선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이러한 기대에 관한 딜레마는 고객 만족의 구현과 지속적 연구에 있어 큰 장애가 되고 있다. 본 연구에서는 기대, 고객 만족, 그리고 경영성 과에 대한 통합적 모형을 제시하고자 한다. 그리고 이를 통해 기대관리에 관한 몇 가지 시사점을 도출하고자 한다.
- 본 연구는 고객 만족을 확산모형으로 확장하여 설명하고자 한다. 단, 제품의 대상은 내구재로 제한하고자 한다.
- 본 연구는 고객 만족을 확산모형과 결합하여 선택 부문까지 확장하고자 하였다. 연구대상을 내구재로 한정함으로써 확산모형의 구전효과는 이미 구매한 고객의 만족 함수로 정의하였다.
- 이러한 가정은 서론에서도 언급한 것처럼, 선행 연구자들이 지적한 바와 같이, 기대를 높이면 만족 이 낮아지는 현상을 바탕으로 연구를 진행하고자 함이다. 또한 고객 만족에 대한 기대의 직접적 효과가 如이고, 불일치를 통한 간접효과가 为 이다.
- 기대를 높였을 때, 선택확률은 어떠한 결과를 가 져오는 것인지를 살펴보자. 기존 연구에서는 기대와 선택의 관계에 대한 언급은 거의 전무한 상태이다.
- 기대 불일치모델에 따르면, 기대를 높이는 것은 부정적인 불일치를 초래하여 고객 만족을 감소시킨다. 그렇다면, 기대를 높이는 기업의 커뮤니케이션 수단들에 과연 제한을 두어야 하는가? 본 연구에서는 기존의 기대 불일치모델에 대한 문제 제기로 시작되었다. 이를 위해서 기존의 기대 불일치모델과 확산모형을 통합하는 모형을 개발하였다.
- 기대관리의 딜레마는 고객 만족의 이해에 커다란 장애로 작용하였다. 본 연구는 기존의 기대 불일치 모델과 확산모형의 통합모형을 개발하고 개발된 모형을 통해 기대에 대한 이해를 높일 수 있었다. 새롭게 제시된 통합모형은 향후 고객 만족과 그 결과변수의 하나인 구전을 바탕으로 하는 확산모형의 시너지를 창출하는데 기여할 수 있다.
가설 설정
- 둘째는 연구모형이 비내구재에 비해 단순화가 가능하기 때문에 연구모형 구성이 용이하다는 점이다. 셋째는 비내구재 연구모형은 내구재 연구 모형의 확장모형으로 연구가 가능하기 때문이다. 내구재의 경우 고객 만족의 결과변수 중 일반적으로 반복구매행위는 존재하지 않는다고 보아야 한다.
- 식 (3)은 특정 시점에서 미구매 자의 구매할 확률은 그 사람이 갖게 되는 기대와 타인들로부터 오는 구전의 함수로 표현됨을 가정하고 있다. 또한 모형의 단순화를 위해 미구매자들의 기대효용은 시간에 관계없이 동일하고, 구전효과는 확산모형의 개념을 받아들여 잠재시장 대비 기구매 자의 비율과도 비례한다고 가정하고 있다. 단, 구전효과의 계수는 시간에 따라 변동하지 않는다고 가정하고 있다.
- 또한 모형의 단순화를 위해 미구매자들의 기대효용은 시간에 관계없이 동일하고, 구전효과는 확산모형의 개념을 받아들여 잠재시장 대비 기구매 자의 비율과도 비례한다고 가정하고 있다. 단, 구전효과의 계수는 시간에 따라 변동하지 않는다고 가정하고 있다.
- 식 (5)의 모형을 좀 더 구체적 살펴보기로 하자. 为( . ) 함수와 g2( . ) 함수는 모형의 단순성을 위하여 선형함수를 가정한다. 또한 乩( .
- 가정 1: 성과를 높이면 고객 만족도는 증가한다.
- 가정 2 : 기대를 높이면 고객 만족도는 감소한다.
- 그러므로 기대로 식 (9)를 편미분 하면 기대에 따른 고객만족도의 변화를 판단할 수 있다. 그 결과를 음의 값 값으로 가정한다.
- 명제 1: 기대를 높이면 소비자 선텍은 증가할 수 있다.
- 명제 2 : 성과를 높이면 선택확률은 증가된다.
- 명제 3 : 기대가 선택확률에 미치는 효과는 시간이 흐를수록 감소한다.
- 명제 4 : 성과가 선택확률에 미치는 긍정적 효과는 시간이 흐를수록 증가한다.
- 따라서 향후에서는 만족의 다양한 결과변수를 반영하는 모형을 개발하는 연구가 필요하다. 두 번째로는 모형의 단순화를 위해 사람들의 기대는 동일하게 영향을 받는다고 가정했다는 점이다. 사람들의 기대는 서로 다른 정보원을 기초로 개인의 특성 및 상황마다 다르게 형성된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.