شناسایی و اولویت بندی عوامل تعیین کننده تداوم خرید مشتریان فروشگاه های زنجیره ای اتکا با استفاده از الگوریتم شبکه های عصبی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد MBA مدیریت بازاریابی – موسسه آموزش عالی نبی اکرم (ص)

2 دانشجوی دکترای بازاریابی – دانشگاه آرکانزاس آمریکا

3 کارشناسی ارشد مهندسی صنایع دانشگاه صنعتی امیرکبیر

چکیده

امروزه فروشگاه‌های زنجیره‌ای با رقابتی شدید رو به رو هستند. در چنین محیطی تعداد فزاینده‌ای از مشتریان به حجم بالایی از اطلاعات مجهز شده و از قدرت پذیرش ریسک بیشتری برخوردار شده‌اند. آنها بر اساس ارزش بیشتری که جای دیگری کسب می‌کنند، مستعد تغییر فروشگاه خود هستند، بطوریکه تعویض فروشگاه از جانب مشتریان به امری عادی و چالشی برای خرده‌فروشان بدل شده است. بنابراین فاکتورهایی که بر میزان تمایل مشتری به خرید دوباره تاثیرگذار هستند، نقش حیاتی در عملکرد و موفقیت فروشگاه‌ها ایفا می‌کنند. از این رو هدف این پژوهش، شناسایی و اولویت بندی عوامل تعیین کننده تداوم خرید مشتریان فروشگاه‌های زنجیره‌ای اتکا هستند. در این پژوهش با مطالعه مفصل تحقیقات پیشین چاپ شده در مجلات معتبر علمی در زمینه خرده فروشی، عوامل استخراج و با استفاده از روش‌های پیش آزمون و مصاحبه عوامل تصحیح و تعدیل شدند. در این پژوهش از ابزار پرسشنامه برای گردآوری داده‌ها استفاده شد. جهت شناسایی عوامل تعیین کننده تداوم خرید از آزمون همبستگی و جهت اولویت بندی آنها از ابزار شبکه‌های عصبی مصنوعی استفاده شد. مرور ادبیات "خرده فروشی" بیانگر آن است که به‌کارگیری این ابزار در این صنعت کاملاً بی‌ سابقه و ابتکاری است. نتایج نشان داد که عوامل کیفیت کالا، قیمت، برنامه‌های وفاداری، تعداد پیشخوان‌های خدمات، کارمندان فروشگاه، برچسب‌های توضیحی قفسه‌ها، تنوع محصولات، امکانات پارکینگ، تحویل درب منزل، برند فروشگاه و جو فروشگاه، تعیین کننده "تداوم خرید مشتریان" در فروشگاه‌های اتکا هستند و همچنین اولویت بندی و میزان تاثیر این عوامل بر تداوم خرید مشتریان به ترتیب ذکر شده است. همچنین وضعیت موجود فروشگاه‌های اتکا از نظر هر یک از عوامل فوق تعیین شد. ضمناً جوان تر‌ها، افراد با تحصیلات بالاتر و افراد با درآمد بالاتر تداوم خرید پایین تری از خود نشان دادند. در نهایت پیشنهادهایی برای افزایش تداوم خرید مشتریان فروشگاه‌های اتکا و همچنین مطالعات آتی ارائه شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Identifying and prioritizing factors that influence reapeted patronage of Etka chain-stores customers: a neural network approach

نویسندگان [English]

  • Behrouz Jahandideh 1
  • Alireza Golmohammadi 2
  • Mostafa Safdari Ranjbar 3
1 Nabi Akram University college
2 University of Akansas
3 Amirkabir University of Technology
چکیده [English]

Nowadays, chain stores are experiencing a severe competitive environment. In such an environment, a growing number of customers are equipped by high volumes of information and are more risk-taking. As they tend to switch their store based on the higher value that they might receive elsewhere, as customers switching behavior has become so commonplace and has become a challenge for retailers. Thus, factors that influence the willingness of customers to repurchase will play a critical role in the performance and success of chain stores. This paper aimed to identify and prioritize the determinative factors that cause customers repeat patronage in Etka chain stores. Factors were extracted based on a thorough literature review and then these factors were modified using pre-test and interview methods. In this study, questionnaires were used for data collection. Respectively, to identify and prioritize determinative factors, correlation analysis and artificial neural networks were used. Results showed that in order of importance, quality, price loyalty program, number of service counters, store staff, shelf labels, product selection, parking facilities, home delivery, store brand, and store atmosphere are factors that determine customers’ repeat patronage of Etka chain stores. Meanwhile, young, educated and wealthy customers showed lower store repeat patronage. Finally, the paper concludes with suggestions for increasing consumer repeat-patronage of Etka chain-stores and directions for future research.

کلیدواژه‌ها [English]

  • repeat patronage
  • Etka chain stores
  • Identifying and prioritizing
  • artificial neural network
1- مقدمه

امروزه فروشگاه­های زنجیره­ای با رقابتی شدید رو به رو هستند. ورود رقبای داخلی و خارجی، افزایش هزینه­های عملیاتی، کاهش حاشیه سود و پیشرفت­ها در زمینه حمل و نقل، ارتباطات و فناوری اطلاعات و ... را می‌توان از نشانه­های این فضای رقابتی دانست. در چنین محیطی تعداد فزاینده­ای از مشتریان به حجم بالایی از اطلاعات مجهز شده و از قدرت پذیرش ریسک بیشتری برخوردار شده اند. آنها بر اساس ارزش بیشتری که جای دیگری کسب می­کنند، مستعد تغییر فروشگاه خود هستند، بطوریکه تعویض فروشگاه از جانب مشتریان به امری عادی و چالشی برای خرده­فروشان بدل شده است (لوی و ویتز، 2004). بنابراین فاکتورهای ایجاد وفاداری در مشتری، حفظ مشتری و تمایل مشتری به خرید دوباره، نقش حیاتی در عملکرد و موفقیت فروشگاه­ها ایفا می­کنند (لهو و همکاران، 2002). مشتریان وفادار نه تنها از درجه بالایی از تداوم خرید برخورداند و افزایش سودآوری را برای فروشگاه به همراه دارند، بلکه آنها همیشه با نگرش مثبتی از فروشگاه یاد خواهند کرد (ری و چیاگوریس، 2009). از این رو خرده­فروشان هزینه­های سنگینی را صرف اجرای استراتژی­های حفظ و نگهداری مشتریان می­کنند که بعضاً هم به دلیل عدم اشراف بر عوامل تعیین­­کننده وفاداری مشتریان، این بودجه­ها صرف جنبه­هایی می­شود که کمترین تاثیر را بر وفاداری مشتریان و افزایش راندمان فروشگاه­ها دارد.

بنابراین سه سوال ذیل فراروی این پژوهش قرار دارد:

1- عوامل تعیین­کننده تداوم خرید مشتریان در فروشگاه‌های زنجیره‌ای اتکا کدامند؟

2- تاثیرگذاری هریک از  این عوامل بر تداوم خرید مشتریان و راندمان شرکت به چه میزان است؟

3- مشخصات جمعیت شناختی مانند جنسیت، سن، درآمد و تحصیلات چه تاثیری بر تداوم خرید مشتریان دارند؟

 

2- مبانی نظری پژوهش

وجود پیشینه پژوهشی قابل اتکا در این زمینه و با مروری بر ادبیات تحقیق و مطالعه 49 تحقیق مرتبط با موضوع، 44 فاکتور یافت شد که محققان از سال 1969 تا 2011 حداقل یک بار تاثیر آن را بر تداوم خرید مشتریان در مجلات معتبر علمی بررسی نموده اند. به علت کثرت فاکتورهای یاد شده در تحقیقات پیشین (44 فاکتور) و انتخاب فاکتورهای تعیین کننده تر، در این تحقیق، با توجه به جداول 1، تعداد 23 فاکتور با فراوانی تکرار (در تحقیقات پیشین) تعدیل شده مناسبی (3n>) در 3 گروه (فروشگاهی، کالا و جمعیت شناختی و فردی) مورد انتخاب قرار گرفتند:

 

 

جدول 1: خلاصه عوامل تعیین کننده پس از تعدیل، مرتب شده بر اساس میزان اهمیت

ردیف

نوع عامل

عوامل

جمع (3n>)

جمع تعدیل شده (3n>)

1

قیمت

کالا

18

28

2

کیفیت کالا

کالا

16

25

3

جو فروشگاه

فروشگاهی

13

23

4

تنوع محصولات

کالا

13

18

5

امکانات پارکینگ

فروشگاهی

7

12

6

مسافت مشتری تا فروشگاه

جمعیت شناختی و فردی

7

12

7

موقعیت مکانی فروشگاه

فروشگاهی

6

11

8

فروشنده

فروشگاهی

6

10

9

درآمد

جمعیت شناختی و فردی

9

10

10

برنامه‌های وفاداری

فروشگاهی

4

8

11

سرعت وارسی

فروشگاهی

5

8

12

ساعات کاری

فروشگاهی

4

7

13

سن

جمعیت شناختی و فردی

6

7

14

عرض راهروها

فروشگاهی

3

6

15

برچسب‌های قفسه‌ها

فروشگاهی

3

6

16

جنسیت

جمعیت شناختی و فردی

5

6

17

ریسک ادراک شده

فروشگاهی

4

5

18

تعداد پیشخوان‌های خدمات

فروشگاهی

2

4

19

تحویل درب منزل

فروشگاهی

2

4

20

آشنایی با فروشگاه

فروشگاهی

2

4

21

پذیرش کارت‌های اعتباری

فروشگاهی

2

4

22

برند کالاها

کالا

2

4

23

تحصیلات

جمعیت شناختی و فردی

4

4

 

 


2-1- فاکتورهای فروشگاهی

2-1-1- جو فروشگاه

بر طبق تئوری استنباط، افراد بر اساس نشانه‌های در دسترسشان در محیط فیزیکی استنباط می‌کنند و آن را معنی دار می‌دانند (هابر و مککن، 1982؛ نیسبت و روز، 1980). در میان آنها می‌توان از موزیک، تراکم جمعیت، دکور، تعداد فروشندگان، چینش، نورپردازی، سر و صدا و علائم نام برد (ری و چیاوگورس، 2009) که بر طبق مطالعات انجام گرفته توسط بیتنر (1992) جو فروشگاه بر پاسخ و رفتار مشتری تاثیرگذار می‌باشد. از آنجایی که این فاکتورهای محسوس (موزیک، چینش، دکور و غیره) تحت کنترل خرده فروش‌ها قرار دارند، بر روی تمایل مشتریان به تداوم خرید تاثیر مستقیم می‌گذارند (ری و چیاوگورس، 2009). از این رو، خرده فروشی‌ها جهت تحقق نیازهای مشتریان (تجربه یک خرید لذت بخش و به یاد ماندنی) به دکورهای دیدنی، چند رسانه ای‌ها و نمایش‌های جذاب و غیره روی آورده اند تا بتوانند خرید را به تجربه‌ای سرگرم کننده تر تبدیل نمایند. اینگونه واکنش‌های عاطفی مثبت، لازمه موفقیت خرده فروشان در ساختن برند و نهایتاً در حفظ مشتریان خود است (کوزینتز و همکاران، 2002). بر طبق یافته‌های پیشین می‌توان بیان نمود که جو فروشگاهی تاثیر مثبتی بر تداوم خرید مشتریان فروشگاه‌ها دارد (مسکویستا و لارا (2007)، چاودهاری و لیگاس (2009)، ری و چیاگوریس (2009) و اسریدهارا و ناگندرا بابو (2010)).

 

2-1-2- فروشندگان

بسیاری از مطالعات، اهمیت جایگاه فروشندگان را در صنعت خرده فروشی (برای مثال، ‌هاوس و همکاران، 1993؛ پن و زینخان، 2006) و تاثیرات ویژگی‌های فروشندگان بر رضایتمندی و تداوم خرید مشتریان را بررسی نموده اند. داریان و همکارانش (2001) دریافتند که پاسخگویی و احترام فروشندگان به دانش مشتریان، از ویژگی‌های مهم فروشندگان است که بر روی تمایلات خرید مشتریان تاثیر می‌گذارند. از این رو می‌توان نتیجه گرفت که ویژگی‌های فروشندگان بر روی کیفیت خدمات تاثیر می‌گذارند و متعاقباً رضایتمندی و تداوم خرید، متاثر از کیفیت خدمات بر مشتریان هستند (بیردن، 1978؛ تلن و وودساید، 1997؛ انسلمسون 2006؛ مسکویستا و لارا، 2007؛ اسریدهارا و ناگندرا بابو، 2010).

