نقش مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در افزایش وفاداری مصرفکننده
محورهای موضوعی : مدیریت بازرگانیسولماز هاشمی 1 , فرزاد آسایش 2
1 - دانشگاه آزاد شهرقدس
2 - گروه مدیریت بازرگانی، علوم انسانی، دانشگاه آزاد اسلامی واحد شهرقدس، تهران، ایران
کلید واژه: مدیریت ارتباط با مشتری, هوش مصنوعی, وفاداری,
چکیده مقاله :
پژوهش حاضر از حیث هدف یک مطالعه کاربردی، از نظر روش کمی و به لحاظ ماهیت پژوهش یک مطالعه توصیفی و به لحاظ ماهیت گردآوری دادهها یک مطالعه پیمایشی محسوب میشود. به‌علاوه، نحوه اجرای این مطالعه نیز بهصورت همبستگی است. جامعه آماری این پژوهش، کلیه مشتریان سایت دیجی استایل میباشد که در زمینه پوشاک مردانه، زنانه و بچگانه فعالیت می‌کند. باتوجه به نامحدود بودن جامعه آماری، 384 نفر به صورت روش نمونهگیری تصادفی ساده و از طریق فرمول کوکران به عنوان حجم نمونه انتخاب شدند. تجزيه و تحليل نتايج حاصل از اين پژوهش با استفاده از نرم‌افزار Smart PLS در دو سطح توصيفي و استنباطي انجام شد. نتایج نشان داد مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی تأثیر قابل توجه و مثبتی بر ترجیحات برند، رضایت مشتری و قصد خرید دارد. همچنین، ترجیحات برند، رضایت مشتری و قصد خرید هر یک به طور مستقل نقش مهمی در افزایش وفاداری مشتری ایفا می‌کنند. به طور کلی، می‌توان گفت که استفاده از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی با بهبود این عوامل کلیدی، به طور مؤثری باعث افزایش وفاداری مشتریان میشود و نقش مهمی در تقویت روابط بلندمدت بین مشتری و برند دارد.
The present study is an applied research in terms of objective, quantitative in method, and descriptive-survey in nature regarding data collection. The implementation approach is correlational. The statistical population consists of all customers of the Digistyle website, which operates in the field of men's, women's, and children's clothing. Given the unlimited population, a sample size of 384 was selected using simple random sampling and the Cochran formula. Data analysis was performed using Smart PLS software at both descriptive and inferential levels. The results demonstrated that AI-based customer relationship management (CRM) has a significant and positive impact on brand preference, customer satisfaction, and purchase intention. Furthermore, each of these factors—brand preference, customer satisfaction, and purchase intention—independently plays an important role in increasing customer loyalty. Overall, the findings suggest that the use of AI-based CRM, by improving these key factors, effectively enhances customer loyalty and plays a crucial role in strengthening long-term relationships between the customer and the brand.
• احمدی، م.، رضایی، ا.، و کریمی، س. (1399). تأثیر سیستم‌های مدیریت ارتباط با مشتری هوشمند بر رضایت و وفاداری مشتریان بانک‌ها، مجله مدیریت بازاریابی، 45(2).
• اسماعیل¬زاده، اثمر؛ رستمی، سمیه؛ علیرضایی، شبنم (1398). ارزیابی نقش مدیریت ارتباط با مشتری بر وفاداری مشتریان (بانک¬های سپه استان آذربایجان غربی)، فصلنامه رویکردهای پژوهشی نو در علوم مدیریت، سال دوم شماره 11.
• پورسلیمی، مجتبی و اسلامی، قاسم و غلامیان قوژدی، سیمین و حیدری، زینب، (1403)، نگاشت مفهومی پیشایندهای رضایت مشتریان کارافزار اقامت ۲۴: کاربست روش دیمتل، فصلنامه پژوهش های بازاریابی گردشگری و میهمان نوازی، دوره: 2، شماره: 2.
• جوشن، نغمه، (1403)، بررسی تاثیر برند بر روی وفاداری مشتریان مبتنی بر کیفیت خدمات در حوزه کسب وکار الکترونیک در فروشگاه های زنجیره ای افق کوروش شهر اصفهان.
• حبیبی، آرش؛ عسکری، فروغ؛ حسینی، بهاره. (۱۴۰۳). فراشخصی‌سازی: مفهوم‌سازی و ارائه مقیاسی برای سنجش آن. فصلنامه بازاریابی پارس‌مدیر. ۱۰ (۳۴)، ۱-۱۱.
• خیربین سیاهمزگی، امیررضا، (1404)، تحلیل تاثیر الگوریتم های شخصی سازی مبتنی بر هوش مصنوعی بر وفاداری مشتریان در استارتاپ های تجارت الکترونیک ایران، ماهنامه پایاشهر، دوره: 7، شماره: 75.
• رضایی، ح.، و محمدی، ر. (1400). نقش چت‌بات‌های هوشمند در بهبود تجربه مشتری، نشریه فناوری اطلاعات، 78(3).
• شادپور، مارال؛ شاهرودی، کامبیز؛ دل افروز، نرگس (1404).مدلی برای کاهش ریزش مشتری با استفاده از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در صنعت بیمه، مطالعات مدیریت کسب و کار هوشمند، سال 13 شماره 52.
• صابریان، حمید؛ میرمیران، جلیل (1400). تاثیر تصویر برند، انتظارات مشتریان و کیفیت خدمات بر رضایت مشتریان و وفاداری مشتریان با نقش میانجی ارزش درک شده (مورد مطالعه شرکت ایران خودرو). فصلنامه رویکردهای پژوهشی نوین در مدیریت و حسابداری، شماره 79 جلد 6.
• فلاح، احمد؛ حامدی، ارکیده (1400). ارزیابی تأثیر تعهد و اعتماد مشتری بر وفاداری مشتریان با نقش میانجی رضایت مشتری. فصلنامه رهیافتی در مدیریت بازرگانی، دوره 2، شماره 3.
• قلندر، نازنین؛ بودلایی، حسن. (1398). بررسی تاثیر لذت مشتری از وب سایت بر رضایت و وفاداری الکترونیکی مشتریان بامیلو. دومین همایش سراسری علم و فناوری هزاره سوم اقتصاد، مدیریت و حسابداری ایران.
• کردلو، حسین، (1403)، تاثیر تبلیغات دیجیتال بر قصد خرید محصولات ورزشی: نقش میانجی آگاهی از برند، نشریه فناوری اطلاعات و ورزش، دوره 1، شماره 1.
• محمدصالحی، مهدی و قاسمی، اللهیار، (1403)، مدل‌سازی استراتژیک تغییر ترجیح برند، دومین کنفرانس مدیریت بازرگانی نوین کسب و کار و بازاریابی نوگرا، قزوین.
• مقدسی، علیرضا و شادمان کاهو، فاطمه،1403،بررسی تاثیر هوش مصنوعی در تجربه مشتری و خدمات به مشتریان در کسب و کارها،نهمین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی،تهران
• نورپور، محمد، پناهی، نازی.(1400).بررسی تاثیر کیفیت محصول، تصویر برند، اعتماد برند بر رضایت مشتری و وفاداری مشتریان- مطالعه کاوی (مشتریان و مصرف کنندگان تلفن های هوشمند برند سامسونگ منطقه ۱۱ تهران،سومین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی.
• Bain & Company. (2020). The value of customer loyalty and how to capture it. Retrieved from https://www.bain.com/insights/
• Beyari H (2025) Assessing artificial intelligence’s impact on e-customer loyalty in the Saudi Arabian market. Front. Artif. Intell. 8:1541678. doi: 10.3389/frai.2025.1541678
• Chung, M., Ko, E., Joung, H., & Kim, S. J. (2020). Chatbot e-service and customer satisfaction regarding luxury brands. Journal of Business Research, 117, 587-595.
• Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24-42.
• Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., … Williams, M. D. (2021). Artificial intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice, and policy. International Journal of Information Management, 57, 101994.
• Gazi, A. A. I., Mamun, A. A., Masud, A. A., Senathriajah, A. R. S., Rahman, T. (2024). The relationship between CRM, knowledge management, organization commitment, customer profitability and customer loyalty in telecommunication industry: The mediating role of customer satisfaction and the moderating role of brand image. Journal of Open Innovation: Technology, Market, and Complexity 10 (2024) 100227.
• Gupta, S., Leszkiewicz, A., Kumar, V., Bijmolt, T., & Potapov, D. (2020). Digital analytics: Modeling for insights and new methods. Journal of Interactive Marketing, 51, 26–43.
• Hamzah, A. A., & Shamsudin, M. F. (2020). Why customer satisfaction is important to business? Journal of Undergraduate Social Science and Technology, 1(1).
• Kemenparekraf. (2021). Press release: 'Indonesia spice up the world' increases Indonesia's opportunities in the world culinary industry (Siaran pers: ’Indonesia spice up the world’ tingkatkan peluang Indonesia di industri kuliner dunia). • Khan, M., & Alvarez, R. (2022). Social and cultural influences on brand preference: A cross-cultural study. International Journal of Consumer Studies, 46(2), 345-360.
• Kumar, V., Rajan, B., Venkatesan, R., & Lecinski, J. (2019). Understanding the role of artificial intelligence in personalized engagement marketing. California Management Review, 61(4), 135-155.
• Lee, S., & Brown, T. (2022). Digital engagement and brand preference: The impact of social media marketing. Journal of Digital Marketing, 10(1), 25-40.
• Li, H., Wu, J., Gao, Y., & Shi, Y. (2016). Examining individuals' adoption of healthcare wearable devices: An empirical study from privacy calculus perspective. International Journal of Medical Informatics, 88, 8-17.
• Libai, B., Bart, Y., Gensler, S., Hofacker, C. F., Kaplan, A., Kotterheinrich, ¨ K., & Kroll, E. B. (2020). Brave new world? On AI and the management of customer relationships. Journal of Interactive Marketing, 51, 44–56.
• Liu, B. (2020). Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge University Press.
• Martin, K. D., Borah, A., & Palmatier, R. W. (2017). Data privacy: Effects on customer and firm performance. Journal of Marketing, 81(1), 36-58.
• Merabet, A. (2020). The effect of country-of-origin image on purchase intention. The mediating role of perceived quality and perceived price. Vol. 5, No. 6.
• Moon, N. N., Talha, I. M., Salehin, I. (2021). An advanced intelligence system in customer online shopping behavior and satisfaction analysis. Current Research in Behavioral Sciences 2 (2021).
• Pandey, N., Nayal, P., & Rathore, A. S. (2020). Digital marketing for B2B organisations: Structured literature review and future research directions. Journal of Business & Industrial Marketing. https://doi.org/10.1108/JBIM-06-2019-0283.
