بررسی تاثیر شایستگی‎های هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیت‎های بازاریابی B2B (مطالعه موردی: شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس)

الموضوعات :

بابک جراحی ¹ , اکبر گل محمدپور ² , بهروز سیرنگ ³ , یاسر عباسپور ⁴

1 - عضو هیات علمی تمام وقت
2 - دانشگاه آزاد اسلامی واحد جلفا، ایران
3 - مربی، گروه حسابداری، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ایران
4 - کارشناس ارشد مدیریت بازرگانی

تاريخ الإرسال : 04 الإثنين , شعبان, 1446 تاريخ التأكيد : 08 الثلاثاء , ذو القعدة, 1446 تاريخ الإصدار : 16 الأربعاء , ذو القعدة, 1446

الکلمات المفتاحية: شایستگی‎های هوش مصنوعی, عملکرد سازمانی, قابلیت‎های بازاریابی B2B , شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس,

ملخص المقالة :

             هدف تحقیق حاضر بررسی تاثیر شایستگی‎های هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیت‎های بازاریابی B2B در شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس می‌باشد. پژوهش حاضر از نظر هدف از نوع پژوهش‌های کاربردی می‎باشد، و از نظر روش گردآوری اطلاعات از نوع پژوهش‎های میدانی است، و از نظر ماهیت پژوهش از نوع پژوهش‎های توصیفی می‌باشد. جامعه آماري تحقیق حاضر کلیه مدیران و کارشناسان فناوری اطلاعات شرکتهای تولیدی مستقر در منطقه آزاد ارس می‎باشند. جامعه آماري تحقیق حاضر کلیه مدیران و کارشناسان فناوری اطلاعات شرکتهای تولیدی مستقر در منطقه آزاد ارس با بیش از 50 نفر پرسنل می‎باشند که تعداد آنها بر اساس اطلاعات دریافتی از سازمان منطقه آزاد ارس 212 شرکت می باشند که با احتساب 1 مدیر و 1 کارشناس بخش فناوری اطلاعات، تعداد جامعه آماری 424 نفر بدست آمد.  برای نمونه گیری از روش نمونه‌گیری تصادفی ساده، و تعداد نمونه آماری، با استفاده از جدول مورگان 202 نفر بدست آمد. به منظور جمع‌آوری داده‌ها از پرسشنامه پرسشنامه استاندارد میکلایف و همکاران(2021) استفاده شد که دارای روایی و پایایی قابل قبول می‎باشد. برای تجزیه و تحلیل داده‌ها از مدل‌سازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) به وسیله‌ی نرم افزار Smart PLS3 استفاده شد. نتایج آزمون فرضیات تحقیق نشان می‌دهد شایستگی‎های هوش مصنوعی بر عملکرد سازمانی  با نقش میانجی قابلیت‎های بازاریابی B2B در شرکتهای تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس تاثیر مثبت دارد.

المصادر:

استرن،جیم(1399). هوش مصنوعی و کاربردهای آن در بازاریابی، مترجم: سید محمد طباطبایی نسب، فرشته راستی، انتشارات دانشگاه یزد
آمسترانگ، مایکل(1396). مدیریت عملکرد، انتشارات سازمان جهاد دانشگاهی تهران
براتی، مهدی(1402).بررسی تاثیر قابلیتهای هوش مصنوعی بر عملکرد بازاریابی در خریدهای آنلاین (مورد مطالعه: فروشگاههای آنلاین در شهر تهران)، نهمین کنفرانس بین‎المللی چشم اندازهای نوین در مدیریت، حسابداری و کارآفرینی،تهران
زاداحمد، لیلا (1401). نقش مداخله‌گری هوش مصنوعی در تاثیر بازاریابی نوین بر عملکرد سازمان‌های نوپا. نشریه تخصصی پژوهش های پیشرفت و تعالی, 5(4), 26-15
قاضی زاده، مصطفی، حبیب ابراهیم پور، محمد سعادتمند،سید مجتبی حسینی فر، بررسی و مطالعه اثر قابلیت‌های بازاریابی و تنوع‌بخشی بر عملکرد مالی (با استفاده از تکنیک تحلیل پوششی داده ها)، مجله تحقیقات بازاریابی نوین، شماره 1 پیاپی(24)، صص 34-27
کرمی پور، میثم(1402). طراحی و تبیین مدل شایستگی های هوش مصنوعی بر عملکرد سازمانی با در نظر گرفتن قابلیت های بازاریابی B2B، فصلنامه ارزش آفرینی در مدیریت کسب و کار، دوره: 3، شماره: 2
گمرکچی، فاطمه(1402). ارزیابی تاثیر قابلیت هوش مصنوعی بر عملکرد فروش (مورد مطالعه: شرکت های تولیدی فرش ماشینی شهرستان کاشان)،اولین کنفرانس بین المللی توانمندی مدیریت، مهندسی صنایع، حسابداری و اقتصاد، بابل
متولی‌جلالی، نزهت‌السادات (1401). تاثیر قابلیتهای هوش مصنوعی بر عملکرد مالی، بازاریابی و اداری،ناشر: آموزشی تالیفی ارشدان، چاپ اول
Abijith, A., & Wamba, S. F. J. B. P. M. J. (2012). Business value of RFID- enabled healthcare transformation projects. 19(1), 31
Agarwa,H, Prasad Das,C & Swain, K,.(2022). Does Artificial Intelligence Influence the Operational Performance of Companies? A Study, Atlantis Highlights in Social Sciences, Education and Humanities, volume 2
Batko, R., & Szopa, A. (2016). Strategic imperatives and core competencies in the era of robotics and artificial intelligence. IGI Global.
Borges, A. F., Laurindo, F. J., Spínola, M. M., Gonçalves, R. F., & Mattos, C. A. (2020). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management, 102225.
Castelo-Branco, I., Cruz-Jesus, F., & Oliveira, T. (2019). Assessing Industry 4.0 readiness in manufacturing: Evidence for the European Union. Computers in Industry, 107, 22–32.
Ensslin, S. R., Rodrigues, K. T., Yoshiura, L. J. M., da Silva, J. C., & Longaray, A. A. (2022). Organizational performance management and the ‘sustainability’of the performance evaluation system: A view guided by the integrative review perspective. Sustainability, 14(17), 11005
Guo, W., & Zhang, B. (2020). Research on development strategy of news app under the background of artificial intelligence. In IOP Conference Series: Materials Science and Engineering (Vol. 806, No. 1, p. 012031). IOP Publishing
Han, R., Lam, H. K. S., Zhan, Y., Wang, Y., Dwivedi, Y. K., & Tan, K. H. (2021). Artificial intelligence in business-tobusiness marketing: a bibliometric analysis of current research status, development and future directions. Industrial Management & Data Systems, ahead-of-p(ahead-of-print). https:// doi. org/ 10. 1108/ IMDS- 05- 2021- 0300
Herhausen, D., Mioˇcevi´c, D., Morgan, R. E., & Kleijnen, M. H. (2020). The digital marketing capabilities gap. Industrial Marketing Management, 90, 276–290.
Huang, M.-H., Rust, R., & Maksimovic, V. (2019). The feeling economy: Managing in the next generation of artificial intelligence (AI). California Management Review, 61(4), 43–65
Kaličanin, K., Čolović, M., Njeguš, A., Mitić, V. (2019). Benefits of Artificial Intelligence and Machine Learning in Marketing. Paper presented at Sinteza 2019 - International Scientific Conference on Information Technology and Data Related Research. doi:10.15308/Sinteza-2019-472-477
Kolis, K., & Jirinova, K. (2013). Differences between B2B and B2C customer relationship management. Findings from the Czech Republic. European Scientific Journal, 4, 22–27
Makarius, E. E., Mukherjee, D., Fox, J. D., & Fox, A. K. (2020). Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization. Journal of Business Research, 120, 262–273.
Mikalef, P., Conboy, K., & Krogstie, J. (2021). Artificial intelligence as an enabler of B2B marketing: A dynamic capabilities micro-foundations approach. Industrial marketing management, 98, 80–92
Morgan, N.A., Vorhies, D. W., Mason, C. H., (2009). Market orientation, marketing capabilities and firm performance, Strategic Management Juornal, 30(8), pp. 909-920
Olan, F., Arakpogun, E. O., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of BusinessResearch, 145, 605-615
Paschen, J., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 147–155.
Poole, David; Mackworth, Alan; Goebel, Randy (2007). Computational Intelligence: A Logical Approach (English). New York, NY, USA: Oxford University Press, Inc. ISBN 9780195102703.
Syam, N., & Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution: Machine learning and artificial intelligence in sales research and practice. Industrial Marketing Management, 69, 135–146.
Tjepkema, L. (2019). What Is Artificial Intelligence Marketing & Why Is It So Powerful. Emarsys: https://www.emarsys.com/resources/blog/artificial-intelligence marketing solutions /03.05, 53–55.
Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal ofInformation Management Data Insights, 100002.
Vlačić, B., Corbo, L., e Silva, S. C., & Dabić, M. (2021). The evolving role of artificial intelligence in marketing: A review and research agenda. Journal of Business Research, 128, 187-203
Wirth, N. (2018). Hello marketing, what can artificial intelligence help you with. International Journal of Market Research, 60(5), 435–438.

