تحلیل عوامل موثر بر رفتار مصرف گنندگان شبکه های اجتماعی در میان کاربران ایرانی
محورهای موضوعی : مدیریت رفتار سازمانیزینب صلواتی 1 , سعید صحت 2 , مهران صلواتی 3
1 - مدیر تحقیقات بازار
2 - دانشیار گروه مدیریت دانشگاه علامه طباطبایی
3 - دانشکده مدیریت، واحد شهر قدس، دانشگاه آزاد اسلامی ، تهران، ایران.
کلید واژه: رفتار مصرف کننده, شبکه های اجتماعی, مدلیابی معادلات ساختاری,
چکیده مقاله :
تحلیل رفتار مصرف‌کنندگان در حوزه شبکه‌های اجتماعی، با گسترش گردشگری این شبکه‌ها در کشورهای مختلف، امری حیاتی و مهم محسوب می‌شود. این تحلیل می‌تواند به شناسایی الگوهای مصرف در این زمینه کمک کرده و راهنمایی برای تدوین استراتژی‌ها و تصمیم‌گیری‌های مرتبط با این حوزه فراهم آورد. هدف اصلی این تحقیق، تحلیل رفتار مصرف‌کنندگان شبکه‌های اجتماعی در میان کاربران ایرانی بوده است. برای انجام این تحقیق از روش مدلیابی ساختاری در قالب تحلیل عاملی استفاده شده است. در این بخش به منظور تحلیل از ابزار پرسشنامه استفاه شده است. روایی این پرسشنامه از طریق روایی سازه و پایایی با استفاده از ضریب آلفای کرونباخ ارزیابی و مورد تایید قرار گرفته است. به منظور برسی رفتار مصرف کننده و مولفه های موثر از روش مدلیابی معادلات ساختاری استفاده گردید. نتایج این بررسی ضمن تایید برازش الگوی نهایی به تایید این الگو منجر شده است. در این تحقیق از نرم افزار ایموس به منظور تحلیل داده ها استفاده گردید. نتایج تحقیق به شناسایی شاخص های جزئی در قالب قابلیت ها، حریم خصوصی کارکرد ها و محتوی شبکه انجامید.
Analyzing the behavior of consumers in the field of social networks, with the expansion of tourism in these networks in different countries, is considered vital and important. This analysis can help identify consumption patterns in this field and provide guidance for formulating strategies and decisions related to this field. The main goal of this research was to analyze the behavior of social network users among Iranian users. To carry out this research, the method of structural modeling in the form of factor analysis has been used. In this section, a questionnaire tool has been used for analysis. The validity of this questionnaire has been evaluated and confirmed through construct validity and reliability using Cronbach's alpha coefficient. In order to investigate consumer behavior and effective components, structural equation modeling method was used. The results of this study, while confirming the fit of the final model, have led to the approval of this model. In this research, Imus software was used for data analysis. The results of the research led to the identification of partial indicators in the form of capabilities, privacy of functions and network content.
نصیری، بهاره؛ بختیاری، آمنه؛ طاهریان، مریم.(1392) نقش و کارکرد شبکه های اجتماعی( مطالعهی موردی شبکه اجتماعی کفه مام، شبکه ای برای مادران و کودکان)، پژوهش نامه زنان، پژوهشگاه علوم انسانی و مطالعات فرهنگی ، سال4، شماره2، ص 37-59.
Alarcón-del-Amo, M. D. C., Lorenzo-Romero, C., & Gómez-Borja, M. Á. (2011). Classifying and profiling social networking site users: A latent segmentation approach. Cyberpsychology, behavior, and social networking, 14(9), 547-553.
Baden, R., Bender, A., Spring, N., Bhattacharjee, B., & Starin, D. (2009, August). Persona: an online social network with user-defined privacy. In Proceedings of the ACM SIGCOMM 2009 conference on Data communication (pp. 135-146).
Boyd, D.M., & Ellison, N.B. (2007). Social network sites: Definition, history, and scholarship. Journal of Computer-Mediated Communication, 13(1), Article 11.
Braddy, P. W., Meade, A. W., & Kroustalis, C. M. (2008). Online recruiting: The effects of organizational familiarity, website usability, and website attractiveness on viewers’ impressions of organizations. Computers in Human Behavior, 24(6), 2992-3001.
Breslin, J., & Decker, S. (2007). The future of social networks on the internet: The need for semantics. IEEE Internet Computing, 11(6), 86-90.
Brito, T. R. P. D., Nunes, D. P., Duarte, Y. A. D. O., & Lebrão, M. L. (2019). Social network and older people’s functionality: Health, Well-being, and Aging (SABE) study evidences. Revista Brasileira de Epidemiologia, 21.