 

2-1-3- ریسک ادراک شده

در تحقیقات پیشین ریسک ادراک شده در خرده فروشی به یک پدیده چند وجهی تشبیه شده است که به زیان‌ها و ریسک‌های مختلفی مانند فیزیکی، مالی، روانشناختی، اجتماعی و زمانی/راحتی تقسیم می‌شوند (گوپتا و همکاران (2004). ریسک فروشگاه‌ها به این مقوله باز می‌گردد که فروشگاه مورد انتخاب برای خرید، ممکن است بطور مطلوب عمل نکند، به زبان دیگر، نه تنها حاوی مزایای مورد انتظار نبوده، بلکه حاوی زیان هم است. در بیشتر مواقع مهمترین ریسکی که خریداران، متمایل بر تمرکز بر آن هستند، ریسک مالی است، زیرا به آسانی مورد مقایسه و ارزیابی قرار می‌گیرید. ریسک مالی، نسبت هزینه سفر خرید شخص به منابع مالی او است. هزینه کرد بیش از حد، لازم ریسک مالی است. ریسک فیزیکی به خطرات احتمالی پیرامون سلامتی و ظاهر شخص و انرژی فیزیکی صرف شده او باز می‌گردد. ریسک روانشناختی را می‌توان به دو گروه تقسیم کرد. اول بعد اجتماعی که نتیجه سرافکندگی و از دست دادن عزت اجتماعی در بین دوستان و خانواده است، مانند مقایسه تصویر فروشگاه با تصویری که از شخص خریدار دارند و دوم بعد شخصی، مانند از دست دادن اعتماد به نفس و نا امیدی شخص از خرید از یک فروشگاه که با تصویر شخصی او سازگار نیست و در انتها ریسک زمانی/راحتی به میزان زمان لازم جهت رسیدن و خرید از فروشگاه و یا اصلاح یک خرابی در محصولات اطلاق می‌شود.

در ادبیات موضوع، تعدادی از محققان مانند شیفمن و همکاران (1976)؛ دش و همکاران (1976الف)؛ دش و همکاران (1976ب)؛ ون دن پل و لونس (1996)؛ گوپتا و همکاران (2004)، بر طبق یافته‌های خود رابطه ریسک ادراک شده و تداوم خرید مشتریان را عکس دانسته‌اند.

 

2-1-4- تسهیلات فروشگاهی

راحتی و صرفه جویی زمانی فاکتورهایی هستند که مشتریان در دنیای مدرن به دنبال آن می‌گردند. ادراک مشتریان از میزان راحتی و هزینه زمانی صرف شده، میزان رضایت و وفاداری آنها را تحت تاثیر قرار می‌دهد (بری و همکاران، 2002). امروزه تمام تلاش خرده فروشان برتر جهت حفظ مشتریان و تمایل آنها جهت خرید دوباره، ارائه خدمات در کمترین زمان و با بالاترین میزان راحتی است (بیلن و دمولین، 2007)، که این دو اصل اساسی، توسط تسهیلات فروشگاهی از جمله موقعیت مکانی فروشگاه، امکانات پارکینگ، سرعت وارسی، ساعات کاری، عرض راهروها، برچسب‌های قفسه‌ها، برنامه‌های وفاداری، تعداد پیشخوان‌های خدمات، تحویل درب منزل و پذیرش کارت‌های اعتباری، فراهم می‌شوند. بعنوان مثال مرکزیت فروشگاه می‌تواند با توجه کاهش هزینه‌های سفر و زمانی باعث کاهش هزینه‌های خرید شود و یا استفاده از دستگاه‌های مدرن و تعداد مناسب اپراتورها جهت فرآیند وارسی موجب صرفه جویی زمانی برای مشتریان می‌شود (لمبرت، 1979).

در اینجا به دلیل اهمیت بسیار بالای برنامه‌های وفاداری و تاثیر آن بر موضوع تحقیق، در ذیل جداگانه به آن پرداخته می‌شود.

 

2-1-5- برنامه‌های وفاداری

رایر (1998)، برنامه‌های وفاداری را بصورت "مکانیزمی جهت تعیین و پاداش دهی به مشتریان وفادار" تعریف می‌کند، که اغلب بر اساس میزان خرید مشتری تعیین می‌شود. این برنامه‌ها بعنوان یکی از ابزارهای بازاریابی، می‌بایست به جای پاداش دهی به همه مشتریان، فقط موجب پاداش دهی به مشتریان وفادار و با تداوم خرید بالا شوند (لیو، 2007)، تا در مشتریان انگیزه‌های مادی و غیر مادی و تداوم خرید ایجاد نمایند (استاوس و همکاران، 2005؛ یی و جوون، 2003).

محققان برنامه‌های وفاداری را به دو دسته سخت و نرم تقسیم می‌کنند (کاپیزی و فرگوسون، 2005؛ بارلو، 1996). پاداش‌های سخت، محسوس هستند؛ مانند تخفیف‌ها و هدایا؛ در حالیکه پاداش‌های نرم، ارتباطات، برخوردها و رفتارهای ویژه و امتیازی هستند. پاداش‌های نرم بیشتر بر محور رابطه و احساس بنا شده است که به مشتریان احساس شناخته شدن و برتری نسبت به دیگر مشتریان می‌دهند (بارلو، 1996؛ هریس، 2000). تفاوت دیگر این دو پاداش، تفاوت ماهیتی است که پاداش نرم ذاتاً ارزش پولی ندارد، در صورتیکه پاداش سخت ارزش اقتصادی دارد (هریس، 2000؛ جانسون، 1999). در مقام عمل، محققان استفاده ترکیبی از پاداش‌های نرم و سخت را توصیه می‌کنند. آنها بر این موضوع تاکید دارند که خرده فروشان با استفاده از پاداش سخت، به هر روش ممکن سعی می‌کنند با متمرکز ساختن خریداران به صرف پاداش، آنها را وفادار سازند، درحالیکه پاداش نرم بر برند فروشگاه متمرکز شده و در نهایت تاثیر بیشتری بر ایجاد وفاداری در مشتریان دارد (بارلو، 1996؛ روهم و همکاران، 2002).

بر طبق گفته‌های یاو و همکارانش (2000)، هدف اصلی برنامه‌های وفاداری، تسهیل روابط بلند مدت با مشتریان جهت ایجاد تداوم خرید در آنها می‌باشد. در نتیجه طراحی نظام پاداش دهی مطلوب و خلاق، جهت ایجاد این روابط، امری خطیر است (رولی، 2007). خوشبختانه، امروزه پیشرفت‌های تکنولوژیکی امکان‌های خلاقانه‌ای را برای ثبت رکوردها مشتریان و ایجاد برنامه‌های وفاداری فراهم کرده است (کاپیزی و فرگوسون، 2005).

علیرغم اینکه در بسیاری از فروشگاه‌ها برنامه‌های وفاداری به امری معمول بدل شده است و به شکل‌های مختلفی در خرده فروشی‌ها اجرا می‌شوند (رولی، 2000؛ اسمیت و همکاران، 2004؛ وود، 2003)؛ به آنها انتقادهایی هم وارد شده است (رولی، 2005)، مانند: پیچیده بودن، حیله و ترفندگونگی و موقتی و کوتاه مدت بودن (لیو، 2007). موارد ذکر شده نه تنها باعث افزایش تداوم خرید مشتریان نمی‌شود، بلکه ممکن است تاثیرات منفی نیز در بر داشته باشد، که خرده فروشان باید از آنها دوری نمایند.

در ادبیات تحقیق، تعدادی از محققان مانند استوس و همکاران (2005)، لیو (2007) و مسکویستا و لارا (2007) بر طبق یافته‌های خود رابطه برنامه‌های وفاداری و تداوم خرید مشتریان را مستقیم و مثبتی دانسته‌اند.

 

2-2- فاکتورهای کالا

2-2-1- قیمت

قیمت گذاری امروزه از اهمیت فزاینده‌ای برخوردار شده است، زیرا گزینه‌های متنوعی در بازار در دسترس مشتریان است و همچنین آنها مطلع تر از گذشته به مسائل بازار هستند (الیاوادی و کلر، 2004). کانال‌های خرید به میزان قابل توجهی از نظر سطح عمومی قیمت‌های محصولات متفاوت هستند.

تحقیقات نشان داده است که برداشت مشتریان از قیمت‌های فروشگاه‌ها تاثیر مثبتی بر رضایتمندی، وفاداری و تداوم خرید آنها دارد (الیاوادی و کلر، 2004؛ پن و زینخان2006؛ چاودهاری و لیگاس، 2009؛ اسریدهارا و ناگندرا بابو، 2010). قیمت بالاتر با عنایت به اندازه گیری هزینه‌های بلاواسطه (آنی)،  به کاهش تمایل به خرید منجر می‌شود (دادز و همکاران، 1991؛ والترز و رینه، 1986). قیمت‌های پایین، چه بعنوان ترفیعات قیمتی و چه سطح عمومی قیمت‌ها، می‌تواند باعث افزایش ترافیک و سطح فروش فروشگاه‌ها شود. از طرفی گاهی ممکن است پاسخ مشتریان به قیمت‌های پایین به گونه‌ای دیگر باشد. مشتریان ممکن است برندی با بالاترین قیمت را برای بیشینه کردن کیفیت مورد انتظارشان انتخاب نمایند (تلیس و گیس، 1990). در این حال، اگرچه قیمت ممکن است تاثیر مثبتی بر کیفیت ادراک شده داشته باشد، حاوی تاثیر منفی بر ارزش ادراک شده و تمایل به خرید خواهد داشت (دادز و همکاران، 1991).

 

2-2-2- کیفیت کالا

در بازاریابی، دو استاندارد برای کیفیت کالا موجود است. اولی ذهنی است که توسط مشتری ادراک می‌شود و دومین استاندارد عینی و برونی است که از لحاظ تکنیکی قابل اندازه گیری و تایید است. در ادبیات موضوع تحقیق، کالا تعیین کننده شهرت و مقبولیت خرده فروشی است و بر انتخاب مشتریان تاثیر مستقیم دارد (به عنوان مثال: دارلی و لیم، 1993؛ مسکویستا و لارا، 2007). در مجموع می‌توان گفت، دریافت و ادراک مشتری از کیفیت محصول یک فروشگاه، رابطه مستقیمی با تداوم خرید از آن فروشگاه دارد (مسکویستا و لارا، 2007؛ چاودهاری و لیگاس، 2009؛ ری و چیاگوریس، 2009).

 

2-2-3- تنوع محصولات

تنوع محصولات بصورت "تعداد آیتم‌های مختلف در یک گروه محصول" تعریف می‌شود (استیسن و همکاران، 1999). تنوع محصولات بعنوان یکی از مهمترین عوامل تعیین کننده تداوم خرید خرده فروشی‌ها مورد بررسی قرار گرفته است (مانند: پن و زینخان،2006؛ انسلمسون، 2006؛ اسریدهارا و ناگندرا بابو، 2010). پهنا (تعداد برندها) و عمق (تعداد موجودی کالا) یک محصول عواملی هستند که برای پوشش نیازهای خریداران در فروشگاه‌ها مورد استفاده قرار می‌گیرند (در و همکاران، 2001). نه تنها تنوع بالاتر موجب جذب مشتریان بیشتر می‌شود، بلکه ممکن است باعث تهییج آنها جهت خرید بیشتر شود. تنوع بالای محصولات همچنین باعث کمینه شدن هزینه‌های سفر خرید (مانند زمان و زحمت سفر خرید) و سهولت فعل خرید (افزایش مقایسه‌های در هنگام خرید) می‌شود. به عبارت دیگر، خرده فروشی‌ای که از تنوع بالایی در گروه‌های کالاهای خود برخوردار است، راحتی را در خرید مشتریان افزایش داده است (در و همکاران، 2001). استیسن و همکاران (1999) در مقاله خود نشان داده‌اند که تنوع محصولات در فروشگاه‌ها از اهمیت بالایی (در حد دیگر متغیرهای اساسی مانند قیمت) برخوردار است. در نتیجه می‌توان بیان نمود که تنوع محصولات رابطه مستقیمی با تداوم خرید مشتریان دارد.

