نوع مقاله : مقاله استخراج شده از پایان نامه
نویسندگان
1 دانشجوی دکترا، گروه مدیریت،دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، اصفهان، ایران
2 استادیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، اصفهان، ایران
3 استاد، گروه مدیریت، دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، اصفهان، ایران
چکیده
کلیدواژه‌ها
عنوان مقاله [English]
نویسندگان [English]
Online customer feedback plays a fundamental role in the purchasing decision-making process. It profoundly affects people's opinions and attitudes. The purpose of this study is to investigate the effect of one of the most important decision-making tools in the context of social business, namely customer advice by controlling other effective factors such as brand reputation, on the sales performance of empirical products. In this study, the book product selected as a unit of analysis and the sales rank of 162 of such a product in one year with 67,817 opinions from buyers and ordinary users of this product collected from the Amazon online store and analyzed using the regression method. The longitudinal data was analyzed by functional regression. The evaluation of the cumulative effect of the recorded opinions on the sales rank of products in one year evaluated and recognized as the historical effect of the relevant variables in the functional regression model. Findings indicated that customer recommendations and their feedback on other product buyers significantly influenced product sales rankings. The cumulative effect of the opinions of regular users at the end of the review period on sales rank was evident, while the cumulative influence of the approved buyers' viewpoints during the review period had a nonlinear curve. Therefore, such an effect weighs more in the middle of the review period. In this study, compared to the regular users, the opinions of approved buyers had a 60 percent greater impact on product sales rankings.
کلیدواژه‌ها [English]
تحلیل تأثیر توصیه مشتریان بر عملکرد فروش محصولات تجربی در بازارهای دیجیتال با استفاده از روش تحلیل رگرسیون تابعی
|
علی ساجدی خواه [1] * آرش شاهین [2]*** |
تاریخ دریافت: 11/08/1400 تاریخ پذیرش: 15/09/1400 |
چکیده
نظرات مشتریان برخط نقشی بنیادی در فرایند تصمیم خرید ایفا میکند، زیرا به طور عمیق بر عقاید و نگرش افراد اثر میگذارد. هدف این پژوهش بررسی تأثیر یکی از مهمترین ابزارهای تسهیل تصمیمگیری در بستر تجارت اجتماعی یعنی توصیه مشتریان با کنترل سایر عوامل موثر نظیر شهرت برند، بر عملکرد فروش محصولات تجربی میباشد. در پژوهش حاضر، کتابهای عرضه شده از سال 2015 تا پایان سال 2018 در فروشگاه آنلاین آمازون به عنوان جامعه هدف انتخاب شد . با استفاده از روش مطالعه طولی ، تغییرات رتبه فروش تعداد 162 از این محصول در یک بازه یکساله به همراه 67817 نظر از خریداران تایید شده و کاربران عادی این محصول جمع آوری شد . دادهها با روش رگرسیون تابعی در تحلیل دادههای طولی مورد بررسی قرار گرفت. یافتههای پژوهش حاکی از این است که توصیه مشتریان شامل خریداران تایید شده و بازخورد سایر کاربران تأثیر معنیداری بر رتبه فروش محصول دارد. تأثیر تجمیعی نظرات کاربران عادی در اواخر دوره بررسی بر رتبه فروش بیشتر مشهود بوده در حالی که اثر تجمیعی نظرات خریداران تایید شده در طول دوره دارای منحنی غیرخطی است به نحوی که این اثر در اواسط دوره بررسی وزن بیشتری دارد. در این مطالعه مشاهده شد نظرات خریداران تایید شده 60 درصد تأثیر بیشتری بر رتبه فروش محصولات نسبت به نظرات کاربران عادی دارد.
کلیدواژه ها: تجارت اجتماعی، توصیه مشتریان ، رگرسیون تابعی ، عملکرد فروش ، محصولات تجربی
مقدمه
امروزه با رقابتی‌تر شدن فضای کسب و کارها به خصوص در بازاریابی سازمان به مشتری1 و با افزایش دامنه انتخاب مشتریان، فرآیند تصمیمگیری خرید مصرف‌کنندگان از پیچیدگی بیشتری برخوردار شده است. جهت فائق آمدن بر این چالش، مصرف‌کنندگان علاوه بر قدرت تشخیص فردی در فرآیند تصمیمگیری خرید، از ابزارهای تسهیل تصمیمگیری2 نیز استفاده میکنند. ابزارهای تسهیل تصمیم گیری خرید مجموعه وسایلی است که به خریدارن بالقوه برای مواجهه با حجم فزاینده اطلاعات پیرامون محصولات کمک میکنند و در فرآیند تصمیمگیری مورد استفاده قرار میگیرند مانند مشاوره با کارشناسان، نظرات سایر مصرف کنندگان و همچنین فناوریهای نر‌م‌افزاری در پایگاههای فروش آنلاین به منظور جستجو و مرتب سازی محصولات (ونگ و بنباسات3 ، 2009).
فروشگاههای آنلاین یکی از مهمترین ارکان نظام جدید تجاری هستند که به عنوان کانال توزیع مزیتهای قابل توجهی نسبت به فروشگاههای فیزیکی دارند. برآورد میشود که در سال 2020 بیشاز 14 درصد از کل خردهفروشی کشور آمریکا از طریق فروشگاههای آنلاین به فروش رسیده اند (اداره آمار وزارت بازرگانی ایالات متحده4، 2021). تجارت اجتماعی به عنوان زیرمجموعه‌ای از تجارت الکترونیکی بر تعاملات اجتماعی در جهت خرید یا فروش خدمات و کالاها تعریف شده است (بریسون و تورل5 ،2015). با گسترش این حوزه از تجارت و ساختارهای (پلتفرمهای) فروش آنلاین، کاربران و خریداران به دایره گسترده تری از محصولات مشابه به طور همزمان دسترسی دارند و با استفاده از ابزارهای مقایسه و پالایش6، میتوانند محصول مناسبتری را مطابق تمایلات خود مورد انتخاب قرار دهند. همچنین آنها میتوانند اطلاعات بیشتری را پیش از خرید محصولات با مراجعه به نظرات و تجربیات سایر کاربران بدست آورند زیرا این ساختارها فرایندهای تعامل آنلاین مشتریان را برای به اشتراک گذاشتن دانش و تجربیات به نحوی تقویت کرده است که تا پیش از گسترش تجارت الکترونیکی میسر نبوده است (شین، پردو و پاندلیرا7 ،2020). این ابزارها امکان مقایسه و انتخاب محصولات را به نحوی که بیشترین هماهنگی با تمایلات و در نتیجه مطلوبیت حداکثری را برای مشتریان به دنبال داشته باشد فراهم مینماید.
بررسی نظرهای آنلاین توسط مشتریان نیز درکنار ابزارهای مرتبسازی و جستجوی محصولات، عامل مهمی در فرایند خرید مشتریان است که اطلاعات ارزشمندی را به مشتریان ارائه میدهد و می تواند در تصمیمگیری آنها موثر باشد (المطیری و عبداله8 ،2020). به طور خاص تا هفتاد درصد بزرگسالان از نظرهای آنلاین مشتریان در فرایند تصمیمگیری استفاده میکنند (المدانی، ساهین و اسیوک9 ،2021). اثربخشی نظرات کاربران بر عملکرد فروش در پژوهشهای مختلفی مورد بررسی قرار گرفته است. به عنوان نمونه تحقیقات اندرسون10 (2012) نشان داد که با هر ده درصد بهبود در امتیازات کاربران به خدمات هتلداری در یک فروشگاه اینترنتی محصولات گردشگری، عملکرد فروش آن مجموعه میتواند 4/4درصد بهبود یابد. در مطالعه ویگلیا، مینازی و بوهالیس11 (2016) نیز پژوهشگران به این نتیجه رسیدند هر یک درصد بهبود اعتبار آنلاین هتل به طور متوسط 89/0درصد افزایش میزان اشغال بودن اتاقهای آن هتل را در پی خواهد داشت.
البته تأثیر نظرات و توصیه‌های آنلاین را نباید تنها معطوف به خریدهای انجام شده در فضای آنلاین جستجو کرد زیرا این نظرات ممکن است در خریدهای حضوری و فیزیکی نیز مورد استفاده قرارگیرد و بر این اساس ابزارهای تجارت الکترونیک و پایگاههای فروش آنلاین، فرایند خریدهای دوکاناله12را تسهیل میکنند. خرید دوکاناله پدیده جدید و فراگیری است که مشتریان تمایل دارند جستجوی اطلاعات را به صورت اینترنتی و خرید را به صورت حضوری و در محل فروشگاه انجام دهند. از طرفی اگرچه خرید آنلاین ممکن است جایگزین مراجعه به فروشگاه شود امّا طبق نتایج بدست آمده مشخص گردید که یک سوم خریداران آنلاین همچنان برای مشاهده کالا و تست آن به فروشگاه‌ها مراجعه میکنند (ژای، کائو، مختاریان و ژن13 ،2017).
صاحبان کسب و کار می بایست از اهمیت نظرهای ارسال شده مشتری بر روی شبکه های اجتماعی و فضای آنلاین برای حمایت از محصولات و خدمات و به طور کلی برای موفقیت خود به خوبی آگاه باشند (استال، گابر و اولو14 ،2014). به دست آوردن نظرهای مشتریان و کسب دانش در رابطه با ترجیحات مصرف کننده، همواره یکی از مشکلات مهم برای پژوهشگران بازاریابی بوده است. تجزیه و تحلیل بازار، با روشهای بازاریابی سنتی از قبیل گروه های کانونی و مصاحبه های چهره به چهره اغلب پرهزینه و وقت گیر است ولی در مقابل، استفاده از دادههای رسانه های آنلاین برای تحلیل بازار و مشتری به آسانی و اغلب به صورت رایگان در دسترس است (مصطفی15 ،2013). وب سایت‌های خرده فروشی به مشتریان این فرصت را میدهند تا نظرات پیرامون محصولات خود را، بیشتر به صورت رتبه بندی عددی، ستاره‌ای و نظرات تشریحی به اشتراک بگذارند. به طور کلی نظر مشتری صادقانهتر بی طرفانه و جامعتر از اطلاعات منتشر شده توسط فروشندگان است که باعث میشود نظرهای آنها به عنوان مکمل توضیحات رسمی محصول و نظرات متخصصان باشد (ژان، تان، لی و تس16 ،2018). علاوه بر این، نظرهای آنلاین مشتریان17 هم برای مشتریان بالقوه و هم برای تولیدکنندگان محصولات یک منبع اطلاعات مفید است (باندری و رودگرز18 ،2018). به عنوان مثال، خریداران میتوانند با استفاده از نظرات آنلاین مشتریان، از تصمیم خود در مورد خرید یک محصول خاص حمایت شوند. از سوی دیگر، شرکتها ترجیحات فعلی مشتریان بالقوه را درک میکنند و از این دانش در توسعه محصول، بازاریابی و مدیریت ارتباط با مشتری استفاده میکنند (هادارا و همکاران19 ،2020).
تاکنون پژوهشهای مختلفی در رابطه با این موضوع که چرا نظرات سایر کاربران به عنوان یکی از ابزارهای تصمیم یار دارای اهمیت است صورت گرفته است، به عنوان نمونه گلداسمیت و هورو ویتز20 (2006)، هشت دلیل کلیدی را برای مراجعه به آرای سایر کاربران ذکر کردهاند: میل به کاهش ریسک; اطلاع از اقبال سایر مشتریان از یک محصول; یافتن قیمتهای کمتر; دستیابی آسانتر به اطلاعات محصول پیش از خرید و دسترسی به تجربه سایر مشتریان در استفاده از محصول، مواجهه تصادفی و بدون برنامه ریزی با نظرات سایر کاربران و کنجکاوی در پی برانگیختگی توسط منابع تبلیغات آفلاین نظیر تلویزیون و همچنین حس خوب مطالعه نظرات سایر کاربران از جمله این دلایل هستند. دلایل دیگری نیز توسط سایر پژوهش گرها برای اهمیت و چرایی استفاده مشتریان از تبلیغات دهان به دهان الکترونیکی21 ذکر گردیده است از جمله هنیگتارو و والش22 (2003) صرفهجویی در زمان و اتخاذ تصمیم بهتر و گرتزل، یو و پاوریفوی23(2007) و نیز ارسل، ووسنام، بالدوین و بک من24 (2010) دستیابی به اطلاعات به روز و لذت جستجوی قابل اطمینان را از جمله دلایل مراجعه و اتکا به تبلیغات دهان به دهان الکترونیکی برشمرده اند. بنابراین تبلیغات دهان به دهان الکترونیکی را میتوان منابع مهم اطلاعاتی در نظر گرفت که بر تصمیم خریدار بسیار اثرگذار است و خریداران در ارزیابی خود نه تنها آنها را مورد توجه قرار میدهند بلکه در تصمیمگیری، آرا و نظرات را نیز اعتبارسنجی و ارزیابی میکنند و برداشت نهایی ایشان از تجمیع وزنی نظرات مشاهده شده است که تأثیر مستقیمی بر اراده خرید مشتریان دارد (سیتو و هو25، 2014).
اثر نظرات کاربران بر عملکرد فروش چنان پر اهمیت است که برخی از شرکتها با تقلب سعی در بهبود نظرات درج شده در صفحات محصولات خود دارند. به عنوان مثال پایگاه خرده فروشی محصولات آنلاین آمازون موفق شد در یک دعوای حقوقی26 در سال 2015، فعالیت برخی از شرکتها که خدماتی را در راستای بهبود جایگاه محصولات با ثبت نظرات غیرواقعی و سفارشی در ذیل صفحات محصولات در فروشگاه آمازون ارائه میکردند، متوقف نماید. تاکر و یو27 (2017) در پژوهشی به این سوال پاسخ داده اند که آیا تلاش شرکتها برای بهبود وضعیت نظرات ثبت شده کاربران برای محصولات خود میتواند به ارتقا جایگاه محصولاتشان در فهرست فروش پایگاههای آنلاین منجر شود؟ آنها چنین نتیجه گرفتند که بازنشر نظرات مثبت مصرف کنندگان میتواند برعملکرد شرکت نسبت به مشتریان بالقوه مفید واقع شود، ولی در صورتی که این نظرات حاوی ادعاهای بیش از حد گسترده و اغراقآمیز باشد میتواند به نتیجهای معکوس منجر شود. 10 شرکت بزرگ فروش اینترنتی جهان در سال 2020 در مجموع بیش از 2.3 تریلیون دلار کالا و خدمات فروخته اند ، درسال‌های اخیر شرکت «آمازون» آمریکا در بین فروشگاههای اینترنتی فعال در زمینه بازاریابی کسب و کار به مشتری، در صدر فهرست به لحاظ میزان درآمد خالص قرار دارد.پس از شیوع پاندمی کرونا ویروس برخلاف سایر کسب وکارها فروشگاههای اینترنتی با توجه به استقبال خریداران از خرید غیرحضوری دچار رونق شده اند. طبق گزارش رسمی سالیانه در پایان سال 2020 ، آمازون گزارش داد فروش خالص با 38 درصد افزایش از 280.5 میلیارد دلار در سال 2019 به 386.1 میلیارد دلار رسیده است. برآورد شده در سه ماهه اول سال 2021 فروش خالص بین 100.0 تا 106.0 میلیارد دلار باشد و در مقایسه با سه ماهه اول سال 2020 بین 33 تا 40 درصد رشد داشته باشد28.
از طرفی با بررسی پژوهش های انجام شده داخلی و خارجی در زمینه «تأثیر توصیه مشتری برعملکرد فروش» بـا استفاده از تحلیل رگرسیون تابعی ، نشان میدهد که در این زمینه پژوهش مستقلی انجـام نگرفتـه ، و این در شرایطی است که پژوهشهای متعددی تأثیر توصیه‌های آنلاین مشتریان در کنار دیگر ابزارها را بر تصمیمات خرید مشتریان نشان میدهد (گائو، وانگ و وو29 ،2020).
هدف اصلی در این پژوهش بررسی و برآورد اندازه اثر توصیه مشتریان بر عملکرد فروش محصولات تجربی در بازارهای دیجیتال است.
در این پژوهش، به منظور بررسی و برآورد تـأثیر توصیه‌های آنلاین مشتریان بر عملکرد فروش محصولات تجربی ، سایت آمازون و نظرات منتشر شده کاربران سایت مذکور برای کالای کتاب به عنوان واحد تحلیل انتخاب شده است..انتخـاب محصولات تجربی نظیر کتاب دسترسـی به حجم مطلوب دادههای مورد نظر( دسترسی به نظرات منتشر شده در خصوص کالای کتاب در سایت آمازون) و همچنین ماهیت این کالا است که با توجه به انتشار محصولات منتخب از طریق کانال آنلاین (نسخه الکترونیکی) و عدم عرضه در کانال آفلاین(توزیع فیزیکی) نقش تخفیفات احتمالی و عوامل تأثیرگذار کانال آفلاین کنترل شده وبنابراین نآنتوصیه مشتریان نسبت به دیگر ابزارهای تصمیم یار میتواند نقش مستقل تری در فرایند انتخاب و خرید ایفا نماید. شایان ذکر است که نتایج و روش پژوهش این مطالعه، میتواند در رابطه با سایر محصولات مورد نظر پژوهشگران استفاده شده و توسعه داده شود. در این پژوهش بر خلاف سایر پژوهشها که بیشتر توجه به تأیید اثر توصیهها و نظرات کاربران در فرایند خرید داشته اند، سعی شده تا اندازهی این اثر درفرایند تصمیم خریداران وعملکرد فروش در این دسته از محصولات با استفاده از روش تحلیل رگرسیون تابعی در تحلیل دادههای طولی برآورد گردد. .همچنین با بررسی اثرات تجمیعی نظرات آنلاین در خصوص این محصولات مشخص شد الگوی تاثیرگذاری این توصیهها در بین دو گروه خریداران تایید شده و سایر کاربران در طول زمان چگونه میباشد.ارائه یک تبیین کمّی از مقایسه میزان تاثیر گذاری توصیه خریداران تایید شده و کاربران عادی از جنبه هایی است که تا پیش از این مورد بررسی قرار نگرفته است.
