共查询到19条相似文献，搜索用时 265 毫秒
1.
2.
建立供电企业和客户之间良好的互动关系是电力客户服务中心的重要工作内容,在开展供电服务中引入客户关系管理CMR,电力客户关系管理就是秉承优质服务的理念,建立一种改善和优化电网企业和电力客户之间关系的新型管理机制,通过电网企业客服中心专业人员在业扩、安全服务、电费收缴等环节收集客户信息,并加以分析,从而为电力客户提供全面的、个性化的供电服务,并建立起稳固有效的伙伴式关系,降低电网企业的经营风险。 相似文献
3.
4.
优质服务是供电企业永恒的主题,如何提升客户满意度已经成为供电企业亟待解决的问题。基于客户满意度提升的要求,结合客户服务现状、第三方客户满意度影响因素及结果分析,设计了一套涵盖电力客户服务各业务流程的＂一站式＂服务体系的框架模型,为供电企业持续提升服务质量与服务水平提供决策依据。 相似文献
5.
6.
随着社会不断进步和发展,客户的需求供电部门能提供便捷的服务、优质的电能和个性化的服务,一些电力大客户已经不满足于微笑服务、主动服务、他们需要有更详细、更专业的沟通,伴随着知识的传递过程,而传统用电营销模式无法满足这些个性化需求,只有通过及时掌握电网运行状况和客户用电特点的专业知识营销,才会增进对客户理解,真正提高客户满意度.本文结合供电企业大客户差异化服务理念的逐步建立,进一步探讨供电企业如何有效地制定大客户差异化服务策略.重点分析了售前、售中、售后阶段的服务策略,指出核心是售后服务策略. 相似文献
7.
市场经济发展和电力客户需求多元化,对供电企业服务提出更高的要求。以肇庆供电局为例,要提高客户综合评价满意度,就需要从问题与原因出发,从评价模式、保障体系、技术手段以及服务需求去改革。 相似文献
8.
优质服务是供电企业生存发展的必由之路,客户满意是优质服务的基本要求,建立优质服务营销体系是“客户满意”的有力保障,“客户满意”是供电企业生存发展的生命线。透过江苏省常州供电公司在市场经济中不断深化优质服务的经验,从服务态度、服务方式、服务手段、服务内容及管理体制、机制的不断创新、优化、规范、完善,从自主创新到常态运行,实现“客户满意、客户信任”是供电优质服务的永恒主题。 相似文献
9.
基于CLV及客户满意度的客户细分 总被引：2，自引：0，他引：2
客户细分是客户关系管理研究的重要内容之一,目前已有许多研究分别基于客户终生价值(CLV)及客户满意度为细分变量对客户进行细分,但尚未有研究将二者联系起来对客户进行分析.首先,阐述了将CLV及顾客满意度作为细分变量的依据,然后,构建了基于CLV及顾客满意度的客户细分模式,并依据模型提出了企业价值提升策略. 相似文献
10.
11.
12.
13.
基于顾客开发视角的顾客满意与消费行为关联研究 总被引：3，自引：0，他引：3
过去的研究发现,虽然企业产品或服务已经达到了新顾客的期望,但依然无法阻止他们的流失,较高的新顾客流失率已经成为困扰企业发展的一个因素之一。因此,探究新顾客的消费评价机理对于降低新顾客流失率变得越来越重要。作者认为,相对于老顾客,新顾客对企业的产品和服务更为挑剔,并从理论上推导了造成这种现象的内在机理。研究结论表明,企业应该更加注重对新顾客的管理,必须通过提供超越顾客期望的产品或服务以突破冷漠满意区间,给新顾客留下难以忘记的良好印象,从而提高新顾客开发成功率。 相似文献
14.
基于客户关系生命周期的CRM理念 总被引：8，自引：0，他引：8
在竞争激烈的市场中，企业在不断寻求获得新客户、保持现有客户和争取流失客户的新途径以获得和保持竞争优势。客户关系管理正是企业实现上述目标的有效手段。如今有很多人在讨论客户关系管理，但是大家对CRM这一时髦用语的理解并不一致。Irr服务供应商将CRM视为特殊的软件解决方案或新的分析方法，强调销售自动化、计算机辅助销售、数据仓库、数据挖掘、呼叫中心的一体化等。而市场营销理论工作者和管理人员则认为CRM是客户导向和营销基本理念的回归，他们注重需求导向的客户细分、一对一营销、客户终身价值、客户维系和客户关怀等。而本文作者是从客户关系生命周期这一新角度去理解CRM。本文首先提出了客户关系生命周期的模型及其各阶段的特点，简要地介绍了CRM，然后对客户关系生命周期不同阶段的CRM对策和CRM措施的重点进行了深入的探讨。 相似文献
15.
企业细分市场的目的，是为了找到适合自己进入的目标市场，并根据目标市场的需求特点，制定有针对性的营销方案。使目标市场的客户某些独特的需要得到更充分的满足；通过使用数据挖掘技术，可以根据所拥有的数据特征发现不同的客户群，从而使企业能够依据不同的消费群体制定相应的营销策略。本文提出了运用聚类技术分析客户特征信息的方法，并用真实数据做了实证分析。 相似文献
16.
