سامانه مدیریت نشریات علمی دانشگاه شهید بهشتی

فضل‌الله‌تبار, حامد. (1403). ارزیابی جامع متغیرها و شاخص های رضایت کسب و کار الکترونیکی در مدل فروشنده-مصرف کننده با روش تابع تصمیم مذاکره. , 14(3), 9-23. doi: 10.48308/jimp.14.3.9
حامد فضل‌الله‌تبار. "ارزیابی جامع متغیرها و شاخص های رضایت کسب و کار الکترونیکی در مدل فروشنده-مصرف کننده با روش تابع تصمیم مذاکره". , 14, 3, 1403, 9-23. doi: 10.48308/jimp.14.3.9
فضل‌الله‌تبار, حامد. (1403). 'ارزیابی جامع متغیرها و شاخص های رضایت کسب و کار الکترونیکی در مدل فروشنده-مصرف کننده با روش تابع تصمیم مذاکره', , 14(3), pp. 9-23. doi: 10.48308/jimp.14.3.9
فضل‌الله‌تبار, حامد. ارزیابی جامع متغیرها و شاخص های رضایت کسب و کار الکترونیکی در مدل فروشنده-مصرف کننده با روش تابع تصمیم مذاکره. , 1403; 14(3): 9-23. doi: 10.48308/jimp.14.3.9

ارزیابی جامع متغیرها و شاخص های رضایت کسب و کار الکترونیکی در مدل فروشنده-مصرف کننده با روش تابع تصمیم مذاکره

چشم‌انداز مدیریت صنعتی
دوره 14، شماره 3 - شماره پیاپی 55، 1403، صفحه 9-23    اصل مقاله (945.66 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.48308/jimp.14.3.9
نویسنده
حامد فضل‌الله‌تبار*
دانشیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه دامغان، دامغان، ایران.
چکیده
مقدمه و اهداف: تجارت الکترونیکی باعث تغییر رفتارهای سنتی تجارت شده است، زیرا مصرف‌کنندگان می‌توانند از طریق پلتفرم تجارت الکترونیکی، به راحتی خرید خود را انجام دهند. بستر اینترنت، محصولات و خدمات بی‌شماری را ارائه می‌دهد، اما مصرف‌کنندگان ممکن است به سختی بتوانند محصولات مورد علاقه خود را انتخاب کنند. در سال‌های اخیر، مدل فروشنده-مصرف‌کننده محبوبیت بسیاری پیدا کرده است و یکی از بهترین گزینه‌ها برای مشتریانی است که به صورت گروهی خرید می‌کنند. با این حال، استفاده‌کنندگان معتقدند که این روش منجر به بالا رفتن تقاضای خدمات می‌شود و در نتیجه، قیمت‌ها افزایش می‌یابد.
روش‌ها: استفاده از یک عامل هوشمند در مذاکره می‌تواند به طور موثری، تلاش‌های صرف شده برای جمع‌آوری اطلاعات خریداران و هزینه‌های معامله و مذاکره با فروشندگان را کاهش دهد. این مطالعه یک عامل هوشمند را در فرآیند تجارت الکترونیکی فروشنده-مصرف‌کننده اعمال نموده و سیستم را از طریق آزمایش ارزیابی می‌کند. به‌علاوه، از یک پرسشنامه برای بررسی مزایای سیستم‌های عامل هوشمند پیشنهادی استفاده می‌شود. نوآوری‌های پژوهش حاضر شامل، شناسایی و دسته‌بندی متغیرهای موثر بر خرید فروشنده-مصرف‌کننده، طراحی مکانیزم مذاکره و ارزیابی رضایت کسب و کار می‌باشد. محدودیت مهم این پژوهش، متمرکز بر گردآوری داده‌ها و حجم نمونه مورد مطالعه بوده است. 
