Journal of the Academy of Marketing Science
قابلیت بازاریابی فروشنده، شهرت برند و سفرهای مصرف کننده در پلتفرمهای تجارت الکترونیک
Jifeng Mu, & Jonathan Z. Zhang
Received: 24 January 2020 /Accepted: 2 February 2021
# Academy of Marketing Science 2021
چکیده:
قابلیت بازاریابی فروشنده و شهرت برند در عملکرد شرکت و رفتارهای مشتری نقش اساسی دارد. با این حال، اطلاعات کمی در مورد اهمیت این دو بعد در حوزه فزاینده مهم پلتفرمهای تجارت الکترونیک، جایی که فروشندگان متنوع هستند و شهرت برند به چالش کشیده میشود، وجود ندارد .این تحقیق، اثرات قابلیت بازاریابی و شهرت برند را بر نتایج کلیدی سفر خرید مشتری در پلتفرمهای تجارت الکترونیک، از کلیک تا زمان مرور، خرید، و ناامیدی پس از خرید، بررسی میکند. نویسندگان با استفاده از دادههای دستهبندی گوشیهای هوشمند از یک پلتفرم پیشرو تجارت الکترونیک، تأثیر مثبت و فزایندهی قابلیت بازاریابی بر نتایج سفرِ مصرفکننده را نشان میدهند. این تحقیق همچنین دیدگاه متفاوتتری از شهرت برند در محیطهای پلتفرم تجارت الکترونیک ترسیم میکند و تأثیرات ظریف U شکل شهرت برند را بر نتایج سفر مصرف کننده نشان میدهد. این یافتهها، مفاهیمی را برای برندها و فروشندگان در پلتفرمهای تجارت الکترونیک ارائه میکنند.
کلمات کلیدی: پلتفرم تجارت الکترونیک، قابلیت بازاریابی، شهرت برند، سفر مصرف کننده[۱]
معرفی:
گسترش پلتفرمهای تجارت الکترونیک در سالهای اخیر باعث دگرگون و دموکراتیک شدن چشم انداز خرده فروشی شده است. فناوریهای پلت فرم تجارت الکترونیک و کسب و کارها نتیجهی مدلهایی مانند: آمازون و eBay در ایالات متحده و سراسر جهان، Cdiscount در اروپا، Mercado Libre در آمریکای لاتین، Flipkart در هند، Jumia در آفریقا، Rakuten در ژاپن و Taobao در چین است. این غولهای خرده فروشی سنتی، سراسر جهان را تکان داده است. موفقیت این مشاغل مبتنی بر این پلتفرمهاست.
با وجود تعداد زیادی از فروشندگان کارآفرینی که مشارکت میکنند، ارزش انبوهی از طریق برقراری ارتباط و تراکنشهایی ایجاد میشود که در غیر این صورت رخ نمیدادند. در سال ۲۰۱۹، برترین پلتفرمهای تجارت الکترونیکی ۱.۸ تریلیون دلار کالا در سطح جهان فروختند که ۵۲ درصد از کل حجم تجارت الکترونیک جهانی را تشکیل میداد و در حال حاضر رشد سالانه بالای ۲۳ درصد را تجربه میکند .(DigitalCommerce360, 2019a) در ایالات متحده، آمازون به تنهایی ۴۰ درصد از فروش تجارت الکترونیک این کشور را تشکیل میدهد و نرخ رشد سالانه ۱۵ درصدی را در مقایسه با کمتر از ۵ درصد رشد کلی خرده فروشی ایالات متحده تجربه میکند .(DigitalCommerce360, 2019b) انتظار میرود که چنین روندهای جهانی در دهه آینده ادامه یابد، زیرا اقتصادهای نوظهور شروع به مشارکت در چنین مدلهای کسب وکار آنلاین و با ظهور پلتفرمهای خاص صنعت مانند Etsy، Wayfair و Chrono24 میکنند.
پلتفرمهای تجارت الکترونیک، پیامدهای فوق العادهای برای معیشت تعداد زیادی از شرکت کنندگان دارند. طبق۱ IDC ، فروش بر روی پلتفرمها رشد فوق العادهای برای کسب و کارهای کوچک و متوسط ایالات متحده است. به عنوان مثال، در سال ۲۰۱۹، کسب وکارهای کوچک و متوسط آمریکایی (SMB) که در آمازون میفروشند، بیش از ۱۵۰۰۰ کسب وکار، بیش از یک میلیون دلار فروش داشتند و نزدیک به ۲۵۰۰۰ کسب وکار، بیش از ۵۰۰،۰۰۰ دلار در آمازون فروش داشتند.
حراجی: فروشندگان مستقل در آمازون به طور متوسط ۴۰۰۰ محصول در دقیقه میفروشند و بیش از ۸۰۰۰۰۰ شغل ایجاد کرده اند. در سطح جهانی، فروش ۲۲۵۰۰۰ شرکت کوچک و متوسط در آمازون از ۱۰۰۰۰۰ دلار در آمازون در سال ۲۰۱۹ فراتر رفته است. به این ترتیب، پلتفرمهای تجارت الکترونیک محیطی کسب و کار ایجاد میکنند که سودمند است. میلیونها فروشنده مستقل (فروش محصولات عمومی و برند و تولید محتوای تولید شده توسط شرکت)، مصرف کنندگان (خرید در پلتفرم و ایجاد محتوای تولید شده توسط کاربر)، و تامین کنندگان (یعنی برندها و محصولات). خریداران، فروشندگان، تامین کنندگان و تبادل اطلاعات بین این بازیگران اکوسیستم پلتفرم تجارت الکترونیک را تشکیل میدهند.
به دلیل محبوبیت فزاینده و اهمیت اقتصادی آنها، اقتصاددانان و محققان بازاریابی، اقتصادهای پلتفرم را از زوایای مختلفی مانند: رقابت پلتفرم متقابل شبکه، ساختار قیمت گذاری، و تعیین مدل کسب و کار بررسی کردهاند (به عنوان مثال، آرمسترانگ، ۲۰۰۶؛ روچت و تیرول، ۲۰۰۶)، اثرات متقابل شبکه بازار بر بودجه بندی بازاریابی (Sridhar et al., 2011)، انواع پلتفرمهای اجتماعی(۲۰۱۸ (Perren & Kozinets,، تلاشهای بازاریابی و درآمد تبلیغات در
پلتفرمهای ( B2B (Fang et al., 2015 و ماهیت ایجاد ارزش پلت فرم (۲۰۱۸ , .(Ramaswamy & Ozcan.
آنچه در مورد پلتفرمهای تجارت الکترونیکی(برخلاف خردهفروشهای تکبرند) منحصربهفرد است، مانند Warby Parker :یا خردهفروشهای تکفروشی مانند Nordstrom ، این است که فروشندگان زیادی وجود دارند که محصولات مشابه یا مشابهی را ارائه میکنند و در دستههای مشابه با هم رقابت میکنند. فروشندگان از نظر اندازه و قابلیتها متفاوت هستند و هر کدام کنترل کاملی بر تصمیمات قیمت گذاری و تبلیغات خود دارند. برخلاف خردهفروشهای تکفروش، هیچ استراتژی هماهنگِ متمرکزی بر برند و محصول در پلتفرمها وجود ندارد – مارکهای معروف در کنار محصولات عمومی با تخفیف با ویژگیهای مشابه فروخته میشوند. به طور سنتی، قابلیت بازاریابی فروشندگان و شهرت برند، عوامل متمایزکننده در بازار است.
با این حال، با توجه به اکوسیستم پیچیده آن با شرکت کنندگان متنوع و تصمیمات مختلف مشتری در پلتفرمها، شناسایی نقش قابلیت بازاریابی و شهرت برند همچنان چالش برانگیز است .(Batra & Keller, 2016) بنابراین، ما در حال حاضر درک درستی از نحوه تأثیر این دو عامل بر رفتارهای مصرف کننده در پلتفرم های تجارت الکترونیک و به طور کلی در محیط های دیجیتال نداریم.
با این حال، همانطور که هزینههای آنلاین بازاریابان برای توانایی بازاریابی و شهرت برند همچنان در حال رشد است، آنها همچنین نگرانیهایی در مورد بازگشت سرمایهگذاری در بازاریابی دیجیتال دارند و در توجیه این سرمایهگذاریها برای مدیریت ارشد و سهامداران با فشار قابل توجهی مواجه هستند.(دلمول و همکاران، ۲۰۱۵).
این حوزه مهم چندین درخواست اخیر را برای بررسی نقش قابلیت بازاریابی و شهرت برند در مراحل مختلف سفر مشتری برانگیخته است .(Batra & Keller, 2016; Moorman & Day, 2016; Swaminathan et al., 2020) در این مقاله سعی داریم به این شکافهای پژوهشی و نگرانیهای مدیریتی بپردازیم.
هدف ما پاسخگویی به موارد زیر است: در پلتفرمهای تجارت الکترونیک، توانایی بازاریابی فروشنده و شهرت برند چگونه بر نتایج سفر مشتری تأثیر میگذارد، بهویژه، احتمال کلیک، احتمال خرید، زمان مرور، و ابراز احساسات مشتری پس از خرید، و به عبارت دیگر، ناامیدی مشتری؟
برای ارائه بینش در مورد این سؤالات تحقیقاتی، از دادههای جمعآوریشده از منابع مختلف در یکی از بزرگترین پلتفرمهای تجارت الکترونیک در آمریکای شمالی استفاده میکنیم که با درآمد و ارزش بازار اندازهگیری میشود. تا آنجا که ما میدانیم، تحقیق ما اولین تحقیقی است که قابلیت بازاریابی و شهرت برند را (که محیط های پلت فرم تجارت الکترونیک را مشخص میکند)، به صورت تجربی بررسی میکند. ما به چالش درک توانایی بازاریابی و شهرت برند از منظر سفر مشتری نزدیک میشویم. این جریان، تصمیمات را به مجموعهای از مراحل تجزیه میکند که مسیری برای خرید و رفتارهای پس از خرید را تشکیل می دهد.
این برنامه تحقیقاتی مشارکتهای زیر را ارائه میدهد. اول، مطالعه ما با نشان دادن اهمیت قابلیت بازاریابی در پلتفرمهای تجارت الکترونیک، به ادبیات قابلیت بازاریابی میافزاید. تحقیقات موجود اغلب یک اثر مثبت خطی قابلیت بازاریابی بر عملکرد شرکت (با استفاده از تحلیل مرز تصادفی نظرسنجی یا ورودی-خروجی در محیطهای آفلاین) را از دیدگاه شرکت کانونی نشان میدهد (مانند دوتا و همکاران، ۱۹۹۹؛ فنگ و همکاران، ۲۰۱۷ .( با این حال، نقش قابلیت بازاریابی در نتایج سفر مشتری و در محیط های آنلاین تا حد زیادی ناشناخته است.
از آنجایی که استفاده از قدرت پلتفرمها یک قابلیت بازاریابی ضروری در عصر دیجیتال فعلی است، بررسی نقش قابلیت بازاریابی در محیطهای دیجیتال برای محققان و متخصصان حیاتی است. به همین ترتیب، تحقیقات خواستار چارچوبهای جدید در توسعه و استقرار قابلیت بازاریابی در مراحل مختلف سفر مصرفکننده هستند.
رویکرد ما نوعی چارچوب تجربی را ارائه میکند که قابلیت بازاریابی را از تئوری به عمل در سطح سفر مشتری میآورد. همانطور که قبلا ذکر شد، توجیه سرمایه گذاری در بازاریابی دیجیتال برای مدیران بازاریابی دشوار بوده است. یافتههای ما مبنی بر اینکه قابلیت بازاریابی، تأثیرات مثبت فزایندهای بر نتایج سفر مصرفکننده دارد، نشان میدهد که این سرمایهگذاریها میتوانند به خوبی بازدهی داشته باشند. ما تخمین میزنیم که فروشندگان با قابلیت بازاریابی دو انحراف استاندارد[۲] بالاتر از میانگین میتوانند ۸۰٪ احتمال خرید مشتری را بالاتر و ۶۱٪ ناامیدی کمتر پس از خرید، به دست آورند.
