معماری های سازمانی برای تحول دیجیتال در شرکت های کوچک و متوسط

Enterprise architectures for the digital transformation in small and medium-sized enterprises

Abstract

The transformation towards smart connected factories causes enormous changes in mechanical engineering industry starting from the development of cyber-physical production systems up to their application in production. Enterprise architectures already offer suitable methods to support the alignment of the internal IT landscape. New demands like customer involvement, iterative development and increased business-orientation arising with these digitized products require new approaches and methods. This paper presents the foundation and the first steps aiming at the development of a method for the holistic planning of the digital transformation in small and medium-sized mechanical engineering enterprises.

1 Introduction

personalized value. This becomes particularly obvious in the demand for individualized products and the increasing influence of customers on the development and the production processes [1]. Factories can only meet this challenge by the application of digital technologies. In Germany, the term Industrie 4.0 represents the aspired target state. Through improvements in information, communication and automation technology live information is available over life cycles of products, processes and factories. Production systems, products and humans are closely networked. Moreover, the resulting big data is used for holistic optimization. [2, 3, 4] This special situation gives rise to opportunities and risks for mechanical engineering enterprises. Based on customer data there are numerous new possibilities for product and process improvements including the optimization of the machining process or spare part forecasting services. At the same time, they are confronted with new demands. Customers not just want to buy a physical machine but service systems, consisting of hard- and software, that offer additional value in their unique context [1, 4, 5]. Examples are context-based features and information for machine operators that support manufacturing to adapt rapidly changing customer needs. To realize such use cases a close collaboration of manufacturers and mechanical engineering enterprise is required. Through this development, IT is not any longer just a technological tool to improve the efficiency of internal processes. By becoming an essential part of the value creation it grows up to a new source of competitive advantage and thus takes a transformative role [5]. The required extension of products by digital components to the point of cyber-physical systems and their integration into service systems leads enterprises in mechanical engineering into a fundamental change process – the digital transformation. Besides mechanics and electronics they now need to develop digital capabilities and implement them into fast-changing, cross-company processes and structures. Especially for small and medium-sized enterprises (SMEs) this is an enormous challenge [6].

With the help of business model appraoches, many enterprises already started to design digital value creation concepts. But these means are very limited when it comes to deriving and implementing processes and IT services. In contrast to existing IT-based products, the new service logic requires a holistic process view. To take full advantage of the digital opportunities adequate models, methods and tools are needed [4, 7]. With enterprise architectures (EA) information systems literature already offers a well-proven solution for this challenge [8, 9]. The aim of this paper is to examine if this approach is appropriate for digital transformation in SMEs of mechanical engineering. Therefore, digital transformation and EA are defined. Afterwards, strengths and weaknesses of EA in the context of digital transformation in SMEs are analyzed. In addition, this paper presents the first steps for the development of a method for the holistic planning of the digital transformation in small and mediumsized mechanical engineering enterprises.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

برخی از نویسندگان بر روی تاثیرات غیرمستقیم ارزش‌ها در رفتارها از طریق الگوهای شیوه زندگی تمرکز کرها اند.(Grunert and Grunert 1995).ارزش‌ها سبب پیش بینی شیوه زندگی (Brunso et al.2014)و عواملی مانند ویژگی‌های فرهنگی، زمان صرف شده برای مراقبت از کودکان و افراد مسن و فعالیت‌های اوقات فراغت در خانه می‌شوند که تأثیر مستقیمی بر شیوه زندگی دارند.
در نهایت، رفتارهای مربوط به نیت‌ها مشخص شده است. چانگ و لئو(2009) قصد خرید را به عنوان یک برنامه مشتری برای بازپرداخت یک مارک مشخص یا درخواست خدماتی که قبلاً استفاده شده بود تعیین کرد. برایSuman و همکاران (2012)، افراد به دو دلیل به مراکز خرید مراجعه می‌کنند:لذت گرایی و کارایی. گذشته شامل فعالیت‌های مربوط به اوقات فراغت در حال حاضر یا آینده است.

2.2 تأثیرات اینترنتی در رفتارهای خرید اوقات فراغت
مطالعات نشان داده‌اند که ارزشها، شیوه زندگی و رفتارها در طول سالها تغییر کرده است. چنین تغییراتی به عنوان تکامل نسلی ارزش‌ها اشاره می‌شود (González, 2000). یکی از عوامل اصلی که این تغییر را ایجاد کرده، اینترنت است(Alonso and Bartolomé, 2014; Sunil, 2015). Herrero et al.,2014. مطالعه یکی از مهمترین کارهای متمرکز در ارتباط بین تکنولوژی و تاثیرات آن بر ارزش‌ها و شیوه زندگی استعلاوه بر این، توسعه افزایشی اینترنت موجب تغییر در رفتار خرید و دراهداف تکرار خرید شده است (Lee et al., 2009; Wu et al., 2011). چندین نویسنده رفتارهای خرید آنلاین را مورد مطالعه قرار داده‌اند(Jayawardhena, 2004) و نشان داده‌اند که سطوح بالاتری از رضایت کاربر انگیزه رفتارهای خرید مداوم و خریدهای آینده را نشان می‌دهد(Hernández etal., 2011). تحقیقHwangandJeong (2016)دو دیدگاه نظری را که در مورد رفتارهای خرید آنلاین اعمال شده است و بر عوامل فرهنگی و شیوه زندگی مصرف کننده تمرکز دارد، ارائه می‌دهد.
از طریق فعالیت‌های اوقات فراغت، الگوهای رفتاری در طول تاریخ هر دو به صورت آفلاین و آنلاین تکرار می‌شوند(Genoe et al., 2016)اوقات فراغت اشکال جدیدی را گرفته است؛ فیسبوک و توییتر “نقاط جمع آوری جدید” هستند که در حال حاضر مانند مکان‌های فیزیکی عمل می‌کنند. در رابطه با فیلم‌ها، کسب و کارهایی که از دنیای دیجیتال متولد شده‌اند از جملهFilmotech فضایی را در اینترنت می‌گیرند که باید توسط توزیع کنندگان فیلم‌های بزرگ کنترل شود. علاوه بر این، مصرف فیلم‌ها شامل عوامل جدیدی است که در فروش بلیط شرکت می‌کنند (Doury, 2001) و یا به دیجیتالی کردن فعالیت‌های اوقات فراغت سنتی از طریق جریان (iTunes) کمک می‌کند. یک مطالعه توسط (Alonso and Bartolomé 2014) به گروه‌هایی مربوط به “رسانه‌های ارتباطی و فرهنگی” اشاره دارد که شامل سینما هستند و تعداد کمی از طرفداران صفحات وب را تحت تأثیر قرار می‌دهند

2.3 رفتار آنلاین در مقابل رفتار مصرف کننده
پیشرفت قابل ملاحظه‌ای در زمینه فناوری اطلاعات در سال‌های اخیر و به خصوص با توجه به چگونگی استفاده از فن آوری های مربوط به اینترنت به عنوان کانال‌های خرید انجام شده است. برخی از مطالعات، با تمرکز بر تفاوت بین کانال‌های آنلاین و آفلاین (Hwang, and Jeong, 2016).تفاوت‌ها را در ویژگی‌های اجتماعی فرهنگی و تأثیر آنها بر رفتارها تحلیل می‌کنند. اغلب تحقیقات، عوامل مؤثر بر جمعیت شناختی و اجتماعی اقتصادی را به عنوان مبنایی برای تجزیه و تحلیل سطح دانش و استفاده از اینترنت(Hirunyawipada and Paswan, 2006) مورد استفاده قرار داده‌اند.در حقیقت، مطالعات اندکی در مورد ارزش‌ها و شیوه‌های زندگی، تفاوت‌هایی در استفاده از این فن آوری ها در زمان خرید و تاثیرات آن‌ها در رابطه با رفتارها یافته است(Lee et al., 2009) علی رغم مزایای کسب و کارها، درک ویژگی‌های شخصی که از طریق فعالیت‌های خانواده و فعالیت‌های اوقات فراغت ارزیابی می‌شود(Herrero et al., 2014).اینترنت ارزش‌ها و شیوه‌های زندگی را عوض کرده است، یعنی شیوه‌هایی که افراد به طور اجتماعی مرتبط هستند، اخبار را می‌خوانند، به موسیقی گوش می‌دهند، و بلیط های فیلم را از طریق کانال‌های آنلاین رزرو می‌کنند، نه از طریق باکس آفیس. (Doury, 2001). با این حال، یک مطالعه نشان می‌دهد که کسانی که آنلاین خرید و فروش می‌کنند، ارزش‌ها و شیوه‌های زندگی متنوعی را حفظ می‌کنند که رفتار و نیت آنها را تحت تأثیر قرار می‌دهد(Swinyard and Smith,2003). بنابراین لازم است این روند را در عمق بیشتری بررسی کنیم.
با توجه به نظریه تجزیه و تحلیل شده، مطالعات مختلف، اهمیت کانال‌های جدید را برای ایجاد روابط با مشتریان برجسته کرده است وتفاوت‌ها در رفتار در حوزه‌های آنلاین و آفلاین را مورد تحلیل قرار داده است (Wu et al., 2011). توزیع کنندگان در حال حاضر در نظر دارند اینترنت یک فرصت جدید است به دلیل پتانسیل آن برای رشد و گسترش. با این حال، مدیریت کانال‌های آنلاین لزوماً نیازی نیست که به صورت یک کانال آفلاین تولید شود، زیرا فرایند خرید آنلاین متفاوت است از آنچه که رخ می‌دهد، و رفتار مصرف کننده نیز بستگی به کانال مورد استفاده دارد. (Ye etal.,2011)