یافته‌ها: نتایج تحلیلی نشان می‌دهد که سیستم هوشمند پیشنهادی می‌تواند ریسک عملکرد را کاهش و رضایت کاربران و انصاف را افزایش دهد. 50 شرکت کننده از 23 تا 27 سال در این آزمایش وجود دارند. رایج‌ترین روش تخمین قابلیت اطمینان این نوع مقیاس‌ها با ضریب  است. با توجه به حداقل معیار قابل قبول، اگر  بیشتر از 0.7 باشد، قابلیت اعتبار بیشتری دارد و اگر  کمتر از 0.35 باشد، قابلیت اعتبار کمتر بوده و باید رد شود. نتایج تحلیل این نشان می‌دهد که  در این مطالعه 0.844 است و از این رو اعتبار بیشتری دارد. در این مطالعه، ارزش درک شده هیچ تفاوت معناداری بین قبل و بعد استفاده از این سیستم ندارد. این نشان می‌دهد که عامل هوشمند می‌تواند ارزش سیستم تجارت فروشنده-مصرف‌کننده را افزایش دهد. هنگامی که شرکت‌کنندگان از سیستم‌عامل درگیر استفاده می‌کنند، ارزش مشترک ممکن است نگرانی اصلی مشتری نباشد. کاربر می‌تواند از این سیستم آزمایشی کمک دریافت کند، اما شرکت‌کنندگان هدف خاصی برای استفاده از این سیستم ندارند. این باید به دلیل زمان محدود آزمایش باشد. در چنین زمان کوتاهی با استفاده از سیستم پیشنهادی، شرکت‌کنندگان نمی‌توانند هدف یا زیاده‌خواهی مشخصی برای استفاده از این سیستم داشته باشند. بنابراین، نتایج تحلیلی نشان می‌دهد که این سیستم رضایت بالاتر، انصاف درک شده بیشتر و ریسک درک شده کمتری دارد، اما کاربران نگرش خنثی نسبت به ارزش درک شده و استفاده از این سیستم دارند.
نتیجه‌گیری: هنوز ارزش این سیستم درک نشده است و نشان می‌دهد که این سیستم نیاز به تبلیغ بیشتری در تجارت امروزی دارد تا ارزش آن برای مصرف‌کنندگان بیشتر مشخص شود. از نظر کاربردی نیز به فعالان حوزه تجارت اکترونیک پیشنهاد می‌گردد، فرایند مذاکره جهت متقاعدسازی کاربران را از طریق هوشمندسازی اجرا نمایند تا بتوانند جنبه‌های رضایت‌مندی مشتری را شناسایی و بر مبنای آن مهندسی مجدد و طراحی دوباره فرایندها و محصولات را عملیاتی نمایند. علاوه بر این، این سیستم نه تنها برای فروشنده-مصرف‌کننده قابل استفاده است، بلکه می‌تواند به سایر مدل‌های تجارت الکترونیکی نیز انتقال یابد، زیرا نماینده می‌تواند به مذاکره بین فروشندگان و خریداران کمک کند.
کلیدواژه‌ها
تجارت الکترونیک فروشنده-مصرف‌کننده؛ مذاکره؛ عامل هوشمند؛ ارزیابی؛ تابع تصمیم مذاکره
عنوان مقاله [English]
Comprehensive Evaluation of E-business Satisfaction Variables and Indicators in B2C Model Using the Negotiation Decision Function Method
نویسندگان [English]
Hamed Fazlollahtabar
Associate Professor, Department of Industrial Engineering, Technical and Engineering Faculty, Damghan University, Damghan, Iran.
چکیده [English]
Introduction and Objectives: E-commerce has transformed traditional business behaviors, as consumers can easily make purchases through e-commerce platforms. The internet offers countless products and services, but consumers may struggle to choose their preferred products. In recent years, the B2C customer-seller model has gained significant popularity and is one of the best options for group-buying customers. However, users believe that this method increases the demand for services, which in turn leads to price increases.
Methods:
Using an intelligent agent in negotiations can effectively reduce the efforts spent on gathering buyer information and the costs of transactions and negotiations with sellers. This study applies an intelligent agent to the B2C e-commerce process and evaluates the system through testing. Additionally, a questionnaire is used to assess the benefits of the proposed intelligent system. The innovations of this research include identifying and categorizing variables affecting the business to customer purchase, designing a negotiation mechanism, and evaluating business satisfaction. A key limitation of this research is the data collection process and the sample size studied.
Results and discussion: Analytical results indicate that the proposed intelligent system can reduce operational risk while increasing user satisfaction and perceived fairness. Fifty participants, aged 23 to 27, were involved in this experiment. The most common method for estimating the reliability of such scales is the α coefficient. Based on the minimum acceptable criterion, if α is greater than 0.7, it has higher reliability, and if α is less than 0.35, it has lower reliability and should be rejected. The analysis shows that α in this study is 0.844, which indicates higher reliability. In this study, the perceived value shows no significant difference before and after using this system, indicating that the intelligent agent can enhance the value of the business to customer trading system. When participants engage with the platform, shared value may not be the primary concern. The user can receive assistance from this experimental system, but participants did not have a specific goal for using the system, likely due to the limited time of the experiment. In such a short period, participants were unable to form clear objectives or expectations for using the system. Therefore, the analytical results suggest that the system offers higher satisfaction, greater perceived fairness, and lower perceived risk, but users have a neutral attitude toward the perceived value and use of the system.
