کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5033674 1471420 2017 30 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Protecting customer privacy when marketing with second-party data
ترجمه فارسی عنوان
حفاظت از حریم خصوصی مشتری هنگام بازاریابی با داده های شخص ثالث
کلمات کلیدی
حفاظت اطلاعات، داده های شخص ثالث، تقسیم بندی، حریم خصوصی، اطلاعات مشتری،
ترجمه چکیده
به اشتراک گذاری داده یک ابتکار بازاریابی مهم استراتژیک در بسیاری از صنایع است. شرکت ها به طور مکرر تلاش می کنند ارزش داده های مشتری خود را با تکمیل این اطلاعات با اطلاعات سطح مشتری از سوی یک شرکت دیگر افزایش دهند. با این حال، این ترتیب نیاز به یک شرکت دارد تا داده های سطح مشتری خود را به دیگران نشان دهد و خطرات مربوط به حریم خصوصی را ایجاد کند که ممکن است باعث کاهش ارزش برند، اعتماد مشتری، مزیت رقابتی یا جریمه های قانونی از عدم مطابقت با مقررات شود. برای غلبه بر این مشکل، ما پیشنهاد روش نظری تصمیم گیری برای استفاده توسط شرکت ها برای محافظت از اطلاعات تقسیم بندی مشتری خود را قبل از ورود به ترتیبات مشارکتی. رویکرد ما ادبیات را گسترش می دهد، زیرا به ارائه دهندگان داده ها اجازه می دهد همه اطلاعات مشتری تقسیم بندی را در سطح مشتری منحصرا محافظت کند، نه فقط در سطح کل. ما نشان می دهیم که استراتژی حفاظت از داده های بهینه بستگی به یک بازپرداخت ریسک و بازگشت بر اساس احتمال اشتباه طبقه بندی مشتریان به بخش ها، هزینه های فرصت های اشتباه اعطای عضویت در بخش و هزینه پیش بینی شده برای نقض اطلاعات است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری بازاریابی و مدیریت بازار
چکیده انگلیسی
Data sharing is a strategically important marketing initiative in many industries. Increasingly, companies seek to enhance the value of their customer data by supplementing this information with customer-level information from another company. However, this arrangement requires one company to reveal its customer-level data to another and face privacy risks which may result in substantial losses in brand value, customer trust, and competitive advantage, or legal penalties from not conforming to regulations. To overcome this problem, we propose a decision-theoretic approach for use by companies to protect their customer segmentation data prior to entering into collaborative arrangements. Our approach extends the literature because it allows the data provider to protect all customer segmentation data at the individual customer level instead of only at the aggregate level. We show that the optimal data protection strategy depends on a risk-return tradeoff based on the probabilities of misclassification of customers into segments, the opportunity costs of erroneously assigning segment membership, and the anticipated cost of a data breach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Research in Marketing - Volume 34, Issue 3, September 2017, Pages 593-603
نویسندگان
, , , , ,