همآهنگسازی در اکوسیستمهای بازاریابی: بازیگران، سازوکارها و پیامدها | ||
| چشم انداز مدیریت بازرگانی | ||
| مقاله 5، دوره 24، شماره 63، مهر 1404، صفحه 90-115 اصل مقاله (1013.04 K) | ||
| نوع مقاله: علمی - پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/jbmp.2025.240955.1698 | ||
| نویسندگان | ||
| سارا میرزا ابوالحسن خان ایلچی؛ معصومه حسین زاده شهری* ؛ منیژه حقیقی نسب | ||
| گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران. | ||
| چکیده | ||
| اهداف: در اقتصاد دیجیتال و بههمپیوسته، بازاریابی از روابط بنگاه- مشتری فراتر رفته و به یک نظام پویا چندبازیگری تبدیل شده است که در آن شرکتها، پلتفرمها و مشتریان بهصورت مشترک به خلق و مبادله ارزش میپردازند. با وجود رشد پژوهشها درباره اکوسیستمهای بازاریابی، فقدان یک چارچوب نظری که توضیح دهد سازوکارهای همآهنگسازی چگونه بازیگران و منابع متنوع را همراستا میکنند، احساس میشود. این پراکندگی، درک جامع از چگونگی همآفرینی ارزش در بسترهای پیچیده و دادهمحور را محدود کردهاست. این پژوهش با هدف توسعه چارچوب مفهومی و یکپارچه برای درک همآهنگسازی اکوسیستمهای بازاریابی انجام شدهاست و به بررسی ابعاد اصلی، سازوکارهای زیربنایی و پیامدهای حاصل از آن میپردازد. درک شود چگونه همآهنگسازی از طریق بازیگران و مولفههای گوناگون شکل میگیرد و این عناصر در بستر اکوسیستمهای دیجیتال چه نوع تعاملاتی با یکدیگر برقرار میکنند. همچنین، نحوه همزیستی و تکامل سازوکارهای همآهنگسازی در زمینههای مختلف فناورانه و بازار بررسی میشود. در نهایت، پیامدهای همآهنگسازی را در سطوح مختلف بازار، سازمان، برند و جامعه مورد توجه است. روش پژوهش: در این مطالعه از رویکرد آمیخته استفاده شدهاست. در فاز نخست، مرور نظاممند ادبیات در پایگاههای معتبر علمی داخلی و خارجی مانند وب آوساینس در بازه زمانی ۲۰۰۵ تا ۲۰۲۵ انجام شد. از میان ۱۴۷ نتیجه اولیه، پس از غربالگری و ارزیابی شایستگی، مطابق با دستورالعملهای پریزما، ۲۱ مطالعه انتخاب شد. دادههای کیفی با استفاده از تحلیل مضمون و نرمافزار مکسکیودا تحلیل شد تا کدها، زیرمضامین و ابعاد کلان استخراج شود. پایایی کدگذاران با ضریب کاپای کوهن (۰٫۷۱) بررسی شد که نشاندهنده توافق قابلقبول است. در فاز دوم، از روش دیمتل برای شناسایی روابط علّی میان عوامل کلیدی استفاده شد. هفت معیار (C1–C7) توسط ۱۲ خبره (شش دانشگاهی و شش متخصص بازاریابی دیجیتال و طراحی اکوسیستم) با مقیاس پنجدرجهای (۰ = بدون تاثیر تا ۴ = تأثیر بسیار زیاد) ارزیابی شد. ماتریسهای روابط مستقیم و کل محاسبه گردید و شاخصهای اثرگذاری (R)، وابستگی (C)، برجستگی (R+C) و نقش علّی (R–C) با استفاده از اکسل 2021 تحلیل شد. یافتهها: از فراترکیب، سه بعد اصلی همآهنگسازی شناسایی شد. بازیگران شامل سازمانهای سطح کلان، نهادهای تنظیمگر، تامینکنندگان فناوری/داده، تیمهای داخلی و کاربران نهایی است. سازوکارها نیز شش بخش یکپارچگی دیجیتال، پلتفرمهای همآفرینی، چابکی بازار، بازاریابی پیشبینانه/شخصیسازیشده، تحول سازمانی و توسعه سرمایه انسانی است. پیامدها شامل گسترش بازار و رقابتپذیری، بهبود عملکرد و چابکی، تقویت درگیری و وفاداری به برند، و پایداری اجتماعی/محیطزیستی است. تحلیل ابرواژه نشان داد «بازاریابی»، «مشتری»، «اکوسیستم» و «داده» پرتکرارترین واژهها هستند. چارچوب مفهومی این یافتهها را یکپارچه میسازد و همآهنگسازی را بهعنوان یک قابلیت راهبردی چندسطحی معرفی میکند که پیونددهنده توانمندسازهای فناورانه، ساختارهای سازمانی و فرایندهای همکاری است. تحلیل دیمتل روابط علّی میان هفت عامل اصلی را تایید کرد. تامینکنندگان فناوری و داده (C2) و یکپارچگی دیجیتال (C3) بهعنوان محرکهای علّی اصلی شناسایی شدند، در حالی که بازاریابی شخصیسازیشده/پیشبینانه (C5) و ارزش مشتری (C6) نقش پیامدی و وابسته داشتند. چابکی سازمانی (C7) نقش متعادلکننده و بازخوردی ایفا کرد و میان توانمندسازهای فناورانه و نتایج مشتریمحور میانجیگری نمود. شبکه علّی کلی نشان داد که تقویت بنیانهای فناورانه و زیرساخت داده برای تحقق ارزش مشتریمحور و حفظ پایداری اکوسیستم ضروری است. نتیجهگیری: این پژوهش چارچوب یکپارچه و چندسطحی