نص كامل:



 

بررسی تاثیر شایستگی‎های هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیت‎های بازاریابی B2B (مطالعه موردی: شرکت‌های تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس)

 

اکبر گل محمدپور1* ، بهروز سیرنگ2، بابک جراحی3، یاسر عباسپور4

 

اطلاعات مقاله	چکیده
نوع مقاله: مقاله پژوهشي       تاریخ دریافت: 15/10/1403 تاریخ پذیرش: 09/02/1404	هدف این پژوهش بررسی تاثیر شایستگی‎های هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیت‎های بازاریابی B2B در شرکت‌های تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس می‌باشد. این پژوهش از نظر هدف از نوع پژوهش‌های کاربردی می‎باشد و از نظر روش گردآوری داده‌ها از نوع پژوهش‎های میدانی است و از نظر ماهیت پژوهش از نوع پژوهش‎های توصیفی می‌باشد. جامعه آماري این پژوهش تمامی مدیران و کارشناسان فناوری داده‌های شرکت‌های تولیدی مستقر در منطقه آزاد ارس می‎باشند. جامعه آماري این پژوهش تمامی مدیران و کارشناسان فناوری داده‌های شرکت‌های تولیدی مستقر در منطقه آزاد ارس با بیش از 50 نفر پرسنل می‎باشند که تعداد آنها بر اساس داده‌های دریافتی از سازمان منطقه آزاد ارس 212 شرکت می‌باشند که با احتساب 1 مدیر و 1 کارشناس بخش فناوری داده‌ها، تعداد جامعه آماری 424 نفر بدست آمد. برای نمونه گیری از روش نمونه‌گیری تصادفی ساده و تعداد نمونه آماری، با استفاده از جدول مورگان 202 نفر بدست آمد. به منظور جمع‌آوری داده‌ها از پرسش‌نامه پرسش‌نامه استاندارد میکلایف و همکاران (2021) استفاده شد که دارای روایی و پایایی قابل قبول می‎باشد. برای تجزیه و تحلیل داده‌ها از مدل‌سازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) به وسیله نرم افزار Smart PLS3 استفاده شد. نتایج آزمون فرضیه‌های پژوهش نشان می‌دهد شایستگی‎های هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیت‎های بازاریابی B2B در شرکت‌های تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس تاثیر مثبت دارد.
کلید واژه­ها	شایستگی‎های هوش مصنوعی، عملکرد سازمانی، قابلیت‎های بازاریابی B2B ، شرکت‌های تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس

ناشر: دانشگاه آزاد اسلامي واحد شهرقدس

* نویسنده مسئول: اکبر گل محمدپور                                                                   ایمیل: [e-mail]

1. مربی، گروه مدیریت، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ايران.

2. مربی، گروه حسابداری، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ايران

3. مربی، گروه زبان انگلیسی، واحد ارس، دانشگاه آزاد اسلامی، هادیشهر، ايران.

4. کارشناس ارشد مدیریت بازرگانی  

 

 

مقدمه

درحالی‌که فن‏آوری‌های هوش مصنوعی تکاملی قابل‌توجه در چند سال گذشته پیدا کرده اند، اما بسیاری از سازمان‌ها به شدت در حال تلاش برای بهره‎گیری از آنها به گونه‌ای که برای آنها ارزش‎افزایی کند، می‎باشند (بورگس و همکاران¹، 2020). یک جریان رو به رشد از پژوهش ها، بر این چالش تمرکز کرده است و خاطر نشان کرده است که بسیاری از چالش‎های مرتبط با بهره‎گیری موثر از پتانسیل هوش مصنوعی از زمینه سازمانی نشات می‎گیرد (متولی‌جلالی، 1401). افزون بر آن، چندین نمونه بارز از سازمان‌ها در بهره گیری از هوش مصنوعی در عملیات های خود و یافتن روش‌هایی که بواسطه آنها فن‎آوریها بتوانند منبع ارزش تجاری باشند، موفق بوده اند (ماکاریوس و همکاران²، 2020). چنین مواردی نشان داده‎اند که چگونه بهره‎‌گیری از هوش مصنوعی را می‌توان در یک شایستگی محوری سازمان توسعه کرد و در نتیجه ارزش سازمانی قابل توجهی حاصل کرد (باتکو و سزوپا³، 2016). رقابت شدید میان سازمان های سراسر جهان نیاز به بکارگیری AI جهت رسیدن به یک مزیت رقابتی نسبت به رقیبان را نیز شتاب بخشیده است (رانسبوتام و همکاران⁴، 2018).

    کسب و کارها معمولا ترکیبی از فناوری‌های پیشرفته، تثبیت شده و قدیمی می‎باشند که با هم یک محصول قوی را ایجاد می‏کنند. بنابراین، شاید بتوان گفت که بین کسب و کارها با تکنولوژی سطح بالا و کسب و کارها با تکنولوژی سطح پایین بر اساس تکنولوژی بکار گرفته شده در عملکرد سازمانی آنها تمایز ایجاد می‏شود (والکیک و همکاران⁵، 2021). پیشرفت روزافزون استفاده از هوش مصنوعی، مدیران سازمان را به استفاده بیش‌تر از این نوع فناوری ترغیب کرده است تا ضمن تسهیل امور سازمان، عملکرد سازمانی خود را افزایش دهند. در واقع هوش مصنوعی یک فناوری قدرتمند همه منظوره و انعطاف پذیر است که میتواند باعث پیشرفت بسیاری از صنایع و کسب‌وکارها شود. مهمترین قابلیت‎های هوش مصنوعی شامل افزایش قابلیت دسترسی، کاهش هزینه، کاهش خطر، دائمی‌بودن، تجربیات چندگانه، افزایش قابلیت اطمینان، قدر تبیین، پاسخ دهی سریع، پایگاه تجربه، سهولت انتقال دانش می‎باشد. بنابراین، قابلیت‌های هوش مصنوعی را می‏توان توانایی شرکت در ایجاد مجموعه‎ای از منابع انسانی، کارکنان و هوش مصنوعی برای ایجاد و جذب ارزش تجاری تعریف کرد (آبیجیت و وامبا⁶، 2011).

    از سوی دیگر، هوش مصنوعی یک فناوری نوظهور رایج است که به سازمان‌ها کمک می‌کند تا داده‌ها را برای تحلیل و پاسخ سریع به نیازهای مشتری در زمان واقعی ردیابی کنند (ویرث⁷، 2018). بکارگیری هوش مصنوعی (AI) در چندین زمینه علمی گوناگون از جمله توجهی ویژه به پتانسیل آن در بازاریابی B2B، شده است (میکلایف و همکاران، 2021). تاکنون درک کاملی در مورد اینکه چگونه سازمان ها باید توسعه هوش مصنوعی و تبدیل آن به یک دارایی استراتژیک قابل بکارگیری برای رسیدن به یک مزیت رقابتی را برنامه‌ریزی کنند، حاصل نشده است. این موضوع در زمینه بازاریابی B2B بسیار مشهود و برجسته است زیرا هنوز دانش بسیار اندکی در مورد اینکه AI چه تاثیری دارد و مکانیزم‎های بالقوه تولید ارزش از چنین فن‎آوری‌هایی چگونه هستند، وجود دارد (هوانگ و همکاران⁸، 2019). لذا، لازم است شایستگی لازم برای بکارگیری هوش مصنوعی وجود داشته باشد تا به صورت خلاقانه و هماهنگ از آن استفاده شود زیرا سازمان‌هایی که قادر به توسعه یک شایستگی هوش مصنوعی هستند، قادر به پژوهشگر سازی یک مزیت رقابتی نسبت به رقبایشان خواهند داشت. و این بخاطر آن است که بکارگیری هوش مصنوعی ماهیت تک ویژگی دارند و نیاز به تلاش‏های جامع از جانب نهادهای سازمانی گوناگون دارد تا کاربردهای هوش مصنوعی به سختی قابل تقلید و ارزش افزا، تولید کنند (میکلایف و همکاران،2021).

