پیوندهای مفید
آمار
| تعداد نشریات | 32 |
| تعداد شماره‌ها | 601 |
| تعداد مقالات | 5,864 |
| تعداد مشاهده مقاله | 8,835,701 |
| تعداد دریافت فایل اصل مقاله | 6,473,459 |
طراحی مدل تعامل هوشمند با مشتریان از طریق اینترنت اشیا در محیط فروشگاه های آنلاین ایران | ||
| پژوهشنامه مدیریت اجرایی | ||
| دوره 17، شماره 34، اسفند 1404، صفحه 139-166 اصل مقاله (864.12 K) | ||
| نوع مقاله: مدیریت کارآفرینی( مدیریت کسب‌وکار، فرایندهای کسب‌وکار، سیاست‌های کارآفرینانه، کارآفرینی سازمانی، اکوسیستم کارآفرینی، فضای کسب‌وکار، مدل‌های کسب‌وکار، چرخه حیات کسب و کارها، . . . ) | ||
| شناسه دیجیتال (DOI): 10.22080/jem.2026.31428.4037 | ||
| نویسندگان | ||
| کیهانه کریمی1؛ علی صنایعی* 2؛ علی پیرزاد3 | ||
| 1دانشجوی دکتری گروه مدیریت، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران | ||
| 2دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران | ||
| 3گروه مدیریت، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران | ||
| تاریخ دریافت: 10 اسفند 1404، تاریخ بازنگری: 11 خرداد 1405، تاریخ پذیرش: 01 تیر 1405 | ||
| چکیده | ||
| با گسترش تجارت الکترونیک و رشد فروشگاه‌های آنلاین، تعامل هوشمند با مشتریان به یکی از محورهای کلیدی افزایش رضایت و وفاداری مشتریان تبدیل شده است. اینترنت اشیا، به‌عنوان فناوری‌ای پیشرو، امکان جمع‌آوری و تحلیل داده‌های لحظه‌ای درباره رفتار مشتریان را فراهم کرده و فرصت‌های گسترده‌ای برای شخصی‌سازی تجربه خرید و بهبود خدمات ارائه می‌دهد.این پژوهش با هدف طراحی مدل تعامل هوشمند با مشتریان از طریق اینترنت اشیا در فروشگاه‌های آنلاین ایران، از رویکرد آمیخته بهره گرفته است. در مرحله کیفی، با استفاده از مصاحبه‌های نیمه‌ساختاریافته و تحلیل داده‌ها بر اساس نظریه داده‌بنیاد، ابعاد، مؤلفه‌ها و چارچوب مفهومی تعامل هوشمند استخراج شد. در این مرحله، ۱۶۸ مؤلفه در قالب ۲۵ دسته شناسایی و با استفاده از کدگذاری محوری، در پنج بُعد کلی طبقه‌بندی شدند. این ابعاد، متغیر وابسته تعامل هوشمند با مشتریان از طریق اینترنت اشیا را تبیین می‌کنند.سپس، با بهره‌گیری از پرسش‌نامه محقق ساخته میان مشتریان فروشگاه‌های آنلاین، با حجم نمونه ۳۸۴ نفر، و تحلیل داده‌ها با روش مدل‌یابی معادلات ساختاری، مدل پیشنهادی اعتبارسنجی شد. یافته‌ها نشان دادند که تعامل هوشمند با مشتریان تحت‌تأثیر پنج دسته اصلی قرار دارد: شرایط علّی، شامل زیرساخت فناوری، تحلیل داده‌ها، نیازهای مشتری، رقابت‌پذیری بازار و تحول دیجیتال سازمان‌ها؛ شرایط زمینه‌ای، شامل بستر فناوری اطلاعات، فرهنگ خرید آنلاین، چارچوب‌های قانونی و ساختار سازمانی؛ راهبردهای تعاملی، شامل شخصی‌سازی، تعامل بلادرنگ، مدیریت تجربه مشتری، استفاده داده‌محور و افزایش مشارکت؛ پیامدها، شامل بهبود تجربه مشتری، وفاداری، ارتقای عملکرد فروشگاه، اعتماد دیجیتال و نوآوری خدمات؛ و شرایط مداخله‌گر، شامل محدودیت‌های زیرساختی، مقاومت سازمانی، نگرانی‌های مشتری و نوسانات اقتصادی.تحلیل آماری نشان داد که مدل پیشنهادی از پایایی و روایی مناسب برخوردار است و قابلیت پیش‌بینی بالایی دارد. نتایج پژوهش بر اهمیت رویکردی یکپارچه، فناورانه، سازمانی و مشتری‌محور در بهره‌برداری از اینترنت اشیا تأکید می‌کند و نشان می‌دهد که تمرکز بر شخصی‌سازی هوشمند، تعامل بلادرنگ و مدیریت داده‌ها می‌تواند به افزایش رضایت، اعتماد و وفاداری مشتریان و ارتقای عملکرد فروشگاه‌های آنلاین ایران منجر شود. این مطالعه، افزون بر ارائه مدل مفهومی، راهنمایی کاربردی برای تصمیم‌گیرندگان حوزه تجارت الکترونیک و فناوری اطلاعات فراهم می‌آورد. | ||
| کلیدواژه‌ها | ||
| تعامل هوشمند؛ اینترنت اشیا؛ مشتری؛ تجربه مشتری؛ هوش مصنوعی | ||
| موضوعات | ||
| مرزهای نوظهور دانش در مدیریت اجرایی | ||
| عنوان مقاله [English] | ||
| Designing a Model of Intelligent Interaction with Customers Through the Internet of Things in Online Stores in Iran | ||
| نویسندگان [English] | ||
| keyhaneh karimi1؛ Ali Sanayei2؛ Ali Pirzad3 | ||
| 1PhD Studant of Management Department, Ya.C., Islamic Azad University, Yasouj, Iran | ||
| 2Department of Management, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran | ||
| 3Management Department, Ya.C., Islamic Azad University, Yasouj, Iran | ||
| چکیده [English] | ||
