طراحی مدل ریسک ادراک شده خریداران کالاهای برند غیر معروف در شبکه اجتماعی اینستاگرام: مبتنی بر نظریه داده بنیاد
Publish place: Quarterly Journal of Berand Management، Vol: 8، Issue: 1
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 365
This Paper With 41 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_BMR-8-1_003
تاریخ نمایه سازی: 30 شهریور 1400
Abstract:
با توجه به نفوذ اینترنت و به واسطه آن گسترش و ترویج فضای مجازی در کشور، استفاده از آن به عنوان یک راه ارتباطی قوی برای فروش در حال ترویج است. از طرفی هم یکی از عناصر مهم در پذیرش ادراک مشتریان، تصویر ذهنی مثبت از برند در نزد مصرف کنندگان میباشد. ازاین رو چالش اساسی در فضای اینترنتی برای محصولاتی با برندهای نامتعارف است. در پژوهش حاضر به دنبال تبیین پدیده ریسک ادراک شده برندهای نامتعارف در فضای اینستاگرام و به طور خاص برای محصولات پوشاک است. روش پژوهش حاضر مبتنی بر رویکرد داده بنیاد نوع اول بود که پس از تائید اعتبار پژوهش، فرایند کدگذاری در سه مرحله انجام شد. ۱۶ نفر از افرادی که دارای یک صفحه اختصاصی فروش محصولات پوشاک در اینستاگرام بوده و دارای بیش از ده هزار دنبال کننده باشند با استفاده از مصاحبه نیمه ساختاریافته موردبررسی قرار گرفتند. نتایج پژوهش نشان داد که در بخش عوامل علی سه مضمون عوامل مرتبط با خریدار، عوامل مرتبط با فروشنده و عوامل مرتبط با پلتفرم شناسایی شد. در بخش عوامل مداخله گر سه مضمون عوامل مرتبط باقیمت، محصول و ترفیع استخراج شد. عوامل زمینهای هم در ۵ بخش دسته بندی شدند که نهایتا راهبردهای پژوهش در سه سطح فنی، فروش و بازاریابی و مدیریت ارتباط با مشتری استخراج شدند. خروجی پژوهش نشان داد که این راهبردهای دارای عواقب مثبت و منفی زیادی در کوتاه مدت و بلندمدت بوده که اجرای آن درگرو مسائل زیرساختی و کلان کشور است.
Keywords:
Authors
سلمان عیوضی نژاد
دانشجوی دکتری، مدیریت بازرگانی- سیاست گذاری بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
محسن اکبری
دانشیار، مدیریت بازرگانی، دانشکده ادبیات و علوم انسانی، دانشگاه گیلان، رشت، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :