ارائه مدلی برای توسعه محصولات آرایشی مبتنی بر روش ترکیبی ISM_DEMATELوهوش مصنوعی

محورهای موضوعی : بهبود عملکرد بخش عمومی؛ غنیمت شمردن فرصت‌های موجود در تحقق نیازهای شهروندان

بهزاد بالازاده ^{1 *} , حسین بوداقی خواجه نوبر ² , مرتضی محمودزاده ³

1 - دانشجوی دکتری تخصصی مدیریت بازرگانی گرایش بازاریابی دانشگاه ازاد تبریز
2 - استادیار گروه مدیریت، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
3 - استادیار گروه مدیریت بازرگانی،واحد تبریز،دانشگاه آزاد اسلامی ،تبریز،ایران

تاریخ دریافت : 1403/06/06 تاریخ پذیرش : 1403/07/28 تاریخ انتشار : 1404/02/01

کلید واژه: توسعه محصول, آرایشی, هوش مصنوعی,

چکیده مقاله :

توسعه محصول، به طور کلی، یکی از راه‌های اصلی برای بقای شرکت‌ها در بازارهای رقابتی و پویا است .با توجه به نرخ بالای شکست محصولات جدید در اکثر شرکتها و جهت پاسخ بهتر به نیازها و ترجیحات متغییر مشتریان افزایش رضایت و تقویت وفاداری انها ،گسترش بازارو تقویت برند،ایجاد مزیت رقابتی و در نهایت افزایش سود اوری شرکتها توسعه محصول مورد توجه است.هدف این مطالعه ارائه مدلی برای توسعه محصولات آرایشی مبتنی بر روش ترکیبی ISM-DEMATEL بوده است. این تحقیق از نظر هدف، يک پژوهش کاربردي است، چرا که علاوه بر جنبه آگاهی‌بخشی و علمی، جنبه کاربردی نیز برای شرکت های مرتبط خواهد داشت. با توجه به هدف و ماهيت، این پژوهش از نظر روش، يک پژوهش آمیخته (کیفی-کمی) می باشد. رویکرد بخش کیفی گراندد تئوری بوده است و در ادامه با روش ISM-DEMATEL متغیرها سطح بندی و روابط بین آنها مشخص شد. نتایج نشان داد که مدل توسعه محصولات آرایشی بهداشتی با رویکرد هوش مصنوعی دارای 85 کد باز، 18 کد مقوله ای و 6 کد محوری نهایی می باشد. مقوله های اصلی شامل تبلیغات، بسته بندی، شکل ظاهری، کیفیت، قیمت، و کانال های توزیع بوده است. همچنین بر اساس یافته ها مشاهده می شود که کیفیت و تبلیغات عوامل پیوندی، قیمت عامل نفوذی و بسته بندی، شکل ظاهری و کانال های توزیع عوامل وابسته می باشند.

چکیده انگلیسی:

Product development, in general, is one of the main ways for companies to survive in competitive and dynamic markets. Considering the high failure rate of new products in most companies and in order to better respond to the changing needs and preferences of customers, increase satisfaction and strengthen their loyalty, expand the market, strengthen the brand, create a competitive advantage, and ultimately increase profitability, product development is of great importance. The aim of this study was to present a model for the development of cosmetic products based on the combined ISM-DEMATEL method. This research is applied in nature because, in addition to its informative and scientific aspect, it will also have practical applications for related companies. Given its aim and nature, this research is a mixed-methods study (qualitative-quantitative). The qualitative section was approached through grounded theory, and subsequently, using the ISM-DEMATEL method, variables were ranked and relationships between them were determined. The results showed that the model for developing cosmetic products with an artificial intelligence approach includes 85 open codes, 18 categorical codes, and 6 final axial codes. The main categories included advertising, packaging, appearance, quality, price, and distribution channels. Additionally, the findings indicate that quality and advertising are linkage factors, price is an influencing factor, and packaging, appearance, and distribution channels are dependent factors.

