یک مدل ترکیبی فازی RANCOM–APPRESAL برای تحلیل تاثیر لایو استریم های انسان دیجیتال مجازی بر قصد خرید
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 54
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_DMOR-10-3_003
تاریخ نمایه سازی: 17 آذر 1404
چکیده مقاله:
هدف: این مطالعه یک مدل ارزیابی تصمیم گیری چندمعیاره فازی (MADM) ارایه می کند تا بررسی کند انسان های دیجیتال مجازی(VDHs) چگونه بر تمایل مصرف کنندگان به خرید در محیط لایو استریم های تجارت الکترونیک اثر می گذارند. این تحقیق جنبه های روان شناختی تصمیم گیری در شرایط مخاطره آمیز و مدل سازی تحلیلی رفتار مصرف کننده را با هم ترکیب می کند.روش شناسی پژوهش: یک چارچوب ترکیبی با ادغام دو روش فازی زیر مورد استفاده قرار گرفته است: ۱- روش مقایسه رتبه ای فازی (Fuzzy RANCOM)، ۲- روش ارزیابی عملکرد و رضایت برای رتبه بندی گزینه ها (Fuzzy APPRESAL). به کمک روش فازی RANCOM، وزن های ذهنی ۸ معیار کلیدی تصمیم گیری به صورت معتبر و سازگار استخراج شدند: اعتماد، حضور اجتماعی، تعامل پذیری، انسان مانندی (Anthropomorphism)، اطلاع رسانی، لذت بخشی، اعتبار و واقع گرایی. این وزن ها سپس در مدل فازی APPRESAL برای ارزیابی طرح های مختلف انسان دیجیتال مجازی به کار رفت؛ ارزیابی مبتنی بر ترکیب عملکرد و رضایت بود. قضاوت کارشناسان در قالب اعداد فازی مثلثی (TFN) بیان شد. همچنین با انجام تحلیل حساسیت روی ضرایب رضایت، اعتبار نتایج در شرایط مختلف تصمیم گیری بررسی شد.یافتهها: طرح های VDH که دارای تعامل قوی، حضور اجتماعی بالا و اعتبار زیاد هستند، تاثیر بسیار چشمگیری بر قصد خرید مصرف کننده دارند. نتایج تحلیل حساسیت نشان داد که حضور اجتماعی ادراک شده و کیفیت تعامل نقش بسیار مهم تری نسبت به زیبایی شناسی فنی یا واقع گرایی تصویری در شکل گیری رفتار خرید در لایو استریم های تجاری دارند.اصالت/ارزش افزوده علمی: این مقاله اولین پژوهشی است که دو روش RANCOM فازی وAPPRESAL فازی را در یک چارچوب MADM ادغام می کند، آن هم با هدف مدل سازی ابعاد رفتاری تجارت الکترونیک مبتنی بر هوش مصنوعی. نتایج پژوهش راهبردهای مهمی برای بازاریابان دیجیتال فراهم می کند؛ به ویژه اینکه بهبود هوش اجتماعی و تعامل پذیری انسان دیجیتال بسیار مهم تر از افزایش پیچیدگی بصری آن است.
کلیدواژه ها:
نویسندگان
گوانگ می هه
دانشکده نوآوری و کارآفرینی، دانشگاه گردشگری سیچوان، چنگدو، چین.
نورمینشاه آیاهد
گروه محاسبات کاربردی و هوش مصنوعی، دانشکده محاسبات، دانشگاه فناوری مالزی، جوهور بارو ۸۱۳۱۰، مالزی.
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 :