از آنجایی که مشخص شده است که قابلیت بازاریابی در زمینههای دیگر تأثیر بیشتری بر عملکرد شرکت نسبت به قابلیتهای عملیاتی و تحقیق و توسعه دارد (به عنوان مثال،۲۰۰۸ (Krasnikov & Jayachandran، یافتههای ما به ویژه پشتیبانی قوی برای بازاریابان فراهم میکند تا منابع را برای افزایش قابلیت بازاریابی خود در پلتفرمهای تجارت الکترونیک اولویت بندی کنند. به طور کلی، این نتایج به مدیران بازاریابی کمک میکند تا پیامدهای مالی سرمایهگذاریهای بازاریابی دیجیتال را بهتر به همکاران غیر بازاریابی خود و سایر ذینفعان سازمان منتقل کنند.
با آن که تحقیقات استراتژی بازاریابی در سالهای اخیر برای اندازهگیری توانایی شرکت با استفاده از محتوای تولید شده توسط کاربر (UGC) فشار آورده است، به طور شگفتانگیزی هیچ تحلیلی از قابلیت بازاریابی با استفاده از UGC وجود ندارد. انبوهی از اطلاعات متنی مصرفکننده که نمونهای از عصر دیجیتال کنونی است را میتوان برای تحلیل قابلیت بازاریابی استخراج کرد. با استفاده از دادههای متنی مصرفکننده بدون ساختار از پلتفرم تجارت الکترونیک، ما قابلیت بازاریابی را از UGC استخراج میکنیم – رویکردی که نه تنها میتواند نمایندگی فروشندگان اندازهگیری شده را افزایش دهد، بلکه مهمتر از آن امکان بهروزرسانی در زمان واقعی معیارهای قابلیت را فراهم میکند.
دوم، در حالی که بازاریابان اهمیت شهرت برند را در عملکرد شرکت و تصمیمگیری مصرفکننده نشان دادهاند، تحقیقات اخیر نشان داده است که محیط آنلاین ممکن است نقش برندها را به دلیل افزایش تنوع محصولات ارائهشده آنلاین و کاهش هزینههای جستجو برای یافتن محصولات را کاهش دهد. بنابراین، همزیستی برندهای متنوع در پلتفرمهای تجارت الکترونیک میتواند مصرف را از برندهای معروف به سمت تعداد بسیار بیشتری از محصولات کمفروش و عمومی سوق دهد. حل این تنش میتواند بینش جدیدی در مورد مدیریت برند ارائه دهد، و بنابراین محققان بازاریابی خواستار درک جدیدی از شهرت نام تجاری در تجارب مصرف کننده آنلاین قبل، حین و پس از خرید شده اند.
نتایج تجربی ما نشان میدهد که علیرغم نگرانیهای فعلی از فرسایش ارزش نام تجاری آنلاین به دلیل تکثیر محصول، شهرت برند همچنان یک عامل حیاتی برای محصولاتی است که در محیط پلتفرم رقابت میکنند. با این حال، اثرات منحنی، متفاوت هستند و میتوانند نیروهای متضادی بر معیارهای مختلف داشته باشند – در حالی که شهرت برند یک اثر معکوس بر روی کلیک مشتری، زمان مرور و خرید دارد، اما یک اثر U شکل بر ناامیدی پس از خرید نشان میدهد.
این نتایج نشان میدهد که شهرت برند قوی، در حالی که در فرآیند خرید مفید است، میتواند انتظارات بالای مصرفکننده را برآورده کند و البته ممکن است منجر به پشیمانی و سرخوردگی پس از خرید شود. به عنوان مثال، یافتههای ما نشان میدهد که در حالی که برندهایی با شهرت دو انحراف استاندارد بالاتر از میانگین، ۱۵ درصد احتمال خرید مشتری بالاتری نسبت به برندهایی با دو انحراف استاندارد کمتر از میانگین دارند. همین مقایسه میتواند ناامیدی پس از خرید را تا ۴۴ درصد افزایش دهد.
فروشندگان برندهای ممتاز باید دیدی جامع از برندها داشته باشند که هم اثرات کوتاه مدت (مرحله خرید) و هم اثرات بلندمدت (مرحله پس از خرید) برندها را در بر میگیرد. به عنوان مثال، فروشندگان باید توجه کافی به تعیین انتظارات صحیح داشته باشند و به موقع به مسائل مشتری رسیدگی کنند تا از ناامیدی پس از خرید جلوگیری کنند. برای صاحبان برند، نتایج نشان میدهد که رفتارهای فروشنده در این پلتفرمها میتواند بر رابطه بین برندها و کاربران نهایی آنها تأثیر بگذارد و به طور بالقوه ارزش برندها و فهم آنها از مصرفکننده را مختل کند. بنابراین، سیاستهای شریک کانال[۳] که به خوبی طراحی شده، به خوبی هماهنگ شده و به خوبی اجرا شدهاند، در حفظ ارزش ویژه برند در محیط آنلاین بسیار مهم هستند
.بقیه مقاله به شرح زیر سازماندهی شده است: ما با ارائه چارچوب مفهومی و فرضیههای خود شروع می کنیم. در مرحله بعد، جزئیات سازمانی و دادههای مورد استفاده برای این مطالعه را مورد بحث قرار میدهیم و سپس مدلها و نتایج برآورد را دنبال کزده و سرانجام ما با مفاهیم نظری و مدیریتی نتیجه گیری میکنیم.
چارچوب مفهومی و تحقیق
فرضیهها چارچوب ما بر اساس سفرهای مصرف کننده در پلتفرمهای تجارت الکترونیک با تمرکز بر نقش قابلیت بازاریابی فروشنده و شهرت برند است. همانطور که قبلاً گفته شد، مجموعه قابل توجهی از کارها از اثرات مثبت قابلیت بازاریابی، پشتیبانی می کنند و شهرت برند در مورد نتایج عملکرد این بینشها، تحقیقات هنوز ارزش این دو ساختار را در سفر مصرفکننده و در محیطهای پلتفرم تجارت الکترونیک، که بهطور قابلتوجهی با بسیاری از محیطهای تجاری آفلاین متفاوت است، نشان نداده است.
فرضیههای چارچوب ما بر اساس سفرهای مصرف کننده در پلتفرم های تجارت الکترونیک با تمرکز بر نقش قابلیت بازاریابی فروشنده و شهرت برند[۴] است. همانطور که قبلاً گفته شد، مجموعه قابل توجهی از کارها از اثرات مثبت قابلیت بازاریابی و شهرت برند بر نتایج عملکرد پشتیبانی میکنند[۵] .علیرغم این بینشها، تحقیقات هنوز ارزش این دو ساختار را در سفر مصرفکننده و در محیطهای پلتفرم تجارت الکترونیک، که بهطور قابلتوجهی با بسیاری از محیطهای تجاری آفلاین متفاوت است، نشان نداده است.
در اصل، ما اثرات منحنی قابلیت بازاریابی و شهرت برند را بر متغیرهای نتیجه سفر مشتری نشان میدهیم، در حالی که رویکرد جدیدی برای استخراج معیارهای قابلیت بازاریابی از دادههای متنی مصرفکننده بدون ساختار که اغلب در زمینههای دیجیتال یافت میشود، ارائه میکنیم. ما ابتدا در چارچوب خود، چهار متغیر وابسته کانونی سفر مصرفکننده را معرفی میکنیم، سپس در مورد دو متغیر مستقل و چگونگی تأثیر آنها بر این متغیرهای وابسته بحث میکنیم.
کلیک مشتری
میزان کلیک در تحقیقات تبلیغاتی مورد بررسی قرار گرفته است. ادلمن (Edelman) و همکاران (۲۰۰۷) مدلی را پیشنهاد میکند که در آن میزان کلیک آگهی به اثرات تبلیغات و موقعیت بستگی دارد و به تبلیغات دیگر وابسته نیست. تحقیقات دیگر چگونگی ارتباط ویژگیهای کلمه کلیدی با کلیکها را مورد بررسی قرار دادند، مانند محبوبیت کلمات کلیدی، اینکه عبارت جستجو شامل نام یک برند یا خردهفروش باشد، تفاوت بین لینکهی ارگانیک و حمایتشده، و طول عبارت جستجو[۶]. در پلتفرمهای تجارت الکترونیک، پس از جستجو، مشتری میتواند در نتایج جستجو اطلاعات مربوط به برندها و فروشندگان، نام محصول و توضیحات کوتاه محصول را مشاهده کند. سپس اگر به نتایج ارائه شده پس از جستجو علاقهمند هستند، میتوانند روی یک پیشنهاد کلیک کنند. محیط غنی اطلاعاتی به ما امکان میدهد بررسی کنیم که چگونه قابلیت بازاریابی و شهرت برند بر روی کلیکها مشروط به نتایج جستجو تأثیر میگذارد.
زمان مرور (وبگردی[۷]) مشتری زمان
مرور مشتری نشان دهنده تلاش مصرف کنندگان در جستجوی اطلاعات و کاهش عدم اطمینان است. در حالی که جستجوی مصرف کننده موضوع مورد علاقه در بازاریابی بوده است (زیرا به حوزه اساسی کاهش عدم قطعیت مربوط می شود)، تحقیقات نسبتا کمی در مورد مرور مصرف کننده در پلتفرم های تجارت الکترونیکی تحقیق کرده است. درک این که چگونه قابلیت بازاریابی و شهرت برند بر رفتار مرور مشتری تأثیر می گذارد، به فروشندگان اجازه میدهد تا سفر مشتری را از طریق استفاده از ارائه اطلاعات بهبودیافته بهینه کنند.
خرید مشتری
احتمال خرید (یا تبدیل) مشتری مستقیماً با درآمد مرتبط است. نرخ تبدیل در سایتهای تجارت الکترونیک پایین است و افزایش جزئی حتی ۱ درصدی در نرخ تبدیل در پلتفرمهایی مانند آمازون میتواند به میلیونها دلار درآمد افزایشی تبدیل شود.
ناامیدی مشتری پس از خرید
ناامیدی مشتری یک حالت ناخوشایند واکنش عاطفی به مخالفت یا تعارض است و زمانی به وجود میآید که مشتری اهداف رقابتی یا مداخلهای داشته باشد. احساس ناامیدی زمانی رخ میدهد که مشتریان انتظار دارند یک محصول ویژگیها یا ارزش خاصی داشته باشد، اما محصول، در واقع، با انتظارات مطابقت ندارد. از آنجایی که احساسات منفی بیشتر از احساسات مثبت به نظر میرسد (که توسط نظریه چشم انداز[۸] پیشنهاد شده است)، احساس ناامیدی مشتریان به ویژه ممکن است بر ارزیابی کلی آنها از تجارب خرید تأثیر منفی بگذارد. بررسی منفی ناشی از ابراز ناامیدی آنها میتواند بر مشتریان آینده تأثیر منفی بگذارد و برای فروشندگان و برندها مضر باشد. با این حال، این هیجان منفی در مقایسه با سایر احساسات مشتری مانند شادی و رضایت، به ندرت در بازاریابی مورد مطالعه قرار میگیرد، و به ویژه در تنظیمات آنلاین و تجارت الکترونیک، علیرغم پیامدهای مهم آن در این زمینهها، کمتر مورد مطالعه قرار میگیرد. برای تحلیل خود، ناامیدی مشتری پس از خرید را از بررسی آنلاین خریداران تأیید شده استخراج می کنیم.
قابلیت بازاریابی
قابلیت بازاریابی یک قابلیت اساسی در فروش شرکتها برای موفقیت است. ما قابلیت بازاریابی را به عنوان توانایی یک شرکت برای تبدیل موثر بازخورد مشتری به خروجی تعریف میکنیم. تحقیقات موجود اغلب از رویکرد مرزی تصادفی ورودی یا ارزیابی مدیران برای اندازهگیری قابلیت بازاریابی از دیدگاه شرکت فروش کانونی استفاده میکنند .در حالی که هر دو رویکرد بینشهایی را در مورد ارتباط بین قابلیت بازاریابی و عملکرد شرکت ارائه میدهند، در دسترس بودن دادهها و به موقع بودن به دست آوردن چنین دادههایی توانایی بازاریابان و محققان را برای درک به موقع تأثیر قابلیت بازاریابی محدود میکند. به عنوان مثال، نتایج مبتنی بر دادههای آرشیوی و دادههای نظرسنجی معمولاً ماهها و سالها از رویه بازاریابی واقعی عقب میافتد، و بازاریابها و محققان میتوانند خود را با دادهها و بینشهای قدیمی برای رسیدگی به مشکلات فعلی بیابند. از آنجایی که محیطهای آنلاین و اقدامات بازاریابی همراه به طور فزایندهای پویا هستند، این رویکرد عقب مانده ممکن است به شرایط فعلی بازار مرتبط نباشد و ممکن است منجر به از دست رفتن فرصتها شود.