• Ranjbarian, B., et al. (2014). The effect of perceived quality and brand image on consumer trust and brand preference. International Journal of Business and Management, 9(4), 123-132.
• Rusibamayila, E. G., & Kara, N. (2025). Determinants of brand preference from the consumer's perspective: A systematic literature review. African Journal of Economics and Innovation, 1(3), 178-195.
• Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach. Pearson.
• Shareef, M. A., Kumar, V., Dwivedi, Y. K., Kumar, U., Akram, M. S., & Raman, R. (2021). A new health care system enabled by machine intelligence: Elderly people’s trust or losing self-control. Technological Forecasting and Social Change, 162, 120334. • Singh. P., & Singh. V. (2024) The power of AI: enhancing customer loyalty through satisfaction and efficiency, Cogent Business & Management, 11:1, 2326107, DOI: 10.1080/23311975.2024.2326107
• Smith, J., & Taylor, A. (2021). The role of brand loyalty in consumer brand preference. Journal of Marketing Research, 58(4), 567-582.
• Tanghana, K. K., & Apriyanti, L. (2025). Brand preference studies: Scientific mapping, research patterns, and future insights. Journal of International Conference Proceedings, 8(1), 134-147. DOI: https://doi.org/10.32535/jicp.v8i1.3924
• Tuncer, İ., Unusan, C., & Cobanoglu, C. (2021). Service quality, perceived value and customer satisfaction on behavioral intention in restaurants: An integrated structural model. Journal of Quality Assurance in Hospitality & Tourism, 22(4), 447-475 • Verhoef, P. C., Kannan, P. K., & Inman, J. J. (2015). From multi-channel retailing to omni-channel retailing: Introduction to the special issue on multi-channel retailing. Journal of Retailing, 91(2), 174-181
نقش مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در افزایش وفاداری مصرفکننده
فرزاد آسایش *1، سولماز هاشمی2
چکیده | |
نوع مقاله: مقاله پژوهشي
تاریخ دریافت: 22/04/1404 تاریخ پذیرش: 25/05/1404
| این پژوهش از حیث هدف یک مطالعه کاربردی، از نظر روش کمی و به لحاظ ماهیت پژوهش یک مطالعه توصیفی و به لحاظ ماهیت گردآوری دادهها یک مطالعه پیمایشی بشمار می‌رود. افزون بر این، روش اجرای این مطالعه نیز به¬صورت همبستگی است. جامعه آماری این پژوهش، تمامی مشتریان سایت دیجی استایل می¬باشد که در زمینه پوشاک مردانه، زنانه و بچگانه فعالیت می‌کند. باتوجه به نامحدود بودن جامعه آماری، 384 نفر به صورت روش نمونه¬گیری تصادفی ساده و از راه فرمول کوکران به عنوان حجم نمونه انتخاب شدند. تجزيه و تحليل نتايج حاصل از اين پژوهش با استفاده از نرم‌افزار Smart PLS در دو سطح توصيفي و استنباطي انجام شد. نتایج نشان داد مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی تأثیر قابل توجه و مثبتی بر ترجیحات برند، رضایت مشتری و قصد خرید دارد. همچنین، ترجیحات برند، رضایت مشتری و قصد خرید هر یک به طور مستقل نقشی مهم در افزایش وفاداری مشتری ایفا می‌کنند. روی هم رفته، می‌توان گفت که استفاده از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی با بهبود این عوامل کلیدی، به گونهای مؤثر باعث افزایش وفاداری مشتریان میشود و نقشی مهم در تقویت روابط بلندمدت بین مشتری و برند دارد. |
کلیدواژهها | مدیریت ارتباط، مشتری، هوش مصنوعی، وفاداری |
ناشر: دانشگاه آزاد اسلامي واحد شهرقدس
* نویسنده مسئول: فرزاد آسایش ایمیل: Farzad.asayesh@gmail.com
1. استادیار، گروه مدیریت بازرگانی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران (نویسنده مسئول)
2. دانش آموخته مقطع ارشد، مدیریت بازرگانی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
مقدمه
امروزه سازمان‌ها در دوران اقتصاد مشتری مدار فعالیت می‌کنند که در این دوران مشتری حاکم واقعی بازار است. بنابراین، سازمان‌ها باید بیاموزند که چگونه از تمرکز بر محصول یا خدمات به سمت تمرکز بر مشتریان حرکت کنند. آن ها باید مشتریان را به عنوان یک دارایی در نظر بگیرند که نیاز به مدیریت و رساندن به بالاترین میزان بازدهی دارد (چانگ1 و همکاران، 2020). امروزه میزان آگاهی مشتریان از کیفیت خدمات سایر سازمان افزایش یافته و با افزایش تعداد رقبا، آنها دیگر مانند گذشته پذیرای هر خدمتی نیستند. از این رو، در چنین وضعیت رقابتی مناسب‌ترین راهبرد برای سازمان‌ها، داشتن رویکرد بهبود کیفیت خدمات است. مزیت رقابت ارزشی است که سازمان به مشتریان خود عرضه می‌کند به گونهای که در آن زمان این ارزش توسط رقبای بالقوه و بالفعل عرضه نمی‌شود. نظریه مزیت رقابتی یکی از نظریات مدرن است که در سال ۱۹۹۰ توسط مایکل پورتر مطرح شد."نظرية مزيت رقابتی ملل" که متکی بر ظرفیت نوآوری، خلاقیت و ابتکار کشورهاست می‌تواند شرایط کنونی را توضیح دهد. برای دستیابی به مزیت رقابتی یک سازمان هم باید به موقعیت خارجی خود توجه کند و هم توانمندی‌های داخلی را مورد توجه قرار دهد مزیت رقابتی حاصل فرایند پویا و مستمری است که با در نظر داشتن موقعیت خارجی و داخلی سازمان از منابع سازمان نشأت می‌گیرد (پورسلیمی و همکاران، 1403). حفظ مشتریان خوب در بلند مدت نسبت به جلب مشتریان جدید برای جایگزینی مشتریان که با آنها قطع رابطه کرده اند سودمندتر است مشتریانی که رضایت زیادی از سازمان دارند تجربیات مثبت خود را برای دیگران بیان می‌کنند و به این ترتيب وسيله تبلیغ برای سازمان میشوند، که در نتیجه هزینه جذب مشتریان جدید را کاهش می دهند، بنابراین عجیب نیست که جلب رضایت مشتریان مهم‌ترین وظیفه سازمان‌ها و مؤسسات است. چون این امر ارتباط مستقیمی با حفظ مشتری، سهم بازار و منافع سازمان دارد. بنابراین مدیران باید برای حفظ مشتریان و ارائه خدمات بهتر، بیش‌ترین توجه خود را به نیازها، نظرات و اعتراضات مشتریان در ارتباط با خدمات داشته باشند و با بررسی مشکلات و رسیدگی به نظرات آنان و آگاهی از میزان رضایت‌مندی مشتریان با بالا بردن کیفیت و سرعت خدمات می‌تواند کمک بسیار زیادی به حفظ آنها کند (کومار2 و همکاران، 2019). در دنیای کسب و کار امروز یکی از بزرگترین چالشها حفظ مشتری است افزایش رقابت برای مشتریان باعث شده است تا سازمان‌ها برای محدود کردن و یا ارائه خدمات ارزش اضافی برای مشتریان در نظر گرفته تا خود را متمایز از رقبان‌شان دهند. با توجه به وجود رقابت روز افزون در صنایع گوناگون شاهد تلاشی گسترده در ارتقای ابزار مدیریت کیفیت و گسترش نگرش مشتری توسط پژوهشگران کارشناسان و مدیران سازمان‌های تجاری هستیم (لی3 و همکاران، 2016). اکنون رضایت و وفاداری مشتری را می‌توان به عنوان یکی از مهم‌ترین عوامل در تعیین موفقیت سازمان‌ها در سودآوری و بقای خود بشمار آورد که با حضور دوباره مشتریان در آینده حصول میشود که همه آنها نتیجه کیفیت خدمات است. چالش بزرگی که امروزه مدیران شرکت ها با آن هستند و فاداری مشتریان است. اولیور (۱۹۸۱)، وفاداری را حفظ روبه‌رو تعهد عمیق به خرید دوباره یا انتخاب دوباره محصول یا خدمات بطور مستمر در آینده تعریف می‌کند. وفاداری مشتریان یکی از مفاهیمی است که منتج به موفقیت شرکت‌ها خواهد شد مشتری وفادار تمایل به خرید و صرف پول بیش‌تری دارد و به همین دلیل شرکت‌ها تلاش می‌کنند تا در قالب برنامه های وفاداری مشتری را در نزدیک خود نگه دارند (لیو4، 2020). امروزه بحث وفاداری مشتری یکی از مهم‌ترین مباحث در ورزش است. وفاداری را به تقاضای دوباره محصول و حتی توصیه به سایر افراد جهت استفاده بیان می‌کنند. باید توجه داشت که رضایت بالای مشتریان و کیفیت بالای خدمات درک شده منجر به مراجعه دوباره آنان در آینده میشود. کاتلر (۲۰۰۳)، معتقد است که وفادار ساختن مشتری مستلزم تبعيض قائل شدن میان مشتریان گوناگون است و از هیچ سازمانی نمی‌توان انتظار داشت که همان توجهی را که به مشتریان سودآور دارند به مشتریان غیر سودآور نیز داشته باشند (جوشن، 1403). همچنین، به باور کاتلر ( ۲۰۰۳) هزینه جذب یک مشتری جدید ۱۰ تا ۱۵ برابر حفظ مشتری قدیمی است. تقریبا نگرانی عمده سازمان‌ها مشتریان هستند و حتی می‌توان گفت که عمده‌ترین نگرانی متوجه مدیریت ارتباط با مشتری (مدیریت ارتباط با مشتری) است (مارتین5 و همکاران، 2017). از طرفی بحث رقابت پذیری از مهم‌ترین دغدغه های تجارت و فعالیت در محیط پویا و رقابتی امروز است. سازمان باید به قابلیتهای داخلی و موقعیت رقابتی در بازار نه به صورت جدا از هم بلکه به طور متقابل به عنوان منابع دستیابی به مزیت رقابتی و تدوین راهبرد بازاریابی فکر کند. مزیت رقابت ارزشی است که سازمان به مشتریان خود عرضه می‌کند به نحوی که در آن زمان این ارزش توسط رقبای بالقوه و بالفعل عرضه نمی شود. مزیت رقابتی حاصل فرایند پویا