بنابراین پرسشهای اصلی این پژوهش عبارت اند از:
پیشینه نظری پژوهش
توصیه مشتریان30 و تبلیغات دهان به دهان الکترونیکی: توصیه مشتریان به نظراتی گفته میشود که پیرامون یک کالا یا خدمت است و دلالت بر استفاده موفق از آن دارد و فروشندگان در فرایند بازاریابی از آنها جهت اقناع و جذب مشتریان جدید استفاده میکنند درواقع توصیه مشتریان زیرمجموعه‌ای از نظرات آنلاین مشتریان است که تصویر مثبت از محصول را القا مینماید. (دویل31، 2011: 358). نظرات کاربران در شبکههای الکترونیکی، گونهای جدید از تبلیغات دهان به دهان32 است که در روشهای بازاریابی سنتی مورد استفاده قرار میگرفت و اکنون تبلیغات دهان به دهان الکترونیکی نامیده میشود. تبلیغات دهان به دهان الکترونیکی مجموعه ارتباطات غیررسمی کاربران در محیطهای الکترونیکی است که در قالب توصیهها و نظرات مشتریان، به عنوان ابزارهایی جهت راهنمایی خریداران و کمک به آنها در ارزیابی و انتخاب محصولات در پایگاههای آنلاین استفاده میشود. تبلیغات دهان به دهان الکترونیکی یک فرایند ارتباطی غیرهمزمان و غیرمتجانس دو طرفه محسوب میشود که میتواند مشتریان بالقوه و نامحدودی را مخاطب خود داشته باشد (استیفس و برگی33، 2009). ارتباط دهان به دهان الکترونیکی نقشی حیاتی در محبوبیت و موفقیت تجارت الکترونیکی دارد زیرا مصرف کنندگان به دنبال اطلاعاتی هستند که توسط مشتریان قبلی ارسال شده، تا اطمینان بیشتری در استفاده از یک محصول جدید داشته باشند. از این رو، مشتریان می‌خواهند از تجربه کاربران موجود مطلع شوند تا دانش بهتری از ویژگی ها، برنامه‌های کاربردی و عملکرد محصولات کسب کنند. بدین شکل این نوع ارتباطات غیررسمی بر فرایند تصمیم گیری خرید مشتری تأثیر میگذارد (شنکار34 ،2020).
در این پژوهش توصیه مشتریان فقط به نظرات مثبت مشتریان اطلاق نمیگردد بلکه کلیه نظرات کاربران فارغ از جهتگیری آن را در بر میگیرد.
محصولات تجربی35 و محصولات قابل بررسی36
کالاهایی مانند گوشی تلفن همراه که مشاهده مشخصات فنی و کاتالوگ آنها میتواند اطلاعات نسبتا کافی جهت ارزیابی و مقایسه محصول را پیش از خرید در اختیار قرار دهد، محصولات قابل بررسی و در مقابل محصولاتی مانند یک آلبوم موسیقی که ارزیابیشان مستلزم تجربه آنها است و تا پیش از تجربه، صرفا با مشاهده کاتالوگ مشخصات محصول نمیتوان آنها را جهت خرید مورد ارزیابی قرار داد محصولات تجربی نامیده میشوند (ژای، کائو، مختاریان و ژن، 2017). محصولات تجربی، محصولاتی هستند که که خریدار نمی‌تواند ارزش کل و هزینه کل از جمله هزینه‌های پنهان مانند تعمیر و نگهداری را بدون خرید واقعی کالا تعیین کند. محصولات تجربی در معرض مشکلاتی از جمله انتخاب نامطلوب هستند(نلسون37 ،1970). محصولات تجربی را باید تجربه کنید تا درک کنید که متناسب با نیاز شما هست یا خیر. یک بطری آب میوه مثال خوبی است، فقط با نگاه کردن به آن نمیتوانید تشخیص دهید که چقدر خوب است. شما می‌توانید قیمت را تعیین کنید اما ارزش آن را قبل از مصرف نمیتوانید مشخص کنید.
محصول قابل بررسی کالایی است که خریدار (احتمالی) برای آن میتواند ارزش کل و هزینه کل را قبل از تصمیم گیری برای خرید تعیین کند. محصولات قابل بررسی در تقابل با محصولات تجربی است که تعیین ارزش آن قبل از خرید و استفاده از آن دشوار است(نلسون،1970). برای برای یک کالای قابل بررسی تنها با دانستن ویژگیها و برند محصول و بدون خرید کالا میتوان تاحدی در مورد تناسب ارزش و قیمت آن قضاوت نمود، در حالیکه در مورد محصول تجربی با دانستن ویژگی و برند شما نمیتوانید قضاوت مناسبی در مورد ارزش محصول داشته باشید و فقط میتوان پس از مصرف (تجربه) محصول در مورد تطابق قیمت و ارزش آن قضاوت کرد، به همین دلیل ، محصولات تجربی به طور معمول رقابت و کشش قیمتی کمتری دارند. (کلر38 ،2007).
در مورد محصولات قابل بررسی، مشتری فرصت دارد قبل از خرید گزینههای ممکن را در مقایسه با یکدیگر بررسی کند، در حالی که برای محصولات تجربی ، ارزیابی کیفیت فقط از طریق خرید و استفاده بعدی امکان پذیر است. در محصولات قابل بررسی ، ویژگیها و اطلاعات در مورد آن کالا قبل از خرید مورد بررسی قرار میگیرد (باسو39 ،2019).
اگرچه ممکن است مشتریان در ارزیابی کیفیت بسیاری از محصولات قابل بررسی مشکل کمی داشته باشند ولی تعیین کیفیت محصولات تجربی بسیار پیچیده تر است، بنابراین دسترسی به اطلاعات و آرای معتبر برای محصولات تجربی برای مشتریانی که به دنبال کاهش ریسک در خرید این گونه محصولات هستند، بسیار حیاتی است (استیفس و برگی 2009).
پیشینۀ تجربی
لی، لی و او40 (2015) در یک بررسی جامع اثر توصیه کاربران را بر فروش محصولات قابل بررسی و تجربی با درنظر گرفتن اثر سایر متغیرهای تعدیلگر نظیر مشخصههای محصول و طرحهای فروش مورد ارزیابی قرار دادند. متغیر پاسخ در این مطالعه، حجم فروش محصول در 24 ساعت و متغیر اصلی پیشبین توصیه کاربران است که از طریق تعداد لایک‌های آن محصول در صفحه فیسبوک برای معرفی آن محصول و ارائه پیوند به پایگاه فروش گروپن41 ایجاد شده بود. همچنین در این مدل، سایر متغیرهای مخدوش گر نظیر میزان تخفیف، قیمت و مدت زمان ارائه طرح در سایت کنترل گردیده است. نتایج نشان داد که توصیه کاربران از طریق افزایش بازدید صفحه محصول باعث افزایش فروش میگردد. علاوه بر این توصیه کاربران بر فروش محصولات تجربی اثر بیشتری نسبت به محصولات قابل بررسی داشته است.
لی، ووی و مای42 (2018) در پژوهش خود با عنوان اثر توصیه کاربران بر فروش محصولات: یک تحلیل توأم احساسی-موضوعی، به تأثیر نظرات کاربران بر فروش گجتهای الکترونیکی نظیر تبلت پرداختهاند. مجموعه داده مورد استفاده در این پژوهش شامل 88901 رکورد از نظرات کاربران در مورد 794 محصول تبلت است. در این بررسی با استفاده از یک مدل پویای دادههای پانلی43 ، مشخص گردید که نظرات کاربران بر فروش هر محصول اثرگذار است و امتیاز ارائه شده از سوی کاربران نیز در نقش میانجی بین دو متغیر نظرات کاربران و عملکرد فروش، با متغیر عملکرد فروش در ارتباط است.
تسنگ، چانگ، وانگ، وانگ و لین44 (2021) در پژوهشی در صنعت خدمات گردشگری به عنوان یک نمونه از محصولات تجربی ، رابطه بین توصیه‌های آنلاین مشتریان را با سطح اشتغال هتلها ، با استفاده از دادههای سه آژانس مسافرتی آنلاین معروف و دادههای مالی 88 هتل ترکیب و تحلیل نمودند. نتایج نشان داد توصیه‌های مشتریان تأثیرات مثبتی بر سطح اشتغال هتل داشته و رضایت مشتریان آنلاین نیز تأثیر مثبت بر انجام تبلیغات دهان به دهان و توصیه به دیگر مشتریان دارد. لی و چو45 (2018)، در این پژوهش به توسعه مدلی دقیق پرداخته اند که نحوه تأثیر توصیه کاربران را در فروش فیلمهای سینمایی در دو مرحله پیش از اکران و پس از اکران تبیین مینماید. آنها نشان دادند که کمیت نظرات و طول نظرات رابطه معنیداری با عملکرد فروش گیشه دارند و امتیاز ارائه شده از سوی کاربر و قطبیت نظرات، مؤلفههای اساسی در ادراک از مفید بودن نظر میباشند.
ژو و ژانگ46 (2010)، با توجه به یافتههای مدل رگرسیون نتیجه گرفتند که تأثیر نظرات کاربران بر افزایش فروش بازیهایی که محبوبیت کمتری داشتند، بیشتر بوده است. گاولیان، آولو و مارتینز47 (2018) پژوهشی را با روش آزمایشی برای بررسی تأثیر نظرات سایر کاربران بر مرحله اول فرآیند تصمیمگیری خرید یعنی جستجوی اطلاعات در انتخاب هتل طراحی و اجرا کردهاند. بر طبق نتایج در صفحاتی که حجم نظرات کاربران کم باشد، قطبیت مثبت باعث کاهش اعتماد میشود ولی در صفحاتی که نظرات کاربران زیاد است، قطبیت مثبت با افزایش اعتماد کاربر به اطلاعات ارائه شده در صفحه همراه است. رابطه مستقیم بین قطبیت نظرات کاربران با انتخاب هتل نیز معنیدار بود.