برای درک همآهنگسازی در اکوسیستمهای بازاریابی ارائه کردهاست. نتایج نشان داد همآهنگسازی فرایندی خطی یا کنترلمحور نیست، بلکه سازوکار توزیعشده برای هماهنگی است که بازیگران متنوع برای خلق ارزش مشترک همراستا میکند. یکپارچگی فناورانه و دیجیتال بهعنوان توانمندسازهای اصلی مطرحاند، در حالی که چابکی، شخصیسازی و همآفرینی ارزش پیامدهای راهبردی بهشمار میروند. از منظر نظری، مطالعه با یکپارچهسازی ادبیات پراکنده و برجستهسازی تعامل میان سازوکارهای فناورانه، انسانی و ساختاری همآهنگسازی، به ادبیات موجود کمک میکند. از منظر مدیریتی و بر مبنای یافتهها پیشنهاد میشود رهبران از رویکرد کنترلمحور به رویکرد تسهیلگرانه حرکت کنند و قابلیتها در تحلیلهای پیشبینانه، مدیریت پلتفرم و یادگیری میانسازمانی توسعه دهند. محدودیتها شامل اتکا به دادههای کیفی ثانویه، تعمیمپذیری محدود میان صنایع و حجم نمونه کوچک خبرگان است. پژوهشهای آتی میتوانند چارچوب پیشنهادی را بهصورت تجربی در بازارهای نوظهور اعتبارسنجی کنند و نقش هوش مصنوعی، یادگیری ماشین و بلاکچین را در توسعه اکوسیستمها بررسی نمایند. | ||
| کلیدواژهها | ||
| اکوسیستمهای بازاریابی؛ همآهنگسازی؛ همآهنگسازی استراتژیک؛ بازاریابی دیجیتال | ||
| عنوان مقاله [English] | ||
| Orchestration in Marketing Ecosystems: Actors, Mechanisms, and Outcomes | ||
| نویسندگان [English] | ||
| sara mirza abo alhassan khan ilchi؛ Masoumeh Hosseinzadeh Shahri؛ Manijeh Haghighinasab | ||
| Department of Management, Faculty of Social Sciences and Economics, Alzahra University, Tehran, Iran. | ||
| چکیده [English] | ||
Objectives: In the digital and interconnected economy, marketing has evolved beyond dyadic firm-customer relationships into a dynamic multi-actor system in which companies, platforms, and customers jointly create and exchange value. Despite growing research on marketing ecosystems, there remains a lack of theoretical framework explaining how orchestration mechanisms align diverse actors and resources. This fragmentation limits a comprehensive understanding of how value co-creation occurs in complex, data-driven contexts. This study aims to develop a conceptual and integrative framework that explains the dimensions, mechanisms, and outcomes of orchestration within marketing ecosystems. This study seeks to develop a conceptual and integrative framework for understanding orchestration in marketing ecosystems by examining its core dimensions, underlying mechanisms, and resulting outcomes. Specifically, the research investigates how orchestration is constituted through different actors and components, and how these elements interact within digitally enabled ecosystems. It further explores the ways in which orchestration mechanisms evolve and coexist across diverse technological and market contexts, reflecting the dynamic nature of contemporary marketing environments. Finally, the study examines the outcomes of orchestration at multiple levels, including market dynamics, organizational performance, brand-related outcomes, and broader societal implications, thereby providing a comprehensive and multi-level understanding of value co-creation in marketing ecosystems. Methods: This study adopts a mixed-method approach. In the first phase, a systematic literature review was conducted across major databases including Web of Science, ScienceDirect, and reputable Persian sources, covering the period 2005–2025. From an initial 147 records, after screening and eligibility assessment, 21 studies were selected following PRISMA guidelines. Qualitative data were analyzed through thematic analysis using MAXQDA 2024 software to extract codes, sub-themes, and overarching dimensions. Inter-coder reliability was verified using the