 

2-2-4- برند کالاها

برند کالاها در فروشگاه‌ها به دو دسته برندهای خود فروشگاه و برند تولیدکنندگان تقسیم می‌شوند. در آمریکا 50 درصد تولیدکنندگان، کالاهای خود را با برند فروشگاه‌ها تولید و در آنها عرضه می‌کنند تا به این وسیله امکان فروش آن کالا افزایش یابد (گوپتا و همکاران، 2004). از طرفی به طور سنتی، خرده فروشان جهت ایجاد اشتیاق خرید در مشتریان و ایجاد وفاداری در آنها از برندهای مطرح تولیدکنندگان استفاده نموده‌اند (الیاوادی و کلر، 2004). در ادبیات تحقیق خرده فروشی، تعدادی مطالعه پیرامون تاثیر مثبت برند کالاها بر رضایتمندی، وفاداری و تداوم خرید مشتریان انجام شده است و جملگی آن را تایید کرده اند (گوپتا و همکاران، 2004؛ الیاوادی و کلر، 2004).

 

2-3- فاکتورهای فردی و جمعیت شناختی

محققان، تقسیم مشتریان به زیر گروه‌های مختلف بر اساس فاکتورهای جمعیت شناختی و فردی و مشخصه‌های اجتماعی و اقتصادی را در تشریح تصمیمات خرید مشتریان بسیار موثر دانسته‌اند (به عنوان مثال:روی، 1994؛ پن وزینخان، 2006).

 

2-3-1- مسافت مشتری تا فروشگاه

فروشگاه‌ها اغلب در نزدیکی مناطق مسکونی مشتریان واقع نشده اند و مشتریان مسافت‌های گاهاً زیادی را برای رسیدن به آنها طی می‌کنند. امروزه با افزایش رقابت در بازار این دست فروشگاه‌ها، عامل مسافت طی شده توسط مشتری تا فروشگاه مورد نظر، از اهمیت به سزایی در انتخاب فروشگاه و تداوم خرید از آن برخوردار است (انسلمسون، 2006؛ چاودهاری و لیگاس، 2009).

 

2-3-2- جنسیت

یکی از موارد قابل ذکر در مورد تفاوت‌های جنسیتی در خرید این است که در مقایسه با مردان، 67% زنان از خرید لذت می‌برند، در حالی که این آمار برای مردان 37% است (کلین، 1998 ). به طور مشابه، محققان پی برده اند که زنان از مردان تمایل بیشتری به خرید دارند (لوکاس، 1999).  لذا به دلیل تمایل بیشتر، فراوانی خرید زنان از یک فروشگاه بیشتر است (لامپکین و‌هاوس، 1985) و تداوم خرید بیشتری نسبت به مردان دارند.از طرفی، برخی محققان از کاهش تفاوت الگوهای خرید بین زنان و مردان خبر داده‌اند و آن را برگرفته از افزایش تمایل مردان و زنان جهت تجربیات اجتماعی مشترک مانند کار، فعالیت‌های خانه و نگهداری از کودکان دانسته‌اند (روبرتز، 1984؛  لوکاس، 1999). لوکاس (1999)، تفاوت‌های خرید بین زنان خانه دار و شاغل را مورد بررسی قرار داده است. آنها بیان نمودند که در زنان شاغل، عامل فشارهای زمانی، فراوانی خریدها و مدت زمان هر خرید را تحت تاثیر قرار می‌دهد و موجب می‌شود تا رفتار خرید خود را تعدیل نمایند (گلس، 1992). این به آن معنی است که کمتر برای پر کردن اوغات فراغت و تفریح خود به خرید می‌روند و کمتر به دنبال تایید خرید، از همسران و اعضای خانواده خود هستند (گلس، 1992).

 

2-3-3- سن

 لمبرت پندرود و همکارانش (2005) چهار جنبه تئوریک، جهت تشریح تداوم رفتار خرید مشتریان مسن پیشنهاد دادند که عبارتند از: سن زیستی (بیولوژیکی)، تنزل شناختی، ملاحظات احساسی-اجتماعی، و مقابله با تغییر. سن زیستی به این می‌پردازد که کاهش فیزیکی موجب کاهش تعداد خرید این افراد می‌شود که این عامل برای افراد بالای 80 سال که عموماً دارای مشکلات حرکتی هستند، شایع تر است. تنزل شناختی بیان می‌کند که به دلیل کاهش توانایی ارزیابی انتخاب‌های پیچیده و قدرت تحلیل اطلاعات، ارتباطات این مشتریان با خرده فروشی‌های گوناگون کاهش می‌یابد، بنابراین بیشتر محتمل است به برندهایی که از قبل می‌شناسند، وفادار بمانند (گیلی و زیتامل، 1985). سومین جنبه، ملاحظات احساسی-اجتماعی بیان می‌دارد که افراد مسن تاکید بیشتری بر روی احساسات می‌کنند، در نتیجه آنها علاقمندی بیشتری به تجربیات و روابط احساسی دارند. این جنبه، سازگار با یافته‌های شرمن و همکارانش (2001) است که مشتریان مسن، بیشتر به دنبال تجربیات ناملموس هستند تا کالاهای ملموس. همچنین کیم و همکارانش (2005) بیان نمودند که رضایت مشتریان مسن عمدتاً به جنبه‌های تجربی خرید مانند محیط‌های لذت بخش و داشتن تعاملات اجتماعی با پرسنل فروشگاه باز می‌گردد و جنبه آخر "مقابله با تغییر" است که هرچه سن بیشتر باشد این عامل هم افزایش می‌یابد. در نهایت با توجه به جوانب مورد ارزیابی و تحقیقات پیشین (داردن و لامپکین، 1984؛ کورگانکار و همکاران، 1985؛ پن و زینخان، 2006) می‌توان گفت انسان‌های مسن از جوان‌تر‌ها وفادارترند و از یک برند خاص که قبلاً آن را تجربه کرده اند، تداوم خرید بیشتری دارند.

 

2-3-4- درآمد

 محققان رابطه عکسی را مابین درآمد و وفاداری و تداوم خرید مشتریان گزارش نموده‌اند (بعنوان مثال: داریان، 1987؛ روی 1994؛ ایستلیک و همکاران 1998؛ پن و زینخان،2006). منطق این ادعا این است که مشتریان با درآمد بالا نسبت به کم درآمدها، از محدودیت‌های کمتر و فرصت‌های بیشتری برای خرید از فروشگاه‌های متنوع تر برخوردارند (کویل و همکاران، 2007). در مقابل، محدودیت‌های اقتصادی بر خرید کم درآمدها از فروشگاه‌های لوکس تاثیر می‌گذارد. به عبارت دیگر، مشتریان با درآمد بالا از قدرت بالایی برای انتخاب محل و نوع خرید خود برخوردارند، ولی افراد کم درآمد باید در خریدهای خود دقت بیشتری داشته باشند.

2-3-5- تحصیلات

محققان رابطه عکسی را مابین تحصیلات و وفاداری و تداوم خرید مشتریان گزارش نموده‌اند (بعنوان مثال: ایستلیک و همکاران، 1998؛ لامپکین و‌هاوس، 1985). منطق این ادعا این است که مشتریان با تحصیلات بالا آگاهی بیشتری نسبت به گزینه‌های مختلف دارند و نسبت به افراد با تحصیلات پایین، پیش از تصمیم گیری اطلاعات بیشتری را بدست می‌آورند و خریدشان را بر مبنای ارزیابی اطلاعات حاصله قرار می‌دهند (کویل و همکاران، 2007). مشتریان تحصیل کرده با تکیه بر ظرفیت‌های شناختی و اطلاعات در دسترسشان، در مواجهه با انتخاب‌های پیچیده احساس راحتی بیشتری می‌کنند (اسپنس و براکس، 1997). از طرفی عمدتاً افراد با تحصیلات بالا از درآمد بالایی هم برخوردارند که دلیلی منطقی جهت پشتیبانی از رابطه منفی ما بین تحصیلات و وفاداری و تداوم خرید مشتریان است (کویل و همکاران، 2007).

 

2.4. شبکه‌های عصبیمصنوعی: ابزاری جهت پیش­بینی رفتار سیستم­های پیچیده

در برخی مسائل، با وضعیتی روبرو هستیم که درعین­حال که می­دانیم میان چند متغیر مستقل و یک (یا چند) متغیر وابسته روابطی وجود دارد، اما میزان و شدت روابط نامشخص است. به­عبارت دیگر در چنین شرایطی، ضرایب متغیرهای مستقل نامعلوم است. در این حالت روش­های متداول آماری قادر به پیش­بینی مقدار متغیر وابسته برحسب مقادیر متغیرمستقل با دقت مناسب نیستند (راو و علی، 2002؛ گل محمدی و همکاران، 2010)."الگوریتم شبکه­های عصبی مصنوعی" ابزاری است که با الگوگیری از فرایند یادگیری مغز انسان، توانایی حل چنین مسائلی را با دقتی به­مراتب بالاتر از روش­های متداول داراست.

الگوریتم شبکه‌های عصبی را می‌توان مدل‌ مصنوعی ساختار عصبی مغز انسان نامید. مکانیسم فراگیری و آموزش مغز اساساً بر تجربه استوار است. شبکه‌های عصبی مصنوعی بر اساس همین الگو بنا شده‌اند و روش رویارویی آنان با مسائل، با روش‌های محاسباتی معمول، تفاوت دارد. شبکه­های عصبی مصنوعی، اطلاعات را به روشی مشابه با مغز انسان، پردازش می‌کنند. دراین شبکه­ها، تعدادی عناصر پردازشگر (نورون­های مصنوعی) بهم پیوسته، به صورت موازی باهم برای حل مسأله فعالیت می­کنند. قابلیت منحصربه­فرد شبکه­های عصبی مصنوعی آن است که این شبکه­ها با "یادگیری" از رفتار گذشته­ی سیستم (که اطلاعات آن موجود است) می­توانند نوع روابط میان متغیرها را حتی در وضعیت­های بسیار پیچیده، شناسایی نموده و رفتار آینده­ی سیستم را با دقتی مناسب پیش­بینی کنند.

پردازش اطلاعات در مغز انسان در واحدهایی به­نام نورون صورت می­پذیرد. مغز انسان دارای حدود 10 به­توان 10 نورون است و هر نورون به 10 به­توان 4 نورون دیگر متصل است. هر نورون یک واحد پردازشگر است که از سه قسمت اصلی تشکیل شده­است: بدنه(soma) ، دندریت و اکسون. در شکل 1 ساختار یک نورون طبیعی مغز تشریح شده­ است.

 

 

 

 

شکل 1: ساختار یک نورون مغز انسان

 

 

فرایند پردازش در یک نورون طبیعی بدین صورت است که: دندریت­ها (به عنوان مسیرهای ورودی به نرون) علائمی را از سایر عصب­ها دریافت می­نمایند. سپس این علائم در هسته نورون با هم ترکیب می­شوند. اگر مجموع علائم ورودی از حد خاصی فراتر رود، نرون "آتش می­کند" و یک علامت خروجی را به دندریت­های عصب­های مجاور ارسال می‌کند. که این کار از طریق آکسون­ها (مسیرهای خروجی نرون) انجام می­گردد. در هر دندریت یک حفره کوچک به­نام "سیناپس" وجود دارد که با مایعی رسانا پر شده­است. هر علامتی که از نورون­های مجاور به دندریت وارد می­شود، از این حفره عبور می­کند. این حفره بر علائم دریافتی تاثیر گذاشته و آنان را به سوی هسته نورون ارسال می­کند. درواقع آن­چه در سیناپس­ها اتفاق می‌افتد مهم­ترین بخش فعالیت نورون است. چراکه تغییر در میزان مقاومت یا هدایت الکتریکی سیناپس­ها بر خروجی نورون تاثیر می­گذارد و اساساً فرایند یادگیری در نورون­ها در اثر همین فرایند و با اصلاح شدت اتصال یک نورون و نورون دیگر در محل سیناپس­ها اتفاق می­افتد.