ویگلیا، مینازی و بوهالیس(2018)، رابطه بین نظرات کاربران در پایگاههای اینترنتی بوکینگ، تریپ ادوایزر48 و وِنرِ49 را با نرخ اشغال اتاقهای 956 هتل در شهر رم ایتالیا مورد پژوهش قرار دادند. آنها با استفاده از یک مدل رگرسیون و با کنترل سایر متغیرهای مخدوش گر به این نتیجه رسیدند که نظرات کاربران به نحو قابل توجهی قادر به تبیین و پیشبینی نرخ اشغال هتلها است. به طوری که به ازای هر یک واحد افزایش میانگین امتیازات کاربران به طور متوسط 5/7 درصد نرخ اشغال اتاقها افزایش مییابد. موئن، ری آلپ و ری آلپ50 (2020) به مطالعه نقش نوع محصول به عنوان یک عامل تعدیلگر بر رابطه بین نظرات کاربران و فروش محصولات با استفاده از یک روش تحلیل محتوا به نام پردازش زبان طبیعی51پرداختند. نتایج نشان داد که محصولاتی که دارای شهرت کمتری هستند، بیشترین تأثیر نسبی را از تبلیغات دهان به دهان می‌پذیرند، یعنی در این دسته از محصولات رابطه بین نظرات کاربران و فروش محصول قویتر است. ژای، کائو، مختاریان و ژن (2017) در پژوهش خود اثرمتقابل خرید الکترونیکی و خرید حضوری در فرایند خرید محصولات قابل بررسی و تجربی را مقایسه کردند. آنها با بررسی 952 کاربر اینترنتی در دو شهر کالیفرنیای شمالی رفتار کاربران در مورد خرید دو نوع محصول لباس و کتاب را مورد مقایسه قرار دادند. نتایج نشان داد کاربران برای خرید محصولات قابل بررسی نظیر لباس، تمایل بیشتری دارند تا دو مرحله جستجوی اطلاعات و آزمایش کالا را در فروشگاه انجام دهند. در برخی از پژوهشها عواملی را که در ادراک سایر مشتریان از مفید بودن یک توصیه نقشآفرین است، مورد مطالعه قرار دادهاند .
رن، یو، شان و پراپویک52 (2017) نیز به بررسی چگونگی یک رابطه دوسویه بین حجم نظرات مشتریان در ذیل صفحه محصول در شبکههای اجتماعی و عملکرد فروش آن محصول پرداختهاند. بر اساس نتایج بدست آمده افزایش حجم فروش به عنوان یک عامل سبب افزایش حجم نظرات میشود و همچنین افزایش حجم نظرات، به خصوص افزایش نسبی حجم نظرات منفی، تغییر در حجم فروش را در پی دارد.
مطالعات فوق به بررسی تأثیر توصیه مشتریان پرداختهاند. مطالعات اندکی نیز یافت میشوند که با الگوگیری تأثیر این توصیهها به طراحی آمیخته بازاریابی قبل و حین عرضه محصولات میپردازند. از جمله گودالوپی53 (2018) یک مدل پویا جهت تعیین قیمت بهینه برای محصولات تجربی که برای اولین بار به بازار عرضه میشوند، طراحی و ارائه کرده است ، بدین ترتیب که قیمتگذاری پایین یا بالا میتواند با تغییرمیزان تحریک مشتریان بالقوه و تغییر درحجم فروش، دامنه استفاده و مواجهه با محصول را در جامعه تغییر داده و در نتیجه میزان توجه عمومی و تبلیغات دهان به دهان در خصوص آن محصول را افزایش یا کاهش دهند.
در ایران نیز موسوی و امیری عقدایی(1399) از تحلیل احساسات بر مبنای متن‌کاوی جهت تحلیل نظرات خریداران کالای تلویزیون هوشمند (محصول قابل بررسی)، فروشگاه دیجی‌کالااستفاده نمودند. . برای طبقه‌بندی و جداسازی نظرهای مثبت و منفی، از روش «یادگیری ماشین» استفاده شده و برای استخراج سازه‌های ارزش پیشنهادی، روش «تخصیص پنهان دریکله» به‌کار رفته است. بر اساس یافتههای پژوهش، برای ارزش پیشنهادی به مشتری در رابطه با کالای تلویزیون هوشمند، 30 عنصر شناسایی شد به نحوی که 15 عنصر یا ویژگی محصول، بر رضایت مشتریان تأثیر مثبت دارد و 15 عنصر دیگر، به نارضایتی مشتریان منجر میشود. غیاثوند و حبیبی (1399) نیز با ابزار پرسشنامه و رویکرد کمّی به ارزیابی نظرات آنلاین و رضایت آنلاین مشتریان از خدمات شرکت همراه اول (محصول تجربی) پرداختند. نتایج نشان داد سهولت دسترسی بر سهولت آنلاین تأثیر مثبت و معنادار دارد. بنابراین سهولت دسترسی منجر به بهبود سهولت آنلاین میشود. پژوهش های ذکر شده در سطرهای پیشین به طور عمده بر سه مسئله متمرکز بوده‌اند: بررسی رابطه بین نظرات آنلاین مشتریان و بهبود عملکرد فروش ، بررسی مشخصههایی در نظرات منتشر شده که احساس مفید بودن توصیه را افزایش میدهد و استفاده از تحلیل نظرات آنلاین مشتریان جهت کمک به تصمیمات شرکتها در خصوص آمیخته بازاریابی .پژوهش حاضر نیز از این نظر مشابه با آنهاسـت و درصـدد توسـعه مفهـوم، اکتشاف علل و استخراج اثر نظرات آنلاین بر عملکرد فروش و فعالیت‌های بازاریابی شرکت هاست، با این تفاوت که در این پژوهش بر خلاف سایر پژوهشها که بیشتر توجه به اثبات اثر نظرات کاربران در فرایند خرید در بسترتجارت الکترونیکی داشته اند، سعی شده، تا" اندازه" این اثر را در تصمیم خریدارن در محصولات تجربی مورد برآورد قرار داده و تغییرات این رابطه در طول زمان برای انتخاب و خرید یک کالا مورد مقایسه و تحلیل قرار گیرد. همچنین، در این پژوهش، به جای ارائه یک تبیین یک بعدی از مسأله، نحوه تأثیر تجمیعی نظرات آنلاین بر اقبال مشتریان بالقوه به یک محصول به تفکیک در دو گروه خریداران تایید شده و کاربران عادی از طریق تحلیل رگرسون تابعی مقایسه و تبیین شده است.
روش پژوهش
این پژوهش از نظر مخاطب و استفاده کنندگان از نوع کاربردی است و از نظر ماهیت توصیفی و پیمایشی و از نظر اجرا کمی با رویکرد استقرایی است . هدف اولیه این پژوهش اکتشافی از نوع خواندن متون نوشتاری است تا بتوان نسبت به موضوع اطلاعات کافی بدست آورده و موضوع پژوهش را به خوبی بیان نمود . هدف ثانویه این پژوهش نیز توصیف و شناسایی وضع موجود میباشد تا بتوان وقایع و موقعیت‌ها را بر اساس نظرات استفاده کنندگان از سایت مذکور بیان داشت . همچنین به روابط علت و معلولی متغیرهای پژوهش نیز پرداخته شده است لذا هدف تبیینی نیز در این پژوهش دنبال میشود . چارچوب معرفی شده در این پژوهش در زمینـه مطالعـه نظرات آنلاین خریدارن وکاربران پایگاه آمازون، به محققان بازاریابی کمک میکند بتوانند بـا ایـن روش، نظرات ارائه شده در ذیل صفحات محصول در فروشگاههای آنلاین، اتاقهای گفتگو در شبکه های اجتماعی نظیر اینستاگرام، کلاب هوز، فیس بوک، توئیتر و پیام رسان‌های اجتماعی نظیر واتس اپ وتلگرام را تحلیل نماینددر این پژوهش به منظور بررسی تأثیر توصیه مشتریان بر میزان فروش محصولات در گروه کتاب در پایگاه آمازون، دادههای مربوط به بازخوردهای ثبت شده از خریداران تایید شده و کاربران عادی در مورد کتابهای درحال فروش در این پایگاه تا انتهای سال 2018 جمعآوری گردید. علاوه بر این، اطلاعات مربوط به میانگین رتبه فروش هر محصول نیز برای ماههای ژانویه 2017 تا دسامبر 2017 جمعآوری شد. به منظور کنترل اثر برند، تنها آن دسته از کتابهایی مورد توجه قرار گرفت که تنها دارای یک نویسنده بوده و نویسنده آنها تنها دارای یک کتاب درحال فروش در این پایگاه در بین سالهای 2000 تا 2017 باشد و کتاب مورد نظر در نیمه اول سال 2017 منتشر شده باشد. علاوه بر این انتشارات کتاب مورد نظر نیز دارای حداکثر پنج عنوان کتاب درحال فروش در این پایگاه در بین سالهای 2000 تا 2017 باشد. در مجموع تغییرات رتبه فروش 162 کتاب مورد بررسی قرار گرفت که شرایط ورود به مطالعه را داشتهاند. برای این تعداد کتاب در بازه زمانی اشاره شده مجموعا 67817 نظر به صورت آنلاین ارسال و ثبت شده است که از این بین 51888 نظر مربوط به خریداران تایید شده و 15929 نظر متعلق به دیگر کاربران است. عملکرد فروش به عنوان متغیر وابسته در این مطالعه، میزان فروش یک برند در مقایسه با سایر برندها در دسته محصولات هم گروه تعریف شده است. به طور دقیقتر رتبه فروش هر محصول از یک برند در فروشگاه آمازون به عنوان یک پروکسی (نظیر) برای عملکرد فروش در نظر گرفته شده است. رتبه فروش یک محصول در سایت آمازون تابعی از حجم فروش ،زمان عرضه، نوع محصول و سایر متغیرهای مداخله گر است. جهت تحلیل دادهها یک مدل رگرسیون تابعی برای بررسی میزان تأثیر نظرات ثبت شده بر رتبه فروش محصول برازش داده شد. در این مطالعه توصیه مشتریان در قالب نظرات آنلاین ثبت شده کلیه افرادی است که محصول کتاب را خریده اند یا در حال بررسی و تصمیم هستند . اثر نظرات این دو گروه به تفکیک گروه خریداران تایید شده و گروه کاربران عادی تجزیه وتحلیل و گزارش شده است.
