Analyzing the role of barriers to customer churn on Service recovery strategies (Case Study: Banking Industry)

Document Type : Original Article

Authors

1 industrial management group, management, and accounting college, iau khoy branch

2 Assistant Prof, Faculty of Business Management, DoS in Economics, Management and Administrative Sciences, Urmia University

3 Ph.D. Student of Business Management, Faculty of Economic, Management and Administrative Sciences, University of Semnan, Iran

4 Master of Business Administration (International Business Orientation), Abhar Branch, Islamic Azad University, Abhar, Iran.

Abstract

A customer churn is a person who is on the verge of leaving our services and using the services of competitors. In this regard, the purpose of this study is to investigate the role of barriers to customer churn on Service recovery strategies in the banking industry. The present research is applied in terms of purpose and in terms of data collection method, it is descriptive of survey type. The statistical population of the present study is the customers, managers, and deputies of private banks in Khoy city. The number of members of the study community was 35 banks and 378 customers. Using Cochran's formula and available sampling method, the number of samples was estimated to be at least 147 customers and 71 managers. It is worth noting that the questionnaire was used to collect data and Structural Equation Modeling (SEM) was used to analyze the research data using Amos software. Findings of the present study show that barriers to customer churn have a significant effect on Service recovery strategies. Also, customer attitudes, customer time, physical factors, decision-making power, bank credit, progress, compensation for customer service, bureaucracy, the return of bank errors, management factors, and employee dissatisfaction with the bank have a significant impact on Service recovery strategies.

Keywords

Main Subjects


امیری، سروش، رجائی، زهرا (1396). سیاست‌گذاری گردشگری و جایگاه بین‌المللی آن با تأکید بر احیای گردشگری در شهرستان‌مشهد. فصلنامه تخصصی علوم سیاسی، 13(41)، 61-83.
البدوی، امیر و وارسته، شبنم (۱۳۸۹). کاربرد درخت­های تصمیم در مدل­سازی رفتار رویگردانی مشتریان (مطالعه موردی در صنایع غیرقراردادی)، نشریه مهندسی صنایع، ۴۴(۲)، ۱۲۷.
الحسینی المدرسی، سید­مهدی، مقدم­زاده، نجمه، باقری قره­بلاغ، هوشمند. (1399). واکاوی نقش استراتژی‌های بازاریابی رابطه‌ای بیمه بر ادراک مشتری از کیفیت خدمات‌ و حق‌شناسی وی. فصلنامه مطالعات مدیریت راهبردی، 11(41)، 75-91.
بنی­هاشمی، سیدعلی، رجائی، زهرا (1396). احیای پویای خدمات و وفاداری به مشتریان در صنعت هتل‌‌داری. کاوش‌های مدیریت بازرگانی، 9(18)، 41-21.
حسینی، سیدصمد، فاریابی، محمد، قلی­زاده، محمدرضا، قلی­زاده، مرتضی. (1399). تاثیر کیفیت خدمات و قیمت منصفانه بر رضایت مشتری با نقش میانجی تصویر شرکت (بررسی و مقایسه فعالیت اپراتورهای تلفن همراه در ایران و ترکیه). نشریه علمی پژوهشی مدیریت کسب‌وکارهای بین‌المللی، 3(3)، 135-150.
حسینی، میرزاحسن، حمیدی­زاده، محمدرضا، جوکار، علی‌اکبر، رضایی، مهدی. (1394). علت‌یابی رویگردانی مشتریان با ارزش صنعت بانکداری. فصلنامه مطالعات مدیریت راهبردی، 6(24)، 131-144.
حیدری، حامد و عبدالوند، ندا (۱۳۹۴). الگوی عوامل موثر بر رویگردانی مشتریان در صنعت بیمه، مجله مدیریت برند، ۲(۱)، ۱۳۵-۱۵۸.
سمیع­زاده، رضا نامدار زنگنه، سودابه و وطنخواه، سحر (۱۳۹۵). مدلی برای محاسبه نرخ رویگردانی مشتریان در شرکت­های مخابراتی ایران، فصلنامه فرایند مدیریت و توسعه، ۲۹(۲)، ۹۹-۱۱۶.
عسگری، محسن، تقوا، محمدرضا، تقوی‌فرد، محمدتقی. (1398). پیش‌بینی رویگردانی جزئی مشتریان بانک‌ها با استفاده از مدل زنجیره وضعیت. مطالعات مدیریت کسب و کار هوشمند، 7(28)، 67-110.
کرامتی، عباس، سیدین اردبیلی، محسن و سهرابی، بابک. (1388). تحلیل رویگردانی مشتریان، بررسی وضعیت یکی از اپراتورهای تلفن همراه ایران با کمک روش‏های داده‏کاوی. فصلنامه انجمن علوم مدیریت ایران، 4(شماره 14)، 63-92.
نجاتی، مهرناز، راه­چمنی، احمد (1395). تأثیر شکست کیفیت خدمات بر وفاداری مشتریان در صنعت بانکداری. مدیریت بازاریابی، 11(شماره 30)، 109-93.
نوری خان یوردی، میثم، بشیری، مهدی و دوستی، مرتضی (۱۳۹۹). مدل ساختاری رویگردانی مشتریان از فروشگاه­های ورزشی، مجله مطالعات مدیریت ورزشی، ۱۲(۶۰)، ۱۶۹-۱۹۲.  
 