Cohen’s Kappa coefficient (0.71), indicating substantial agreement. In the second phase, the Decision-Making Trial and Evaluation Laboratory (DEMATEL) method was employed to identify causal relationships among the key factors. Seven criteria derived from the synthesis (C1-C7) were rated by 12 experts (six academics and six specialists in digital marketing and ecosystem design) using a five-point scale (0 = no influence to 4 = very high influence). Direct-relation and total-relation matrices were computed, and key indices impact (R), dependence (C), prominence (R+C), and causal role (R–C) were analyzed in Excel 2021. Findings: The meta-synthesis revealed three main dimensions of orchestration. Actors, comprising macro-level organizations, regulatory institutions, technology/data providers, internal teams, and end users. Mechanisms, consisting of six integrated categories: digital integration, co-creation platforms, market agility, predictive/personalized marketing, organizational transformation, and human-capital development. Outcomes, including market expansion and competitiveness, enhanced performance and agility, stronger brand engagement and loyalty, and social/environmental sustainability.The word-cloud analysis indicated that marketing, customer, ecosystem, and data were the most frequent terms. The conceptual framework integrates these findings, positioning orchestration as a multi-level strategic capability linking technological enablers, organizational structures, and collaborative processes.The DEMATEL analysis confirmed causal relationships among the seven core factors. Technology and data suppliers (C2) and digital integration (C3) emerged as major causal drivers, while personalized/predictive marketing (C5) and customer value (C6) acted as dependent outcomes. Organizational agility (C7) played a balancing and feedback role, mediating between technological enablers and customer-centered results. The overall causal network showed that strengthening technological foundations and data infrastructure is essential for realizing customer-centric value and maintaining ecosystem sustainability. Conclusion: The study introduces an integrative and multi-level framework for understanding orchestration in marketing ecosystems. It highlights that orchestration is not a linear or control-based process but a distributed coordination mechanism that aligns diverse actors toward shared value creation. Technological and digital integration are primary enablers, while agility, personalization, and value co-creation represent strategic outcomes. Theoretically, the study contributes by unifying fragmented literature and emphasizing the interplay between technological, human, and structural orchestration mechanisms. Managerially, it suggests that marketing leaders should move from control to facilitation by developing capabilities in predictive analytics, platform management, and cross-organizational learning. Limitations include reliance on secondary qualitative data, limited generalizability across industries, and a small expert sample. Future research should empirically validate the framework in emerging markets and explore the roles of AI, machine learning, and blockchain in developing self-orchestrated ecosystems. | ||
| کلیدواژهها [English] | ||
| Marketing Ecosystems, Orchestration, Strategic Orchestration, Digital Marketing | ||
| مراجع | ||
|
