zone, we were able to match 1,097 of the 1,116 (98.3%customers from the treatment group with customers whhad not participated in a CRP. We were unable to find a statistical twin within this tolerance zone for only 19 of th
1,116 participants.
Following Rosenbaum and Rubin (1985), we calculated
a percentage reduction in bias for all variables, a common tactic (Wangenheim and Bayón 2007a). As we show in Table 2, the matching procedure achieved a good bias reduction. Participants and nonparticipants exhibited different characteristics and behavior before the matching procedure but were relatively similar afterward. The average percentage reduction in bias for all variables was 86.3%.
Results. We use chum and revenue to operationalize loyalty. Researchers often use customer chum as a loyalty indicator (e.g., Schmitt, Skiera, and Van den Bulte 2011), because a lower chum rate implies that customers are staying with the firm for a longer time. Customers who do not chum repurchase the product or service, in line with our definition of loyalty. We also include revenue as a second indicator of loyalty. That is, high revenue results from a higher frequency of purchases, more money spent per purchase, and more cross-buying (Reinartz and Kumar 2003), which, in our context, can be due to customers concentrating their cellular communication spending with a specific provider.
Figure 1 depicts the chum-reducing effect of participation in a CRP. An analysis using the Cox (1972) model revealed a significant effect of participation in a CRP on the probability of being an active customer, that is, of not chuming (ß = 2.1,;? < .001). Twelve months after the treatment period, the probability of being an active customer was 81% for nonparticipants but 93% for participants, in support of H|. Participating twice in the CRP had no additional effect beyond the first recommendation (ß = .Ti,p> .34).
โซน เราไม่สามารถให้ตรงกับ 1,097 ของ 1,116 (98.3%customers จากกลุ่มรักษาด้วย whhad ไม่เข้าร่วมใน CRP เป็นลูกค้า เราไม่สามารถหาคู่ทางสถิติภายในโซนนี้ยอมรับเฉพาะ 19 ของ thร่วม 1,116ต่อ Rosenbaum และ Rubin (1985), เราได้ลดเปอร์เซ็นต์ในความโน้มเอียงในตัวแปรทั้งหมด แททั่วไป (Wangenheim และ Bayón 2007a) ตามที่แสดงในตารางที่ 2 ขั้นตอนการจับคู่ได้ลดตั้งดี Nonparticipants และผู้เข้าร่วมจัดแสดงลักษณะที่แตกต่างกันและพฤติกรรมก่อนกระบวนการตรงกัน แต่ก็ค่อนข้างคล้ายกันภายหลัง ลดเปอร์เซ็นต์เฉลี่ยที่ความโน้มเอียงในตัวแปรทั้งหมด 86.3%ผลลัพธ์ที่ เราใช้ชุมและรายได้เพื่อ operationalize สมาชิก นักวิจัยใช้ชุมลูกค้าเป็นสมาชิกตัวบ่งชี้ (เช่น Schmitt, Skiera และเดน Bulte 2011), มักเนื่องจากชุมอัตราที่ลดลงหมายความว่า ลูกค้าสำรองห้องพักที่บริษัทเป็นเวลานาน ลูกค้าที่ชุม repurchase ผลิตภัณฑ์หรือบริการ ตามคำจำกัดความของของสมาชิก เรายังมีรายได้เป็นตัวบ่งชี้ที่สองของสมาชิก นั่นคือ รายได้สูงผลจากที่สูงกว่าความถี่ของการซื้อ เงินใช้ต่อซื้อ เพิ่มเติมระหว่างการซื้อ (Reinartz และ Kumar 2003), ซึ่ง ในบริบทของเรา จาก concentrating ของโทรศัพท์มือถือสื่อสารใช้จ่ายกับผู้ให้บริการเฉพาะลูกค้ารูปที่ 1 แสดงให้เห็นผลลดชุมของ CRP เข้าร่วม ผลสำคัญของการเข้าร่วมใน CRP ที่ในความเป็นไปได้ของ การใช้งานลูกค้า คือ ของ chuming ไม่เปิดเผยการวิเคราะห์โดยใช้แบบจำลองค็อกซ์ (1972) (บาท = 2.1,; ? < .001). สิบสองเดือนหลังจากรอบระยะเวลาการรักษา ความน่าเป็นของ ลูกค้าที่ใช้งานอยู่ถูก 81% สำหรับ nonparticipants แต่ 93% สำหรับผู้เข้าร่วม สนับสนุน H| เข้าร่วมใน CRP สองก็ไม่มีผลเพิ่มเติมนอกเหนือจากคำแนะนำแรก (บาท = ตี้ p > .34).
การแปล กรุณารอสักครู่..