تحلیل رگرسیون تابعی
تحلیل دادههای طولی سابقهای طولانی در متون آماری دارد. مدلهای آماری برای تحلیل دادههای طولی در خانواده مدلهای رگرسیون خطی با اثرات مختلط قرار میگیرند. چارچوب اصلی برای مدلسازی ، وابستگی حاصل از اندازهگیری مکرر متغیر در طول زمان با اضافه کردن یک یا چند اثر تصادفی به مدل رگرسیون است. این امر با در نظر گرفتن ساختارهای مختلف همبستگی برای بردار دادهها حاصل میشود. استفاده از مدلهای رگرسیون با اثرات تصادفی برای تحلیل دادههای طولی، چالشها و مشکلاتی با خود به همراه دارد.با افزایش تعداد زمانهای اندازه گیری ، بعد مدل رگرسیون با افزایش تعداد پارامترهای تابع میانگین به طور تصاعدی افزایش مییابد . لذا مدلسازی دادههای طولی با افزایش تعداد زمانها دشوارتر میشود .علاوه بر این انتخاب یک ساختار کواریانس تنکتر که انعطاف کافی در مدلسازی وابستگی بین دادهها داشته باشد دشوارتر خواهد بود. همچنین مدلهای یادشده هنگامی مناسب است که همه دادهها در زمانهای یکسانی اندازهگیری شده باشند و دادههای گمشده وجود نداشته باشند.
تحلیل دادههای تابعی، شاخهای جدید در پژوهشهای ریاضی و آمار است که میتواند چارچوبی منعطف برای دادههای تابعی-مقدار54 فراهم آورد. دادههای تابعی به آن دسته از دادههایی اطلاق میشود که در آن هر نمونه یک نسخه گسسته-سازی شده از یک منحنی در یک دامنه بسته و کراندار است مانند منحنی رشد کودکی تا جوانی و یا منحنی دمای هوا در طول یکسال و یا منحنی رتبه فروش محصولات در یک بازه زمانی یکساله. (رمزی و سیلورمن55 2005، کوکوشکا ورایمئر56 2017). یک متغیر تابعی را بصورت نمایش میدهند که دامنه آن معمولا بازه بسته ]1,0[ در نظر گرفته میشود، علاوه بر این معمولا این متغیر در فضای توابع مربع انتگرال پذیر مورد مطالعه قرار میگیرد یعنی متناهی است.
تحلیل دادههای تابعی انعطاف حداکثری در مدلسازی وابستگی بین زمانهای مختلف دارد، علاوه براین میتوان انواع اثرات جدیدی بین متغیر مستقل و وابسته در نظر گرفت از جمله اثر همزمان و اثر تاریخی که پیش از این معرفی نشده است.
تحلیل رگرسیون برای دادههای تابعی را بسته به این که متغیر وابسته و متغیر مستقل، متغیرهای تابعی باشند یا خیر میتوان به سه دسته اصلی دستهبندی کرد. این سه دسته از خانوادهها مدلهای رگرسیون عبارتاند از مدلهای رگرسیون تابع-بر-تابع57، مدلهای رگرسیون تابع-بر اسکالر58و مدلهای رگرسیون اسکالر-بر-تابع59 که به ترتیب مربوط به مدلهایی هستند که در آنها متغیر پاسخ تابعی و متغیر مستقل اسکالر است، متغیر پاسخ اسکالر و متغیر مستقل تابعی است و نهایتا متغیر پاسخ و متغیر مستقل هر دو تابعی هستند. در خانواده مدلهای رگرسیون تابع-بر-تابع میتوان انواع اثرات مختلف مانند اثر همزمان و اثر تاریخی را تعریف نمود که در مدلهای رگرسیون شناخته شده در آمار وجود ندارند (گرون و شیپل60، 2017). در یک مدل رگرسیون تابع-بر-تابع اثر همزمان به اثری اطلاق میشود که در آن اثر متغیر مستقل بر متغیر پاسخ در زمان فقط به مقدار متغیری مستقل در زمان بستگی دارد. این اثر در مدل رگرسیون تابعی بصورت نمایش داده میشود. اثر تاریخی نیز در یک مدل رگرسیون تابع-بر-تابع بصورت نوشته میشود که در آن اثر متغیر مستقل بر متغیر پاسخ در زمان به مقدار متغیر مستقل از ابتدا تا زمان بستگی دارد. در واقع مقادیر گذشته متغیر مستقل تا زمان تبیین کننده مقدار متغیر پاسخ در زمان است. در مدلهای رگرسیون بالا عرض از مبدا تابعی و تابع باقیمانده است. در این مطالعه از آنجایی که رتبه فروش به عنوان متغیر پاسخ یک متغیر تابعی و متغیر امتیاز نظرات نیز یک متغیر تابعی است، از یک مدل رگرسیون تابع-بر-تابع برای مدلسازی رابطه بین متغیرهای مستقل و وابسته استفاده شده است. مدل رگرسیون (1) رابطه بین متغیرهای مستقل و رتبه فروش محصول را در یک مدل رگرسیون تابع-بر-تابع نمایش میدهد:
(1)
متغیر ، رتبه فروش محصول در زمان ، در بین کل کتابهای عرضه شده در زمان است که بسته به تعداد کتابهای موجود در این پایگاه مقیاس آن تغییر میکند و شناسه با مقادیر 1، 2، ...، 12 نشاندهنده ماه ام از زمان عرضه کتاب است. دادههای مربوط به رتبه فروش از پایگاه آمازون از ابتدای 2017 تا میانه 2018 جمعآوری شده است که در پایگاه کاگل61 در دسترس قرار دارد. در این تحلیل کتابهای الکترونیکی در حال فروش در پایگاه آمازون که از ژانویه 2017 تا جولای 2017 برای اولین بار انتشار یافتهاند در نظر گرفته شده و رتبه فروش محصول به مدت یکسال ثبت شده است. به این ترتیب متغیر نیز با مقادیر 1 تا 7 نشاندهنده ماه عرضه کتاب ام در فروشگاه آمازون است و پارامتر اسکالر نیز تفاوت میانگین رتبه فروش محصول را باتوجه به ماه عرضه منعکس مینماید. پارامتر عرض از مبدأ تابعی نیز متوسط رتبه فروش در زمان را نشان میدهد و در واقع اثر تغییر رتبه فروش را که در نتیجه تغییر تعداد کتابهای عرضه شده در پایگاه حاصل میشود، کنترل مینماید. متغیر برای 4، 3، 2، 1 نیز نشاندهنده چهار متغیر تابعی-مقدار است که اثر بر متغیر پاسخ دارای اثر تاریخی میباشد. این چهار متغیر عبارت اند از: : تعداد نظرات ثبت شده از خریداران تایید شده، : تعداد نظرات ثبت شده از سایر کاربران، : متوسط امتیازات نظرات خریداران تایید شده و : متوسط امتیازات سایر کاربران.
متغیر متوسط امتیازات ثبت شده خریداران تایید شده را به کتاب در ماه نشان میدهد. ضریب رگرسیون تابعی نیز یک تابع دو پارامتری است و درواقع یک رویهی سه بعدی است که برای مقادیر اثر "متوسط امتیازات ثبت شده توسط خریداران تایید شده" را بر میزان فروش کتاب در زمان نشان میدهد و مؤلفه در مدل رگرسیون تابعی، اثر تاریخی62 امتیازات داده شده توسط خریدارن تا زمان را بر میزان فروش محصول در زمان نشان میدهد. این اثر نشان دهنده این مطلب است که متغیر نه تنها بر رتبه فروش در زمان موثر است، بلکه این اثر دامنهدار بوده و بر رتبه فروش در زمانهای بعد نیز موثر خواهد بود. از نقطه نظر دیگر، این مؤلفه در مدل رگرسیون نشان دهنده اثر تجمیعی متغیر یادشده تا زمان به محصول بر فروش محصول است. سایر ضرایب رگرسیون تابعی نیز به همین صورت تفسیر میگردند.
یافتهها
مدل رگرسیون (1) با استفاده از روش گرون و شیپل (2017) و با استفاده از پکیج refund در نرمافزار R به دادهها برازش داده شد. در این روش متغیرهای تابعی و همچنین ضرایب رگرسیون تابعی بر حسب پایههای منتخب از فضای توابع مربع انتگرالپذیر بسط مییابد و تابع لگاریتم درست نمایی از تجمیع لگاریتم درست نمایی به صورت نقطهای تشکیل میشود. در نهایت ضریب رگرسیون تابعی با برآورد ضرایب فوریه63 از طریق بیشینهسازی تابع لگاریتم درست نمایی برآورد میگردد. (جرئیات بیشتر در مورد نحوه برازش مدل و همچنین آزمون فرضیههای متناظر را در گرون و شیپل (2017) مشاهده نمایید). برآورد رگرسیون تابعی در شکل 1 و 2 و نتایج آزمون فرضیه معنیداری پارامترها در جدول 1 گزارش شده است. باتوجه به این جدول همه ضرایب رگرسیون تابعی به طور معنیداری مخالف صفر است.
