(1224.4، 1444.2، 4201.4) | (0.090، 0.119، 0.122) | (4.2، 4.94، 9.02) | M | L | L |
(1224.4، 2104.2، 4444.4) | (0.042، 0.109، 0.122) | (4.14، 4.20، 4.22) | M | M | L |
(944.29، 2244.4، 4440.9) | (0.022، 0.0912، 0.114) | (4.24، 4.21، 4.44) | M | M | M |
(444.4، 1424، 4242.1) | (0.044، 0.044، 0. 01) | (2.44، 4.19، 4.4) | M | M | H |
(444.4، 401.44، 1414.2) | (0.042، 0.044، 0. 01) | (4.14، 4.42، 4.4) | M | L | V.H |
(345.5، 705.32، 2674.2) | (0.044، 0.01، 0. 01) | (4.19، 4.4، 4.4) | H | L | V.H |
(664.4، 560.11، 1345.1) | (0.044، 0.029، 0. 01) | (2.42، 2.49، 4.4) | M | M | V.H |
(444.4، 1204.4، 2109) | (0.042، 0.092، 0. 01) | (2.42، 2.92، 4.4) | H | M | V.H |
اکنون اجرای روش پیشنهادی را با استفاده از مثال عددی توضیح داده میشود. به منظور نشان دادن اجرای مدل ارائه شده در این مقاله یک مثال ساده عددی ارائه شده است و قابلیت اطمینان از نتایج کنترل فازی را توضیح داده است.
مثال: برای یک محصول جدید، چندین پارامتر به شرح زیر برآورد شده است:
،
،
نتایج به دست آمده در شکل 7 به تصویر کشیده شده است. جدول 3 ارزش های هدف و متغیر های تصمیم در 11 ارزش
Ԑ نشان داده شده است:
الف: قیمت خرید فازی بهینه (
)
ب: هزینه های بازاریابی فازی بهینه(
)
ج: مقدار سفارش فازی بهینه (
)
د: تابع هدف بهینه (
)
شکل 7: ارزشهای فازی بهینهی تابع هدف و متغیرهای تصمیم گیری
جدول 3: برش های Ԑ از تابع هدف و متغیرهای تصمیم گیری
1 | 0.9 | 0.4 | 0.4 | 0.2 | 0.4 | 0.4 | 0.2 | 0.2 | 0.1 | 0 | Ԑ |
.942 | .944 | .941 | .944 | .921 | .924 | 4.944 | 4.942 | .994 | 9.012 | 9.024 |
|
0.942 | .444 | .404 | .424 | .242 | .21 | .44 | .492 | .424 | .242 | .221 |
|
0.119 | 0.121 | 0.122 | 0.124 | 0.124 | 0.124 | 0.124 | 0.129 | 0.121 | 0.122 | 0.122 |
|
0.119 | 0.114 | 0.114 | 0.111 | 0.104 | 0.104 | 0.102 | 0.099 | 0.092 | 0.092 | 0.090 |
|
1444.2 | 1424.4 | 1910.2 | 2102.2 | 2224.2 | 2422.2 | 2424 | 129.2 | 444.4 | 411.4 | 4201.4 |
|
1444.2 | 1429.2 | 1402.4 | 1422.4 | 1421.4 | 1294.2 | 1222.9 | 1221.2 | 1299.2 | 1224.1 | 1224.4 |
|
22440 | 24404 | 0242 | 2442 | 4414 | 114 | 9244 | 42429 | 44222 | 44401 | 1442 |
|
22440 | 24042 | 22242 | 22224 | 21122 | 19944 | 14444 | 14412 | 12424 | 14912 | 14044 |
|
ارزشهای Ԑ درجهای از امکان، و مقادیر بزرگترِ Ԑ، احتمال بیشتری برای وقوع را نشان می دهند. 0 = Ԑ، بدترین حالت که در آن تمام پارامترها در محدوده بالا یا پایین خود تحقق یافتند را نشان میدهد ( نقاط با درجه امکان = 0)، و به آن معنی است که شخصی که پارامترها را تخمین زده به اندازه کافی متخصص نبوده است. در مقابل، Ԑ = 1 نشان میدهد که تمام پارامترها در جای خود تحقق یافتهاند (نقطه با درجه امکان = 1). هنگامی که مقادیر بهینهی متغیرهای تصمیم گیری در محورهای مختصات رسم میشود، یک فضای مطلوب به دست میآید، که در آن هر نقطه به طور بالقوه، میتواند راه حل بهینه با درجه ای از امکان داشته باشد. میتوان یک سیستم فازی را برای راه حل قابل قبول طراحی نمود. این سیستم برای مسائل عامتر واقعی، بسیار مفید است. برای نشان دادن اثر بخشی این سیستم فازی توسعه یافته، شش مسئله قیمت گذاری و بازاریابی با کنترل کننده توسعه یافته حل کرده و خروجیها با راه حل های بهینه کلی مقایسه شدهاند، که نتایج خلاصه شده در جدول 4 نشان داده شده است.