Adner, R. (2017). Ecosystem as structure: An actionable construct for strategy. Journal of Management, 43(1), 39–58. https://doi.org/https://doi.org/10.1177/0149206316678451 Aguirre, R. T. P., & Bolton, K. W. (2014). Qualitative interpretive meta-synthesis in social work research: Uncharted territory. Journal of Social Work, 14(3), 279–294. https://doi.org/10.1177/1468017313476797 Ahmadi, F., Meigounpoory, M. R., & Sadeghi, H. (2021). Providing a model for accelerating the cooperation of large companies with small businesses. Journal of Business Management Perspective, 20(46), 13–37. https://doi.org/https://doi.org/10.52547/jbmp.20.46.13 Barbosa, B. (2024). Contemporary trends in innovative marketing strategies. IGI Global. https://doi.org/10.4018/979-8-3693-1231-5 Bergdahl, E. (2019). Is meta‐synthesis turning rich descriptions into thin reductions? A criticism of meta‐aggregation as a form of qualitative synthesis. Nursing Inquiry, 26(1), e12273. https://doi.org/https://doi.org/10.1111/nin.12273 Braun, V., & Clarke, V. (2012). Thematic analysis. American Psychological Association. https://doi.org/https://doi.org/10.1177/14697874211039077 Burgess, C., & Burgess, M. (2020). The new marketing: how to win in the digital age. https://uk.sagepub.com/en-gb/eur/the-new-marketing/book265613 Cooper, M., Harrell, M. B., & Perry, C. L. (2016). A qualitative approach to understanding real-world electronic cigarette use: implications for measurement and regulation. Preventing Chronic Disease, 13, E07. https://doi.org/10.5888/pcd13.150502 Coutinho, G. L., Wells, P., & Consoni, F. L. (2025). Creating the market for electric mobility in Brazil. In The Routledge Companion to Marketing and Sustainability (pp. 288–301). Routledge. https://www.taylorfrancis.com/chapters/edit/10.4324/9781003412397-24/creating-market-electric-mobility-brazil-gabriel-coutinho-peter-wells-flávia-consoni Coutinho, M. F., Dias, Á. L., & Pereira, L. F. (2023). Credibility of social media influencers: impact on purchase intention. Human Technology, 19(2), 220–237. https://doi.org/10.14254/1795-6889.2023.19-2.5 Davenport, T. H., & Phillips, J. (2016). The future of marketing automation. Applied Marketing Analytics, 2(3), 213–224. https://doi.org/10.69554/TMBJ3607 Dessaigne, E., & Pardo, C. (2020). The network orchestrator as steward: Strengthening norms as an orchestration practice. Industrial Marketing Management, 91, 223–233. https://doi.org/10.1016/j.indmarman.2020.09.007 Duah, F. A., Abeeku Bamfo, B., & Serbe Marfo, J. (2024). Marketing capability and firm performance: the mediating role of resource orchestration capability. Cogent Social Sciences, 10(1), 2318880. https://doi.org/10.1080/23311886.2024.2318880 Fontela, E., & Gabus, A. (1976). Current perceptions of the world problematique. World Modeling: A Dialogue. North-Holland Publishing Company, Amsterdam/Oxford. Gambhir, V., Asnate-Salazar, E., Prithi, M., Alvarado-Tolentino, J., & Tongkachok, K. (2022). Using Artificial Intelligence and Deep Learning Methods to Analysis the Marketing Analytics and Its Impact on Human Resource Management Systems. Communications in Computer and Information Science, 1591 CCIS, 345–353. https://doi.org/10.1007/978-3-031-07012-9_30 Gicquel, R., Lambert, P.-A., Gicquel, R., & Lambert, P.