| With the expansion of e-commerce and the growth of online stores, intelligent customer interaction has become one of the key factors in increasing customer satisfaction and loyalty. The Internet of Things as a leading technology, enables the collection and analysis of real-time customer behavior data and provides extensive opportunities for personalizing the shopping experience and improving services. This study, aiming to design a model of intelligent customer interaction through the IoT in Iranian online stores, employed an exploratory–confirmatory mixed-method approach. In the qualitative phase, using semi-structured interviews and data analysis based on grounded theory, the dimensions, components, and conceptual framework of intelligent interaction were extracted. Then, using a researcher-developed questionnaire among online store customers and analyzing the data with Partial Least Squares Structural Equation Modeling, the proposed model was validated. The findings showed that intelligent customer interaction is influenced by five main categories including causal conditions (technology infrastructure, data analytics, customer needs, market competitiveness, and organizational digital transformation), contextual conditions (IT infrastructure, online shopping culture, legal frameworks, and organizational structure), interaction strategies (personalization, real-time interaction, customer experience management, data-driven utilization, and increased engagement), outcomes (improved customer experience, loyalty, enhanced store performance, digital trust, and service innovation), and intervening conditions (infrastructural limitations, organizational resistance, customer concerns, and economic fluctuations).The results emphasize the importance of an integrated technological, organizational, and customer-centered approach in leveraging the IoT and show that focusing on intelligent personalization, real-time interaction, and data management can increase customer satisfaction, trust, and loyalty and improve the performance of Iranian online stores. | ||
| کلیدواژه‌ها [English] | ||
| smart interaction, Internet of Things, Customer, customer experience, Artificial Intelligence | ||
| مراجع | ||
|
Akinbi, A., MacDermott, Á., & Ismael, A. M. (2022). A systematic literature review of blockchain-based internet of things (IoT) forensic investigation process models. Forensic Science International: Digital Investigation, 42, 301470. Ahmetoglu, S., Cob, Z. C., & Ali, N. (2022). A systematic review of internet of things adoption in organizations: Taxonomy, benefits, challenges and critical factors. Applied Sciences, 12(9), 4117. Behrendt, A., de Boer, E., Kasah, T., Koerber, B., Mohr, N., & Richter, G. (2021). Leveraging industrial IoT and advanced technologies for digital transformation. McKinsey & Company. Cakmak, M., Chao, C., & Thomaz, A. L. (2010). Designing interactions for robot active learners. IEEE Transactions on Autonomous Mental Development, 2, 108–118. Chui, M., Collins, M., & Patel, M. (2021). The internet of things catching up to an accelerating opportunity. McKinsey Report. Fagerstrøm, A., Eriksson, N., & Sigurdsson, V. (2020). Investigating the impact of internet of things services from a smartphone app on grocery shopping. Journal of Retailing and Consumer Services, 52, 101927. Gharekhani, M., & Pourhashemi, S. (2025). Investigating factors affecting the adoption of the internet of things in the Iranian insurance industry. Insurance Research Journal, 37(1), 105–144. (In Persian). Gonzalez-Pacheco, V., Malfaz, M., Castro-Gonzalez, A., Castillo, J. C., Alonso, F., & Salichs, M. A. (2018). Analyzing the impact of different feature queries in active learning for social robots. International Journal of Social Robotics, 10, 251–264. Song, H., Bai, J., Yi, Y., Wu, J., & Liu, L. (2020). Artificial intelligence enabled internet of things: Network architecture and spectrum access. IEEE Computational Intelligence Magazine, 15(1), 44–51. Jalilvand, J., Sharifiyan, A., & Tabrizi, K. (2020). Tree information model for developing the technological infrastructure of sports organizations from the perspective of physical education and sports experts. Journal of Physiology and Management