در محیط آنلاین کنونی، UGC میتواند معیارهای جایگزین غنی از قابلیت بازاریابی فروشندگان را ارائه دهد. نظرات مشتریان در مورد انجام سفارش مشتری، فرآیند خرید، خدمات مشتری و تحویل محصول منعکس کننده قابلیت بازاریابی فروشنده است. در حالی که این رویکرد با روشهای موجود برای اندازهگیری قابلیت بازاریابی متفاوت است، اما میتواند بر «کارایی که فروشندگان منابع بازاریابی (در مورد ما، ورودی مشتری) را به فروش تبدیل میکنند» را روشن کند، که تعریف کارآمدی از قابلیت بازاریابی در ادبیات است. این رویکرد میتواند مزایایی را برای کمک به بازاریابان برای درک سریع و پاسخگویی سریع به نیازهای در حال تکامل مشتریان در زمینههای دیجیتال ارائه دهد. قابلیت بازاریابی ثابت نیست و باید به طور مرتب به روز شود.
UGC دادههای فراوانی را برای محققان فراهم می کند تا از این دادههایِ بدون ساختار و مشتری محور برای ارزیابی قابلیت بازاریابی و درک تأثیر آن بر نتایج عملکرد استفاده کنند. حجم انبوه داده به بازاریابان این امکان را میدهد که “گوش دهند” و به آنها امکان میدهد تحقیقات بازاریابیِ سنتیِ کُند و پرهزینه را با هوش به موقع و جمع سپاری جایگزین کنند .علاوه بر این، UGC به طور مداوم بهروزرسانی میشود و شرکت را قادر میسازد تا تغییرات در بازارها و ترجیحات مصرفکننده را حس کند. به عنوان مثال، نظرات مشتری میتواند به عنوان ابزاری برای فروشندگان عمل کند تا مستقیماً واکنش مشتری نسبت به پیشنهادات و خدمات خود را بسنجد و به سرعت اقداماتی را برای پاسخ به شکایات انجام دهد. این اقدامات میتواند از تغییر مشتری جلوگیری کند، فروشندگان را قادر میسازد تا به سرعت نارساییها را برای مشتریان کانونی و آینده برطرف کنند و نظرات منفی آینده را محدود کنند. بنابراین، استخراج اطلاعات از UGC که قابلیتهای بازاریابی فروشندگان را از دیدگاه مشتریان منعکس میکند، میتواند رویکرد جدیدی برای تحلیل قابلیت بازاریابی ارائه دهد. این رویکرد همچنین از آینده تحلیل زمان واقعی مکالمات مشتری از طریق استقرار هوش مصنوعی صحبت میکند. بر این اساس، در این مطالعه، ما از یک رویکرد متن کاوی مبتنی بر نظرات مشتری برای اندازهگیری قابلیت بازاریابی، مشابه نمونههای دیگر کشف ساختارهای معنادار مدیریتی مانند نیازهای مشتری و احساسات مشتری استفاده میکنیم.
در حالی که مطالعات قبلی ارتباط مثبت کلی بین قابلیت بازاریابی و نتایج عملکرد را ایجاد کردهاند، آنها در مورد پتانسیل قابلیت بازاریابی برای نشان دادن تأثیر منحنی (غیرخطی) سکوت میکنند. اگرچه یک رابطه خطی میتواند به عنوان اولین تقریب عمل کند، اما عدم توجه به الگوهای غیر یکنواخت ممکن است روابط بین متغیرهای کانونی را بیش از حد ساده کند. پلتفرمهای تجارت الکترونیک، تعداد زیادی بازدید کننده را به خود جذب می کنند. با این حال، به دلیل سهولت مقایسه، محیط نیز رقابتیتر از دنیای فیزیکی است. موفقیت در پلتفرمها به ویژه به توانایی فروشندگان برای جلب توجه بازدیدکنندگان سایت و تبدیل آنها به خریداران و مرجع برای مشتریان آینده بستگی دارد.
از آنجایی که مقایسه فروشنده آسان است، مشتریان میتوانند معیارهای عملکرد فروشنده را مرتب کنند. به همین ترتیب، پلتفرمها انگیزههایی برای برجسته کردن فروشندگان با عملکرد بالا دارند، و مرتبسازی پیشفرض «بهترین منطبقها» در بسیاری از پلتفرمها (مانند eBay و آمازون) اغلب به فروشندگان قوی ارائه میشود. این مکانیسمها میتوانند به طور مثبت فروشندگان برتر را از بقیه متمایز کنند و قابلیت بازاریابی را به ویژه در پلتفرمها برجسته کنند. بنابراین، فروشندگانی که قابلیتهای بازاریابی قوی دارند، میتوانند از نظر افزایش کلیکها، خریدها و کاهش ناامیدی مشتری، سهم بزرگی از منفعت را در اختیار بگیرند و ما انتظار داریم که رابطه بین قابلیت بازاریابی و این نتایج مشتری مثبت و غیر یکنواخت باشد.
به عنوان مثال، فروشندگان با قابلیتهای بازاریابی قوی میتوانند به طور مداوم واکنشهای مشتری را نسبت به پیشنهادات خود بسنجند و به سرعت به مسائل مشتری رسیدگی کنند. نظارت به موقع و متعاقباً خدمات سریع به مشتری می تواند بازدهی بسیار قوی در پلتفرمهای تجارت الکترونیک داشته باشد. این جریان نه تنها باعث ایجاد وفاداری برای مشتری کانونی میشود، بلکه میتواند احتمال جلب نظرات مثبت اضافی در مورد فروشنده را نیز افزایش دهد و در نتیجه یک چرخه کارآمد ایجاد کند که سبب رفع عدم اطمینان برای مشتریان آینده و متمایز کردن مثبت فروشنده کانونی از بقیه رقبا میشود.
به طور مشابه، فروشندگان با قابلیت بازاریابی قوی میتوانند موجودیها و شرایط خدمات خود را بهموقع در حضور نظرات مشتری (منفی یا مثبت) تنظیم کنند و تطابق بین موجودی شرکت و سفارشهای مشتری را افزایش دهند. بنابراین، فروشندگانی که توانایی بازاریابی بالایی دارند باید به نتایج برتر مشتری در کاهش کلیک، خرید و کاهش پس از ناامیدی دست یابند. از نظر زمان مرور (browsing)، فروشندگانِ با سطوح پایینِ توانایی بازاریابی نمیتوانند به اندازه کافی توجه مشتریان را جلب کنند. فروشندگانی با سطوح متوسط از قابلیت بازاریابی میتوانند مشتریان را جذب کنند، اما اطلاعات ممکن است بیش از حد زیاد باشد، سازماندهی نشده باشد، و ممکن است با ترجیحات مشتریان مطابقت نداشته باشد و در نتیجه زمان مرور بالا (مشابه صفحات وب غنی از اطلاعات اما با طراحی ضعیف) باشد.
فروشندگان با قابلیت بازاریابی بالا از نظر جلب توجه مشتری و تطبیق ارائه اطلاعات با نیازهای مشتری کارآمد هستند و مشتریان نیازی به صرف زمان غیرضروری برای جستجو ندارند. بنابراین، ما انتظار داریم که با افزایش قابلیت بازاریابی، زمان مرور افزایش یابد، اما در سطوح بالای قابلیت بازاریابی، زمان مرور در واقع کاهش مییابد. ما فرض میکنیم:
: H1 با افزایش قابلیت بازاریابی: (الف) احتمال کلیک با نرخ فزایندهای افزایش مییابد. (ب) زمان مرور ابتدا افزایش و سپس کاهش مییابد. (ج) احتمال خرید با میزان فزایندهای افزایش مییابد و (د) ناامیدی مشتری با میزان فزایندهای کاهش مییابد.
شهرت برند
شهرت برند (این که چگونه دیگران به یک برند نگاه میکنند)، اغلب به عنوان منبع مهم ارزش برند و محصول نامیده میشود. شهرت برند میتواند آگاهی، کیفیت درک شده، تداعیهای خاص، کاهش عدم قطعیت و وفاداری مشتری را در فرآیند خرید مشتری فراهم کند. تحقیقات موجود در مورد شهرت برند نشان میدهد که یک اثر مثبت خطی بر رفتار خرید مشتری وجود دارد. برندهایی که شهرت بالاتری دارند، قیمتهای بالاتری دارند، بنابراین سؤال اصلی این است: آیا مارکهای قویتر با قیمتهای بالاتر، میتوانند رفتارهای مطلوبتری برای مصرفکننده در پلتفرمهای تجارت الکترونیک ایجاد کنند؟ چهار حوزه بحث، توسعه فرضیهی ما را فرموله میکند.
اول، در پلتفرمها، مشتریان با سر و صدای بیشتر و آگاهی بالاتر از پیشنهادات رقابتی، نظرات دیگر مشتریان و انباشت سریعتر تخصص مواجه میشوند. این عوامل پیام متمرکز برند را کاهش میدهد و اتکای مشتری به شهرت برند را به عنوان یک سیگنال کیفیت، کاهش میدهد. برخی از محققان معتقدند که برندها ارزش خود را در محیط آنلاین از دست میدهند. این میتواند به دلیل همگرایی ویژگیهای محصول در محصولات مختلف روی پلتفرم باشد و دلیل دیگر این که نظرات مشتریان آنلاین، هجوم اطلاعات دقیق کیفیت محصول را از طریق بررسیها و نظرات ایجاد کرده است. بنابراین، هولنبک (۲۰۱۸) پیشنهاد میکند که با در دسترس قرار گرفتن اطلاعات بیشتر، مشتریان باید کمتر به شهرت برند برای سیگنالهای با کیفیت متکی باشند.
در سمت عرضه، تمایل فزایندهای برای شرکتها وجود دارد که بینشهای مشابهی از بازار ارائه دهند و محصولاتی با ویژگیهای مشابه با پیامهای مشابه عرضه کنند. بنابراین، توانایی شرکتها برای افزایش اعتبار برند در تنظیمات آنلاین محدود است.
دوم، به منظور ارائه یک تجربه مشتری ثابت، پلتفرمهای تجارت الکترونیک سفارشیسازی ارائه محصول را محدود میکنند، که این کار، مشکلاتی را برای محصولات برند برای ایجاد روابط قوی با مشتریان خود ایجاد میکند. بنابراین، برندها عمدتاً به کالاهای دارای علامت تجاری در زمینه مواجهه محدود با مشتریان تبدیل شدهاند و نقش برندهایی که به عنوان راهی برای هیجان مصرف عمل میکنند در حال کاهش است. پلتفرمهای تجارت الکترونیک جستجو و مقایسه محصولات با عملکردهای مشابه را از مجموعههای متنوعی از گزینهها تسهیل میکنند. این امر مصرف را از محصولات برندهای معروف به سمت تعداد بسیار بیشتری از محصولات کم فروش سوق میدهد.
سوم، فروشندگان در پلتفرمهای تجارت الکترونیکی به طور فزایندهای به برچسبهای خصوصی[۹] خود فشار میآورند و در فعالیتهای بازاریابیای شرکت میکنند که برای افزایش سودشان طراحی شده است، بدون این که به منافع صاحبان برند توجهی کنند. این ناهماهنگی منافع بین فروشندگان و برندها ممکن است منجر به مارپیچ نزولی تصویر برند و ارزش ویژه برند شود.
چهارم، تنوع بالای محصول، پراکندگی بازار را افزایش میدهد و این، وفاداری به برند را از بین میبرد .این امر به این دلیل رخ میدهد که مصرف کنندگان میتوانند از قیمتهای پایین به عنوان یک نقطه آغاز برای قضاوت در مورد ارزش محصولات مشابه استفاده کنند و در نتیجه ادراک مصرف کنندگان از قیمت را مخدوش کنند. این جریان، به طور بالقوه ارزش مارکهای برتر را به نفع مارکهای اقتصادی و برچسبهای خصوصی (private label) به خطر میاندازد.