Butts, C. T. (2008). Social network analysis with sna. Journal of statistical software, 24, 1-51.
Calisir, F., Atahan, L., & Saracoglu, M. (2013). Factors Affecting Social Network Sites Usage on Smartphones of Students in Turkey. In Proceedings of the World Congress on Engineering and Computer Science (Vol. 2).
Chen, Y. H., Hsu, I. C., & Lin, C. C. (2010). Website attributes that increase consumer purchase intention: A conjoint analysis. Journal of business research, 63(9-10), 1007-1014.
DeAndrea, D., Ellison, N.B., LaRose, R., Steinfield, C., & Fiore, A. (2011). Serious social media: On the use of social media for improving students’ adjustment to college. Internet and Higher Education, 15(1), 15-23.
Houghton, D. J., & Joinson, A. N. (2010). Privacy, social network sites, and social relations. Journal of technology in human services, 28(1-2), 74-94.
Jain, A. K., Sahoo, S. R., & Kaubiyal, J. (2021). Online social networks security and privacy: comprehensive review and analysis. Complex & Intelligent Systems, 7(5), 2157-2177.
Jasser, G., McSwiney, J., Pertwee, E., & Zannettou, S. (2023). ‘Welcome to# GabFam’: Far-right virtual community on Gab. New Media & Society, 25(7), 1728-1745.
Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Social Media. Business horizons, 53(1), 59-68.
Kerr, W. R., & Mandorff, M. (2023). Social networks, ethnicity, and entrepreneurship. Journal of Human Resources, 58(1), 183-220.
Kiser, A.I.T., & Porter, T. (2011). Social networking: Integrating students and university professor utilization. Global Conference on Business and Finance Proceedings, 6(6), 191-196.
Koggalahewa, D., Xu, Y., & Foo, E. (2022). An unsupervised method for social network spammer detection based on user information interests. Journal of Big Data, 9(1), 1-35.
Koggalahewa, D., Xu, Y., & Foo, E. (2022). An unsupervised method for social network spammer detection based on user information interests. Journal of Big Data, 9(1), 7.
Korhan, O., & Ersoy, M. (2016). Usability and functionality factors of the social network site application users from the perspective of uses and gratification theory. Quality & quantity, 50(4), 1799-1816.
Kross, E., Verduyn, P., Sheppes, G., Costello, C. K., Jonides, J., & Ybarra, O. (2021). Social media and well-being: Pitfalls, progress, and next steps. Trends in cognitive sciences, 25(1), 55-66.
Lai, L. S., & Turban, E. (2008). Groups formation and operations in the Web 2.0 environment and social networks. Group Decision and negotiation, 17, 387-402
Lax, G., Russo, A., & Fasci, L. S. (2021). A Blockchain-based approach for matching desired and real privacy settings of social network users. Information Sciences, 557, 220-235.
Lee, J., & Suh, E. (2013). An empirical study of the factors influencing use of social network service.
Lee, Y., & Kozar, K. A. (2012). Understanding of website usability: Specifying and measuring constructs and their relationships. Decision support systems, 52(2), 450-463.
Liu, P., Xu, Y., Jiang, Q., Tang, Y., Guo, Y., Wang, L. E., & Li, X. (2020). Local differential privacy for social network publishing. Neurocomputing, 391, 273-279.
Park, Y. A., & Gretzel, U. (2007). Success factors for destination marketing web sites: A qualitative meta-analysis. Journal of travel research, 46(1), 46-63.
Pempek, T.A, Yermolayeva, Y.A., & Calvert, S.L. (2009). College students’ social networking experiences on Facebook. Journal of Applied Developmental Psychology, 30(3), 227-238.
Rahman, N. (2014). The Usage and Online Behavior of Social Networking Sites among International Students in New Zealand. The Journal of Social Media in Society, 3(2).
Smith, A. G. (2001). Applying evaluation criteria to New Zealand government websites. International journal of information management, 21(2), 137-149.
Subramanian, M. (2008). MANAGING IDENTITIES AND DIVERSITIES IN THE AGE OF INTERNET AND VIRTUAL NETWORKS. INTERNATIONAL JOURNAL OF DIVERSITY IN ORGANISATIONS, COMMUNITIES AND NATIONS, 8, 4.
Vaidya, O. S., & Kumar, S. (2006). Analytic hierarchy process: An overview of applications. European Journal of operational research, 169(1), 1-29.
West, B. J., Massari, G. F., Culbreth, G., Failla, R., Bologna, M., Dunbar, R. I. M., & Grigolini, P. (2020). Relating size and functionality in human social networks through complexity. Proceedings of the National Academy of Sciences, 117(31), 18355-18358.