-A. (2020). Installed Base Selling, a Company Culture: A change management journey. Using Installed Base Selling to Maximize Revenue: A Step-by-Step Approach to Achieving Long-Term Profitable Growth, 99–110. https://doi.org/10.1007/978-1-4842-5146-1_7 Goad, E. A., Chase, K. S., Brauer, D. B., Chefor, E., Chaker, N. N., Rabago, R., Hochstein, B., & Hansen, J. D. (2024). Orchestration of value: the role of customer success managers within sales ecosystems. European Journal of Marketing, 58(3), 756–781. https://doi.org/10.1108/EJM-04-2023-0222 Haghverdizadeh, A., Zarei, G., Asgarnezhad Nouri, B., & Rahimi Koloor, H. (2024). Analysis of basic cultural and social functions of smart tourism development in urban destinations. Journal of Tourism and Development, 13(3), 169–184. https://doi.org/https://doi.org/10.22034/jtd.2024.432412.2874 Heikinheimo, M., Hautamäki, P., Julkunen, S., & Koponen, J. (2024). B2B service sales on a digital multi-sided platform: Transformation from value chains to value networks. Industrial Marketing Management, 116, 26–39. https://doi.org/10.1016/j.indmarman.2023.11.006 Hemmati, M., & Tahmasebi, M. (2023). Orchestration strategy in platform businesses: A meta-synthesis approach. Journal of Management System Development. https://doi.org/https://doi.org/10.22054/jmsd.2022.64518.4053 Herzog, S., Colin, M., & and Hruskova, M. (2024). The role of large corporations in entrepreneurial ecosystems – a case study of Munich. European Planning Studies, 32(6), 1295–1317. https://doi.org/10.1080/09654313.2023.2301295 Hewett, K., Hult, G. T. M., Mantrala, M. K., Nim, N., & Pedada, K. (2022). Cross-border marketing ecosystem orchestration: A conceptualization of its determinants and boundary conditions. International Journal of Research in Marketing, 39(2), 619–638. https://doi.org/10.1016/j.ijresmar.2021.09.003 Jacobides, M. G., Cennamo, C., & Gawer, A. (2018). Towards a theory of ecosystems. Strategic Management Journal, 39(8), 2255–2276. https://doi.org/https://doi.org/10.1002/smj.2904 Javandoust, K., & Khoroshidi, G. (2021). Development of a collaboration-based marketing model for SMEs to actively enter and participate in markets: A case study of food industries in West Azerbaijan province. Journal of Business Management Perspective, 19(42), 153–177. https://doi.org/https://doi.org/10.52547/jbmp.19.42.153 Kalaignanam, K., Tuli, K. R., Kushwaha, T., Lee, L., & Gal, D. (2021). Marketing agility: The concept, antecedents, and a research agenda. Journal of Marketing, 85(1), 35–58. https://doi.org/10.1177/0022242920952760 Kijima, K., Rintamki, T., & Mitronen, L. (2014). Value orchestration platform: model and strategies. Annual Conference of Japan Society for Management Information. https://www.taylorfrancis.com/chapters/edit/10.1201/b12315-52/value-orchestration-platform-model-strategies-kijima-japan-rintamki-mitronen-finland Koteczki, R., Balassa, B. E., & Csikor, D. (2024). Optimizing Human Resources for Efficiency and Sustainability through Business Process Modelling with Large Language Models. Chemical Engineering Transactions, 114, 499–504. https://doi.org/10.3303/CET24114084 Lieb, R. (2017). Content-the atomic particle of marketing: The definitive guide to content marketing strategy. Kogan Page Publishers. https://www.koganpage.com/marketing-communications/content-the-atomic-particle-of-marketing-9780749479756 Lindgreen, A., Hingley, M. K., Grant, D. B., & Morgan, R. E. (2012). Value in business and industrial marketing: Past, present, and future. Industrial Marketing Management, 41(1), 207–214. https://doi.org/10.1016/j.indmarman.2011.11.025 Marushchak, S., Fadyeyeva, I., Halachev, P., Zharkenov, N., & Pakhomov, S. (2024). The role of artificial intelligence and machine learning in forecasting economic trends. Data and Metadata, 3. https://doi.org/10.56294/dm2024.247 Miller, M. (2012). B2B digital marketing: Using the web to market directly to businesses. Que publishing. Minerbo, C., & Brito, L. A. L. (2022). An integrated perspective