جدول 4: مقایسه خروجیهای بهینه
انحراف(%) | P |
|
| β | α |
0.22 | 4.24 | 4.214 | 0.024 | 0.012 | 2.2 |
2.22 | 4.24 | 4.412 | 0.024 | 0.014 | 2.1 |
1.10 | 4.02 | 4.0942 | 0.024 | 0.012 | 2.9 |
2.22 | 4.29 | 4.424 | 0.024 | 0.01 | 2.4 |
2.22 | 4.42 | 9.0441 | 0.022 | 0.002 | 2.2 |
4.14 | 4.21 | 4.942 | 0.02 | 0.01 | 2.4 |
همانطور که از جدول 4 مشاهده می شود، حداکثر انحراف از راه حلهای بهینه 4.14 درصد است که بالاترین عملکرد را نشان میدهد. روشن است که استفاده ازتوصیف زبانی دقیقتر برای توصیف متغیرهای ورودی، ما را به پشتیبانی بیشتری از مجموعه عبارات زبانی هدایت میکند و میتواند تعداد قوانین را افزایش دهد. در نتیجه، دقت فازی به طور قابل توجهی میتواند افزایش یابد.
6-نتایج و پیشنهادات
در این مقاله برای انجام ارزیابی رضایت مشتری، از الگوریتم جامع فازی استفاده شده و یک روش ارزیابی عملکرد مدیریت ارتباط با مشتری، با استفاده از رویکرد فازی ارائه شده وکارایی سیستم تحلیل شده است. ارزیابی رضایتمندی و وفاداری مشتری با استفاده از منطق فازی مورد مطالعه قرار گرفته است و نتیجه مثبت و موثر استفاده از منطق فازی برای این موارد نشان داده شد. منطق فازی ابزار مناسبی برای ارزیابی وفاداری و رضایت مندی مشتریان میتواند باشد. در واقع با استفاده از مدل فازی اهمیت الگوهای رضایت مشتری نشان داده میشود. قابلیت پی گیری کارامد تغییر علائق مشتریان در طی زمان و عکسالعمل در مقابل تقاضا‌هایی که حاصل تغییر علائق هستند، به ویژه هنگامی که تاکید بر چیزی بیش از مدیریت ارتباط با مشتری‌های کلاسیک است، یکی از موثرترین شیوه‌ها برای بهینهسازی خدمات ارائه شده با توجه به شرایط بازار میباشد. هنگامی که مشتریان بر اساس علائقشان دستهبندی شدند، اطلاعات موجود را میتوان در صورت نیاز برای ارائه‌هایی هدفمند، یعنی اطلاعات یا خدمات شخصی سازی شده برای مشتریان به کار برد. روش بررسی شده در این مقاله از منطق فازی استفاده کرده و یک فضای مطلوب که تجزیه و تحلیل را آسان می کند، ارائه می دهد.
برای توسعه این کار وکارهای بعدی، استفاده از روشهای 3ANFIS برای پیش بینی رضایت مشتریان پیشنهاد میشود. علاوه بر این، روشهای مختلف پیش بینی از قبیل شبکههای عصبی مصنوعی4و رگرسیون فازی، برنامه نویسی ژنتیک5 را میتوان در نظر گرفت. همچنین، در مطالعات آینده، بر روی ارائه یک ساختار مفهومی و نوعی روششناسی میتوان متمرکز شد که حتی شکایات مشتریان را دریافت و مسائل را ارجاع داده تا در صنایع مختلف از مشکلات فعلی جلوگیری و رضایت مشتریان را در پی داشته باشد. علاوه بر اینها، می توان از یک مدل تصمیم گیری چند معیاره6 فازی برای ارزیابی رضایت مشتری استفاده نمود. زیرا در بیشتر مسایل MCDM، عبارات زبانی فازی برای ارزیابی گزینه های جایگزین با ابعاد مختلف و معیارهای چندگانه می باشد.
منابع و مآخذ
حمیدی، ح. (1392). " ارائه یک رویکرد تصمیم گیر فازی برای انتخاب یک تامین کننده مناسب". کنفرانس بین المللی مدیریت، چالشها و راهکارها ، شیراز.
حمیدی، ح. (1392). " مدیریت ارائه خدمات به مشتریان با منطق فازی". اولین همایش ملی مدیریت کسب و کار ، همدان.
حمیدی، ح. (1392). " ارائه یک سیستم پیشنهاد دهنده تسهیلات بانکی با توجه به خواسته های مشتری با استفاده از منطق فازی ". نخستین کنفرانس ملی توسعه مدیریت پولی و بانکی، تحول در مدیریت نظام بانکی، گامی به سوی حماسه اقتصادی، تهران.