جدول 1- آزمون معنیداری پارامترهای تابعی در مدل رگرسیون
|
پارامتر |
edf |
Ref.df |
F |
p-value |
|
|
عرض از مبدا: |
015/1 |
030/1 |
592/2 |
001/0< |
|
|
اثر تاریخی متغیرهای پیشبین: |
تعداد نظرات خریداران تایید شده |
031/4 |
462/4 |
334/18 |
001/0< |
|
تعداد نظرات کاربران عادی |
223/4 |
612/4 |
273/16 |
001/0< |
|
|
امتیاز داده شده خریداران تایید شده |
988/2 |
243/3 |
348/14 |
001/0< |
|
|
امتیاز داده شده کاربران عادی |
662/2 |
978/2 |
988/11 |
001/0< |
|
همانطور که اشاره شد همه کتابهای مورد بررسی در یک زمان عرضه نشدهاند. تفاوت بین رتبه فروش کتاب در ماههای مختلف عرضه کتاب، با افزودن هفت متغیر گنگ به مدل رگرسیون (1) کنترل گردید. جدول (2) تفاوت میانگین رتبه فروش محصولات را که در ماههای مختلف عرضه شدهاند نمایش میدهد.
جدول 2- میانگین رتبه فروش برای کتابهای عرضه شده از ماههای مختلف از ابتدای سال 2017
|
ردیف |
ماه عرضه |
میانگین رتبه فروش |
خطای استاندارد |
T |
Sig |
|
1 |
ژانویه |
570390 |
113484 |
026/5 |
001/0< |
|
2 |
فوریه |
405746 |
112611 |
603/3 |
001/0< |
|
3 |
مارچ |
357495 |
113583 |
147/3 |
001/0< |
|
4 |
آوریل |
411142 |
112749 |
647/3 |
001/0< |
|
5 |
می |
480996 |
111535 |
313/4 |
001/0< |
|
6 |
جون |
348355 |
109410 |
184/3 |
001/0< |
|
7 |
جولای |
377545 |
121655 |
103/3 |
001/0< |
برآورد پارامتر تابعی در شکل (1) نمایش داده شده است. به منظور تشخیص پذیری مساحت زیر منحنی برابر صفر در نظر گرفته شد. صعودی بودن این تابع نشان دهنده این است که متوسط رتبه فروش محصولات از ابتدا تا انتهای دوره یکساله روندی صعودی دارد، که منعکس کننده افزایش تعداد عنوانهای کتاب در حال فروش در این پایگاه میباشد.
شکل 1- برآورد منحنی ضریب عرض از مبدا تابعی و باند اطمینان 95درصد
دو متغیر تابعی و رابطه میان تعداد نظرات ثبت شده و رتبه فروش را کنترل مینمایند. طبیعی است که بین رتبه فروش محصولات و تعداد نظرات ثبت شده رابطه مثبت وجود دارد. آن چه در این جا مهم است این است که پس از کنترل متغیرهای تابعی تعداد نظرات، رابطه میان متوسط امتیازات و رتبه فروش چگونه است. دو ضریب رگرسیون تابعی و اثر تاریخی متوسط امتیازات کاربران عادی و خریداران تایید شده را بر رتبه فروش نشان میدهد. منحنی سه بعدی این دو ضریب رگرسیون و همچنین نمودار تراز64 آن در شکل (2) و شکل (3) نمایش داده شده است.
|
|
|
|
(الف) : ضریب رگرسیون متوسط امتیازات ثبت شده خریداران تایید شده |
(ب) : ضریب رگرسیون متوسط امتیازات ثبت شده کاربران عادی |
شکل 2- رویهی سه بعدی برآورد منحنی تابع
|
S |
S |
t |
|
(الف) : ضریب رگرسیون متوسط امتیازات ثبت شده خریداران تایید شده |
(ب) : ضریب رگرسیون متوسط امتیازات ثبت شده کاربران عادی |
|
شکل 3- نمودار تراز برآورد منحنی تابع و
باتوجه به این شکل امتیاز ثبت شده در هر دو گروه کاربران عادی و خریداران تایید شده رابطه معکوسی با رتبه فروش کتاب دارد. علاوه بر این هر برش افقی از ضریب رگرسیون در شکل 2(الف) یکسان است. همین مساله باتوجه به شکل 2(ب) در مورد ضریب رگرسیون برقرار است که نشان میدهد اثر تاریخی نظرات کاربران عادی و خریداران تایید شده بر رتبه فروش محصول با گذر زمان تغییر نمیکند.
باتوجه به شکل 2 (ب) مشاهده میشود که نظرات اخیر کاربران عادی بیش ترین تأثیر را بر رتبه فروش محصول دارد، در حالی که که باتوجه به شکل 2(الف) نظرات اخیر و نظرات ابتدایی خریدارن تایید شده اثر کمتری بر رتبه فروش دارد و برآیند نظرات در ماههای میانی رابطه قویتری با رتبه فروش کتاب دارد. این مساله حاکی از آن است که مشتریان نظرات تمام خریداران تایید شده را بررسی میکنند و برآیند نظرات آنها را مد نظر قرار میدهند و تنها به نظرات ثبت شده اخیر توجه نمیکنند.
برای بررسی میزان تبیین کنندگی متغیرهای مستقل میتوان شاخصی نظیر شاخص برای دادههای تابعی توسعه داد (رمزی و سیلورمن، 2005). این شاخص که برابر 2/25درصد بدست آمده است بصورت زیر است :
که در آن میانگین نقطه به نقطه نمونهها در زمان است. باتوجه به نتایج بدست آمده نظرات هر دو دسته کاربران عادی و خریداران تایید شده رابطه معنیداری با رتبه فروش محصول دارد، اگرچه اثر تاریخی رابطه این دو متغیر با رتبه فروش محصول یکسان نیست. با مقایسه نرم ضرایب رگرسیون و میتوان میزان تأثیر نظرات کاربران عادی و خریداران تایید شده را بر رتبه فروش محصول مورد مقایسه قرار داد. نرم ضریب رگسیون امتیازات کاربران عادی برابر 13517 و نرم ضریب رگرسیون امتیازات خریداران تایید شده 22288 بدست آمده است. بنابراین نظرات خریداران تایید شده 60 درصد تأثیر بیشتری بر رتبه فروش نسبت به کاربران عادی دارد.
بحث و نتیجه گیری
خرید در وب سایت‌های ارتباط جمعی امروزه از همیشه محبوب‌تر است.خرید در شبکههای اجتماعی65 ارتباطات تعاملی بین کاربران را فعال میکند و فرصت‌های بزرگی را برای بازاریابان و تبلیغ کنندگان فراهم میکند تا به مصرف کنندگان دسترسی نزدیکتری داشته باشند. اهمییت ارتباطات غیرسمی مشتری به مشتری تاحدی است که مصرف کنندگان به نظرات آنلاین منتشر شده درشبکه‌های اجتماعی بیشتر از تبلیغات رسمی در فرایند تصمیم گیری خرید توجه میکنند. توصیه مشتریان یا تبلیغات دهان به دهان الکترونیکی نقشی حیاتی در محبوبیت و موفقیت شرکتها در بسترتجارت اجتماعی دارند.شرکتها در شکل گیری این ارتباطات غیر رسمی کنترل کمی دارند و در هدایت بحث‌ها در شبکههای اجتماعی به سمت وسوی مد نظر خود از طریق ابزارهای رسمی نمی‌توانند چندان اثر گذار باشند. توجه دقیق و عمیق تر به نظرات آنلاین در دستور کار شرکتها قرارگرفته و سعی میشود با اخذ این بازخوردها و اصلاح موارد تأکید شده توسط مشتریان و کاربران در فضای آنلاین ، تا حد امکان این موارد در فعالیت‌های بازاریابی و طراحی محصولات جدید دیده شود. از این رو در سالهای اخیر پژوهشگران حوزه بازاریابی مبحث تحلیل نظرات آنلاین را مورد توجه قرار داده و بیش از پیش به آن پرداخته اند.این دادهها حاوی اطلاعات ارزشمندی هستند که برداشت واقعی کاربران را منعکس کرده و بر تصمیم‌های خرید مصرف کنندگان بالقوه تأثیر می گذارند. به همین دلیل، چگونگی استخراج اطلاعات مفید از این حجم عظیم داده های خام به یکی از موضوعات داغ پژوهشی تبدیل شده است. به دلیل ماهیت بین رشته‌ای تحلیل احساسات و نظرات آنلاین شاهد سیر رو به رشد پژوهشها در مجله های علمی رشته هایی نظیر علوم کامپیوتر بخصوص شاخه تحلیل کلان دادها2 ،روانشناسی ، جامعه شناسی و به طور خاص مدیریت بازاریابی در این حوزه هستیم. پژوهش حاضر از نوع کمّی بوده و درصدد کشف اندازه اثر توصیه مشتریان بر فروش محصولات تجربی بـوده اسـت. این پـژوهش ، از دیـدگاه نظری، دانش وسیعتر و عمیق تری از رابطه توصیه مشتریان و عملکرد فروش محصولات ، و اندازه این اثر ارائه کـرده اسـت. مـدل استفاده شده می تواند در پژوهش های کمّی و آمیخته با رویکردی کاربردی در دسته محصولات دیگری نیز آزمایش شود. پس از جمع آوری دادهها و انجام مطالعات طولی، مشخص شد که اندازه اثر توصیه کاربران بر عملکرد فروش دسته محصول کتاب تا چه حّد است.