منابع و مأخذ:

حیدری، مهدی و امیری، حمیدرضا. (1401). بررسی قدرت مدل های مبتنی بر هوش مصنوعی در پیش بینی روند قیمت سهام بورس اوراق بهادار تهران. تحقیقات مالی، شماره 4، 602-623.#
عظیمی، محمد حسن؛ محمدی، زینب؛ رفیعی نسب، فاطمه. (1400). بررسی آگاهی و میزان استفاده کتابداران دانشگاهی از فناوری هوش مصنوعی: مطالعه موردی (کتابداران دانشگاه‌های شهید چمران اهواز و علوم پزشکی جندی شاپور)، کتابخانه مرکزی آستان قدس رضوی، کتابداری و اطلاع رسانی، دوره 24، شماره 4، صص 177-15.#
مرادی، گلمراد. (1401). استفاده دانشجویان دختر از لوازم آرایشی و عوامل جامعه شناختی مؤثر بر آن، زن در توسعه و سیاست، دوره 1، شماره 2، صفحات 106-87.#
Beata Piątkowska. (2022). Value Co-Creation on Public Social Media at Different Stages of the New Product Development Process. A Case Study of a Polish Clothes Manufacturer. Journal of Marketing and Consumer Behaviour in Emerging Markets 1(14)2022.
Belk,W., Belanche, R., & Flavian, C. (2023): Key concepts in artificial intelligence and technologies 4.0 in services. Service Business (2023) 17:1–9.
Budhwar, P., Malik, A., De Silva, M. T., & Thevisuthan, P. (2022). Artificial intelligence– challenges and opportunities for international HRM: a review and research agenda. The InTernaTIonal Journal of human resource managemenT, 33(6), 1065-1097.
Chatterjee, S., (2020). AI strategy of India: policy framework, adoption challenges and actions for government. Transforming Government: People, Process and Policy, 14(5), pp. 757-775. https://doi. org/ 10. 1108/TG-05-2019-0031.
Chowdhury, S., Dey, P., Joel-Edgar, S., Bhattacharya, S., Rodriguez-Espindola, O., Abadie, A., & Truong, L. (2023). Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human Resource Management Review, 33(1), 100899.
Foltynek, T., Bjelobaba, S., Glendinning, I., Khan, Z. R., Santos, R., Pavletic, P., & Kravjar, J. (2023). ENAI Recommendations on the ethical use of Artificial Intelligence in Education. International Journal for Educational Integrity, 19(1), 12.
Li, M., Yin, D., Qiu, H., & Bai, B. (2021). A systematic review of AI technology-based service encounters: Implications for hospitality and tourism operations. International Journal of Hospitality Management, 95, Article 102930. https://doi.org/10.1016/j. ijhm.2021.102930.
McCabe, M., T. de Waal Malefyt, and A. Fabri, Women, makeup, and authenticity: Negotiating embodiment and discourses of beauty. Journal of Consumer Culture, 2020. 20(4): p. 656-677.
Mirbabaie, M., Brünker, F., Möllmann Frick, N. R., & Stieglitz, S. (2021). The rise of artificial intelligence–understanding the AI identity threat at the workplace. Journal of Electronic Markets, 32, 73-99.
Mustak, M. , Salminen, J. , Ple, L. , Wirtz, J. (2020). Artificial intelligence in marketing: Topic modeling, scientometric analysis, and research agenda. Journal of Business Research. 389404. https://doi. org/10. 1016/j. jbusres. 2020. 10. 044.
NSTC (2020), Preparing for the Future of Artificial Intelligence. National science and Technology Council.
Pantano, E. & Pizzi, G. (2020). Forecasting artificial intelligence on online customer assistance: Evidence from chatbot patents analysis. Journal of Retailing and Consumer Services. 55-102096. https://doi. org/10. 1016/j. jretconser. 2020. 102096.
Yadav, S. P., Mahato, D. P., Linh, N. T. D. (Eds. ). (2020). Distributed artificial intelligence: A modern approach. CRC Press. https://www. amazon. com/Distributed-Artificial-Intelligence-Approach-Everything/dp/0367466651.
Yuping Liu Thompkins, Shintaro Okazaki & Hairong Li. (2022). Artifcial empathy in marketing interactions: Bridging the human AI gap in afective and social customer experience. Journal of the Academy of Marketing Science (2022) 50:1198–1218 https://doi.org/10.1007/s11747-022-00892-
5