BusinessWeek (2006). How failure breeds success. July, 21–27
Chan KY, Kwong CK, Wong TC (2011). “Modelling customer satisfaction for product development using genetic programming”. J Eng Des 22(1):55–68
Chand M (2010). “The impact of HRM practices on service quality, customer satisfaction and performance in the Indian hotel industry”. Int J Human Resour Manag 21(4):551–566
Chen C-H, Khoo LP, Yan W (2002). “A strategy for acquiring customer requirement patterns using laddering technique and ART2 neural network. Adv Eng Inform 16(3):229–240
Deng Z, Lu Y, Wei KK, Zhang J (2010). “Understanding customer satisfaction and loyalty: an empirical study of mobile instant messages in China”. Int J Inf Manage 30(4):289–300
Edgett S, Shipley D, Forbes G (1992). “Japanese and British companies compared: contributing factors to success and failure in NPD”. J Prod Innov Manage 9(1):3–10
Gu Z, Xi Tang M, Frazer JH (2006). “Capturing aesthetic intention during interactive evolution”. Comput Aided Des 38(3):224–237
Hamidi.H,(2013). “An Approach to Selecting a Suitable Supplier”. Shiraz Journal of Systems Management (SJSM), Vol. 1، No. 3، 57-66.
Harding JA, Popplewell K, Fung RYK, Omar AR (2001). “An intelligent information framework relating customer requirements and product characteristics”. Comput Ind 44(1):51–65
Hsiao SW, Tsai HC (2005). “Applying a hybrid approach based on fuzzy neural network and genetic algorithm to product form design”. Int J Ind Ergon 35(5):411–428
Hsu SH (2008). “Developing an index for online customer satisfaction: adaptation of American Customer Satisfaction Index”. Expert Syst Appl 34(4):3033–3042
Hsu Y (2011). “Design innovation and marketing strategy in successful product competition”. J Business Ind Mark 26(4):223–236
Kengpol A, Wangananon W (2006). “The expert system for assessing customer satisfaction on fragrance notes: using artificial neural networks”. Comput Ind Eng 51(4):567–584
Lin Y-C, Lai H–H, Yeh C-H (2007). “Consumer-oriented product form design based on fuzzy logic: a case study of mobile phones”. Int J Ind Ergon 37(6):531–543
Park J, Han SH (2004). “A fuzzy rule-based approach to modeling affective user satisfaction towards office chair design”. Int J Ind Ergon 34(1):31–47
Sanchez Almeida، J., Aguerri، J.A.L., Munoz Tunon،C, de Vicente. A, (2010). “Automatic unsupervised classification of all sloan digital sky survey data release 7 galaxy spectra، The Astrophysical Journal 714 (1) 487–504.
Sener Z, Karsak EE (2011). “A combined fuzzy linear regression and fuzzy multiple objective programming approach for setting target levels in quality function deployment”. Expert Syst Appl 38(4):3015–3022
Sener Z, Karsak EE (2012). “A decision model for setting target levels in software quality function deployment to respond to rapidly changing customer needs”. Concurr Eng 20(1):19–29
Yeh T-M, Pai F-Y, Liao C-W (2013). “Using a hybrid MCDM methodology to identify critical factors in new product development”. Neural Comput Appl: 1–15.
You H, Ryu T, Oh K, Yun M-H, and Kim K-J (2006). “Development of customer satisfaction models for automotive interior materials”. Int J Ind Ergon 36(4):323–330
Zhang Z, Chu X (2009). “Fuzzy group decision-making for multiformat and multi-granularity linguistic judgments in quality function deployment”. Expert Syst Appl 36(5):9150–9158
A Fuzzy Logic Approach to Evaluation of Customer Satisfaction
ABSTRACT
The method of customer satisfaction performance evaluation based on the fuzzy comprehensive evaluation to provide the customer satisfaction performance evaluation of the enterprise with theoretical. In order to increase the customer satisfaction system implementation success rate in enterprise، enhance competitiveness and management level of the enterprise, enable the enterprise to better adapt to fierce market competition, an in depth study on effect evaluation of the customer satisfaction system is conducted. For improve the customer satisfaction performance needs to do a scientific and comprehensive evaluation. The evaluation on customer satisfaction performance is a complex systemic project. In order to do a scientific evaluation fuzzy comprehensive algorithm is used by this paper. In this study, a new methodology of generating customer satisfaction models using a fuzzy approach is proposed.The results show that our proposal can effectively manage logistics customer service, enabling managers to identify targets and formulate competitive strategies to enhance customer satisfaction.
Keywords: Customer satisfaction، Performance evaluation, Fuzzy logic, Success Rate.
[1] Customer satisfaction modeling
[2] Adaptive Resonance Theory )ART(
[3] Adaptive Neuro-Fuzzy Inference Systems(ANFIS)
[4] artificial neural network: ANN
[5] Genetic Programming: GP
[6] Multiple Criteria Decision Making: MCDM