شکل 1: مدل رفتارهای اوقات فراغت در سینماها براساس روش خرید بلیط است: CL زندگی فعلی؛:ED آموزش و پرورش؛:SA اقدام اجتماعی؛:HO خانه؛:VL ارزش‌ها؛:SP ورزش؛:VC تعطیلات؛:HB سرگرمی؛:NA طبیعت؛LS:شیوه زندگی؛:BH رفتار؛:IN قصد
چه نوع مصرف کنندگانی کانال‌های آنلاین یا آفلاین را ترجیح می‌دهند؟ کانال‌های آنلاین جدیدتر، قابل دسترس تر ومقایسه محصولات و قیمت‌هاراحت‌تر است در حالی که کانال‌های آفلاین به خریداران امکان بررسی فیزیکی یک محصول و تماس شخصی با یک نمایندگی فروش را می‌دهد.(Grewal et al., 2004) به عبارت دیگر، شرکت‌ها بایدعلاقمند به بررسی رفتارهای مشخصه هر دو کانال باشند استراتژی‌های خود راتا جایی که ممکن استبا هم منطبق کنند.
به عنوان یک نتیجه از پیشرفت تکنولوژیکی، مطالعات تحقیقاتی، تعاریف بین افراد را بر اساس استفاده بیشتر و یا کمتری از اینترنت برای خرید تعیین کرده‌اند. علاوه بر این، مطالعات متعدد، تفاوت بین خرید آنلاین و خرید آفلاین را با توجه به تغییرات روابط بین شرکت‌ها و مشتریان با توجه به کانال‌های فروش جدید(Wu et al. 2011) مورد بررسی قرار داد.
اولاً مطالعات ویژگی‌های مختلف را ارزیابی کرده‌اند. ما مطالعات مختلف در مورد تفاوت بین مصرف کنندگان آنلاین و آفلاین را پیدا کرده‌ایم که بر قیمت‌ها و نام تجاری(Degeratu et al.، 2001) و قیمت‌های فروش، فروش، هزینه خرید و زمان خرید تمرکز دارد.(Zettelmayer et al., 2006; Pozzi, 2008). Leelakulthanit and Hongcharu (2011) تمرکز بر عوامل مرتبط با وفاداری و به طور عمده در مورد انواع مشتریان. اخیراًSunil (2015) عوامل اصلی را شناسایی کرد که شرط جستجو برای اطلاعات آنلاین و همچنین آنلاین و خریدهای آفلاین: فروش، محصولات و سیاست‌های سرویس. آثار دیگر مانند Degeratu et al. (2000) به تئوری اطلاعات اشاره دارد که نشان می‌دهد که مصرف کنندگان اهمیت بیشتر به ویژگی‌هایی می‌دهند که در هنگام خرید اطلاعات بیشتری در مورد آن دارند. به عنوان اطلاعات در مورد جنبه‌های خاص ممکن است در دسترسی آنلاین، برخی صفات ممکن است برای کانال‌های آنلاین مهم‌تر از آفلاین باشد و بلعکس.
دوما، مطالعات انواع محصولات و خدمات را ارزیابی کرده‌اند. برخی از مطالعات، تمایلات و تفاوت‌هایشرکت‌ها را که هنگام استفاده از کانال‌های آنلاین یا آفلاین استفاده می‌کنند، تحلیل می‌کنند. Levin et al. (2003), Levin et al. (2005) و Chen et al. (2014)تفاوت هارا نشان می‌دهد وقتی که افراد در جستجوی انواع اطلاعات ا خرید (بلیط های هواپیمایی، کتاب‌ها، محصولات الکترونیکی، پوشاک و رایانه‌ها) در جستجوی اطلاعات آنلاین یا آفلاین هستند.در تمرکز در بخش بانکی و به نحوی دقیق‌تر نشان می‌دهد که مصرف کنندگان که از کانال‌های آنلاین استفاده می‌کنند بیشتر بر روی عوامل عملکردی تمرکز می‌کنند در حالیکه مصرف کنندگان آنلاین بیشتر بر کیفیت و ارزش اجتماعی تمرکز می‌کنند. سایر مطالعات نیز در بین کانال‌های آنلاین یا آفلاین تفاوت‌های بین نگرش‌ها و ترجیحات مصرف کنندگان را نشان می‌دهد (Kwon, and Lennon, 2009; Yap et al., 2010; Molina et al., 2017). این نویسندگان اختلاف بین هر دو نوع رسانه‌ها را در زمینه خرده فروشی و خدمات گردشگری برجسته کردند، اما به اثرات مثبت نتایج همکاری چند کاناله در شرکت‌ها اشاره دارد. رفتارهای مربوط به سه محصول (کتاب‌ها، محصولات الکترونیکی مانند سی دی‌ها، و I-BOOKS را تحلیل می‌کند.این نویسندگان نشان می‌دهند که سی دی‌ها و کتاب‌ها در مقایسه با نحوه خرید بلیط های سینمایی (قیمت‌های پایین / متوسط، محصولات استاندارد و خدمات لمسی مورد نیاز) خریداری می‌شود و بنابراین ممکن است رفتارهای مصرف کننده بر اساس انواع جدیدی از محصولات و رفتار آنها را از خریدهای سنتی از بین ببرید. همچنین بر روی اوقات فراغت و ارتباطات مرتبط با اینترنت بر اساس فعالیت‌هایی مانند بازی کردن بازی‌ها و داستان سرایی تمرکز می‌کند. با توجه به این معیار، برخی از نویسندگان نشان می‌دهند که برای محصولات با سطوح بالاتری از ناامن بودن، خرید بیشتر به صورت آنلاین انجام می‌شود (Levin et al., 2003).
رفتار مصرف کننده‌های آنلاین و آفلاین، صرف نظر از این واقعیت است که مصرف کنندگان به طور کلی به اینترنت علاقه مند هستند. بنابراین با در نظر گرفتن این پیشگویی‌ها در خصوص عدم قابلیت خدمات مانند خدمات تفریحی، افزایش روزافزون کانالهای آنلاین و رفتار مصرف کننده براساس ارزش‌ها و شیوهای زندگی، لازم است که بررسی‌های در رابطه بین این سه مفهوم مبتنی بر انواع کانال استفاده شده توسط مصرف کنندگان انجام شد(Swinyard and Smith, 2003Wu et al., 2011). این مطالعه تلاش می‌کند تا این شکاف را با اشاره به تفاوت‌های بین کانال‌ های آنلاین و آفلاین در ارتباط با درک ارزش‌ها و شیوه زندگی بر رفتار مصرف کننده در رابطه با سینما در مراکز خرید وجود دارد، نشان دهد. بررسی نظری که در بالا نشان داده شده است برای تهیه فرضیه‌های زیر استفاده شده است: (شکل 1)
.H1 درشکل دادن ارزش‌ها،بین خرید بلیط فیلم آنلاین و خرید بلیط دریک جدول رتبه بندی ابعاد زیر وجود دارد: (H1a): زندگی فعلی؛ (H2b) آموزش وپرورش؛ (H3c) اقدام اجتماعی؛ و (H4D) خانه.
.H2 درحال توسعه شیوه زندگی،بین خریدبلیط فیلم آنلاین وخرید بلیط درجدول رتبه بندی به ابعاد زیرقابل ذکراست: (H2b) تعطیلات؛ (H2c) سرگرمی؛و (H2d) طبیعت.
.H3 بادرنظر داشتن تأثیر ارزش‌ های موجود درشیوه زندگی،تفاوت ‌های قابل توجه بین خرید بلیط فیلم آنلاین وخرید بلیط در یک جدول رتبه بندی وجوددارد.
.H4 بادرنظر داشتن تأثیر ارزشها بررفتار،تفاوت ‌های قابل توجه بین خرید بلیط فیلم آنلاین وخرید بلیط دریک جدول رتبه بندی وجود دارد.
.H5 بادرنظر داشتن تأثیر شیوه زندگی بررفتار،تفاوت‌ های قابل توجه بین خرید بلیط فیلم آنلاین وخرید بلیط دریک جدول رتبه بندی وجوددارد.
.H6 بادرنظرداشتن تأثیر رفتار برروی تصمیم،،تفاوت‌ های قابل توجه بین خرید بلیط فیلم آنلاین و خرید بلیط دریک جدول رتبه بندی وجوددارد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3.1.2 استراتژی توصیه شده ی شرکت
این فرایند به دنبال به حداکثر رساندن آگاهی، اضافه کردن برند های تجاری برای جلب نظر مصرف کنندگان، مقدار زیادی از اطلاعاتی که مصرف کنندگان می توانند به طور منفعلانه به انها دسترسی داشته باشند و ارائه ی تبلیغات فروش در کوتاه مدت برای بستن قرارداد می باشد. وب سایت ها ممکن است به مصرف کنندگان امکان سفارشی کردن محصولات را می دهد. این مسیر تصمیم متکی به این فرض است که زمانی که مصرف کنندگان مرحله ی انتخاب را آغاز کرده اند هیچ یک از مارک های جدید را انتخاب نکنند.

3.1.3 رسانه های اجتماعی برای ارتباط
کورت و همکارانش (2009) و هادسون و هادسون(2003) یک نسخه اصلاح شده از فرایند سنتی ارائه کرده اند که رسانه های اجتماعی و دیگر منابع اطلاعات آنلاین را معرفی می کند(شکل 3.1. یک نسخه اصلاح شده از مدل شان را ارائه می دهد). مصرف کنندگان همین روند را در مدل سنتی دنبال می کنند اما طول زمان و تعداد مارک های موجود در هر مرحله متفاوت است. کورت و همکارانش (2009) بیش از20000 مصاحبه انجام داده اند و به این نتیجه رسیدند که تکثیر تبلیغات و تکه تکه شدن رسانه ها منجر به کاهش تعداد مارک هایی می شود که مشتریان انتخاب می کنند. با این حال، آنها همچنین به این نکته اشاره کرده اند که زمانیکه مصرف کنندگان ارزیابی مجموعه اولیه ی مارک ها را آغاز می کنند برند های تجاری جدید ممکن است وارد فرایند تصمیم گیری شوند و معیارهای انتخاب می تواند زمانی که آنها اطلاعات بیشتری از مشتریان دیگر یا از منابع دیگر جمع آوری می کنند تغییر کند.

رسانه های اجتماعی و منابع در حال گسترش اطلاعات به مصرف کنندگان کنترل بیشتری روی فرایند ارزیابی اعطا می کند .مصرف کنندگان به جای جمع آوری اطلاعات ارائه شده در محلهای ارتباطی کنترل شده شرکت ها، به طور فعال به دنبال اطلاعات از مصرف کنندگان دیگر می گردند و جستجوهای اطلاعات فعال هر چه بیشترشان به افزایش طول مرحله ی ارزیابی می انجامد. با این حال مصرف کنندگان به راحتی می توانند قبل از خرید منصرف شوند و از فرایند خارج شوند، به ویژه با توجه به تاخیرها بین انتخاب / ارزیابی و خرید. اگر چه این امکان از دست رفتن فروش در نمودار میله ای شکل 3.2 به تصویر کشیده شده است، اما بر خلاف فرایند رسانه های سنتی، مصرف کنندگان اغلب وارد تجربیات به اشتراک گذاری و رابطه ای طولانی با برندی می شوند که زمانی آنها را خریداری کرده و در صورت رضایت از آن بیشتر احتمال دارد که از آن در رسانه های اجتماعی حمایت کنند. این عنصر مثبت در نمودار نواری از راه خرید و فروش پس از خرید افزایش یافته با توجه به حمایت و یا وفاداری نشان داده شده است ،که این ارتباطات قوی تر برند را منعکس می کند.
3.1.4 استراتژی توصیه شده ی شرکت
شرکت ها باید در ارائه ی اطلاعات در مکان ها و اشکال جدید ، مانند وبلاگ ها یا سایت های بررسی فعال تر باشند. کمک به مصرف کنندگان جهت هدایت آنان در مرحله ی ارزیابی می تواند به اندازه ی اطلاع دهی آنان از برند مهم باشد. برای این منظور، خرده فروشان نیاز به تخصیص و یا تخصیص مجدد منابع به رسانه های اجتماعی دارند. بسیاری از مصرف کنندگان در مرحله ی خرید به دلیل تاخیرها بین ارزیابی و گزینه های خرید خود هنوز هم کاهش خواهند یافت ، اما این شرکت می تواند از طریق چت های آنلاین و یا تماس تلفنی برای بستن قرارداد فوری تر تلاش کند. علاوه بر این، تجربه پس از خرید برای برند های تجاری که از رسانه های اجتماعی استفاده می کنند مهم تر است . با توجه به تحقیق هادسون و هادسون (2003)، 60٪ از مصرف کنندگان برای جمع آوری اطلاعات بیشتر پس از خرید محصولات مراقبت از پوست صورت آنلاین پیش می روند. خرده فروشانی که این مرحله از فرایند تصمیم گیری را به طور موثر مدیریت می کنند می توانند این مصرف کنندگان را به طرفداران آینده تبدیل و وفاداری بیشتر ایجاد کنند.

3.1.5 بحث
ما کاربرد رسانه های سنتی و اجتماعی را در شکل 3.2 مقایسه کرده ایم. معرفی رسانه های اجتماعی در فرایند تصمیم گیری مصرف کننده می تواند تولید کنندگان و خرده فروشان را قادر به اهرم سازی این سکو کند. به عنوان مثال، تعامل آنی با یک تشکل برند تجاری ممکن است تعداد مارک های انتخاب شده را کاهش دهد اما تعداد مارک هایی که وارد مرحله ارزیابی می شوند را افزایش دهد. بنابراین، مرحله ی ارزیابی طول می کشد و با توجه به افزایش اعتماد به نفس مصرف کنندگان در ارزیابی شان خریدها افزایش می یابد. این اعتماد به نفس نیز باید به حمایت و وفاداری بیشتری منجر شود ، که به نوبه ی خود نرخ خرید مجددی از سوی کاربران جدید و وفادار بالاتر ایجاد می کند.
متاسفانه، پیوند ضعیف در این روند تصمیم گیری در گذر از مرحله ی انتخاب / ارزیابی برای خرید ظاهر می شود. با وجود نرخ تبدیل افزایش یافته به واسطه ی ارتباطات رسانه های اجتماعی، بسیاری از مصرف کنندگان به دلیل ناراحتی و یا تاخیر در زمان بین مرحله ارزیابی و مرحله ی خرید نهایی هنوز هم از این طریق خرید نمی کنند. احتمالات خرید جدید در رسانه های اجتماعی ممکن است بازاریابان را قادر به استفاده از قدرت ابزارهای ارتباطی مدرن و ترکیب آنها با تاکتیک های خرید آسان کند که به عنوان فرایند تصمیم گیری جدید پیشنهادی که در بخش بعدی در مورد آن بحث می کنیم.