قابلیت­های سیستم عصبی مغز انسان در یادگیری و پیش­بینی پژوهشگران را برآن داشت تا با الگو­گیری از این سیستم، شبکه­های عصبی مصنوعی را طراحی نمایند. یک شبکه­ی عصبی مصنوعی، گرافی جهت­دار است که از اجزای پردازشگر متصل­به­هم و ساده­ای به­نام نورون­ مصنوعی (معادل گره­ها در ترسیم شبکه) تشکیل شده ­است. هریک از این نورون­ها یک یا چند مقدار ورودی را دریافت کرده، با تجمیع این مقادیر چندگانه یک مقدار منفرد تولید نموده و نهایتاً این مقدار منفرد را با استفاده از یک "تابع تبدیل" به یک مقدار خروجی تبدیل می­کند. شکل 2 ساختار و فعالیت یک نورون مصنوعی منفرد را به­تصویر می­کشد.

 

 

شکل 2: ساختار و چگونگی عمل یک نورون منفرد

 

 

چنان­که مشاهده می­شود، مجموعه­ای از ورودی­ها (Xi) به نورون وارد می­شوند، که هر ورودی دارای یک وزن مشخص(Wij) است. وزن ورودی معادل "شدت اتصال" در سیناپس­های نورون طبیعی و عامل یادگیری در شبکه است. هر مقدار ورودی در وزنش ضرب ­شده و وارد تابع تجمیع می­شود. درتابع تجمیع، بر روی مقادیر موزون ورودی، جمع جبری اعمال شده و مقداری واحد حاصل می­گردد که این مقدار وارد "تابع تبدیل" می­شود. درواقع خروجی هر نورون (Uj)، مقداری است که از اعمال تابع تبدیل بر خروجی تابع تجمیع حاصل می­شود:

Uj=Fj(ΣwijXi)

تابع تبدیل (Fj) در نورون مصنوعی، می­تواند به اشکال مختلفی چون: توابع خطی، پله­ای، تابع گاوس و... باشد (جیمز و کارول، 2000). یک شبکه­ی عصبی مصنوعی شامل تعدادی از این نورون­های منفرد است که در چند لایه آرایش می­یابند.

یکی از تفاوت­های انواع شبکه­ها، در چگونگی"یادگیری" آنان است. یادگیری فرایندی است که طی آن، چند ورودی واقعی به شبکه معرفی می­شوند و شبکه، وزن­های میان نورون­ها را در لایه­ها چنان تعدیل می­کند که با معرفی ورودی­های مشابه، شبکه خروجی­های درستی تولید کند.

به­صورت معمول یک شبکه­ی عصبی از سه لایه تشکیل شده ­است. نورون­های لایه ­اول (لایه ورودی) معرف مقادیر ورودی به شبکه (متغیرهای مستقل مسأله) هستند. لایه دوم (لایه پنهان) شامل نورون­های پنهان شبکه است که فرایند انتقال اطلاعات (روبه­جلو) و فرایند یادگیری و اصلاح اوزان (روبه­عقب) را در شبکه تسهیل می­کنند و ممکن است باتوجه به شرایط شبکه شامل بیش از یک لایه باشد. نهایتاً لایه خروجی که شامل متغیرهای وابسته مسأله است در انتهای شبکه قرار می­گیرد.

شبکه­های عصبی مصنوعی انواع مختلفی دارند. یکی از موفق­ترین نوع شبکه­ها­ی عصبی طراحی­شده جهت پیش­بینی رفتار سیستم­ها، "شبکه چندلایه پیشخور" است (گور، 1994). شکل 3 یک شبکه عصبی سه­لایه­ای را به تصویر می­کشد.

برای پیش­بینی رفتار یک سیستم با استفاده از شبکه­ی چندلایه­ی پیشخور ، لازم است که مجموعه­ای شامل رفتار گذشته­ی سیستم (شامل مقادیر واقعی متغیر­های مستقل و متغیر(های) وابسته موردنظر طی یک دوره­ی زمانی) دردست باشد. این داده­ها جهت یادگیری شبکه مورد استفاده قرار می­گیرد. فرایند با تخصیص دادن مقادیر اولیه تصادفی به اوزان بین نورون­ها آغاز می‌گردد. سپس یک مجموعه از داده‌های واقعی (رفتار گذشته سیستم) به نورون­های ورودی شبکه معرفی می‌شود. هر نورون شبکه یک جزء پردازشگر است که عملیات تجمیع و تبدیل را انجام می­دهد. شبکه براساس اوزان تخصیص­ یافته، مقدار متغیر(های) وابسته را به‌عنوان خروجی محاسبه می­کند. شبکه مقادیر محاسبه شده با مقادیر واقعی مقایسه کرده و میزان خطا را محاسبه می­کند. سپس برای کاهش دادن میزان خطا، اوزان را اصلاح می­کند. این فرایند تا زمانی که میزان خطا به حد قابل ­قبولی برسد، ادامه می­یابد (راو و علی، 2002). در این هنگام شبکه "آموزش­دیده" است.

 

 

 

شکل 3: ساختار یک شبکه عصبی سه لایه­ای

 

 

به­کارگیری شبکه­های عصبی مصنوعی در زمینه­های علمی مختلف جهت پیش­بینی و طبقه­بندی، نتایج موفقیت­آمیزی در برداشته ­است (گور، 1994؛ جیمز و کارول، 2000). مرور ادبیات "خرده فروشی" بیانگر آن است که به­کارگیری این ابزار در این صنعت کاملاً بی­ سابقه و ابتکاری است. از سوی دیگر چنان­که گفته شد "اولویت بندی عوامل تعیین کننده تداوم خرید مشتریان" عمدتاً کنشی ذهنی است و باتوجه به اینکه شبکه­های عصبی مصنوعی با الهام­گیری از مغز انسان به­وجود آمده­اند، می­توان انتظار داشت که این ابزار در زمینه­ی پیش­بینی میزان تداوم خرید مشتریان قابلیت بالایی از خود نشان دهد.

 

3- روش شناسی پژوهش

برای انجام این پژوهش با توجه به ماهیت و اهداف آن، به منظور شناسایی و اولویت بندی عوامل تعیین کننده تداوم خرید مشتریان فروشگاه‌های زنجیره‌ای اتکا از روش‌های کتابخانه‌ای،کیفی و کمی استفاده شده است. در این زمینه گام‌های زیر طی شده است:

گام اول: مطالعه مفصل ادبیات عوامل موثر بر تداوم خرید مشتریان از فروشگاه‌ها و گردآوری 44 عامل تعیین کننده.

گام دوم: امتیازدهی عوامل بر اساس تکرار در ادبیات موضوع و استخراج 23 عامل تعیین کننده تر.

گام سوم: تدوین پرسشنامه اولیه و اصلاح آن بوسیله بوسیله روش‌های پیش آزمون و مصاحبه.

گام چهارم: تکمیل پرسشنامه‌ها و گردآوری داده‌ها.

گام پنجم: استخراج عوامل تعیین کننده تداوم خرید مشتریان با استفاده از آزمون آماری همبستگی-اسپیرمن.

گام ششم: استخراج عوامل جمعیت شناختی تعیین کننده تداوم خرید مشتریان با استفاده از آزمون آماری همبستگی-اسپیرمن.

گام هفتم: اولویت بندی عوامل تعیین کننده تداوم خرید مشتریان با استفاده از روش تحلیل حساسیت شبکه‌های مصنوعی عصبی

گام هشتم: استخراج وضعیت موجود عوامل تعیین کننده تداوم خرید مشتریان فروشگاه‌های اتکا با استفاده از آزمون تی.

 

3-1- طراحی پرسشنامه

در این پژوهش جهت گردآوری داده‌ها از پرسشنامه استفاده شد. جهت تدوین پرسشنامه با استفاده از عوامل استخراج شده در بخش ادبیات تحقیق، یک پرسشنامه اولیه تدوین شد. این پرسشنامه طی مشورت با صاحب نظران، پیش آزمون نیمه مصاحبه‌ای (Semi-interview) با مشتریان و مصاحبه با مشتریان اصلاح شد. در این مسیر ابتدا پرسشنامه مذکور با 3 نفر از اعضای محترم هیئت علمی و 3 نفر از دست اندرکاران فروشگاه‌ها در میان گذاشته شد. سپس یک پیش آزمون با 52 نفر از مشتریان، در دو فروشگاه اتکا (فروشگاه‌های شهید فکوری و شهید امامی نسب) و با متوسط زمانی 15 دقیقه انجام پذیرفت. مصاحبه بلافاصله بعد از هر پیش آزمون با مشتریانی که تمایل به مصاحبه داشتند، با متوسط زمانی 10 دقیقه انجام شد. در نهایت با 30 نفر مصاحبه صورت گرفت. با توجه به پرسشنامه‌های پر شده و مصاحبه‌های انجام گرفته، دو آیتم "ریسک ادراک شده" و "پذیرش کارت‌های اعتباری" به ترتیب به دلیل نارسایی و فراگیری حذف شد، آیتم "مسافت مشتری تا فروشگاه" به دلیل همپوشانی با آیتم "موقعیت مکانی فروشگاه" خذف شد. آیتم "آشنایی با فروشگاه" به "برند فروشگاه" تغییر یافت و تعدادی عبارت‌های توضیحی به بخش اول و دوم پرسشنامه افزوده شد. ضمناً در انتهای مصاحبه‌ها از مصاحبه شوندگان سوال شد که با توجه به شرایط فروشگاه اتکا آیا عامل دیگری را بر تداوم خریدشان موثر می‌دانند که در پرسشنامه ذکر نشده باشد. در پاسخ به این سوال، 26 نفر بر جامع بودن عوامل تاکید کردند و 4 نفر باقی مانده نیز به عواملی چون شهربازی برای سرگرمی کودکان، فروش اینترنتی و غیره اشاره داشتند که به دلیل اینکه دیگر مصاحبه شوندگان به این عوامل اشاره نکردند، به آنها ترتیب اثر داده نشد.

سپس با توجه به پرسشنامه‌های گردآوری شده در مرحله پیش آزمون و مصاحبه‌های انجام شده، پرسشنامه اصلی تدوین شد. پرسشنامه این پژوهش به سه بخش تقسیم بندی شد. در بخش اول از پاسخگویان خواسته شد تا نظر خود را در مورد وضعیت موجود هریک از عوامل تاثیرگذار بر تداوم خرید مشتریان در فروشگاه‌های اتکا علامت بزنند. جهت سنجش آن، مقیاس 5 رتبه‌ای به شرح ذیل مورد استفاده قرار گرفت: بسیار ضعیف (1)، ضعیف (2)، متوسط (3)، خوب (4) و عالی (5). در بخش دوم از پاسخ دهندگان پرسیده شد که با توجه به شرایط موجود فروشگاه‌های اتکا، در آینده چگونه خرید خواهند کرد. که برای این کار از مقیاس 5 رتبه‌ای به شرح ذیل مورد استفاده قرار گرفت: عدم خرید دوباره (1)، به ندرت (2)، برخی اوقات (3)، بیشتر اوقات (4) و مکرراً (5). در بخش سوم از پاسخ دهندگان خواسته شد تا اطلاعات فردی خود پیرامون جنسیت، سن، شغل، تحصیلات و درآمد را در میان گزینه‌ها علامت بزنند. در این پژوهش، جهت 100 درصد نمودن نرخ پاسخگویی و پایین آوردن تعداد داده‌های گزارش نشده، در تکمیل پرسشنامه‌ها از روش مصاحبه چهره به چهره استفاده شده است. سکاران (2000) از دیگر مزیت‌های مصاحبه‌های چهره به چهره، از رفع مشکلات و سولات احتمالی پاسخگویان توسط پرسشگران و محققان نام می‌برد.

جهت اطمینان از پایایی پرسشنامه این پژوهش آزمون آلفای کرونباخ انجام شد و با توجه به جدول 2 میزان آن 0.936 بدست آمد و با توجه به اینکه از 0.7 بیشتر بود تاییدکننده پایایی پرسشنامه است (هر و همکاران، 2010).

