تاثیر پذیرش هوش مصنوعی در بازاریابی کسب و کار بر واکنش سهامداران با تاکید بر نقش تعدیلگر پیچیدگی مشتری و پویایی صنعت(مورد مطالعه:کارشناسان فناوری شرکتهای صنعتی در شهر تهران)
محورهای موضوعی :امیرعلی محمدیان 1 , الهام رمضانی 2 *
1 - گروه مدیریت فناوری اطلاعات، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدیریت فناوری اطلاعات، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: هوش مصنوعی, بازاریابی کسب‌وکار, واکنش سهامداران, پیچیدگی مشتری, پویایی صنعت,
چکیده مقاله :
بررسی تأثیر به‌کارگیری هوش مصنوعی در بازاریابی کسب‌وکار بر پاسخ سهامداران، با تأکید بر نقش تعدیلگر پیچیدگی مشتری و پویایی صنعت.. روش‌شناسی: نوع پژوهش: توصیفی-تحلیلی (از نظر هدف، روش و اجرا).جامعه آماری: مدیران فناوری شرکتهای صنعتی در تهران (۳۰۶ نفر).روش نمونه‌گیری: تصادفی طبقه‌ای با استفاده از پرسش‌نامه استاندارد.ابزار تحلیل داده‌ها: مدل‌سازی معادلات ساختاری و تحلیل مسیر با استفاده از نرم‌افزارهای SPSS و SmartPLS (همچنین تأیید روایی و پایایی از طریق آلفای کرونباخ، میانگین واریانس استخراج‌شده (AVE) و پایایی ترکیبی (CR)) یافته‌ها: آزمون‌های روایی و پایایی نتایج قابل‌قبولی را نشان دادند و مدل کلی پژوهش نیز از برازش ساختاری مناسبی برخوردار بود. به‌کارگیری هوش مصنوعی در بازاریابی کسب‌وکار، با در نظر گرفتن شرایط محیطی مانند پویایی صنعت و ویژگی‌های مشتریان (پیچیدگی مشتری)، نقش کلیدی در بهبود پاسخ سهامداران ایفا می‌کند. نتیجه‌گیری: استفاده از هوش مصنوعی در بازاریابی کسب‌وکار در کنار توجه به شرایط محیطی (پویایی صنعت) و ویژگی‌های مشتری (پیچیدگی مشتری)، تأثیر بسزایی در بهبود پاسخ سهامداران دارد و در نتیجه منجر به افزایش ارزش و حمایت آن‌ها از شرکت می‌گردد.
Objective: To examine the impact of adopting artificial intelligence in business marketing on shareholder response, emphasizing the moderating role of customer complexity and industry dynamics. Methodology: Research Type: Descriptive-analytical (in terms of purpose, method, and implementation).Statistical Population: Technology managers of industrial companies in Tehran (306 individuals).Sampling Method: Stratified random sampling using a standard questionnaire.Data Analysis Tools: Structural equation modeling (SEM) and path analysis using SPSS and SmartPLS software (with validity and reliability confirmed via Cronbach’s alpha, Average Variance Extracted [AVE], and Composite Reliability [CR]). Findings: Validity and reliability tests showed acceptable results, and the overall research model demonstrated an appropriate structural fit. The application of artificial intelligence in business marketing, considering environmental conditions such as industry dynamics and customer characteristics like customer complexity, plays a key role in improving shareholder response. Conclusion: The use of artificial intelligence in business marketing—alongside attention to environmental conditions (industry dynamics) and customer traits (customer complexity)—significantly improves shareholder response, ultimately leading to an increase in their value and support
ابوالمعصوم محمد، مشبکی اصفهانی، اصغر نعامی، عبدالله . (1399). مدل بازاریابی هوشمند در توسعه شرکت های سرمایه گذاری صنایع دستی کشور. هنر اسلامی. 17(40). صص 7-20.
ایوب رستمی، نصرالله خلیلی تیرتاشی(1402). کاربرد هوش مصنوعی در سیستمهاي مالی از دیدگاه اقتصاد اسلامی. فصلنامة مطالعات فقه اقتصادي، دورة پنجم، شمارة دوم. صص 21-34.