3.2خرید از طریق رسانه های اجتماعی و فرایند جدید تصمیم گیری مصرف کننده
محققان مختلف در مورد تغییرات فرآیند تصمیم مصرف کننده با توجه به رسانه های اجتماعی بحث کرده اند (به عنوان مثال، هادسون و هادسون، 2003؛ کومار و همکاران، 2016)، اما معمولا تمرکز آنها روی ارتباطات و ارائه ی اطلاعات است. امکان خرید محصولات از طریق رسانه های اجتماعی نیاز به اصلاح مدل های ارتباطی موجود رسانه های اجتماعی را نشان می دهد. شکل 4.1.تبادل اطلاعات را زمانی که مصرف کنندگان درخواست بازخورد فوری در مورد امکان خرید دارند را نشان می دهد. در برخی موارد، مصرف کنندگان حتی مرحله ی ارزیابی را کنار می گذارند و محصولات را به طور ناگهانی می خرند. به عنوان صفتی متمایز، مصرف کنندگان به دنبال برقراری ارتباطات با دیگران و پذیرای بازخوردها در مورد امکان خرید آنی نیز هستند. این بازخورد ممکن است شامل چندین تبادل نظر در طول مرحله ی ارزیابی افزایش یافته ش.ئ – بیشتر در مورد خرید حضوری در فروشگاه با آشنایان و کارکنان فروش صدق می کند تا سفارش خرید با بازدید از وب سایت های خرده فروشی. توانایی خرید با استفاده از این سیستم های عامل جدید از پیشرفت های اخیر است ، و همانطور که در شکل 4.2 با جزئیات نشان داده شده است چندین پیشرفت جدید روی داده است. بخش عمده ای از تفاوت از توانایی مصرف کننده در روبرو شدن با برند ها در رسانه های اجتماعی، دریافت بازخورد آنی و خرید بلافاصله ی محصولات نشات می گیرد. مصرف کنندگان هنوز هم این برند های تجاری را انتخاب و ارزیابی می کنند، اما زمان صرف شده در این مراحل همانطور ک در بخش بعدی شرح داده شده است به طور قابل توجهی کاهش می یابد.

3.2.1 محدوده ی کوتاه از مرحله ی انتخاب تا ارزیابی و خرید
توانایی خرید بلافاصله، همراه با بازخورد آنی از دوستان و جوامع آنلاین، به طور چشمگیری میزان زمانی که مصرف کنندگان صرف جستجو برای گزینه های دیگر،ارزیابی مارک های متعدد، و گذر از مرحله ی ارزیابی به خرید می کنند را کاهش می دهد. برخی از مصرف کنندگان حتی ممکن است بلافاصله ، بدون هیچ ارزیابی بیشتری محصولی خرید کنند. بنابراین، ضروری است که شرکت ها خرید از طریق رسانه های اجتماعی را در استراتژی های آنلاین خودشان جای دهند.

3.2.2 مارک های کمتر انتخاب شده و ارزیابی شده
مطابق با مرحله ی اول، مصرف کنندگان احتمالا با توجه به چرخه ی خرید شتاب تعدادی از مارک هایی که به طور چشمگیری انتخاب می کنند را محدود می کنند. باز هم، چند نفر از دوستان ممکن است مارک های جدیدی برای
ارزیابی پیشنهاد دهند ، اما بازخورد آنی همچنان منجر به خرید سریعتر با مارک های کمتر ارزیابی شده می شود.
3.2.3 زمان کاهش یافته ی ارزیابی و روش های تغییر
با سریع پرسیدن این سوال از دوستان و خانواده که ” شما چه فکر می کنید؟ ” می تواند یک محصول را از مرحله ی ارزیابی بیشتر حذف کند و یا نیاز مصرف کنندگان برای جستجو برای اطلاعات بیشتر را حذف کند. شرکتها می توانند به طور استراتژیک مقایسه های دوجانبه از مرحله ی خرید تا ارائه ی محصول خود به طور مطلوب تر ارائه دهند و در نتیجه نیاز مصرف کنندگان برای ارزیابی محصولات در دسترس بیشتر کاهش پیدا کند.

3.2.4تغییرات در معیارهای خرید
سه نمودار هیستوگرام قبل در شکل 4.2 معیارهای کلیدی خرید را نشان می دهند. اگر شرکت ها با موفقیت استراتژی های مشخص شده در پایان این مقاله را انجام دهند، آنها ممکن است به دلایل مختلف انتظار لذت بردن از خرید، حمایت، و بازخریدهای بیشتر داشته باشند. این دلایل شامل :
-بازخورد آنی از خانواده / دوستان ،جوامع آنلاین و شرکت و همچنین بررسی مشتریان آنلاین در مرحله ی خرید در رسانه های اجتماعی، نرخ تبدیل از ارزیابی مطلوب به خرید را افزایش می دهد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

روش پیشنهادی
Itemrank مسئله کارایی را مدنظر قرار می‌دهد. زیرا ممکن است تعداد زیادی محصولات در تجارت الکترونیک وجود داشته باشد. ماتریس W، که دارای سایز M*M است، می‎تواند شدیداً بزرگ باشد. تکثیر W با Si(t) در رابطه (4)، زمان زیادی را می‌گیرد و روش ItemRank را برای مقیاس بزرگ مسئله ناکارآمد می‌کند. ما یک الگوریتم خوشه‌بندی خودساخته (SCC)، [39،40] اجرا کرده‌ایم که عمل کاهش بعد را برای تولید خوشه‌ها استفاده می‌کند. کار پیشنهادی سپس با خوشه‌بندی مجدد ادامه می‌یابد. در نتیجه، کارایی ItemRank، می‌تواند بهبود یابد. در مقایسه با سایر روش‌های کاهش بعد [41، 42، 43، 44]، SCC دارای مزایای زیادی است. خوشه‌بندی به صورت اتوماتیک انجام می‌گیرد و تعیین تعداد خوشه ها توسط کاربر، مورد نیاز نیست. در کنار آن، زمانی که شباهت خوشه‌ها اندازه‌گیری گردید، هر دوی مراکز و واریانس خوشه‌ها محاسبه می‌گردند. در پایان، اندازه‌گیری شباهت بهتر از بررسی مراکز در سایر روش‌ها است.
روش ما شامل پنج گام است. برچسب‌گذاری کاربر، کاهش بعد، ایجاد گراف همبستگی، random walk و انتقال مجدد که در شکل 1 نشان داده شده است. در کام برچسب‌گذاری کاربر، SCC، برای نگاشت برچسب کلاس به کاربر برای کمک به گام دوم انجام می‌گیرد تا مرحله دوم بتواند کار خود را به طور کارا انجام دهد. در گام کاهش بعد، SCC، مجدداً برای خوشه‌بندی تعدادی از گروه محصولات استفاده می‌گردد. محصولات مشابه، به گروه محصولات یکسانی تعلق دارند و محصولات غیرمشابه، به محصولات متفاوتی تعلق دارند. از آنجایی که تعداد گروه محصولات کوچک‌تر از تعداد محصولات است، ابعاد درگیر کاهش خواهد یافت. سپس یک گراف همبستگی که نشانگر رابطه داخلی بین گروه محصولات هست، ایجاد می‌گردد. بر اساس گراف همبستگی، یک سری از random walk ها اجراشده و یک لیست اولویت از گروه محصولات برای هر کاربر در گام چهارم ایجاد می‌گردد. در نهایت، در گام انتقال مجدد، لیست اولویت گروه محصولات به لیست اولویت تکی محصولات منتقل می‌گردد و یک لیست رتبه‌بندی شده از محصولات برای هر کاربر ایجاد می‌گردد.
در این مطالعه، ما ItemRank [17] را به عنوان هدف نهایی استفاده کرده ایم. به هر حال، روش ما می‌تواند با سایر روش‌ها برای کاهش ابعاد و بهبود کارایی آن‌ها کار کند.

گام 1: برچسب‌گذاری کاربر
برای کاهش ابعاد به طور موثر، نیاز به تعریف برچسب کلاس برای کاربران داریم. ایده، گروه‌بندی کاربران درون خوشه‌هایی است [32]. کاربران مشابه، درون خوشه‌هایی گروه‌بندی شده و کاربران غیرمشابه، درون خوشه‌های مختلفی قرار می‌گیرند. سپس تمام کاربران در یک گروه، برچسب یکسانی را دریافت می‌کنند. ما از الگوریتم SCC برای این هدف استفاده کردیم. الگوریتم‌های خوشه‌بندی دیگری [45،46،35] نیز می‌توانند این کار را انجام دهند. اما، آن‌ها نیاز دارند تا ای پیش در مورد تعداد کلاس‌ها تصمیم‌گیری کنند. با الگوریتم SCC، ما فقط نیاز داریم تا برخی ثوابت معنادار را در طول فرآیند خوشه ایجاد کنیم.
برای اعمال SCC، ما شباهت ایجادشده میان کاربران را به صورت رتبه‌بندی شده ایجاد کردیم. با این حال، مردم دارای شخصیت های مختلفی هستند و برای رأی دادن به محصولات از سلایق مختلف خود استفاده می‌کنند. در واقع برخی سخاوتمند بوده و نمرات بیشتری را در نظر می‌گیرند و در مقابل برخی سخاوتمند نیستند و نمرات کمتری را در نظر می‌گیرند. حال می‌توان با توجه به رتبه‌بندی یک کاربر، برای دیگران توصیه در نظر گرفت. فرض کنید که دو کاربر شبیه به یکدیگر هستند و شکل موج ایجادشده توسط رتبه‌بندی آن‌ها یکسان است. بنابراین ما برای رتبه دهی به کاربران از رابطه زیر استفاده می‌کنیم:

آنالیز پیچیدگی
ما آنالیز پیچیدگی محاسباتی راه‌کار پیشنهادی را در این بخش انجام داده‌ایم. در گام برچسب‌گذاری کاربر، ما شباهت بین کاربرها و خوشه‌های هر یک را محاسبه کردیم. بازگو می‌کنیم که N، تعداد کاربران را نشان می‌دهد و M، تعداد محصولات را نشان می‌دهد. پیچیدگی زمانی این گام برابر است با O(NzM). در گام کاهش ابعاد، ما شباهت بین الگوهای بار و خوشه‌های موجود را بررسی کردیم. زیرا تعداد الگوهای ویژگی برابر با M است و تعداد محصولات گروه‌بندی شده برابر با q است. در گراف همبستگی ایجادشده، هر وزن wij نشانگر رابطه (22) است.