و مستمری است که با در نظر داشتن موقعیت خارجی و داخلی سازمان از منابع سازمان نشأت می‌گیرد. مفهوم مزيت رقابتی ارتباط مستقیم با ارزشهای مورد نظر مشتری دارد به نحوی که در یک طیف مقایسه‌ای هر چه ارزشهای عرضه شده یک سازمان به ارزشهای مورد نظر مشتری نزدیک تر یا با آن منطبق تر باشد، می‌توان گفت که سازمان، نسبت به رقبای خود در یک یا چند معیار رقابتی دارای برتری ارزش و مزیت است (راسل و نورویگ6، 2020). بهبود رضایت و وفاداری مشتری از راه آگاهی کامل از مشتری نیازها و خواسته های او و برقراری روابط نزدیک با مشتری حاصل میشود. در یک استراتژی مدیریت ارتباط با مشتری مهم است که مشتریان با ارزش شناسایی شده و در آنها وفاداری ایجاد شود. سازمان‌ها می‌توانند با تحلیل مشتریان مشتریان بالقوه را شناسایی و اقداماتی در جهت ایجاد وفاداری در آنها ایجاد کنند زیرا هنگامی که یک اطلاعات قوی از مشتری موجود باشد سازمان توانایی ایجاد یک رابطه بلندمدت با مشتری را بدست می‌آورد (ورهوف7 و همکاران، 2017). در رویکرد مدیریت نوین نقش و سهم تعیین‌کننده مشتری در سمت تقاضا به قدری اهمیت یافته که بقا در صحنه رقابت و تداوم حیات سازمان‌ها در عمل منوط به شناخت کامل مشتریان در بخش‌های گوناگون بازار شناسایی نیازهای بالفعل و بالقوه مشتریان و در گامی جلوتر حتی تعریف و ایجاد نیازهای جدید برای مشتریان میباشد (پورسلیمی و همکاران، 1403). لذا، با شدت گرفتن رقابت بین سایت‌های مد و فشن در مشتری یابی برای خدمات‌شان و همچنین، افزایش قدرت مشتری در دنیای رقابتی امروز بوتیک‌ها و فروشگاههای لباس باید افزون بر جذب مشتریان جدید باید حفظ و نگهداری مشتریان قبلی و برقراری روابط مستحکم با آنان را نیز مورد توجه قرار دهند. در این میان سایت فروش لباس (دیجی استایل) نیز برای همسویی با سایر سایت‌ها و افزایش توان رقابتی در عرصه‌های داخلی و جهانی نیازمند مدیریت دانش و استفاده از سرمایه‌های فکری سازمان خود هستند در نهایت از آنجا که تاکنون این موضوع به طور علمی در مورد سایت دیجی استایل مورد بررسی قرار نگرفته است، مطالعه این عنوان از اهمیت زیادی برخوردار است. شکاف پژوهشی موجود در این پژوهش، چند محور اصلی را شامل میشود. نخست اینکه با وجود اهمیت فزاینده مدیریت ارتباط با مشتری (مدیریت ارتباط با مشتری) و نقش حیاتی آن در حفظ و وفادارسازی مشتریان در بازارهای رقابتی، بویژه در حوزه‌هایی مانند فروشگاههای آنلاین پوشاک مانند دیجی استایل، تاکنون پژوهش‌های علمی و کاربردی کافی و متمرکز بر این موضوع انجام نشده است. به‌ویژه، کمبود مطالعاتی که به صورت جامع به بررسی مدیریت دانش و سرمایه‌های فکری سازمانی در بهبود مدیریت ارتباط با مشتری و افزایش مزیت رقابتی در این حوزه بپردازند، دیده میشود. دوم، با توجه به تحول فناوری و ظهور هوش مصنوعی، شکاف دیگری در زمینه ادغام هوش مصنوعی با سیستم‌های مدیریت ارتباط با مشتری وجود دارد که با وجود پتانسیل بالای آن برای بهبود تعامل با مشتری، خودکارسازی فرایندها و تحلیل پیش‌بینی‌کننده، هنوز چالشها و موانع سازمانی و مدیریتی در این زمینه به طور کامل شناسایی و رفع نشده‌اند. سوم، در حوزه وفاداری مشتری، به ویژه در صنایع خدماتی و ورزشی، نیاز به پژوهش‌های عمیق‌تر برای درک بهتر عوامل مؤثر بر وفاداری و نقش استراتژی‌های مدیریت ارتباط با مشتری در ایجاد و حفظ آن وجود دارد. همچنین، با توجه به اهمیت مزیت رقابتی که ناشی از خلق ارزشهای منطبق با نیازهای مشتری است، پژوهش‌های کم‌تری به بررسی تعامل بین قابلیتهای داخلی سازمان، موقعیت رقابتی و استراتژی‌های مدیریت ارتباط با مشتری پرداخته‌اند. در نهایت، با توجه به رقابت فزاینده در بازارهای اشباع شده و تغییر تمرکز از جذب مشتریان جدید به حفظ مشتریان فعلی، نیاز به پژوهش‌های کاربردی برای طراحی و پیاده‌سازی راهکارهای نوین مدیریت ارتباط با مشتری مبتنی بر فناوری‌های نوین و مدیریت دانش در سازمان‌ها بویژه در بسترهای دیجیتال و فروشگاههای آنلاین احساس میشود. این موارد نشان میدهد که پژوهش‌های آینده باید به صورت میان‌رشته‌ای به بررسی این ابعاد بپردازند تا خلأهای موجود در ادبیات علمی و عملی این حوزه پر شود. باتوجه به آنچه گفته شد این پژوهش درصدد پاسخگویی به این سوال است که نقش مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در افزایش وفاداری مصرفکننده چگونه است؟
مبانی نظری پژوهش
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی
در سال‌های اخیر، هوش مصنوعی نقش مؤثری در مدیریت ارتباط با مشتری بازی کرده و شرکت‌ها را قادر ساخته تا داده‌های کلان را به سرعت و با دقت تجزیه و تحلیل کنند (لیبای8 و همکاران، 2020). پذیرش روزافزون فناوری‌های هوش مصنوعی پیشرفته در حوزه کسب‌وکار و فراوانی داده‌های مشتری در فضای مدیریت روابط خریدار-تأمین‌کننده، به شرکت‌ها برای ارائه خدمات شخصی‌سازی‌شده و هدف قرار دادن مشتریان سودآورتر از راه ارتباطات فراگیر کمک کرده است (گوپتا9 و همکاران، 2020). ادبیات پیشین حاکی از آن است که با اینکه شرکت‌ها از ابزارهای بازاریابی دیجیتال استفاده می‌کنند، اما اکثر آنها در بهره‌برداری کامل از این ابزارها شکست می‌خورند و می‌توان گفت در این زمینه اطلاعات جامعی به عنوان نقشه راه بازاریابی وجود ندارد و در واقع، کمبود پژوهش‌های آکادمیک در این زمینه مشاهده میشود (پاندی10 و همکاران، 2020). مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی، تحولی اساسی در نحوه تعامل سازمان‌ها با مشتریان ایجاد کرده است. این رویکرد با بهره‌گیری از الگوریتم‌های یادگیری ماشین و تحلیل داده‌های بزرگ، امکان ارائه خدمات شخصی‌سازی‌شده، پیش‌بینی رفتار مشتریان و خودکارسازی بسیاری از فرایندهای سازمانی را فراهم می‌کند. هوش مصنوعی با تحلیل داده‌های مشتریان از منابع گوناگون مانند وب‌سایت، شبکه‌های اجتماعی، ایمیل و سوابق خرید، به شرکت‌ها کمک می‌کند تا تصویر دقیقی از نیازها و ترجیحات مشتریان ترسیم کنند. این اطلاعات به مدیران اجازه میدهد تا استراتژی‌های بازاریابی و فروش خود را بهینه‌سازی کرده و تجربه‌ای منحصر به فرد برای هر مشتری خلق کنند (حبیبی و همکاران، 1403). مدیریت ارتباط با مشتری، داده‌های مشتری را که از تعاملات رسمی و غیررسمی بین ذینفعان، از جمله تامین کننده و مشتری ایجاد می شود، یکپارچه و تجزیه و تحلیل می‌کند. همچنین، یک مجموعه حداکثرساز سود را از روابط با مشتری ایجاد و حفظ می‌کند. داده‌های یکپارچه‌شده از مدیریت ارتباط با مشتری، یک مدرک زنده از مکاتبات انجام شده شرکت با مشتری است که برای تعیین نیازهای واقعی مشتری و تصمیمات مدیریت رهبری بسیار مهم است (دویودی11 و همکاران، 2021؛ شریف12 و همکاران، 2021)
قصد خرید
بازار آنلاین یکی از بازارهای نوظهور در دنیای مدرن است. در طول این وضعیت همهگیر، بازار آنلاین بسیار محبوب شده است. بسیاری از پژوهشگران مدلهای زیادی را برای تحلیل و نظارت بر بازار آنلاین ایجاد کردهاند. یک مدل نظری که برای سرمایه‌گذاری روی مصرفکنندگان استفاده میشود، چهار اثر دارد: اعتماد به خرید اینترنتی، شکل عمده تجارت الکترونیک مصرفکننده از تجارت: اعتبار تاجر اینترنتی که همگی برای مصرفکنندگان مهم‌تر هستند. اینترنت وسیله خرید مفیدتری برای خریداران خرده‌فروشی است. در زمانهای اخیر، فروشگاههای آنلاین خدمات قابلتوجهتری ارائه میدهند و در زمان بیش‌تری صرفهجویی می‌کنند. صرفهجویی در زمان عامل اصلی گرایش مردم به خرید از راه اینترنت است (موون13 و همکاران، 2021). قصد دربرگیرنده همه عوامل انگیزشی است که به رفتار واقعی مشتری منجر میشود و نشاندهنده میزانی است که در آن مشتری قصد به تلاش نسبت به انجام رفتار دارد. درک قصد خرید مصرفکنندگان می‌تواند به شرکت‌ها کمک کند تا بازار را تجزیه و تحلیل کنند و محصولات یا خدمات خود را به گونهای تنظیم نمایند که فروش را افزایش داده و سود بیش‌تری ایجاد کند. قصد به خرید نوعی قضاوت در مورد میزان یا چگونگی قصد یک فرد برای خرید از یک برند خاص میباشد. قصد خرید یک برند، نیازمند ارزیابی کلی صریح و روشن از همه برندهای موجود در یک رده است (مرابت14، 2020). قصد خرید مشتریان به عنوان تمایل و نیت مصرفکننده برای خریداری کردن یک محصول یا خدمت ویژه از یک فروشنده تعریف میشود. نیت خریداری محصول از ادراک مشتریان نسبت به عملکرد خدمت‌دهندگان ناشی میشود. یعنی مصرفکننده از لحاظ خدمت رسانی به فروشنده یا برند اطمینان دارد. همچنین، نشان میدهد اینکه آیا مشتریان حاضر به خرید بیش‌تر از یک سازمان خاص هستند. در نهایت این قصد خرید است که مصرفکننده را به مشتری تبدیل می‌کند. قصد خرید با عنوان نیت استفاده یا میل و تمایل خرید نیز شناخته میشود. قصد خرید اشاره به نیت و انگیزه خرید یک محصول خاص نزد مشتری دارد و برنامه‌ریزی ذهنی مشتری برای استفاده از محصول در آینده نزدیک را شامل میشود. همچنین، از این متغیر با عنوان قصد خرید دوباره در رفتار تکراری خرید نیز یاد میشود (کردلو، 1403).
