این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت بازرگانی، جلد ۱۷، شماره ۳، صفحات ۶۴-۱۰۱
عنوان فارسی پیش‌بینی عوامل پذیرش بازاریابی تلفن همراه: رویکرد ترکیبی مدل‌سازی معادلات ساختاری و شبکۀ مصنوعی عصبی (SEM-ANN)
چکیده فارسی مقاله هدف: تکامل دستگاه تلفن همراه، به‌طور قطع یکی از موفق‌ترین نوآوری‌های تاریخ محسوب می‌شود و انتشار گسترده و فراگیر بودن آن، از موفقیت این فناوری حکایت می‌کند. مدیران بازاریابی و کسب‌وکار، به‌طور فزاینده‌ای تلفن همراه را ابزاری جذاب می‌بینند؛ زیرا به‌کمک آن می‌توانند از طریق انواع مختلف ارتباطات بازاریابی با مشتریان تعامل داشته باشند. بازاریابی تلفن همراه، یک کانال ارتباطی و سرگرمی بین برند و مصرف‌کنندگان نهایی است که به‌عنوان جایگزینی برای رویکردهای بازاریابی کلاسیک و عنصر کلیدی بالقوه برای استراتژی‌های ارتباط بازاریابی یکپارچۀ آینده درک می‌شود. از سوی دیگر، پیشرفت سریع فناوری اطلاعات، به رشد انفجاری تولید داده منجر شده است. وجود پایگاه‌های عظیم از داده‌های مشتریان، امروزه مزیت فوق‌العاده برای کسب‌وکارها محسوب می‌شود؛ اما استفاده از روش‌های سنتی، توان پردازش این حجم از داده را ندارد. علم داده‌کاوی با فراهم‌کردن روش‌های خودکارسازی تحلیل و استخراج داده‌ها، راه‌حل مناسبی برای این مسئله است. هدف این پژوهش ارائه مدلی برای پیش‌بینی عوامل پذیرش بازاریابی تلفن همراه با استفاده از رویکرد ترکیبی مدل‌سازی معادلات ساختاری و شبکۀ عصبی مصنوعی است. رویکرد
PLS-ANN یک روش تحلیلی جدید در سیستم‌های خبره و هوش مصنوعی است. این رویکرد، در مقایسه با رویکرد رگرسیون چندمتغیره موجود، چندین مزیت دارد که فقط می‌تواند مدل‌های خطی و جبرانی را آزمایش کند.
روش: پرسش‌نامه‌ها به‌صورت آنلاین و به‌روش نمونه‌گیری در دسترس توزیع و 219 نسخه جمع‌آوری شد. داده‌های توصیفی با استفاده از نرم‌افزار اس‌پی‌اس‌اس و فرضیه‌های پژوهش ابتدا با استفاده از مدل‌سازی معادلات ساختاری و روش حداقل مربعات جزئی (PLS-SEM) و در گام بعدی با استفاده از شبکۀ عصبی مصنوعی (ANN) و زبان برنامه‌نویسی پایتون بررسی شدند.
یافته‌ها: نتایج این مطالعه بیان می‌کند که روابط پیشنهادی بین سازه‌ها، ضرایب معناداری را نشان می‌دهند؛ بنابراین مدل پژوهش به‌طور کلی قابل قبول است. براساس نتایج به‌دست‌آمده از مدل‌سازی معادلات ساختاری، تمام فرضیه‌های پژوهش، مبنی بر تأثیر مثبت متغیرهای نگرش، شخصی‌سازی‎، نوآوری مصرف‌کننده، اعتبار و آگاهی‌بخشی بر پذیرش بازاریابی تلفن همراه تأیید شد و شبکۀ عصبی مصنوعی نیز توانست به‌خوبی و با دقت 96/0 مدل پژوهش را پیش‌‌بینی کند.
نتیجه‌گیری: مزایای بازاریابی تلفن همراه، شامل در دسترس بودن در همه جا، سفارشی‌سازی بر اساس مشخصات مکانی ـ زمانی و ویژگی‌های فردی کاربران است. بازاریابی تلفن همراه، نحوه تعامل بازاریابان با مشتریان خود را تغییر داده است. این روند فرصت‌های جدیدی را برای مشاغلی که در دسترسی به مصرف‌کنندگان به روش‌های سنتی مشکل دارند، شکل داده است. بنابراین، بررسی واکنش‌های مصرف‌کنندگان به ارتباطات بازاریابی با این فناوری‌های جدید، اجتناب‌ناپذیر است. نتایج پژوهش پیش‌رو، می‌تواند به مدیران بازاریابی کسب‌وکارها، به‌منظور تدوین استراتژی بازاریابی مناسب برای استفاده از ابزار تلفن همراه کمک کند.
کلیدواژه‌های فارسی مقاله بازاریابی تلفن همراه،پذیرش فناوری،شبکۀ عصبی مصنوعی،داده‌کاوی،
عنوان انگلیسی Predicting Mobile Marketing Acceptance Factors: A Hybrid Approach of Structural Equation Modeling and Artificial Neural Network (SEM-ANN)
چکیده انگلیسی مقاله Objective
The evolution of the mobile phone is one of the most successful innovations in history, and its wide distribution and ubiquity indicate the success of this technology. Marketing and business managers increasingly see mobile as an attractive tool through which they can engage with customers through various types of marketing communications. Mobile marketing is a communication and entertainment channel between the brand and end consumers, which is understood as an alternative to classical marketing approaches and a potential key element for future integrated marketing communication strategies. In addition, the rapid development of information technology has led to the explosive growth of data production. Possessing vast databases of customer information offers a significant advantage for modern businesses. However, traditional analytical methods are inadequate for processing such large volumes of data. Data mining addresses this challenge by offering automated techniques for analyzing and extracting meaningful patterns from extensive datasets. This study aims to provide a model for predicting mobile marketing acceptance factors using the hybrid approach of structural equation modeling and artificial neural network (ANN). PLS-ANN approach is a new analytical method in expert systems and artificial intelligence. This approach has several advantages compared to the existing multivariate regression approach, which can only test linear and compensatory models.
 