تعداد آیتم‌ها

آلفای کرونباخ

19

0.936

جدول 2: نتایج آزمون پایایی

 

3-2- جامعه و نمونه آماری و جمع آوری داده‌ها

جامعه آماری این پژوهش عبارت است از کلیه فروشگاه‌های اتکا که زیر مجموعه شرکت فروشگاه‌های زنجیره‌ای اتکاست. شرکت فروشگاه‌های زنجیره‌ای اتکا بیش از 440 شعبه در سراسر کشور دارد و یکی از بزرگترین و گسترده‌ترین عاملین فروش و توزیع کالا در ایران به شمار می‌رود. در این پژوهش با توجه به گستردگی قلمرو تحقیق و محدودیت‌های منابع (مالی و زمانی)، تعداد نه فروشگاه در شهرهای تهران، کرج و ورامین بصورت تصادفی جهت گردآوری داده‌ها انتخاب شدند. جمعاً تعداد 508 پرسشنامه در طول دو ماه (روزانه در دو بازه زمانی صبح و عصر) از طریق مصاحبه با مشتریان فروشگاه‌ها (مشتریانی که متمایل به پاسخگویی بودند) و بصورت تصادفی تکمیل شدند. در ابتدای مصاحبه‌ها به مصاحبه شوندگان اطمینان داده شد که پاسخ‌های ایشان کاملاً محرمانه خواهند ماند و جهت اهداف تحقیقاتی بکارگیری خواهند شد.

 

4- تحلیل داده‌ها

4-1- مشخصات جمعیت شناختی نمونه آماری

در جدول 3 مشخصات جمعیت شناختی پاسخ دهندگان پرسشنامه‌ها خلاصه شده است. با توجه به این جدول، اکثریت پاسخ دهندگان زن (62 درصد)، در فاصله سنی 40 تا 60 سال (58 درصد)، با درآمد مابین 000،500 تا 000،000،1 تومان (53 درصد) و دیپلم و زیر دیپلم (72 درصد) بودند.

 

 

 

جدول 3: مشخصات جمعیت شناختی پاسخ دهندگان به پرسشنامه‌ها

عامل

 

فراوانی

درصد

جنسیت

مرد

187

8/36

زن

318

6/62

گزارش نشده

3

6/0

جمع

508

100

سن

کمتر از 25

8

6/1

25 تا 40

97

1/19

40 تا 60

296

3/58

بیشتر از 60

100

7/19

گزارش نشده

7

4/1

جمع

508

100

درآمد ماهانه خانوار

کمتر از 500،000 تومان

99

5/19

500،000 تا 1،000،000

273

7/53

1،000،000 تا 2،000،000 تومان

105

7/20

بیشتر از 2،000،000 تومان

24

7/4

گزارش نشده

7

4/1

جمع

508

100

تحصیلات

زیر دیپلم

135

6/26

دیپلم

233

9/45

فوق دیپلم و لیسانس

113

2/22

فوق لیسانس و بالاتر

22

¾

گزارش نشده

5

0/1

جمع

508

100

 

 


4-2- آزمون همبستگی

جهت استخراج عوامل تعیین کننده تداوم خرید مشتریان از آزمون همبستگی-اسپیرمن استفاده شد. در جدول 4 میزان همبستگی هر یک از عوامل تعیین کننده تداوم خرید مشتریان با تداوم خرید آنها خلاصه شده است. با توجه به این جدول:

مابین عامل تداوم خرید مشتریان و عوامل قیمت کالاها (000/0p= و 832/0=همبستگی)، جو فروشگاه (027/0p= و 098/0=همبستگی)، کارمندان فروشگاه (000/0p= و 703/0=همبستگی)، امکانات پارکینگ (000/0p= و 586/0=همبستگی)، برنامه‌های وفاداری (000/0p= و 789/0=همبستگی)، تعداد پیشخوان‌های خدمات (000/0p= و 776/0=همبستگی)، برچسب‌های توضیحی قفسه‌ها (000/0p= و 655/0=همبستگی)، تحویل درب منزل (000/0p= و 323/0=همبستگی)، برند فروشگاه (000/0p= و 199/0=همبستگی)، کیفیت کالا (000/0p= و 863/0=همبستگی)، تنوع محصولات (000/0p= و 642/0=همبستگی)، سن مشتریان (000/0p= و 742/0=همبستگی)، درآمد مشتریان (000/0p= و 580/0-=همبستگی) و تحصیلات مشتریان (000/0p= و 629/0=همبستگی) همبستگی معنی داری وجود دارد.

مابین عامل تداوم خرید مشتریان و عوامل سرعت صندوق‌ها و چک نهایی (181/0p= و 060/0=همبستگی)، ساعات کاری (120/0p= و 069/0-=همبستگی)، موقعیت مکانی فروشگاه (334/0p= و 043/0-=همبستگی)، عرض راهروها (000/0p= و 655/0=همبستگی)، برند کالاها (101/0p= و 073/0=همبستگی)، جنسیت مشتریان (182/0p= و 060/0-=همبستگی) همبستگی معنی داری وجود ندارد.

 

 

 

 

 

جدول 4: نتایج آزمون همبستگی-اسپیرمن

 

تداوم خرید مشتریان

 

 

تعداد

ضریب همبستگی

p

عوامل

508

000/1

-

تداوم خرید مشتریان

506

832/0

000/0

قیمت

506

098/0

027/0

جو فروشگاه

506

060/0-

181/0

سرعت صندوق‌ها و چک نهایی

507

703/0

000/0

کارمندان فروشگاه

507

069/0-

120/0

ساعات کاری

503

586/0

000/0

امکانات پارکینگ

507

043/0-

334/0

موقعیت مکانی فروشگاه

507

789/0

000/0

برنامه‌های وفاداری

508

776/0

000/0

تعداد پیشخوان‌های خدمات

508

015/0-

740/0

عرض راهروها

504

655/0

000/0

برچسب‌های توضیحی قفسه‌ها

500

323/0

000/0

تحویل درب منزل

507

199/0

000/0

برند فروشگاه

503

863/0

000/0

کیفیت کالا

504

642/0

000/0

تنوع محصولات

508

073/0

101/0

برند کالاها

505

060/0-

182/0

جنسیت

501

742/0

000/0

سن

501

580/0-

000/0

درآمد

503

629/0-

000/0

تحصیلات

 


4-3- طراحی شبکه عصبی مصنوعی

عوامل تعیین کننده تداوم خرید مشتریان، ورودی‌های شبکه عصبی را تشکیل می­دهند و میزان تداوم خرید مشتریان خروجی شبکه عصبی خواهد بود. انتظار داریم شبکه عصبی پژوهش، پس از طراحی و طی "فرایند یادگیری"، این توانایی را داشته ­باشد که با دریافت عوامل تعیین کننده تداوم خرید مشتریان، بعنوان ورودی، توانایی پیش­بینی میزان تداوم خرید مشتریان (به­عنوان خروجی شبکه) را داشته ­باشد.

درمرحله بعد 508 پرسشنامه تکمیل­شده ابتدا بصورت تصادفی نامرتب و سپس به دو دسته تقسیم شد. 358 پرسشنامه برای "آموزش­دادن" شبکه و 150 پرسشنامه هم برای "آزمایش کارایی" شبکه پس از طی فرایند آموزش مورد استفاده قرار گرفت. درصورتی که شبکه عصبی طراحی­شده، کارایی بالایی از خود نشان دهد، بدین معنی است که می­توان از الگوریتم شبکه­های عصبی به­عنوان ابزاری قدرتمند برای پیش‌بینی میزان تداوم خرید مشتریان فروشگاه‌های زنجیره‌ای اتکا بهره گرفت. درصورت تأیید کارایی شبکه، می­توان مهمترین عوامل تعیین کننده تداوم خرید مشتریان را شناسایی نمود. عواملی که بهبود آنان بیشترین تاثیر را در افزایش میزان تداوم خرید مشتریان خواهد داشت.

معماری مناسب شبکه عصبی، عاملی تعیین­کننده در افزایش کارایی و قابلیت پیش­بینی­کنندگی آن است. تعداد لایه‌های شبکه، اوزان شبکه و توابع تبدیل، را می­توان عناصر ساختاری یک شبکه عصبی دانست (راو و علی، 2002). تعیین تعداد لایه­های یک شبکه عصبی (تعداد لایه­های پنهان) و تعداد نورون­های پنهان، از طریق آزمون ­ و خطا صورت می‌پذیرد. در واقع باید با آزمایش سناریوهای مختلف بهترین آرایش لایه­ها را که بهترین جواب را تولید می­کند، شناسایی کرد. البته تجربه به­کارگیری شبکه­های عصبی در موارد مختلف نشان داده است که در بیش از 90% موارد، شبکه عصبی با یک لایه پنهان مطلوب­ترین نتایج را به دنبال داشته­اند (جمیز و کارول، 2000). از سوی دیگر رفتار شبکه تا حد زیادی به نوع "تابع تبدیل" نیز وابسته است. در پژوهش حاضر از تابع زیر بعنوان تابع تبدیل در نورون­های شبکه استفاده می­شود:

f(x)= (1+e-x) -1

علاوه بر موارد فوق، پارامترهای دیگری نیز وجود دارند که بر کیفیت شبکه موثرند. پارامتر مومنتوم جهت جلوگیری از همگرا شدن شبکه به یک نقطه بهینه محلی، مورد استفاده قرار می­گیرد. مقدار این پارامتر در پژوهش حاضر 0.4 درنظر گرفته شد. پارامتر تعیین‌کننده­ دیگر سرعت یادگیری است. این پارامتر سرعتی را که شبکه به یک راه­ حل اولیه می­رسد، تحت­ تاثیر قرار می­دهد. سرعت یادگیری شبکه پژوهش حاضر 0.5 در نظر گرفته شده است.

چنانکه گفته شد، داده­های استخراج­ شده از پرسشنامه‌ها جهت آموزش و آزمایش کارایی شبکه به دو دسته تقسیم شد. شبکه با استفاده از داده­های دسته­ی نخست آموزش می­بیند و داده­های دسته دوم به­عنوان داده‌های جدید، جهت آزمایش توانایی تعمیم شبکه آموزش ­دیده، مورد استفاده قرار می­گیرد. "توانایی تعمیم" مهمترین قابلیت مورد انتظار از یک شبکه عصبی است. بدین­معنی که وقتی شبکه­ با داده­های واقعی به اندازه کافی آموزش دید و به قابلیت پیش­بینی مناسبی دست ­یافت، باید توانایی تعمیم این قابلیت را داشته باشد و بتواند درصورت دریافت داده­های ورودی جدید، خروجی این داده­ها را با دقت مشابهی پیش­بینی کند. این بدان معنی است که جهت دستیابی به شبکه­ای با کارایی بالا، بایستی قابلیت تعمیم آن را بالا برد. البته میزان ارتقای قابلیت تعمیم یک شبکه نامحدود نیست و ممکن است شبکه طراحی شده جهت مسأله­ای خاص اساساً قابلیت ارائه جواب‌های (حتی نسبتاً) دقیق را نداشته ­باشد. بنابر پژوه‌های انجام شده، قابلیت تعمیم یک شبکه،­ به تعداد نورون‌های لایه­ پنهان و تعداد دفعات اجرای فرایند یادگیری شبکه بستگی دارد (راو و علی، 2002؛ لاورنس، 1994). بعنوان مثال چنانچه تعداد نورون‌های پنهان شبکه کمتر از حد لازم باشد، قدرت پردازشگری شبکه کاهش یافته و شبکه قادر نخواهد بود ارتباط متغیرهای ورودی و خروجی مسأله را (با استفاده از داده­های آموزش) درک کند. از آنجا که هیچ فرمول استانداردی برای تعیین تعداد نورون­ها و دفعات تکرار فرایند آموزش وجود ندارد (وانگ و سان، 1996)، معمولاً با استفاده از آزمون ­و خطا تلاش می­شود، مقادیر این دو فاکتور به بهترین شکل تعیین گردند.

جهت شبیه­سازی الگوریتم شبکه عصبی پژوهش از نرم­افزار Neurosolutions 5 استفاده شده ­است. این شبکه سه لایه­ای (یک لایه ورودی، یک لایه پنهان و یک لایه خروجی) شامل 34 نورون در لایه ورودی (عوامل تعیین کننده) و یک نورون خروجی (میزان تداوم خرید مشتریان) خواهد بود. در این مرحله برای تعیین تعداد نورون­های لایه پنهان آزمایش­های متعددی انجام گرفت. بدین­صورت که ابتدا شبکه­های متعددی با تعداد متفاوتی نورون پنهان طراحی شده و با استفاده از داده­های آموزشی، آموزش داده ­شد. سپس با استفاده از "داده­های آزمایش" کارایی هر شبکه برمبنای فاکتور "قدرت پیش­بینی­کنندگی" آزمایش ­گردید. قدرت پیش­بینی­کنندگی معادل درصد خروجی­های صحیحی است که شبکه تولید می­کند. براین­مبنا چندین شبکه با تعداد نورون­های پنهان متفاوت، طراحی و آزمایش گردید. طبیعی است که هر یک از شبکه­ها کارایی متفاوتی از خود نشان دهند. جدول 5 پنج شبکه، که بالاترین کارایی را برمبنای معیار فوق داشته­اند، به­تصویر می­کشد.