    ویژگی بارز بازاریابی B2B، تعاملات پیچیده ای است که نیاز به اعتماد و قابلیت اطمینان بالاتر بین خریداران و فروشندگان دارد (کالیس و جیرینووا⁹،2013). در زمینه B2B، عموماً مشتریان به صورت جداگانه و انفرادی مدیریت می‎شوند، لذا، قابلیت‎های بازاریابی برای رسیدن به موفقیت تجاری بسیار مهم و حیاتی می‎باشند. قابلیت‌های بازاریابی (MC ها) به صورت توانایی سازمانی برای انجام یک مجموعه وظایف و امور با بهره گیری منابع سازمانی موجود، جهت دستیابی به نتیجه عملکردی مطلوب، تعریف می‎شود (هرهوسن و همکاران¹⁰، 2020). قابلیت‎های بازاریابی، توانایی یک سازمان جهت پیکربندی و پیاده‌سازی موثر منابع جهت ایجاد مزیت رقابتی پایدار، را بهبود می‌بخشند. بنابراین، MC ها، ترکیبی پیچیده از توانایی‌ها و منابع سازمانی، منحصربه فرد برای یک سازمان و بسختی قابل تقلید توسط سازمان‌ها هستند (گو و زانگ¹¹، 2020). لذا، بر این اساس در این پژوهش پژوهشگر در صدد پاسخگویی به این سوال اساسی است که آیا شایستگی‎های هوش مصنوعی بر عملکرد سازمانی با نقش میانجی قابلیت‎های بازاریابی B2B در شرکت‌های تولیدی مستقر در منطقه آزاد تجاری- صنعتی ارس تاثیرگذار است؟ 

    در این پژوهش از مدل ارائه شده توسط(میکلایف و همکاران¹²، 2021). استفاده شد. در این مدل شایستگی‎های هوش مصنوعی برای سازمان‌ها به عنوان متغیر مستقل شامل سه بعد زیرساخت یک سازمان، توانایی گسترده تجاری و موضع پیشدستانه داشتن می‎باشند. عملکرد سازمانی به عنوان متغیر وابسته و قابلیت‎های بازاریابی B2B شامل مدیریت داده‌های، برنامه‌ریزی و پیاده سازی می‌باشد بر این اساس نمودار مدل مفهومی این پژوهش به صورت در نمودار1 است..

 

 

نمودار1. مدل مفهومی پژوهش (میکلایف و همکاران ، 2021)

 

    برخی پژوهش‌های انجام شده در زمینه موضوع این پژوهش عبارتند از:

    براتی (1402)، در پژوهشی به بررسی تاثیر قابلیت‌های هوش مصنوعی بر عملکرد بازاریابی در خریدهای آنلاین انجام دادند نتایج نشان داد که قابلیت‌های هوش مصنوعی بر عملکرد بازاریابی در خریدهای آنلاین تاثیری مثبت و معنی دار دارد.

    گمرکچی (1402)، در پژوهشی به ارزیابی تاثیر قابلیت هوش مصنوعی بر عملکرد فروش پرداختند. نتایج بدست آمده از پژوهش نشان می‌دهد که بین قابلیت هوش مصنوعی با عملکرد سازمانی و خلاقیت سازمانی شرکت‌های تولیدی فرش ماشینی شهرستان کاشان رابطه وجود دارد. بین خالقیت سازمانی و عملکرد سازمانی شرکت‌های تولیدی فرش ماشینی شهرستان کاشان رابطه وجود دارد.  

    زاد احمد (1401)، در پژوهشی به بررسی نقش مداخله‌گری هوش مصنوعی در تاثیر بازاریابی نوین بر عملکرد سازمان‌های نوپا پرداختند. این پژوهش کاربردی و ازنوع توصیفی-پیمایشی می‌باشد. جامعه آماری پژوهش را مدیران و کارشناسان کسب و کارهای نوپا (استارت آپ‌ها) که موسس شرکت و یا کارآفرین هستند، تشکیل می‌دهند. نتایج بدست آمده از پژوهش نشان می‌دهد که بازاریابی نوین با نقش میانجی هوش مصنوعی بر عملکرد سازمان های نوپا تأثیری متوسط، مثبت و مستقیم دارد. هم‌چنین، نتایج بیانگر آن است که: متغیـر استراتژی توسعه اثـری قـوی، مثبـت و معنادار بـر بازاریابی نوین و متغیر استراتژی تنوع اثری متوسط، مثبت و معنادار بر بازاریابی نوین دارنـد. متغیرهای هزینه، تحویل و رسـیدگی، انعطـاف پـذیری و کیفیت، اثری متوسط، مثبت و معنادار بـر عملکرد سازمانی دارند. متغیر برنامه‌ریزی و مدیریت، اثری قـوی، مثبت و معنادار و نیز متغیرهای تحلیل رفتار مشتریان، فعالیت‌های بازاریابی و بهبود تولید محتوا، اثری متوسـط، مثبت و معنادار بر هوش مصنوعی دارند.

    میکایلف و همکاران (2023)، در پژوهشی به بررسی اثر شایستگی‎های AI بر قابلیت‌های بازاریابی B2B و به نوبه خود بر عملکرد سازمانی پرداختند. نتایج پژوهش نشان داد مکانیزم‌های تاثیرگذاری شایستگی‌های AI بر قابلیت‌های بازاریابی B2B و به نوبه خود تاثیر بر عملکرد سازمانی می‎باشند.

    آگروال و همکاران¹³ (2022)، در پژوهشی به بررسی تأثیر هوش مصنوعی بر عملکرد عملیاتی شرکت‌ها در شرکت‌های تولیدی گوناگون در کشور هند پرداختند. این پژوهش تلاشی برای ارزیابی تفاوت عملکرد عملیاتی در دوران قبل و بعد از هوش مصنوعی انجام شده است. در این پژوهش، هوش مصنوعی با متغیرهایی مانند سخت‌افزار رایانه و منابع نامشهود (نرم‌افزار رایانه‌ای و غیره) اندازه‌گیری می‌شود. سود عملیاتی و هزینه عملیاتی به عنوان متغیرهای جایگزین برای عملکرد عملیاتی شرکت‌ها در نظر گرفته شد. نتایج پژوهش نشان داد که هوش مصنوعی تأثیری قابل توجه بر هزینه عملیاتی شرکت‌ها و هم‌چنین، سود عملیاتی دارد.

    ورما و همکاران¹⁴ (2021)، با انجام مرور نظام مند با تحلیل کتاب سنجی هوش مصنوعی در بازاریابی در 1580 مقاله در بازه زمانی 1982 تا 2020 نشان دادند که هوش مصنوعی نقشی مهم در تجزیه و تحلیل داده های بزرگ برای پیش بینی و ارائه تجربیات هدایت شده برای برآوردن انتظارات مشتری ایفا کرده است. از راه این پژوهش، نویسندگان دید کلی از استفاده از هوش مصنوعی برای افزایش تجربه مشتری ارائه کردند.

    میکالف و گوپتا¹⁵ (2021) در پژوهشی به بررسی قابلیت هوش مصنوعی، مفهوم سازی، اندازه‌گیری و مطالعه تجربی در مورد تأثیر آن بر خلاقیت سازمانی و عملکرد شرکت پرداختند. این مطالعه، منابع اختصاصی هوش مصنوعی را که به طور مشترك یک قابلیت هوش مصنوعی ایجاد می‏کند، مشخص می‎کند و تعریفی ارائه می‎دهد؛ ابزاری را برای توسعه توانایی هوش مصنوعی شرکت‌ها می‌گیرد و رابطه بین قابلیت هوش مصنوعی خلاقیت و عملکرد سازمانی را بررسی می‌کند. یافته‎ها به طور تجربی از چارچوب نظری پیشنهادی و ابزار مربوطه پشتیبانی می‎کنند و شواهدی را ارائه می‎دهندکه نشان می‎دهد توانایی هوش مصنوعی منجر به افزایش خلاقیت و عملکردسازمانی می‎شود.

 

روش پژوهش

این پژوهش از نظر هدف از نوع پژوهش­های کاربردی می­باشد، و از نظر روش گردآوری داده‌ها از نوع پژوهش­های میدانی است، و از نظر ماهیت پژوهش از نوع پژوهش­های توصیفی می‌باشد. جامعه آماري این پژوهش تمامی مدیران و کارشناسان فناوری داده‌های شرکت‌های تولیدی مستقر در منطقه آزاد ارس با بیش از 50 نفر پرسنل می‎باشند که تعداد آنها بر اساس داده‌های دریافتی از سازمان منطقه آزاد ارس 212 شرکت می‌باشند که با احتساب 1 مدیر و 1 کارشناس بخش فناوری داده‌ها، تعداد جامعه آماری 424 نفر بدست آمد.

    برای نمونه گیری از روش نمونه‌گیری در دسترس و تعداد نمونه آماری، با استفاده از جدول مورگان 202 نفر بدست آمد. 

    روش جمع آوری داده‌ها این پژوهش در دو مرحله به شرح زیر انجام شده است:

    مرحله نخست مطالعات کتابخانه ای است که برای بررسی ادبیات موضوعی پژوهش به طور عمده ازکتاب‌ها، مجله‌ها، مقاله‌های داخلی و خارجی و منابع فارسی و لاتین موجود در پایگاههای اینترنتی وکتابخانه ای استفاده شد.