of value creation and capture: a systematic literature review. Journal of Business & Industrial Marketing, 37(4), 768–789. https://doi.org/10.1108/jbim-12-2020-0542 Morgan, N. A., Slotegraaf, R. J., & Feng, H. (2022). Marketing capabilities for b2b firms. In Handbook of business-to-business marketing (pp. 96–116). Edward Elgar Publishing. https://doi.org/10.4337/9781849801423.00014 Nim, N., Pedada, K., & Hewett, K. (2024). Digital marketing ecosystems and global market expansion: current state and future research agenda. International Marketing Review, 41(5), 872–885. https://doi.org/https://doi.org/10.1108/IMR-04-2024-0108 Oskam, I., Bossink, B., & de Man, A.-P. (2021). Valuing value in innovation ecosystems: How cross-sector actors overcome tensions in collaborative sustainable business model development. Business & Society, 60(5), 1059–1091. https://doi.org/doi.org/10.1177/0007650320907145 Richard, F., Štefan, K., & Lenka, K. (2025). Role of Artificial Intelligence and Machine Learning in E-commerce: a Literature Review. ADCAIJ: Advances in Distributed Computing and Artificial Intelligence Journal, 14, e31736–e31736. https://doi.org/http://dx.doi.org/10.14201/adcaij.31736 Sandelowski, M., & Barroso, J. (2006). Handbook for synthesizing qualitative research. springer publishing company. Santos, V., & Malta, P. (2023). The Impact of Digital Transformation on Innovation in European Companies: A New Generation of AI Predictive Model Test Against Predictive Machine Learning Algos. International Conference on Marketing and Technologies, 447–458. Satornino, C. B., Peloza, J., Allen, A., & Perren, R. (2018). A New Perspective on Value Creation and Marketing’s Dominant Logic: An Abstract. Back to the Future: Using Marketing Basics to Provide Customer Value: Proceedings of the 2017 Academy of Marketing Science (AMS) Annual Conference, 493–494. https://doi.org/10.1007/978-3-319-66023-3_165 Schmitt, R., Rossi, A., Bensoussan, A., Schmitt, R., Rossi, A., & Bensoussan, A. (2022). Digital Transformation of the Omni-personal Customer Journey. Omni-Personal Luxury: How to Transform Your Luxury Business for the Digital Age, 63–139. https://doi.org/http://dx.doi.org/10.1007/978-3-030-85769-1_5 Sharma, U., Hult, G. T. M., Morgeson III, F. V, Sharma, P. N., Schrock, W., & Redd Sleep, S. (2024). Understanding multilevel organizing: a focus of customer satisfaction on firm performance. Journal of Marketing Theory and Practice, 1–16. https://doi.org/10.1080/10696679.2024.2431237 Sorathia, V., Laliwala, Z., & Chaudhary, S. (2005). Towards agricultural marketing reforms: Web services orchestration approach. 2005 IEEE International Conference on Services Computing (SCC’05) Vol-1, 1, 260–267. https://doi.org/https://doi.org/10.1109/SCC.2005.100 Szakal, A. C., Brătucu, G., Ciobanu, E., Chițu, I. B., Mocanu, A. A., & Ialomițianu, G. (2024). Exploring influencing marketing—Consumer insights and creators’ perspectives. Sustainability, 16(5), 1845. https://doi.org/http://dx.doi.org/10.3390/su16051845 Marketing: Understanding the Intersection of Data Engineering and Marketing. In Data Engineering for Data-driven Marketing (pp. 1–16). Emerald Publishing Limited. https://doi.org/10.1108/978-1-83662-326-720251002 Wilson, J., Kachappilly, C., Mohan, R., Kapadia, P., Soman, A., & Chaudhury, S. (2015). Real world applications of machine learning techniques over large mobile subscriber datasets. ArXiv Preprint ArXiv:1502.02215. https://doi.org/10.48550/arXiv.1502.02215 | ||
|
آمار تعداد مشاهده مقاله: 8,737 تعداد دریافت فایل اصل مقاله: 302 |
||