 نتایج آزمایش‌ها
برای ارزیابی کارایی الگوریتم مبتنی خوشه‌بندی خودساخته (SCC)، ما یک مجموعه از آزمایش‌ها را بر روی چندین مجموعه داده انجام دادیم. برای همگرایی، ما روش SCC خود را در این بخش ارزیابی کردیم. ما همچنان، روش SCC را یا سایر راه‌کارهای مبتنی بر فیلترگذاری مقایسه کردیم. سه متریک برای مقایسه بر روی دقت توصیه‌ها ارائه شده است: درجه توافق (DOA)، میانگین خطا و خطای میانی ریشه. یک اعتبارسنجی برای آزمایش‌ها ارائه شده است. در این آزمایش‌ها، ورودی، مجموعه داده‌ها با 5 زیرمجموعه متفاوت است. سپس عملیات پنج بار تکرار می‌گردد. هر زمان، چهار زیرمجموعه از آن پنج زیرمجموعه، به عنوان داده‌های آزمایشی شناخته می‌شوند. اگر P، مجموعه تمام محصولات باشد، Li، مجموعه شامل محصولات کاربر ui است که دارای مجموعه آموزشی است و Ti، مجموعه‌ای شامل محصولات کاربر ui است. DOA به صورت زیر تعریف می‌گردد:

که در آن، U مجموعه تمام کاربران و |U|، سایز U است و DOAi، اندازه‌گیری برای کاربر ui با رتبه تعیین شده است. DOAi، به صورت زیر محاسبه می‌گردد

مجموعه داده
پنج مجموعه داده، MovieLens، yahoo Movie، Amazon Video، BookCrossing و Epinions برای آزمایش‌ها این بخش استفاده شده‌اند. مجموعه داده MovieLens [51]، به صورت عمومی موجود است و توسط موسسه تحقیقاتی GroupLens برای اجرا در سیستم های توصیه گر ارائه شده است. آن شامل 943 کاربر، 1682 محصول و 100000 رتبه دریافتی از کاربر است. به عبارت دیگر، N=943 و M=1682 است. هر سطر از مجموعه داده به صورت یک، سه تایی (ui,pj,rij) نشان داده شده است. بنابراین، این مجموعه داده دارای 100000 عنصر است. مجموعه داده Yahoo Movie، شامل اولویت جامعه Yahoo Movie است و شامل 7642 کاربر و 11916 محصول و 221367 اولویت برای هر کاربر است. هر سطر از آن، به صورت یک سه تایی (ui,pj,rij) نشان داده شده است. مجموعه داده ویدوئی آمازون، شامل تقسیم‌بندی ویدئوهای آمازون است که در طی 18 سال، شامل 143.7 میلیون تا سال 2014 است. آن شامل 2978 کاربر، 31102 محصول و 99816 اولویت برای هر کاربر است. هر سطر از آن نشانگر یک سه تایی است که در طی چهار هفته جمع‌آوری شده است. در نهایت مجموعه داده پایانی، شامل 4981 کاربر، 9846 محصول (کتاب) و 109018 اولویت برای هر کاربر است. هر عنصر در این مجموعه داده با یک سه تایی (Ui, Pj rij ) نمایش داده می‌شود که در آن . مجموعه داده Epinionos از Paolo massa در طی 5 هفته جمع‌آوری شده است که شامل 2322 کاربر، 4571 محصول و 136984 اولویت برای کاربر است. هر ورودی از مجموعه داده به عنوان یک سه تایی (ui,pj,rij) است که در آن rij عضو {1,2,3,4,5} است. ویژگی‌های این پنج مجموعه داده در جدول 5 خلاصه شده است.

نتایج و بحث
ما اثربخشی، دقت و کارایی، راه‌کار پیشنهادی SCC را توسط مقایسه با سایر روش‌های فیلترگذاری شامل Itemrank نشان داده‌ایم. همچنین iExpand [30]، PRM2 [33]، BiFu [34] و ICRRS [36]. همان طور که قبلاً توضیح داده شد، ItemRank از هیچ تکنیکی استفاده نمی‌کند و iExpand از روش LDA برای گروه‌بندی محصولات استفاده می‌کند و PRM2 از روش SVD برای تولید یک نمایش کاهش بعد یافته استفاده می‌کند و BiFu از روش K-means، برای خوشه‌بندی کاربران و محصولات بهره می‌گیرد و ICRRS از روش کاهشی که برای تجزیه ارزیابی استفاده می‌شود، بهره می‌گیرد. برای یک مقایسه امن، ما یک برنامه برای ItemRank، iExpand، PRM2، BiFu، ICRRS و SCC نوشتیم. تمام برنامه‌های نوشته شده از C++ در ویژوال استودیو 2013 بهره بردند. ما از کامپیوتری با Intel®Core(TW) i7-4790k CPU، با 4 GHz و 32GB RAM استفاده کردیم که دارای ویندوز7 برای اجرای برنامه‌ها بود. برای سهولت، ما از تعداد خوشه یکسانی برای گروه‌بندی کاربران و محصولات SCC، iExpand و BiFu استفاده کردیم. چون LDA و روش K-means نیاز به خوشه‌هایی برای تصمیم‌گیری پیشرفته دارند. در هر مورد ما از SCC برای یافتن تعداد خوشه‌ها استفاده کردیم. جدول 6 نشانگر تعداد خوشه‌ها برای خوشه‌بندی کاربران و محصولات تقسیم‌بندی شده درون SCC، iExpand و BiFu است. برای مثال، محصولات MovieLens دارای 25 خوشه برای iExpand، Bifu و SCC هستند.
جدول 7 و جدول 8 و جدول 9 نشانگر مقایسه MAE، RMSE و DOA هستند. بین ItemRankهای ایجادشده، Item Rank، iExpand و BoFu و ICRRS و SCC وجود دارند. توجه داشته باشید که این جداول دارای مقداری هستند که به صورت عملی جمع‌آوری شده است.
برای MAE و RMSE، مقادیر کوچک‌تر دارای کارایی بهتری هستند. در تضاد با آن، برای DOA، مقادیر بزرگ‌تر دارای اولویت بهتری هستند. همان طور که می‌توان دید، ItemRank و SCC دارای اجرای بهتری هستند و MAE و RMSE دارای مجموعه داده بهتری هستند. برای مثال، هر دوی ItemRank و SCC، دارای مقدار کمتری از 1.061 در MAE برای مجموعه داده آمازون هستند و هر دو دارای مقدار کمینه 1.044 در RMSE برای مجموعه داده Epinions هستند. PRM2، دارای اجرای بهتری از MAE و RMSE است. بنابراین برای DOA و SCC، اجرای بهتری در هر پنج شرایط مجموعه داده رخ می‌دهد. جدول 10 نشانگر مقایسه زمان اجرا، بین روش‌های متفاوت هستند. ما می‌توانیم ببنیم که SCC سریع تر از سایر روش‌ها اجرا می‌گردد. توجه داشته باشید که ItemRank، دارای کاهش بعد بهتری در مقایسه با سایرین است که در رابطه (4) نشان داده شده است. برای مثال، سایز 31102*31102 برای مجموعه داده ویدئویی آمازون است. مصرف ماتریس بهینه برای آن توصیه می‌گردد. در نتیجه، ItemRank دارای زمان بیشتری در حدود 43678.72 ثانیه است که در جدول نشان داده شده است. به جای آن، SCC حالت خوشه‌بندی خودساخته را برای کاهش ابعاد استفاده کرده است و دارای 31102 گروه و 26 نوع محصول است. بنابراین، سایز ماتریس همبستگی استفاده شده در رابطه (26) نشان داده شده است. در نتیجه، SCC می‌تواند خیلی سریع تر اجرا گردد که دو حدود 8.99 ثانیه خواهد بود. BiFu و iExpand دارای کاهش بعد توسط K-means و LDA هستند که دارای مصرف زمان است. بنابراین، iExpand و BiFu کندتر از SCC اجرا می‌شوند. برای مثال، iExpand دارای 1331.25 ثانیه است. ماتریس همبستگی W، در رابطه (4)، دارای سایز M*M در رابطه (26) است که دارای سایز q در q است. بنابراین SCC باید در مدت زمان (M/q)2 اجرا گردد که سریع‌تر از ItemRank است.
SCC باید در مدت زمانی برابر با 4500 برابر سریع تر از ItemRank برای MovieLens اجرا گردد. به هر حال، از جدول 10 دیده می‌شود که SCC، فقط 244 برابر سریع تر از ItemRank اجرا می‌گردد. یک دلیل این است که سایر گام‌ها دارای زمان بیشتری هستند. جدول 11 و جدول 12، نشانگر شکست در زمان اجرای ItemRank و SCC است. توجه داشته باشید که سایز ستون‌ها در جدول نشانگر سایز ماتریس مرتبط با آن است. ItemRank دارای دو گام است: ایجاد گراف همبستگی (CGC) و RandomWalk (RW) و SCC دارای پنج گام است: برچسب‌گذاری کاربر (UL) کاهش ابعاد (DR)، ایجاد گراف همبستگی (CGC)، Random Walk (RW) و re-transformation (RT). بررسی MovieLens نشان می‌دهد. در حالت کلی 43.83 ثانیه است و ItemRank دارای 1.25 در گام CGC است.

هر چه کمتر بدانید، بهتر می خوابید- ناامنی شغلی ایجاد شده به واسطه عصر اینترنت

The less you know, the better you’ll sleep – Perceived job insecurity in the Internet age

Abstract

By applying theories from different fields of study in the labor market context, we investigated the effect of Internet use and digital uses on perceived job insecurity during the years 2003–2012. Our study is based on data from nationwide Annual Social Surveys of the CBS in Israel, drawing on a representative sample of 45,988 employed respondents. Our findings show that Internet use negatively correlated with job insecurity, but the effect of Internet use on the dependent variable decreased over this period. Internet use was found to be more effective for decreasing job insecurity among weaker social groups: Arabs and people from low socio-economic strata. In other words, Internet use promotes weaker social groups and can serve as a channel for decreasing job insecurity. However, our findings also show that seeking information and social media use were positively correlated with perceived job insecurity, attributable to the negative-positive asymmetry forming the individual’s sense of economic pessimism.

1- Introduction

Information and Communication Technologies (ICT) continue to exert a growing impact on the economic future of organizations, workers, and families. Technological advances have forced companies to become more globally competitive and afforded them resources to do so (Kalleberg, 2009). The diffusion of modern technologies in borderless trade markets makes the economies of Western countries more productive, and has translated into absolute increases in living standards and real disposable incomes. However, while the Western economy as a whole tends to benefit from globalization and ICT diffusion, it is not always a win-win situation for employees (Hacker, 2006; Michel, Bernstein, & Allegretto, 2007; Scheve & Slaughter, 2004). International migration and rising trade with low-wage developing countries increase concerns of job loss. Native workers from developed countries now fear that employers will lower their wages and benefits in order to compete. The globalization economy, facilitated by the information technology revolution, has increased the process of outsourcing and international competition (Kalleberg, 2009). Processes of globalization and ICT diffusion may create new vulnerabilities for workers, and so damage some groups more than others in terms of job insecurity or even job loss (Walter, 2015). Many studies have found that situations of uncertainty with anticipation of sudden job loss can be stress-inducing, traumatic, and life-disrupting (De Witte, 1999; Greenhalgh & Rosenblatt, 2010), and may lead to negative personal and organizational consequences (Cheng & Chan, 2008; Sverke, Hellgren, & N€ aswall, 2002). Specifically, in two meta-analyses (Cheng & Chan, 2008; Sverke et al., 2002), job insecurity was negatively related to wellbeing, in general, and to outcomes such as employee psychological health and physical health, job satisfaction, job performance, trust, job involvement, and organizational commitment, in particular. Creating insecurity for many people, may have demographic (timing of marriage and children, number of children), social (e.g., family, community), and political (e.g., stability, democratization) outcomes (Kalleberg, 2009). Scholars mention important socio-economic, psychological, organizational and labor market variables correlated with job insecurity (De Bustillo & De Pedraza, 2010; Keim, Landis, Pierce, & Earnest, 2014; Krause, Obschonka, & Silbereisen, 2015; N€ aswall & De Witte, 2003). However the effect of Internet use on job insecurity has not yet received proper attention. The current research will examine the correlation between Internet use and perceived job insecurity during the past decade in the unique Israeli context. Israeli society offers an ideal social context for research on the consequences of technology adoption on labor market processes. First, during the past decade, Israeli society has experienced a dramatic ICT diffusion (Lissitsa & ChachashviliBolotin, 2014, 2015; Lissitsa & Lev-On, 2014). Second, Israeli society is characterized by wide economic and educational gaps along national (between Jews and Arabs) and ethnic (between Jewish immigrants and non-immigrant population) lines (Ben-Rafael, 2001; Peres & Ben-Rafael, 2006; Lissitsa & Peres, 2011). The article begins with a description of Internet adoption and use. Then the literature regarding job insecurity will be discussed. Afterwards, the theoretical background integrating Internet use and job insecurity will be presented and summarized into research questions and hypotheses. Research data and method of analysis will be followed by a discussion of the findings and conclusions, as well as study limitations and future directions of research.

