Skip to content
بازگشت به نتایج جست‌وجو

مقیاس وفاداری مشتری

معرفی‌شده توسط
Alan S. Dick, Kunal Basu
سال
1994
نوع
Multi-dimensional behavioral and attitudinal loyalty scale
خانواده
Customer loyalty measurement

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

مقیاس وفاداری مشتری (CLS) وفاداری مشتری را به عنوان ترکیبی از تعهد نگرشی و قصد رفتاری اندازه‌گیری می‌کند. این مقیاس که توسط دیک و باسو (1994) توسعه یافته است، بین وفاداری رفتاری (خریدهای تکراری) و وفاداری نگرشی (تعهد عاطفی) تمایز قائل می‌شود و اذعان می‌دارد که وفاداری واقعی شامل هر دو است.

CLS ابعاد متعددی از وفاداری از جمله قصد خرید مجدد، حمایت از طریق تبلیغات دهان به دهان و مقاومت در برابر پیشنهادات رقابتی را در بر می‌گیرد. این ابزار به طور گسترده در تحقیقات بازاریابی برای پیش‌بینی ارزش طول عمر مشتری و شناسایی مشتریان در معرض خطر استفاده می‌شود.

شهود پشت روش

وفاداری مشتری صرفاً خرید تکراری نیست؛ بلکه شامل تعهد عاطفی، حمایت و مقاومت در برابر پیشنهادات رقابتی است. CLS با اندازه‌گیری هر دو بعد رفتاری (احتمال خرید مجدد، تعهد به هزینه) و ابعاد نگرشی (دلبستگی عاطفی، حمایت از برند) این مفهوم را عملیاتی می‌کند. سازمان‌ها می‌توانند از CLS برای شناسایی وفاداری سطحی (خرید تکراری ناشی از اینرسی، عدم وجود جایگزین) در مقابل وفاداری واقعی (خرید تکراری ناشی از ترجیح و تعهد عاطفی) استفاده کنند و استراتژی‌های حفظ و رشد هدفمند را امکان‌پذیر سازند.

تاریخ

مقاله دیک و باسو در سال 1994 در ژورنال آکادمی علوم بازاریابی، چارچوب پایه‌ای برای درک وفاداری به عنوان ترکیبی از نگرش نسبی (ترجیح) و حمایت تکراری ارائه داد. کار آنها بر اساس تحقیقات قبلی رضایت و هزینه‌های تغییر بنا شده بود و تعهد روانی و الگوهای رفتاری را ادغام می‌کرد. مقیاس وفاداری مشتری این چارچوب را عملیاتی کرد و به یک ابزار استاندارد در تحقیقات بازاریابی، به ویژه در مدیریت ارتباط با مشتری (CRM) و تجزیه و تحلیل حفظ مشتری تبدیل شد. اقتباس‌های بعدی چارچوب CLS را در روابط B2B، وفاداری کارکنان و وفاداری دانشجویان در زمینه‌های آموزشی به کار برده‌اند.

چه زمانی استفاده شود

از CLS برای شناسایی خطر ریزش مشتری و هدف قرار دادن برنامه‌های حفظ مشتری، اندازه‌گیری تأثیر بهبود تجربه مشتری بر وفاداری، تقسیم‌بندی مشتریان بر اساس پروفایل وفاداری (وفاداران واقعی در مقابل در معرض خطر)، پیش‌بینی ارزش طول عمر مشتری و سودآوری، و مقایسه وفاداری در بین خطوط محصول، مناطق جغرافیایی یا جمعیت‌شناسی مشتری استفاده کنید. CLS به ویژه برای خدمات مبتنی بر اشتراک، با درگیری بالا، یا خدمات فشرده مبتنی بر رابطه (بانکداری، مخابرات، مهمان‌نوازی، مراقبت‌های بهداشتی) ارزشمند است.