همچنین با بررسی اثرات تجمیعی نظرات آنلاین در خصوص محصول کتاب مشخص شد الگوی تأثیرگذاری این نظرات در بین دو گروه خریداران تایید شده و سایر کاربران در طول زمان متفاوت میباشد.باتوجه به نتایج بدست آمده، بازخورد ارایه شده توسط خریداران تایید شده یک عنوان کتاب اثر مثبت و معنیداری بر رتبه فروش آن عنوان کتاب دارد. الگوی بدست آمده از تأثیر نظرات خریداران تایید شده نشان میدهد نظرات ارائه شده در ابتدا تأثیر اندکی بر فرایند تصمیم خریداران بالقوه داشته ، و پس از گذشت زمان و با افزایش تعداد نظرات خریداران در اواسط دوره ،اندازه این تأثیر به نقطه اوج خود می‌رسد و سپس با گذشت زمان تأثیر این نظرات تجمیع شده بقدری است که بازخوردهای اخیر خریداران تایید شده تغییر چندانی بر فرایند تصمیم گیری خریدارن بالقوه و به تبع رتبه محصول ایجاد نمیکند. یافتههای این پژوهش نشان میدهد که خریدارن بالقوه یک محصول به نظرات اخیر کاربران عادی بیشتر رجوع میکنند و تأثیر نظرات ارائه شده توسط این کاربران در زمان شروع عرضه یک محصول در پایگاه آنلاین آمازون بر عملکرد فروش کمتر میباشد. شاید بتوان دلیل این نوع توزیع تأثیرگذاری را با استنباط خریداران بالقوه از میزان قابل اتکا بودن توصیه‌های خریداران تایید شده در ابتدای دوره و تمایز قائل شدن در میزان اهمیت نظرات این دو گروه مرتبط دانست. باتوجه به اثبات رابطه دو سویّه میزان تأثیرگذاری توصیهها و حجم نظرات در پژوهشهای متعدد نظیر رن، یو، شان و پراپویک( 2017)، ناکافی بودن حجم نظرات و به تبع کاهش استنباط از قابل اتکا بودن نظرات خریداران در ابتدای عرضه محصولات پدیده‌ای طبیعی به نظر می‌رسد.به مرور زمان و افزایش دامنه خریداران محصول و به تبع افزایش انتشار نظرات آنلاین از سوی آنها کم کم اتکا به این نظرات بیشتر میشود. در مرحله بعد و پس از رسیدن به نقطه اشباع ،برآیند این نظرات چنان قوی و در برگیرنده نقاط قوت و ضعف مشخصههای اصلی محصول از دیدگاه مصرف کنندگان میباشد که نظرات بعدی خریداران کمتر میتواند این اثر تجمیع شده تا آن زمان را تحت تغییرات جدی قرار دهد.همچنین میتوان استدلال کرد با افزایش حجم نظرات ثبت شده و اهمیت کمتر نظرات ثبت شده توسط کاربران عادی نسبت به خریداران تایید شده ، خریداران بالقوه در مرحله جست وجوی اطلاعات برای آگاهی در مورد محصولات ، بیشتر به برایند نظرات تجمیع شده خریداران تایید شده اهمییت داده و نهایتاً با توجه به قابلیت ابزارهای طراحی شده در پایگاه فروش آمازون ، نظرات اخیر کاربران عادی را بیشتر از نظرات دوره‌های قبلی آنها پالایش و بررسی مینمایند . در پژوهشهای پیشین رن، یو، شان و پراپویک( 2017) درصدد پاسخ به این پرسش بوده اند که آیا افزایش حجم فروش سبب افزایش نظرات ابراز شده مشتریان در فضای مجازی میشود و یا این که افزایش نظرات ابراز شده در ذیل صفحات اجتماعی، افزایش توجه مشتریان بالقوه و در نتیجه افزایش فروش محصول را در پی دارد؟ . بر اساس نتایج بدست آمده به طور خاص افزایش حجم فروش به عنوان یک عامل سبب افزایش حجم نظرات میشود و همچنین افزایش حجم نظرات، به خصوص افزایش نسبی حجم نظرات منفی، تغییر در حجم فروش را در پی دارد. نتـایج ایـن پژوهش با نتایج به دست آمده در پژوهش حاضر در بیشتر موارد در یک راستا هستند. در مطالعه رن و همکاران بیشتر تمرکز بر اثبات رابطه عِلّی بین حجم نظرات و عملکرد فروش بوده است ولی میزان تأثیر نظرات در طول زمان برآورد و شبیه سازی نشده است. نتایج این پژوهش با پژوهش عباسی، ابراهیمی و بیگی(1397) که مؤلفه کمیّت نظرات آنلاین ارائه شده را در کنار کیفیت ، اعتبار ، ویژگیهای ظاهری، عوامل موقعیتی، ویژگیهای فردی دریافت کننده و عوامل اجتماعی به عنوان مولفه‌های مؤثر بر پذیرش تبلیغات دهان به دهان الکترونیک در اینستاگرام شناسایی نموده اند، منطبق میباشد. همچنین موئن، ری آلپ و ری آلپ (2017) اثر تعدیلگر نوع محصول و شهرت محصول بر رابطه بین نظرات کاربران و فروش را بررسی نمودند و نتایج نشان داد که نظرات کاربران با فروش محصولات در ارتباط است، اگرچه این رابطه تحت تأثیر نوع محصول و شهرت محصول متفاوت میباشد، به طور مشخص، محصولاتی که دارای شهرت کمتری هستند، بیشترین تأثیر نسبی را از تبلیغات دهان به دهان می‌پذیرند، یعنی در این دسته از محصولات رابطه بین نظرات کاربران و فروش محصول قویتر است.تمرکز این پژوهش بیشتر بر بررسی نقش تعدیل گر شهرت بر تأثیر رابطه نظرات آنلاین و فروش محصولات است و نتایج مربوط به عوامل احصاشده در خصوص توصیه مشتری، تأییدکننده نتایج پژوهش حاضر هستند.
محدودیتها و پیشنهادهای پژوهشی
این پژوهش از لحاظ تئوریک به موضوع تأثیر توصیه مشتریان بر عملکرد فروش محصولات تجربی محـدود بـود. محـدودیت عمـده پژوهش عدم دسترسی به نظرات ثبت شده توسط خریداران و کاربران عادی به زبان‌های دیگر غیر از انگلیسی بود کـه بـه توسعه قابلیت‌های نرم افزارهای فعلی مورد استفاده در تحلیل نظرات و پژوهش در مقیـاس وسیع نیاز دارد. به پژوهشگران آتی توصیه میشود، بغیر از دامنه اصلی سایت آمازون در ایالات متحده ، در دامنه‌های دیگر پایگاه آمازون متعلق به سایرکشورها و زبان‌های دیگر پژوهشهایی انجام داده و نتیجه آن را با نتـایج پژوهش حاضر قیاس کنند. در حوزه بررسی رابطه تأثیرگذاری یا تأثیرپذیری توصیه مشتریان با سـایر متغیرهـا و مفـاهیم حوزه بازاریابی و مدیریت برند نیز پژوهش هایی قابل اجراست. موضوع هایی از قبیل تأثیر توصیه مشتریان در شکل گیری هویت برند در ذهن مصرف کنندگان و تأثیر این عامل بر وفاداری به برند یا تأثیرگذاری ارتباطات غیر رسمی مشتری به مشتری بر ارزش ویژه برند از جمله حوزه های پژوهشی نوین است. چارچوب معرفی شده در این پژوهش در زمینـه مطالعـه نظرات آنلاین خریدارن وکاربران پایگاه آمازون ، به محققان بازاریابی کمک میکند بتوانند بـا ایـن روش، نظرات ارائه شده در ذیل صفحات محصول در فروشگاههای آنلاین، اتاقهای گفتگو در شبکه های اجتماعی نظیر اینستاگرام ، کلاب هوز ،فیس بوک ، توئیتر و پیام رسان‌های اجتماعی نظیر واتس اپ وتلگرام را تحلیل نمایند.لذا پیشنهاد میشود با انتخاب محصولات عرضه شده به صورت مشترک در بین فروشگاه آمازون و سایت‌های فروش آنلاین معتبر ایرانی و تحلیل نظرات آنلاین ارایه شده در خصوص این محصولات به مقایسه تطبیقی میزان اثرگذاری متغیر توصیه مشتریان در بین مصرف کنندگان ایرانی و خارجی پرداخته شود.همچنین میزان اثر پذیری از متغیر توصیه مشتریان در فرایند خرید تصمیم گیری برای گروههای مختلف به لحاظ مشخصات دموگرافیکی نظیر جنسیت و تحصیلات و نیز به لحاظ بافت فرهنگی و خرده فرهنگ‌ها میتواند مورد بررسی و پژوهش قرارگیرد.
شرکتهای تولیدی و خدماتی که بخشی از سهم فروش خود را از طریق کانال آنلاین انجام میدهند میتوانند از نتایج حاصـل از ایـن پـژوهش در بعد کـاربردی اسـتفاده کننـد. ایـن تولیدکنندگان با درک بهتر از عوامل مؤثر بر رضایت مشتریان میتوانند برای بازنگری در استراتژی هـای بازاریـابی خـود به طور مؤثر و پویاتری برنامه ریزی نمایند و با شناسایی نقاط قوت و ضعف مشخصههای اصلی محصول خود از طریق تحلیل نظرات آنلاین مطرح شده در شبکههای اجتماعی و نه لزوماً نظرات ارسال شده در وب سایت اصلی شرکت ، محصـولاتی بـا ویژگیهای مورد انتظار مشتریان، به بازار ارائه دهند.