2- Literature review

2-1 Internet access and digital uses

In the 1990s the traditional focus of Internet literature was mainly on infrastructural access. This access-oriented thinking centered on questions pertaining to ownership, availability, affordability and other issues of infrastructure. Furthermore, researchers argued that the division between information “haves” and “have-nots” is not binary, but rather gradated and based on different degrees of access to information technology (DiMaggio & Hargittai, 2001; Hargittai, 2003; Jin & Cheng, 2008). Recent research has favored a progressive marginalization of the access element (the so-called first level digital divide), with the focus shifting to how individuals interact with the Internet (Guerrieri & Bentivegna, 2011; Warschauer, 2003); i.e., the second level digital divide. The research literature differentiates between digital uses on the basis of potential benefits. Human capital-enhancing uses (visiting web sites for national and international news, presidential election issues, health and financial information, government services, and product information) (Hargittai & Hinnant, 2008) may assist individual mobility and career advancement (Lissitsa, 2015a; Bakker & de Vreese, 2011; DiMaggio & Hargittai, 2001; Lissitsa & Peres, 2011; Rahim, Pawanteh & Salman, 2011). Social capital-enhancing digital uses refer to the ability to communicate with other people by e-mail and social media (Lissitsa & Chachashvili-Bolotin, 2014, 2015). Social media create a platform for communication among a dynamic consortium of people utilizing social network sites, forums, discussion groups and blogs in a manner that enables individuals with common interests to interact continually and to promote different types of benefits (Boyd & Ellison, 2007; HaenleIn & Kaplan, 2010).

Research on Value Evaluation of E-commerce Business Model

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

4. شبیه سازی مدل
مدل کسب و کار تجارت الکترونیک پس از چک کردن درست است. سپس، می توانیم ویژگی رفتاری شبیه سازی را از زوایای مختلف بر اساس مشکلات عملی مانند افزایش و کاهش مشتریان، افزایش و کاهش ISP و غیره مطالعه کنیم. در این مقاله، خروجی اوراق سودآوری تجارت الکترونیک تحت شرایط مختلف احتمالی، با هدف ارائه مرجع و مشاوره برای تصمیم گیری تجارت الکترونیک مقایسه و تجزیه و تحلیل می شود.

4.1. تنظیم پارامترهای مدل
در این بخش، هدف ما این است که نشان دهیم تجارت الكترونیك T ارزش كافی را دارد و سپس بینش مدیریتی در چنین محیطی شناسایی می شود. ما برای پارامترهایی که در جدول 2 خلاصه شده اند، بر اساس برآورد تجربی واقع بینانه ارزش قائل هستیم.

4.2 اوراق سودآوری
اوراق سودآوری مدل ارزش e3برای هر عامل به عنوان نتیجه سناریو در داخل و خارج عامل وجود دارد. جریان اشیاء خارج از رابط یک عامل به اوراق سودآوری عامل در ستون مقدار شی از خارج افزوده شده، در حالی که جریان اشیاء به داخل یک عامل به اوراق سودآوری عامل در ستون ارزش شیء از داخل اضافه شده است. جدول 3 یک اوراق سودآوری برای شرکت تجارت الکترونیک T را بر اساس مدل ارزش بالا و پارامترهای مالی نشان می دهد. این پارامترهای مالی هر یک از عوامل درگیر می تواند تغییر کند و پیامد مالی مدل کسب و کار را می توان بیشتر بررسی و پردازش کرد.

4.3. تجریه و تحلیل حساسیت
ابتدا ارزش کلی برای همه عوامل بر اساس جدول 2 را تجزیه و تحلیل می کنیم. سپس این پارامترها را برای بررسی چگونگی تاثیر نسبی حساسیت این پارامترها تغییر می دهیم. جدول 4 نوسانات عملکرد مورد ما را در مقدار پارامترهای مختلف نشان می دهد و این تغییر داده تصمیم مهم مدیران ما است.

5. نتایج اصلی و پیشنهادات
موردی که مورد بحث قرار دادیم می تواند نشان دهد که مدل ارزش e3 می تواند دیدگاهی از مسائل یک کسب و کار پیچیده را به ما ارائه دهد مبنی بر این که ارزش به چه کسی ارائه شده و انتظار می رود که ارزش در عوض به چه کسی اعطا شود. در این بخش، نتایج اصلی بررسی یک مدل کسب و کار تجارت الکترونیک و برخی از پیشنهادات برای غلبه بر تهدید تخریب ناشی از تغییرات غیر منتظره خارجی ارائه شده است.

5.1. نتایج اصلی
نتیجه 1: بررسی عوامل تاثیرگذار اصلی بر سودآوری شرکت تجارت الکترونیک
همان طور که جداول 3 و 4 نشان می دهند، این مدل می تواند رفتارهای مشتریان را جذب کند که بینش درک بهتر تجربیات و انتظارات مشتریان آنلاین و تصمیم گیری منطقی را به آنها نشان می دهد. جدول 3 نشان می دهد که سود فروشگاه های آنلاین C2C 5 برابر فروشگاه های آنلاین B2C است. جدول 4 نشان می دهد که فروشگاه های C2Cتاثیر بیشتری بر تجارت الکترونیک نسبت به فروشگاه های B2C دارند. این منطق اساسی سازگار با دنباله طولانی ارائه شده به وسیله کریس اندرسون است، یعنی، برخی از توزیع اعداد بخشی از توزیع تعداد زیادی از رویدادهای دور از هد یا بخش مرکزی توزیع است یعنی شرکت تجارت الکترونیک نباید کسب و کارهای کوچک را نادیده بگیرد و تلاش هایی را برای بهبود کیفیت و کارایی خدمات پلت فرم به طور مداوم به منظور جذب فروشگاه آنلاین انجام دهد، از جمله فروشگاه های C2C وB2C و مشتریان. علاوه بر این شرکت تجارت الكترونیك T باید طیف وسیعی از كمك ها را شامل شود، مانند سوالات متداول، ردیابی سفارش و مدیریت شکایت. عدم ارائه پشتیبانی موثر منجر به کاهش مشتریان و فروش می شود. علاوه بر این، تمام مراحل خرید شامل پیش خرید، خرید، = پس از خرید باید به مشتریان ارائه شود تا تجربه لذت بخشی داشته باشند که نه تنها مشوق خرید فروشگاه ها و مشارکت مشتریان است بلکه باعث تکرار بازدید و خرید آنها می شود. تبلیغات نیز باید مورد توجه قرار گیرد. تبلیغات به فروشگاه های آنلاین بالقوه و مصرف کنندگان کمک می کند و از این رو هزینه های جستجوی مشتری پایین تر است. افزایش آگاهی مشتری و کاهش هزینه های جستجو به دیگر فروشگاه های آنلاین نیز سرایت می کند.

نتیجه 2: استفاده از روش‌های جدید برای بهینه سازی فعالیت‌های ارزش
شکل 1 فعالیت های اصلی مدل کسب و کار شرکت تجارت الكترونیك T را نشان می دهد. همان طور که در بخش 2 مطرح شد، پورت ارزش به معنی دوری از فعالیت های ارزش و رابط های ارزش است. تخریب و بازسازی این فعالیت های ارزش راهی برای کشف فعالیت های جدید است که می تواند با موفقیت به عوامل کسب و کار جایگزین اختصاص یابد و چهار روش شناسایی شده اند که فعالیت های ارزش را بهینه سازی می کنند: استحکام (تقویت فعالیت های ارزش فعلی)، اتصال (ایجاد فعالیت های ارزش جدید و تقویت آن)، اقتدار (عدم تاکید بیشتر بر ارزش فعالیت های جدید) و اصلاح (حذف فعالیت های ارزش قدیم). برای بهینه سازی فعالیت های خلق ارزش، چندین ملاحظه مد نظر است. اول، شرکت تجارت الكترونیك T نیازمند اصلاح فعالیت های معامله است، فعالیت هایی که مشتریان باید در مرکز قرار داشته باشند. دوم، اگر فعالیت های معامله انواع مختلف مشتریان با یکدیگر در تعارض باشند، تجارت الکترونیک باید شرایطی را تجزیه و تحلیل کند که تحت آن از اصول خاص تبعیت می کند علاوه بر این، باید بین فعالیت های ارزش، اشیاء ارزش، پورت ارزش و غیره تعادل یافت شود. سوم، فعالیت های ارزش گذاری بازسازی و بازسازی باید طبق این اصل باشد که فعالیت های جدید سودآور است.

نتیجه 3: ارائه راهکارهای حرفه‌ای برای ایده‌های نوآورانه تجارت الکترونیک
ایده های نوآورانه تجارت الکترونیک در ابتدا به صورت مبهم تدوین شده اند. چنین ایده هایی فرض درباره یک گزاره ارزش نوآورانه مشتری با استفاده از فن آوری جدید است، اما اغلب فاقد یک توصیف دقیق است. شکل 1 همچنین نشان می دهد که یک شرکت تجارت الکترونیک با اتخاذ مدل ارزش e3 مدیران را قادر می سازد تا ایده های نوآورانه را طراحی، تست و تکرار و تکامل خود را در طول زمان ردیابی کنند. این رویکرد مدل سازی راه حقیقی را برای فعالیت های حرفه ای با مدل سازی کسب و کار های جایگزین، ایجاد سازمانی برای شبیه سازی فرصت های مختلف قبل از تعهد به سرمایه گذاری خاص در واقعیت فراهم می کند و در حالی که رویکرد مدل کسب و کار اولیه به ندرت در حال حاضر فعالیت های ارزشمند بصری را نشان داده، این رویکرد آزمون و خطا تجربی به ما اجازه می دهد که تصدیق کنیم فعالیت های اولیه ارزش مدل کسب و کار اغلب تجدید نظر و تصویب شده است.

5.2. پیشنهادات
5.2.1. در کنار منطق غالب جدید
ساخت مدل فعلی بر اساس محیط ایده آل است، اما ارتباطات جدید و فن آوری محاسبات و رژیم های تجاری معقول باز تعادل سنتی بین مشتریان و فروشندگان را تغییر داده اند. بنابراين مدل کسب و کار بايد در طول زمان با تغيير بازارها، فن آوري و ساختار حقوقی، مجددا ارزيابي شود. یک مدل کسب و کار نشان دهنده منطق غالب مدیران در خصوص موارد زیر است: آنچه که مشتریان می خواهند، چگونه می خواهند و پرداخت می کنند و اینکه چگونه یک شرکت سازمان دهی می شود تا بتواند به بهترین وجه نیازهای مشتری را رفع کند و برای انجام این کار به خوبی پرداخت حاصل می شود. با این حال، چالش بزرگ برای مدیران برای رفع این منطق غالب این است که آنها به احتمال زیاد از طریق مدل کسب و کار فعلی به موقعیت مورد نظر رسیده که در حال حاضر عمیقا آشنا است. مدیران باید یک نگرش موثر نسبت به منطق غالب جدید داشته باشند. بهترین راه برای اطمینان از این که منطق غالب محبوب باقی می ماند شروع به تفکر در مورد منطق غالب جدید به محض اجرای منطق فعلی است.

5.2.2. در کنار فن‌آوری جدید
تجارت الکترونیک باید فن آوری جدید را کنترل کند که می تواند از تغییر اساسی مدل کسب و کار بکاهد، به عنوان مثال محاسبات cloud به عنوان موتور در عصر اقتصادی جدید توانایی کسب و کار را برای خدمت بهتر به مصرف کنندگان افزایش و بهره وری را بهبود می بخشد. فن آوری جدید ویژگی ها، عملکردها و قابلیت های جدید را به منظور بهبود و ساده سازی تجربه خرید مشتریان که از آن استفاده می کنند دوباره مدل سازی می کند. تهدید دیگر یک شرکت تجارت الکترونیک که نظارت آن سخت تر است، اما با این وجود مهم است که روی صفحه رادار نگه داشته شود، فن آوری است که می تواند محصول یا خدمات شرکت تجارت الکترونیک را منسوخ کند. همکاری شرکت با ارائه دهندگان فن آوری ممکن است راهی قابل قبول برای جلوگیری از این تهدید باشد. شغل آنها تفکر در مورد امکانات آینده بدون اشاره بسیار به فن آوری موجود است.
5.2.3. در کنار روندهای جدید مشتری
روند مشتری بیشتر آنچه که افراد خرید و هزینه می کنند را ردیابی می کند. داده جمع آوری شده در خصوص روند همچنین ممکن است شامل اطلاعاتی نظیر چگونگی استفاده مصرف کنندگان از یک محصول، نحوه ارتباط شبکه اجتماعی آنها با یک برند و محرک تغییر عملکرد مشتریان باشد. انجام این کار بر نگرش های مشتری و تعامل با وفاداری به تجارت الکترونیک و تعیین احتمالی درآمد، سود و مزایای رقابتی در آینده موثر است. بنابراين تجارت الكترونيك بايد براي جمع آوري اطلاعات ارزشمند مشتری و پیش بینی نیازهای آنها و واکنش سریع تلاش کند.

مدل افتراقی برای بازاریابی ویروسی آنلاین موثر بر قصد رفتاری مصرف کنندگان

Discriminant model for online viral marketing influencing consumers behavioural intention

1- مقدمه
بر طبق گفته رایدینگس و همکاران(2002) و بروین و لیلین(2008)، در مفهوم دنیای کوچک، تقاضا برای اطلاعات، قصد خوب برای تسهیم تجربه یا ایده های مربوط به محصولات و خدمات، قابلیت ارتباطات مشتری با مشتری(C2C) به عنوان تبلیغ همتا به همتا در اینترنت از آشنایان متقابل، به طور قابل توجهی قابلیت پتانسیل بازاریابی ویروسی(VM) را افزایش داده است که بازاریابی ویروسی ترکیبی موثر از ایده های مرسوم که موسوم به تبلیغات شفاهی یا زبانی است(WOM) می باشد. ظهور شبکه های اجتماعی، جوامع آنلاین، ویدئوها و ایمیل های آنلاین، وبلاگ ها و انجمن ها، امکان توزیع سریع تر اطلاعات را نسبت به قبل داده اند. بازاریابی ویرسی می تواند هر پیامی را به میلیون ها نفر در مدت زمان کوتاه به روشی موثر پخش کند. این روش برای بهره گیری از شبکه های اجتماعی از پیش موجود برای افزایش نمایی در آگاهی از برند استفاده شده است: این مشابه با انتشار بیماری ویروسی یا همه گیر است.
بازاریابی ویروسی یک عبارت جدید است است که برای توصیف شیوه تحول آمیز انتشار اطلاعات در میان یک میلیون نفر در طی یک مدت زمان کوتاه استفاده می شود. بازاریابان در حال حاضر مشتاقانه در انتظار بهره گیری از این فرصت برای رساندن یک پیام بازاریابی به دلیل قابلیت آن در فراگیر سازی پیام می باشند. بازاریابی ویروسی آسان یا ساده نیست. در گذشته مشاهده شده است که همه این کمپین های بازاریابی، به جز تعداد کمی از موارد، معمولا ناموفق بوده اند.پیچیدگی کمپین های بازاریابی ویروسی ناشی از درک شیوه تعامل یا پاسخ مصرف کننده ها به پیام های بازاریابی آنلاین است. اثر بخشی بازاریابی ویروسی به عنوان یک پیشرفت، به انواع تعاملات اجتماعی و شناسایی فعال ترین رسانه در کمپین های بازاریابی ویروسی بستگی دارد. از این روی، در این مطالعه، ما به بررسی یک سری عوامل خاصی می پردازیم که اثر مستقیمی بر روی پیاده سازی کمپین های بازاریابی ویروسی و نقش آن ها در ایجاد فروش مثبت برای هر محصول یا خدمات دارد.
بر اساس اهداف این مطالعه، ما بازاریابی ویروسی را به عنوان یک روشی در نظر می گیریم که از اینترنت برای انتقال یا انتشار پیام ها در میان افرادی که پیام ها را به همتایان خود فیلتر یا ارسال می کنند استفاده می کند، همتایانی که علاقه مند به محتوی پیام می باشند. به دلیل استفاده گسترده و روز افزون از اینترنت در تسهیم اطلاعات در میان افراد جوان، بازاریابان بایستی بر بازاریابی ویروسی به عنوان یکی از منابع بازاریابی جدید تاکید کنند. رشد تعداد کاربران اینترنتی از زمان ظهور اینترنت بسیار چشم گیربوده است. مدیران بازاریابی می خواهند تا بدانند عوامل تفکیک کننده و تمایز بین افرادی که قصد خرید دارند از افرادی که قصد خرید محصولات را به دلیل فنون بازاریابی ویروسی آنلاین را ندارند کدام ها می باشند زیرا وقتی که این عوامل شناخته شود، یک سری اقدامات و روش های مداخله ای را می توان برای اطمینان از رونق کسب و کار انجام داد. در مطالعه کوچک مقیاس، ما هفت عامل موثر بر نگرش مصرف کننده در قبال فنون بازاریابی ویروسی اینترنتی را شناسایی کردیم. در این مطالعه، این عوامل به عنوان شاخص های تمایز بین مشتریانی که می خواهند محصول را خریداری کنند و مشتریانی که نمی خواهند تا محصول را به دلیل فنون بازاریابی ویروسی آنلاین خریداری کنند در نظر گرفته شدند.
2- مرور منابع
بر طبق گفته ویلپونن و همکاران(2006)، انواع خاصی از اصطلاحات و عبارت برای تبلیغ زبانی الکترونیک از جمله “بازاریابی تعاملی”(بلیتبرگ و دیگتوت 1991)، تبلیغ زبانی اینترنتی و تبلیغ زبانی( گولدنبرگ و همکاران 2001)، بازاریابی پنهان(کیکاتی و کیکاتی 2004) و بازاریابی ارجاعی( د بروین و لیلین 2004) استفاده می شود.توماس (2004) سعی کرده است تا این ایده ها را در یک عبارت موسوم به ” بازاریابی همهمه ای” خلاصه کند. نایت(1999) بیان می دارد که بازاریابی ویروسی مشابه با عطسه دیجیتالی است که موجب آزاد شدن” میلیون ها ذرات ریزی می شود که می تواند سایر افرادی که در تماس با آن است را آلوده کند”. ولکر(2002) بر قدرت فراگیر و واگیر دار یک ویروس تاکید داشته و پیشنهاد می کند که یک” ویروس با قدرت و به شکل هندسی تقسیم شده و در هر تقسیم دو برابر می شود”. ارتباط بازاریابی ویروسی به صورت یک دنباله یا اکستنشن الکترونیک ویروسی از ارتباط تبلیغ دهانی در نظر گرفته می شود که در بر گیرنده اصل انتقال خبر یا ارجاع به خبر ، اطلاعات یا سرگرمی به فرد دیگر می باشد. در صورتی که تبلیغ دهانی رخ دهد، این بدین معنی است که ارتباط غیر رسمی و یک باره در خصوص محصولات و خدمات بین افراد رخ داده است( بایس 1985). ارتباطات از طریق تبلیغ دهانی به طور گسترده ای به صورت یک نیروی غالب در بازاریابی مطرح است که درآن اطلاعات توسط افراد یا خانواده که از نظر آن ها به صورت منابع رایگان و غیر جانبدارانه می باشد فیلتر شده و انتقال می یابد( کروز و فیل 2008، کارل 2008). در بازاریابی ویروسی، سبک ارتباطی مورد استفاده برای انتقال، معمولا غیر رسمی است. پیام ها از طریق کانال های مختلف از جمله ایمیل، چت روم ها و انجمن های بحث منتشر می شود. پیام ها می توانند در بر گیرنده انواع مختلفی از محتویاتی باشند که از متن و تصویر تا فایل های پاورپوینت، و انیمیشن های آدوب فلش و کلیپ های ویدئویی یوتیوب متغیر می باشد( ورلند و همکاران 2008). بازاریابی ویروسی به عنوان یک محیط موثر تر، با نفوذ تر و سریع تر در مقایسه با تبلیغات دهانی سنتی محسوب می شود( هلم 2000).
اسپرو و استون(2004) بیان می دارند که براورد می شود در بریتانیا، افراد12 تا 16 ساله به طور متوسط،3 میلیارد دلار در سال صرف محصولات و خدمات می کنند. بیشتر تبلیغات مرسوم نظیر تبلیغات تلویزیونی دیگر قشر جوان را راضی نمی کند قشری که به طور روز افزونی نیازمند اطلاعات بیشتری در خصوص محصولات و برند ها قبل از تصمیم گیری برای خرید است. با این حال، از همه مهم تر، به نظر می رسد که” رسانه های کاربر ساخته” که توسط فرواست(2007) توصیف می شوند، توسط بیش از 50 درصد افراد برای تصمیمات خریدشان استفاده می شود.پیشنهاد شده است که 82 درصد سریع الرشد ترین شرکت های خصوصی از فنون تبلیغات دهانی استفاده می کنند به همین دلیل است که بازاریابی ویروسی روز به روز در حال کسب محبوبیت بیشتر است(فراست 2007).
جروستون و دراپر(1997) نیز استدلال می کنند که بازاریابی ویروسی از توصیه های دوستان بهره برده و دارای یک اثر گلوله برفی است. بازاریابی ویروسی قوی تر از دیگر روش های تبلیغ می باشد زیرا حاوی یک پشتیبانی و تایید ضمنی از یک شخص معروف است. از این روی، شرکت ها بایستی ایمیل ارجاعی خود را شخصی سازی می کنند به طوری که این به وضوح نشان می دهد که این ایمیل از یک دوست می آید. امروزه، ارتباط بازاریابی ویروسی هنوز در مرحله رشد قبل از بلوغ قرار دارد، از این روی اطلاعات مربوط به رفتار و بزرگی آن هنوز به طور شفافی تعیین نشده است. اینترنت موجب تعاملات قابل توجه، ارتباطات هدفمند، افزایش دسترسی و ارزیابی بهتر نتایج با هزینه پایین می شود( دربیکس و واهنم 2003، کازینت و همکاران 2010). اگرچه تبلیغات دهانی به طور طبیعی در بین مصرف کننده ها انجام می شود، محققان خاطر نشان کرده اند که فعالیت های بازاریابی در سطح بین المللی بر روی ارتباطات همتا به همتا اثر دارند( کازینت و همکاران 2010). در عین حال، همان طور که در زیر خواهیم دید، تبلیغات زبانی یک بعد مهم در رسانه های ارتباطی مدرن نظیر ایمیل، وبلاگ ها و رسانه های اجتماعی است( استیر و همکاران 2007، اسمیت وهمکاران 2007). رفتار مصرف کننده به صورت یک رفتار ریسک پذیر شناسایی شده است که این رفتار توسط ریموند بائر در تئوری ریسک او در 1979 مطرح شد( تیلور 1974). از آن زمان به بعد، مطالعات ریسک پذیری به بررسی پاسخ مصرف کننده برای کاهش ریسک های خریدد محصولات و برند های خالص پرداخته اند. به طور ویژه، شت و ونکتسان(1968) مشاهده کرده است که مصرف کننده ها تنها بر جست و جوی اطلاعات نظیر تصویر برند یا تجربه خرید برای غلبه بر یک خطر ادراک شده متکی هستند. در یک مطالعه دیگر، بوزلیوس(1971) جست و جوی تبلیغات زبانی را به عنوان یک روش جست و جو مطرح کرد که مصرف کننده ها از آن برای مدیریت خطر و عدم قطعیت استفاده می کنند. تبلیغات زبانی یک کانال اطلاعاتی مهم است که بر تصمیم گیری مصرف کننده اثر دارد( آرندت 1967، انگل و همکاران 1969، کاتز و لازنرفلد 1955، ریکین 1983، ریکین و روت شافر 1988). تبلیغات زبانی الکترونیکی که با فراگیری بازار آنلاین همراه بوده است، نیز به شدت مورد توجه قرار گرفته است. مک گویین (2008) بیان کرده است که 77 درصد مصرف کننده های آنلاین به طور آنلاین نظرات را چک می کنند و هم چنین قبل از تصمیم گیری به خرید رتبه بندی محصولات را بررسی می کنند و 92 درصد مصرف کننده ها گزارش کرده اند که نظرات آنلاین بسیار مفید می باشند( کی 2008).