جامی پور، مونا، تالاري، محمد، و بشکار، راضیه (1400). طراحی چارچوب پیاده سازي بازاریابی دیجیتال بین المللی (مورد مطالعه: صنعت فرش). 4(4). صص 151-169.
حامد جهانفر(1400). هوش مصنوعی در بازاریابی: مرور نظام مند و مسیر تحقیقات آتی. فصلنامه علمی نگرش های نوین بازرگانی دوره ۲ شماره4 (پیاپی 10)، صص 11.
رحیمی کلور، حسین؛ اکبری آرباطان، گلثوم (1402)واکاوی چالش ها و فرصت های هوش مصنوعی بر توسعه کارآفرینی و رشد کسبوکارهای نوپا. علوم و فنون مدیریت اطلاعات، 9(4). 205-232.
سیدمصطفی شاه صاحبی، رویا دارابی، حسن چناری(1399). رویکرد هوش مصنوعی در تحلیل توانایی مدیریت کسب و کار بازار سرمایه. فصلنامه پژوهش¬های نوین در حسابداری و حسابرسی. دانشگاه خاتم، دوره 3، شماره 1، صص 9-36.
علی پارسا(1402). نقش هوش مصنوعی در فعالیت هاي بازاریابی. مجله مدیریت برندآفرین/ دوره: 3، شماره: 38.
محمد ابوالمعصوم، اصغر مشبکی اصفهانی، عبدالله نعامی (1400). ارائه مدل بازاریابی هوشمند در شرکت¬های سرمایه گذاری (مورد مطالعه: گسترش پایا صنعت سینا). تحقيقات اقتصاد كشاورزي/ جلد 31 شماره 3 بهار 1400. صص 278-261.
محمد باشکوه اجیرلو، رحیمی محمدخانی(1402). طراحی مدل پیاده سازي بازاریابی دیجیتال بنگاه به بنگاه با تأکید بر مدیریت ارتباط با مشتری مبتنی بر هوش مصنوعی. تحقیقات بازاریابی نوین سال سیزدهم، شماره سوم، شماره پیاپی 50. صص 158-133.
محمدزاده ونستان، سهيلا و عابدي، رحيم (1403). بررسي نقش توانمندسازهاي هوش مصنوعي و آمادگي هوش مصنوعي شركتها در پذيرش سيستم مديريت روابط با مشتري ادغام شده با هوش مصنوعي. مديريت بازرگاني، 16(1)، 358.
تاثیر هوش مصنوعی بر روی بازاریابی و رفتار مشتری. نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری, 9(33), 18-196.
Bag, S., Gupta, S., Kumar, A., & Sivarajah, U. (2021). An integrated artificial intelligence framework for knowledge creation and B2B marketing rational decision making for improving firm performance. Industrial Marketing Management, 92, 178–189.
Bag, S., Gupta, S., Kumar, A., & Sivarajah, U. (2021). An integrated artificial intelligence framework for knowledge creation and B2B marketing rational decision making for improving firm performance. Industrial Marketing Management, 92, 178–189.
Behera, R. K., Bala, P. K., & Ray, A. (2021). Cognitive Chatbot for personalised contextual customer service: Behind the scene and beyond the hype. Information Systems Frontiers, pp. 1-21.
Belanche, D., Casalo, ´ L.V. and Flavi´ an, C. (2019), "Artificial Intelligence in FinTech: understanding robo-advisors adoption among customers", Industrial Management & Data Systems, Vol. 119 No. 7, pp. 1411–1430. adoption among customers. Industrial Management & Data Systems.
Bertoni, F., Bonini, S., Capizzi, V., Colombo, M. G., & Manigart, S. (2022). Digitization in the market for entrepreneurial finance: Innovative business models and new financing channels. Entrepreneurship Theory and Practice, 46(5), 1120–1135. https://doi.org/10.1177/10422587211038480
Bhatia, A., & Yadav, S. (2023). The future of business: Integrating artificial intelligence in strategic management. Business Strategy and Development, 13(2), 79-92.
