شناسایی عناصر سازنده «ارزش پیشنهادی به مشتری» و تأثیر آنها بر رضایت مشتری با استفاده از تحلیل احساسات بر مبنای متنکاوی
نویسندگان
1 دکتری، گروه مدیریت بازرگانی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.
2 دانشیار، گروه مدیریت بازرگانی، دانشکده علـوم اداری و اقتصـاد، دانشگاه اصفهان، اصفهان، ایران.
doi
10.22059/jibm.2020.302987.3847چکیده
هدف: در سالهای اخیر با توجه به گسترش کسبوکارهای دیجیتال و حضور مشتریان در این محیط، امکان دسترسی به دادههای مربوط به علایق و ارزشهای مورد انتظار مشتریان فراهم شده است. هدف این پژوهش، شناسایی عناصر سازنده ارزش پیشنهادی به مشتری و بررسی تأثیر آنها بر رضایت مشتری با استفاده از روش تحلیل احساسات بر مبنای متنکاویِ محتوای تولیدشده توسط کاربران در فضای مجازی است. روش: این پژوهش از نظر هدف، کاربردی، از نظر ماهیت، توصیفی ـ پیمایشی، از نظر اجرا، کیفی ـ کمی (آمیخته) با رویکرد استقرایی است. در پژوهش حاضر، کالای تلویزیون هوشمند، بهعنوان مطالعه موردی انتخاب شد و 3865 نظر از خریداران این کالا از سایت فروشگاه آنلاین دیجیکالا جمعآوری و با استفاده از روش تحلیل احساسات تجزیه و تحلیل شد. برای طبقهبندی و جداسازی نظرهای مثبت و منفی، از روشهای «یادگیری ماشین» استفاده شد و برای استخراج سازههای ارزش پیشنهادی، روش «تخصیص پنهان دریکله» بهکار رفت. یافتهها: بر اساس یافتههای پژوهش، برای ارزش پیشنهادی به مشتری در رابطه با کالای تلویزیون هوشمند، 30 عنصر شناسایی شد. نتایج پژوهش نشان میدهد که 15 عنصر یا ویژگی محصول، بر رضایت مشتریان تأثیر مثبت دارد و 15 عنصر دیگر، به نارضایتی مشتریان منجر میشود. نتیجهگیری: نتایج پژوهش نشان میدهد که تحلیل نظرهای مشتریان و به بیانی «محتوای تولیدشده توسط کاربران»، برای شناخت و بررسی نگرش مشتری در رابطه با محصول، روشی کاربردی بوده و برای کسبوکارها در راستای ارائه محصول موفق با ویژگیهای مورد علاقه مصرفکنندگان به بازار، ابزاری مؤثر است و با استفاده از آن توسط یادگیری ماشین، میتوان در راستای تسهیل، افزایش دقت و سرعت شناسایی نیاز مشتری و خلق مشترک ارزش، گامهای بزرگی برداشت.