چنان­که مشاهده می­شود، شبکه شماره 5 بالاترین کارایی را از خود نشان داده ­است. این شبکه پس از 10000 بار آموزش­دیدن به آن میزان دقتی دست­ یافته است که آن­را "شبکه آموزش­دیده" بنامیم. پس از آموزش دیدن، این شبکه توسط داده‌های آزمایش، آزمایش شده ­است. قابلیت پیش­بینی­گری 99/97% بدان معناست که این شبکه 147 بار از 150 باری که مورد آزمایش قرار گرفته ­است، با دریافت عوامل تعیین کننده تداوم خرید مشتریان هر پرسشنامه به­عنوان ورودی، میزان تداوم خرید مشتریان را به درستی پیش‌بینی نموده است (این شبکه عصبی در شکل 4 تصویر شده است). در نمودار 1 نیز، کارایی شبکه 5 برحسب خطای جذر میانگین مربع‌ها (0201/0) و دفعات اجرای آموزش (10000) نمایان است که در آن خط قرمز بیان کننده خطای داده‌های آموزش و خط آبی رنگ بیان کننده خطای داده‌های تست است. بررسی جدول 5 نشان می­دهد که شبکه­های 1، 2 ،3 و4 کارایی پایین­تری از شبکه 5 داشته­اند (برای جزییات شبکه‌ها با کارایی بالا، به پیوست 10 مراجعه شود). این امر را می­توان به تعداد نورون­های پنهان این شبکه­ها نسبت داد. چنان­که قبلاً گفته شد، نورون­های پنهان یک شبکه عصبی مصنوعی معرف قابلیت پردازش آن شبکه هستند. بنابراین ­کارایی پایین تر شبکه­های 1، 2 ،3 و4 را می­توان به ناکافی بودن قدرت پردازش آنان نسبت داد. عدم کفایت قدرت پردازش سبب می­شود شبکه نتواند با استفاده از داده­های آموزشی، به­طور کامل رابطه میان متغیرهای مستقل و وابسته را شناسایی کند. که این امر به کاهش قدرت پیش­بینی­گری شبکه منجر می­شود (لاورنس، 1994).

 

 

 

 

 

 

 

 

جدول 5: قدرتمندترین شبکه­های عصبی (برمبنای قدرت پیش­بینی) طراحی و آزمایش­شده

شماره شبکه

سرعت یادگیری

پارامتر مومنتوم

تعداد لایه‌های پنهان

تعداد نورون­های پنهان

دفعات اجرای آموزش

درصد پاسخ صحیح (قدرت پیش­بینی)

1

5/0

4/0

1

25

10000

23/96

2

5/0

4/0

1

40

10000

91/95

3

5/0

4/0

1

30

10000

59/96

4

5/0

4/0

1

29

10000

48/96

5

5/0

4/0

1

34

10000

99/97

 

 

 

شکل 4: ساختار تصویری شبکه عصبی پژوهش

 

 

(باتوجه به محدودیت­های گرافیکی، نمایش رابطه تمامی نورون­های لایه ورودی و لایه پنهان مقدور نبود. بنابراین تنها به نمایش رابطه یک نورون ورودی با نورون­های پنهان اکتفا شد. بدیهی است تمامی نورون­های ورودی به­همین شکل با تمامی نورون­های پنهان ارتباط دارند)

 

 

نمودار 1: نمودار کارایی شبکه 5 برحسب خطای جذر میانگین مربع‌ها و دفعات اجرای آموزش

 

 

 

 

 

از سوی دیگر وجود تعداد بیش ­از اندازه نورون­ پنهان، باعث می­شود شبکه ارتباط میان متغیرها را در مجموعه داده­های آزمایشی "حفظ کرده" و بدین ترتیب کارایی کاذبی از خود بروز دهد. هنگامی که چنین شبکه­ای با داده­های جدید آزمایش می­شود، کارایی پایینی خواهد داشت (جمیز و کارول، 2000). این منطق کارایی پایین شبکه شماره2 را توجیه می‌کند.

کارایی بسیار بالای شبکه عصبی شماره 5 (شامل 11 نورون ورودی، 34 نورون پنهان و یک نورون خروجی) نشان از قابلیت بالای شبکه­های عصبی مصنوعی در پیش­بینی میزان تداوم خرید مشتریان فروشگاه‌های اتکا دارد.

 

4-4- اولویت بندی عوامل تعیین کننده میزان تداوم خرید مشتریان

در بخش پیشین شبکه عصبی قدرتمندی برای پیش­بینی میزان تدوام خرید مشتریان فروشگاه‌های اتکا طراحی شد. با توجه به این­که این شبکه کارایی بالای خود را با پیش­بینی صحیح حدود 98% داده­های خروجی اثبات کرد، به نظر می­رسد با استفاده از آن بتوان به تحلیل قابل­اطمینانی از اولویت بندی عوامل تعیین کننده  تدوام خرید مشتریان دست یافت. در این بخش عوامل تعیین کننده میزان تداوم خرید مشتریان با استفاده از تحلیل حساسیت شبکه‌های عصبی رتبه بندی می‌شوند. پیش از این تحلیل حساسیت شبکه‌های عصبی جهت اولویت بندی عوامل، توسط مولفین این مقاله، در زمینه بانکداری (گل محمدی و همکاران، 2010) و گردشگری (گل محمدی و همکاران، 2011) مورد استفاده قرار گرفته است. تحلیل حساسیت شبکه­های عصبی ابزاری است که با استفاده از آن می­توان فهمید که یک یا چند واحد تغییر در متغیر(های) ورودی، متغیر(های) خروجی را به چه میزان تغییر می­دهد و از این طریق می­توان عوامل تعیین کننده تدوام خرید مشتریان را برمبنای اهمیتی که در تدوام خرید مشتریان دارند، رتبه­بندی نمود. برای این منظور، هربار، یکی از متغیرهای ورودی شبکه به میزان 1±  رتبه تغییر داده شد و سایر متغیرها ثابت نگاه داشته ­شدند. شبکه عصبی براساس این تغییر در یک ورودی خاص، میزان جدید خروجی را محاسبه می­کند. سپس میزان تغییر متغیر خروجی محاسبه شد. هرچه میزان حساسیت متغیر خروجی نسبت به تغییرات یک عامل بالاتر باشد، می­توان نتیجه گرفت که میزان تاثیر آن عامل در تداوم خرید مشتریان بالاتر است. برمبنای نتایجی که در جدول 6 خلاصه ­شده ­است، میزان اهمیت هر یک از عوامل بر تداوم خرید مشتریان مشخص شده است.

 

 

جدول 6: خلاصه نتایج حاصل از تحلیل­حساسیت شبکه عصبی (عوامل موثر بر تداوم خرید مشتریان)

ترتیب اهمیت

عوامل

1

کیفیت کالا

2

قیمت

3

برنامه‌های وفاداری

4

تعداد پیشخوان‌های خدمات

5

کارمندان فروشگاه

6

برچسب‌های توضیحی قفسه‌ها

7

تنوع محصولات

8

امکانات پارکینگ

9

تحویل درب منزل

10

برند فروشگاه

11

جو فروشگاه

 


4-5- وضعیت موجود عوامل تعیین کننده تداوم خرید مشتریان فروشگاه‌های اتکا

برای بدست آوردن وضعیت موجود هر یک از عوامل تعیین کننده تداوم خرید مشتریان فروشگاه‌های اتکا، از آزمون تی تک نمونه‌ای استفاده شد (جدول 7).با توجه به مقیاس‌های پرسشنامه تحقیق، در صورتی که میانگین در بازه 1 تا 33/2 قرار بگیرد، عامل از وضعیت نامطلوبی برخوردار است، در صورتی که میانگین در بازه 33/2 تا 66/3 قرار بگیرد، عامل از وضعیت متوسطی برخوردار است و در صورتی که هریک از میانگین‌ها در بازه 66/3 تا 5 قرار بگیرد، عامل از وضعیت مطلوبی برخوردار است.

با توجه به این جدول 7، عوامل جو فروشگاه (72/3)، کارمندان فروشگاه (05/4)، برچسب‌های توضیحی قفسه‌ها (61/3) و کیفیت کالا (87/3) از وضعیت مطلوبی برخوردار بودند. عوامل قیمت (06/3)، جو فروشگاه (72/3)، برنامه‌های وفاداری (84/2)، تعداد پیشخوان‌های خدمات (39/3)، برچسب‌های توضیحی قفسه‌ها (61/3)، برند فروشگاه (05/3) و تنوع محصولات (42/3) از وضعیت متوسطی برخوردار بودند و در انتها عوامل امکانات پارکینگ (04/2) و تحویل درب منزل (27/1) از وضعیت نامطلوبی برخوردار بودند. در اینجا قابل ذکر است که عوامل جو فروشگاهی و برچسب‌های توضیحی قفسه‌ها به دلیل اینکه تفاوت معناداری با سرحد ناحیه متوسط و مطلوب (66/3) نداشتند، در هر دو ناحیه ذکر شده‌اند.


 

جدول 7: نتایج آزمون تی تک نمونه‌ای

عوامل

میانگین

T

P

df

ارزش آزمون

وضعیت موجود

قیمت

06/3

53/13

000/0

505

33/2

متوسط

جو فروشگاه

72/3

42/1

155/0

505

66/3

متوسط-مطلوب

کارمندان فروشگاه

05/4

80/10

000/0

506

66/3

مطلوب

امکانات پارکینگ

04/2

47/5-

000/0

502

33/2

نامطلوب

برنامه‌های وفاداری

84/2

233/12

000/0

506

33/2

متوسط

تعداد پیشخوان‌های خدمات

39/3

50/7-

000/0

507

66/3

متوسط

برچسب‌های توضیحی قفسه‌ها

61/3

59/1-

112/0

503

66/3

متوسط- مطلوب

تحویل درب منزل

27/1

56/53-

000/0

499

33/2

نامطلوب

برند فروشگاه

05/3

01/17-

000/0

506

66/3

متوسط

کیفیت کالا

87/3

31/4

000/0

502

66/3

مطلوب

تنوع محصولات

42/3

29/4-

000/0

503

66/3

متوسط

 

 

 

 

6- نتیجه گیری و پیشنهادات

در جدول 8، عوامل تعیین کننده تداوم خرید مشتریان و وضعیت موجود هر یک از آنها در فروشگاه‌های اتکا خلاصه شده است. عامل اول (مهمترین عامل)، کیفیت کالا شناخته شد که مورد تاکید محققان از جمله مسکویستا و لارا (2007)، چاودهاری و لیگاس (2009) و ری و چیاگوریس (2009) بوده است و از آنجایی که مشتریان سطح کیفیت را مطلوب دانسته اند، حفظ سطح موجود کیفی در کالاها و تلاش برای افزایش آن پیشنهاد می‌شود.

قیمت کالاها، دومین عامل تعیین کننده را تشکیل داد و از آنجایی که وضعیت فعلی قیمت‌ها از سوی پاسخ دهندگان متوسط ارزیابی شد، توصیه می‌شود، با اتخاذ سیاسیت‌های مناسب قیمتی، در راستای رقابتی تر نمودن قیمت‌ها گام‌های اثربخشی برداشته شود. ضمناً یافته‌های این پژوهش در مورد قیمت کالا همراستا با یافته‌های محققانی مانند چاودهاری و لیگاس (2009) و اسریدهارا و ناگندرا بابو (2010) بود.

سومین عامل، برنامه‌های وفاداری بود. با توجه به اینکه مشتریان، سطح برنامه‌های وفاداری فروشگاه‌ها را متوسط ارزیابی نمودند، پیشنهاد می‌شود با استفاده از سیستم‌های جدید ثبت رکورد، اطلاعات خرید مشتریان جمع آوری شود و با طراحی نظام پاداش دهی مطلوب و خلاق (مخلوطی از پاداش‌های سخت و نرم) بتوان میزان تداوم خرید مشتریان را افزایش داد. ضمناً یافته‌های این پژوهش پیرامون برنامه‌های وفاداری، همراستا با یافته‌های استوس و همکاران (2005)، لیو (2007) و مسکویستا و لارا (2007) بود.