رقابت قیمت بین فروشندگان نیز ارزش برند را از بین میبرد. برخلاف تنظیمات آفلاین که در آن، کشف قیمت نیاز به تلاش دارد، و برخلاف سایتهای تک خردهفروشی که در مورد تخفیفهای قیمتی هماهنگی و همراهی دارند، فروشندگان در تجارت الکترونیک هماهنگ نیستند و میتوانند به شدت رقابت کنند) در قیمت زیرا قیمتها به راحتی قابل مشاهده است). یک استراتژی وسوسه انگیز برای متمایز شدن از رقبا این است که از نظر قیمت تا پایینترین سطح رقابت کنید. اگرچه این استراتژی میتواند به نفع فروشندگان منفرد باشد، اما میتواند برای ارزش درک شده برند مضر باشد.
در مجموع، برندها مفید هستند، اما نقش آنها در پلتفرمهای تجارت الکترونیک محدود است و باید اثرات منحنی را نشان دهند. پس از یک نقطه خاص، شهرت برندِ قویتر، دیگر برای کلیک و خرید اهمیتی ندارد. برای مرور (browsing)، باید همان منطق U معکوس را داشته باشد که در قابلیت بازاریابی در کاهش عدم قطعیت وجود دارد. علاوه بر این، اگرچه شهرت برند میتواند برخی از عدم قطعیتها را برطرف کند و خریدها را تسهیل کند، یک برند قوی همچنین میتواند انتظارات بالا و گاهی غیرواقع بینانه ایجاد کند که منجر به ناامیدی بیشتر پس از خرید میشود. ما فرض می کنیم:
H2 : شهرت برند دارای اثرات U شکل معکوس بر: (الف) احتمال کلیک، (ب) زمان مرور، و (ج) احتمال خرید است. و یک اثر U شکل بر (د) ناامیدی مشتری.
روش تحقیق
دادهها
در این بخش، دادهها و تنظیمات صنعت را شرح میدهیم. یکی از بزرگترین پلتفرمهای تجارت الکترونیک در آمریکای شمالی، همانطور که بر اساس درآمد و ارزش بازار اندازهگیری میشود، بخشی از دادههای این تحقیق را از پایگاههای اطلاعاتی سالهای ۲۰۱۷ و ۲۰۱۸ خود ارائه کرده است. این شرکت فهرست جامعی از اقلام از پوشاک، کتاب، لوازم خانگی گرفته تا لوازم الکترونیکی و بسیاری از دستههای دیگر را به فروش میرساند. این شرکت همچنین به فروشندگان مستقل شخص ثالث اجازه میدهد تا محصولات را در وب سایت خود بفروشند و بیش از ۵۰ درصد فروش توسط فروشندگان مستقل ایجاد میشود. فروشندگان مستقل میتوانند انواع کالاهای انتخابی خود را در پلتفرم ارائه دهند و میتوانند محصولات خود را مستقل از فعالیتهای صاحب پلتفرم تبلیغ کنند.
این شرکت بخشی از دادههای دستهبندی گوشیهای هوشمند را در اختیار ما قرار داد، که مجموعه تحقیقاتی ما را تشکیل میدهد. ما معتقدیم که گوشیهای هوشمند به دلایل زیر دسته خوبی برای هدف تحقیقاتی ما هستند. اول، گوشیهای هوشمند بهعنوان یک صنعت و همچنین نقشی که در زندگی مصرفکنندگان دارند، از نظر اقتصادی مهم هستند. تلفنهای هوشمند در آمریکای شمالی همهجا حضور دارند و تقریباً بر تمام زندگی مصرفکنندگان تأثیر گذاشتهاند. حتی مصرف کنندگان نسبتا تازه کار نیز تا حدودی با این دسته آشنایی دارند .در ایالات متحده، بیش از ۲۶۰ میلیون کاربر تلفن هوشمند وجود دارد که فروش سالانه آنها بیش از ۷۰ میلیارد دلار است. در سطح جهان، ارزش بازار گوشیهای هوشمند در سال ۲۰۱۹ به ۷۱۵ میلیارد دلار رسید و انتظار میرود تا سال ۲۰۲۵ به ۱.۳۵ تریلیون دلار برسد. دوم، به دلیل قیمتها. زمان و تلاش برای پردازش اطلاعات متنوع و تحقیق در مورد محصولات در طول فرآیند خرید. به این دلایل، مصرف کنندگان ممکن است ناهماهنگی شناختی و ناامیدی پس از خرید را تجربه کنند که اغلب در خریدهای با مشارکت بالاتر دیده میشود.
سوم، اگرچه تلفنهای هوشمند با ما عجین هستند، اما نیازی به بازرسی فیزیکی عمیق ندارند (مثل لباس یا عینک). این توازن میان مشارکت بالای گوشیهای هوشمند و همچنین ویژگیهای دیجیتالی آنها به ما اجازه میدهد تا جنبههای ظریف سفر مصرفکننده در تجارت الکترونیک را مشاهده و بررسی کنیم.
در نهایت، از آنجایی که مشتریان بهطور فزایندهای در خرید آنلاین اقلام با قیمت بالاتر راحت هستند، بینش از تلفنهای هوشمند میتواند پیامدهایی برای بسیاری دیگر از دستههای مشارکت متوسط تا بالا داشته باشد. هنگامی که مشتریان گوشیهای هوشمند را در این پلتفرم تجارت الکترونیک جستجو میکنند، رفتارهای آنلاین آنها در پایگاه داده ثبت میشود. پس از جستجو، لیستهای دقیق محصول به مشتریان نشان داده میشود که اطلاعاتی را با چندین عکس محصول، عنوان محصول، توضیحات کوتاه و همچنین اطلاعات فروشنده و رتبه بندی ارائه میدهد. این اطلاعات غنی در سطح جستجو، همان است که بسیاری از پلتفرمهای تجارت الکترونیکی سعی در ترویج آن دارند. سپس، اگر مشتریان به نتایج جستجو علاقهمند هستند، ممکن است روی یک پیشنهاد کلیک کنند (به طور متناوب، میتوانند آن را ترک کنند یا دوباره جستجو کنند)، پیشنهاد را مرور کنند، محصول را پس از مرور خریداری کنند، و تجربیات پس از خرید را به اشتراک بگذارند.
این شرکت به طور تصادفی ۱ درصد از نمونهها را از پایگاه داده خود، با هدف تحقیق انتخاب کرد. نمونه نشاندهنده ۸۷ برند از گوشیهای هوشمند است که توسط تولیدکنندگان گوشیهای هوشمند مانند اپل و سامسونگ تولید شدهاند و توسط ۳۹۱۷ فروشنده مستقل گوشیهای هوشمند در این پلتفرم برای فروش عرضه شدهاند. در بین ۸۷ برند، ۱۶۵۸ مدل مختلف وجود دارد که قیمت آنها از ۴۹.۹۹ دلار تا ۱۵۹۹.۹۹ دلار، با میانگین قیمت ۵۳۸.۹۵ دلار آمریکا، و درصد ۲۵ با ۲۲۷.۶۹ دلار و درصد ۹۰ با ۸۹۳.۶۲ دلار متغیر است.
تنوع در شهرت وجود دارد – با تعداد جوایز از ۰ تا ۵ (با میانگین تعداد جوایز ۰.۳۰۵) و رتبه بندیها از ۰ تا ۳۰ (اکثر رتبه بندی ها از ۱ تا ۱۰ توسط اکثر سازمان های رتبه بندی برای برند تلفن و مدلهای آن). مجموعه داده شامل ۷۱۴۸۶۰ مشاهدات از بازدید مشتری برای گوشیهای هوشمند در یک ساختار داده غیر پانل است. متغیرها در زمان بازدید مشتری همسو شدند. مجموعه داده نهایی ما از محیط اطلاعات پلت فرم از سه منبع مختلف ساخته شده است. این شرکت دادههایی را در مورد تصمیمات کلیک و خرید، زمان مرور، فروش، اطلاعات مشتریان از قبیل جنسیت و زمان تصدی، انواع گوشیهای هوشمند و فعالیتهای تبلیغاتی و پیشبرد فروش ارائه میدهد. سپس اطلاعات را از پلت فرم تجارت الکترونیک شرکت استخراج میکنیم و قابلیت بازاریابی فروشنده، ناامیدی مشتری و همچنین متغیرهای کنترلی مانند UGC، FGC و نوع فروشنده را ایجاد میکنیم. سومین منبع داده شامل رتبهبندی آنلاین برندها، منابع رسانهای اصلی در مورد شهرت برند و منابع آنلاین در کشور مبدا برندها است.
متغیرها و اندازه گیریها
جدول ۱ عملیاتی شدن متغیرهای وابسته، مستقل و کنترلی را که با مدل مفهومی ما مطابقت دارند، توضیح میدهد. در زیر اندازه گیری متغیرهای کلیدی را به تفصیل شرح میدهیم. متغیرهای وابسته کلیکهای مشتری، زمان مرور مشتری، خرید مشتری و ناامیدی مشتری کلیکهای مشتری و خریدهای مشتری متغیرهای باینری[۱۰] هستند که به صورت ۱ یا ۰ کد گذاری شدهاند. زمان مرور مشتری زمانی است که صرف نگاه کردن به یک گوشی هوشمند خاص ارائه شده توسط فروشنده خاصی در زمان خرید میشود. از پلتفرم گوشی هوشمند بازدید کنید. ناامیدی مشتری با تعداد کلمات مربوط به احساس ناامیدی ارسال شده توسط مشتریانی که خریدهای تأیید شده در پلتفرم انجام دادهاند، تقسیم بر تمام کلمات استفاده شده در نظرات آن محصول اندازه گیری می شود.۱۰ ما از فرمول زیر برای محاسبه ناامیدی مشتری استفاده می کنیم:
جایی که مشتری frustrationijkt نشان دهنده ناامیدی کلی مشتری در نظرات کاربران برای گوشی هوشمند i با نام تجاری j از فروشنده k در روز t است. Σn ij¼۱ CAijkt مجموع کلمات محتوای ناامید کننده مشتری (CA) در تمام نظرات (۱ تا n) ارسال شده درباره محصول i با نام تجاری j از فروشنده k در روز t است. و Σn ij¼۱Nijkt نشان دهنده مجموع کلمات استفاده شده در نظرات تلفن هوشمند i برند j از فروشنده k در روز t است. ما ناامیدی مشتری قبلی و ناامیدی مشتری پس از خرید را تشخیص می دهیم. ما از همین فرمول برای محاسبه ناامیدی مشتری قبلی و ناامیدی مشتری پس از خرید استفاده میکنیم.
ناامیدی مشتری قبلی، احساسات ناامید شده را قبل از این مطالعه محاسبه می کند و به عنوان یک متغیر کنترلی در تجزیه و تحلیل ما برای رسیدگی به تأثیر مشتریان قبلی بر مشتریان فعلی استفاده میشود. ناامیدی مشتری پس از خرید، احساسات ناامید شده فقط آن دسته از مشتریان کانونی را محاسبه میکند که در این مطالعه نظرات پس از خرید را ارائه کردهاند. رویکرد ما برای اندازهگیری ناامیدی مشتری با تحقیقات بازاریابی برای استخراج دادههای متنی بدون ساختار برای پاسخگویی به سؤالات مدیریتی از طریق گروهبندی کلمات سازگار است. پیوست ۱ تستهای استحکام را برای اندازه گیریهای ما ارائه میدهد.
این کار مفید است زیرا پذیرش ورودیها (خروجی) به تنهایی به عنوان معیار، تفاوتهای ظریف در خروجی (ورودیها) را نادیده میگیرد. در زمینه ما، قابلیت بازاریابی مبتنی بر توانایی فروشندگان برای رسیدگی به بازخورد مشتری است. استفاده از اطلاعات از نظرات روزانه مشتری در مدل مرز تصادفی خروجی ورودی میتواند پویایی در قابلیت بازاریابی فروشنده را به تصویر بکشد. قابلیت بازاریابی فروشنده میتواند در طول زمان متفاوت باشد زیرا منعکس کننده یادگیری شرکتها از بازخورد مشتریان، تغییرات در محیط بازاریابی و تغییرات در رقابت است. رویکرد کارآمد، قابلیت بازاریابی را بهعنوان بقایای مدلی با اثرات ثابت فروشنده، با بهرهبرداری از تنوع درون فروشنده، تخمین میزند. به طور خاص، ما معادله مرزی را در تابع تولید کاب-داگلاس (Cobb–Douglas) به صورت زیر می نویسیم تا قابلیت بازاریابی را اندازه گیری کنیم:
که در آن Saleskt کل فروش فروشنده k در زمان t است، Σ s¼۱ Pk MWsijkt نشان دهنده تعداد کل کلمات قابلیت بازاریابی مثبت موجود در بررسی مشتری s برای فروش فروشنده k از گوشی هوشمند i در برند j در زمان t، Σ s¼۱ Pk Wsijkt است. کلمات قابلیت بازاریابی منفی موجود در نظرات مشتری s برای فروش k’s فروشنده گوشی هوشمند i در برند j در t، و Pk تعداد کل نظرات مشتری برای فروشنده k.12 Sellerk عبارت است از دروغ های فروشنده، εm kt خطای خاص و ημ است . kt یک جزء خطای ناکارآمدی بازاریابی است. ما حداکثر برآوردهای احتمال را از عبارت ناکارآمدی استخراج می کنیم و از معکوس آن برای به دست آوردن قابلیت بازاریابی فروشنده استفاده می کنیم.
