دانلود ترجمه مقاله ارزیابی دو مدل ارزش طول حیات مشتری از چشم انداز بخش بندی

مقدمه:
ارزش دوره حیات مشتری (CLV) یک معیار کمی از جریان نقدی خالص شرکت است که توسط مشتریان و در طی ارتباطات آنها با شرکت ایجاد شده است. این معیار، اهمیت زیادی دارد و به شکل وسیعی توسط شرکت های مختلف مانند انستیتوهای مالی، فروشگاه ها، شرکت های ارتباطات از راه دور و غیره برای یافتن تفاوت های میان مشتریان و نیز بهترین روش و مناسب ترین سرویس به کار رفته است. محاسبه درست CLV می تواند شرکت را با طبقه بندی مشتریانش بر مبنای رتبه بندی ارزش دوره حیات آنها کمک کند تا استراتژی های بازاریابی مختلفی برای هرگروه اتخاذ شود (گوپتا و لمان 2003).
با تحقیقات زیاد مدلهای مختلفی توسط دانشمندان برای محاسبه CLV پیشنهاد شده است. این مدل ها CLV هر مشتری را با استفاده از داده های در دسترس در پایگاه داده مشتریان شرکت محاسبه میکنند. برخی از این مدل ها ارزش دوره حیات را تنها با استفاده از داده های گذشته مشتریان بررسی میکنند درحالیکه رفتار آتی آنان را مد توجه قرار می دهند (کومار 2005). این نوشته مختص مطالعات انجام شده درمورد طبقه بندی مدلهاست. با این حال، کارکنونی دارای فقدان تحقیق مقایسه ای برای ارزیابی این مدل بخصوص در زمینه بخش بندی هاست. (لمان و تانیا 2006).
هدف این مقاله ایجاد یک طبقه بندی برای مدل های کنونی برمبنای کارهای گذشته و ویژگی های اصلی آنان ونیز انجام مقایسه میان دو مدل مد نظر از دو طبقه مختلف با استافده از پایگاه داده یکسانی درحوزه بخش بندی می باشد. بقیه مقاله به شکل زیر سازماندهی شده است. طبقه بندی مدل های موجود و مطالعات تجربی کارهای مرتبط در بخش 2 آمده است. بخش 3 به دنبال این مطالعه یک روش تحقیق را پیشنهاد می کند. محاسبه ارزش های دوره حیات برای هر مدل و ساختار بخش بندی به دست آمده توسط مدلهای مقایسه شده در بخش 4 آورده شده. این بخش همچنین شامل نتایج مقایسه با تست کردن فرضیات تحقیقاتی موجود است. بخش 5 با اطلاعات مربوط به مقایسه های آکادمیک و عملی مطالعه و نیز اسناد مکتوب گذشتهف از مقاله نتیجه گیری کرده است.

Introduction:
Customer lifetime value (CLV) is quantitative measurement of a firm's net cash flows generated by its customers throughout their relationship with the company. This measurement has been of great importance and widely used by a variety of companies such as financial institutions, retail stores, telecommunication firms and etc. to find the differences between the customers and to tailor the most appropriate services for them Correct calculation of CLV can facilitate a firm classify its customers based on their lifetime value rankings so that different marketing strategies can be developed for each group (Gupta and Lehmann, 2003).
Various models have been proposed by many researchers in order to calculate CLV. These models determine the CLV for each customer by using the available data in firms' customer databases. Some of these models calculate the lifetime values by only using the past data of customers, while some others take the future behaviour of them into consideration (Kumar, 2005). The literature was dominated by the studies in the latter category of the models. However, the current work lacks of comparative research on assessing those models, especially within the context of segmentation (Lemon and Tanya, 2006).
The aim of this paper is to provide a classification for the current models in the literature based on their basic characteristics and to make a comparison between two representative models from two different categories using the same database within the scope of segmentation. The rest of the paper is organized as the followings. The classification of the existing models and the empirical studies of the related literature are provided in Section 2. Section 3 presents the methodology followed in this study. Calculation of lifetime values for each model and the segmentation structures obtained by the comparative models are given in Section 4. Section 4 also includes the results of the comparison via testing the associated research hypotheses. Section 5 concludes the paper with information regarding practical and academic contribution of the study as well as its limitations.