رضایت‌مندی مشتری
رضایت مشتریان، احساس یا نگرش مشتری نسبت به یک محصول یا خدمت بعد از استفاده از آن است. به عبارتی لذت بردن یا مشمئز شدن خریدار نسبت به عملکرد محصول و خدمات پس از مقایسه عملکرد (یا نتیجه حاصل از عملکرد) محصول یا خدمات خریداری شده در مقایسه با آنچه انتظار وی بوده است. رضایت/نارضایتی یک پاسخ احساسی است که به ارزیابی از کالا یا خدمتی که مصرف یا ارایه شده است، داده میشود (کمنپارکراف15، 2021). طبق تعریف رضایت پاسخ تحقق و کامیابی مصرفکننده است. قضاوتی است در مورد اینکه آیا ویژگی یک محصول یا خدمت یا خود محصول یا خدمت، یک سطح لذت بخش از کامیابی مربوط به مصرف را فراهم کرده است یا خیر. رضایت مشتری در نتیجه ادراک مشتری طی یک معامله یا رابطه ارزشی به طوری که قیمت مساوی است با نسبت کیفیت خدمات انجام شده به قیمت و هزینه‌های مشتری، بدست می‌آید. در ادبیات بازاریابی این گونه آمده است که رضایت مشتری دارای دو بعد است: کیفیت ادراک‌شده و انتظارات (پورسلیمی و همکاران، 1403). رضایت احساس روانشناختی فرد در حالت عاطفی است که از مقایسه عملکرد برند با انتظارات فرد حاصل میشود. اگر عملکرد از انتظارات عقب بماند، حالت نارضایتی ایجاد میشود در حالیکه مصرفکننده خوشحال میشود یا اگر عملکرد با انتظارات مطابقت داشته باشد یا فراتر رود، رضایت میدهد (تونسر16 و همکاران، 2021). در حالیکه شرکت‌ها تلاش می‌کنند تا نیازهای مشتریان را در قرن بیست و یکم برآورده کنند، شرکت‌ها باید ویژگی‌های نوآورانه‌ای را اتخاذ کنند که از راه بهبود کیفیت، نوآوری‌ها و پژوهش و توسعه در زمینه تولید، آن را منحصربه‌فردتر و متمایزتر می‌کند تا در محیط رقابتی مدرن به رقابت بپردازند. این امر مستلزم روش‌های متمایز و نوآورانه برای استفاده از فناوری نوظهور برای جلب رضایت مشتریان هوشمند و ظریف برای بقا در بازار در این اقتصاد جهانی است (حمزه و شمس الدین17، 2020).
ترجیحات برند
شاخص ترجیح برند بیانگر این است که مصرف کننده، به چه میزانی یک برند خاص را به سایر برندهای رقیب در همان دسته محصول یا خدمت ترجیح می دهد. بطور مثال، هنگامی که مشتریان یک برند، با افزایش قیمت یا تمام شدن محصول در قفسه های فروشگاه یا …، سایر برندها را برای خرید انتخاب نمی‌کنند، یعنی فقط برند مدنظر را برای خرید محصول یا خدمت ترجیح می دهند. بنابراین با توجه به این گزاره، می‌توان نتیجه گرفت، هرچه امتیاز یک برند در شاخص ترجیح برند بیش‌تر باشد، به همان میزان فروش کل برند نیز بیش‌تر خواهد بود. بنابراین شاخصی مهم است چرا که مشتریان وفادار و حامیان برند را نشان میدهد (محمدصالحی و قاسمی، 1403). ترجیحات برند به عنوان یکی از عوامل کلیدی در تصمیم‌گیری مصرفکنندگان نقشی مهم در موفقیت و ماندگاری سازمان‌ها دارد. مطالعات اخیر نشان میدهند که ابعاد گوناگون سرمایه برند مانند آگاهی برند، تداعی‌های برند، وفاداری به برند و کیفیت ادراک شده، تأثیر قابل توجهی بر ترجیح برند دارند (تانگانا و آپریانتی18، 2025). همچنین، وفاداری برند به عنوان مهم‌ترین عامل تعیین‌کننده ترجیح برند شناخته شده است که تا ۵۵ درصد از تغییرات در انتخاب مصرفکننده را توضیح میدهد (اسمیت و تایلر19، 2021). افزون بر این، عوامل روانشناختی، اجتماعی و فرهنگی نیز نقشی مهم در شکل‌گیری ترجیحات برند ایفا می‌کنند؛ به طوری که تأثیر تبلیغات، تأیید دیگران و هویت فرهنگی مصرفکننده بر انتخاب برندها بویژه در بازارهای گوناگون متفاوت است (لی و بروان20، 2022). در زمینه بازاریابی دیجیتال نیز، ابزارهای نوین مانند رسانه‌های اجتماعی و بررسی‌های آنلاین، توانسته‌اند بر ترجیح برند تأثیرگذار باشند و به شرکت‌ها در بهبود تعامل با مشتریان و تقویت موقعیت برند کمک کنند. افزون بر این، پژوهش‌ها نشان داده‌اند که کیفیت ادراک شده و تصویر مثبت برند، اعتماد مصرفکننده را افزایش داده و ترجیح برند را تقویت می‌کند (روسیبامایلا و کارا21، 2025). بنابراین، برای حفظ و افزایش ترجیح برند، سازمان‌ها باید استراتژی‌های جامع و چندبعدی شامل مدیریت سرمایه برند، توجه به عوامل روانی و اجتماعی، و بهره‌گیری از فناوری‌های دیجیتال را بکار گیرند تا در بازارهای رقابتی امروزی موفق باشند (خان و آلوارز22، 2022).
وفاداری مشتری
وفاداری مشتریان نگرشی احساسی و اقدامی عملی نزد مشتریان برای تکرار خرید از یک شرکت یا برند خاص است. یکی از موضوعات کلاسیک ادبیات بازاریابی است که هنوز هم جایگاهی ویژه نزد مدیران کسب‌وکار دارد. یک مشتری وفادار بارها جهت خرید محصولات و یا استفاده از خدمات به سازمان مورد علاقه خویش رجوع می‌کند. همچنین، از راه بازاریابی دهان‌به‌دهان شرکت یا برند را به دیگران معرفی می‌کند (خیربین سیاهمزگی، 1404). وفاداری تعهدی قوی برای خرید دوباره یک محصول یا یک خدمت برتر در آینده اطلاق میشود، به صورتی که همان برند یا محصول علیرغم تأثیرات و تلاش‌های بازاریابی بالقوه رقبا خریداری گردد. به دیگر سخن وفاداری ایجاد تعهّد در مشتری برای انجام معامله با سازمان خاص و خرید کالاها و خدمات به طور مکرّر است. وفاداری تعهدی عمیق به خرید دوباره یک محصول یا خدمت برتری داده شده در آینده است. این به معنای خرید دوباره از یک برند با وجود تأثیرات محیطی و اقدامات بازاریابی رقبا برای تغییر رفتار است. وفاداری به برند را می‌توان به عنوان میزانی که مشتری نسبت به یک برند نگرش مثبت دارد، میزان پایبندی او به مارک مزبور و قصد ادامه خرید آن در آینده تعریف شود. مفهوم وفاداری به برند مستقیما متأثر از رضایت یا نارضایتی از مارک که در طول زمان جمعآوری )(شده و نیز متأثر از کیفیت محصول است. وفاداری زمانی اتفاق می‌افتد که مشتریان احساس کنند سازمان مورد نظر به بهترین وجه ممکن می‌تواند نیازهای مربوطه آنها را برطرف کند. به طوری که رقبای سازمان از مجموعه ملاحظات مشتریان خارج شده و به خرید از سازمان به صورت انحصاری اقدام کنند (جوشن، 1403).