Borges, A. F., Laurindo, F. J., Spínola, M. M., Gonçalves, R. F., & Mattos, C. A. (2021a). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management, 57, Article 102225.
Castillo, D., Canhoto, A. I., & Said, E. (2020). The dark side of AIpowered service interactions: exploring the process of co-destruction from the customer perspective, The Service Industries Journal, pp. 1-26. https:// doi. org/ 10. 1080/ 02642 069. 2020. 17879 93
Chen, Y., Zhang, L., & Li, J. (2022). Artificial intelligence applications in business strategy: A systematic review of literature and future research directions. Journal of Business Research, 123, 295-312.
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. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.
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., Ismagilova, E., Hughes, D. L., Carlson, J., Filieri, R., Jacobson, J., Jain, V., Karjaluoto, H., Kefi, H., Krishen, A. S., & Kumar, V. (2021b). Setting the future of digital and social media marketing research: Perspectives and research propositions. International Journal of Information Management, 59, Article 102168.
Dwivedi, Y. K., Ismagilova, E., Rana, N. P., & Raman, R. (2021b). Social media adoption, usage and impact in business to-business (B2B) context: A state-of-the-art literature review. Information Systems Frontiers, pp. 1-2
Fang, X., & Ju, C. (2024). Digital transformation and corporate financialization in emerging markets: Evidence from China. Heliyon, 10(2), Article e24616. https://doi.org/10.1016/j.heliyon.2024.e24616
Feng, R., Shen, C., & Guo, Y. (2024). Digital finance and labor demand of manufacturing enterprises: Theoretical mechanism and heterogeneity analysis. International Review of Economics & Finance, 89, 17–32. https://doi.org/10.1016/j.iref.2023.07.065
Gacanin, H., & Wagner, M. (2019). Artificial intelligence paradigm for customer experience management in next-generation networks: Challenges and perspectives. IEEE Network, 33(2), 188–194.
Giudici, P., & Raffinetti, E. (2023). SAFE artificial intelligence in finance. Finance Research Letters, 56, Article 104088. https://doi.org/10.1016/j.frl.2023.104088
González, A., Ruiz, P., & Vargas, S. (2022). Leveraging artificial intelligence in business strategy: A review of current applications and trends. Journal of Strategic Information Systems, 29(2), 56-74.
Gunnarsson, E. S., Isern, H. R., Kaloudis, A., Risstad, M., Vigdel, B., & Westgaard, S. (2024). Prediction of realized volatility and implied volatility indices using AI and machine learning: A review. International Review of Financial Analysis, Article 103221. https://doi.org/10.1016/j.irfa.2024.103221
Gupta, S., Wang, Y., & Czinkota, M. (2023). Reshoring: A Road to Industry 4.0 Transformation. British Journal of Management (Vol. 34,, 1081–1099.
Han, R., Lam, H. K. S., Zhan, Y., Wang, Y., Dwivedi, Y. K., & Tan, K. H. (2021). Artificial intelligence in business-to business marketing: a bibliometric analysis of current research status, development and future directions. Industrial Management & Data Systems, ahead-of-p(ahead-of-print). https:// doi. org/ 10. 1108/ IMDS- 05- 2021- 0300
Han, R., Lam, H. K. S., Zhan, Y., Wang, Y., Dwivedi, Y. K., & Tan, K. H. (2021). Artificial intelligence in business-to-business marketing: A bibliometric analysis of current research status, development and future directions. Industrial Management & Data Systems. https://doi.org/10.1108/IMDS-05-2021-0300
Hemanand, D., Mishra, N., Premalatha, G., Mavaluru, D., Vajpayee, A., Kushwaha, S., & Sahile, K. (2022). Applications of intelligent model to analyze the green finance for environmental development in the context of artificial intelligence. Computational Intelligence and Neuroscience, 2022(1), Article 2977824. https://doi.org/10.1155/2022/2977824
Hernández, E., & Ramos, D. (2023). Exploring the potential of AI in transforming business operations: A systematic review. Business Technology Review, 19(1), 36-49.
