بهینه سازی بازاریابی ویروسی در کسب و کارهای آنلاین با استفاده از درخت تصمیم مبتنی بر الگوریتم ژنتیک
نویسندگان
1 گروه مدیریت، دانشکده مدیریت و حسابداری، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران.
2 گروه علوم پایه، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران.
3 گروه مدیریت، دانشکده مدیریت و حسابداری، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران.
4 گروه مدیریت، دانشکده مدیریت و حسابداری، واحد چالوس، دانشگاه آزاد اسلامی، چالوس، ایران.
doi
10.22105/dmor.2020.240196.1186چکیده
هدف پژوهش حاضر شناسایی مولفهها و توسعه یک الگو جهت ارائه قوانین بهینه بازاریابی ویروسی در کسب و کارهای آنلاین میباشد. یک پژوهش کاربردی و از نظر روش، آمیخته (کمی و کیفی) میباشد. جامعه آماری پژوهش دربخش کیفی شامل 15 نفر در نسلهای سهگانه X، Y و Z (نسل بازاریابی ملینیوم) و دربخش کمی شامل 460 نفر از خریداران آنلاین میباشد. ابزار گردآوری دادهها دربخش کیفی تکنیک فرافکنی میباشد و از مصاحبه عمیق استفاده شده است. با استفاده از نرمافزار MAXQDA مصاحبهها تحلیل و جمعبندی شده که از این طریق شش مولفه شناسایی گردید و سپس دربخش کمی از 12 خبره برای تعیین شاخص لاوشه استفاده شد و در ادامه تحلیل عاملی اکتشافی بهوسیله نرمافزار SPSS انجام گرفت. از آنجا که انتخاب موثرترین مولفههای جدید بازاریابی ویروسی میتواند تاثیر زیادی در دقت مدل بازاریابی ویروسی در کسبوکارهای آنلاین داشته باشد، جهت شناسایی تاثیرگذارترین مولفهها از الگوریتم فراابتکاری ژنتیک استفاده شد که نرمافزارهای بهکارگرفته شده در اینبخش WEKAو RAPIDMINERمیباشد. در نهایت با استفاده از روش درخت تصمیم قوانین بهینهسازی بازاریابی ویروسی شناسایی گردید. یافتهها ابتدا دربخش کیفی حاکی از آن است که ترغیب آنلاین، اعتماد آنلاین، پشتیبانی آنلاین، خدمات آنلاین، جذابیت آنلاین و ریسکپذیری آنلاین بعنوان مولفههای بازاریابی ویروسی میباشند. در ادامه دربخش کمی و الگوریتم ژنتیک نشان داد که مولفهی ریسکپذیری آنلاین نمیتواند بهعنوان مولفه اثرگذار جهت مدلسازی و استخراج قوانین بازاریابی ویروسی بهکار گرفته شود، بنابراین از میان شش مولفه حذف گردید