پیشینه پژوهش
در راستای مطالعه حاضر، مطالعاتی برمبنای متغیرهای پژوهش انجام شده است. شادپور و همکاران (1404) نشان دادند مدیریت ارتباط با مشتری با تأکید بر شخصی‌سازی خدمات و مشتری‌گرایی، نقش مؤثری در بهبود تجربه مشتریان ایفا می‌کند. این رویکرد باعث افزایش وفاداری، رضایت و مشارکت مشتریان شده و در نهایت، به کاهش نرخ ریزش مشتریان منجر میشود. استفاده از هوش مصنوعی به عنوان زیرساختی کلیدی و فناورانه، می‌تواند به بهبود مدیریت ارتباط با مشتری در نمایندگی‌های بیمه ایران کمک کند و از این طریق، میزان رویگردانی مشتریان را کاهش دهد. بنابراین، به‌کارگیری هوش مصنوعی در فرآیندهای مدیریت ارتباط با مشتری، فرصتی ارزشمند برای ارتقاء کیفیت خدمات و حفظ مشتریان در بازار رقابتی است. مقدسی و شادمانکاهو (1403) نشان دادند به‌روزرسانی مداوم استراتژی‌ها و بهره‌گیری از فناوری‌های نوین، به ویژه هوش مصنوعی، برای کسب‌وکارها ضروری است. هوش مصنوعی با استفاده از الگوریتم‌های پیشرفته و تحلیل داده‌های گسترده، امکان شخصی‌سازی دقیق‌تر، ارائه محتوای مرتبط، پیشنهاد محصولات مناسب و بهبود تجربه کاربری را فراهم می‌کند و می‌تواند نقشی اساسی در افزایش رضایت، وفاداری و تصویر مثبت برند ایفا کند. فلاح و همکاران (1400) نشان داد که رضایت مشتریان نقش میانجی بین تعهد و اعتماد مشتری با وفاداری دارد. رضایت مشتریان به افزایش درآمد و سود منجر میشود و مشتریان وفادار تجربیات مثبت خود را به دیگران منتقل کرده که هزینه جذب مشتریان جدید را کاهش میدهد. نورپور و پناهی (1400) نشان دادند رضایت مشتری تأثیر مثبتی بر وفاداری دارد. کیفیت محصول عامل اصلی افزایش رضایت و در نتیجه افزایش وفاداری مشتریان تلفن‌های هوشمند سامسونگ در منطقه ۱۱ تهران است. صابریان و میرمیران (1400) بیان کردند کیفیت خدمات و انتظارات مشتریان بر رضایت تأثیرگذارند. رضایت مشتریان بر وفاداری و شکایت مشتریان تأثیر دارد و شکایت مشتریان نیز بر وفاداری اثرگذار است. قلندر و بودلایی بیان کردند لذت مشتری از وب‌سایت فروش آنلاین بامیلو عامل اصلی در شکل‌گیری رضایت و وفاداری الکترونیکی است. رضایت الکترونیکی نیز تأثیری مثبت و معنادار بر وفاداری الکترونیکی مشتریان دارد. اسماعیلزاده و همکاران (1398) نشان دادند عملکرد سیستم مدیریت ارتباط با مشتری و ابعاد چهارگانه آن شامل تمرکز بر مشتریان کلیدی، مدیریت دانش، سازماندهی فرآیندهای کسب و کار و استفاده از فناوری‌های نوین تأثیر مثبتی بر وفاداری مشتریان دارد. بیاری23 (2025) در پژوهش خود نشان داد هوش مصنوعی، به‌ویژه نمایش در شبکه‌های اجتماعی و توصیه‌های محصول، تأثیر قوی و قابل توجهی بر وفاداری مشتریان الکترونیکی در عربستان سعودی دارد. ارتباط مثبت بین نمایش در شبکه‌های اجتماعی، قصد خرید و ترجیح برند نشان میدهد که محتوای هدفمند چگونه رفتار مشتریان را تحت تأثیر قرار میدهد. گزی24 و همکاران (2024) در پژوهش خود نشان دادند مدیریت ارتباط با مشتری نقش کلیدی و اثرگذاری بر وفاداری مشتریان دارد و به عنوان سازه‌ای بنیادین، در افزایش وفاداری مشتریان نقش مهم و مؤثری ایفا می‌کند. سینگ و سینگ25 (2024) در پژوهش خود به اثرگذاری قابل توجه خدمات مشتری مبتنی بر هوش مصنوعی بر رضایت مشتری و کارایی ادراک‌شده اشاره کردند. افزون بر این، رابطه قوی بین رضایت مشتری و وفاداری و همچنین، کارایی ادراک‌شده و وفاداری مشتری نقش محوری این عوامل را در افزایش وفاداری مشتریان برجسته می‌کند. سوپریانتو26 و همکاران (2021) بیان کردند کیفیت خدمات تاثیری معنادار بر رضایت مشتری و به تبع آن وفاداری دارد، اما تأثیر مستقیم کیفیت خدمات بر وفاداری مشتری معنادار نیست. رضایت مشتری نقش واسطه‌ای در این رابطه ایفا می‌کند. با توجه به مرور مطالعات انجام شده، هیچ یک از پژوهش‌های مطرح شده به طور خاص به بررسی نقش مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در افزایش وفاداری مصرفکننده در سایت دیجی‌استایل نپرداخته‌اند. این خلا پژوهشی درواقع نشان دهنده این است که هوش مصنوعی در مدیریت ارتباط با مشتری امکان ارائه خدمات شخصی‌سازی‌شده، تحلیل دقیق رفتار مشتریان و پاسخگویی سریع و هوشمند را فراهم می‌کند که می‌تواند تجربه مشتری را به گونهای چشمگیر بهبود بخشد و وفاداری را افزایش دهد. از سوی دیگر نیز بررسی کاربرد هوش مصنوعی در مدیریت ارتباط با مشتری دیجی‌استایل می‌تواند به شناسایی بهترین روش‌ها و استراتژی‌های بهینه برای ارتقاء رضایت و وفاداری مشتریان کمک کند و مزیت رقابتی قابل توجهی ایجاد کند.
فرضیهها و مدل پژوهش
فرضیه نخست: مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی بر قصد خرید تاثیری معنادار دارد.
فرضیه دوم: مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی بر رضایت‌مندی مشتری تاثیری معنادار دارد.
فرضیه سوم: مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی بر ترجیحات برند تاثیری معنادار دارد.
فرضیه چهارم: قصد خرید بر وفاداری مصرفکننده تاثیری معنادار دارد.
فرضیه پنجم: رضایت‌مندی بر وفاداری مصرفکننده تاثیری معنادار دارد.
فرضیه ششم: ترجیحات برند بر وفاداری مصرفکننده تاثیری معنادار دارد.
شکل 1. مدل مفهومی پژوهش
روش پژوهش
این پژوهش از حیث هدف یک مطالعه کاربردی است که به توسعه دانش می‌پردازد و زمینه ارائه پیامدهای کاربردی را فراهم می‌کند. این مطالعه از نظر روش کمی میباشد و به لحاظ ماهیت پژوهش یک مطالعه توصیفی و به لحاظ ماهیت گردآوری دادهها یک مطالعه پیمایشی بشمار می‌رود. افزون بر این، روش اجرای این مطالعه نیز بهصورت همبستگی است زیرا روابط علت و معلولی بین متغیرها مورد آزمون قرار می‌گیرد. جامعه آماری این پژوهش، کلیه مشتریان سایت دیجی استایل میباشد که در زمینه پوشاک مردانه، زنانه و بچگانه فعالیت می‌کند. باتوجه به نامحدود بودن جامعه آماری، 384 نفر به صورت روش نمونهگیری تصادفی ساده و از راه فرمول کوکران به عنوان حجم نمونه انتخاب شدند. تجزيه و تحليل نتايج حاصل از اين پژوهش با استفاده از نرم‌افزار Smart PLS در دو سطح توصيفي و استنباطي انجام شد.
یافتههای پژوهش
در بخش آمار توصیفی، اطلاعات جمعیت‌شناختی نمونه آماری با استفاده از نرم‌افزار SPSS تحلیل و ارائه شده است. در مورد جنسیت، نتایج نشان میدهد که ۳۸.۸ درصد از اعضای نمونه مرد و ۶۱.۲ درصد زن هستند که این توزیع در نمودار دایره‌ای نیز قابل مشاهده است. از نظر سن، بیش‌ترین درصد پاسخدهندگان مربوط به گروه سنی ۲۵ تا ۳۰ سال با سهم ۳۲.۶ درصد است، در حالی که کم‌ترین درصد مربوط به افراد کم‌تر از ۲۰ سال با ۴.۷ درصد میباشد. سایر گروههای سنی نیز به ترتیب ۱۴.۸ درصد برای ۲۰ تا ۲۵ سال، ۱۶.۹ درصد برای ۳۰ تا ۳۵ سال، ۲۱.۴ درصد برای ۳۵ تا ۴۰ سال و ۹.۶ درصد برای بالای ۴۰ سال را شامل میشوند. این توزیع سنی نیز در نمودار دایره‌ای نمایش داده شده است. در زمینه مدرک تحصیلی، بیش‌ترین فراوانی با 9/53 درصد به دارندگان مدرک کارشناسی اختصاص دارد، پس از آن کارشناسی ارشد با 3/38 درصد قرار دارد. مدرک فوق دیپلم 8/6 درصد و دیپلم تنها ۱ درصد از نمونه را تشکیل میدهد و هیچ یک از پاسخدهندگان دارای مدرک دکتری نبوده‌اند. این آمار نشاندهنده تنوع نسبی در ویژگی‌های جمعیت‌شناختی نمونه مورد مطالعه است. نتایج آمار توصیفی نشان میدهد که میانگین پاسخ‌های شرکت‌کنندگان در پژوهش برای متغیر مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی برابر با 39/4 است که در طبقه «کاملاً موافق» قرار می‌گیرد. این موضوع بیانگر پذیرش و رضایت بالای پاسخدهندگان نسبت به این متغیر است. همچنین، میانگین رضایت مشتری برابر با 27/4 و وفاداری مشتری 20/4 گزارش شده که هر دو در همین طبقه «کاملاً موافق» جای می‌گیرند و نشاندهنده نگرش مثبت و حمایت قوی مشتریان نسبت به خدمات و محصولات ارائه شده است. در مقابل، میانگین ترجیحات برند 63/3 و قصد خرید 10/4 است که در طبقه «موافق» قرار دارند و حاکی از تمایل قابل توجه پاسخدهندگان به برند و تصمیم به خرید میباشد. از سوی دیگر، انحراف معیار و واریانس متغیرها نشان میدهد که پراکندگی دادهها در برخی متغیرها مانند ترجیحات برند بیش‌تر بوده و در برخی دیگر مانند مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی کم‌تر است که این امر بیانگر همگنی نسبی نظرات در برخی حوزه‌ها و تنوع بیش‌تر در برخی دیگر است.
جدول 1. آمار توصیفی متغیرهای پژوهش
متغیر | شاخصهای مرکزی | شاخصهای پراکندگی | شاخصهای نرمال بودن | میزان موافقت پاسخدهندگان | |||||
میانگین | انحراف معیار | واریانس | چولگی | کشیدگی | |||||
مدیریت ارتباط با مشتری-AI | ۳۹/۴ | ۶۰/۰ | ۳۶/۰ | ۶۸/۰- | ۲۹/۰- | کاملا موافق | |||
رضایت مشتری | ۲۷/۴ | ۶۹/۰ | ۴۸/۰ | ۶۳/۰- | ۳۲/۰- | کاملا موافق | |||
وفاداری مشتری | ۲۰/۴ | ۷۸/۰ | ۶۲/۰ | ۶۵/۰- | ۵۶/۰- | کاملا موافق | |||
ترجیحات برند | ۶۳/۳ | ۰۹/۱ | ۱۹/۱ | ۶۰/۰- | ۳۰/۰- | موافق | |||
قصد خرید | ۱۰/۴ | ۷۲/۰ | ۵۱/۰ | ۷۸/۰- | ۴۳/۰- | موافق | |||
در ادامه، با انجام آزمون کولموگروف-اسمیرنوف مشخص شد که توزیع داده‌های تمامی متغیرها نرمال نیست و سطح معناداری کم‌تر از 05/5 است، بنابراین فرض نرمال بودن توزیع دادهها رد میشود. این نتیجه بیانگر آن است که برای تحلیل‌های آماری بعدی باید از روش‌های ناپارامتریک استفاده شود تا نتایج بدست آمده از اعتبار و صحت لازم برخوردار باشند. به طور کلی، این یافته‌ها نشان میدهد که پاسخدهندگان نگرشی مثبت نسبت به مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی و متغیرهای مرتبط دارند، اما توزیع دادهها نیازمند دقت در انتخاب روش‌های آماری است. در این بخش با استفاده از نرم‌افزار SPSS به انجام آزمون کولموگروف - اسمیرنوف برای بررسی توزیع فراوانی داده‌های هر متغیر استفاده شده است که نتایج آن در جدول زیر مشاهده میشود.
