دانلود مقاله ISI انگلیسی شماره 2430 + ترجمه فارسی
عنوان فارسی مقاله

استفاده از حراج‌های آزمایشی آنلاین در تحقیقات بازاریابی برای شرکت‌های چندکاناله

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
2430 2010 12 صفحه PDF 32 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Applying experimental online auctions in marketing research for multi-channel firms
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 37, Issue 3, 15 March 2010, Pages 2505–2516

فهرست مطالب ترجمه فارسی
چکیده 
واژگان کلیدی
1- مقدمه 
2- پیشینه نظری 
2-1مطالعات حراج و مزایده های آنلاین
2-2 حراج‌های آنلاین بعنوان مکانیسم کشف کننده تقاضا
2-3 انتخاب کانال و توزیع چندکاناله 
2-4 عوامل تعیین‌کننده WTP کانال 
2-4-1 عوامل تعیین‌کننده هزینه‌های معامله
2-4-2 عوامل تعیین‌کننده WTP
3- روش تحقیق 
3-1 مدل تخمین تقاضا 
3-2 اندازه‌گیری‌ها 
3-3 داده‌ها 
جدول 1: تعریف عملیاتی متغیرها
جدول 2 : امورجمعیت شناسی نمونه 
جدول 3: نتایج عامل تاییدی.
شکل 1.منحنی‌های تقاضا 
4- نتایج 
4-1 تست اندازه‌گیری  
جدول 4 : همبستگی میان مفاهیم 
4-2 تست مدل تخمین  
جدول 5: نتیجه مدل انتخاب نمونه Heckman
شکل 2. منحنی‌های گزارش شده و تخمین زده شده  WTP برای سه کانال 
شکل 3. منحنی‌های گزارش شده و تخمین زده شده  WTP در کانال آف‌لاین 
شکل4. منحنی‌های گزارش شده و تخمین زده شده  WTP در فروشگاه آنلاین با قیمت پستی 
5. نتیجه‌گیری 
پیوست الف. اندازه‌گیری‌های مفاهیم 
پیوست ب. اوزان و بارگذاری‌های اندازه‌گیری‌ها 
پیوست ج. بارگذاری‌ها و بارگذاری‌های متقاطع معیارها   
کلمات کلیدی
- مزایده زمینه تجربی - برآورد منحنی تقاضا - داده های مزایده آنلاین - استراتژی چند کاناله
ترجمه چکیده
مکانیسم‌های حراج با تعیین تقاضای مشتری، انگیزه [آنان] را آشکار می سازند. در این مطالعه، ما به دلیل ارزش حراج های آزمایشی آنلاین در تخمین تقاضای محصول جدید، به تأکید بر آنها می‌پردازیم. پرسشی که بلافاصله مطرح می‌شود عبارت است از اینکه آیا می‌توان از اطلاعات حاصل از حراج های آنلاین برای بدست‌آوردن منحنی تقاضای کامل در برابر کانال‌های مختلف فروش استفاده کرد یا خیر، چرا که بسیاری از شرکت‌ها از استراتژی‌های چندکاناله استفاده می‌کنند. هر کانال ممکن است دربردارنده هزینه‌های معاملاتی مختلفی برای مشتریان دائمی خود باشد. ازاین‌رو، انتخاب کانال حاصل انتخاب خود مشتریان براساس اقتصاد هزینه معامله است. در نتیجه، علاقه‌مندی مشتری به پرداخت (WTP) در کانال انتخابی بازتابی از WTP خالص مستهلک وی براساس آمیزه‌ای از ویژگی‌های مرتبط با فرد و مختص کانال تعیین‌کننده هزینه‌های معامله است. ما یک مدل اسکلتی را ارائه می‌کنیم تا این انحراف خود انتخابی را برطرف کنیم و این مسئله بخشی از تقاضای مشاهده شده در کانال‌های حراج آنلاین را نسبت به کل منحنی تقاضا منعکس می‌کند. ما به بحث در مورد نوعی از اطلاعات که احتمالاً برای حل این مسئله لازم خواهند بود، می‌پردازیم و با استفاده از تست تجربی، رویکرد خود را اثبات می‌کنیم. نشان خواهیم داد که چگونه داده‌های حراج آنلاین که شرکت‌ها تا به حال در خصوص شان سرمایه‌گذاری نمی‌کردند، می‌توانند منبع تجربی بسیار ارزشمندی برای استراتژی‌های بازاریابی شرکت‌های چندکاناله باشند.
ترجمه مقدمه