1. Introduction

According to Ridings et al. (2002) and Bruyn and Lilien (2008), in the small world concept, the demand for information, the good intention to share experience or ideas regarding products and services, the capability of the customer-tocustomer (C2C) communications as electronic peer-to-peer referrals on the Internet and the potential for obtaining recommendations from mutual acquaintances have considerably increased the potential for Viral Marketing (VM), which is the effective mixture of the traditional idea called Word of Mouth (WOM). The advent of social networks, online communities, online videos and emails, blogs, and forums provide the ability to distribute information faster than ever before. Viral Marketing can spread any message to millions of people in a short time span in an effective manner. This technique has been used to take advantage of pre-existing social networks to produce exponential increases in brand awareness; this is similar to the spread of an epidemic. Viral Marketing is the current word that is used to describe the revolutionary manner by which any information proliferates across a million people rapidly within a short period of time. Marketers are now increasingly looking forward to tap this opportunity to deliver any type of a marketing message because of its ability to make the message contagious. Viral Marketing is not easy or uncomplicated; it has been observed in the past that all such marketing campaigns have not been always successful, with certain exceptions. The complexity of Viral Marketing campaigns arises from understanding how consumers react or respond to online marketing messages. It is extremely important to tap the appropriate type of consumer behaviour and attitude to leverage the opportunities available with the marketers. The effectiveness of viral marketing as a promotion relies on the types of social interactions and on identifying the most active media in viral marketing campaigns. Hence, in this study, we will examine certain factors that directly impact the implementation of Viral Marketing campaigns and how they play a role in creating positive sales for any product or service. For the purposes of this study, we will consider viral marketing as a technique that utilises the Internet to transmit and spread messages among individuals who will filter and forward the messages to their peers, who may be interested in the message’s content. Due to the extensive use of the internet in sharing information among young adults, marketers should focus on viral marketing as one of the new marketing sources. The growth in the number of internet users has been dramatic since it entered into existence. The marketing managers want to observe the factors that discriminate between those who have the intention of buying from those with the intention of not buying the products as a result of online viral marketing techniques, because once this can be identified, certain intervention measures can be put in place to ensure the businesses flourish. In our pilot study, we identified seven factors that affect the consumer attitude towards the internet induced by the viral marketing technique. In this study, these factors were considered as predictors to discriminate between the customer who wants to buy the product and the customer who does not buy the product as a result of an online viral marketing technique.

2. Literature review

According to Vilpponen et al. (2006), certain of the terms used to describe electronic WoM include “interactive marketing” (Blattberg and Deighton, 1991), “Internet word-of-mouth” and “word-ofmouse” (Goldenburg et al., 2001), “stealth marketing” (Kaikati and Kaikati, 2004) and “referral marketing” (De Bruyn and Lilien, 2004). Thomas (2004) attempted to unify these ideas in the term called “buzz marketing”. Knight (1999) states that viral marketing is similar to a “digitalized sneeze”, one characterized by the release of “millions of tiny particles that can infect others who come into contact with them”. Welker (2002) emphasizes the contagious power of a virus and suggests that a “virus replicates with geometrically increasing power, doubling with each interaction”. Viral marketing communication is viewed as a vital electronic extension of word-of-mouth (WoM) communication, which involves the principle of passing on or referring news, information or entertainment to another person. Where WoM has occurred, it simply implies that informal, ad hoc communication between individuals concerning products and services has occurred (Bayus, 1985). WoM communication is widely perceived as a dominant force in the marketplace where information is filtered out and passed on by friends or family who are viewed as free, unbiased sources of advice (Cruz and Fill, 2008; Carl, 2008). In viral marketing, the communication style used for transmission is usually informal. Messages are spread through different channels including e-mail, chat rooms and discussion forums. The messages may encompass various types of content that ranges from text and images, to Microsoft PowerPoint files, Adobe’s Flash animations, and YouTube’s video clips (Woerndl et al., 2008). Viral marketing is viewed as a far more effective, penetrating and faster medium compared with traditional WoM communication (Helm, 2000). Spero and Stone (2004) state that it is estimated that in the UK, twelve- to sixteen-year-olds spend, on average, £3 Billion per year on products and services. More traditional advertising such as television ads no longer satisfies the youth sectors, who increasingly desire more information regarding products and brands before they decide to make a purchase. However, more importantly, it appears the “consumer generated media”, as described by Frost (2007), is being used by over 50% of the population to make their purchasing decisions. It has been suggested that 82% of the fastest growing private companies use word-of-mouth techniques, which is why viral marketing is becoming more popular (Frost, 2007). Jurvetson and Draper (1997) also argued that viral marketing utilises the recommendations by friends and has a snowball effect. Viral marketing is more powerful than other means of advertising because it conveys an implied endorsement from a known person. Therefore, companies should personalize their referral e-mail so that it clearly shows that it is originating from a friend. Currently, Viral Marketing Communication is still considered to be at a premature phase of development; therefore, information regarding its behaviour and magnitude has yet to be clearly established and determined. The Internet allows significantly more interaction, targeted communication, increased reach and better results evaluation, all at a low cost (Derbaix and Vanhamme, 2003; Kozinets et al., 2010). Although WOM occurs naturally between consumers, researchers note that there are marketing activities implemented to intentionally influence the per-to-peer communications (Kozinets et al., 2010). At the same time, as we will observe in the following, word-of-mouth is an important aspect in the modern communication media, such as e-mail, blogs and social media (Steyer et al., 2007; Smith et al., 2007). Consumer behaviour has been identified as a risk taking behaviour since Raymond Bauer proposed his risk theory in 1970 (Taylor, 1974). Since then, risk taking studies have examined consumer responses to reduce the risks of purchasing certain products and brands. Specifically, Sheth and Venkatesan (1968) observed that consumers rely on seeking information, such as a brand image or purchasing experience, to overcome a perceived risk. In another investigation, Roselius (1971) proposed word of mouth seeking as a searching method that consumers use to manage risk and uncertainty. Word of mouth (WOM) is a primary information channel that influences consumer decision-making (Arndt, 1967; Engel et al., 1969; Katz and Lazarfeld, 1955; Richins, 1983; Richins and Root-Shaffer, 1988). Accompanied by the prevalence of the online marketplace, eWOM is rapidly flourishing. McGuigan (2008) stated that 77% of online consumers check online reviews and the ratings of products before deciding to make a purchase, and 92% of consumers reported that online reviews are extremely helpful (Kee, 2008).

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی مقاله:

مفاھیم انتزاعی:

خدمات ارتباطات داده تاثیر مھمی در تجارت الکترونیک دارد. درنھایت ، چالش کلیدی برای کاربران انتخاب یک ارائه دھنده خدمات مناسب است. این یک مشکل چند معیاره تصمیم گیری است که کاربر باید عوامل نسبتا مھم مانند ھزینه و کیفیت خدمات را در نظر داشته باشد(QoS) .در ضمن، ما می دانیم که در شرایط زندگی واقعی، بسیاری از اطلاعات ورودی نامشخص است. پس، مشکل انتخاب ارائه دھنده در یک محیط واقعی زندگی، بسیار پیچیده می شود. در این صفحه، ما این ویژگی ھا را برای ساخت یک مدل بھینه سازی چند منظوره فازی جدید، برای حل مشکل انتخاب ارائه دھنده ترکیب می کنیم. با توجه به تابع عضویت ھدف غیر خطی، خدمات چند طبقه، معافیت قیمت، سطوح مختلف QoS و تعریف زیان در کارھای مختلف. در نھایت، یک مثال عددی برای نمایش روش نشان داده شده، ارایه شده است. نتایج نشان می دھد که این روش یک روش موثر برای حل مشکل انتخاب ارائه دھنده خدمات در ارتباطات داده ھا است.

١.معرفی

با توسعه تجارت الکترونیک، خدمات ارتباطات داده ھا امروزه به دلیل تاثیر فوق العاده بر سود خرید شرکت بسیار مھم است. در دامنه ارتباط داده، یکی از چالش برانگیز ترین مسائل، انتخاب ارائه دھنده است. در برخی از شرکت ھا، گاھی اوقات خریداری مواد و خدمات تا ھشتاد درصد از ھزینه کل محصول را نشان می دھد. کیفیت خدمات (QoS) مجموعهای از اقدامات خدماتی است که میزان رضایت کاربر از خدمات را تعیین میکند. اقدامات مشترک QoS ، قابلیت اطمینان و احتمال داده ھای از دست رفته در شبکھ ھای ارتباطات داده ھا را به تاخیر می اندازد. این تاخیر مشخص می کند که چه مدت طول می کشد تا داده ھای مسافر در سراسر شبکه از منبع به مقصد برسند. این قابلیت تفاوت در انتقال داده ھا را نشان می دھد. برنامه ھای صوتی و تصویری کاملا به تاخیر و قابلیت اطمینان حساس ھستند، در حالی که خدمات مشترک داده به ھیچ یک از این دو حساس نیست. داده گم شده نشان می دھد که اطلاعات کاھش می یابند و یا توسط شبکه ھای آسیب دیده به صورت اصلاح ناپذیر از بین می روند. این به طور معمول از برخورد داده ھا و حافظه ھای موقتی سرریز سرچشمه می گیرد. تغییرات ناگھانی در انتقال نیز ممکن است باعث از دست رفتن اطلاعات شود. در برخی از کارھای مھم، گاھی اوقات از دست رفتن اطلاعات منجر به اطلاعات ناقص در انتقال داده ھا می شود. به طور کلی، یک شرکت زمانی که داده ھای منتقل شده را از دست داده می دھد دارای دو گزینه است. این می تواند (١) فریم از دست داده را نادیده بگیرد یا (٢) درخواست مجدد انتقال را به فرستنده ارسال کند. نادیده گرفتن فریم ھای از دست رفته برای انجام دادن کارھای بی اھمیت و یا زمان واقعی برنامه ھای کاربردی (زمان ثابت) مانند ویدئو کنفرانس مناسب است، چرا که آنھا حساس به بودن داده ھا می باشد. با این حال، برخی از برنامه ھای داده ھا نیاز به انتقال دوباره دارد. 

