ارزیابی مدل ساختاری پذیرش هوش مصنوعی در بازاریابی دیجیتال بر اساس دیدگاه مشتریان در صنعت خردهفروشی آنلاین
کلمات کلیدی:
پذیرش هوش مصنوعی, بازاریابی دیجیتال, دیدگاه مشتریان, صنعت خردهفروشی آنلاینچکیده
هدف پژوهش حاضر ارزیابی مدل ساختاری پذیرش هوش مصنوعی در بازاریابی دیجیتال بر اساس دیدگاه مشتریان در صنعت خردهفروشی آنلاین بود. این پژوهش از نظر هدف کاربردی و از نظر روش گردآوری و تحلیل دادهها، میدانی و توصیفی بود. جامعه آماری شامل مشتریان صنعت خردهفروشی آنلاین کشور، از جمله مشتریان دیجیکالا، دیجیاستایل، پلازا، ایمالز و زنبیل بود. با توجه به نامحدود بودن جامعه آماری، حجم نمونه با استفاده از فرمول کوکران 385 نفر تعیین شد و نمونهها بهصورت تصادفی انتخاب شدند. ابزار گردآوری دادهها پرسشنامهای مبتنی بر نتایج بخش کیفی و مصاحبه با خبرگان بود که شامل سه بعد اصلی و 11 سؤال برگرفته از 11 عامل شناساییشده بود و بر اساس طیف لیکرت پنجدرجهای تنظیم شد. دادهها با روش مدلسازی معادلات ساختاری با رویکرد حداقل مربعات جزئی و نرمافزار Smart-PLS تحلیل شدند. نتایج مدل اندازهگیری نشان داد بارهای عاملی سازههای سودمندی ادراکشده، امنیت و اعتماد ادراکشده، و فاکتورهای تعاملگرایی و ارتباطی معنادار و بالاتر از حد قابل قبول بودند. همچنین، پایایی ترکیبی تمامی متغیرها بالاتر از 0.70 و مقادیر AVE بالاتر از 0.50 بود که نشاندهنده تأیید پایایی و روایی همگرای مدل است. در مدل ساختاری، تمام مسیرهای اصلی دارای مقدار t بالاتر از 1.96 بودند و در سطح اطمینان 95 درصد معنادار گزارش شدند. مقدار R² برای پذیرش هوش مصنوعی برابر با 0.398، مقدار Q² برابر با 0.306 و شاخص GOF برابر با 0.517 به دست آمد که بیانگر قدرت تبیین و برازش مطلوب مدل بود. نتایج نشان داد که سودمندی ادراکشده، امنیت و اعتماد ادراکشده، و فاکتورهای تعاملگرایی و ارتباطی نقش مهمی در پذیرش هوش مصنوعی در بازاریابی دیجیتال از دیدگاه مشتریان صنعت خردهفروشی آنلاین دارند. بنابراین، ارتقای اعتماد، شفافیت الگوریتمی، امنیت دادهها، تجربه کاربری هوشمند و تعاملپذیری سیستمهای مبتنی بر هوش مصنوعی میتواند پذیرش این فناوری را در خردهفروشی آنلاین تقویت کند.
دانلودها
مراجع
Butson, R., & Spronken-Smith, R. (2024). AI and Its Implications for Research in Higher Education: A Critical Dialogue. Higher Education Research & Development, 43(3), 563-577. https://doi.org/10.1080/07294360.2023.2280200
Chang, C.-C., Hung, S.-W., Cheng, M.-J., & Wu, C.-Y. (2025). Exploring the Intention to Continue Using Social Networking Sites: The Case of Facebook. Technological Forecasting and Social Change, 95, 1547-1569.
Dehghan, Z., & Khorsandi Noushahri, H. (2024). Artificial Intelligence Strategies for Digital Marketing. Seventh International Conference on Management and Industry, Tehran.