در آخربه پژوهشگران آتی پیشنهاد میشود نتایج مستخرج از پژوهش حاضر را در قالب پژوهشهای کیفی و یا آمیخته در کسب وکارهای مبتنی بر شبکههای اجتماعی داخلی بررسی کنند تا نتایج به دست آمده بررسی شده و با هم مقایسه شوند.
پی نوشتها
* دانشجوی دکترا، گروه مدیریت،دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، اصفهان، ایران
** استادیار، گروه مدیریت، دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، اصفهان، ایران. rezaei@ase.ui.ac.ir
*** استاد، گروه مدیریت، دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، اصفهان، ایران
فصلنامه علوم مدیریت ایران، سال شانزدهم، شمارۀ 63، پاییز 1400، صفحه 29-1
عباسی, عباس, ابراهیمی, ابوالقاسم، بیگی،جمال. (1397) شناسایی عوامل مؤثر بر پذیرش تبلیغات دهان‌به‌دهان الکترونیک در اینستاگرام. نشریه علمی راهبردهای بازرگانی, 15(12), 17-30.
قیاسوند, محمد امین ، حبیبی، علیرضا. (1399). بررسی تأثیر سهولت خرید آنلاین بر تمایلات رفتاری و تبلیغات دهان به دهان الکترونیک با نقش میانجی رضایت مشتری (مطالعه موردی: مشتریان شرکت همراه اول). فصلنامه علمی تخصصی رویکردهای پژوهشی نوین در مدیریت و حسابداری, 4(33), 37-52.
کاتلر، فلیپ (1396). مدیریت بازاریابی، ترجمه: بهمن فروزنده، نشر آموخته، چاپ بیست و یکم.
موسوی, سید محسن, امیری عقدایی, سید فتح اله. (1399). شناسایی عناصر سازنده «ارزش پیشنهادی به مشتری» و تأثیر آنها بر رضایت مشتری با استفاده از تحلیل احساسات بر مبنای متن‌کاوی. مدیریت بازرگانی, 12(4), 1092-1116
Al Medani, T., Sahin, C., & Esiyok, E. (2021). A Study on Influencers' Role in the Buying-Decision Process Within the Context of Word-of-Mouth Marketing: A Comparison Between USA and Turkey. In Handbook of Research on New Media Applications in Public Relations and Advertising (pp. 149-158). IGI Global.
Almutairi, Y., & Abdullah, M. (2020). IRHM: Inclusive Review Helpfulness Model for Review Helpfulness Prediction in E-commerce Platform. Journal of Information Technology Management, 12(2), 184-197.
Anderson, C. K. (2012). The impact of social media on lodging performance. Cornell Hospitality Report, 12(15), 4-11.
Arsal, I., Woosnam, K. M., Baldwin, E. D., & Backman, S. J. (2010). Residents as travel destination information providers: An online community perspective. Journal of Travel Research, 49(4), 400-413.
Basu, S. (2019). Information search in the internet markets: Experience versus search goods. Electronic Commerce Research and Applications, 30, 25-37.
Bhandari, M., & Rodgers, S. (2018). What does the brand say? Effects of brand feedback to negative eWOM on brand trust and purchase intentions. International Journal of Advertising, 37(1), 125–141.
Brisson, L., & Torrel, J. C. (2015). Opinion mining on experience feedback: A case study on smartphones reviews. In Research Challenges in Information Science (RCIS), 2015 IEEE 9th International Conference on (pp. 187-192). IEEE.
Doyle, C. (2011). A Dictionary of Marketing. Oxford University Press.
Dreisbach, C., Koleck, T. A., Bourne, P. E., & Bakken, S. (2019). A systematic review of natural language processing and text mining of symptoms from electronic patientauthored text data. International journal of medical informatics, 125, 37-46.
Gavilan, D., Avello, M., & Martinez-Navarro, G. (2018). The influence of online ratings and reviews on hotel booking consideration. Tourism Management, 66, 53-61.
Goldsmith, R.E., & Horowitz, D. (2006). Measuring motivations for online opinion seeking. Journal of Interactiv Advertising, 3-14.
Greven, S., & Scheipl, F. (2017). A general framework for functional regression modelling. Statistical Modelling, 17(1-2), 1-35.
Guadalupi, C. (2018). Learning quality through prices and word‐of‐mouth communication. Journal of Economics & Management Strategy, 27(1), 53-70.
Guo, J., Wang, X., & Wu, Y. (2020). Positive emotion bias: Role of emotional content from online customer reviews in purchase decisions. Journal of Retailing and Consumer Services, 52, 101891.
Haddara, M., Hsieh, J., Fagerstrøm, A., Eriksson, N., & Sigurðsson, V. (2020). Exploring customer online reviews for new product development: The case of identifying reinforcers in the cosmetic industry. Managerial and Decision Economics, 41(2), 250-273.
Hennig-Thurau, T., Walsh, G., & Walsh, G. (2003). Electronic word-of-mouth: Motives for and consequences of reading customer articulations on the Internet. International journal of electronic commerce, 8(2), 51-74.
Keller, K. L., & Swaminathan, V. (2020). Strategic brand management: Building, measuring, and managing brand equity. Harlow: Pearson.
Kokoszka, P., & Reimherr, M. (2017). Introduction to functional data analysis. CRC press.
Lee, K., Lee, B., & Oh, W. (2015). Thumbs up, sales up? The contingent effect of Facebook likes on sales performance in social commerce. Journal of Management Information Systems, 32(4), 109-143.
Lee, S., & Choeh, J. Y. (2018). The interactive impact of online word-of-mouth and review helpfulness on box office revenue. Management Decision, 56(4), 849-866.
Liu, C., Wang, S., & Jia, G. (2020). Exploring E-Commerce Big Data and Customer-Perceive Value: An Empirical Study on Chinese Online Customers. Sustainability, 12(20), 8649.
managing brand equity 3rd ed. New York: Prentice Hall.
Moen, Ø., Rialp, A., & Rialp, J. (2020). Examining the importance of social media and other emerging ICTs in far distance internationalisation: The case of a Western exporter entering China. In International business and emerging economy firms (pp. 221-251). Palgrave Macmillan, Cham.
Mostafa, M. M. (2013). More than words: Social networks’ text mining for consumer bran sentiments. Expert Systems with Applications, 40(10), 4241-4251.
Phillp Nelson. Information and consumer behavior. Journal of Political Economy, 78(2):311–329, 1970. Economic Review, 79(4):700–712, 1989.
Ramsay, J. O., & Silverman, B. W. (2005). Principal components analysis for functional data. Functional data analysis, 147-172.
Ren, J., Yeoh, W., Shan Ee, M., & Popovič, A. (2017). Online consumer reviews and sales: Examining the chicken‐egg relationships. Journal of the Association for Information Science and Technology, 69(3), 449-460.
Ryu, S., & Park, J. (2020). The effects of benefit-driven commitment on usage of social media for shopping and positive word-of-mouth. Journal of Retailing and Consumer Services, 55, 102094.
Salehan, M., & Kim, D. J. (2016). Predicting the performance of online consumer reviews: A sentiment mining approach to big data analytics. Decision Support Systems, 81, 30-40.
See-To, E. W., & Ho, K. K. (2014). Value co-creation and purchase intention in social network sites: The role of electronic Word-of-Mouth and trust–A theoretical analysis. Computers in Human Behavior, 31, 182-189.
Shankar, S. R. (2020). E-Sources and Types of Information: A Descriptive Analysis of Tourists' Perspectives. IUP Journal of Marketing Management, 19(4), 55-67.
Shin, H., Perdue, R. R., & Pandelaere, M. (2020). Managing customer reviews for value co-creation: An empowerment theory perspective. Journal of Travel Research, 59(5), 792-810.
Adedoyin-Olowe, M., Gaber, M. M., & Stahl, F. (2013). A survey of data mining techniques for social media analysis. arXiv preprint arXiv:1312.4617.
Steffes, E. M., & Burgee, L. E. (2009). Social ties and online word of mouth. Internet research, 19(1), 42-59.
Tseng, T. H., Chang, S. H., Wang, Y. M., Wang, Y. S., & Lin, S. J. (2021). An Empirical Investigation of the Longitudinal Effect of Online Consumer Reviews on Hotel Accommodation Performance. Sustainability, 13(1), 193.
Viglia, G., Minazzi, R., & Buhalis, D. (2016). The influence of e-word-of-mouth on hotel occupancy rate. International Journal of Contemporary Hospitality Management, 28(9), 2035-2051.
Wang, W., & Benbasat, I. (2009). Trust and TAM for online recommendation agents. AMCIS 2004 Proceedings, 244.
Zhai, Q., Cao, X., Mokhtarian, P. L., & Zhen, F. (2017). The interactions between e-shopping and store shopping in the shopping process for search goods and experience goods. Transportation, 44(5), 885-904.
Zhan, Y., Tan, K. H., Li, Y., & Tse, Y. K. (2018). Unlocking the power of big data in new product development. Annals of Operations Research, 270(1‐2), 577–595.
Zhu, F., & Zhang, X. (2010). Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics. Journal of marketing, 74(2), 133-148.
)