    مرحله دوم پژوهش‌های میدانی می‌باشد که بمنظور گرد‏آوری داده‌های مورد نظر و سنجش متغیرهای پژوهش که از پرسش‌نامه استاندارد میکلایف و همکاران (2021) استفاده شد که دارای 27 مولفه می‌باشد و دارای روایی و پایایی قابل قبول می‌باشد.

    برای تجزیه و تحلیل داده‌ها از مدل‌سازی معادلات ساختاری (SEM) با رویکرد حداقل مربعات جزئی (PLS) به وسیله‌ نرم‌افزار Smart PLS3 استفاده شد.

 

تجزیه و تحلیل داده ها

در این بخش از پژوهش با استفاده از نتایج بدست آمده از مدلسازی معادلات ساختاری در خصوص تایید یا رد فرضیات تصمیم گیری شد.

 

آزمون فرضیه اصلي

فرضیه اصلي: شايستگي‌هاي هوش مصنوعي بر عملكرد سازماني با نقش میانجی قابليت‌هاي بازاريابي تاثیرگذار است.

    برای بررسی فرضیه اصلي دو مسیر تاثیرگذاری شايستگي هاي هوش مصنوعي بر قابليت‌هاي بازاريابي و مسیر اثرگذاری قابليت‌هاي بازاريابي بر عملكرد سازماني مورد آزمون قرار گرفت. نحوه داوری بدین صورت است که اگر تاثیر متغیر مستقل بر میانجی و تاثیر متغیر میانجی بر وابسته همزمان معنادار شود، نقش میانجیگری تایید شده و تاثیر غیر مستقیم را تایید خواهیم کرد. نتایج مربوط به فرضیه اصلي پژوهش در جدول زير آمده است.

 

جدول 1. بررسی فرضیه اصلي پژوهش

مسیر			ضریب مسیر استاندارد	آماره آماره تي	سطح معناداری		نتیجه
شايستگي هاي هوش مصنوعي -> قابليت‌هاي بازايابي			651/0	548/13	00/0		تایید شد
قابليت‌هاي بازايابي -> عملكرد سازماني			788/0	358/33	00/0		تایید شد
تاثیرات شايستگي هاي هوش مصنوعي بر عملكرد سازماني				آزمون سوبل
تاثیر مستقیم	تاثیر غیر مستقیم	تاثیر کل		مقدار آماره		سطح معناداری
-	512/0	512/0		194/8		00/0

 

    همان‌گونه که در جدول بالا مشاهده می‌شود، تاثیر متغیر شايستگي‌هاي هوش مصنوعي بر قابليت‌هاي بازاريابي با ضریب مسیر 651/0 و مقدار آماره تي 548/13 مورد قبول واقع شد. هم‌چنین، تاثیر قابليت‌هاي بازاريابي بر عملكرد سازماني نیز با ضریب مسیر 788/0 و مقدار آماره تي 358/33 تایید شد. با توجه به آزمون این دو مسیر در قالب یک مدل میتوان استنباط کرد که متغیر قابليت‌هاي بازاريابي نقش واسطه ای را در تاثیرگذاری شايستگي‌هاي هوش مصنوعي بر عملكرد سازماني ایفا می‌کند. از سوی دیگر، با توجه به اینکه مقدار قدر مطلق آماره سوبل (Sobel) برابر با 194/8 و از 96/1 بیش‌تر محاسبه شده و سطح معناداری آزمون (00/0) کم‌تر از سطح خطای 05/0 بدست آمده است، می­توان در سطح اطمینان 95 درصد تاثیر میانجی­گری قابليت‌هاي بازاريابي را در رابطه بین شايستگي‌هاي هوش مصنوعي و عملكرد سازماني را بار دیگر تایید کرد.

 

آزمون فرضیات فرعي

برای بررسي فرضيات فرعي بار ديگر مدل‌سازي در فضاي نرم افزار اجرا شد كه نتايج آن در ادامه گزارش شده است.

 

نمودار 2. مدل فرعي با ضرایب مسير استاندارد شده

 

 

نمودار3. مدل فرعي با ضرایب t-Values

 

فرضیه فرعی نخست: شایستگی‌های هوش مصنوعی بر قابلیت مدیریت داده‌های B2B تاثیرگذار است.

    نتایج مربوط به فرضیه نخست پژوهش در جدول 2 آمده است.

جدول 2. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده بین شایستگی‌های هوش مصنوعی و قابلیت مدیریت داده‌های B2B

فرضیه نخست	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
شايستگي‌هاي هوش مصنوعي -> قابليت مديريت داده‌ها	437/0	00/7	00/0	تاييد شد

 

    همان‌گونه که در جدول بالا ملاحظه می‌شود، تاثیر شایستگی‌های هوش مصنوعی بر قابلیت مدیریت داده‌های B2B با ضریب بتای 437/0 و مقدار آماره t، 00/7 معنادار می‌باشد. به بیان دیگر، چون مقدار آماره t  این مسیر بیش‌تر از قدر مطلق 96/1 می‌باشد فرضیه این قسمت مبنی بر وجود تاثیر شایستگی‌های هوش مصنوعی بر قابلیت مدیریت داده‌های B2B معنادار می‌باشد. چون مقدار ضريب بتاي بين اين سازه‌ها مثبت بدست آمده است، مي‎توان نتيجه گرفت كه با افزايش يك انحراف استاندارد در شایستگی‌های هوش مصنوعی، قابلیت مدیریت داده‌های B2B به اندازه 514/0 انحراف استاندارد افزايش خواهد يافت. بنابراین، فرضیه نخست پژوهش نیز تایید می‎شود.

 

فرضیه فرعی دوم: شایستگی‌های هوش مصنوعی بر قابلیت برنامه‌ریزی B2B تاثیرگذار است.

    نتایج مربوط به فرضیه دوم پژوهش در جدول 3 آمده است.

 

جدول 3. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده بین شایستگی‌های هوش مصنوعی و قابلیت برنامه‌ریزی B2B

فرضیه دوم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
شايستگي هاي هوش مصنوعي -> قابليت برنامه ريزي	514/0	079/9	00/0	تاييد شد

 

    همان‌گونه که در جدول بالا ملاحظه می‌شود، تاثیر شایستگی‌های هوش مصنوعی بر قابلیت برنامه‌ریزی B2B با ضریب بتای 514/0 و مقدار آماره t، 079/9 معنادار می‌باشد. به بیان دیگر، چون مقدار آماره t  این مسیر بیش‌تر از قدر مطلق 96/1 می‌باشد فرضیه این قسمت مبنی بر وجود تاثیر شایستگی‌های هوش مصنوعی بر قابلیت برنامه‌ریزی B2B معنادار می‌باشد. چون مقدار ضريب بتاي بين اين سازه‌ها مثبت بدست آمده است، مي‌توان نتيجه گرفت كه با افزايش يك انحراف استاندارد در شایستگی‌های هوش مصنوعی، قابلیت برنامه‌ریزی B2B به اندازه 514/0 انحراف استاندارد افزايش خواهد يافت. بنابراین، فرضیه دوم پژوهش نیز تایید می‌شود.

 

فرضیه فرعی سوم: شایستگی‌های هوش مصنوعی بر قابلیت پیاده سازی B2B تاثیرگذار است.

    نتایج مربوط به فرضیه سوم پژوهش در جدول 4 آمده است.

 

جدول 4. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده بین شایستگی‌های هوش مصنوعی و قابلیت پیاده‌سازی B2B

فرضیه سوم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
شايستگي هاي هوش مصنوعي -> قابليت پياده سازي	593/0	755/10	00/0	تاييد شد

 

    همان‌گونه که در جدول بالا ملاحظه می‌شود، تاثیر شایستگی‌های هوش مصنوعی بر قابلیت پیاده سازی B2B با ضریب بتای 593/0 و مقدار آماره t، 755/10 معنادار می‌باشد. به بیان دیگر، چون مقدار آماره t  این مسیر بیش‌تر از قدر مطلق 96/1 می‌باشد فرضیه این قسمت مبنی بر وجود تاثیر شایستگی‌های هوش مصنوعی بر قابلیت پیاده سازی B2B معنادار می‌باشد. چون مقدار ضريب بتاي بين اين سازه‌ها مثبت بدست آمده است، مي‌توان نتيجه گرفت كه با افزايش يك انحراف استاندارد در شایستگی‌های هوش مصنوعی، قابلیت پیاده سازی B2B به اندازه 593/0 انحراف استاندارد افزايش خواهد يافت. بنابراین، فرضیه سوم پژوهش نیز تایید می‌شود.

 

فرضیه فرعی چهارم: قابلیت‌های مدیریت داده‌های B2B بر عملکرد سازمانی تاثیرگذار است.