Research in Sports, 12(4), 97–113. (In Persian). Wu, J., Chen, J., & Dou, W. (2016). The internet of things and interaction style: The effect of smart interaction on brand attachment. Journal of Marketing Management. Kargarsharif Abad, M., Gerami, M., & Yazdanpanah, A. (2020). Identifying factors affecting the adoption of the internet of things from the users' perspective using the complementary TAM model presented in the Gayo and Bay model: Case study of customers of Iran Mobile Communications Company (Hamrah Awal). Journal of Technological Growth, 15(58), 1–12. (In Persian). Mircea, M., Stoica, M., & Ghilic-Micu, B. (2021). Investigating the impact of the internet of things in higher education environment. IEEE Access, 9, 33396–33409. Mirlashari, M., & Rizvi, S. A. M. (2022). Open challenges of communication security in an IoT environment: A survey. In IoT with Smart Systems: Proceedings of ICTIS 2021 (Vol. 2, pp. 107–116). Mehta, A., & Prakash, A. (2023). Hidden impact of semiconductor manufacturing on climate change. Times of India Blog. Nothdurft, F., Ultes, S., & Minker, W. (n.d.). Finding appropriate interaction strategies for proactive dialogue systems: An open quest. Mittal, P., Agrawal, J., Chauhan, R., & Devliyal, S. (2024). A study on the systematic review of green IoT. In 2024 International Conference on Automation and Computation (AUTOCOM) (pp. 623–630). Rayhana, R., Xiao, G., & Liu, Z. (2020). Internet of things empowered smart greenhouse farming. IEEE Journal of Radio Frequency Identification, 4(3), 195–211. Roe, M., Spanaki, K., Ioannou, A., Zamani, E. D., & Giannakis, M. (2022). Drivers and challenges of internet of things diffusion in smart stores: A field exploration. Technological Forecasting and Social Change, 178, 121593. Safiniya, A., & Ghavami, M. (2023). Investigating the use of the internet of things in analyzing consumer behavior in emotional purchases using artificial intelligence. Journal of Smart Marketing Management. (In Persian). Senft, E., Lemaignan, S., Baxter, P. E., & Belpaeme, T. (2017). Leveraging human inputs in interactive machine learning for human robot interaction. In Proceedings of the Companion of the 2017 ACM/IEEE International Conference on Human-Robot Interaction (HRI '17) (pp. 281–282). Sestino, A., Prete, M. I., Piper, L., & Guido, G. (2020). Internet of things and big data as enablers for business digitalization strategies. Technovation, 98, 102173. Soeharso, S. Y. (2024). Customer satisfaction as a mediator between service quality and repurchase intention in online shopping. Cogent Business & Management, 11(1). Sun, X., Li, J., & Guo, W. (2023). A design approach of proactive HMI based on smart interaction. In T. Ahram, W. Karwowski, P. Di Bucchianico, R. Taiar, L. Casarotto, & P. Costa (Eds.) , Intelligent Human Systems Integration (IHSI 2023): Integrating People and Intelligent Systems. AHFE Open Access, 69. Tawalbeh, L., Muheidat, F., Tawalbeh, M., & Quwaider, M. (2020). IoT privacy and security: Challenges and solutions. Applied Sciences, 10(12), 4102. Taylor, A. T., Berrueta, T. A., & Murphey, T. D. (2021). Active learning in robotics: A review of control principles. Mechatronics, 77, 102576. Walker, H. (2018). Shoppers have an appetite for retail tech – but they’re picky. The Grocer. Wang, S., & Bayanati, M. (2023). Internet of things for customer relationship management (CRM) software: Opportunities and benefits. Journal of Data Analytics, 2(1), 17–23. Witell, L., Kowalkowski, C., Perks, H., Raddats, C., Schwabe, M., Benedettini, O., & Burton, J. (2020). Characterizing customer experience management in business markets. Journal of Business Research, 116, 420–430. Zolkiewski, J., Story, V., Burton, J., Chan, P., Gomes, A., Hunter-Jones, P., O’Malley, L., Peters, L. D., Raddats, C., & Robinson, W. (2017). Strategic B2B customer experience management: The importance of outcomes-based measures. Journal of Services Marketing. | ||
|
آمار تعداد مشاهده مقاله: 14 تعداد دریافت فایل اصل مقاله: 8 |
||