جدول 2. توزیع فراوانی دادهها
متغیرها | مقدار آماره | سطح معناداری | نتیجه آزمون |
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی | ۲۰۹/۰ | ۰۰۰/۰ | نرمال نیست |
رضایت مشتری | ۲۲۰/۰ | ۰۰۰/۰ | نرمال نیست |
وفاداری مشتری | ۱۹۳/۰ | ۰۰۰/۰ | نرمال نیست |
ترجیحات برند | ۱۳۱/۰ | ۰۰۰/۰ | نرمال نیست |
قصد خرید | ۱۲۶/۰ | ۰۰۰/۰ | نرمال نیست |
همان‌طور که در جدول بالا مشاهده میشود، از آنجا که سطح معناداری آماره برای همه متغیرها کم‌تر از 05/0 است، فرض صفر آماری مبنی بر توزیع نرمال دادهها تایید نمی‌شود، در نتیجه توزیع فراوانی داده‌های متغیرها نرمال نیست.
روایی سازه
افزون بر بار عاملی که از راه تحلیل عاملی تأییدی، محاسبه شد، روایی تشخیصی سازه‌های پرسش‌نامه نیز بررسی شده است که شامل روایی همگرا و روایی واگرا است.
روایی همگرا
روایی همگرا یک سنجه کمّی است که میزان همبستگی درونی و همسویی گویه‌های سنجش یک مقوله را نشان میدهد. برای وجود روایی همگرا چهار شرط را باید بررسی کرد:
پایایی (CA) متغیرها بزرگ‌تر از 6/0 باشد.
پایایی ترکیبی (CR) بزرگ‌تر از 7/0 باشد.
میانگین واریانس استخراج شده (AVE) بزرگ‌تر از 5/0 باشد.
پایایی ترکیبی (CR) بزرگ‌تر از میانگین واریانس استخراج شده (AVE) باشد.
جدول 3. بررسی روایی همگرایی
متغیر | AVE | آلفای کرونباخ | CR |
ترجیحات برند | ۸۸۵/۰ | ۹۵۶/۰ | ۹۶۹/۰ |
رضایت مشتری | ۸۸۷/۰ | ۹۶۸/۰ | ۹۷۵/۰ |
قصد خرید | ۷۱۳/۰ | ۷۸۹/۰ | ۸۸۶/۰ |
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی | ۷۹۱/۰ | ۹۳۳/۰ | ۹۵۰/۰ |
وفاداری مشتری | ۸۷۹/۰ | ۹۶۶/۰ | ۹۷۳/۰ |
نتایج بدست آمده از بررسی روایی همگرا، نشان میدهد که پرسش‌نامه از نظر همگرایی معتبر میباشد.
روایی واگرا معیاری است که نشان میدهد چقدر سنجه‌های عوامل متفاوت، واقعا باهم تفاوت دارند (باگوزی27 و همکاران، 1991). در یک پرسش‌نامه برای سنجش عوامل گوناگون، سوالات متعددی مطرح میشود؛ بنابراین، لازم است که مشخص شود این سوالات از یکدیگر متمایز بوده و باهم همپوشانی ندارند. هنسلر28 و همکاران (2016) با استفاده از یک مطالعه شبیه‌سازی مونت کارلو نشان دادند که رویکردهایی مانند معیار فورنل و لاکر29 (1981) و بررسی بارگذاری‌های متقاطع به طور قابل اعتمادی فقدان روایی واگرا را در موقعیت‌های پژوهشی رایج شناسایی نمی‌کنند. به همین دلیل، این نویسندگان یک رویکرد جایگزین، مبتنی بر ماتریس چند صفتی-چند روشی، برای ارزیابی اعتبار تمایز پیشنهاد می‌کنند که به نام نسبت همبستگی هتروترویت-تک صفت (HTMT) شناخته میشود. آنها رهنمودهایی برای رسیدگی به مسائل روایی واگرا در مدل‌سازی معادلات ساختاری مبتنی بر واریانس ارائه میدهند. اگر مقدار HTMT کم‌تر از 00/1 باشد، روایی واگرا بین دو سازه بازتابی تأیید میشود.
جدول 4. بررسی روایی واگرایی
متغیر | ترجیحات برند | رضایت مشتری | قصد خرید | مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی | وفاداری مشتری |
ترجیحات برند |
|
|
|
|
|
رضایت مشتری | ۵۳۱/۰ |
|
|
|
|
قصد خرید | ۸۳۲/۰ | ۶۴۱/۰ |
|
|
|
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی | ۵۸۸/۰ | ۵۵۸/۰ | ۶۱۴/۰ |
|
|
وفاداری مشتری | ۶۴۲/۰ | ۵۴۰/۰ | ۷۴۷/۰ | ۵۵۳/۰ |
|
نتایج بدست آمده از بررسی روایی واگرا، نشان میدهد که پرسش‌نامه از نظر واگرایی معتبر میباشد.
مدل ساختاری و آزمون فرضیههای پژوهش
در ادامه جهت سنجش اثرات متغیرهای مستقل بر متغیر وابسته، مدل ساختاری اجرا شده است.
شکل زیر مدل ساختاری در حالت PLS یا ضریب مسیر بین روابط را نشان میدهد. این اعداد بیانگر بتای استاندارد شده در رگرسیون یا ضریب همبستگی دو سازه است که در واقع ترکیب وزنی معرفها را تشکیل میدهد. اعداد داخل دایره نشاندهنده ضریب تعیین (R2) سازه اصلی است و مقدار آن همیشه بین صفر و یک تغییر می‌کند. هرچه ضریب تعیین بزرگ‌تر باشد نشان میدهد که خط رگرسیون بهتر توانسته تغییرات متغیر وابسته را به متغیر مستقل نسبت دهد.
شکل 2. مدل ساختاری فرضیههای پژوهش در حالت ضریب مسیر
شکل زیر مدل ساختاری پژوهش را نشان میدهند. این شکلها مدل ساختاری در حالت راهاندازی خودکار30 یا در حالت ضرایب معناداری را نشان میدهد. در این حالت مقادیر آماره t بر روی مسیرهای موجود در مدل ظاهر میشود. با توجه به اینکه مقدار آستانه یا بحرانی 96/1 میباشد؛ بنابراین، فرضیه‌هایی که آماره t بیش‌تر از 96/1 کسب کردهاند، مورد تایید قرار می‌گیرند.
شکل 3. مدل ساختاری فرضیههای پژوهش در حالت استاندارد
پس از اجرای مدل ساختاری لازم است تا شاخصهای خوبی برازش مدلها نیز مورد بررسی قرار گیرد که نتایج این بررسی در ادامه گزارش شده است.
بررسی روابط مطرح شده در پژوهش
جدول زیر نشاندهنده نتایج مدل ساختاری پژوهش برای آزمون روابط مطرح شده در پژوهش میباشد. با توجه به مقادیر ارائه شده در این جدول، زمانی که آماره t بیش از مقدار (96/1+) و یا کم‌تر از مقدار (96/1-) حاصل شود، دراین صورت رابطه تایید میشود.
جدول 5. بررسی روابط مطرح شده در پژوهش
روابط مطرح شده در پژوهش | آماره t | ضریب | معناداری | نتیجه |
ترجیحات برند -> وفاداری مشتری | ۹۰۰/۳ | ۲۱۹/۰ | ۰۰۰/۰ | تایید |
رضایت مشتری -> وفاداری مشتری | ۲۰۶/۳ | ۱۵۷/۰ | ۰۰۱/۰ | تایید |
قصد خرید -> وفاداری مشتری | ۶۴۳/۶ | ۴۲۷/۰ | ۰۰۰/۰ | تایید |
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی -> ترجیحات برند | ۳۳۹/۱۷ | ۵۵۸/۰ | ۰۰۰/۰ | تایید |
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی -> رضایت مشتری | ۶۲۸/۱۱ | ۵۳۲/۰ | ۰۰۰/۰ | تایید |
مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی -> قصد خرید | ۶۹۶/۱۳ | ۵۵۱/۰ | ۰۰۰/۰ | تایید |
بحث و نتیجه‌گیری
هدف اصلی این پژوهش بررسی چگونگی تأثیر کاربردهای هوش مصنوعی در نظام مدیریت ارتباط با مشتری (CRM) بر افزایش وفاداری مصرفکنندگان است. نتایج تحلیل نشان میدهد که مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی تأثیری بسیار قوی و معنادار بر ترجیحات برند، رضایت مشتری و قصد خرید دارد.
این موضوع بیانگر آن است که بکارگیری فناوری‌های هوش مصنوعی در فرآیندهای ارتباط با مشتری می‌تواند به شکل قابل توجهی نگرش مثبت مشتریان نسبت به برند را افزایش دهد، رضایت آنان را ارتقا بخشد و تمایل به خرید را تقویت کند. همچنین، ترجیحات برند، رضایت مشتری و قصد خرید هر یک به طور مستقل نقشی مهم در افزایش وفاداری مشتری ایفا می‌کنند و روابط بین این متغیرها از نظر آماری تأیید شده است. به طور کلی، می‌توان گفت که بهره‌گیری از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی به عنوان یک عامل کلیدی، از راه بهبود ترجیحات برند، افزایش رضایت و تقویت قصد خرید، منجر به افزایش وفاداری مشتریان میشود و این امر اهمیت استراتژیک فناوری هوش مصنوعی را در توسعه روابط بلندمدت با مشتریان نشان میدهد.
فرضیه نخست نشاندهنده این است که مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی تأثیری بسیار معنادار و قوی بر قصد خرید مشتری دارد؛ (ضریب مسیر = 696/13، ضریب استاندارد = 551/0، سطح معناداری = 000/0). این امر بیانگر آن است که استفاده از فناوری‌های هوش مصنوعی در مدیریت ارتباط با مشتری، باعث افزایش تمایل و نیت مشتریان برای خرید میشود. هوش مصنوعی با تحلیل داده‌های گسترده و رفتار مشتریان، امکان ارائه پیشنهادهای شخصی‌سازی‌شده، بهبود تجربه خرید و پاسخگویی سریع‌تر به نیازهای مشتری را فراهم می‌کند که در نهایت، قصد خرید را تقویت می‌کند. این یافته با مطالعات پیشین مانند شادپور و همکاران (1404)، مقدسی و شادمانکاهو (1403) و بیاری (2025) نیز همسو است که نشان میدهند هوش مصنوعی نقشی مهم در بهبود قصد خرید آنلاین و افزایش رضایت مشتری دارد. بنابراین، به‌کارگیری هوش مصنوعی در سیستم‌های مدیریت ارتباط با مشتری، به عنوان یک استراتژی مؤثر برای افزایش فروش و وفاداری مشتریان شناخته میشود.
