پیش بینی نرخ بازگشت تماشاگران سینما براساس چهارچوب A۵ سفر مشتری
Publish place: Tourism and Leisure Time، Vol: 8، Issue: 16
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 137
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TLJ-8-16_009
تاریخ نمایه سازی: 27 خرداد 1403
Abstract:
سینما به عنوان یک محصول فرهنگی هنری نقش بسزایی در زمینه فرهنگ سازی و پرکردن اوقات فراغت افراد جامعه دارد. مسئله اصلی پژوهش شناسایی نقاط تماس مراحل پنج گانه (آگاهی، جذب، پرسش، اقدام و حمایت) تاثیرگذار در سفر مشتریان به سینماست که در پیش بینی نرخ بازگشت تماشاگران سینما تاثیرگذار است. در گام اول، با استفاده از روش تحلیل محتوا، ۲۷ نقطه به عنوان نقاط تماس تماشاگران سینما استخراج و در چهارچوبA۵ جای گذاری شد و پرسش نامه پژوهش طراحی شد که پایایی و روایی آن به ترتیب با استفاده از آلفای کرونباخ و تحلیل عاملی تاییدی تایید شد. در گام دوم، به منظور پیش بینی نرخ بازگشت تماشاگران سینما از مدل شبکه عصبی مصنوعی استفاده شد. بدین منظور، تعداد ۴۵۰ پرسش نامه به صورت تصادفی در بین تماشاگران بزرگ سا ل سینما در شهر گرگان توزیع شد که ۴۲۱ پرسش نامه قابل استفاده تشخیص داده شد. به کارگیری شبکه عصبی نشان داد که با استفاده از نقاط تماس شناسایی شده مبتنی بر چهارچوب A۵ در سفر مشتری، می توان نرخ بازگشت تماشاگران سینما را با دقت ۹۲۱/۰ پیش بینی کرد. نتایج تحلیل حساسیت نشان دادند که در مراحل پنج گانه آگاهی (تبلیغات مجازی)، جذب (بنر تبلیغاتی فیلم)، پرسش (نظرات سایر شرکت کننده ها)، اقدام (نوع برخورد پرسنل) و حمایت (خرید مجدد) به منزله بهترین نقاط پیش بینی کننده رفتار مصرف کننده در سفر خرید سینما هستند. همچنین نتایج نشان دادند نقشه سفر تماشاگران سینما پیچیده، به شدت حساس، مارپیچ و پیوسته است که در آن، مشتریان نقاط تماس متفاوتی را لمس می کنند که می تواند نرخ بازگشت آن ها را تحت تاثیر قرار دهد.
Keywords:
Authors
محمد علی سیاه سرانی کجوری
استادیار مدیریت، گروه مدیریت و اقتصاد، دانشکده علوم انسانی و اجتماعی، دانشگاه گلستان، گرگان، 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 :