طراحی الگوی مدیریت تجربه مشتری در صنعت حمل ونقل دریایی ماهیت، پیشایندها و پیامدها
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 120
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIBA-6-2_002
تاریخ نمایه سازی: 6 مهر 1402
Abstract:
این پژوهش با هدف بررسی مدیریت تجربه مشتری در بازارهای B۲B انجام شده است تا با شناسایی مولفه های شکل دهنده تجربه مشتری در نقاط تعامل مشتری با سازمان و پیشایندها و پیامدهای مدیریت تجربه مشتری، الگوی جامعی جهت مدیریت تجربه مشتری در شرکت های حمل ونقل دریایی ارائه گردد. برای این منظور با توجه به شکاف نظری در خصوص موضوع پژوهش، از رویکرد کیفی نظریه پردازی داده بنیاد استفاده شد. نمونه گیری به شیوه هدفمند و نظری انجام شد. داده ها از طریق مصاحبه های عمیق نیمه ساختاریافته با مدیران اجرایی شرکت های تولیدی، بازرگانی و بارفرابری که جهت حمل محمولات صادراتی و وارداتی از خط کانتینری شرکت کشتیرانی جمهوری اسلامی استفاده می نمایند گردآوری شد و پس از انجام ۲۲ مصاحبه، کفایت نظری حاصل شد. جهت سنجش قابلیت اعتماد پژوهش، از شاخص های باورپذیری، اطمینان پذیری، تاییدپذیری و کاربرد پذیری استفاده گردید. نتایج کدگذاری و تحلیل داده ها، مبین آن است که مدیریت تجربه مشتری در حمل ونقل دریایی، شامل سه مرحله قبل از حمل دریایی، حین حمل دریایی و بعد از حمل دریایی است. پیشایندهای مدیریت تجربه مشتری در قالب الگویی از شرایط علی، شرایط مداخله گر و شرایط زمینه ای شناسایی و تجزیه وتحلیل شد. سپس، به منظور بهبود تجربه مشتری و ارائه الگوی نهایی، راهبردهای ارزش آفرینی برای مشتریان و ارزش آفرینی برای سازمان و پیامدهای حاصل از اجرای آن ها در صنعت حمل ونقل دریایی معرفی گردیده و موردبحث قرار گرفته است
Keywords:
Authors
هدی زادون
دانشجوی دکتری مدیریت بازرگانی، گروه مدیریت بازرگانی، دانشکده مدیریت واحد تهران مرکز، دانشگاه آزاد اسلامی.
بهرام خیری
دانشیار، گروه مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد تهران مرکز، ایران.
بهروز قاسمی
استادیار، گروه مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :