طراحي و تدوين مدلي براي مديريت بهينه ريسك اعتباري در شبكه شركت‌هاي خدمات پس از فروش خودروسازان با استفاده از مولفه هاي موثر مالي و غير مالي

Designing and developing a model for optimal credit risk management in the network of after-sales service companies of automakers

خدمات پس از فروش مي‌تواند نقش مهمي در رضايت مشتري و حفظ آن داشته باشد. مشتريان با كمك خدمات پس از فروش به يك برند وفادار شده و ارزش برند را در نزد خود افزايش داده و ارتباط سازنده اي با آن برقرار مي‌كنند كه نتيجه آن بهبود كيفيت و ارتقاء عملكرد يك كسب و كار است سازمان هايي موفق هستند كه توانايي استفاده آگاهانه از اطلاعات مشتريان را داشته و بتوانند خدمات پس از فروش بهتري را به آنها عرضه كنند. بنابراين در اين تحقيق به طراحي الگوي مديريت ريسك اعتباري در كسب و كار شبكه نمايندگي هاي سايپا يدك با استفاده از مولفه هاي موثر مالي و غير مالي پرداخته شده است. نمونه مورد بررسي در اين تحقيق نمايندگي هاي شركت سايپا مي باشند. نتايج تحقيق نشان داد مولفه هاي مالي و غير مالي شامل، هزينه خدمات، عملكرد نمايندگي هاي ارائه دهنده خدمات پس از فروش، خوش حسابي نمايندگان، ميزان وثيقه نمايندگان ، كيفيت خدمات شبكه نمايندگي ها ، سرعت خدمات شبكه نمايندگي ها ميزان خريد نمايندگي ها، قدمت (و يا سن ) شبكه نمايندگي ها و موقعيت منطقه اي شبكه نمايندگي هاي ارائه دهنده خدمات پس از فروش بر مديريت بهينه ريسك اعتباري تاثير دارند

After-sales service can play an important role in customer satisfaction and maintaining it customers are loyal to a brand after sell to a brand make a constructive connection to it.Thus improving the quality and enhancing the performance of a business. Successful organizations are those that have the ability to consciously use customer information and provide better after-sales service. Therefore, in this research, the credit risk management model in Saipa Yadak dealer network has been designed using financial and non-financial components of after-sales service The results showed that using financial and non-financial components including, service cost, performance of after-sales service agencies, good accounting of agents, the amount of collateral of agents, the quality of services of the network of agencies, the speed of services of the network of agencies Agencies, network age (or age) of agencies, and regional location of the network of after-sales service providers affect optimal credit risk management. Also, firefly algorithm and bee colony algorithm have the ability to predict the optimal management of credit risk using financial components.