محدودیت‌ها و ملاحظات

  • وفاداری خودگزارش‌دهی ممکن است با ترجیح آشکار شده متفاوت باشد؛ مشتریان ممکن است قصد وفاداری بالایی را بیان کنند اما در مواجهه با پیشنهادات رقابتی یا کاهش هزینه‌های تغییر، منصرف شوند.
  • موارد وفاداری نگرشی مستعد سوگیری مطلوبیت اجتماعی هستند؛ مشتریان ممکن است تعهد عاطفی را بیش از حد بیان کنند اگر نظرسنجی را به عنوان ارزیابی 'خوب بودن' آنها به عنوان مشتری تلقی کنند.
  • CLS بین محرک‌های وفاداری تمایز قائل نمی‌شود (به عنوان مثال، هزینه‌های بالای تغییر، عادت، عدم وجود جایگزین در مقابل ترجیح واقعی)؛ وفاداری رفتاری بالا ممکن است نشان‌دهنده موانع باشد تا تعهد واقعی.
  • این مقیاس فرض می‌کند که وفاداری پایدار است؛ در بازارهای پویایی که ترجیحات مشتری به سرعت تغییر می‌کند، CLS یک دوره ممکن است وفاداری یا رفتار خرید آینده را پیش‌بینی نکند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • هم ابعاد رفتاری و هم ابعاد نگرشی را در بر می‌گیرد و مبنای روانشناختی وفاداری و اینکه آیا وفاداری قوی است یا در برابر اختلال رقابتی آسیب‌پذیر است را آشکار می‌سازد.
  • پروفایل‌های بعد، تقسیم‌بندی دقیق مشتری و استراتژی‌های حفظ هدفمند را امکان‌پذیر می‌سازند (به عنوان مثال، مشتریان در معرض خطر نیاز به ارتباط ارزشی دارند، در حالی که وفاداران بالقوه نیاز به تسهیل خرید دارند).
  • در صنایع متعدد با ویژگی‌های روان‌سنجی قوی اعتبارسنجی شده است؛ ابعاد مستقل هستند و امکان بهینه‌سازی جداگانه را فراهم می‌کنند.
  • برای پیش‌بینی عملی است: امتیازات CLS با نرخ حفظ مشتری، ارزش طول عمر مشتری و فرکانس خرید همبستگی دارد؛ امکان مدل‌سازی ارزش طول عمر مشتری و محاسبه بازگشت سرمایه حفظ مشتری را فراهم می‌کند.

کاربردها

  • ردیابی وفاداری برند در خرده‌فروشی و کالاهای مصرفی: تولیدکنندگان و خرده‌فروشان به صورت فصلی از CLS برای نظارت بر روندهای وفاداری برند در بین بخش‌های مشتری استفاده می‌کنند؛ کاهش وفاداری نگرشی (حتی با خرید مجدد پایدار) نشان‌دهنده آسیب‌پذیری در برابر ورود رقبا است و نیاز به واکنش بازاریابی را ایجاد می‌کند.
  • مدیریت حفظ مشتری در خدمات اشتراکی: ارائه‌دهندگان خدمات پخش، نرم‌افزار و مخابرات از CLS برای شناسایی مشتریان با ارزش بالا در معرض خطر (رفتاری بالا + نگرشی پایین) استفاده می‌کنند؛ بخش‌های در معرض خطر برنامه‌های تعامل هدفمند (توصیه‌های محتوا، پیشنهادات انحصاری) را برای تقویت تعهد عاطفی دریافت می‌کنند.
  • مدیریت ارتباط با مشتری بانکی: موسسات مالی پس از تعامل (به عنوان مثال، پس از افتتاح حساب، حل اختلاف) CLS را برای اندازه‌گیری وفاداری رابطه اجرا می‌کنند؛ مشتریانی که علی‌رغم تراکنش‌ها وفاداری نگرشی پایینی دارند، ارتباطات شخصی‌سازی شده برای ایجاد رابطه دریافت می‌کنند.
  • وفاداری و حفظ بیمار در مراقبت‌های بهداشتی: بیمارستان‌ها و کلینیک‌ها از CLS برای اندازه‌گیری وفاداری بیماران به ارائه‌دهندگان و سیستم‌های بهداشتی استفاده می‌کنند؛ وفاداری رفتاری پایین (علی‌رغم احساسات مثبت) ممکن است نشان‌دهنده موانع دسترسی یا راحتی باشد؛ وفاداری نگرشی پایین نشان‌دهنده مسائل تجربه بالینی یا اعتماد است که نیاز به مداخله دارد.