چهارمین عامل تعیین کننده، تعداد پیشخوان‌های خدمات را در بر می‌گیرد. جهت هرچه بالاتر بردن سهولت خرید مشتریان، تعبیه تعداد مناسبی پیشخوان‌های خدمات در یک فروشگاه بسیار ضروری به نظر می‌رسد. با توجه به اینکه مشتریان، تعداد پیشخوان‌های خدمات فروشگاه‌ها را متوسط ارزیابی نموده‌اند، افزایش این پیشخوان‌ها ضروری به نظر می‌رسد، که البته اینکه دقیقاً کدام یک از قسمت‌های فروشگاه به پیشخوان‌های بیشتری نیازمند است و به چه شکل و سیستمی، خود پتانسیل پژوهش یا پژوهش‌های دیگر را داراست. ضمناً یافته‌های این پژوهش پیرامون تعداد پیشخوان‌های خدمات، همراستا با یافته‌های میراندا و همکاران (2005)، اسریدهارا و ناگندرا بابو، (2010) بود.

کارمندان فروشگاه در رده پنجم اهمیت قرار دارند. همکاری، احترام و شکل ظاهری پرسنلی که با مشتریان سر و کار دارند، ارتباط مستقیمی با میزان وفاداری و میزان مراجعات بعدی آنها دارد. از آنجایی که مشتریان فروشگاه وضعیت کنونی کارمندان را مطلوب ارزیابی نموده اند، پیشنهاد می‌شود که در حفظ سطح کیفیتی کارمندان تلاش و با استفاده از راهکارهای تدوین برنامه‌های استراتژیک منابع انسانی، انگیزشی (مادی و معنوی)، برگزاری دوره‌های آموزشی و بهبود وضعیت ظاهری آنها در ارتقای سطح کیفی آنها کوشیده شود. ضمناً یافته‌های این تحقیق در مورد فروشندگان فروشگاه‌ها همراستا با یافته‌های بیردن (1978)، تلن و وودساید (1997)، انسلمسون (2006)، مسکویستا و لارا (2007)، اسریدهارا و ناگندرا بابو (2010) بود.

برچسب‌های توضیحی قفسه‌ها در رتبه ششم قرار گرفت. برچسب‌ها از ابعاد گوناگونی مانند محتوای اطلاعاتی و شکل ظاهری برخوردار هستند که از الزامات فروشگاه‌ها به شمار می‌روند. با توجه به اینکه وضعیت کنونی برچسب‌های توضیحی متوسط-مطلوب می‌باشد، لازم است مدیران فروشگاه‌های اتکا، با اتخاذ راهکارهایی اعم از پرداختن هر چه بیشتر به وضعیت گرافیکی و به روز نگه داشتن اطلاعات آنها، باعث افزایش سطح رضایتمندی و تداوم بیشتر مراجعه مشتریان به فروشگاه‌ها شوند. ضمناً یافته‌های این پژوهش پیرامون برچسب‌های قفسه‌ها، همراستا با یافته‌های میراندا و همکاران (2005)، مسکویستا و لارا (2007) و اسریدهارا و ناگندرا بابو (2010) بود.

در رتبه هفتم، عامل تنوع محصولات قرار می‌گیرد. افزایش تعداد برندهای موجود و موجودی آنها در انبارها، موجب سهولت خرید (حتی خرید بیشتر) مشتریان می‌شود و از اهمیت بالایی در تداوم خرید مشتریان برخوردار است. لذا با توجه به وضع متوسط موجود این عامل، توصیه می‌شود با بالا بردن تعداد و تنوع کالاها در هر رسته محصولی و حصول اطمینان بیشتر از میزان موجودی‌های آنها، خریدهای بهتر و بیشتر مشتریان فروشگاه‌ها تسهیل شود. ضمناً یافته‌های این پژوهش پیرامون تنوع محصولات همراستا با یافته‌های محققانی مانند پن و زینخان (2006)، انسلمسون (2006) و اسریدهارا و ناگندرا بابو (2010) بود.

در رتبه بعدی (هشتم)، امکانات پارکینگ قرار دارد. امروزه با توجه به افزایش روز افزون استفاده از اتومبیل شخصی در ایران، عدم دسترسی به پارکینگ یکی از دقدقه‌های افراد است. لذا با توجه به وضع نامطلوب فعلی پارکینگ‌ها در فروشگاه‌های اتکا، پیشنهاد می‌شود تا پارکینگ‌های مناسب و رایگان در اختیار مشتریان قرار گیرد. در ضمن در صورت محدودیت‌های فضایی، می‌توان از پارکینگ‌های مکانیزه بکارگیری نمود. ضمناً یافته‌های این پژوهش پیرامون امکانات پارکینگ فروشگاه‌ها همراستا با یافته‌های بیردن (1977)، تلن و وودساید (1997)، میراندا و همکاران (2005)، پن و زینخان (2006) و اسریدهارا و ناگندرا بابو (2010) بود.

در اولویت نهم، تحویل درب منزل کالاهای خریداری شده قرار گرفت. این عامل جزء تسهیلاتی است که می‌توان به مشتریان ارائه کرد و با توجه میزان استقبال خوب مشتریان از این عامل وضعیت نامطلوب ارائه این خدمت در فروشگاه‌های اتکا، پیشنهاد می‌شود این تسهیلات با برنامه ریزی برای کالاهایی خاص و میزان خریدی خاص ارائه شود. ضمناً یافته‌های این پژوهش پیرامون تحویل درب منزل، همراستا با یافته‌های میراندا و همکاران (2005) و اسریدهارا و ناگندرا بابو (2010) بود.

عامل برند فروشگاه، در رتبه دهم قرار گرفت. برند قوی فروشگاه، با کاهش ریسک تصمیمات خرید مشتریان و مدت زمانی که مشتریان صرف خرید می‌کنند، موجب ایجاد مزیت رقابتی بالایی برای فروشگاه‌ها می‌شود. دو بال برند یکی عملکرد فروشگاه‌ها است و دیگری تبلیغات و روابط عمومی است. با توجه به اینکه عملکرد فروشگاه‌ها در سطرهای فوق مورد بحث قرار گرفت و اینکه مشتریان سطح برند فروشگاه را متوسط ارزیابی نموده‌اند، توصیه می‌شود با استفاده از سیستم‌های یکپارچه تبلیغات و ترفیعات و برنامه‌های روابط عمومی، برند فروشگاه‌های اتکا ترفیع داده شود. ضمناً یافته‌های این پژوهش پیرامون برند فروشگاه، همراستا با یافته‌های چاودهاری و لیگاس (2009) و ری و چیاگوریس، (2009) بود.

در اولویت یازدهم (آخر)، جو فروشگاه قرار گرفت. با توجه به اینکه مشتریان سطح برند فروشگاه را متوسط ارزیابی نموده‌اند، پیشنهاد می‌شود با تجهیز فروشگاه‌ها به دکورهای دیدنی، چند رسانه‌ای‌ها و نورپردازی‌ها و نمایش‌های جذاب و غیره، مدیران فروشگاه‌های زنجیره‌ای اتکا بتوانند خرید را به تجربه‌ای سرگرم کننده‌تر تبدیل نمایند. ضمناً یافته‌های این پژوهش در مورد جو فروشگاه همراستا با یافته‌های محققانی مانند مسکویستا و لارا (2007)، چاودهاری و لیگاس (2009)، ری و چیاگوریس (2009) و اسریدهارا و ناگندرا بابو (2010) بود.

 

 

جدول 8: خلاصه اولویت بندی عوامل تعیین کننده تداوم خرید مشتریان و وضعیت موجود هر یک از آنها

رتبه (اولویت)

عوامل

وضعیت موجود

1

کیفیت کالا

مطلوب

2

قیمت

متوسط

3

برنامه‌های وفاداری

متوسط

4

تعداد پیشخوان‌های خدمات

متوسط

5

کارمندان فروشگاه

مطلوب

6

برچسب‌های توضیحی قفسه‌ها

متوسط- مطلوب

7

تنوع محصولات

متوسط

8

امکانات پارکینگ

نامطلوب

9

تحویل درب منزل

نامطلوب

10

برند فروشگاه

متوسط

11

جو فروشگاه

متوسط-مطلوب

 

 

فاکتورهای جنسیت، سن، درآمد و تحصیلات فاکتورهای جمعیت شناختی بودند که در این تحقیق مورد بررسی قرار گرفتند.

با توجه به یافته‌های این پژوهش تفاوت معناداری میان زنان و مردان و میزان تداوم خرید آنها وجود نداشت. در برنامه‌های بازاریابی که جهت تداوم خرید مشتریان در فروشگاه‌های اتکا، فاکتور جنسیت عامل تعیین کننده‌ای نیست. این یافته همراستا با روبرتز (1984) است که از کاهش تفاوت الگوهای خرید بین زنان و مردان خبر داده‌اند.

برای دومین فاکتور، سن مورد ارزیابی قرار گرفت و مشاهده شد که افراد مسن تر نسبت به افراد جوان‌تر تداوم خرید بالاتری را از خود نشان می‌دادند. این یافته همراستا با لمبرت پندرود و همکارانش (2005) که رابطه مثبتی را مابین سن و میزان تداوم خرید و وفاداری آنها گزارش کرده‌اند و نیز چهار جنبه تئوریک سن زیستی (بیولوژیکی)، تنزل شناختی، ملاحظات احساسی-اجتماعی، و مقابله با تغییر را جهت تشریح تداوم رفتار خرید مشتریان مسن پیشنهاد دادنده‌اند.

درآمد سومین فاکتور جمعیت شناختی بود که مورد بررسی قرار گرفت و رابطه عکسی میان میزان درآمد و میزان تداوم خرید مشتریان یافت شد. این یافته همراستا با گزارشات داریان (1987)، روی (1994) و پن و زینخان (2006) بود که مشتریان با درآمد بالا از قدرت بالایی برای انتخاب محل و نوع خرید خود برخوردارند ولی افراد کم درآمد باید در خریدهای خود دقت بیشتری داشته باشند.

آخرین فاکتور جمعیت شناختی که مورد بررسی قرار گرفت، تحصیلات بود و رابطه عکسی میان میزان تحصیلات و میزان تداوم خرید مشتریان یافت شد. این یافته همراستا با گزارشات ایستلیک و همکاران (1998) و لامپکین و‌هاوس (1985) که این محققان رابطه عکسی را مابین تحصیلات و وفاداری و تداوم خرید مشتریان گزارش نموده اند و دلیل آن را آگاهی و ظرفیت‌های شناختی بیشتر مشتریان با تحصیلات بالا نسبت به گزینه‌های مختلف دانسته‌اند.

بر اساس نتایج حاصل از داده‌های جمعیت شناختی، افراد مسن، با درآمد پایین و با تحصیلات پایین از سطح تداوم خرید بالاتری برخوردارند. لذا مدیریت فروشگاه‌های اتکا می‌تواند با طبقه بندی مشتریان با توجه به ویژگی‌های جمعیت شناختی آنها و طراحی بسته‌های ترفیعی و برنامه‌های بازاریابی خاص هر یک از گروه‌ها (مخصوصاً گروه‌های با تداوم خرید پایین) به بالا بردن وفاداری و تداوم خرید مشتریان بپردازد.