برای ارزیابی قابلیت اطمینان معیار بازاریابی خود، با کمک شرکت پلتفرم کانونی، از نمونه نمایندهای از ۹۵ فروشنده مستقل گوشیهای هوشمند در پلتفرم مورد مطالعه در مورد قابلیتهای بازاریابی آنها بر اساس Vorhies و Morgan (2005) سؤال کردیم و سپس با نتایج حاصل از رویکرد ما با استفاده از تحلیل مرزی تصادفی[۱۱] ما در مجموعهای از فروشندگان، دو رویکرد برای اندازهگیری قابلیتهای بازاریابی، همبستگی را به دست میدهند.
شهرت برند
تحقیقات گذشته اغلب از رتبه بندی مصرف کننده یا رتبه بندی برای اندازه گیری شهرت برند استفاده کرده است. در این تحقیق، ما یک رویکرد مشابه و کل را برای اندازهگیری شهرت برند با استفاده از اطلاعات در دسترس عموم افراد ثالث اتخاذ میکنیم. از آنجایی که مصرفکنندگان اغلب از منابع معتبر شخص ثالث مانند گزارشهای مصرفکننده برای ارزیابی برندها استفاده میکنند، استفاده از اطلاعات شخص ثالث میتواند شهرت برند را همانطور که توسط مصرفکنندگان درک میشود جلب کند. ما شهرت برند را به عنوان تعداد جوایز و رتبه بندی ده محصول برتر جمع آوری شده در ده سال گذشته اندازه گیری میکنیم. جوایز و اطلاعات رتبهبندی از رسانههای اصلی گزارش مانند: Customer Reports، New York Times، Washington Times، Forbes، Fortune، Economists، CNET، brandindex.com، yougov.com، marketwatch.com، رتبهبندی استخراج میشوند . com، thedailyrecords.com و manufacturingglobal.com. به طور خاص، (۱) ما برای هر جایزه بزرگی که یک برند دریافت میکند، ۱ عدد اختصاص میدهیم. (۲) ما مقدار ۱، ۰.۹، ۰.۸، ۰.۷، ۰.۶، ۰.۵، ۰.۴، ۰.۳، ۰.۲، و ۰.۱ مربوط به ترتیب رتبه بندی ۱ تا ۱۰ را اختصاص دادیم. (۳) سپس امتیازهای جوایز و ارزش سفارش را رتبه بندی کردیم تا کل امتیاز شهرت برند برای هر برند را بدست آوریم.
برای مثلثسازی معیار خود، از رویکرد دیگری استفاده میکنیم: دسترسی ماهانه رسانههای اجتماعی (تعداد افرادی که در مورد برند صحبت میکنند، تغییر یافته) هر برند تلفن در فیسبوک. دسترسی به رسانههای اجتماعی به عنوان معیار شهرت برند میتواند آگاهی، نفوذ و محبوبیت برند را نشان دهد .این معیار با رویکرد ما در استفاده از جوایز و رتبهبندیهای اصلی همبستگی ۷۶/۰ دارد.
متغیرهای کنترل
مدلهای ما مجموعه بزرگی از متغیرهای کنترلی را کنترل میکنند تا اثرات مخدوشکننده را از بین ببرند.
محتوای آنلاین
محتوای آنلاین به محتوای تولید شده توسط کاربر/مشتری (UGC) و محتوای تولید شده توسط شرکت/فروشنده (FGC) اشاره دارد که میتواند بر نگرشها و رفتار مشتری در طول سفرهای خرید آنها تأثیر بگذارد. محتوای آنلاین میتواند منبع خوبی برای اطلاعات مرتبط با محصول باشد، زیرا دیدگاههای متنوعی را به مشتریان ارائه میدهد و به خریداران بالقوه اجازه میدهد تا تناسب محصول را با نیازها و ترجیحات خود بهتر ارزیابی کنند. مطابق با ادبیات، UGC به احساسات “مثبت”، “منفی” و “خنثی” طبقه بندی میشود. ما از یک ابزار تحلیل احساسات مبتنی بر واژگان، SentiStrength، برای دریافت احساسات UGC استفاده کردیم، که یکی از سه ماهیت احساسات را نشان میدهد. ما از حجم کل بررسیهای مثبت، منفی و خنثی مشتری تغییر یافته برای اندازهگیری احساسات استفاده میکنیم. مطابق با ادبیات، FGC با تعداد پیامهایی که فروشنده برای گوشیهای هوشمند در وبسایت پلتفرم پست میکند اندازهگیری میشود.
ویژگیهای مشتری: جنسیت، دوره تصدی، و بازدید
ماهانه جنسیت مشتری به عنوان یک متغیر باینری (۰ = زن، ۱ = مرد) ثبت میشود. مدت تصدی مشتری بر حسب سالها از زمانی که مشتری برای اولین بار در پلتفرم ثبت نام کرده است اندازه گیری میشود و میتواند نشانگر وفاداری باشد. بازدید ماهانه مشتری با تعداد بازدیدهایی که مشتری از پلتفرم تجارت الکترونیک در یک ماه انجام میدهد و سطح کلی تعامل مشتری با پلتفرم را کنترل میکند، اندازه گیری میشود.
اقدامات بازاریابی فروشنده
ما سه عامل اقدامات فروشنده را در نظر میگیریم: ارتقای فروش فروشنده، قیمت گذاری، و تبلیغات آنلاین. پیشبرد فروش محرکهای برجستهای را برای جذب مشتریان به محصولات تخفیف دار ایجاد میکند و بنابراین باید تأثیر مثبتی بر سفر مشتری داشته باشد.
پیشبرد فروش به صورت دودویی اندازه گیری میشود و نشان میدهد که آیا هنگام بازدید مشتری از پلتفرم، تبلیغی برای محصول وجود دارد یا خیر. قیمت به عنوان قیمت فهرست شده فروشنده در زمان مراجعه مشتری اندازه گیری میشود. پلتفرمهای تجارت الکترونیک رقابتی هستند و منجر به منحنی پاسخ مشتری و تقاضای مشتری با شیب بیشتر و حساس تر به قیمت میشوند (داست و همکاران، ۲۰۱۴؛ استیگلر، ۱۹۶۱). فروشندگانی که قیمتهای پایینتری را ارائه میدهند به طور کلی به فروش بالاتری دست خواهند یافت. تبلیغات در پلتفرمهای تجارت الکترونیک اغلب به صورت فهرستبندی حمایتشده و برجسته با هدف جلب توجه مشتری انجام میشود. با این حال، فضای تبلیغاتی پلتفرم اغلب محدود است و فقدان جذابیت بصری و تعامل ممکن است اثربخشی تبلیغات آنلاین در پلتفرمهای تجارت الکترونیک را محدود کند. تبلیغات آنلاین بر اساس تعداد دفعاتی که فروشنده در یک هفته در وب سایت پلتفرم تبلیغ میکند، اندازه گیری میشود.
متغیرهای ویژگیهای فروشنده
ویژگیهای فروشنده که در این مطالعه در نظر میگیریم شامل نوع فروشنده، کیفیت فروشنده و رقابت بین فروشندگان است. در پلتفرمهای تجارت الکترونیک، صاحبان کسب وکارهای کوچک اغلب دوش به دوش با حسابهای خردهفروشی اصلی (مانند «خردهفروشان برجسته» در eBay) و فروشنده پلتفرم (مانند «فروش توسط آمازون») رقابت میکنند. متأسفانه، بسیاری از صاحبان مشاغل کوچک ممکن است به دلیل فقدان نسبی تخصص در کسب و کار و فناوری، در مضیقه باشند. اگرچه رقابت بین فروشندگان عموماً پلتفرمها را برای خریداران جذابتر میکند، رقابت بین فروشندگان بر روی گزینههای مختلف سر و صدا میافزاید و همچنین میتواند مشتریان را در تصمیمگیری تحت تأثیر قرار دهد. ما از چهار متغیر باینری (binary variable) برای نمایش چهار نوع فروشنده بر اساس مبدأ و مقیاس کسب وکار که توسط پلتفرم ارائه شده است استفاده میکنیم:
فروشنده پلتفرم، فروشندگان خارجی (عمدتاً خردهفروشان خارجی کوچک)، فروشندگان خردهفروش بزرگ داخلی، و افراد داخلی یا خردهفروشان کوچک. پلتفرمهای تجارت الکترونیک معمولاً اطلاعات باکیفیت در مورد فروشندگان مستقل را از طریق رتبهبندی مشتریان نشان میدهند که به عنوان سیگنالهای اطلاعاتی با کیفیت عمل میکنند. کیفیت فروشنده با میانگین رتبه بندی فروشندگان در پلتفرم از سطح یک تا چهار در زمان بازدید مشتری از وب سایت پلت فرم اندازه گیری میشود، که در آن رتبه چهار، نشان دهنده بالاترین کیفیت فروشنده است. رقابت فروشنده با تعداد فروشندگانی که همان مدل گوشیهای هوشمند را در زمان مراجعه مشتری میفروشند اندازه گیری میشود.
سایر متغیرهای کنترلی
سایر متغیرهای کنترلی شامل سال، فصل، تعطیلات، کشور مبدأ و برندها هستند. سال یک متغیر شاخص است که سالِ بازدید مشتریان را نشان میدهد (۰ = ۲۰۱۷، ۱ = ۲۰۱۸ . فصل یک متغیر ساختگی است و بهار به عنوان فصل پایه کدگذاری شده است. تعطیلات نشان میدهد که آیا روز بازدید تعطیل است یا خیر. کشورهای مبدا به عنوان یک سری متغیرهای شاخص کشورهای مبداِ برندهای گوشیهای هوشمند کدگذاری میشوند. به طور مشابه، برندها به عنوان یک سری متغیرهای شاخص کدگذاری میشوند تا اثرات برند خاص را به تصویر بکشند.
تجزیه و تحلیل و نتایج
مشخصات مدل
ما از مجموعهای از اثرات ثابت برای کنترل نگرانیها ناشی از اثرات ناهمگنی مشاهده نشده استفاده میکنیم. ما از جلوههای ثابت در سطح نام تجاری برای کنترل متغیرهای کیفیت گوشی هوشمند غیرقابل مشاهده با زمان مانند دوربین، طراحی، شکل و ویژگیهای اصلی استفاده میکنیم. ما از جلوههای ثابت فروشنده برای کنترل اثرات مشخصه فروشنده با زمان ثابت استفاده نمیکنیم. ما چهار مدل رگرسیون را برای بررسی رابطه پیشنهادی در چارچوب تحقیق خود ایجاد میکنیم.
مدل ما برای کلیک بر اساس مجموعه داده کامل ۷۱۴۸۶۰ مشتری است که از پلتفرم بازدید کردهاند. از ۷۱۴۸۶۰، ۴۲۰۷۲۰ مشتری روی یک پیشنهاد کلیک کردند. از ۴۲۰,۷۲۰ مشتری که کلیک کردند, ۷۰,۹۲۱ خرید کردند. در نهایت، ۴۱۱۳ از ۷۰۹۲۱ خرید تأیید شده، بازبینی داشتهاند. بررسی فقط پس از خرید تأیید شده باقی میماند، بنابراین خطر بررسیهای جعلی به حداقل میرسد. ما نتایج سفر باقیمانده را مشروط به کلیکها و نظرات پس از خرید، مشخص و تخمین میزنیم. یعنی، ما زمان مرور و مدلهای خرید را برای ۴۲۰۷۲۰ مشتری که روی یک مورد کلیک کردهاند، و مدل ناامیدی پس از خرید را بر اساس ۴۱۱۳ مشتری که نظرات پس از خرید ایجاد کردهاند، تخمین میزنیم. ما ناامیدی مشتری را با بررسی «محتوای ناامیدی» بررسیهای مشتری کانونی در این مطالعه به عنوان متغیر وابسته مدلسازی میکنیم و از ناامیدی مشتری قبلی بهعنوان متغیری در سراسر مدلها استفاده میکنیم.