چگونه کار می‌کند

چگونه کار می‌کند

1

مشتریان 10 تا 12 مورد را در مقیاس لیکرت 7 درجه‌ای (1=کاملاً مخالفم تا 7=کاملاً موافقم) ارزیابی می‌کنند که دو بعد اصلی را پوشش می‌دهد: وفاداری رفتاری (5 تا 6 مورد: به عنوان مثال، 'قصد دارم در آینده از این شرکت خرید کنم'؛ 'مایلم برای این برند نسبت به برندهای رقیب قیمت بالاتری بپردازم') و وفاداری نگرشی (5 تا 6 مورد: به عنوان مثال، 'این شرکت را به دوستی توصیه می‌کنم'؛ 'احساس دلبستگی عاطفی به این برند دارم'؛ 'معتقدم این برند مورد علاقه من است'). نحوه اجرا معمولاً از طریق پست، نظرسنجی آنلاین، تلفن یا پرسشنامه حضوری پس از خرید یا به صورت دوره‌ای از مشتریان فعلی است. مدت زمان نظرسنجی 3 تا 5 دقیقه است.

2

میانگین امتیاز را برای هر یک از دو بعد: وفاداری رفتاری و وفاداری نگرشی محاسبه کنید. امتیاز کلی مقیاس وفاداری مشتری را به عنوان میانگین تمام 10 تا 12 مورد محاسبه کنید. امتیازات از 1 (وفاداری بسیار کم) تا 7 (وفاداری بسیار زیاد) متغیر است. یک رویکرد تقسیم‌بندی رایج مشتریان را طبقه‌بندی می‌کند: وفاداران واقعی (رفتاری بالا + نگرشی بالا)، در معرض خطر (رفتاری بالا + نگرشی پایین)، وفاداران بالقوه (رفتاری پایین + نگرشی بالا) و غیروفادار (رفتاری پایین + نگرشی پایین).

3

امتیازات کلی CLS بالاتر از 5.5 نشان‌دهنده وفاداری قوی است؛ امتیازات 4.0 تا 5.5 نشان‌دهنده وفاداری متوسط با خطر ریزش است؛ امتیازات زیر 4.0 نشان‌دهنده وفاداری ضعیف است که نیاز به مداخله دارد. پروفایل‌های خاص بعد، وضعیت مشتری را مشخص می‌کنند: رفتاری بالا + نگرشی پایین نشان‌دهنده خرید عادتی (اینرسی یا عدم وجود جایگزین) است که در برابر اختلال رقابتی آسیب‌پذیر است؛ نگرشی بالا + رفتاری پایین نشان‌دهنده احساس مثبت نسبت به برند است که هنوز به خرید تبدیل نشده یا فرکانس خرید کافی نیست. تغییرات سالانه CLS، ریزش و روندهای ارزش طول عمر مشتری را پیش‌بینی می‌کند.

دام‌های رایج

  • استفاده از موارد صرفاً رفتاری (قصد خرید مجدد) و حذف موارد نگرشی؛ این امر وفاداری واقعی را با اینرسی یا عدم وجود جایگزین مخلوط می‌کند و ارزش استراتژیک برای حفظ مشتری را کاهش می‌دهد.
  • مقایسه امتیازات CLS در بین بخش‌های مختلف مشتری (مشتریان جدید در مقابل مشتریان با سابقه، با ارزش بالا در مقابل با ارزش پایین) بدون تعدیل برای تفاوت‌های طبیعی؛ مشتریان با سابقه به دلیل آشنایی به طور ذاتی امتیاز بالاتری کسب می‌کنند.
  • فرض اینکه تمام ابعاد CLS وزن برابر دارند؛ در برخی دسته‌ها (مانند خدمات عمومی)، وفاداری رفتاری غالب است؛ در دسته‌های دیگر (مانند کالاهای لوکس)، وفاداری نگرشی ارزش طول عمر را هدایت می‌کند.

پرسش‌های متداول

تفاوت مقیاس وفاداری مشتری و امتیاز خالص مروجان (NPS) چیست؟

NPS یک معیار تک‌موردی از تمایل به توصیه (احتمال حمایت) است که یکی از ابعاد وفاداری نگرشی را در بر می‌گیرد. CLS به طور جامع هم وفاداری رفتاری (قصد خرید مجدد، هزینه) و هم وفاداری نگرشی (توصیه، دلبستگی عاطفی، ترجیح برند) را اندازه‌گیری می‌کند. NPS ساده‌تر برای اجرا و ردیابی است و آن را برای نظارت با فرکانس بالا مناسب می‌سازد؛ CLS بینش تشخیصی غنی‌تری در مورد چرایی تنوع وفاداری و اینکه کدام بخش‌های مشتری واقعاً وفادار در مقابل در معرض خطر هستند، ارائه می‌دهد.

