بررسی اثرات تبلیغات دهان‌به‌دهان بر میزان رشد تعداد کاربران بازی‌های موبایلی در ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه علم و صنعت ایران، دانشکده مهندسی پیشرفت، گروه مدیریت علم و فناوری

2 دانشکده پیشرفت دانشگاه علم و صنعت ایران تهران

10.22108/nmrj.2020.119416.1901

چکیده

روند رو به رشد تقاضای بازی‌های رایانه‌ای و به‌ویژه موبایلی، توسعه‌دهنده‌های بسیاری را به تولید و عرضة انواع مختلفی از این بازی‌ها ترغیب کرده است. توسعه‌دهنده‌های بازی، ایده‌های جذاب و مناسبی برای تولید بازی‌های موبایل دارند و اغلب از لحاظ فنی توان تولید آن در کشور وجود دارد؛ اما مشکل اصلی، عرضة محصول و بازاریابی است. این مقاله تأثیر عوامل اصلی تصمیم‌گیری در خصوص بازاریابی بازی‌های موبایلی نظیر سرمایه‌گذاری، کیفیت، تبلیغات دهان‌به‌دهان، رضایت، وفاداری و ترجیحات کاربر را در میزان نصب و سوددهی بازی بررسی و پیش‌بینی می‌کند. مدل‌سازی و شبیه‌سازی با استفاده از روش پویایی‌شناسی سیستم انجام شده و نتایج تحلیل حساسیت حاکی از آن است که سود و نصب فعال بازی موبایلی به‌شدت به سرمایة اولیه، قیمت بازدید، پرداخت درون‌برنامه‌ای و میزان جذب تبلیغات بازی حساس است و حساسیت کمتری به درصد ذخیرة قانونی و ترجیحات مصرف‌کننده دارد. همچنین تبلیغات دهان‌به‌دهان با افزایش آمار نصب بازی و کیفیت با کاهش میزان حذف بازی اثر فزاینده‌ای بر سوددهی بازی می‌گذارند. نتیجة جالب توجه دیگری که از مدل‌سازی حاصل شد این بود که توسعه‌دهندگان بازی در صورت ورود به ژانر پرترجیح، نصب و سوددهی بیشتر کسب نخواهند کرد؛ زیرا رقبای دیگر نیز در آن عرصه وارد شده و سهم بازار بین توسعه‌دهندگان بازار تقسیم می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the Effect of Word of Mouth Advertising on the Growth Rate of the Number of Mobile Game ‎Users in Iran

نویسندگان [English]

  • Mohammadreza Parsanejad 1
  • Mojtaba Khosh Lahjeh Sedgh 2
  • Milad Ganjkhani 2
1 Department of Science and Technology, Faculty of Progress Engineering, Iran University of Science and Technology
2 Progress Engineering faculty of Iranian university of science and technology Tehran
چکیده [English]

The growing demand for computer games, especially mobile games, has encouraged many developers to produce and release a variety of these games. Game developers have attractive ideas for producing a mobile game, and often technically it can be produced in the country, but the main problem is the product delivery and marketing. This paper examines the impact of key decision-making parameters on mobile gaming marketing, such as the investment, quality of word of mouth advertising, satisfaction, loyalty and user preferences, on game installation and profitability. Modeling and simulation were performed using the system dynamics method and the results of sensitivity analysis indicated that the profit and active installation of mobile game is highly sensitive to the initial capital, the view price, the in-app payments and the rate of customer acquisition, and the game’s ad-absorbing rate. It was less sensitive to legal reserve rates and consumer preferences. Also, word of mouth advertising increased the profitability of the game by increasing the game’s installation rate, and the quality by reducing the uninstallation rate. Another interesting result from the modeling was that game developers would not gain more profit if they entered the preferred genre, as other competitors entered the field and the market share was shared among market developers.

کلیدواژه‌ها [English]

  • Word of Mouth Advertising
  • PAD Model
  • Mobile Games
  • Player Preferences.‎

- مقدمه

امروزه بازی‌های رایانه‌ای در ایران رشد چشمگیری داشته‌اند و براساس آمار منتشرشدة بنیاد ملی باز‌ی‌های رایانه‌ای، 88درصد کاربران ایرانی از بازی‌های پلتفرم موبایل استفاده می‌کنند و این بازی‌ها بیش از 28میلیون کاربر دارند (DIREC, 2017)[1]. رشد سریع بازار و امکان ورود و خروج آسان، این صنعت را بسیار رقابتی کرده است؛ بنابراین شرکت‌ها باید به عواملی که در تصمیم مشتریان و نصب اثر می‌گذارند توجه ویژه کنند (رنگرز و کرمی، 1390).