بخشی از مقاله انگلیسی:

Abstract

Data communication service has an important influence on e-commerce. The key challenge for the users is, ultimately, to select a suitable service provider. It is a multi-criteria decision-making (MCDM) problem where the user must weigh up the relative importance of factors such as costs and quality of service (QoS). Meanwhile, we know that in the real life situation, much of the input information is uncertain. Thus, the problem of provider selection becomes very complex in a real-life environment. In this paper, we combine these features to construct a new fuzzy multi-objective optimization model for solving the provider selection problem, considering non-linear objective membership function, multi-class services, price breaks, different QoS levels and penalty definition in different tasks. Finally, a numerical example is presented to illustrate the proposed method. The results show that this method is an effective method for solving the provider selection problem in data communication services.

1. Introduction With the development of e-commerce, data communication service is particularly important today because of the tremendous impact on the profits of purchase company. In data communication domain, one of the most challenging issues is provider selection. In some firms, purchased materials and services sometimes represent up to eighty percent of total product cost (Ghobadian et al., 1993). Quality of service (QoS) is the collective summation of service measures, which determines the degree of user satisfaction of the service (Ahsan, 2006). Common measures of QoS are delay, reliability and missing data probability in data communication networks. Delay specifies how long it takes for data to travel across the network from source to destination (Comer, 2001). Reliability represents the variance in data transmission. Audio and video applications are quite sensitive to delay and reliability, whereas common data services are insensitive to either (Ragsdale et al., 2000). Missing data represents information dropped or irrecoverably damaged by the network. It typically stems from data collision and buffer overflows. Sudden changes in transmission may also cause data loss (Teitelbaum and Sadagic, 2002). In some important tasks, missing data sometimes leads to incomplete information in data transmission. In general, a firm has two options when the transmitted data is lost. It can (1) ignore the lost frames or (2) send a re-transmission request to the sender. Ignoring lost frames is appropriate for unimportant tasks or real-time (time-fixed) applications such as video conference, as they are sensitive to timeliness of data. However, some data applications require re-transmission.

مدل ترکیبی آنلاین برای پیشگیری و کشف جعل آنلاین

Online Hybrid Model for Online Fraud Prevention and Detection

چکیده :
روند فعلی کسب و کار آنلاین را قادر می سازد خدمات بهتر و سریع تری برای کاربران فراهم کند و باعث سود بیشتر برای بازرگانان می گردد. در طرف دیگر، اینترنت محبوب ترین پلت فرم برای کلاهبرداران جهت ارتکاب جعل آنلاین و با سهولت تبدیل شده است . چند راه حل برای غلبه بر این جعل آنلاین ارائه شده است. اما، راه کامل و کارآمد این مشکل هنوز هم در حال پژوهش است. در این مقاله، ما مدل ترکیبی آنلاین (اهم) که به طور گسترده مانع از احتمال جعل آنلاین می شود، و امکان تشخیص و رفع آن را دارد پیشنهاد کرده ایم. روش اهم به طور انحصاری برای حراج، عدم تحویل / کالا و سرقت هویت ارائه شده است. اهم بیشتر در روش های دیگر جعل آنلاین قابل اجرا است. ما عملکرد این مدل را ارزیابی کرده و نشان داده ایم که اهم یک رویکرد آنلاین پیشگیری و کشف جعل قوی و بسیار موثر است.

1. مقدمه
کسب و کار آنلاین روش کسب و کار مدرن است که با استفاده از بازاریابی مستقیم، فروش، و خدمات عمل می کند. رشد اینترنت دارای معنی خاصی در رشد تجارت الکترونیک است[1]. با توجه به گزارش های وزارت بازرگانی، و تحقیقات فورستر، خرده فروشی اینترنتی، در شرکت کامسور[2]، فروش آنلاین به سرعت در چند سال گذشته افزایش یافته است و نشان می دهد که چرا تجارت الکترونیک محبوب شده است.
افزایش رشد کسب و کار آنلاین و مصرف بیشتر از اینترنت (نشان داده شده در جدول 1 و 2) [2] ، و فعالیت های غیر قانونی به طور همزمان افزایش یافته است. رفتار جعل اینترنتی به طور کلی برای ردیابی و تعقیب آسان نیست. کلاهبرداران به راحتی می توانند اطلاعات خود را از قربانیان بدون تحمیل هزینه های قابل توجه مخفی کنند. یکی از دلایل اصلی برای جعل اینترنتی ناآگاهی کاربر در مورد مکانیسم حمله کلاه بردار از طریق رسانه اینترنت است. از آنجا که فقدان قانون و به تبع آن درایو در بسیاری از کشورها مانند کشورهای آسیایی وجود دارد، بسیاری از آسیایی ها توسط کلاهبرداران قربانی می شوند [3]. مزایده جعلی ، عدم تحویل / کالا، جعل فرصت ، سرقت هویت، جعل در کارت اعتباری، جعل آنلاین طرح های سرمایه گذاری، اضافه پرداخت، انتقال پول: با توجه مرکز جرم ، جعل اینترنتی را می توان به شرح زیر [4] طبقه بندی کرد ، جعل اسپم / جعل چرخش، جعل خیریه، خودرو، و جعل کارت. در میان این جعل ها، سه جعل شایع تر هستند که عبارتند از: حراج جعلی آنلاین ، جعل عدم تحویل کالا و جعل هویت. جعل حراج آنلاین یکی از شایع ترین انواع کلاهبرداری اینترنتی (بخش 2) است. این فرآیند به شرح زیر است: اول، کاربران آیتم های مختلف وب سایت های خرید و فروش آنلاین را بازدید می کنند . سپس، خریداران علاقه مند می توانند برای آیتم حراج شده پیشنهاد ارائه بدهند. پس از برنده شدن، خریدار برای مورد حراج شده پرداخت انجام می دهد. جعل رخ می دهد و قربانی آیتم خریداری شده را دریافت نمی کند یا یک آیتم با ارزش کمتر از [5] آگهی دریافت می کند. دوم عدم تحویل / پرداخت کالا، که آن هم در بسیاری از مناطق جعل توسط بازاریابی اینترنت و وب سایت های خرده فروشی، که ارائه دهنده انواع محصولات و خدمات هستند ایجاد شده. قربانی ، که توسط یک سایت قانونی، به دنبال بازاریابی موثر است گمراه شده. سپس قربانیان با دادن اطلاعات کارت اعتباری خود و یا ارسال پرداخت توسط برخی از وسایل دیگر برای کالاها و خدمات ارائه شده توسط سایت های جعلی مورد کلاه برداری قرار می گیرند و هرگز کالاها به آن ها نمی رسد، و یا اگر برسد، ارزش محصول کمتر از قیمت واقعی [4] است. سوم سرقت هویت است. هنگامی که یک شخص تبدیل شدن به شخص دیگری را وانمود می کند و با استفاده از اطلاعاتی مانند جزئیات کارت اعتباری شخص برای ارتکاب جعل اقدام می کند [4].
در این مقاله، ما یک مدل برای جلوگیری و تشخیص آنلاین در جعل و عدم تحویل / پرداخت کالا به دلیل احتمال بالای جعل اینترنتی پیشنهاد کرده ایم . مدل ما مدل ترکیبی آنلاین (اهم) است که دو مرحله می باشد. یکی مانع جعل برای کاربران و سرورهای وب است. در مرحله دوم، اگر جعل در سیستم رخ دهد، جعل را تشخیص داده و به قربانی اطلاع می دهد. اهم قادر به جلوگیری و تشخیص جعل مانند حراج جعلی، بازاریابی اینترنتی و فروش جعلی ، جعل کارت و جعل هویت است.
این مقاله پنج بخش است. بخش 1 معرفی طبقه بندی جعل اینترنتی و توصیف دسته بندی آن: جعل حراج آنلاین ، عدم تحویل / جعل کالا، و جعل هویت. بخش 2 مرور برای جلوگیری از این جعل را نشان می دهد و فرمول مشکل در مورد این جعل است. در بخش 3 رویکرد اهم برای پیشگیری و تشخیص توصیف جعل و پیشنهاد الگوریتم پیشگیری اهم است. پس از آن، در بخش 4 رویکرد عملکرد اهم برای نشان دادن مزایای استفاده از مدل ما مورد بررسی قرار گرفت. بخش 5 نتیجه گیری و کارهای آینده با مراجع است.

Abstract

The current trend of online business enables better and faster service for users and makes it more profitable for merchants. On the other side, the Internet has become the most popular platform for fraudsters to commit online fraud with ease. Several solutions have been proposed in the literature to overcome these online frauds. But, complete and efficient way out from this problem is still in research. In this paper, we have proposed online hybrid model (OHM) which extensively prevents the possibilities of online fraud, and further, if any possibility is present, then it detects and fixes this possibility. The OHM approach is proposed exclusively for in-auction, non-delivery/merchandise and identity theft frauds. OHM further is applicable to several other online frauds. We have evaluated the performance of this model and have shown that OHM is a robust and highly effective online fraud prevention and detection approach.

1 Introduction

Online business is the modern business methodology which uses direct marketing, selling, and services. The growth of Internet has a special significance in the growth of e-commerce [1]. According to a report by US Commerce Department, Forrester Research, Internet Retailer, ComScore. Inc. [2], the online sell is increased rapidly from past few years and it shows why e-commerce is becoming popular. Increasing growth of online business and consumers over Internet (shown in Tables 1 and 2) [2] have also increased illegal activities simultaneously. Fraudulent behavior over Internet is in general not easy to trace and prosecute. Fraudsters can easily hide their information from large pool of victims without incurring significant cost. One of the key reasons for Internet fraud is the unawareness of the user regarding fraudster’s attacking mechanism through Internet medium. Because of the lack of legislation and consequently the information drive in many countries like in Asia, many Asians are victimized by fraudsters [3]. According to National White Collar Crime Center, Internet fraud can be classified as follows [4]: auction fraud, non-delivery/merchandise fraud, business opportunity schemes fraud, identity theft, credit card fraud, online investment scheme fraud, overpayment, money transfer fraud, spam/spin fraud, charity fraud, automotive, and counterfeit card fraud. Among these frauds, three most frequent frauds are as follows: online auction fraud, non-delivery/merchandise fraud, and identity theft. Online auction fraud is one of the most common types of Internet fraud (see Sect. 2). The process of online auction fraud can be seen as follows: First, online users visit auction Web sites to buy and sell various items. Then, interested buyers can bid for the auction item. Upon winning, the buyer pays for the auction item. The fraud occurs when the victim does not receive the item or receives an item of lesser value than advertised [5]. Second is non-delivery payment/merchandise, which is also one of most fraud areas created by fraudster Internet marketing and retail Web sites, which provide variety of products and services. The victim is misled, by a legitimate-looking site and effective marketing. Then victims give their credit card information or send payment by some other means for goods and services provided by fake sites. The goods never arrive, or if they arrive, then the product’s worth will be less than their real price [4]. Third is identity theft; when a person pretended to become another person by using the information like credit card detail of that person to commit fraud [4]. In this paper, we have proposed a model to prevent and detect online in-auction fraud and non-delivery payment/merchandise due to their high probability among the Internet fraud. Our model is the online hybrid model (OHM) that works in two stages. One is it prevents both the users and Web servers from fraud; secondly, if fraud occurs in the system, then it detects the fraud and informs to victim. OHM is able to prevent and detect frauds like auction fraud, Internet marketing and retail fraud, card theft fraud, and identity theft fraud. This paper is classified into five sections. Section 1 introduces the classification of Internet frauds and describes its categories: online auction fraud, non-delivery/ merchandise fraud, and identity theft fraud. Section 2 shows the literature review for preventing these frauds and formulates the problem regarding these frauds. Further in Sect. 3, we describe the OHM approach for the prevention and detection of frauds and propose OHM prevention algorithms. Thereafter, in Sect. 4, we have evaluated the performance of proposed OHM approach to show the advantages of our model. Section 5 is conclusion and future work continued with references.

مبتدی (مناسب برای درک مفهوم کلی مطلب)