Huang, M. H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30–50.
Huang, M., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30–50. https:// doi. org/ 10. 1007/ s11747- 020- 00749-9
Huang, Y. (2024). Digital transformation of enterprises: Job creation or job destruction? Technological Forecasting and Social Change, 208, Article 123733. https://doi.org/10.1016/j.techfore.2024.123733
Huang, Y., & Li, S. (2024). Female directors, ESG performance and enterprise financialization. Finance Research Letters, 62, Article 105266. https://doi.org/10.1016/j.frl.2024.105266
Jiang, Y., Guo, C., & Wu, Y. (2022). Does digital finance improve the green investment of Chinese listed heavily polluting companies? The perspective of corporate financialization. Environmental Science and Pollution Research, 29(47), 71047–71063. https://doi.org/10.1007/s11356-022-20803-z
Jones, M., & Thomas, G. (2022). Artificial intelligence and its strategic importance in the digital transformation of businesses. Journal of Business Strategy, 40(3), 348.
Kim, S., Lee, J., & Cho, S. (2022). Artificial intelligence in business and management: A review of the current state and future directions. Journal of Business and Technology, 18(4), 227-246.
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.
Lam, H. K. S., Ding, L., Cheng, T. C. E., & Zhou, H. (2019). "The impact of 3D printing implementation on stock returns: A contingent dynamic capabilities perspective". International Journal of Operations & Production Management (Vol. 39,(No. 6/7/8), 935–961.
Lee, K., & Choi, J. (2022). AI applications in business decision-making: A systematic review of emerging trends. Technology Innovation Management Review, 11(6), 72-89.
Li, Y., Wang, Y., Ma, R., & Wang, R. (2025). Research on the impact of financialization of high-tech manufacturing listed companies on real investment. Applied Economics, 57(9), 1010–1023. https://doi.org/10.1080/00036846.2024.2311060
Liu, L., & He, J. (2023). Does financialization affect firm’r&d investment? Evidence from China. Finance Research Letters, 58, Article 104311. https://doi.org/10.1016/j.frl.2023.104311
Liu, X. (2020). Analyzing the impact of user-generated content on B2B Firms’ stock performance: Big data analysis with machine learning methods. Industrial Marketing Management, 86(April), 30–39. https:// doi. org/ 10. 1016/j. indma rman. 2019. 02. 021
Lui, A. K., Lee, M. C., & Ngai, E. W. (2021). Impact of artificial intelligence investment on firm value. Annals of Operations Research, 1–16.
Mahalakshmi, V., Kulkarni, N., Kumar, K. P., Kumar, K. S., Sree, D. N., & Durga, S. (2022). The role of implementing artificial intelligence and machine learning technologies in the financial services industry for creating competitive intelligence. Materials Today: Proceedings, 56, 2252–2255. https://doi.org/10.1016/j.matpr.2021.11.577
Increasing Shopping Intention in Chain Retail Stores Using Omnichannel Strategy. New Marketing Research Journal, 15(1), 145-180. doi: 10.22108/nmrj.2025.143662.3127
Martin, J. L., & Perez, M. A. (2022). Exploring the role of artificial intelligence in enhancing competitive advantage in digital businesses. Journal of Strategic Management, 26(2), 142-158.
Moro-Visconti, R., Cruz Rambaud, S., & Lopez ´ Pascual, J. (2023). Artificial intelligence-driven scalability and its impact on the sustainability and valuation of traditional firms. Humanities and Social Sciences Communications, 10(1), 1–14. https://doi.org/10.1057/s41599-023-02218
Investigating the Negative Implications of Artificial Intelligence Usage in Digital Marketing. Journal of Advertising and Sales Management, 6(2), 1-16. doi: 10.22034/asm.2025.2060795.3388
Nguyen, D. K., Sermpinis, G., & Stasinakis, C. (2023). Big data, artificial intelligence and machine learning: A transformative symbiosis in favour of financial technology. European Financial Management, 29(2), 517–548. https://doi.org/10.1111/eufm.12365