    نتایج مربوط به فرضیه چهارم پژوهش در جدول 5 آمده است.

 

جدول 5. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده بین قابلیت‌های مدیریت داده‌های B2B و عملکرد سازمانی

فرضیه چهارم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
قابليت مديريت داده‌ها -> عملكرد سازماني	344/0	290/7	00/0	تاييد شد

 

    همان‌گونه که در جدول بالا ملاحظه می‌شود، تاثیر قابلیت‌های مدیریت داده‌های B2B بر عملکرد سازمانی با ضریب بتای 344/0 و مقدار آماره t، 290/7 معنادار می‌باشد. به بیان دیگر، چون مقدار آماره t  این مسیر بیش‌تر از قدر مطلق 96/1 می‌باشد فرضیه این قسمت مبنی بر وجود تاثیر قابلیت‌های مدیریت داده‌های B2B بر عملکرد سازمانی معنادار می‌باشد. چون مقدار ضريب بتاي بين اين سازه‌ها مثبت بدست آمده است، مي‌توان نتيجه گرفت كه با افزايش يك انحراف استاندارد در قابلیت‌های مدیریت داده‌های B2B، عملکرد سازمانی به اندازه 344/0 انحراف استاندارد افزايش خواهد يافت. بنابراین، فرضیه چهارم پژوهش نیز تایید می‌شود.

 

فرضیه فرعی پنجم: قابلیت‌های برنامه‌ریزی B2B بر عملکرد سازمانی تاثیرگذار است.

    نتایج مربوط به فرضیه پنجم پژوهش در جدول 6 آمده است.

 

 

 

 

جدول 6. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده بین قابلیت‌های برنامه‌ریزی B2B و عملکرد سازمانی

فرضیه پنجم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
قابليت برنامه ريزي -> عملكرد سازماني	298/0	783/6	00/0	تاييد شد

 

    همان‌گونه که در جدول بالا ملاحظه می‌شود، تاثیر قابلیت‌های برنامه‌ریزی B2B بر عملکرد سازمانی با ضریب بتای 298/0 و مقدار آماره t، 783/6 معنادار می‌باشد. به بیان دیگر، چون مقدار آمارهt  این مسیر بیش‌تر از قدر مطلق 96/1 می‌باشد فرضیه این قسمت مبنی بر وجود تاثیر قابلیت‌های برنامه‌ریزی B2B بر عملکرد سازمانی معنادار می‌باشد. چون مقدار ضريب بتاي بين اين سازه‌ها مثبت بدست آمده است، مي‌توان نتيجه گرفت كه با افزايش يك انحراف استاندارد در قابلیت‌های برنامه‌ریزی B2B ، عملکرد سازمانی به اندازه 298/0 انحراف استاندارد افزايش خواهد يافت. بنابراین، فرضیه پنجم پژوهش نیز تایید می‌شود.

 

فرضیه فرعی ششم: قابلیت‌های پیاده سازی B2B بر عملکرد سازمانی تاثیرگذار است.

    نتایج مربوط به فرضیه ششم پژوهش در جدول 7 آمده است.

 

جدول 7. نتایج براورد ضرایب معناداری تی و ضریب مسیر استاندارد شده بین قابلیت‌های پیاده سازی B2B و عملکرد سازمانی

فرضیه ششم	ضريب مسیر (B)	مقدار تی (t-value)	سطح معناداري	نتيجه
قابليت پياده سازي -> عملكرد سازماني	353/0	335/7	00/0	تاييد شد

 

    همان‌گونه که در جدول بالا ملاحظه می‌شود، تاثیر قابلیت‌های پياده سازي B2B بر عملکرد سازمانی با ضریب بتای 353/0 و مقدار آماره t، 335/7 معنادار می‌باشد. به بیان دیگر، چون مقدار آمارهt  این مسیر بیش‌تر از قدر مطلق 96/1 می‌باشد فرضیه این قسمت مبنی بر وجود تاثیر قابلیت‌های پياده سازي B2B بر عملکرد سازمانی معنادار می‌باشد. چون مقدار ضريب بتاي بين اين سازه‌ها مثبت بدست آمده است، مي‌توان نتيجه گرفت كه با افزايش يك انحراف استاندارد در قابلیت‌های پياده سازي B2B، عملکرد سازمانی به اندازه 353/0 انحراف استاندارد افزايش خواهد يافت. بنابراین، فرضیه ششم پژوهش نیز تایید می‌شود.

 

بحث و نتیجه گیری

نتیجه آزمون فرضيه اصلی پژوهش

یافته‌های پژوهش مربوط به فرضیه اصلی پژوهش نشان می‌دهد تاثیر متغیر شايستگي‌هاي هوش مصنوعي بر قابليت‎هاي بازاريابي با ضریب مسیر و مقدار آماره تي مورد قبول واقع شد. هم‌چنین، تاثیر قابليت‌هاي بازاريابي بر عملكرد سازماني نیز با ضریب مسیر و مقدار آماره تي تایید شد. با توجه به آزمون این دو مسیر در قالب یک مدل می‎توان استنباط کرد که متغیر قابليت‌هاي بازاريابي نقش واسطه‌ای را در تاثیر گذاری شايستگي‎هاي هوش مصنوعي بر عملكرد سازماني ایفا می‌کند. از سوی دیگر، با توجه به اینکه مقدار قدر مطلق آماره سوبل از 96/1 بیش‌تر محاسبه شده و سطح معناداری آزمون کم‌تر از سطح خطای 05/0 بدست آمده است، می­توان در سطح اطمینان 95 درصد تاثیر میانجی‎گری قابليت‎هاي بازاريابي را در رابطه بین شايستگي‎هاي هوش مصنوعي و عملكرد سازماني را بار دیگر تایید کرد. نتیجه بدست آمده با نتایج پژوهش‌های براتی(1402)، گمرکچی(1402)، زاداحمد (1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    از یک طرف شایستگی‎های هوش قدرت تحلیل داده‌ها، پیش بینی الگوها، بهبود فرایندهای تصمیم‌گیری و ارائه راه‌حل‌های بهینه برای مسائل پیچیده برخوردارند و از راه بهبود تصمیم‌گیری با تحلیل داده های بزرگ، الگوها و روندهای مهم را شناسایی کرده و سازمان را به تصمیم‌گیری‌های دقیق‌تر و موثرتر می‎رساند. از راه اتوماسیون فرایندها تا بهینه‌سازی زمان‌بندی و مدیریت منابع، هوش مصنوعی می‌تواند به عملکرد عملیاتی سازمان کمک کند. می‌توان فرایندها را بهینه‌سازی کرده و از اتلاف منابع جلوگیری کرد. از سوی دیگر، شایستگی‌های هوش مصنوعی می‌توانند به سازمان‌ها کمک کنند تا قابلیت‌های بازاریابی خود را بهبود بخشند، به شناخت بهتر مشتریان دست یابند و بهبود تجربه مشتریان خود را فراهم کنند. این فناوری‌ها می‌توانند به سازمان‌ها کمک کنند تا رقابت‌پذیری خود را افزایش دهند و در نهایت، عملکرد بازاریابی و سازمانی خود را بهبود بخشند. هم‌چنین، قابلیت‌های بازاریابی نیز با افزایش فروش از راه بهبود استراتژی‌های تبلیغاتی، ارتقاء تجربه مشتری بهبود شناخت مشتری، افزایش شناخت برند و بهبود رقابت‌پذیری در نهایت، عملکرد سازمانی خود را بهبود می‌بخشد.

 

نتیجه آزمون فرضيه فرعی نخست پژوهش

یافته‌های پژوهش مربوط به فرضیه فرعی نخست پژوهش نشان می‌دهد با توجه به اینکه مقدار عدد معناداری بیش از 96/1 است، مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است؛ يعني شایستگی‌های هوش مصنوعی بر قابلیت مدیریت داده‌های B2B تأثیری مثبت و معنادار دارد. بنابراین، فرضیه فرعی نخست پژوهش تایید می‎شود. نتیجه بدست آمده با نتایج پژوهش‌های براتی(1402)، گمرکچی(1402)، زاداحمد(1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    شایستگی‌های هوش مصنوعی می‌توانند تاثیر بزرگی بر قابلیت مدیریت داده‌ها داشته باشند. این شایستگی‌ها شامل توانایی تحلیل داده‌ها، پردازش زبان طبیعی، تصویربرداری و شناخت الگوها می‌شود. با استفاده از این شایستگی‌ها، سیستم‌های هوش مصنوعی می‌توانند به صورت خودکار داده‌ها را تحلیل کرده و داده‌های مفید را استخراج کنند. برای مثال، با استفاده از شایستگی تحلیل داده‌ها، سیستم‌های هوش مصنوعی می‌توانند الگوهای پنهان در داده‌ها را شناسایی کرده و پیش‌بینی‌های دقیق‌تری ارائه دهند. هم‌چنین، با استفاده از شایستگی پردازش زبان طبیعی، سیستم‌های هوش مصنوعی می‌توانند داده‌های موجود در متون و متنوع‌های دیگر را به صورت خودکار تجزیه و تحلیل کرده و به کاربران ارائه دهند.