از سوی دیگر یکی از مهم‌ترین چالش‌های بازی‌های موبایلی چرخة عمر کوتاه آنهاست. بنابراین توسعه‌دهندگان بازی قبل از اینکه کاربران علاقة خود را از دست بدهند، باید سریعاً به توسعه، انتشار و بازاریابی آن روی آورند و در مدت زمانی کمتر از یک‌سال به اهداف خود در نصب و سوددهی برسند. در این بین تبلیغات دهان‌به‌دهان[2] (WOM)، راهبرد بازاریابی بسیار قدرتمندی در راستای ترویج سریع و ایجاد محبوبیت بین کاربران است (گادز و مایزلین[3]، 2004). WOM یکی از مؤثرترین نوع تبلیغات برای بازی‌های رایانه‌ای است؛ زیرا هزینة کم و اثربخشی زیادی دارد (بشیرپور، 1396). از  WOMبه‌عنوان فعالیتی که در آن مشتریان اطلاعات بازاریابی مربوط به محصولات و خدمات را به مشتری دیگر منتقل می‌کنند، یاد می‌شود (ابراهیمی و همکاران 1395). WOM هم به‌شکل سنتی و رو‌در‌رو، و هم با ابزار شبکه‌های اجتماعی انجام شده و الگوهای تبلیغاتی در دنیا را متحول کرده است. بازی بعد از ساخت و تست، در فروشگاه‌های نرم‌افزار ‌تلفن ‌همراه همچون بازار، گوگل‌پلی منتشر می‌شود. منظور از نصب بازی، بارگیری و به‌کارگیری نرم‌افزار در تلفن‌ همراه‌ هوشمند است. کامنت یا نظر، نوعی WOM است که کاربران در دنیای مجازی به کار می‌گیرند. این نظرات گاهی به‌صورت ثبت رتبه و گاهی به صورت نظرات مکتوب کوتاه و بلند منتشر می‌شوند. تبلیغات درون‌برنامه‌ای، داخل نرم‌افزار به کاربر نمایش داده شده و به صفحة خاصی هدایت می‌شود. به محض هدایت، مبلّغ از پلتفرم واسط، درآمد کسب‌شده را دریافت می‌کند. تبلیغات برون‌برنامه‌ای، هرگونه پیام تبلیغاتی مستقیم و غیر‌مستقیم است که خارج از نرم‌افزار، به‌صورت فیزیکی یا مجازی انجام شود. طراحان نرم‌افزار معمولاً به جای فروش مستقیم بازی، آن را رایگان عرضه کرده و برای استفاده از آیتم‌ها یا برخی مراحل بازی، پرداخت‌ درون‌برنامه‌ای تعریف می‌کنند؛ این کار احتمال اینکه فرد به نمایش تبلیغات درون برنامه‌ای، توجه کند و به صفحة جذب هدایت شود، درصد جذب کاربر را افزایش می‌دهد.

توسعه‌دهندگان بازی‌ها باید هزینه‌های عملیاتی چون پردازشگر مرکزی را بپردازند. همچنین هزینه‌هایی مثل طراحی‌های گرافیکی، صدا، انیمیشن، برنامه‌نویسی‌ها در جهت بهبود عملکرد و رابط کاربری و... نیز بر کیفیت بازی اثر‌گذار است.

به‌علاوه بازی‌های رایانه‌ای محصولات مبتنی‌بر تجربه هستند و موفقیت آنها تا حد زیادی به احساس و تجربه کاربران نسبت به آنها بستگی دارد. تجربه که عامل مهمی برای سرگرمی کاربر در بازی است، در مطالعات بسیاری پژوهش شده است (کوی و کیم[4]، 2004؛ تاکاتالو[5] و همکاران 2011). مدل PAD (لذت، تحریک و تسلط) برای توضیح این وضعیت احساسی کاربران مناسب است و فرض می‌کند که محرّک‌ها بر این سه احساس اصلی تأثیر می‌گذارند (مهرابیان و راسل[6] ، 1974).

براساس گزارش بنیاد ملی بازی‌های رایانه‌ای تنها 14درصد از 395میلیارد تومان تراکنش مالی مربوط به بازی‌های رایانه‌ای در ایران، مربوط به بازی‌های بومی است (DIRECT، 1396). این بدان معناست که تقاضا برای این بازی‌ها در ایران وجود دارد؛ اما توسعه‌دهندگان داخلی نتوانسته‌اند سهم خود را از این بازار پردرآمد کسب کنند و این به‌نوبة خود باعث خروج ارز از کشور می‌شود. در بررسی بیشتر این خلاء در‌می‌یابیم که توسعه‌دهندگان داخلی در طراحی توسعه و ورود به بازار به‌خوبی عمل نمی‌کند (بشیرپور، 1396). با این نگاه، در این مقاله سعی شده مدلی طراحی شود که توسعه‌دهندگان داخلی با استفاده از آن بتوانند به ارتقای عملکرد خود و افزایش سهم بازی‌های بومی از این بازار دست یابند.

