Bet kokiai įmonei klientų lojalumas yra gyvybiškai svarbus. Per pastaruosius du dešimtmečius, dėmesys ryšio su klientais valdymo sistemoms (angl. CRM- customer relationship management) labai išaugo. Tai galima interpretuoti kaip įmonių siekimą individualiai pažinti savo klientus. Pasikeitė ir marketingo orientyras. Vietoj orientuoto į transakcijas, jis patapo orientuotu į klientą, kadangi praktika parodė, jog tai yra optimalus ryšys su klientu. (Daug pigiau pardavinėti prekes esamiems klientams, nei naujiems, mažesni bendradarbiavimo kaštai) Būtent todėl klientų lojalumo sąvoka interpretuojama kaip viena svarbiausių koncepcijų šiuolaikiniame marketinge. Ryšio su klientais valdymo teorijose aprašoma daug kriterijų bei skaičiavimo metodų kliento lojalumui įvertinti. Egzistuojanti vadybinė taisyklė 55-15 teigia jog bandant klasifikuoti geriausius klientus, maždaug 55 % yra klasifikuojami klaidingai ir dėl to įmonė praranda investicijas (klientams neskiriamas attinkamas dėmesys: nuolaidos, ir t.t.) Pagrindinė tokio netikslaus klasifikavimo priežastis- besikeičianti verslo aplinka. Lojalūs klientai neišlieka tokiais visada. Remiantis CLV pokyčio analize ir Wouter Buckinx pasiūlytais kliento „norą pirkti“ apibūdinančiais rodikliais sudaryti 2 modeliai. Teoriškai šie modeliai yra veiksmingesni nei E.Ksevelonakiso pasiūlytas „CLV ir įmonės tikslinės strategijos sąveikos modelis“, kadangi laiku gavus informaciją apie potencialią kliento klasę (lojalus/nelojalus), įmonė gali nedelsiant... [toliau žr. visą tekstą] / The client loyalty is one of the most vital things to any company. During last two decades the attention to customer relationship management systems has increased significantly. There are many criterias and calculation methods described in customer relationship theories. The existing management rule 80-15 states that when trying to clasify best customers, almost 55% are misclassified and therefore organization losses its investments (there’s not enough attention being paid to the best customers). The main reason of such misclassification is continuous change in business environment and subjective customer loyalty definition. Loyal customers do not stay loyal all the time. Using scientific literature analysis there were selected most widely used methods, which help the company to identify it’s the most important customers. Additionally “wish to buy” indicators were selected, which describe the customer buying potential. Using selected methods and indexes, there is a preposition of a new classifying model, which helps to predict customer class using collected data during contribution period. Model was implemented by using neural network and tested using experiment. It predicted customer class using sales data and the results were as follow: it classified 141 customer from 154 customers in total, made a mistake in 13 cases while classifying loyal customers. When classifying disloyal customers, it made a mistake in 45 cases and classified 102 correctly of 147 in total... [to full text]
| Identifer | oai:union.ndltd.org:LABT_ETD/oai:elaba.lt:LT-eLABa-0001:E.02~2008~D_20140623_183310-22340 |
| Date | 23 June 2014 |
| Creators | Bredichin, Michail |
| Contributors | Sakalauskas, Virgilijus, Vilnius University |
| Publisher | Lithuanian Academic Libraries Network (LABT), Vilnius University |
| Source Sets | Lithuanian ETD submission system |
| Language | Lithuanian |
| Detected Language | Unknown |
| Type | Master thesis |
| Format | application/pdf |
| Source | http://vddb.library.lt/obj/LT-eLABa-0001:E.02~2008~D_20140623_183310-22340 |
| Rights | Unrestricted |
Page generated in 0.0024 seconds