Al-Mashraie, M., Chung, S. H., & Jeon, H. W. (2020). Customer switching behavior analysis in the telecommunication industry via push-pull-mooring framework: A machine learning approach. Computers & Industrial Engineering144, 106476.‏
Baliga, A. J., Chawla, V., Sunder M, V., & Kumar, R. (2021). Barriers to service recovery in B2B markets: a TISM approach in the context of IT-based services. Journal of Business & Industrial Marketing.‏ 1(11), 202-226.
Becker, J. U., Spann, M., & Barrot, C. (2020). Impact of proactive postsales service and cross-selling activities on customer churn and service calls. Journal of Service Research, 23(1), 53-69.‏
Borah, S. B., Prakhya, S., & Sharma, A. (2020). Leveraging service recovery strategies to reduce customer churn in an emerging market. Journal of the Academy of Marketing Science, 48(5), 848-868.‏
Borah, S. B., Prakhya, S., & Sharma, A. (2020). Leveraging service recovery strategies to reduce customer churn in an emerging market. Journal of the Academy of Marketing Science48(5), 848-868.‏
Chen, Y. Q., Xu, Y. H., & Lin, Z. Y. (2008). To Study Medical Service Recovery with Structural-Equation Model [J]. Hospital Administration Journal of Chinese People's Liberation Army2.‏
Cheng, L. C., Wu, C. C., & Chen, C. Y. (2019). Behavior analysis of customer churn for a customer relationship system: an empirical case study. Journal of Global Information Management (JGIM), 27(1), 111-127.‏
Dias, J., Godinho, P., & Torres, P. (2020, July). Machine Learning for Customer Churn Prediction in Retail Banking. In International Conference on Computational Science and Its Applications, pp. 576-589. Springer, Cham.‏
 Hadden J., Tiwari A., Roy R., Ruta D.;"Computer assisted customer churn management: state-of-the-art and future trends"; computers and operations Research, 34: 10: pp. 2902- 2917, 2005.
Hazée, S., Van Vaerenbergh, Y., & Armirotto, V. (2017). Co-creating service recovery after service failure: The role of brand equity. Journal of Business Research, 74, 101-109.‏
Huang, Y., & Kechadi, T. (2013). An effective hybrid learning system for telecommunication churn prediction. Expert Systems with Applications, 40(14), 5635-5647.‏
Jin, D., Nicely, A., Fan, A., & Adler, H. (2019). Joint effect of service recovery types and times on customer satisfaction in lodging. Journal of Hospitality and Tourism Management, 38, 149-158.‏
Karvana, K. G. M., Yazid, S., Syalim, A., & Mursanto, P. (2019, October). Customer Churn Analysis and Prediction Using Data Mining Models in Banking Industry. In 2019 International Workshop on Big Data and Information Security (IWBIS) (pp. 33-38). IEEE.‏
 Keavency S. M., Parthasarathy M.;"Customer switching behavioral and demographic factors"; Journal of the Academy of Maketing science: pp.374-390, 2001.
Keramati, A., Ghaneei, H., & Mirmohammadi, S. M. (2020). Investigating factors affecting customer churn in electronic banking and developing solutions for retention. International Journal of Electronic Banking2(3), 185-204.‏
Khenfer, J., & Cuny, C. (2020). Brand preference in the face of control loss and service failure: The role of the sound of brands. Journal of Retailing and Consumer Services, 55, 102-132.
Kim, S., Chang, Y., Wong, S. F., & Park, M. C. (2020). Customer resistance to churn in a mature mobile telecommunications market. International Journal of Mobile Communications18(1), 41-66.‏
 Lewise, B. R. and MaCann, P.(2004)."Service failure and recovery: Evidence from the hotel industry"; International  Journal of contemporary Hospitality Management, Volume 16, No. 1, pp. 6-17.
Miller, J. L., Craighead, C. W. and KARWAN, K. R. (2000). "Service recovery: A framework and empirical investigation"; Journal of operations Management, volume 18, No 1, pp.387-400.
 Neto, M. T. R., de souza, J. C., souki, G.Q., (2011). Identifying variables that predict client's propensity to end their cheking accounts. Int. J. Bank Mark. 29(6), 489-507.
Safinejad, F., Noughabi, E. A. Z., & Far, B. H. (2018). A Fuzzy Dynamic Model for Customer Churn Prediction in Retail Banking Industry. In Applications of Data Management and Analysis (pp. 85-101). Springer, Cham.‏
Sayed, H., Abdel-Fattah, M. A., & Kholief, S. (2018). Predicting potential banking customer churn using apache spark ML and MLlib packages: a comparative study. International Journal of Advanced Computer Science and Applications, 9, 674-677.‏
Shahriar, S. H. B., Arafat, S., Khan, M. F., & Islam, M. U. (2018). Service recovery strategies versus customers’ expectations, race for sustainability: a qualitative study on micro brands. Marketing–from Information to Decision Journal, 1(2), 42-53.‏
Triantafillidou, A., & Yannas, P. (2020). Social media crisis communication in racially charged crises: Exploring the effects of social media and image restoration strategies. Computers in human behavior, 106, 106269.‏
Zorić, Z., Pedisić, S., Kovačević, D. B., Ježek, D., & Dragović-Uzelac, V. (2016). Impact of packaging material and storage conditions on polyphenol stability, colour and sensory characteristics of freeze-dried sour cherry (prunus cerasus var. Marasca). Journal of food science and technology, 53(2), 1247-1258.‏