An AHP Approach for Ranking Critical Success Factors of Customers Experience in Iranian Banks from Managers’ Viewpoint
Notice bibliographique
Résumé
Nowadays, customer experience is considered as a critical factor in growth cycle of each business. These daysonly those organizations that their main focus is fulfilling customer’s demands and desires with maximumquality can be succeed. The main purpose of this study is identifying and prioritizing critical success factorsfrom perspective of bank’s managers and experts. Considering these factors as key success factors can improvecustomer experience in banking services and help the banks to provide more favorable experience forcustomer .The statistical population consist of manager and customer of Refah bank in Isfahan city. Because thenumber of managers was limited census method has been used to select appropriate number of manager andexpert. For data analyzing, Analytic Hierarchy Process (AHP) through pair-wise comparison of factors andsub-factors has been applied by using Expert Choice software. The results suggest that “behavioral experience”is the most important factor in designing customer experience. So, behavioral experience has the most influenceon critical success factors at Refah bank. Cognitive aspect possesses the second priority and “affectiveexperience” possesses the lowest priority among all the other factors. By calculating inconsistency rate ofpair-wise comparison matrix, consistency of these factors is also acceptable. In addition, considering the resultsub-criteria of “employees” and “service process” possess the first and second priority respectively betweenfourteen sub-criteria of critical success factors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».