کلیک مشتری و احتمال خرید
ما تصمیمات کلیک و خرید مشتری را از طریق رگرسیونهای لجستیک[۱۲] نشان میدهیم زیرا این دو متغیر وابسته دوقطبی هستند. به طور خاص، ما از مدل زیر برای کلیک مشتری و احتمال خرید استفاده می کنیم:
در معادله (۳)، Ycijkt نشانگر پاسخ مشتری c به پیشنهاد i از برند j در زمان t توسط فروشنده k است. اگر مشتری c کلیک کند یا i از برند j را توسط فروشنده k بخرد، Ycijkt = 1 و ۰ در غیر این صورت. bn ضریب است، η بردار اثرات ثابت کشور خاص، فروشنده خاص، برند خاص، فصل و سال خاص را نشان می دهد و ε عبارت خطا است. با این حال، برآوردگرهای اثر ثابت مدلهای لاجیت غیرخطی از مشکل پارامتر اتفاقی تحت دنبالههای مجانبی رنج میبرند که در آن T بهعنوان N∞∞ ثابت میشود (کروز-گونزالس و همکاران، ۲۰۱۷؛ فرناندز-وال و جی. از Acad. Mark. Sci. ویدنر (۲۰۱۶)). ما با مشکل پارامتر اتفاقی با استفاده از اصلاحات سوگیری ، با استفاده از کد STATA که توسط Cruz-Gonzalez و همکاران توسعه داده شده است، سروکار داریم. این رویکرد تخمین های اصلاح شده ای از ضرایب و اثرات جزئی متوسط در مدل های لاجیت تولید میکند.
زمان مرور مشتری و ناامیدی مشتری پس از خرید
ما مدلهای زیر را برای زمان مرور مشتری و ناامیدی مشتری پس از خرید از طریق توزیع عادی مشخص میکنیم: که در آن مشخصات مشابه با مشخصات کلیک و خرید مانند معادله (۳) است با این تفاوت که متغیر وابسته Y برای زمان مرور مشتری و ناامیدی مشتری پیوسته است.
نتایج تخمین
جدول ۲ آمار توصیفی و همبستگی بین متغیرها را نشان میدهد. همه همبستگیها کمتر از ۰.۵۰ هستند. علاوه بر این، در تمام مدلهای رگرسیونی، VIF زیر ۵ است (بالاترین VIF 2.153 مجذور شهرت برند است)، که نشان میدهد هیچ مشکل چندخطی قابل توجهی وجود ندارد. جدول ۳ نتایج رگرسیون را برای هر مدل با استفاده از معادله گزارش می کند ( (۳)) یا (۴ . (برای آزمایش فرضیههای U شکل خود، از روش پرکاربرد توصیه شده توسط هانز و همکاران پیروی می کنیم. (۲۰۱۶). همه روابط U شکل دارای علامت مناسب و در محدوده داده هستند.
احتمال کلیک مشتری
رگرسیون لجستیک در جدول ۳ مدل ۱ دارای نرخ طبقه بندی ۸۱ درصد است. به منظور تعیین این که مدل چقدر بین کلیک و کلیک کردن تمایز قائل میشود، از منحنی مشخصه عملکرد گیرنده (ROC)13 و ناحیه زیر منحنی (AUC)14 استفاده میکنیم. در مدل ۱، مساحت زیر منحنی (AUC) 0.83 است که نشان دهنده تمایز خوب است. مدل ۱ نتایج مربوط به احتمال کلیک مشتریان را ارائه میکند و نشان میدهد که قابلیت بازاریابی فروشنده به طور فزایندهای احتمال کلیک کردن مشتریان بر یک پیشنهاد را بهبود میبخشد (b = 0.023، نسبت شانس = ۱.۰۲۳، p <.001 برای قابلیت بازاریابی؛ b = 0.005. ، نسبت شانس = ۱.۰۰۵، p <.001 برای قابلیت بازاریابی مجذور). این از H1(a) پشتیبانی می کند. این یافته تحقیقات موجود را گسترش می دهد که نشان می دهد قابلیت بازاریابی تأثیر خطی بر متغیرهای نتیجه عملکرد دارد (به عنوان مثال، دوتا و همکاران، ۱۹۹۹؛ فنگ و همکاران، ۲۰۱۷). نتایج همچنین نشان میدهد که شهرت برند یک اثر U شکل معکوس بر احتمال کلیک مشتری دارد (b = 0.053، نسبت شانس = ۱.۰۵۵، p <.001 برای شهرت برند؛ b = -.004، نسبت شانس = -۱.۰۰۴، p. < 0.001 برای شهرت برند مجذور). این از H2a پشتیبانی می کند. شکل ۳ به صورت گرافیکی این رابطه را نشان میدهد.
زمان مرور مشتری
مدل ۲ نتایج را برای زمان مرور مشتری نشان میدهد و نشان میدهد که با افزایش قابلیت بازاریابی، زمان مرور مشتری کاهش مییابد (b = 0.004 برای قابلیت بازاریابی، p <.05؛ b = -.008، p <.001 برای قابلیت بازاریابی مجذور). . این از H1b پشتیبانی می کند. شکل ۴ به صورت گرافیکی این اثر U شکل معکوس قابلیت بازاریابی را بر زمان مرور نشان میدهد. تجزیه و تحلیل همچنین نشان میدهد که شهرت برند در ابتدا زمان مرور مشتری را افزایش میدهد، اما این اثر مثبت کاهش مییابد زیرا ما یک شهرت مربع قابل توجه و در عین حال منفی برند در زمان مرور مشتری پیدا میکنیم (b = 0.101، p <.001 برای شهرت نام تجاری؛ b = -). 009، p <.001 برای شهرت نام تجاری۲). این از H2b پشتیبانی می کند. شکل ۵ این رابطه Ushaped معکوس را نشان می دهد.
احتمال خرید مشتری رگرسیون لجستیک مدل ۳ در خرید مشتری دارای نرخ طبقه بندی ۸۸ درصد است. در مدل ۳، مساحت زیر منحنی (AUC) 0.91 است که نشان دهنده تمایز عالی است (Hosmer Jr. et al., 2013). مدل ۳ نشان می دهد که قابلیت بازاریابی (b = 0.075، نسبت شانس = ۱.۰۷۸، p <.001 برای قابلیت بازاریابی، b = 0.007، نسبت شانس = ۱.۰۰۷، p <.001 برای قابلیت بازاریابی مجذور) به طور فزاینده ای احتمال مشتری را بهبود می بخشد. خرید این از H1c پشتیبانی میکند. شکل ۶ به صورت گرافیکی تأثیر قابلیت بازاریابی بر احتمال خرید مشتری را نشان می دهد. این یک یافته جدید است زیرا تحقیقات قبلی نشان می دهد که قابلیت بازاریابی تأثیر خطی بر متغیرهای نتیجه عملکرد دارد. نتایج حاکی از اهمیت روزافزون قابلیت بازاریابی در محیط آنلاین است. مدل ۳ نشان می دهد که شهرت نام تجاری (b = 0.069، نسبت شانس = ۱.۰۷۲، p <.001 برای شهرت برند؛ b = 0.008، نسبت شانس = ۱.۰۰۸-، p <.001 برای شهرت برند مجذور) دارای U معکوس است. -تأثیر شکل در خرید این از H2c پشتیبانی می کند.
ناامیدی مشتری
پس از خرید نتایج مدل ۴ تأثیر قابلیت بازاریابی و شهرت برند را بر ناامیدی مشتری پس از خرید نشان می دهد. مدل ۴ نشان میدهد که قابلیت بازاریابی باعث میشود مشتریان بهطور فزایندهای ناامید شوند زیرا ضریب منفی و معنیدار است (b = -.005، p <.001 برای قابلیت بازاریابی) و b = -.007، p <.001 برای مجذور قابلیت بازاریابی). این از H1d پشتیبانی می کند. نتایج در مدل ۴ نشان میدهد که با افزایش شهرت برند، مشتریان بیشتر و بیشتر ناامید میشوند (b = 0.091 برای شهرت برند، b = 0.012 شهرت نام تجاری۲، p <.001). این از H2d پشتیبانی می کند.
بررسی استحکام
برای بررسی استحکام نتایج، نمونهها را بهطور تصادفی به دو نیم تقسیم میکنیم. نتایج حاصل از دو نمونه با نتایج حاصل از مجموعه داده کامل مطابقت دارد. همچنین افزودن یا حذف متغیرها جهت ضرایب برآورد را تغییر نمیدهد. به منظور کاهش تهدید متغیرهای حذف شده، ما یک تجزیه و تحلیل تابع کنترل انجام می دهیم. پیوست ۲ نتایج رویکرد تابع کنترل را ارائه میدهد و استحکام تحلیل اصلی ما را تأیید میکند.
بحث
مفاهیم نظری
تحقیق ما چندین پیامد نظری دارد .اول، این مطالعه به ادبیات مربوط به تأثیر فعالیتها و داراییهای بازاریابی دیجیتال بر عملکرد شرکت کمک میکند. نتایج ما اهمیت فوقالعاده قابلیت بازاریابی فروشندگان در پلتفرمهای تجارت الکترونیک را نشان میدهد. در حالی که تحقیقات موجود اثر مثبت خطی قابلیت بازاریابی بر متغیرهای نتیجه را نشان میدهد تنظیمات آفلاین، نتایج این مطالعه حاکی از آن است که قابلیت بازاریابی تأثیرات فزایندهای بر کلیک و خرید مشتری دارد. علاوه بر این، در کاهش ناامیدی مصرف کننده پس از خرید موثر است.
یافتهها نشان میدهد که شرکتهایی با قابلیت بازاریابی بالاتر، عدم قطعیت و پیچیدگی فرآیند خرید مصرفکنندگان را کاهش میدهند. اینها میتوانند به ویژه برای دسته بندی محصولات با درگیری بالاتر که در آن مصرف کنندگان حل مشکلات گسترده ای را انجام می دهند و برای اطمینان به سیگنال های کیفیت فروشندگان تکیه می کنند، مهم باشند. یافتهها درک جدیدی از قابلیت بازاریابی ارائه میدهند و چرخه ارزشمند سرمایهگذاری در قابلیتهای بازاریابی را نشان میدهند، جایی که فروشندگان توانمند نه تنها میتوانند سهم عمدهای از توجه و تجارت خریداران را به دست آورند، بلکه برای خریداران آینده نیز موقعیت خوبی دارند. علاوه بر این، ما از در دسترس بودن دادههای متنی مصرفکننده برای استخراج یک رویکرد محتوای تولید شده توسط کاربر برای قابلیت بازاریابی فروشنده استفاده میکنیم، که علاوه بر داشتن مزایای فراوان، به خوبی با رویکردهای سنتی ترسیم میشود.
دوم، نتایج ما روابط نسبتاً پیچیدهای را بین شهرت برند و نتایج سفر مصرفکننده در محیط آنلاین نشان میدهد. در حالی که برخی از محققان اهمیت شهرت برند را در تصمیم گیری مشتری در فضای آنلاین برجسته میکنند، سایر مفسران پیشنهاد میکنند که محیط آنلاین ممکن است ارزش برندها را از بین ببرد .نتایج ما این دو دیدگاه را تطبیق میدهد و دیدگاه متفاوتتری از ارزش برند در محیط آنلاین را پیشنهاد میکند – شهرت قوی برند به کاهش عدم اطمینان تا حدی کمک میکند، اما همچنین انتظارات مشتری را تغییر میدهد که میتواند منجر به ناامیدی بیشتر پس از خرید شود. نتایج ما نشان میدهد که شهرت برند با کاهش اثرات، احتمال کلیک و خرید را افزایش میدهد و رابطه U معکوس با زمان مرور دارد. با این حال، شهرت برند بالاتر باعث میشود مصرفکنندگان در ابتدا کمتر ناامید شوند، اما زمانی که شهرت برند فراتر از یک آستانه خاص افزایش یابد، ناامیدتر میشوند. شهرت بالا انتظارات بالایی را ایجاد میکند، و هر گونه انحراف عملکرد خدمات یا محصول از این انتظار بالا به احتمال زیاد باعث ناامیدی میشود. بنابراین، هنگام متعادل کردن اثر مخالف شهرت برند بر روی پلتفرمهای تجارت الکترونیک باید مراقب بود و فروشندگان مارکهای ممتاز باید توجه ویژهای به تنظیم صحیح انتظارات و رسیدگی به موقع به مسائل مشتری برای جلوگیری از ناامیدی داشته باشند.