فرضیه دوم نشان دهنده این است که مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی تأثیر بسیار معنادار و قوی بر رضایت مشتری دارد (ضریب مسیر = 628/11، ضریب استاندارد = 532/0، سطح معناداری = 000/0). این بدان معناست که بکارگیری فناوری‌های هوش مصنوعی در فرآیندهای مدیریت ارتباط با مشتری باعث افزایش رضایت مشتریان میشود. هوش مصنوعی با ارائه خدمات شخصی‌سازی شده، پاسخگویی سریع و دقیق به نیازهای مشتری و بهبود تجربه کلی مشتری، نقشی مهم در ارتقاء سطح رضایت آنان ایفا می‌کند. این نتایج با یافتههای مطالعات شادپور و همکاران (1404) و مقدسی و شادمانکاهو (1403) همسو است که نشان میدهند استفاده از هوش مصنوعی به عنوان یک ابزار کلیدی در بهبود کیفیت ارتباطات و تعاملات با مشتریان، می‌تواند به شکلی مؤثر رضایت مشتریان را افزایش دهد و در نتیجه به حفظ و تقویت روابط بلندمدت با آنان کمک کند.
فرضیه سوم نشان دهنده این است که مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی تأثیر بسیار معنادار و قوی بر ترجیحات برند دارد (ضریب مسیر = 339/17، ضریب استاندارد = 558/0، سطح معناداری = 000/0). این بدان معناست که استفاده از فناوری‌های هوش مصنوعی در فرآیندهای مدیریت ارتباط با مشتری باعث شکل‌گیری و تقویت ترجیحات مثبت مشتریان نسبت به برند میشود. این نتایج با یافتههای مطالعات شادمانکاهو (1403) و بیاری (2025) همسو است که نشان میدهند هوش مصنوعی با تحلیل دقیق رفتار و علایق مشتریان، ارائه پیشنهادهای شخصی‌سازی‌شده، پاسخگویی سریع و بهینه به نیازهای آنان و بهبود کیفیت تعاملات، به ایجاد تصویری مثبت و قابل اعتماد از برند کمک می‌کند. این امر باعث میشود مشتریان ارتباط عمیق‌تر و وفادارانه‌تری با برند برقرار کنند و ترجیحاتشان به سمت محصولات و خدمات آن برند تقویت شود. به طور کلی، هوش مصنوعی به عنوان ابزاری کلیدی در مدیریت ارتباط با مشتری، نقشی مهم در ارتقاء جایگاه برند در ذهن مشتریان و افزایش وفاداری آنان ایفا می‌کند.
فرضیه چهارم نشان دهنده این است که قصد خرید تأثیر بسیار معنادار و قوی بر وفاداری مشتری دارد (ضریب مسیر = 643/6، ضریب استاندارد = 427/0، سطح معناداری = 000/0). این بدان معناست که هرچه تمایل و نیت مشتری برای خرید بیش‌تر باشد، احتمال وفاداری و تکرار خرید از همان برند یا فروشنده نیز افزایش می‌یابد. این یافته با مطالعات پیشین مانند نصیر و همکاران (2021) همخوانی دارد که قصد خرید را یکی از پیش‌نیازهای مهم شکل‌گیری وفاداری مشتری می‌داند. همچنین، وفاداری مشتریان نه تنها به رفتار خرید مکرر اشاره دارد، بلکه نشاندهنده تعهد عمیق و تمایل به حمایت مستمر از برند است. بنابراین، افزایش قصد خرید می‌تواند به عنوان عاملی کلیدی در حفظ مشتریان و توسعه روابط بلندمدت با آنان تلقی شود.
فرضیه پنجم نشان دهنده این است که رضایت مشتری تأثیر بسیار معنادار و قوی بر وفاداری مشتری دارد (ضریب مسیر = 206/3، ضریب استاندارد = 157/0، سطح معناداری = 001/0). این بدین معناست که هرچه میزان رضایت مشتریان از محصولات یا خدمات افزایش یابد، احتمال وفاداری و تکرار خرید آنها نیز بیش‌تر خواهد شد. این نتایج با یافتههای فلاح و همکاران (1400) و صابریان و میرمیران (1400) همسو است که بیان می‌کنند رضایت مشتری به عنوان یکی از عوامل کلیدی در ایجاد رابطه بلندمدت و پایدار بین مشتری و برند شناخته میشود و نقشی مهم در حفظ مشتریان و کاهش نرخ ریزش آنها ایفا می‌کند. بنابراین، ارتقاء سطح رضایت مشتریان می‌تواند به طور مستقیم به افزایش وفاداری مشتریان منجر شود و بهبود عملکرد کسب‌وکار را تضمین کند.
فرضیه ششم نشان دهنده این است که ترجیحات برند تأثیر بسیار معنادار و قوی بر وفاداری مشتری دارد (ضریب مسیر = 900/3، ضریب استاندارد = 219/0، سطح معناداری = 000/0). این بدان معناست که هرچه مشتریان ترجیح بیش‌تری نسبت به یک برند داشته باشند، احتمال وفاداری و تکرار خرید از آن برند افزایش می‌یابد. این یافتههای با مطالعاتی مانند نورپناهی و همکاران (1400) همسو است که نشان دادند ترجیحات برند ناشی از تصویر مثبت، تجربه‌های قبلی و ارتباط مؤثر مشتری با برند است که باعث میشود مشتریان به صورت مستمر و بدون توجه به رقبا، آن برند را انتخاب کنند. وفاداری به برند به معنای تعهد عمیق مشتریان است که حتی در مواجهه با تغییرات قیمت یا شرایط بازار نیز تمایل به حفظ ارتباط با برند دارند. این وفاداری نه تنها به تکرار خرید منجر میشود بلکه مشتریان وفادار به عنوان تبلیغ‌کنندگان برند نیز عمل می‌کنند و به جذب مشتریان جدید کمک می‌کنند. بنابراین، تقویت ترجیحات برند از راه ارائه ارزشهای متمایز و ایجاد ارتباط عاطفی با مشتریان، نقش کلیدی در افزایش وفاداری مشتریان دارد.
بر اساس نتایج به‌دست‌آمده، می‌توان نتیجه گرفت که مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی نقش بسیار مؤثر و کلیدی در بهبود عوامل مؤثر بر وفاداری مشتری ایفا می‌کند. این مدیریت نوین با ارتقاء ترجیحات برند، افزایش رضایت مشتری و تقویت قصد خرید، به طور مستقیم و مثبت باعث افزایش وفاداری مشتریان میشود. به بیان دیگر، هوش مصنوعی در سیستم‌های مدیریت ارتباط با مشتری، با ارائه خدمات شخصی‌سازی‌شده، تحلیل دقیق رفتار مشتریان و بهبود تجربه کاربری، زمینه‌ساز ایجاد رابطه‌ای پایدار و مستحکم بین مشتری و برند است. همچنین، ترجیحات مثبت برند، رضایت بالا و قصد قوی برای خرید، به عنوان پیش‌نیازهای مهم وفاداری شناخته شده‌اند که تحت تأثیر مستقیم مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی قرار دارند. با توجه به فرضیات مطرح شده و نتایج مطالعات مرتبط، پیشنهادهای کاربردی زیر برای بهره‌گیری مؤثر از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در جهت افزایش ترجیحات برند، رضایت مشتری، قصد خرید و در نهایت وفاداری مشتری ارائه میشود. با استفاده از هوش مصنوعی، داده‌های مشتریان تحلیل و خدمات و پیشنهادها به صورت کاملاً شخصی‌سازی شده ارائه شود تا ترجیحات برند و رضایت مشتریان بهبود یابد. الگوریتم‌های هوش مصنوعی برای پیش‌بینی رفتار آینده مشتریان و نیازهای آنها بکار گرفته شود تا بتوان به موقع و با پیشنهادهای مرتبط، قصد خرید و وفاداری را افزایش داد. استفاده از چت‌بات‌ها و دستیارهای مجازی هوشمند که به صورت 24 ساعته پاسخگوی سوالات و مشکلات مشتریان باشند، باعث افزایش رضایت و وفاداری میشود. هوش مصنوعی می‌تواند نظرات و احساسات مشتریان را در شبکه‌های اجتماعی و سایر کانال‌های ارتباطی تحلیل کند تا نقاط قوت و ضعف برند شناسایی و بهبود یابد و ترجیحات برند تقویت شود. همچنین، با شناسایی مشتریان در معرض ریزش از راه تحلیل داده‌های هوش مصنوعی، اقدامات پیشگیرانه برای حفظ آنان انجام شود. این پیشنهادها می‌توانند به کسب‌وکارها، بویژه در بسترهای تجارت الکترونیک مانند دیجی‌استایل، کمک کنند تا با بهره‌گیری از فناوری‌های هوش مصنوعی، تجربه مشتری را بهبود بخشیده، وفاداری را افزایش دهند و در بازار رقابتی مزیتی قابل‌توجه کسب کنند. جامعه آماری این پژوهش محدود به مشتریان سایت دیجی‌استایل در حوزه پوشاک مردانه، زنانه و بچگانه است. این موضوع ممکن است باعث محدود شدن تعمیم نتایج به سایر گروههای مشتریان یا حوزه‌های دیگر شود. بنابراین پژوهش‌های آینده می‌توانند جامعه آماری خود را به سایر دسته‌بندی‌های محصولات دیجی‌استایل یا سایر پلتفرم‌های تجارت الکترونیک گسترش دهند تا تعمیم‌پذیری نتایج افزایش یابد. از سوی دیگر نیز ترکیب روش‌های کمی و کیفی می‌تواند به درک عمیق‌تر و جامع‌تری از نقش مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در وفاداری مشتریان کمک کند. به طورکلی، یافتههای بدست آمده در این پژوهش، اهمیت سرمایه‌گذاری در فناوری‌های نوین و به‌کارگیری هوش مصنوعی در فرآیندهای ارتباط با مشتری را بمنظور حفظ مشتریان، افزایش رضایت و تقویت وفاداری در بازارهای رقابتی به خوبی نشان میدهد و راهنمایی ارزشمند برای کسب‌وکارها در جهت توسعه استراتژی‌های موفق مدیریت ارتباط با مشتری بشمار می‌رود.
منابع
احمدی، م.، رضایی، ا.، و کریمی، س. (1399). تأثیر سیستم‌های مدیریت ارتباط با مشتری هوشمند بر رضایت و وفاداری مشتریان بانک‌ها، مجله مدیریت بازاریابی، 45 (2).
اسماعیلزاده، اثمر؛ رستمی، سمیه؛ علیرضایی، شبنم (1398). ارزیابی نقش مدیریت ارتباط با مشتری بر وفاداری مشتریان (بانکهای سپه استان آذربایجان غربی)، فصلنامه رویکردهای پژوهشی نو در علوم مدیریت، 2 (11).
پورسلیمی، مجتبی و اسلامی، قاسم و غلامیان قوژدی، سیمین و حیدری، زینب، (1403)، نگاشت مفهومی پیشایندهای رضایت مشتریان کارافزار اقامت ۲۴: کاربست روش دیمتل، فصلنامه پژوهش های بازاریابی گردشگری و میهمان نوازی، 2 (2).