 

7- محدودیت‌ها و پیشنهادات پژوهش‌های آتی

در پژوهش حاضر علارغم پوشش کامل اهداف تحقیق، با توجه به دسترسی‌های محدود به منابع (مالی و زمانی) ، تعدادی محدودیت در آن مشاهده می‌شود. اولین محدودیت مربوط به داده‌هاست. با توجه به اینکه داده‌ها از شهرهای تهران، کرج و ورامین جمع آوری شدند، در نتیجه نمی توان نتایج بدست آمده را به تمام مشتریان فروشگاه‌های اتکا در سراسر کشور تعمیم داد. مطالعات آتی می‌تواند محدودیت ذکر شده را با لحاظ کردن نمونه گیری در سطح وسیع‌تر پوشش دهد. دومین محدودیت در روش شناسی (در بخش اولویت بندی عوامل تعیین کننده تداوم خرید) تحقیق می‌باشد. از آنجایی که رفتار مصرف کننده در ترجیحات مصرفی، فرآیندی ذهنی و ناخودآگاه است (مارتین و موریچ، 2011؛ مولر و همکاران، 2010)؛ لذا پیشنهاد می‌شود در پژوهش‌های آتی جهت بالا بردن اعتبار نتایج، برای مطالعه ترجیحات مصرف کنندگان به جای روش‌های پیمایشی از روش‌های آزمایشی (تجربی) و طراحی سناریوهای متفاوت استفاده شود. سومین محدودیت این پژوهش در بخش ابزارهای مورد استفاده در تحلیل داده‌هاست. از آنجا که در هنگام بکارگیری ابزار شبکه عصبی، پراکندگی داده‌ها می‌تواند بر نتایج تاثیرگذار باشد، لذا استفاده از یک روش ترکیبی، به عنوان مثال استفاده از روش مجموعه‌های ناهمگون (Rough Sets) پیش از بکارگیری شبکه عصبی، می‌تواند (با کاهش پراکندگی داده‌ها و حصول تعداد عوامل کمتر در عین لحاظ کیفیت پیش بینی بالا آنها) منجر به حصول نتایج معتبرتری شود (حسن و همکاران، 2002).

(1) این پژوهش به سفارش و تحت حمایات اداری و معنوی مرکز پژوهش، توسعه و امور نخبگان سازمان اتکا انجام پذیرفته است. 

Ailawadi, K. L. and K. L. Keller (2004). "Understanding retail branding: conceptual insights and research priorities." Journal of Retailing 80(4): 331-342.

Barlow, R. (1996). "Agencies to consumers: Can we relate." Brandweek 37(41): 40-42.

Bearden, W. O., J. E. Teel, et al. (1978). "Media usage, psychographic, and demographic dimensions of retail shoppers." Journal of Retailing 54(1): 65-74.

Bielen, F. and N. Demoulin (2007). "Waiting time influence on the satisfaction-loyalty relationship in services." Managing Service Quality 17(2): 174-193.

Bitner, M. J. (1992). "Servicescapes: the impact of physical surroundings on customers and employees." Journal of Marketing 56(2): 57-71.

Capizzi, M. T. and R. Ferguson (2005). "Loyalty trends for the twenty-first century." Journal of consumer marketing 22(2): 72-80.

Chaudhuri, A. and M. Ligas (2009). "Consequences of value in retail markets." Journal of Retailing 85(3): 406-419.

Cooil, B., T. L. Keiningham, et al. (2007). "A longitudinal analysis of customer satisfaction and share of wallet: Investigating the moderating effect of customer characteristics." Journal of Marketing 71(1): 67-83.

Darden, J. M. and J. R. Lumpkin (1984). "Understanding impacts of demographics " Journal of Marketing Science 6(2): 10-17.

Darian, J. C. (1987). "In-home shopping: Are there consumer segments?" Journal of Retailing 63(2): 163-186.

Darley, W. K. and J. S. Lim (1993). "Store-choice behavior for pre-owned merchandise." Journal of Business Research 27: 17-31.

Dash, J. F., L. G. Schiffman, et al. (1976a). "Information search and store choice." Journal of Advertising Research 16(3): 35-40.

Dash, J. F., L. G. Schiffman, et al. (1976b). "Risk-and personality-related dimensions of store choice." The Journal of Marketing 40(1): 32-39.

Dhar, S. K., S. J. Hoch, et al. (2001). "Effective category management depends on the role of the category." Journal of Retailing 77(2): 165-184.

Dodds, W. B., K. B. Monroe, et al. (1991). "Effects of price, brand, and store information on buyers' product evaluations." Journal of Marketing Research 28(3): 307-319.

Eastlick, M. A., S. L. Lotz, et al. (1998). "Understanding online B-to-C relationships: An integrated model of privacy concerns, trust, and commitment." Journal of Shopping Centre Research 59(8): 877-886.

Gilly, M. C. and V. A. Zeithaml (1985). "The elderly consumer and adoption of technologies." Journal of Consumer Research 12(3): 353-357.

Glass, J. (1992). "Housewives and employed wives: Demographic and attitudinal change, 1972-1986." Journal of Marriage and the Family 54(3): 559-569.

Golmohammadi, A. and Jahandideh, B. (2010). “Prioritizing service quality dimensions: A neural network approach” World Academy of Science, Engineering and Technology 64: 231–236.

Golmohammadi, A., Shams Ghareneh, N., Keramati, A., & Jahandideh, B. (2011(. “Importance analysis of travel attributes using a rough set-based neural network: The case of Iranian tourism industry” Journal of Hospitality and Tourism Technology 2(2): 155–171.

Gorr, W. L. (1994). “Research prospective on neural network forecasting”. International Journal of Forecasting 10:1–4.

Gupta, A., B. Su, et al. (2004). "Risk profile and consumer shopping behavior in electronic and traditional channels." Decision Support Systems 38(3): 347-367.

Hair, J. F. J., Black, W. C., Babin, B. J., and Anderson, R. E. (2010). "Multivariate Data Analysis: A Global Perspective" (7th ed.). USA: Pearson.

Harris, E. (2000). "Recognize, reward, reap the benefits." Sales and Marketing Management 152(9): 109.

Hassan, Y., Tazaki, E., Egawa, S., & Suyama, K. (2002). "Decision making using hybrid rough sets and neural networks." International Journal of neural systems 12(6): 435-446.

Hawes, J. M., C. Rao, et al. (1993). "Retail salesperson attributes and the role of dependability in the selection of durable goods." The Journal of Personal Selling and Sales Management 13(4): 61-71.

Huber, J. and J. McCann (1982). "The impact of inferential beliefs on product evaluations." Journal of Marketing Research 19(3): 324-333.

James, R.C. and E.B. Carol. (2000). “Artificial neural networks in accounting and finance: modeling issues”. International Journal of Intelligent Systems in Accounting, Finance and Management 9:119-144.

Johnson, K. (1999). "Making loyalty programs more rewarding." Direct Marketing 61(11): 24-27.

Kim, Y. K., J. Kang, et al. (2005). "The relationships among family and social interaction, loneliness, mall shopping motivation, and mall spending of older consumers." Psychology and Marketing 22(12): 995-1015.

Klein, M. (1998). "He shops, she shops." American Demographics 20(3): 34-35.

Kozinets, R. V., J. F. Sherry, et al. (2002). "Themed flagship brand stores in the new millennium:: theory, practice, prospects." Journal of Retailing 78(1): 17-29.

Lambert, Z. V. (1979). "An investigation of older consumers’ unmet needs and wants at the retail level." Journal of Retailing 55(4): 35-57.

Lambert-Pandraud, R., G. Laurent, et al. (2005). "Repeat purchasing of new automobiles by older consumers: Empirical evidence and interpretations." Journal of Marketing 69(2): 97-113.

Lawrence, j. (1994). “Introduction to Neural Networks”. Nevada City, CA, California Scientific Software Press.

Lehew, M. L. A., B. Burgess, et al. (2002). "Expanding the loyalty concept to include preference for a shopping mall." The International Review of Retail, Distribution and Consumer Research 12(3): 225-236.

Levy, M., B. A. Weitz, et al. (2004). Retailing management, McGraw-Hill/Irwin New York.

Liu, Y. (2007). "The long-term impact of loyalty programs on consumer purchase behavior and loyalty." Journal of Marketing 71(4): 19-35.

Lucas, J. (1999). "The critical shopping experience." Marketing Management 8(1): 60-62.

Lumpkin, J. R. and J. M. Hawes (1985). "Retailing without stores: An examination of catalog shoppers." Journal of Business Research 13(2): 139-151.

Martin, N., and Morich, K. (2011). "Unconscious mental processes in consumer choice: Toward a new model of consumer behavior." Journal of Brand Management 18(7): 483-505.

Mesquista, J. M. C. and J. E. Lara (2007). "Attributes determining store loyalty: a study of the supermarket sector." Brazilian Business Review 4(3): 218-234.

Mueller, S., Lockshin, L., & Louviere, J. J. (2010). "What you see may not be what you get: Asking consumers what matters may not reflect what they choose." Marketing Letters 21(4): 335-350.

Nevin, J. R. and M. J. Houston (1980). Image as a component of attraction to intraurban shopping areas, Graduate School of Business, University of Wisconsin-Madison.

Pan, Y. and G. M. Zinkhan (2006). "Determinants of retail patronage: a meta-analytical perspective." Journal of Retailing 82(3): 229-243.

Peters, W. H. and N. M. Ford (1972). "A profile of urban in-home shoppers: The other half." The Journal of Marketing 36(1): 62-64.

Rao, C.P. and J. Ali. (2002) “Neural network model for database marketing in the new global economy”. Marketing Intelligence and Planning 20:35-43.

Ray, I. and L. Chiagouris (2009). "Customer retention: Examining the roles of store affect and store loyalty as mediators in the management of retail strategies." Journal of Strategic Marketing 17(1): 1-20.

Rayner, S. (1998). Customer loyalty schemes Effective implementation and management. London.

Roberts, M. L. (1984). "Gender differences and household decision making: needed conceptual and methodological developments." Advances in Consumer Research 11: 276-278.

Roehm, M. L., E. B. Pullins, et al. (2002). "Designing loyalty-building programs for packaged goods brands." Journal of Marketing Research 39(2): 202-213.

Rowley, J. (2000). "Loyalty kiosks: making loyalty cards work." British Food Journal 102(5/6): 390-398.

Rowley, J. (2005). "Building brand webs: Customer relationship management through the Tesco Clubcard loyalty scheme." International Journal of Retail & Distribution Management 33(3): 194-206.

Rowley, J. (2007). "Reconceptualising the strategic role of loyalty schemes." Journal of consumer marketing 24(6): 366-374.

Roy, A. (1994). "Correlates of mall visit frequency." Journal of Retailing 70(2): 139-161.

Schiffman, L. G., S. Schus, et al. (1976). "Risk perception as a determinant of in-home consumption." Journal of the Academy of Marketing Science 4(4): 753-763.

Sekaran, U. (2000). “Research Methods for Business: A Skill Building Approach”. 3rd ed., Wiley, Chichester.

Sherman, E., L. G. Schiffman, et al. (2001). "The influence of gender on the new‐age elderly's consumption orientation." Psychology and Marketing 18(10): 1073-1089.

Smith, A., L. Sparks, et al. (2004). "Delivering customer loyalty schemes in retailing: exploring the employee dimension." International Journal of Retail & Distribution Management 32(4): 190-204.

Spence, M. T. and M. Brucks (1997). "The moderating effects of problem characteristics on experts' and novices' judgments." Journal of Marketing Research 34(2): 233-247.

Stassen, R. E., J. D. Mittelstaedt, et al. (1999). "Assortment overlap: Its effect on shopping patterns in a retail market when the distributions of prices and goods are known." Journal of Retailing 75(3): 371-386.

Stauss, B., M. Schmidt, et al. (2005). "Customer frustration in loyalty programs." International Journal of Service Industry Management 16(3): 229-252.

Tellis, G. J. and G. J. Gaeth (1990). "Best value, price-seeking, and price aversion: the impact of information and learning on consumer choices." The Journal of Marketing 54(2): 34-45.

Thelen, E. M. and A. G. Woodside (1997). "What evokes the brand or store? Consumer research on accessibility theory applied to modeling primary choice." International Journal of Research in Marketing 14(2): 125-145.

Van den Poel, D. and J. Leunis (1996). "Perceived risk and rise reduction strategies in mail-order versus retail store buying." International Review of Retail, Distribution and Consumer Research 6(4): 351-371.

Walters, R. G. and H. J. Rinne (1986). "An empirical investigation into the impact of price promotions on retail store performance." Journal of Retailing 62(3): 237-266.

Wang, Q., & Sun, X. (1996). “Enhanced artificial neural network model for Chinese economic forecasting”. Proceedings of the International Conference on Management Science and the Economic Development of China. 1:30-36.

Wood, A. (2003). "The value of customer and prospect databases as a corporate asset." International Journal of Retail & Distribution Management 31(12): 638-643.

Yau, O. H. M., P. R. McFetridge, et al. (2000). "Is relationship marketing for everyone?" European Journal of Marketing 34(9/10): 1111-1127.

Yi, Y. and H. Jeon (2003). "Effects of loyalty programs on value perception, program loyalty, and brand loyalty." Journal of the Academy of Marketing Science 31(3): 229.