سوم، شایان ذکر است که تحقیقات تجربی بازاریابی موجود، به ناامیدی مشتری توجه زیادی نکرده است. با این حال، ما معتقدیم که درک احساسات منفی شدید ناامیدی مشتری، به ویژه در محیط آنلاین غنی از اطلاعات، تشخیصی از مسائل خدمات است و میتواند شرکتها را برای تعامل بهتر با مشتریان راهنمایی کند. تحقیقات ما بینش اولیه را در مورد این موضوع ارائه میدهد و نشان میدهد که ناامیدی قبلی مشتری بر رفتارهای خرید مشتریان فعلی تأثیر منفی میگذارد. نتایج همچنین عواملی را ارائه میدهد که منجر به ناامیدی مشتری میشود. به طور سنتی، شرکتها برای شناسایی عوامل مرتبط با خدمات مشتری به مصاحبهها و نظرسنجیهای مشتری تکیه میکنند تا بتوانند رویکردهای بهتری برای مدیریت تجربه مشتری طراحی کنند. رویکرد ما برای استخراج ناامیدی مشتری نشان میدهد که UGC، با محتوای متنی غنی و گستردهاش، میتواند منبع امیدوارکنندهای برای شناسایی احساسات مشتری و طراحی تجربیات بهینه مصرفکننده باشد.
مفاهیم مدیریتی
تحقیقات ما چندین پیامد مدیریتی برای فروشندگان و برندها در محیط پلتفرم ارائه میدهد. اولا، بسیاری از مدیران ارشد هنوز استدلال میکنند که ارزیابی بازگشت سرمایه (ROI) حاصل از بازاریابی دشوار است. در حالی که کسب وکارها میتوانند برای موفقیت تقریبی بازاریابی دیجیتال شواهدی را ارائه کنند، تعداد کمی از آنها میتوانند بازاریابی دیجیتال را مستقیماً با نتایج مشتری مرتبط کنند. در نتیجه، این شرکتها ترجیح میدهند به جای ایجاد قابلیت بازاریابی پایدار، بر تلاشهای تاکتیکی تمرکز کنند که نتایج سریع و قابل مشاهده ارائه میکنند. این یک اشتباه است. نتایج ما نشان میدهد که در محیط پلتفرم تجارت الکترونیک رقابتی، قابلیت بازاریابی نه تنها اثرات مثبت فزایندهای بر خرید نشان میدهد، بلکه به عنوان یک حائل (buffer) در برابر ناامیدی مشتری عمل میکند.
قابلیت بازاریابی تجربه مشتری و نحوه خدمت رسانی فروشندگان به مشتریان خود را تغییر میدهد (به عنوان مثال، تجربیات سنتی مشتری-تامین کننده را میتوان به طور قابل توجهی با قابلیت بازاریابی دیجیتال بهبود بخشید). نتایج ما نشان میدهد که شرکتها باید تخصص خود را در هدف قرار دادن سهامداران توسعه دهند و اهمیت سرمایه گذاری در قابلیت بازاریابی دیجیتال را به اشتراک بگذارند.
برای نشان دادن تأثیر قابلیت بازاریابی، با نگه داشتن ارزش سایر متغیرها در میانگین، نشان میدهیم که چگونه قابلیت بازاریابی در ۱± انحراف استاندارد (SD) و ± ۲ SDs از میانگین، همانطور که توسط طیف فروشندگان در دادههای ما نشان داده شده است، تأثیر میگذارد. نتایج سفر مشتری در جدول ۴ گزارش شده است. به عنوان مثال، فروشندگان با قابلیت بازاریابی ۲SD بالاتر از میانگین می توانند ۸۰% احتمال خرید بالاتر (۰.۲۹۲ در مقابل ۰.۰۵۷) و ۶۱% ناامیدی کمتر پس از خرید (۰.۰۳۵ در مقابل ۰.۰۸۹) نسبت به فروشندگان با ۲ SD بدست آورند. زیر میانگین این مثال اهمیت قابلیت بازاریابی را در ارتقای معیارهای تجاری ملموس مانند افزایش خرید مصرف کننده و کاهش ناامیدی مشتری نشان میدهد. یافتههای ما نشان میدهد که افزایش قابلیت بازاریابی دیجیتال میتواند برای شرکتها و مشتریان از نظر بهبود عملکرد فروش و بهبود تجارب خرید مفید باشد، و میتواند بازاریابان را قادر سازد که تأثیر افزایش سرمایهگذاری در قابلیت بازاریابی را به مدیران مالی بیشتر خود نشان دهند.
دوم، ما نشان میدهیم که اگرچه ممکن است شهرت برند در محیط آنلاین کاهش یابد، شرکتها همچنان میتوانند از افزایش شهرت برند در پلتفرمهای تجارت الکترونیک بهره ببرند، زیرا همچنان میتواند کلیکها و خریدها را افزایش دهد. جدول ۵ اثر مثبت و در عین حال رو به کاهش شهرت برند را نشان می دهد. ما سطوح مختلف شهرت برند را در ± ۱SD و ۲SD در نتایج سفر مشتری محاسبه میکنیم در حالی که ارزش سایر متغیرها را در میانگین نگه میداریم. به عنوان مثال، در حالی که ۲SD بالاتر از میانگین در شهرت برند میتواند احتمال خرید مشتری را ۱۵% بیشتر از برندهایی با ۲SD کمتر از میانگین به دست آورد، همین مقایسه میتواند ناامیدی پس از خرید را تا ۴۴% افزایش دهد.
نتایج نشان میدهد که در حالی که شهرت برند هنوز در پلتفرمهای تجارت الکترونیک مفید است، ممکن است بهطور نامتقارن انتظارات بالایی ایجاد کند که ممکن است منجر به ناامیدی پس از خرید شود. بر این اساس، فروشندگان برندهای ممتاز باید دیدگاهی جامع از برندها داشته باشند که هم اثرات کوتاهمدت (خرید) و هم اثرات بلندمدت (ناامیدی) برندها را در بر میگیرد و توجه خود را به ایجاد انتظارات درست و رسیدگی به موقع به مسائل برای جلوگیری از ناامیدی معطوف کنند.
برای صاحبان برند، یافتههای ما نشان میدهد که فروشندگان در پلتفرمهای تجارت الکترونیک ممکن است تخفیفهای زیادی را برای محصولات مارکدار ارائه دهند یا به شیوهای ناسازگار با موقعیت برندها ارتباط برقرار کنند. این ناهماهنگیها بین اهداف فروشندگان و برندها برای تصویر و ارزش برند مضر است. نتایج نشان میدهد که صاحبان برند باید توزیعکنندگان و خردهفروشان الکترونیکی را بر اساس چشمانداز بلندمدت مشترک انتخاب کنند، قراردادهای کانال قابل اجرا (مثلاً نگهداری قیمت خردهفروشی) را اجباری کنند و آموزش منظم کد برند را برای حفظ و بهبود ارزش ویژه برند ارائه دهند. در غیر این صورت، ارزش ویژه برند میتواند به سرعت با تضادهای کانالهای مختلف از بین برود.
در نهایت، نظرسنجی ناراحتی مشتری نشان میدهد که شرکتهای بیشتری نسبت به آنچه که فکر میکنند، مشتریانی دارند که سرخوردگی را تجربه میکنند. این نظرسنجی همچنین گزارش میدهد که وقتی پاسخدهندگان با محصول یا خدمات مشکلی دارند، ۵۶ درصد در دسته «خشم» قرار میگیرند که ناراحت تا بسیار ناراحت هستند. به ویژه در یک محیط آنلاین، توانایی پخش ناامیدی مشتری، کسبوکارها را در یک چرخه معیوب در معرض خطر قرار میدهد. به عنوان مثال، نشان میدهیم که پستهای ناامیدکنندهای که توسط مشتریان قبلی ایجاد شده است، میتواند بر احتمال کلیک و خرید مشتریان فعلی تأثیر منفی بگذارد. با این حال، راه هایی برای جلوگیری از ناامیدی وجود دارد. نتایج ما نشان میدهد که شرکتها میتوانند توانایی بازاریابی خود را برای کاهش ناامیدی مشتریان بهبود بخشند. همچنین نشان میدهیم که زمان مرور مشتریان را ناامید میکند، و پیشنهاد میکنیم که فروشندگان و پلتفرمها باید محصولات آنلاین خود را با در نظر گرفتن کاهش زمان مرور مشتری طراحی کنند تا تجربه خرید را بهبود بخشند و ناامیدی را کاهش دهند.
محدودیتها و تحقیقات آتی
این تحقیق دارای محدودیتهای متعددی است. اولاً، به دلیل محدودیتی که دادههای ما در سطح مشتری غیر پانلی هستند، نمیتوانیم پویایی مشتری را دریافت کنیم. ما نتوانستیم متغیرهای سطح مشتری و رفتارهای گذشته را برای رسیدگی به مسائل خرد مانند یادگیری جمع آوری کنیم. بنابراین تحقیقات ما به مفاهیم استراتژی بازاریابی است. مطالعات آینده با ساختارهای دادهای غنیتر از پنل مشتری میتواند بینشهای بیشتری را در مورد چنین رفتارهای خرد ارائه دهد. دوم، ما روی خرید متمرکز گوشیهای هوشمند متمرکز شدیم که خریدی نسبتاً پردرآمد و کم تکرار است. مدل ما را میتوان به حوزه محصولات مرتبط تعمیم داد تا بررسی کند که چگونه قابلیت بازاریابی و شهرت برند بر خرید متقابل و خریدهای تکراری تأثیر می گذارد.
سوم، به طور معمول در مجموعه دادههای CRM، معیارهای ما برای قابلیت بازاریابی مبتنی بر مشتریان موجود است، و ما قادر به مشاهده آن دسته از مصرفکنندگانی نبودیم که شرکت در جذب آنها ناموفق بوده است، این یعنی دادههای ما سانسور شده است. بنابراین، ما قادر به ارزیابی میزان مشتریان از دست رفته بر اساس سنجش قابلیت بازاریابی خود نبودیم، و تنها میتوانیم به طور منطقی استنباط کنیم که فروشندگانی که قابلیتهای مشاهده شده کمتر و فروش کمتری دارند، باید تعداد مشتریان از دست رفته بیشتری نیز داشته باشند. ما معتقدیم که این محدودیت داده نباید تهدیدی برای اعتبار یا تعمیم سازه یا هدف فروشندگان برای تنظیم دقیق شیوه های بازاریابی آنها باشد. تحقیقات آینده میتواند روشهایی را برای ارزیابی میزان مشتریان سانسور شده در نتایج ما ایجاد کند.
چهارم، مطالعه کنونی فقط دادههای یک پلتفرم تجارت الکترونیک غالب را دارد و ما نتوانستیم نقش تعدیلکننده ویژگیهای پلتفرم را در تحلیل خود بررسی کنیم. تحقیقات آینده با دادههای چندین پلتفرم میتواند بررسی کند که چگونه ویژگیهای پلتفرم میتوانند نتایج ما را تعدیل کنند. در نهایت، مانند اکثر تحقیقات در مورد UGC و FGC، ما دادههای متنی را تجزیه و تحلیل کردیم. در محیط های آنلاین، دادههای متنی، تصاویر و گاهی اوقات دادههای ویدئویی با هم وجود دارند. تحقیقات آینده میتواند بررسی کند که این نوع دادهها چگونه با هم کار میکنند تا بر سفرهای مصرف کننده تأثیر بگذارند.