Emami, A., Mohammadi, M. N., Hosseini, S. H., Ghobadi, T., & Aghighi, A. (2025). Designing an Artificial Intelligence-Based Customer Relationship Management Model in Service Digital Marketing in the Health Tourism Industry. Quarterly Journal of Value Creation in Business Management, 5(2), 391-420.
Ghaedi, A., Seyed Amiri, N., & Foroudi, P. (2022). The Effect of Multisensory Marketing on Advertising Effectiveness with the Mediating Role of Consumer Attitude toward Advertising: A Study of the Online Retail Industry. Consumer Behavior Studies, 9(4), 110-136.
Gunduzyeleli, B. (2024). Artificial Intelligence in Digital Marketing within the Framework of Sustainable Management. Sustainability, 16(23), 10511. https://doi.org/10.3390/su162310511
Hung, K. H., & Li, S. Y. (2024). The Influence of E-WOM on Virtual Consumer Communities: Social Capital, Consumer Learning and Behavioral Outcomes. Journal of Advertising Research, 47(4), 485-495.
Jahanfar, H., & Elahi Khorasani, A. (2023). Artificial Intelligence in Marketing: A Systematic Review and Future Research Directions. Intelligent Marketing Management, 4(4), 32-51.
Jain, R. (2023). The Impact of Artificial Intelligence on Business: Opportunities and Challenges. International Journal of Research Publication and Reviews, 4(10), 546-548. https://ssrn.com/abstract=4407114
Mousavi Asl, S. J., & Mousavi, S. E. (2024). Presenting a Framework of Components Influencing the Sustainable Development of Online Retail Users. Seventh National Conference on Management, Economics and Islamic Sciences, Tehran.
Rahmani, N., Vahabzadeh Monshi, S., & Mehrani, H. (2023). Designing a Native Digital Marketing Model in Small Online Retail Businesses in Iran. Journal of Entrepreneurship Development, 16(1), 109-120.
Reed, C., Wynn, M., & Bown, R. (2025). Artificial Intelligence in Digital Marketing: Towards an Analytical Framework for Revealing and Mitigating Bias. Big Data and Cognitive Computing, 9(2), 40. https://doi.org/10.3390/bdcc9020040
Safapour Moghaddam, M., & Moghaddamnia, E. (2023). Presenting an Integrated Artificial Intelligence Framework for Knowledge Generation and Logical Analysis of B2B Marketing to Improve Business Performance in Small and Medium-Sized Enterprises in Tehran. Fifth National and Second International Conference on New Business Management Models in Unstable Conditions, Tehran.
Shabiri, E., Khajeh, M., & Sanavi Fard, R. (2023). A New Model of Marketing Communications and Its Effect on Purchase Behavior: A Study of Online Retailing. Journal of Economic Jurisprudence Studies, 5(2), 69-86.
Soni, N., Sharma, E. K., Singh, N., & Kapoor, A. (2020). Artificial Intelligence in Business: From Research and Innovation to Market Deployment. Procedia Computer Science, 167, 2200-2210. https://doi.org/10.1016/j.procs.2020.03.272
Tavakolian, S., Safarinejad, R., & Mardani, A. (2024). The Impact of Artificial Intelligence on Digital Marketing with Regard to Consumer Behavior. First International Conference on Information Technology, Management and Computer, Sari.
Tursunbayeva, A., & Chalutz-Ben Gal, H. (2024). Adoption of Artificial Intelligence: A TOP Framework-Based Checklist for Digital Leaders. Business Horizons, 67(4), 357-368. https://doi.org/10.1016/j.bushor.2024.04.006
Zhu, T., & Abd Rozan, M. Z. (2026). AI Adoption in E-Commerce Enterprises: Insights into Current Practices and Future Directions from an Interview Study. PLoS One, 21(3), e0336416. https://doi.org/10.1371/journal.pone.0336416
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 Jalal Ebrahimi Askari, Seyed Abbass Heydari, Seyed Mahdi Jalali (Author)
این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.
