CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

طراحی مدل ریسک ادراک شده خریداران کالاهای برند غیر معروف در شبکه اجتماعی اینستاگرام: مبتنی بر نظریه داده بنیاد

عنوان مقاله: طراحی مدل ریسک ادراک شده خریداران کالاهای برند غیر معروف در شبکه اجتماعی اینستاگرام: مبتنی بر نظریه داده بنیاد
شناسه ملی مقاله: JR_BMR-8-1_003
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:

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.

خلاصه مقاله:
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.

کلمات کلیدی:
ریسک ادراک شده, برندهای نامتعارف, اینستاگرام, پوشاک

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1271433/