 Conclusion: The value of this system is not yet fully understood, indicating that it requires more promotion in today's commerce to better reveal its benefits to consumers. From a practical perspective, it is recommended that e-commerce practitioners implement negotiation processes through intelligent systems to identify customer satisfaction aspects, which can then be used for re-engineering and redesigning processes and products. Moreover, this system is not only applicable to the B2C, but can also be extended to other e-commerce models, as the agent can facilitate negotiations between sellers and buyers.
 
کلیدواژه‌ها [English]
B2C e-commerce, negotiation, intelligence agent, evaluation, Negotiation Decision Function
مراجع
  1. Abumalloh, R.A., Ibrahim, O. & Nilashi, M. (2020). Loyalty of young female Arabic customers towards recommendation agents: A new model for B2C E-commerce. Technology in Society, 61, 101253.
  2. Chakraborty, A., Shankar, R. & Marsden, J.R. (2022). An empirical analysis of consumer-unfriendly E-commerce terms of service agreements: Implications for customer satisfaction and business survival. Electronic Commerce Research and Applications, 53, 101151.
  3. Chen, X., Miraz, M.H., Issa Gazi, Md.A., Rahaman, Md.A., Habib, Md. M. & Hossain, A.I. (2022). Factors affecting cryptocurrency adoption in digital business transactions: The mediating role of customer satisfaction. Technology in Society, 70, 102059.
  4. Cho, N. & Sangyauk, P. (2001). Development of electronic commerce user-consumer satisfaction index (ECUSI) for internet shopping. Industrial Marketing Science, 24, 3-16.
  5. Fazlollahtabar, H. (2021). An intelligent sales management system based on Internet of Things and Bayesian network. Industrial Management Perspective, 11(4), 59-84 (In Persian).
  6. Ferreira, M.S., Antão, J., Pereira, R., Bianchi, I.S., Tovma, N. & Shurenov, N. (2023). Improving real estate CRM user experience and satisfaction: A user-centered design approach. Journal of Open Innovation: Technology, Market, and Complexity, 9(2),
  7. Laghridat, C. & Essalih, M. (2023). A Set of Measures of Centrality by Level for Social Network Analysis. Procedia Computer Science, 219, 751-758.
  8. Liang, C-C., Liang, W-Y. & Tseng, T-L. (2019). Evaluation of intelligent agents in consumer-to-business e-Commerce. Computer Standards & Interfaces, 65, 122-131.
  9. Lin, C.C. (2003). A Critical Appraisal of Customer Satisfaction and E-Commerce. Managerial Accounting Journal, 8 (3), 202-212.
  10. Nisar, T.M. and Prabhakar, G. (2017). What factors determine e-satisfaction and consumer spending in e-commerce retailing? Journal of Retailing and Consumer Services, 39, 135-144.
  11. Saffu, K., Walker, J. H. & Hinson, R. (2018). Strategic Value and Electronic Commerce Adoption among Small and Medium-sized Enterprises in a Transitional Economy. Journal of Business & Industrial Marketing, 23, 395-404.
  12. Siegel, R., König, C.J. & Lazar, V. (2022). The impact of electronic monitoring on employees' job satisfaction, stress, performance, and counterproductive work behavior: A meta-analysis. Computers in Human Behavior Reports, 8, 100227.
  13. Sumrit, & Sowijit, K. (2023). Winning customer satisfaction toward omnichannel logistics service quality based on an integrated importance-performance analysis and three-factor theory: Insight from Thailand. Asia Pacific Management Review. In press.
  14. Toosi, M.A., Sadat Rasool, S.M. & Shafia, S. (2021). Identifying factors affecting customer experience and the effect of customer satisfaction on repurchasing behavior in online retail stores (case study: Digikala). Industrial Management Perspectives, 11(1), 271-293 (In Persian).
  15. Zaremirakabad, A., Niazi, I., & Salehi, S. (2011). Foresight of key technologies in Iran's ICT industry with an emphasis on identifying business models. Industrial Management Perspective, 1(4), 107-130 (In Persian).
آمار
تعداد مشاهده مقاله: 2,166
تعداد دریافت فایل اصل مقاله: 1,341