در محیط بسیار پویا و غیرقطعی کسب و کار، طراحی محصولات جدید انتخابی استراتژیک برای شرکت برای کسب پایایی و مزیت رقابتی به شمار می‌رود (Geng، Stinchcombe، وWhinston، 2001؛ Hoffman، Menkhaus، Chakravarti، Field، و Whipple، 1993؛ Ram و Ram، 1988). با این حال، تصمیم‌گیری در خصوص عرضه محصولی جدید مملو از دشواری‌های عدیده و نرخهای شکست عمده است (Cooper و Kleinschmidt، 1991؛ Hise، 1989؛ Kortge، 1989) . مشکل ذاتی تخمین تقاضا یکی از دلایل اصلی مسبب شکست محصول جدید به شمار می‌رود. تخمین تقاضا برای تدارکات تولید و قیمت گذاری موفق جهت محصول جدید امری حیاتی است، زیرا قیمت گذاری برای به حداکثر رساندن سود مبتنی بر تخمین چگونگی تاثیر قیمت بر فروش محصول است (Breath و Ives، 1986؛ Dean، 1969). تخمین تقاضا نه تنها برای تعیین تعیین قیمت گذاری و فروش کل اهمیت دارد، بلکه همچنین برای بررسی اینکه آیا محصولات جدید ارزشیابی مصرف کنندگان را تقویت می کنند یا خیر، نیز مهم است (Menkhaus، Borden، Whipple، Hoffman، و Field، 1992). بدون اطلاعاتی در خصوص تقاضاها، شرکتها نه هرگز نمی توانند محصولشان را بهینه سازند و نه استراتژیهای بازاریابی را مهیا سازند. با اینحال، تقاضا ماهیتی تصادفی و آمیخته با ویژگیهای نامتجانس مصرف کننده دارد (Feng و Xiao، 2000؛ Zhao و Zheng، 2000). علاوه بر نوسان آماری، توزیع تقاضاها برای کانالهای مختلف نوسان دارد، لذا نظارت محدود بر کانال‌های مختلف ممکن است به تخمین با انحراف مثبت یا منفی منجر گردد (Conlon و Mortimer، 2007). ازاین‌رو، علیرغم وجود رویکردهای مختلف برای تخمین تقاضا، این امر فرآیند تصمیم‌گیری دشوار، غیر ساختارمند و هزینه بری برای شرکت‌ها بوده است (Brockhoff و Rao، 1993؛ Chen و Hausman، 2000؛ Jedidi، Kohli، و DeSarbo، 1996؛ Weiner، 1994). نیاز است که شرکت‌ها به دنبال روش‌های تحلیل و سنجش بازار برای تخمین تقاضاها و تعدیل ریسک شکست محصول جدید باشند (Geng و همکاران، 2001؛ Hoffman و همکاران، 1993). چنانچه عرضه محصول جدید در شرکت‌های پیشرفته را بررسی کنیم، فشار زمانی شدید برای تخمین تقاضا باز هم گسترده‌تر می‌شود، زیرا تأخیر ممکن است منجر به استفاده ناصحیح از پیامدها گردد (Geng و همکاران، 2001؛ Gupta و Wilemon، 1990؛ Liberatore و Stylianou، 1995). در صنایع پیشرفته که در آنها محصولات عمر مفید نسبتاً کوتاهی دارند (Goldstein، 1989؛ Qualls، Olshavsky، و Michaels، 1981)، بسیاری از برندگان بهترین محصولاتی نیستند که بعدها وارد بازار شده‌اند، بلکه اولین محصولاتی هستند که خود را وارد بازار می‌کنند (Hutheesing، 1993؛ Mitchell، 1991؛ Moore، 2002) . زمان موجود برای تخمین تقاضا فاصله بین نخستین محصول با فناوری پیشرفته و آغاز تولید انبوه برای گذر از وقفه است، این زمان تا حد امکان بایستی کوتاه باشد (Moore, 2002). رقابت مبتنی بر زمان کلید رسیدن به اکثریت بازار در پرتو محیط بازار آشفته محصولات با فناوری پیشرفته است. با این حال، رویکردهای بازاریابی مرسوم غالباً بسیار زمان‌بر هستند، و در نتیجه از آنها اجتناب می‌شود، زیرا تخمین بسیار به تأخیر افتاده تقاضا ممکن است به عرضه محصول جدید آسیب بزند (Geng و همکاران، 2001). برای تخمین تقاضای محصولات با فناوری پیشرفته رهنمود چندانی موجود نیست (Brockhoff و Rao، 1993) و توجه به سمت بازارهای الکترونیک بعنوان سیستم اطلاعات اقتصادی برای حل این معضل در حال تغییر است (Ozer، 1999؛ Gengو همکاران، 2001). در این مقاله ما به مزیت واقعی داده‌های حراجی آنلاین برای تخمین مؤثر تقاضا به گونه‌ای زمانمند می‌پردازیم. وقتی مشتریان در حراجی‌های آن لاین شرکت می‌کنند، آنها به طور طبیعی از طریق فرآیند دادن مناقصه، بالاترین قیمت خود را آشکار می‌سازند که بدان معناست که حراجی آنلاین نه تنها از طرف خریداران واقعی (برندگان)، بلکه همچنین از سوی خریداران احتمالی می‌تواند فرصت نادری را برای کسب آسان WTP (تمایل به پرداخت) ارائه کند. منحنی تقاضا در حراجی آنلاین به صورت مستقیم از