ارائۀ مدلي از عوامل مؤثر در روي‌گرداني مشتريان به روش معادلات ساختاري و نظام استنتاج فازي (FIS)

Developing a model for factors affecting customers’ behavioral intentions using structural equations and Fuzzy Inference System (FIS)

هدف: ‌ارائۀ مدل توسعه‌يافته‌اي از عوامل مؤثر در قصد روي‌گرداني مشتريان و نيات رفتاري آنان در صنعت بيمه به روش معادلات ساختاري و نظام استنتاج فازي. روش‌شناسي: ‌اين مطالعه از نظر روش تحقيق در دستۀ مطالعات توصيفي-تحليلي قرار دارد و جامعۀ آماري آن را مشتريان شركت‌هاي بيمه در استان البرز تشكيل مي‌دهد. به‌منظور نمونه‌گيري، از فرمول كوكران بهره گرفته شده و بر اين اساس، تعداد 386 مشتري (به روش نمونه‌گيري طبقه‌اي – تصادفي) در حكم نمونه در مطالعۀ حاضر شركت كرده‌اند. داده‌ها با پرسشنامه‌هاي استاندارد گردآوري شده و داده‌ها با دو رويكرد مدل‌سازي معادلات ساختاري و نظام استنتاج فازي تجزيه‌و‌تحليل شده‌اند. يافته‌ها: ‌يافته‌ها در بخش مدل‌سازي معادلات ساختاري نشان داد كه مجموعۀ عوامل زمينه‌اي در مدل نظري اين پژوهش، مي‌توانند به ميزان 91/8 و 77/2 درصد از تغييرات نيات رفتاري مشتريان و قصد روي‌گرداني مشتريان را تبيين كنند (R-Square= 0.918 – 0.772). همچنين نتايج به‌دست‌آمده از نظام استنتاج فازي نشان داد كه تأثيرات رضايت مشتريان و ريسك‌هاي ادراكي در يكديگر مخالف هم است. نتيجه‌گيري: در ريسك‌هاي ادراك‌شده با مقدار متوسط به بالا، تغييرات نمرات رضايت مشتريان از مقدار عددي 0/1 به سمت عدد 1، در قصد روي‌گرداني مشتريان اثر كاهشي دارد. همچنين هزينۀ روي‌گرداني، در مقايسه با تصوير برند، تأثير كمتري در دستيابي با نيات رفتاري مثبت در مشتريان دارد؛ تا حدي كه با تحقق هزينۀ روي‌گرداني بالا، يعني نمرات بالاتر از 0/8، فقط كافي است كه تصوير از برند از مقدار 0/2 بيشتر باشد تا بتوان انتظار داشت كه نيات رفتاري مثبت در مشتريان در حد بسيار مطلوبي محقق شود

Objective: this study aimed to develop a model for factors affecting customers' switching intention and their behavioral intentions in the insurance industry using with structural equations and fuzzy inference system. Method: This study was descriptive-analytical. The statistical population consisted of customers of insurance companies in Alborz province (18 companies). About 386 customers (by stratified random sampling method) participated in this study using the Cochran sample size formula. Standard questionnaires (with verified validity and reliability) were used for data collection. The structural equation modeling and fuzzy inference system were used for data analysis. Finding: The results in structural equation modeling showed that the set of contextual factors in the theoretical model of this research can explain 91.8% and 77.2% of changes in customers’ behavioral intentions and customers' switching intention (R-Square = 0.918 - 0.772). In addition, the results from the fuzzy inference system showed that the effects of customer’s satisfaction and perceived risks on each other were in opposite direction. Conclusion: in perceived risks with upward average amount (from a numerical value of 0.5 to 1), changes of customer satisfaction scores served from a numerical amount of 0.1 to 1, with a decreasing form on customers' switching intention. Also, switching costs had less impact on achieving the positive behavioral intentions of customers than the brand image. Thus, it can be seen that by realizing the high switching costs, i.e., scores higher than 0.8, it is only enough that the brand image is higher than 0.2, so it can be expected that the positive behavioral intentions to be realized in a very acceptable level in the customers.