بهینه سازی همزمان تسهیم دانش و وفاداری مشتریان در شبکه های اجتماعی تحت رویکرد بازاریابی دیجیتال
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 251
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JBME-2-4_001
تاریخ نمایه سازی: 9 اردیبهشت 1402
چکیده مقاله:
تحقیق حاضر یک رویکرد تلفیقی هوشمند برای بهینه سازی هم زمان تسهیم دانش و وفاداری مشتریان در شبکه های اجتماعی با رویکرد بازاریابی دیجیتال ارائه داده است. در این تحقیق ابتدا مولفه های تسهیم دانش، وفاداری مشتریان و بازاریابی دیجیتال از ادبیات تحقیق شناسایی و سپس داده های تحقیق با استفاده از پرسشنامه های استاندارد با طیف ۵ گانه لیکرت برای هر سه متغیر و یک پرسشنامه مخصوص روش AHP از یک شرکت IT-محور ایرانی جمع آوری شده است. پردازش های تحقیق شامل: آنالیز آمار توصیفی و آزمون رگرسیون (تخمین ارتباط بین متغیرها)، برای دستیابی به ارتباط بین متغیرهای تسهیم دانش، وفاداری مشتریان و بازاریابی دیجیتال؛ در نرم افزار SPSS، آنالیز AHP (تعیین وزن زیرمعیارهای وفاداری) در نرم افزار اکسپرت چوییس بوده است. به علاوه؛ یک مدل ریاضی دوهدفه برای بهینه سازی هم زمان تسهیم دانش و وفاداری مشتریان در شبکه های اجتماعی برای نخستین بار ارائه و در نرم افزار گمز کدنویسی و حل شده است. نتایج رویکرد تلفیقی بر روی یک شرکت فعال در حوزه بازاریابی دیجیتال در شهر تهران نشان داد که بین وفاداری مشتریان و تسهیم دانش رابطه ۶/۴۷ درصد تاثیر مثبت معنادار در سطح معناداری یک درصد وجود دارد. نتایج آنالیز رگرسیون نیز نشان داد که بین تسهیم دانش و وفاداری مشتریان تحت رویکرد بازاریابی دیجیتال به میزان ۱/۵۳ درصد رابطه مثبت و معنادار وجود دارد. آنالیز AHP نشان داد که نحوه رفتار اعتراض آمیز و نیت خرید از مهم ترین مولفه های وفاداری مشتریان است. کد نویسی و اجرای مدل ریاضی دوهدفه پیشنهادی در نرمافزار گمز سطحی از بهینه سازی را ارائه کرد که حداکثر دانش تسهیم شده با حداکثر وفاداری مشتریان در آن محقق شد.
کلیدواژه ها:
نویسندگان
حمیدرضا قلی پور دمیه
کارشناس ارشد ، گروه مدیریت ،واحد تهران جنوب،دانشگاه آزاد اسلامی ، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :