عنوان مقاله:
بررسی محرک‌های نگرش مشتریان به نام برند خدمات آژانس مسافرتی آنلاین: یک رویکرد مبتنی بر متن کاوی
Exploring the drivers of customers’ brand attitudes of online travel agency services: A text-mining based approach
رشته: بازاریابی - مدیریت
گرایش: بازاریابی - مدیریت کسب و کار - مدیریت بازرگانی
دانلود رایگان این مقاله:
دانلود مقاله آژانس مسافرتی آنلاین
مشاهده سایر مقالات جدید:
2. Literature review
In this section, we first review some aspects of social media marketing and the need for understanding customers’ brand attitudes. Second, we review earlier studies on UGC. Third, we discuss research on using UGC for understanding customers’ attitude towards various brands. Fourth, we explore various qualitative aspects used by earlier researchers. Finally, we discuss how text mining has been used by researchers to explore different textual aspects. 2.1. Social media marketing Social media marketing (SMM) deals with the use of various social media (SM) platforms for conducting marketing activities (Dahnil, Marzuki, Langgat, & Fabeil, 2014). In recent years, the popularity of SM platforms such as Facebook, Twitter, etc. have seen it emerge as an important marketing tool (Hawkins & Vel, 2013). SM marketing provides a cost-effective easy communication channel (Dwivedi, Kapoor, & Chen, 2015) for (1) fast and effective delivery of information (Shilbury, Westerbeek, Quick, Funk, & Karg, 2014), (2) fast and accurate feedback from customers (Shilbury et al., 2014), (3) better customer engagement (Abreza, O’Reilly, & Reid, 2013; Nisar, Prabhakar, & Patil, 2018), and (4) targeting a wider customer base (Weinberg, 2009). Drummond, O’Toole, and McGrath (2020) have proposed various tactics and strategies, like, information sharing posts, bilateral conversation, etc. based on the different SM marketing capability layers (connect, engage, coordinate, and collaborate). Chatterjee and Kar (2020) found factors such as perceived usefulness and perceived ease of use influence SMM in the context of small and medium enterprises (SMEs) in India. Dwivedi et al. (2020) have also noted that SMM improves customer engagement behaviour. SM platforms can also help in increasing the firms’ overall value (Kim, Koh, Cha, & Lee, 2015). Grover and Kar (2020) proposed an SM Engagement model to understand customer dynamics in case of how mobile wallet firms advertise on Twitter. However, researchers are divided in the way customer decision making is affected: some focus on online reviews and comments (Duan, Gu, & Whinston, 2008) whereas some others focus on pricing and promotions (Ajorlou, Jadbabaie, & Kakhbod, 2016), and customer psychology (Mowen, Park, & Zablah, 2007). For example, Jacobson, Gruzd, and Hernandez-García ´ (2020) found that marketing comfort influences SMM. Search Engine Marketing (SEM), if not done properly, not only affects customer benefits but also destroys firms’ value (Aswani, Kar, Ilavarasan, & Dwivedi, 2018). Hence, it is equally important for providers to focus on branding since it enables them to contest on aspects other than price (Bailey & Ball, 2006). In this competitive market scenario, it is essential to create a durable brand image for developing a strong emotional bond with customers (Gonzalez-Mansilla, ´ Berenguer-Contrí, & Serra-Cantallops, 2019). In case of online services, whether it is to choose food, restaurants or hotels, a similar trend is followed, i.e., users search in the website or mobile application based on their preferred needs, read or view recommendations and ratings to help them make decisions (Hong & Cha, 2013; Simonson & Rosen, 2014). In the tourism sector, researchers have explored the impact of review helpfulness, review credibility (Filieri, Acikgoz, Ndou, & Dwivedi, in press) and social-media (Nunkoo, Gursoy, & Dwivedi, 2020) on behavioural intention. Since customers have started perceiving online reviews and recommendations as an important and credible source of information (Gupta & Harris, 2010; Mayzlin, 2006), OCRs has been found helpful in influencing customer decisions (Chen & Xie, 2008; Jim´enez & Mendoza, 2013) and is also considered to be useful in measuring customer brand attitude (Zablocki et al., 2018). 2.2. User-generated content (UGC) UGC depicts the online content developed by users for sharing with others (Tang, Fang, & Wang, 2014). This can be retrieved from blogs (Christodoulides, Michaelidou, & Argyriou, 2012, p. 1689), social media platforms (Ray & Bala, 2020a), and merchandise websites (Ray et al., in press) to name a few. The online UGC is shared in various forms such as online ratings, reviews and feedback, blogs, experience sharing, etc. (Mishra & Satish, 2016). Researchers have not only voiced the strategic importance of UGC for service providers (Chatterjee, 2019), but have also mentioned the usefulness of online reviews and recommendations in case of prospective customers (Ray & Bala, 2020c; Ray et al., in press). UGC related to a product or service can be divided into two divisions, namely the qualitative as well as the quantitative part (Sridhar & Srinivasan, 2012). While the qualitative part contains detailed description of the customer experience related to the product or service (Jim´enez & Mendoza, 2013), the quantitative part contains numeric details like ratings, which describes the customers’ usage experience (Kostyra et al., 2016). Online reviews and ratings serve as great information sources for both service-providers and prospective customers (Chatterjee, 2019; Ray et al., in press). Online reviews and ratings are important from the business point of view because they drive profitability, revenues, etc. (Chevalier & Mayzlin, 2006; Duan et al., 2008). Similar to online recommendations (Cascio, O’Donnel, Bayer, Tinney, & Falk, 2015), online reviews and ratings guide users on ‘using’ or ‘avoiding’ a product or service (Zablocki et al., 2018). The other advantage of OCRs is that it provides an evaluation of the product/service by the customer. OCRs usually reflect the customer experience about a product or service (Zablocki et al., 2018). Additionally, the UGC also help to explore socialidentity (Reyes-Menendez, Saura, & Thomas, 2020), identify SocioCitiezenry factors (Aladwani & Dwivedi, 2018), examine brand communities (Kamboj, Sarmah, Gupta, & Dwivedi, 2018) and understand customers’ brand attitudes from the online reviews and ratings. However, only a few studies have explored the effect of UGC on brand attitudes (Kostyra et al., 2016; Zablocki et al., 2018).