通过对484名商业银行顾客的问卷调查,研究了顾客创新性、顾客产品知识对顾客个人创新行为的影响.本文提出了顾客个人创新行为的概念并对之进行了界定和测量,顾客个人创新行为由“创新构想的产生”和“创新构想的研究”、“创新构想的拥护与应用”3个阶段构成.实证结果表明,顾客产品知识对顾客个人创新行为具有正向直接的影响,其中顾客产品知识对创新构想的产生、创新构想的执行和拥护具有直接的正向影响;顾客创新性对顾客产品知识具有正向直接的影响;顾客创新性对顾客个人创新行为具有正向直接的影响,其中顾客创新性对创新构想的产生和研究具有直接的正向影响 相似文献
17.
在价值共创时代,如何实现数字化转型和创新发展成了企业面临的现实问题和发展的必然趋势,与此同时,知识管理水平和知识创新能力进而成了制约企业创新发展的关键因素,顾客已经成为企业在激烈的市场竞争环境下获取优势的重要资源,基于顾企互动和知识共享的价值创造模式将成为企业商业模式创新的重要趋势,顾客知识的共享对加速企业知识创新进程起着重要的推动作用。基于此,文章从顾企互动的视角对顾客知识共享的决策行为进行了分析,并通过演化博弈模型的构建和仿真分析探究了知识共享成本、知识共享收益、知识储备量和收益分配系数等因素对顾客知识共享决策行为的内部影响机制,通过仿真分析得出结论：（1）当知识共享成本提升时,只有当顾客和企业的参与意愿较高时才会促使知识共享行为的发生,且延缓了知识共享产生的进程;（2）当知识共享收益增加时,能够增强顾客参与知识共享的意愿并且能够加速知识共享进程;（3）当顾客和企业的知识储备量存在差异时,这种差异会一定程度上延缓和抑制知识共享进程,相比之下,当顾客所掌握的知识的储备量大于企业的知识储备量时将更不利于知识共享行为的发生;（4）当企业参与知识共享的初始概率较低时,可以采用为企业制定较高的收益分配系数的方式来促进知识共享行为的产生,但是在确保知识共享行为发生的前提下,为企业分配较多的知识共享收益会延缓知识共享行为产生的速度,此时,加速知识共享行为产生的有效策略是为顾客分配较多的共享收益。 相似文献
18.
《Information processing & management》2022,59(6):103085
Nowadays, Artificial Intelligence (AI) based modeling is the major consideration to build efficient, automated, and smart systems for our today's needs. Many companies are benefited from these modeling methods for their marketing efforts. Each firm has expected to increase its product development in an innovative way to improve its business growth. Successful firm marketing is to offer the right product to the right person at the right time. To market the product to the customer successfully, it is needed to segment the customer by finding their behavioral patterns. The customer behaviors and their purchasing patterns are used to generate profit for the company. Customer segmentation is the process of grouping customers based on commonalities. Developing an efficient AI-based customer segmentation to improve digital marketing growth is a challenging task. In this paper, an unsupervised deep learning model called a Self-organizing map with an Improved social spider optimization approach has been used for efficient customer segmentation. The customer data are analyzed by a feature engineering process using a swarm intelligence model called Modified social spider optimization to select the behavioral features of the customer. Then, the customers are clustered using Self Organizing neural network (SONN). Based on the clusters, the customers are classified using the Deep neural network (DNN) model. The experimental results prove the performance of the proposed model with high clustering and segmentation capability to improve the business profit in marketing. 相似文献
19.
James Christopher Westland Jian Mou Dafei Yin 《Information processing & management》2019,56(4):1592-1604
Consumers often display unique habitual behaviors, and knowledge of these behaviors is of great value in prediction of future demand. We investigated consumer behavior in bicycle sharing in Beijing, where demand prediction is critical for cost-effective rebalancing of bicycle locations (putting bikes where and when they will be rented) and supply (number of bicycles). We created baseline statistical demand models, borrowing methods from economics, signal processing and animal tracking to find consumption cycles of 7, 12, 24 h and 7-days. Lorenz curves of bicycle demand revealed significant stratification of consumer behavior and a long-tail of infrequent demand. To overcome the limits of traditional statistical models, we developed a deep-learning model to incorporate (1) weather and air quality, (2) time-series of demand, and (3) geographical location of demand. Customer segmentation was added at a later stage, to explore potential for improvement with customer demographics. Our final machine learning model with tuned hyperparameters yielded around 50% improvement in predictions over a discrete wavelet transform model, and 80–90% improvement in predictions over a naïve model the reflects some current industry practice. We assessed causality in the deep-learning model, finding that location and air quality had the strongest causal impact on demand. The extreme market segmentation of customer demand, and our relatively short time span of data combined to make it difficult to find sufficient data on all customers for a model fit based on segmentation. We reduced our model data to only the 10 most frequent to see whether such segmentation improves our model's predictive success. These results, though limited, suggest that customer behavior within market segments is more stable than across all customers, as was expected. 相似文献