دانلود ترجمه مقاله تقویت فروش B2B از طریق بررسی کلان داده های مشتری

مشارکت نظری:
این مقاله یکی از اولین ها در بررسی تجربی این موضوع است که آیا تجزیه و تحلیل کلان داده ها مشتری باعث تقویت عملکرد ارتباط با مشتری در شرکت های B2B و همچنین تقویت فروش می شود. از این رو این مقاله در بحث فعلی رابطه میان دارایی های کلان داده ها و عملکرد شرکت (یعنی دوبی، گوناسکاران، چیلید، بلوم، و پاپادوپولوس، 2019؛ میولر، فی، و وام بروک، 2018) شرکت کرده و نتایجی در خور از دیدگاه مدیریت ارتباط با مشتری در شرکت های B2B ارائه می دهد. هم بخشی های نظری مقاله نیز برجسته است، چرا که بیشتر بحث های علمی فعلی بر روی جنبه فنی بوده (وانگ و حاجیلی، 2017) و مقالات تجربی کمیاب هستند. این مطالعه بر روی چگونگی تاثیر استفاده از تجزیه و تحلیل کلان داده های مشتری بر معیارهای عملکرد شرکت، که دربرگیرنده عملکرد ارتباط با مشتری (پیامدهای غیر پولی) و رشد فروش (پیامدهای پولی) است متمرکز می باشد. نتایج مقاله نشان می دهد که تجزیه و تحلیل کلان داده های مشتری، عملکرد ارتباط با مشتری و رشد فروش را افزایش می دهد که تاثیر مستقیم آن بر روی دومی است. همچنین، متوجه شدیم که عملکرد ارتباط با مشتری حامی رشد فروش است. این نتایج با مقالات قبلی در رابطه با تجزیه و تحلیل کلان داده ها و عملکرد شرکت (آکتر و همکاران؛ 2016، نام و همکاران، 2019؛ وامبا و همکاران، 2017) هم راستا بوده و همچنین اطلاعات جدیدی را در رابطه با تاثیر تجزیه و تحلیل کلان داده های بر پیامدهای غیر پولی به شکل عملکرد ارتباط با مشتری ارائه می دهد چرا که مقالات فعلی عملکرد شرکت را اساسا از طریق پیامد پولی مانند سود آوری، بازده سرمایه گذاری (ROI) و رشد فروش بررسی می کنند. تجزیه و تحلیل کلان داده ها به چندین شکل می تواند عملکرد شرکت را تقویت کند، مانند ارائه موقعیت های بهتر در تقسیم بندی و پروفایل بندی مشتریان (فن و همکاران، 2015)، ایجاد پیشنهادات (فن و همکاران، 2015)، و قیمت گذاری پویا (لاویل، لسر، شاکلی، هاپکینز، کروشویتز، 2011) برای ریز بخش های مختلف.

Theoretical contribution:
This study is among the first to empirically examine whether big customer data analytics enables B2B companies to enhance their customer relationship performance and foster sales, as conceptual papers suggest. Hence, the study adds to the ongoing discussion on the relationship between big data assets and firm performance (e.g. Dubey, Gunasekaran, Childe, Blome, & Papadopoulos, 2019; Müller, Fay, & vom Brocke, 2018), and provides fine-grained results from the viewpoint of B2B firms' customer relationship management. The theoretical contribution of the study is salient, as much of the existing academic discussion is focused on the technical side (Wang & Hajli, 2017) and empirical studies are scarce. The study focuses on how the use of customer big data analytics in managing customer relationships impacts company performance metrics, comprised of customer relationship performance (non-monetary outcomes) and sales growth (monetary outcomes). The results of the study show that customer big data analytics enhances customer relationship performance and sales growth, the direct effect being stronger for the latter. Additionally, we find that customer relationship performance supports sales growth. These results are in line with prior studies related to big data analytics and company performance (Akter et al., 2016; Nam et al., 2019; Wamba et al., 2017) while also providing new information about the influence of big data analytics on nonmonetary outcomes in the form of customer relationship performance, as existing studies model company performance mainly through monetary outcomes such as profitability, return on investment (ROI) and sales growth. Big data analytics may enhance company performance in various ways, providing improved opportunities in segmenting and profiling customers (Fan et al., 2015), generating recommendations (Fan et al., 2015) and dynamic pricing (LaValle, Lesser, Shockley, Hopkins, & Kruschwitz, 2011) for different microsegments, for example.