 

نتیجه آزمون فرضيه فرعی دوم پژوهش

یافته‌های پژوهش مربوط به فرضیه فرعی دوم پژوهش نشان می‌دهد با توجه به اینکه مقدار عدد معناداری بیش از 96/1 مي‌باشد؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني شایستگی‌های هوش مصنوعی بر قابلیت برنامه‌ریزی B2B تأثیری مثبت و معنادار دارد. بنابراین، فرضیه فرعی دوم پژوهش تایید می‎شود. نتیجه بدست آمده با نتایج پژوهش‌های براتی(1402)، گمرکچی(1402)، زاداحمد(1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    شایستگی‌های هوش مصنوعی می‌توانند تاثیر بزرگی بر قابلیت برنامه‌ریزی بازاریابی داشته باشند. این شایستگی‌ها از جمله توانایی تحلیل داده‌های بزرگ، پیش‌بینی الگوهای رفتار مشتریان، ارائه پیشنهادهای شخصی‌سازی شده و بهینه‌سازی فرآیندهای بازاریابی می‌باشند. با استفاده از شایستگی تحلیل داده‌های بزرگ، سیستم‌های هوش مصنوعی می‌توانند داده‌های مربوط به مشتریان، رقبا و بازار را تجزیه و تحلیل کرده و الگوهای مهم را شناسایی کرده و از آن‌ها برای برنامه‌ریزی استراتژی‌های بازاریابی استفاده کنند. این داده‌ها می‌توانند به تصمیم -‌گیری‌های استراتژیک در زمینه بازاریابی کمک کنند و به بهبود برنامه‌ریزی بازاریابی کمک کنند. هم‌چنین، با استفاده از شایستگی پیش‌بینی، سیستم‌های هوش مصنوعی می‌توانند رفتارهای مشتریان را پیش‌بینی کرده و به ارائه پیشنهادهای شخصی‌سازی شده برای هر مشتری بپردازند. این نوع پیشنهادها می‌توانند به بهبود برنامه‌ریزی بازاریابی کمک کنند و به افزایش بازدهی و بهره‌وری در فعالیت‌های بازاریابی منجر شوند. برای مثال، سیستم‌های هوش مصنوعی می‌توانند با تحلیل داده‌های مشتریان، پیشنهادهای محصولات یا خدمات مناسب برای هر مشتری را ارائه کرده و به این ترتیب برنامه‌ریزی بازاریابی شخصی‌سازی شده را بهبود بخشند. هم‌چنین، با بهره‌گیری از شایستگی بهینه‌سازی، سیستم‌های هوش مصنوعی می‌توانند فرآیندهای بازاریابی را بهبود بخشده و به بهبود عملکرد بازاریابی کمک کنند.

 

نتیجه آزمون فرضيه فرعی سوم پژوهش

یافته‌های پژوهش مربوط به فرضیه فرعی سوم پژوهش نشان می‌دهد با توجه به اینکه مقدار عدد معناداری بیش از 96/1 مي‌باشد؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني شایستگی‌های هوش مصنوعی بر قابلیت پیاده سازی B2B تأثیر مثبت و معناداری دارد. بنابراین، فرضیه فرعی سوم پژوهش تایید می‎شود. نتیجه بدست آمده با نتایج پژوهش‌های براتی(1402)، گمرکچی(1402)، زاداحمد(1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    شایستگی‌های هوش مصنوعی می‌توانند تاثیر بسزایی بر قابلیت پیاده‌سازی استراتژی‌های بازاریابی داشته باشند. این شایستگی‌ها شامل توانایی تحلیل داده‌های بزرگ، پیش‌بینی الگوهای رفتار مشتریان، ارائه پیشنهادهای شخصی‌سازی شده و بهینه‌سازی روند بازاریابی می‌شود. با استفاده از شایستگی تحلیل داده‌های بزرگ، سیستم‌های هوش مصنوعی می‌توانند داده‌های مربوط به مشتریان، رقبا و بازار را تجزیه و تحلیل کرده و الگوهای مهم را شناسایی کرده و از آن‌ها برای ارائه استراتژی‌های بازاریابی استفاده کنند. هم‌چنین، با استفاده از شایستگی پیش‌بینی، سیستم‌های هوش مصنوعی می‌توانند رفتارهای مشتریان را پیش‌بینی کرده و به ارائه پیشنهادهای شخصی‌سازی شده برای هر مشتری بپردازند. برای مثال، سیستم‌های هوش مصنوعی می‌توانند با تحلیل داده‌های مشتریان، پیشنهادهای محصولات یا خدمات مناسب برای هر مشتری را ارائه کرده و به این ترتیب بازاریابی شخصی‌سازی شده را بهبود بخشند. هم‌چنین، با بهره‌گیری از شایستگی بهینه‌سازی، سیستم‌های هوش مصنوعی می‌توانند روند بازاریابی را بهبود بخشده و به بهبود عملکرد و افزایش فروش کمک کنند.

 

نتیجه آزمون فرضيه فرعی چهارم پژوهش

یافته‌های پژوهش مربوط به فرضیه فرعی چهارم پژوهش نشان می‌دهد با توجه به اینکه مقدار عدد معناداری بیش از 96/1 مي‌باشد؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است؛ يعني قابلیت‌های مدیریت داده‌های B2B بر عملکرد سازمانی تأثیری مثبت و معنادار دارد. بنابراین، فرضیه فرعی چهارم پژوهش تایید می‎شود. نتیجه بدست آمده با نتایج پژوهش‌های براتی (1402)، گمرکچی (1402)، زاداحمد (1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    قابلیت‌های مدیریت داده‌های بازاریابی، به عنوان یکی از اصولی‌ترین عوامل موفقیت در عصر اطلاعات و فناوری، تاثیر بسیار زیادی بر عملکرد سازمانی دارند. این قابلیت‌ها شامل توانایی جمع‌آوری، ذخیره، تجزیه و تحلیل و بهره‌گیری از داده‌های بازاریابی به منظور ارتقاء فرآیندهای تصمیم‌گیری و اجرای استراتژی‌های بازاریابی می‌باشند. قابلیت‌های مدیریت داده‌های بازاریابی، سازمان‌ها قادرند به صورت دقیق‌تر داده‌های مربوط به بازار، مشتریان و رقبا را تجزیه و تحلیل کرده و تصمیم‌گیری‌های استراتژیک خود را بر اساس داده‌های قابل اعتمادتری انجام دهند. به سازمان‌ها امکان می‌دهد تا با استفاده از داده‌های موجود، الگوهای رفتاری مشتریان و تغییرات بازار را پیش‌بینی کرده و استراتژی‌های بازاریابی خود را بر اساس این پیش‌بینی‌ها تنظیم کنند. سازمان‌ها را قادر می‌سازد تا تصمیم‌گیری‌های بهتری در زمینه استراتژی‌های بازاریابی، تبلیغات، قیمت‌گذاری و توزیع اتخاذ کنند. و سازمان‌ها می‌توانند بهبودیافته‌ترین استراتژی‌های بازاریابی را اجرا کرده و به رقبای خود از لحاظ تصمیم‌گیری و اجرای استراتژی‌ها پیشی بگیرند. لذا، باعث افزایش توانایی رقابتی و بهبود عملکرد سازمانی می‌شود.

 

نتیجه آزمون فرضيه فرعی پنجم پژوهش

یافته‌های پژوهش مربوط به فرضیه فرعی پنجم پژوهش نشان می‌دهد با توجه به اینکه مقدار عدد معناداری بیش از 96/1 مي‌باشد؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است، يعني قابلیت‌های برنامه‎ریزی B2B بر عملکرد سازمانی تأثیری مثبت و معنادار دارد. بنابراین، فرضیه فرعی پنجم پژوهش تایید می‎شود. نتیجه بدست آمده با نتایج پژوهش‌های براتی (1402)، گمرکچی (1402)، زاداحمد (1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    قابلیت‌های برنامه‌ریزی بازاریابی نقشی بسیار مهم در بهبود عملکرد سازمانی دارند. این قابلیت‌ها به سازمان‌ها امکان می‌دهند تا استراتژی‌های بازاریابی خود را به دقت برنامه‌ریزی کرده و اجرایی کارآمدتری داشته باشند که در نتیجه بهبود عملکرد سازمانی را به همراه خواهد داشت. قابلیت‌های برنامه‌ریزی بازاریابی به سازمان‌ها کمک می‌کنند تا هدف‌ها و استراتژی‌های بازاریابی خود را به دقت تعیین کرده و برنامه‌ریزی کنند. به سازمان‌ها امکان می‌دهند تا منابع خود را بهینه‌تر تخصیص دهند و از منابع موجود به بهترین شکل استفاده کنند. به سازمان‌ها امکان می‌دهند تا با استفاده از داده‌های موجود، الگوهای رفتاری مشتریان و تغییرات بازار را پیش‌بینی کرده و استراتژی‌های بازاریابی خود را بر اساس این پیش‌بینی‌ها تنظیم کنند. این امر باعث افزایش قابلیت‌های پیش‌بینی و انعطاف‌پذیری سازمان می‌شود که در نتیجه بهبود عملکرد سازمانی را به همراه خواهد داشت. بنابراین، قابلیت‌های برنامه‌ریزی بازاریابی تاثیر بسیار زیادی بر عملکرد سازمانی دارند و می‌توانند بهبود قابل توجهی در عملکرد و بازدهی سازمان‌ها ایجاد کنند.