تجمیع آخرین داده‌های مناقصه کلیه مناقصه دهندگان ایجاد می‌گردد (Menkhaus و همکاران، 1992). حال، این پرسش فوراً مطرح می‌شود که آیا اطلاعات ناشی از حراجی‌های آن لاین را می‌توان برای به دست آوردن منحنی تقاضای کل برای کانال‌های مختلف فروش به کاربرد، چرا که بسیاری از شرکت‌ها از استراتژی‌های چندکاناله استفاده می‌کنند (Nicholson، Clarke، و Blakemore، 2002؛ Schoenbachler و Gordon، 2002). هر کانال برای خریداران پروپاقرصش هزینه‌های معاملاتی مختلفی در بر دارد، لذا مصرف‌کنندگان مختلفی را جذب می‌کند (Brynjolfsson، Dick، و Smith، 2004؛ Hann وTerwiesch، 2003؛ Strader و Shaw، 1997). منحنی‌های محقق شده ی تقاضا مختص گزینه مشخصی از مجموعه کانال‌ها هستند. چنانچه شرکتی بداند که کدام بخش از مصرف‌کنندگان جذب کدام کانال‌ها خواهند شد، و از تفاوت‌های هزینه‌های معاملاتی مصرف‌کنندگان در ارتباط با کانال خاصی آگاه باشد، آن شرکت می‌تواند منحنی جزیی تقاضای به دست آمده از حراج آنلاین را به دیگر کانال‌ها تعمیم بخشد تا بتواند منحنی تقاضای کل مربوط به کل جمیعت را تفسیر کند. بنابراین، ما در این مقاله (1) بر مزایای استفاده از داده‌های حراجی‌ آن لاین برای تخمین منحنی تقاضا تأکید می‌کنیم که تا آنجایی که ما مطلع هستیم، هنوز هم مورد بررسی قرار نگرفته است. (2) با استفاده از منحنی جزئی به دست آمده از داده‌های حراجی آنلاین، چارچوب تثبیت منحنی تقاضای کل را پیشنهاد می‌کنیم. ما از طریق این چارچوب، شرایط حراجی‌های کشف کننده تقاضا و اطلاعات دیگری را که شرکت‌ها بایستی به منظور استفاده از رویکرد ما بدان‌ها دسترسی داشته باشند، شناسایی می‌کنیم. (3) از طریق تحلیل تجربی، کاربرد پذیری رویکرد خود را تست می‌کنیم. ما در خصوص انتخاب کانال مصرف‌کننده و تقاضاها در کانال‌های انتخابی، به گردآوری داده‌های تجربی می‌پردازیم و تقاضاهای پیش بینی شده توسط رویکرد خود را با تقاضاهای واقعی اندازه‌گیری شده از طریق گردآوری داده‌ها مقایسه می‌کنیم.
پیش نمایش مقاله
پیش نمایش مقاله استفاده از حراج‌های آزمایشی آنلاین در تحقیقات بازاریابی برای شرکت‌های چندکاناله

چکیده انگلیسی

Auction mechanisms allocate consumers’ demand revealing incentives. In this study, we highlight field experimental online auctions for their value in new product demand estimation. The immediate question is whether the information from online auctions can be utilized to get the full demand curve across various sales channels, since many firms utilize multi-channel strategies. Each channel may bear different transaction costs for its patrons. Hence, channel selection is the result of consumers’ self-selection based on transaction cost economics. Consequently, a consumer’s Willingness-To-Pay (WTP) in a selected channel reflects her/his depreciated pure WTP by the mixture of channel specific and individual-related characteristics determining transaction costs. We propose a skeleton model to resolve this self-selection bias, and this projects the partial demand observed in online auction channels to the whole demand curve. We discuss the kind of information that should be required to resolve this problem, and verify our approach using empirical testing. We demonstrate how online auction data, which firms have not yet capitalized on so far, can be a very valuable experimental resource for multi-channel firms’ marketing strategies.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.