3. Theoretical background and hypotheses development
In this modern era, understanding brand attitude helps the serviceproviders to cater to the customers in an improved manner (Kostyra et al., 2016). Limited studies have utilised user-generated content to understand customers’ brand attitudes (Zablocki et al., 2018). Additionally, Zablocki et al. (2018) have voiced concerns regarding the lack of studies utilising the qualitative aspects of textual data.They utilised both the qualitative and quantitative aspects of textual data to frame a conceptual model for analysing the effect of the valence of OCRs on brand attitude. They further proposed predicting brand attitude using valence-score as the only independent variable and four moderators, namely, volume of OCRs, variance of OCRs, brand-type and the source of the review. The volume, variance, and brand-type are not relevant since this study’s attempts at predicting the reviewers’ brand attitudes. Although Zablocki et al. (2018) used valence as a single independent variable, Chatterjee (2020) used two aspects to capture the sentiment scores, namely, the total sentiment content and the content polarity. While the total sentiment content refers to the overall sentiment captured, content polarity refers to the valence score as obtained from the difference of the number of positive and negative words. This helps to capture the sentiment present in the textual data in a better way. Additionally, Chatterjee (2020) also used the emotional aspects, namely, high arousal emotions (such as anger and fear) and low arousal emotions (such as sadness) to examine review helpfulness. Moreover, Lee et al. (2017) utilised different qualitative aspects of textual data like, sentiment polarity and count of parts of speech tags (noun, verb, adjective and adverb) to capture review tendency and reviewer characteristics for understanding review helpfulness. None of the existing studies have utilised the emotional aspects and parts of speech tags to understand brand attitude. Based on these studies (e.g. Chatterjee, 2020; Lee et al., 2017; Zablocki et al., 2018), the constructs we have used in this study are as follows.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
2. بررسی ادبیات
در این بخش ابتدا برخی از جنبه های بازاریابی رسانه های اجتماعی و نیاز به درک نگرش مشتریان به برند را بررسی می کنیم. دوم، ما مطالعات قبلی در مورد UGC را مرور می کنیم. سوم، ما در مورد تحقیق در مورد استفاده از UGC برای درک نگرش مشتریان نسبت به برندهای مختلف بحث می کنیم. چهارم، ما جنبه های کیفی مختلفی را که توسط محققان قبلی استفاده شده بود، بررسی می کنیم. در نهایت، ما در مورد چگونگی استفاده از متن کاوی توسط محققان برای کشف جنبه های مختلف متن بحث می کنیم. 2.1. بازاریابی رسانه های اجتماعی بازاریابی رسانه های اجتماعی (SMM) با استفاده از پلتفرم های مختلف رسانه های اجتماعی (SM) برای انجام فعالیت های بازاریابی سر و کار دارد (دانیل، مارزوکی، لانگگات، و فابیل، 2014). در سال‌های اخیر، محبوبیت پلتفرم‌های SM مانند فیس‌بوک، توییتر، و غیره، آن را به عنوان یک ابزار بازاریابی مهم نشان داده است (Hawkins & Vel, 2013). بازاریابی SM یک کانال ارتباطی آسان مقرون به صرفه را فراهم می کند (دوویدی، کاپور و چن، 2015) برای (1) تحویل سریع و مؤثر اطلاعات (شیلبری، وستربیک، کوئیک، فانک، و کارگ، 2014)، (2) سریع و بازخورد دقیق از