    نتیجه آزمون فرضيه فرعی ششم پژوهش

    یافته‌های پژوهش مربوط به فرضیه فرعی ششم پژوهش نشان می‌دهد با توجه به اینکه مقدار عدد معناداری بیش از 96/1 مي‌باشد؛ مي‌توان نتيجه گرفت که اين ضريب مسير در سطح خطاي 05/0 معنا‌دار است؛ يعني قابلیت‌های پیاده‎سازی B2B بر عملکرد سازمانی تأثیر مثبت و معناداری دارد. بنابراین، فرضیه فرعی ششم پژوهش تایید می‎شود. نتیجه بدست آمده با نتایج پژوهش‌های براتی (1402)، گمرکچی (1402)، زاداحمد (1401)، میکایلف و همکاران (2023)، چن و همکاران (2022)، آگروال و همکاران (2022) و... همخوانی دارد.

    در تفسیر نتیجه بدست آمده می‌توان بیان کرد که:

    قابلیت‌های پیاده‌سازی بازاریابی نقشی بسیار مهم در افزایش عملکرد سازمانی دارند. این قابلیت‌ها به سازمان‌ها امکان می‌دهند تا استراتژی‌های بازاریابی خود را به عمل درآورده و به شکلی موثر اجرا کنند که در نتیجه بهبود عملکرد سازمانی را به همراه خواهد داشت. به سازمان‌ها کمک می‌کنند تا استراتژی‌های بازاریابی خود را به دقت اجرا کرده و از منابع موجود به بهترین شکل استفاده کنند. به سازمان‌ها امکان می‌دهند تا ارتباط خود با مشتریان را بهبود بخشیده و به شکلی موثرتر با آن‌ها ارتباط برقرار کنند. به سازمان‌ها کمک می‌کنند تا فرآیندهای بازاریابی خود را بهبود بخشیده و به شکلی کارآمدتر و کارآمدتر اجرا کنند. این امر باعث افزایش بهره‌وری و کارایی در فرآیندهای بازاریابی می‌شود که در نتیجه بهبود عملکرد سازمانی را به همراه خواهد داشت. بنابراین، قابلیت‌های پیاده‌سازی بازاریابی تاثیر بسیار زیادی بر عملکرد سازمانی دارند و می‌توانند بهبود قابل توجهی در عملکرد و بازدهی سازمان‌ها ایجاد کنند.

 

پیشنهادهای بر اساس نتایج آزمون فرضیات

پیشنهاد برای ارتقای عملکرد سازمانی از راه شایستگی‌های هوش مصنوعی

1.تجزیه و تحلیل داده‌ها: استفاده از هوش مصنوعی برای تجزیه و تحلیل داده‌های سازمانی و استخراج داده‌های مفید می‌تواند به بهبود فرآیندهای تصمیم‌گیری و بهبود عملکرد سازمانی کمک کند.

 2.بهینه‌سازی فرآیندها: استفاده از الگوریتم‌های هوش مصنوعی برای بهینه‌سازی فرآیندها و کاهش هزینه‌ها و زمان مورد نیاز برای انجام وظایف گوناگون می‌تواند به ارتقای عملکرد سازمانی کمک کند.

 3.پشتیبانی از تصمیم‌گیری: استفاده از سیستم‌های هوش مصنوعی برای پشتیبانی از فرآیندهای تصمیم‌گیری می‌تواند به بهبود دقت و سرعت تصمیم‌گیری‌های مدیریتی و عملکرد سازمانی کمک کند.

4. خودکارسازی فرآیندها: استفاده از روش‌های هوش مصنوعی برای خودکارسازی فرآیندها و وظایف گوناگون می‌تواند به افزایش بهره‌وری و کاهش خطاها در سازمان کمک کند.

5. پیش‌بینی و تحلیل ریسک: استفاده از الگوریتم‌های هوش مصنوعی برای پیش‌بینی و تحلیل ریسک‌ها و فرصت‌های گوناگون می‌تواند به بهبود مدیریت ریسک و بهبود عملکرد سازمانی کمک کند.

 

پیشنهاد برای ارتقای عملکرد سازمانی از راه قابلیت‌های بازاریابی

1. تحلیل بازار: انجام تحلیل دقیق و جامع از بازار و رقبا به کمک ابزارهای تحلیل داده و هوش مصنوعی می‌تواند به سازمان کمک کند تا بهترین استراتژی‌ها را برای ورود به بازارها و رشد کسب و کار تعیین کند.

2. تعیین گروه هدف: استفاده از هوش مصنوعی برای شناسایی و تعیین گروههای هدف مخاطبان، بهبود نتایج تبلیغات و بازاریابی و افزایش فروش و درآمد سازمانی کمک کند.

3. ارتباطات موثر: استفاده از ابزارهای بازاریابی هوشمند برای برقراری ارتباطات موثر با مشتریان و ارائه محتوای مناسب و بهینه برای هر مشتری می‌تواند به افزایش وفاداری مشتریان و افزایش فروش کمک کند.

4. بهبود تجربه مشتری: استفاده از فناوری‌های هوش مصنوعی برای بهبود تجربه مشتری و ارائه خدمات و محصولات شخصی‌سازی شده می‌تواند به افزایش رضایت مشتریان و افزایش بازدهی سازمان کمک کند.

5. اندازه‌گیری عملکرد: استفاده از داده‌ها و ابزارهای تحلیلی برای اندازه‌گیری عملکرد استراتژی‌های بازاریابی و بهبود مستمر عملکرد سازمانی می‌تواند به بهبود کارایی و بازدهی سازمان کمک کند.

 

پیشنهاد برای ارتقای قابلیت‌های بازاریابی از راه شایستگی‌های هوش مصنوعی

1. تجزیه و تحلیل داده‌ها: استفاده از الگوریتم‌های هوش مصنوعی برای تجزیه و تحلیل داده‌های بازاریابی و شناسایی الگوها و روندهای مهم می‌تواند به بهبود استراتژی‌های بازاریابی و افزایش دقت تصمیم‌گیری کمک کند.

2. پیش‌بینی و پیشنهادهای هوشمند: استفاده از سیستم‌های پیش‌بینی و پیشنهادهای هوشمند برای پیش‌بینی رفتار مشتریان و ارائه پیشنهادهای مخصوص و شخصی‌سازی شده می‌تواند به افزایش فرصت‌های فروش و افزایش بازدهی بازاریابی کمک کند.

3. اتوماسیون بازاریابی: استفاده از روش‌های اتوماسیون بازاریابی با استفاده از هوش مصنوعی برای ارسال ایمیل‌ها، پیام‌های متنی، تبلیغات آنلاین و مدیریت رویدادها می‌تواند به بهبود کارایی و کاربردی بودن بازاریابی کمک کند.

4. شناسایی مشتریان پتانسیل: استفاده از الگوریتم‌های هوش مصنوعی برای شناسایی مشتریان پتانسیل و تبلیغات هدفمند به آن‌ها می‌تواند به افزایش فرصت‌های فروش و افزایش تبلیغات موفق کمک کند.

5. بهبود تجربه مشتری: استفاده از هوش مصنوعی برای ارائه تجربه مشتری بهینه و شخصی‌سازی شده می‌تواند به افزایش وفاداری مشتریان و افزایش فروش کمک کند.

 

منابع

استرن، جیم. (1399). هوش مصنوعی و کاربردهای آن در بازاریابی، مترجم: سید محمد طباطبایی نسب، فرشته راستی، انتشارات دانشگاه یزد

آمسترانگ، مایکل. (1396). مدیریت عملکرد، انتشارات سازمان جهاد دانشگاهی تهران

براتی، مهدی. (1402). بررسی تاثیر قابلیت‌های هوش مصنوعی بر عملکرد بازاریابی در خریدهای آنلاین (مورد مطالعه: فروشگاههای آنلاین در شهر تهران)، نهمین کنفرانس بین‎المللی چشم اندازهای نوین در مدیریت، حسابداری و کارآفرینی،تهران

زاداحمد، لیلا. (1401). نقش مداخله‌گری هوش مصنوعی در تاثیر بازاریابی نوین بر عملکرد سازمان‌های نوپا. نشریه تخصصی پژوهش های پیشرفت و تعالی، 5(4)، 26-15

قاضی‌زاده، مصطفی.، ابراهیم پور، حبیب.، سعادتمند، محمد و حسینی فر، سید مجتبی. بررسی و مطالعه اثر قابلیت‌های بازاریابی و تنوع‌بخشی بر عملکرد مالی (با استفاده از تکنیک تحلیل پوششی داده ها)، مجله تحقیقات بازاریابی نوین، شماره 1 پیاپی(24)، صص 34-27

کرمی‌پور، میثم. (1402). طراحی و تبیین مدل شایستگی‌های هوش مصنوعی بر عملکرد سازمانی با در نظر گرفتن قابلیت‌های بازاریابی B2B، فصلنامه ارزش آفرینی در مدیریت کسب و کار، دوره: 3، شماره: 2

گمرکچی، فاطمه. (1402). ارزیابی تاثیر قابلیت هوش مصنوعی بر عملکرد فروش (مورد مطالعه: شرکت‌های تولیدی فرش ماشینی شهرستان کاشان)،نخستین کنفرانس بین المللی توانمندی مدیریت، مهندسی صنایع، حسابداری و اقتصاد، بابل

متولی‌جلالی، نزهت‌السادات. (1401). تاثیر قابلیت‌های هوش مصنوعی بر عملکرد مالی، بازاریابی و اداری،ناشر: آموزشی تالیفی ارشدان، چاپ اول

Abijith, A., & Wamba, S. F. J. B. P. M. J. (2012). Business value of RFID- enabled healthcare transformation projects. 19(1), 31

Agarwa, H. Prasad Das, C. & Swain, K. (2022). Does Artificial Intelligence Influence the Operational Performance of Companies? A Study, Atlantis Highlights in Social Sciences, Education and Humanities, volume 2

Batko, R., & Szopa, A. (2016). Strategic imperatives and core competencies in the era of robotics and artificial intelligence. IGI Global.

Borges, A. F., Laurindo, F. J., Spínola, M. M., Gonçalves, R. F., & Mattos, C. A. (2020). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management, 102225.

Castelo-Branco, I., Cruz-Jesus, F., & Oliveira, T. (2019). Assessing Industry 4.0 readiness in manufacturing: Evidence for the European Union. Computers in Industry, 107, 22–32.

Ensslin, S. R., Rodrigues, K. T., Yoshiura, L. J. M., da Silva, J. C., & Longaray, A. A. (2022). Organizational performance management and the ‘sustainability’of the performance evaluation system: A view guided by the integrative review perspective. Sustainability, 14(17), 11005

Guo, W., & Zhang, B. (2020). Research on development strategy of news app under the background of artificial intelligence. In IOP Conference Series: Materials Science and Engineering (Vol. 806, No. 1, p. 012031). IOP Publishing

Han, R., Lam, H. K. S., Zhan, Y., Wang, Y., Dwivedi, Y. K., & Tan, K. H. (2021). Artificial intelligence in business-tobusiness marketing: a bibliometric analysis of current research status, development and future directions. Industrial Management & Data Systems, ahead-of-p (ahead-of-print). https:// doi. org/ 10. 1108/ IMDS- 05- 2021- 0300

Herhausen, D., Mioˇcevi´c, D., Morgan, R. E., & Kleijnen, M. H. (2020). The digital marketing capabilities gap. Industrial Marketing Management, 90, 276–290.

Huang, M.-H., Rust, R., & Maksimovic, V. (2019). The feeling economy: Managing in the next generation of artificial intelligence (AI). California Management Review, 61(4), 43–65

Kaličanin, K., Čolović, M., Njeguš, A., Mitić, V. (2019). Benefits of Artificial Intelligence and Machine Learning in Marketing. Paper presented at Sinteza 2019 - International Scientific Conference on Information Technology and Data Related Research. doi:10.15308/Sinteza-2019-472-477

Kolis, K., & Jirinova, K. (2013). Differences between B2B and B2C customer relationship management. Findings from the Czech Republic. European Scientific Journal, 4, 22–27

Makarius, E. E., Mukherjee, D., Fox, J. D., & Fox, A. K. (2020). Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization. Journal of Business Research, 120, 262–273.

Mikalef, P., Conboy, K., & Krogstie, J. (2021). Artificial intelligence as an enabler of B2B marketing: A dynamic capabilities micro-foundations approach. Industrial marketing management, 98, 80–92

Morgan, N.A., Vorhies, D. W., Mason, C. H., (2009). Market orientation, marketing capabilities and firm performance, Strategic Management Journal, 30(8), pp. 909-920

Olan, F., Arakpogun, E. O., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U. (2022). Artificial intelligence and knowledge sharing: Contributing factors to organizational performance. Journal of BusinessResearch, 145, 605-615

Paschen, J., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 147–155.

Poole, David; Mackworth, Alan; Goebel, Randy (2007). Computational Intelligence: A Logical Approach (English). New York, NY, USA: Oxford University Press, Inc. ISBN 9780195102703.

Syam, N., & Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution: Machine learning and artificial intelligence in sales research and practice. Industrial Marketing Management, 69, 135–146.

Tjepkema, L. (2019). What Is Artificial Intelligence Marketing & Why Is It So Powerful. Emarsys: https://www.emarsys.com/resources/blog/artificial-intelligence marketing solutions /03.05, 53–55.

Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal ofInformation Management Data Insights, 100002.

Vlačić, B., Corbo, L., e Silva, S. C., & Dabić, M. (2021). The evolving role of artificial intelligence in marketing: A review and research agenda. Journal of Business Research, 128, 187-203

Wirth, N. (2018). Hello marketing, what can artificial intelligence help you with. International Journal of Market Research, 60(5), 435–438. 

 

 

 

 

 

 

 

 

 

 

 

 

---

[1] . Borges et al

[2] . Makarius

[3] . Batko & Szopa

[4] . Ransbotham et al

[5] . Vlačić et al

[6] . Abijith & Wamba

[7] . Wirth

[8] . Huang et al

[9] . Kolis & Jirinova

[10] . Herhausen et al

[11] . Guo & Zhang

[12]  .Mikalef et al

[13] . Agarwall et al

[14] . Verma et al

[15] . Mikalef & Gupta

 

Investigating the Impact of Artificial Intelligence Competencies on Organizational Performance with the Mediating Role of B2B Marketing Capabilities (Case Study: Manufacturing Companies Located in the Aras Free Trade-Industrial Zone)

 

Akbar Gol Mohammadpoor1*, Behrooz Sirang2, Babak Jarrahi3, Yaser Abbaspoor4

 

Abstract	Article Info
The aim of this study is to investigate the impact of artificial intelligence competencies on organizational performance with the mediating role of B2B marketing capabilities in manufacturing companies located in the Aras Free Trade and Industrial Zone. The present study is an applied research in terms of its purpose, a field research in terms of its data collection method, and a descriptive research in terms of its nature. The statistical population of the present study is all managers and IT experts of manufacturing companies located in the Aras Free Zone. The statistical population of the present study is all managers and IT experts of manufacturing companies located in the Aras Free Zone with more than 50 employees, whose number is 212 companies based on information received from the Aras Free Zone Organization, which includes 1 manager and 1 IT expert, resulting in a statistical population of 424 people. For sampling, a simple random sampling method was used, and the number of statistical samples was 202 people using the Morgan table. To collect data, the standard questionnaire of Miklaev et al. (2021) was used, which has acceptable validity and reliability. Structural equation modeling (SEM) with partial least squares (PLS) approach was used to analyze the data using Smart PLS3 software. The results of the research hypothesis test show that artificial intelligence competencies have a positive effect on organizational performance with the mediating role of B2B marketing capabilities in manufacturing companies located in the Aras Free Trade and Industrial Zone.	Article type: Research Article
Artificial Intelligence Competencies, Organizational Performance, B2B Marketing Capabilities, Manufacturing Companies Located in Aras Free Trade-Industrial Zone	Keywords

 

 

Publisher: Islamic Azad University Qods Branch

Corresponding Author: Akbar Gol Mohammadpoor

Email: [e-mail]

 

1. Instructor, Department of Management, Aras Branch, Islamic Azad University, Hadishahr, Iran (Corresponding Author)

2. Instructor, Department of Accounting, Aras Branch, Islamic Azad University, Hadishahr, Iran

3. Instructor, Department of English, Aras Branch, Islamic Azad University, Hadishahr, Iran

4. Master of Business Administration

 

 

مدیریت نوآفرینی / دانشگاه آزاد اسلامي واحد شهرقدس / سال سوم / شماره سوم/ پاییز ۱۴۰2

---