جوشن، نغمه، (1403)، بررسی تاثیر برند بر روی وفاداری مشتریان مبتنی بر کیفیت خدمات در حوزه کسب وکار الکترونیک در فروشگاه های زنجیره ای افق کوروش شهر اصفهان.
حبیبی، آرش؛ عسکری، فروغ؛ حسینی، بهاره. (۱۴۰۳). فراشخصی‌سازی: مفهوم‌سازی و ارائه مقیاسی برای سنجش آن. فصلنامه بازاریابی پارس‌مدیر. ۱۰ (۳۴)، ۱-۱۱.
خیربین سیاهمزگی، امیررضا، (1404)، تحلیل تاثیر الگوریتم های شخصی سازی مبتنی بر هوش مصنوعی بر وفاداری مشتریان در استارتاپ های تجارت الکترونیک ایران، ماهنامه پایاشهر، 7 (75).
شادپور، مارال؛ شاهرودی، کامبیز؛ دل افروز، نرگس (1404).مدلی برای کاهش ریزش مشتری با استفاده از مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی در صنعت بیمه، مطالعات مدیریت کسب و کار هوشمند، 13 (52).
صابریان، حمید؛ میرمیران، جلیل (1400). تاثیر تصویر برند، انتظارات مشتریان و کیفیت خدمات بر رضایت مشتریان و وفاداری مشتریان با نقش میانجی ارزش درک شده (مورد مطالعه شرکت ایران خودرو). فصلنامه رویکردهای پژوهشی نوین در مدیریت و حسابداری، 79 (6).
فلاح، احمد؛ حامدی، ارکیده (1400). ارزیابی تأثیر تعهد و اعتماد مشتری بر وفاداری مشتریان با نقش میانجی رضایت مشتری. فصلنامه رهیافتی در مدیریت بازرگانی، 2 (3).
قلندر، نازنین؛ بودلایی، حسن. (1398). بررسی تاثیر لذت مشتری از وب سایت بر رضایت و وفاداری الکترونیکی مشتریان بامیلو. دومین همایش سراسری علم و فناوری هزاره سوم اقتصاد، مدیریت و حسابداری ایران.
کردلو، حسین، (1403)، تاثیر تبلیغات دیجیتال بر قصد خرید محصولات ورزشی: نقش میانجی آگاهی از برند، نشریه فناوری اطلاعات و ورزش، 1 (1).
محمدصالحی، مهدی و قاسمی، اللهیار، (1403)، مدل‌سازی استراتژیک تغییر ترجیح برند، دومین کنفرانس مدیریت بازرگانی نوین کسب و کار و بازاریابی نوگرا، قزوین.
مقدسی، علیرضا و شادمان کاهو، فاطمه (1403). بررسی تاثیر هوش مصنوعی در تجربه مشتری و خدمات به مشتریان در کسب و کارها، نهمین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی، تهران
نورپور، محمد، پناهی، نازی.(1400). بررسی تاثیر کیفیت محصول، تصویر برند، اعتماد برند بر رضایت مشتری و وفاداری مشتریان- مطالعه کاوی (مشتریان و مصرف کنندگان تلفن های هوشمند برند سامسونگ منطقه ۱۱ تهران، سومین کنفرانس بین المللی مدیریت، گردشگری و تکنولوژی.
Bain & Company. (2020). The value of customer loyalty and how to capture it. Retrieved from https://www.bain.com/insights/
Beyari H (2025) Assessing artificial intelligence’s impact on e-customer loyalty in the Saudi Arabian market. Front. Artif. Intell. 8:1541678.
Chung, M., Ko, E., Joung, H., & Kim, S. J. (2020). Chatbot e-service and customer satisfaction regarding luxury brands. Journal of Business Research, 117, 587-595.
Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24-42.
Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., … Williams, M. D. (2021). Artificial intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice, and policy. International Journal of Information Management, 57, 101994.
Gazi, A. A. I., Mamun, A. A., Masud, A. A., Senathriajah, A. R. S., Rahman, T. (2024). The relationship between CRM, knowledge management, organization commitment, customer profitability and customer loyalty in telecommunication industry: The mediating role of customer satisfaction and the moderating role of brand image. Journal of Open Innovation: Technology, Market, and Complexity 10 (2024) 100227.
Gupta, S., Leszkiewicz, A., Kumar, V., Bijmolt, T., & Potapov, D. (2020). Digital analytics: Modeling for insights and new methods. Journal of Interactive Marketing, 51, 26–43.
Hamzah, A. A., & Shamsudin, M. F. (2020). Why customer satisfaction is important to business? Journal of Undergraduate Social Science and Technology, 1(1).
Kemenparekraf. (2021). Press release: 'Indonesia spice up the world' increases Indonesia's opportunities in the world culinary industry (Siaran pers: ’Indonesia spice up the world’ tingkatkan peluang Indonesia di industri kuliner dunia).
Khan, M., & Alvarez, R. (2022). Social and cultural influences on brand preference: A cross-cultural study. International Journal of Consumer Studies, 46(2), 345-360.
Kumar, V., Rajan, B., Venkatesan, R., & Lecinski, J. (2019). Understanding the role of artificial intelligence in personalized engagement marketing. California Management Review, 61(4), 135-155.
Lee, S., & Brown, T. (2022). Digital engagement and brand preference: The impact of social media marketing. Journal of Digital Marketing, 10(1), 25-40.
Li, H., Wu, J., Gao, Y., & Shi, Y. (2016). Examining individuals' adoption of healthcare wearable devices: An empirical study from privacy calculus perspective. International Journal of Medical Informatics, 88, 8-17.
Libai, B., Bart, Y., Gensler, S., Hofacker, C. F., Kaplan, A., Kotterheinrich, ¨ K., & Kroll, E. B. (2020). Brave new world? On AI and the management of customer relationships. Journal of Interactive Marketing, 51, 44–56.
Liu, B. (2020). Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge University Press.
Martin, K. D., Borah, A., & Palmatier, R. W. (2017). Data privacy: Effects on customer and firm performance. Journal of Marketing, 81(1), 36-58.
Merabet, A. (2020). The effect of country-of-origin image on purchase intention. The mediating role of perceived quality and perceived price. Vol. 5, No. 6.
Moon, N. N., Talha, I. M., Salehin, I. (2021). An advanced intelligence system in customer online shopping behavior and satisfaction analysis. Current Research in Behavioral Sciences 2 (2021).
Pandey, N., Nayal, P., & Rathore, A. S. (2020). Digital marketing for B2B organisations: Structured literature review and future research directions. Journal of Business & Industrial Marketing.
Ranjbarian, B., et al. (2014). The effect of perceived quality and brand image on consumer trust and brand preference. International Journal of Business and Management, 9(4), 123-132.
Rusibamayila, E. G., & Kara, N. (2025). Determinants of brand preference from the consumer's perspective: A systematic literature review. African Journal of Economics and Innovation, 1(3), 178-195.
Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach. Pearson.
Shareef, M. A., Kumar, V., Dwivedi, Y. K., Kumar, U., Akram, M. S., & Raman, R. (2021). A new health care system enabled by machine intelligence: Elderly people’s trust or losing self-control. Technological Forecasting and Social Change, 162, 120334.
Singh. P., & Singh. V. (2024) The power of AI: enhancing customer loyalty through satisfaction and efficiency, Cogent Business & Management, 11:1, 2326107.
Smith, J., & Taylor, A. (2021). The role of brand loyalty in consumer brand preference. Journal of Marketing Research, 58(4), 567-582.
Tanghana, K. K., & Apriyanti, L. (2025). Brand preference studies: Scientific mapping, research patterns, and future insights. Journal of International Conference Proceedings, 8(1), 134-147.
Tuncer, İ., Unusan, C., & Cobanoglu, C. (2021). Service quality, perceived value and customer satisfaction on behavioral intention in restaurants: An integrated structural model. Journal of Quality Assurance in Hospitality & Tourism, 22(4), 447-475
Verhoef, P. C., Kannan, P. K., & Inman, J. J. (2015). From multi-channel retailing to omni-channel retailing: Introduction to the special issue on multi-channel retailing. Journal of Retailing, 91(2), 174-181
[1] . Chung
[2] . Kumar
[3] . Li
[4] . Liu
[5] . Martin
[6] . Russell & Norvig
[7] .Verhoef
[8] . Libai
[9] .Gupta
[10] .Pandey
[11] . Dwivedi
[12] . Shareef
[13] .Moon
[14] . Merabet
[15] . Kemenparekraf
[16] . Tuncer
[17] . Hamzah & Shamsudin
[18] . Tanghana & Apriyanti
[19] . Smith & Taylor
[20] . Lee & Brown
[21] . Rusibamayila & Kara
[22] . Khan & Alvarez
[23] . Beyari
[24] . Gazi
[25] . Singh & Singh
[26] . Suprianto
[27] .Bagozzi
[28] . Hensele
[29] .Fornell-Larcker
[30] .Bootstrapping
The Role of AI-Based Customer Relationship Management in Enhancing Consumer Loyalty
Farzad Asayesh1*, Solmaz Hashemi2
Abstract | Article Info |
The present study is an applied research in terms of objective, quantitative in method, and descriptive-survey in nature regarding data collection. The implementation approach is correlational. The statistical population consists of all customers of the Digistyle website, which operates in the field of men's, women's, and children's clothing. Given the unlimited population, a sample size of 384 was selected using simple random sampling and the Cochran formula. Data analysis was performed using Smart PLS software at both descriptive and inferential levels. The results demonstrated that AI-based customer relationship management (CRM) has a significant and positive impact on brand preference, customer satisfaction, and purchase intention. Furthermore, each of these factors—brand preference, customer satisfaction, and purchase intention—independently plays an important role in increasing customer loyalty. Overall, the findings suggest that the use of AI-based CRM, by improving these key factors, effectively enhances customer loyalty and plays a crucial role in strengthening long-term relationships between the customer and the brand. | Article type: Research Article
|
Customer Relationship Management, Customer, Artificial Intelligence, Loyalty | Keywords |
Publisher: Islamic Azad University Qods Branch
Corresponding Author: Farzad Asayesh
Email: Farzad.asayesh@gmail.com
1. Assistant Professor, Department of Business Management, Shahreghods Branch, Islamic Azad University, Tehran, Iran (Corresponding Author)
2. M.A. Graduate, Business Management, Shahreghods Branch, Islamic Azad University, Tehran, Iran
دانش بازاریابی و علم اطلاعات/ دانشگاه آزاد اسلامي واحد شهرقدس/ سال دوم / شماره سوم/ پاییز ۱۴۰2