چگونه باید امتیاز وفاداری رفتاری بالا اما وفاداری نگرشی پایین (مشتریان عادتی) را تفسیر کنم؟

این مشتریان به دلیل اینرسی، هزینه‌های تغییر، یا عدم آگاهی از جایگزین‌ها، نه به دلیل ترجیح واقعی، خرید تکراری انجام می‌دهند. آنها در برابر اختلال رقابتی آسیب‌پذیر هستند، به ویژه اگر جایگزین‌ها راحتی یا مزایای هزینه را ارائه دهند. استراتژی: تقویت ارتباط عاطفی از طریق تجربه بهتر مشتری، تقویت ارتباط ارزشی، یا کاهش هزینه‌های تغییر. ریزش را به دقت رصد کنید، زیرا وفاداری عادتی می‌تواند به سرعت اگر پیشنهادات رقابتی بهبود یابد، معکوس شود.

چه اندازه نمونه‌ای برای یک مطالعه قابل اعتماد CLS نیاز دارم؟

حداقل 100 مشتری در هر بخش یا خط محصول برای تخمین‌های پایدار در سطح بعد توصیه می‌شود. برای ردیابی وفاداری در بین چندین گروه (بر اساس تاریخ اکتساب، جمعیت‌شناسی، جغرافیا)، 300 تا 500 پاسخ‌دهنده امکان تقسیم‌بندی قابل اعتماد و تجزیه و تحلیل زیرگروه‌ها را فراهم می‌کند. برای مدل‌سازی ارزش طول عمر مشتری مرتبط با امتیازات CLS، نمونه‌های بزرگتر (1000+) دقت آماری را برای پیش‌بینی افزایش می‌دهند.

آیا می‌توانم از CLS برای روابط مشتری B2B استفاده کنم؟

بله، موارد را برای بازتاب تصمیم‌گیری B2B تطبیق دهید (به عنوان مثال، 'قصد داریم مشارکت خود را با این فروشنده ادامه دهیم' به جای ترجیح شخصی برند). موارد رفتاری بر تمدید قرارداد و تعهد به هزینه تمرکز می‌کنند؛ موارد نگرشی به روابط مورد اعتماد و تناسب استراتژیک می‌پردازند. موارد تطبیق داده شده را با آزمایش پایلوت اعتبارسنجی کنید تا از ارتباط آنها در زمینه‌های خرید B2B اطمینان حاصل شود، جایی که کمیته‌های خرید و ملاحظات قراردادی با زمینه‌های مصرف‌کننده متفاوت است.

وفاداری مشتری را هر چند وقت یکبار باید اندازه‌گیری کنم؟

اندازه‌گیری سالانه برای ردیابی روندهای وفاداری و پیش‌بینی ریزش استاندارد است. اندازه‌گیری فصلی مناسب است اگر محرک‌های وفاداری (کیفیت خدمات، موقعیت رقابتی، قیمت‌گذاری) به طور مکرر در حال تغییر باشند. اندازه‌گیری CLS با فرکانس بالا (ماهانه) می‌تواند از مشتریان یکسان نمونه‌برداری بیش از حد کند و نوسانات درون فردی را با تغییرات معنی‌دار وفاداری مخلوط کند. برای خدمات با درگیری بالا (برنامه‌ریزی مالی، مشاوره)، اندازه‌گیری نیمه‌سالانه یا سالانه کافی است. برای ارزیابی تأثیر بر وفاداری، پس از تغییرات عمده خدمات اندازه‌گیری کنید تا تأثیر آن بر وفاداری ارزیابی شود.

روش‌های مرتبط

منابع

  1. Dick, A. S., & Basu, K. (1994). Customer Loyalty: Toward an Integrated Conceptual Framework. Journal of the Academy of Marketing Science, 22(2), 99-113.

    باز کردن مرجع DOI
    کپی شد.
  2. Hennig-Thurau, T., Langer, M. F., & Hansen, U. (2002). Modeling and Managing Student Loyalty: An Approach Based on the Concept of Relationship Quality. Journal of Service Research, 4(4), 331-344.

    باز کردن مرجع DOI
    کپی شد.