Methodology
A total of 219 questionnaires were collected using the convenience sampling method. Descriptive statistics were analyzed with SPSS software. The research hypotheses were first examined using structural equation modeling with the partial least squares method (PLS-SEM), followed by analysis through artificial neural networks (ANN) using Python.
 
Findings
The proposed relationships between the constructs show significant coefficients; therefore, the research model is generally acceptable. Based on the results obtained from the structural equation modeling, all the hypotheses were confirmed (the positive impact of attitude, personalization, consumer innovativeness, credibility, and informativeness on the adoption of mobile marketing), and the artificial neural network was able to predict the research model well and with high accuracy ( = 0.96).
 
Conclusion
Mobile marketing offers several advantages, including ubiquitous accessibility and the ability to customize content based on time, location, and individual user characteristics. It has transformed the way marketers engage with their customers, creating new opportunities for businesses that face challenges in reaching consumers through traditional channels. Accordingly, investigating consumers' reactions to marketing communications with these new technologies is inevitable. The results of the upcoming research can be beneficial for business marketing managers to develop a suitable marketing strategy for using mobile devices.
کلیدواژه‌های انگلیسی مقاله بازاریابی تلفن همراه,پذیرش فناوری,شبکۀ عصبی مصنوعی,داده‌کاوی
نویسندگان مقاله آمنه خدیور |
دانشیار، گروه مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران.

نیلوفر هادیان‌فر |
دانشجوی دکتری، گروه مدیریت بازاریابی، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران.

احمد علیاری بروجنی |
استادیار، گروه ریاضی و علوم کامپیوتر، دانشکده علوم، دانشگاه زنجان، زنجان، ایران.

نشانی اینترنتی https://jibm.ut.ac.ir/article_103432_0e2e77150c52313ce26da9d8e6c51f63.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات