多方法分析以预见营销智能、战略与战术决策在提升顾客忠诚中的作用

《International Journal of Innovation Studies》：A multi-method analysis to foresight role of marketing intelligence, strategic and tactical decision-making in enhancing customer loyalty

　　

营销智能意味着在制定战略营销决策时应用先进和数字技术。本研究旨在分析营销智能、以组织为中心的战略与战术决策对顾客满意度与忠诚度的影响。研究收集了来自366名担任关键战略、战术和运营岗位的行业专业人士的回复，并通过两阶段过程进行评估。在第一阶段，使用结构方程模型（SEM）检验了所识别构念之间的线性关系。第二阶段涉及使用人工神经网络（ANN）分析评估从SEM导出的相关参数的预测效能。SEM分析结果表明，战略决策显著影响顾客忠诚度。此外，战术决策被发现与顾客满意度负相关。该模型也具有可接受的预测准确性。研究结果对于寻求提升顾客忠诚度的研究人员和实践者非常有用。本研究提出了一个新颖的框架，以探究商业组织如何将营销智能作为战略和战术决策的发展策略，从而快速响应以提升顾客满意度和忠诚度。

# 论文解读：营销智能、战略与战术决策对顾客忠诚的影响——基于多方法分析

## 研究背景与问题

在技术颠覆重塑营销格局的背景下，企业日益依赖大数据分析、物联网（IoT）、社交媒体分析和人工智能（AI）等先进技术生成客户洞察，以提升决策效率。然而，现有文献主要关注营销智能对企业绩效、产品创新和创造力等方面的影响，缺乏对营销智能如何通过战略与战术决策路径影响顾客满意度与忠诚度的系统性研究。基于此，本研究提出两个核心问题：（1）营销智能如何促进顾客满意度和忠诚度？（2）战略与战术决策过程如何影响顾客忠诚？为填补这一理论空白，研究团队基于资源基础观（RBV）理论，构建了营销智能-顾客忠诚模型，并采用结构方程模型（SEM）与人工神经网络（ANN）相结合的混合方法，旨在揭示这些构念间的线性与非线性关系。

## 研究设计与结论

研究人员从印度366名担任战略、战术和运营岗位的行业专业人士中收集数据，通过两阶段分析得出关键结论：战略决策显著正向影响顾客忠诚，而战术决策与顾客满意度呈负相关；营销智能对战略决策和战术决策均有强正向影响，且顾客满意度对顾客忠诚的预测作用较弱但显著。该研究验证了RBV理论在营销智能领域的适用性，为管理者提供了将营销智能作为战略性资源以优化决策、提升顾客忠诚的实践框架。论文发表于《International Journal of Innovation Studies》。

## 主要关键技术方法

本研究采用两阶段混合方法。第一阶段使用偏最小二乘结构方程模型（PLS-SEM），基于366份来自印度行业专业人士（战略层51.9%、战术层43.7%、运营层4.4%）的问卷数据，评估测量模型（因子载荷、组合信度、收敛效度与区分效度）和结构模型（路径系数、R²、Q²及效应量f²），并通过Harman单因子检验排除共同方法偏差。第二阶段使用人工神经网络（ANN）分析，采用10折交叉验证，以均方根误差（RMSE）评估预测精度，并通过敏感性分析确定各变量对顾客忠诚的相对重要性。

## 研究结果

### 4.1 共同方法偏差
通过Harman单因子检验，单因子仅解释总方差的32.2%，低于50%的阈值，表明共同方法偏差不构成严重问题。

### 4.2 模型评估
测量模型评估显示：所有题项的因子载荷均大于0.7，组合信度（CR）均超过0.7，平均方差提取量（AVE）均大于0.5，满足收敛效度标准。Fornell-Larcker准则检验表明，各构念AVE的平方根均大于其与其他构念的相关系数，证实了区分效度。

### 4.3 结构模型
结构模型评估结果如下：顾客忠诚（CL）的R²为0.557（接近0.75的强水平），顾客满意度（CS）的R²为0.303（弱水平），战略决策（SDM）和战术决策（TDM）的R²分别为0.560和0.500（中等水平）。Q²值显示CL、SDM、TDM具有中等预测相关性（>0.25），CS具有弱预测相关性（0.18）。路径系数（β）及显著性检验（5000次自助法）表明：所有9条假设路径均显著，但TDM→CS呈负向（β=-0.215，t=2.456），其余均为正向。MI对SDM和TDM的效应量f²分别为1.256和1.000（大效应），MI对CS和CL的f²分别为0.133和0.141（中等效应），SDM和TDM对CS的f²分别为0.32和0.27（小效应），CS对CL的f²为0.055（小效应）。

### 4.4 ANN分析
ANN模型通过10折交叉验证，训练集和测试集的平均RMSE分别为0.367和0.304，表明预测精度高。敏感性分析显示，顾客满意度（CS）是预测顾客忠诚的最重要变量（归一化重要性100%），其次为战略决策（SDM，59%）、战术决策（TDM，56%）和营销智能（MI，22%）。

## 讨论与结论

讨论部分指出，营销智能对战略决策和战术决策均有强正向影响，但战略决策对顾客满意度的影响为正，而战术决策对顾客满意度的影响为负，这可能是由于过度依赖短期绩效驱动的战术行动（如频繁调整定价或促销）导致顾客感知价值下降。资源基础观（RBV）理论视角下，营销智能被视为一种有价值的无形资源，通过嵌入组织决策过程，形成可持续竞争优势。研究结论翻译如下：

**6.1 结论**
当前研究致力于揭示并统计验证营销智能（MI）、战略决策（SDM）、战术决策（TDM）、顾客满意度（CS）与顾客忠诚（CL）之间的文献关联。研究的理论意义有三方面。第一，本研究推进了关于营销智能对决策（战略与战术）及顾客满意度与忠诚度影响的理论理解，为现有文献贡献了更深层次的机制与过程认识。第二，通过假设关联整合上述五个关键变量，并借助概念框架将现有文献关联起来，弥补了现有研究的空白。第三，本研究采用PLS-SEM和ANN评估测量模型与结构模型，验证了提出的变量关系。通过提供营销智能对战略与战术决策、顾客满意度及忠诚度影响的实证证据，研究人员试图为营销领域中这些变量间关系的程度与方向提供统计验证。这有助于企业做出更明智的决策并更有效地分配资源。总体而言，营销智能为管理者提供了有价值的洞察，可用于做出更明智的决策、提升顾客满意度与忠诚度，并推动业务成功。通过有效利用营销智能，管理者可以获得竞争优势，使公司实现长期增长与盈利。