مشتریان (شیلبری و همکاران، 2014)، (3) تعامل بهتر با مشتری (آبرزا، اوریلی، و رید، 2013؛ نثار، پرابهاکار، و پاتیل، 2018)، و (4) هدف قرار دادن پایگاه مشتریان گسترده تر (واینبرگ، 2009). Drummond، O'Toole و McGrath (2020) تاکتیک ها و استراتژی های مختلفی مانند پست های اشتراک گذاری اطلاعات، مکالمه دوجانبه و غیره را بر اساس لایه های مختلف قابلیت بازاریابی SM (اتصال، تعامل، هماهنگی و همکاری) پیشنهاد کرده اند. چاترجی و کار (2020) دریافتند عواملی مانند سودمندی درک شده و سهولت استفاده درک شده بر SMM در زمینه شرکت های کوچک و متوسط (SMEs) در هند تأثیر می گذارد. دوویدی و همکاران (2020) همچنین اشاره کرده اند که SMM رفتار تعامل با مشتری را بهبود می بخشد. پلتفرم‌های SM همچنین می‌توانند به افزایش ارزش کلی شرکت کمک کنند (Kim, Koh, Cha, & Lee, 2015). گروور و کار (2020) یک مدل تعامل SM را برای درک پویایی مشتری در مورد نحوه تبلیغ شرکت های کیف پول موبایل در توییتر پیشنهاد کردند. با این حال، محققان در نحوه تأثیرگذاری بر تصمیم گیری مشتری تقسیم شده اند: برخی بر بررسی ها و نظرات آنلاین تمرکز می کنند (Duan, Gu, & Whinston, 2008) در حالی که برخی دیگر بر قیمت گذاری و تبلیغات تمرکز می کنند (Ajorlou, Jadbabaie, & Kakhbod, 2016). و روانشناسی مشتری (موون، پارک و زابله، 2007). به عنوان مثال، یاکوبسون، گروزد و هرناندز-گارسیا (2020) دریافتند که راحتی بازاریابی بر SMM تأثیر می گذارد. بازاریابی موتورهای جستجو (SEM)، اگر به درستی انجام نشود، نه تنها بر مزایای مشتری تأثیر می گذارد، بلکه ارزش شرکت ها را نیز از بین می برد (Aswani، Kar، Ilavarasan، و Dwivedi، 2018). از این رو، تمرکز ارائه دهندگان بر برندسازی به همان اندازه مهم است زیرا آنها را قادر می سازد تا در جنبه هایی غیر از قیمت به رقابت بپردازند (بیلی و بال، 2006). در این سناریوی بازار رقابتی، ایجاد یک تصویر برند بادوام برای ایجاد یک پیوند عاطفی قوی با مشتریان ضروری است (Gonzalez-Mansilla، Berenguer-Contrí و Serra-Cantallops، 2019). در مورد خدمات آنلاین، اعم از انتخاب غذا، رستوران یا هتل، روند مشابهی دنبال می‌شود، یعنی کاربران بر اساس نیازهای دلخواه خود در وب‌سایت یا اپلیکیشن موبایل جستجو می‌کنند، توصیه‌ها و رتبه‌بندی‌ها را می‌خوانند یا مشاهده می‌کنند تا به تصمیم‌گیری کمک کنند. (هنگ و چا، 2013؛ سیمونسون و روزن، 2014). در بخش گردشگری، محققان تأثیر مفید بودن بررسی، اعتبار مرور (Filieri, Acikgoz, Ndou, & Dwivedi, در مطبوعات) و رسانه های اجتماعی (Nunkoo, Gursoy, & Dwivedi, 2020) را بر قصد رفتاری بررسی کرده اند. از آنجایی که مشتریان شروع به درک نظرات و توصیه های آنلاین به عنوان یک منبع مهم و معتبر اطلاعات کرده اند (گوپتا و هریس، 2010؛ میزلین، 2006)، OCR ها برای تأثیرگذاری بر تصمیمات مشتری مفید بوده اند (چن و زی، 2008؛ جیمنز و مندوزا). ، 2013) و همچنین در اندازه گیری نگرش به برند مشتری مفید تلقی می شود (زابلوکی و همکاران، 2018). 2.2. محتوای تولید شده توسط کاربر (UGC) UGC محتوای آنلاینی را به تصویر می‌کشد که توسط کاربران برای اشتراک‌گذاری با دیگران ایجاد شده است (Tang, Fang, & Wang, 2014). این را می توان از وبلاگ ها (Christodoulides, Michaelidou, & Argyriou, 2012, p. 1689)، پلت فرم های رسانه های اجتماعی (Ray & Bala, 2020a) و وب سایت های تجاری (Ray et al., در حال چاپ) بازیابی کرد. UGC آنلاین به اشکال مختلف مانند رتبه بندی آنلاین، بررسی و بازخورد، وبلاگ، اشتراک تجربه و غیره به اشتراک گذاشته می شود (Mishra & Satish, 2016). محققان نه تنها اهمیت استراتژیک UGC را برای ارائه دهندگان خدمات بیان کرده اند (چترجی، 2019)، بلکه به سودمندی بررسی ها و توصیه های آنلاین در مورد مشتریان احتمالی نیز اشاره کرده اند (Ray & Bala, 2020c؛ Ray et al., در مطبوعات) . UGC مربوط به یک محصول یا خدمات را می توان به دو بخش تقسیم کرد، یعنی بخش کیفی و همچنین کمی (Sridhar & Srinivasan, 2012). در حالی که بخش کیفی شامل شرح مفصلی از تجربه مشتری مرتبط با محصول یا خدمات است (Jim'enez & Mendoza، 2013)، بخش کمی حاوی جزئیات عددی مانند رتبه بندی است که تجربه استفاده مشتریان را توصیف می کند (Kostyra et al., 2).016). بررسی‌ها و رتبه‌بندی‌های آنلاین به‌عنوان منابع اطلاعاتی عالی هم برای ارائه‌دهندگان خدمات و هم برای مشتریان احتمالی عمل می‌کنند (چاترجی، 2019؛ ری و همکاران، در حال چاپ). بررسی‌ها و رتبه‌بندی‌های آنلاین از نقطه‌نظر کسب‌وکار مهم هستند، زیرا باعث سودآوری، درآمد و غیره می‌شوند (Chevalier & Mayzlin، 2006؛ Duan et al., 2008). مشابه توصیه‌های آنلاین (کاسیو، اودانل، بایر، تیننی، و فالک، 2015)، بررسی‌ها و رتبه‌بندی‌های آنلاین کاربران را در «استفاده» یا «اجتناب از» یک محصول یا خدمات راهنمایی می‌کند (Zablocki و همکاران، 2018). مزیت دیگر OCR ها این است که ارزیابی محصول/خدمت توسط مشتری را فراهم می کند. OCR ها معمولاً تجربه مشتری در مورد یک محصول یا خدمات را منعکس می کنند (Zablocki و همکاران، 2018). علاوه بر این، UGC همچنین به کشف هویت اجتماعی (ریس منندز، ساورا و توماس، 2020)، شناسایی عوامل اجتماعی شهروندی (Aladwani & Dwivedi، 2018)، بررسی جوامع برند (Kamboj، Sarmah، Gupta، و Dwivedi، 2018) و درک کمک می‌کند. نگرش مشتریان به برند از بررسی ها و رتبه بندی های آنلاین. با این حال، تنها چند مطالعه اثر UGC را بر نگرش به نام تجاری بررسی کرده اند (Kostyra و همکاران، 2016؛ Zablocki و همکاران، 2018).
3. پیشینه نظری و توسعه فرضیه ها
در این عصر مدرن، درک نگرش برند به ارائه دهندگان خدمات کمک می کند تا به شیوه ای بهبود یافته به مشتریان پاسخ دهند (Kostyra et al., 2016). مطالعات محدودی از محتوای تولید شده توسط کاربر برای درک نگرش به برند مشتریان استفاده کرده است (Zablocki و همکاران، 2018). علاوه بر این، زابلوکی و همکاران. (2018) نگرانی‌هایی را در رابطه با کمبود مطالعاتی که از جنبه‌های کیفی داده‌های متنی استفاده می‌کنند، ابراز کرده‌اند. آنها از جنبه‌های کمی و کیفی داده‌های متنی برای قالب‌بندی یک مدل مفهومی برای تحلیل تأثیر ظرفیت OCR بر نگرش برند استفاده کردند. آنها همچنین پیش بینی نگرش برند را با استفاده از امتیاز ظرفیت به عنوان تنها متغیر مستقل و چهار تعدیل کننده، یعنی حجم OCR، واریانس OCR، نوع برند و منبع بررسی پیشنهاد کردند. حجم، واریانس، و نوع برند مرتبط نیستند زیرا این مطالعه تلاش‌های خود را برای پیش‌بینی نگرش‌های برند بازبینان انجام می‌دهد. اگرچه زابلوکی و همکاران. (2018) از ظرفیت به عنوان یک متغیر مستقل استفاده کرد، چاترجی (2020) از دو جنبه برای گرفتن امتیازات احساسات استفاده کرد، یعنی محتوای کل احساسات و قطبیت محتوا. در حالی که محتوای کل احساسات به احساسات کلی ثبت شده اشاره دارد، قطبیت محتوا به امتیاز ظرفیتی اشاره دارد که از تفاوت تعداد کلمات مثبت و منفی به دست می آید. این کمک می کند تا احساسات موجود در داده های متنی را به روشی بهتر دریافت کنید. علاوه بر این، چاترجی (2020) همچنین از جنبه‌های عاطفی، یعنی هیجان‌های برانگیختگی بالا (مانند خشم و ترس) و احساسات کم برانگیختگی (مانند غم و اندوه) برای بررسی سودمندی مرور استفاده کرد. علاوه بر این، لی و همکاران. (2017) از جنبه‌های کیفی مختلف داده‌های متنی مانند، قطبیت احساسات و تعداد بخش‌های برچسب‌های گفتار (اسم، فعل، صفت و قید) برای گرفتن گرایش به بررسی و ویژگی‌های مرورگر برای درک مفید بودن مرور استفاده کردند. هیچ یک از مطالعات موجود از جنبه های احساسی و بخش هایی از برچسب های گفتاری برای درک نگرش برند استفاده نکرده است.