پیوست ۱
تست های استحکام برای ناامیدی مشتری
برای آزمایش ثبات اندازه گیری خود، از دو رویکرد استفاده کردیم. ابتدا، از دو دستیار تحقیق خواستیم تا درجه ناامیدی مشتری را ارزیابی کنند (“به نظر شما تا چه حد مشتری احساس ناامیدی می کند” در مقیاس ۱ تا ۷، ۱ = “اصلا” و ۷ = “بسیار” ” بر اساس پاتریک و هاگتود، ۲۰۱۱) برای هر یک از ۳۰۰ نظر انتخاب شده تصادفی. توافق بین کدگذار ۰.۸۳ است و ارزیابی میانگین از دو دستیار ۰.۸۶ با معیارهای ما همبستگی دارد، که نشان میدهد اندازهگیری مستمر ما میتواند به شدت میزان ناامیدی مشتری را برای دادههای مقیاس بزرگ نشان دهد. ما آزمایشهای مشابهی را برای ناامیدی مشتری پس از خرید انجام دادیم.
دوم، کوبلر و همکاران. (۲۰۲۰) نشان می دهند که نتایج تجزیه و تحلیل احساسات برای مدل های بازاریابی مستعد تأثیرات طبقه بندی است. مطابق با توصیههای آنها، ما از یک ابزار تجزیه و تحلیل متن خودکار برای تعیین کمیت احساسات ناامید شده مصرف کنندگان (مانند ناامید، نا امیدی) استفاده میکنیم. برنامه جستجوی زبانی و شمارش کلمات (LIWC) با استفاده از فرهنگ لغت LIWC2015، که شامل فهرستی از ۶۴۰۰ کلمه، ریشه کلمات و شکلکهای انتخاب شده است، امتیاز مقیاس احساسات ناامید را ارائه میدهد . LIWC ابزاری مناسب و قوی برای تحلیل احساسات متنی است، زیرا میتواند اعداد، علائم نگارشی، عبارات کوتاه و زبانهای غیررسمی را در خود جای دهد و اعتبار داخلی و اعتبار خارجی آن به خوبی در ادبیات پشتیبانی میشود. نتیجه LIWC با رویکرد ما همبستگی ۰.۸۵ دارد.
ضمیمه ۲
بررسی استحکام برای درون زایی[۱۳]
اگرچه ما از مجموعه بزرگی از متغیرهای کنترل و اثرات ثابت برای جزئی کردن توضیحات جایگزین استفاده میکنیم، تحلیل ما میتواند در معرض درونزایی باشد. به عنوان مثال، قابلیت بازاریابی فعلی میتواند تابعی از پاسخهای فعلی فروشندگان باشد رقبا به همین ترتیب، شهرت فعلی برند میتواند تابعی از کمپینها و هزینههای بازاریابی فعلی برندها باشد. این عوامل مشاهده نشده به طور بالقوه بر این متغیرهای مستقل و همچنین سفر فعلی مصرف کننده تأثیر میگذارد. بنابراین، حذف عوامل غیر قابل مشاهده ممکن است منجر به درون زایی شود. بر این اساس، ما از متغیرهای ابزاری (IV) استفاده میکنیم تا این احتمال وجود داشته باشد که ممکن است عوامل مشاهده نشده بر متغیرهای سفر مشتری تأثیر بگذارد که ممکن است با قابلیت بازاریابی یا شهرت برند مرتبط باشد.
رویکرد IV فعلی برای حداقل مربعات دو مرحلهای به خطی بودن سیستم در پارامترها و متغیرها بستگی دارد. هنگامی که آنها می توانند اعمال شوند، روش های IV می توانند سوگیری متغیر حذف شده، علیت معکوس، سوگیری انتخاب و خطاها را در تلاشهای ما برای تخمین روابط تصادفی با استفاده از دادههای مشاهدهای کاهش دهند. مسئله شناسایی در مدلهای غیرخطی پیچیده است و نمیتوان در مورد شناسایی جهانی صحبت کرد، اگرچه شرایط برای شناسایی محلی گاهی اوقات بینش مفیدی به دست میدهد. در حالی که مطالعات تجربی و اقتصادسنجی متعددی پیامدهای ناهمگونی پارامترها را برای تخمین IV بررسی میکنند، مطالعات بسیار کمی بر مفاهیم غیرخطی بودن زمانی که مدل برآورد شده خطی فرض میشود تمرکز میکنند. با این حال، در بسیاری از کاربردها در بازاریابی، هیچ دلیل خاصی برای انتظار خطی بودن رابطه واقعی وجود ندارد. در مورد ما، تئوری مدل هایی را پیشنهاد می کند که به جای خطی، غیرخطی هستند.
رویکردهای متغیر ابزاری استاندارد برای مدلهای خطی، مانند حداقل مربعات دو مرحلهای، نتایج متناقضی را برای مدلهای غیرخطی ما ارائه میدهند. بنابراین، ما از یک رویکرد متغیر تابع کنترل استفاده میکنیم که در مدلهای بازاریابی غیرخطی موجود استفاده شده است. اولین قدم، یافتن ابزار معتبر است. برای اینکه ابزارها معتبر باشند، باید الزامات مربوط و محدودیت های انحصاری را برآورده کنند. ما از درصد کلمات قابلیت بازاریابی خالص فروشنده کانونی (کلمات قابلیت بازاریابی مثبت منهای کلمات قابلیت بازاریابی منفی) مقیاسبندی شده بر اساس تعداد کل بازبینی مشتری برای فروشنده استفاده میکنیم. شش ماه قبل از دوره مشاهده واقعی، و شش ماه رسانههای اجتماعی برند قبل از مشاهده واقعی در فیس بوک برای سنجش شهرت برند فعلی.
انتخاب ابزار ما از ماهیت متوالی متغیرهای کلیدی بهره میبرد. این رویکرد می تواند برای تاخیرهای بسیار قدیمی اعمال شود که هیچ تاثیر مستقیمی بر رفتارهای فعلی مشتری نخواهد داشت. به طور منطقی، استفاده از کلمات قابلیت بازاریابی با تاخیر (lagged marketing)، نگرانی از پاسخ رقابتی فعلی و قصد استراتژیک فروشندگان را کاهش میدهد. به همین ترتیب، تاخیر در دسترسی به رسانههای اجتماعی، نگرانیهای مربوط به کمپینها و هزینههای بازاریابی فعلی برندها را کاهش میدهد. بنابراین، این متغیرهای تاخیری مستعد شوکهای زمانی مشاهدهشده فعلی نیستند. با این حال، آنها تواناییهای فروشندگان و برندها را برای پرداختن به محیط بازاریابی و رقابتی آن زمان منعکس میکنند و بنابراین با قابلیت بازاریابی فعلی و شهرت برند مرتبط هستند. از این رو، ابزارهای ما معیارهای مربوط به متغیرهای ابزار را برآورده میکنند. همانطور که در ضمیمه جدول ۷ گزارش شده است، تخمین ضرایب برای ابزارهای مرتبط است که در آن φ بردار ضرایبی است که تأثیر مجموعه متغیرهای برون زا را نشان می دهد، اگزوژن بردار متغیرهای برون زا از جمله متغیرهای کنترل، و ϑ باقیمانده است.
ما آزمایش کردیم که آیا متغیرهای ابزاری الزامات مربوط و محدودیتهای انحصاری را برآورده میکنند یا خیر. اول، آمارههای F Cragg–Donald Wald در متغیرهای ابزاری ما برای هر یک از معادلات مرحله اول نشان میدهد که همه بالاتر از آستانه قاعده سرانگشتی ۱۰ هستند که کمترین آن ۳۷۵.۶۸ است همانطور که در جدول ۷ پیوست نشان داده شده است. بنابراین، عدد صفر است. فرضیه ابزار ضعیف را می توان رد کرد و ابزارهای ما الزام مربوط بودن را برآورده می کنند (یعنی به شدت با متغیرهای درون زا همبستگی دارند).
دوم، آزمون سارگان برای شناسایی بیش از حد در هر یک از رگرسیونهای مرحله اول معنیدار است (۰۰۱/0p<)، که نشاندهنده مرتبط بودن ابزارها است. در عمل، UGC قدیمیتر در پلتفرمهای تجارت الکترونیک برجسته نیست، زیرا مشتریان به ندرت از صفحات بسیاری از UGC برای رسیدن به UGC قدیمی عبور میکنند. با توجه به ماهیت سریع پلتفرمهای تجارت الکترونیک (در زمان رسانههای اجتماعی)، فروشندگان نیز کمتر احتمال دارد که از UGC شش ماهه برای استخراج بینش برای بهبود قابلیت بازاریابی فعلی خود استفاده کنند. بنابراین، کلمات قابلیت بازاریابی خالص که از نظرات قدیمیتر UGC مشتق شدهاند، تأثیر کمتری بر رفتار مشتری فعلی دارند، و بنابراین، هرگونه تأثیر احتمالی قابلیت بازاریابی حاصل از UGC در آخرین UGC منعکس خواهد شد. همین منطق در مورد برندهای عقب افتاده در رسانه های اجتماعی نیز صدق می کند. بنابراین این ملاحظات عملی ابزار ما را از نظر زیست محیطی معتبر می کند.
بنابراین، ابزار ما محدودیت حذف برای متغیرهای ابزار را برآورده می کند. ما توانایی بازاریابی و شهرت برند را به شرح زیر برآورد می کنیم: نمیتوان فرضیه صفر را رد کرد که ابزار کانونی با عبارت خطا در معادله مرحله دوم مطابق جدول ۷ پیوسته همبستگی ندارد. این آزمونها اعتبار متغیرهای ابزاری را نشان می دهد. پس از برآورد معادلات. (۱) و (۲)، ما تعصب درون زایی را با وارد کردن مقادیر باقیمانده در مدل مشخص شده در معادلات اصلاح کردیم. (۳) و (۴) در بخش مشخصات مدل ما به عنوان متغیرهای کمکی اضافی برای آزمایش وجود درون زایی با استفاده از آزمون z استاندارد، پس از بوت استرپ کردن خطاهای استاندارد ضمیمه ۲ جدول ۶ نتایج تخمین مرحله دوم و جدول ۷ نتایج مرحله اول را ارائه می دهد. نتایج رگرسیون مرحله دوم با تحلیل اصلی ما مطابقت دارد.
[۱]– Consumer journey. سفر مشتری تجربه کاملی است که مشتری با یک سازمان دارد. این امر شامل تمامی تعاملات مشتری در همه کانال ها، دستگاه ها و نقاط تماس (touchpoints) در هر مرحله از چرخه حیات مشتری، از آگاهی تا وفاداری است.
[۲]– two standard deviations
[۳]– channel partner
[۴]– (e.g., Barone & Jewell, 2013; Hollenbeck, 2018; Erdem & Valenzuela, 2006; Hsu, Fournier, & Srinivasan 2016; Aaker & Keller, 1990)
[۵]– e.g., Dutta et al., 1999; Feng et al., 2017; Krasnikov & Jayachandran, 2008; Mishra & Modi, 2016; Vorhies & Morgan, 2005; Xiong & Bharadwaj, 2013
[۶]– (e.g., Agarwal et al., 2011; Jerath et al., 2014)
[۷]– browsing
[۸]– prospect theory. یکی از نظریههای حوزهٔ اقتصاد رفتاری است. این نظریه به توصیف این موضوع میپردازد که مردم چگونه بین گزینههای احتمالی مختلف که دارای ریسک هستند و در آنها احتمال هرکدام از پیشآمدها مشخص است تصمیمگیری میکنند. مترجم
[۹]– private label. محصولات معمولا توسط شرکت های سازنده تولید و تهیه می شوند و هنگامی که بر روی این محصولات برچسب شرکت های مختلف قرار می گیرد به آنها محصولاتی با برچسب خصوصی میگویند. مترجم
[۱۰]– binary variable. متغیر دو دویی یا دوتایی
[۱۱]– stochastic frontier approach روش تحلیل مرزی تصادفی بر مبنای مدلهای اقتصادسنجی و تئوریهای اقتصاد خرد بنا شده است. در این روش یک تابع مرزی، بیشترین میزان تولید ممکن از هر بردار معلوم از نهادهها را مشخص میکند.مترجم
[۱۲]– logistic regression . یک مدل آماری رگرسیون برای متغیرهای وابسته دوسویی مانند بیماری یا سلامت، مرگ یا زندگی است. این مدل را میتوان به عنوان مدل خطی تعمیمیافتهای که از تابع لوجیت به عنوان تابع پیوند استفاده میکند و خطایش از توزیع چندجملهای پیروی میکند، بهحسابآورد.
[۱۳]– endogeneity.