در این مقاله از مفاهیم مدل PAD استفاده شد و لذت از طریق رضایت، تحریک از طریق تبلیغات و تسلط از طریق وفاداری مدل‌سازی شده است که به ایجاد WOM منجر می‌شوند. همچنین با مراجعه به نخبگان و آمارهای منتشرشده، مدل جدید برای بررسی سود‌دهی، پیش‌بینی نصب و کاربران فعال بازی‌های موبایلی ارائه شده ‌است. در بخش بعدی ادبیات پژوهش مرور شده، سپس مدل‌سازی مسئله با سیستم‌های پویا/ دینامیکی[7] انجام شده است و با تحلیلِ حساسیت بر عوامل تأثیرگذار، میزان نصب و سوددهی بازی‌های موبایلی در سناریوهای مختلف تحلیل می‌شود.

2- مرور ادبیات

در این بخش، نخست به مرور و نقد ادبیات پژوهش‌های WOM و تبلیغات دهان‌به‌دهان الکترونیک (eWOM) و پژوهش‌های WOM در ایران می‌پردازیم. پژوهش‌های انجام‌شده با رویکرد سیستم‌های پویا نیز در قسمت پایانی مرور ادبیات بررسی می‌شوند.

1-2-تبلیغات دهان‌به‌دهان

WOM یا توصیة شفاهی به معنای معرفی نام یک محصول یا یک برند از زبان افراد جامعه است (مرچند[8] و همکاران، 2017)؛ همان‌طور که ارسطو تبلیغات دهان به دهان را «مهم‌ترین شاهکار تاریخ زبان‌گفتاری» می‌دانست (تنسن و برد[9]، 1948). آرنت[10] (1967) به نوعی اعتماد اشاره دارد و آن را ارتباطی می‌داند که فرد گیرنده دیگری را فرد تجاری محسوب نمی‌کند.  همان‌گونه که قبل از او الکساندر[11] (1964)، تمایز  WOM را با تبلیغات در فرض مخاطبان در مورد مستقل‌بودن از نفوذ شرکت بیان می‌کند.

کاتلر[12] (1967: 456) در همین زمینه رفتار فرد را متأثر از تبلیغات می‌داند؛ اما توصیة همتایان را پراهمیت‌تر قلمداد می‌کند. این نگرش‌ها موجب شد بعدها واتز، استدلال کند اکثر تغییرات اجتماعی از نفوذگران حاصل نمی‌شود، بلکه به کمک افرادی که به‌راحتی تحت تأثیر قرار می‌گیرند، بر دیگرانی که آنها نیز به‌راحتی تحت تأثیر قرار می‌گیرند، هدایت می‌شود که این اثر WOM را نشان می‌دهد (واتز و دودز[13]، 2007). پس از کاتلر پژوهش‌هایی که بر تبلیغات استوار بود، نقش WOM را پررنگ کرد. شث[14] (1971) نشان داد در آگاهی از یک نوآوری، WOM ازآزمایش محصول مؤثرتر است. همان‌گونه که دی[15] (1971) WOM را 9 بار مؤثرتر از تبلیغات، در تبدیل نگرش‌ها برآورد کرد. مطالعات نشان می‌دهد هزینۀ جذب مشتری جدید، 16برابر حفظ مشتریان فعلی است (ابراهیمی و همکاران، 1395). از دید سیستمی، ولازکوز[16] و همکاران (2015) به ارتباط حذف‌شدة شرکت با مشتری پرداخت و نشان داد در یک خرید پرریسک مشتری به WOM اعتماد می‌کند. چن و یوان[17] (2019) نیز از دید روان‌شناسانه استدلال کردند که تبلیغ‌کنندگان WOM در تلاشند خود را فردی باهوش نشان دهند و در این زمینه اطلاعات را به‌درستی انتقال نمی‌دهند.آنها اثر مضاعف WOM را از نبودِ صحت انتقال اطلاعات می‌دانند.

WOM ابعاد متفاوتی دارد و با مؤلفه‌ها و عوامل مختلفی تبیین می شود. باتل[18] (1998) WOM نشان می‌دهد عوامل درونی با سه عامل لذت، رضایت و نارضایتی در یک فر ایند تصفیه، ادراک را می‌سازند. به‌طور همزمان شبکه‌های اجتماعی، فرهنگ، فضای‌کسب‌و‌کار و انگیزه‌ها عوامل بیرونی را می‌سازند. برگر[19] (2014) نیز 5 عملگر کلیدی برای هدایت WOM به هدف شامل: مدیریت تصفیه، تنظیم احساسات، کسب اطلاعات، پیوند اجتماعی و ترغیب ارائه می‌دهد.

رضایت، اغلب عاملی محوری در بیشتر مدل‌های مرتبط با WOM ارائه می‌شود؛ برای مثال، سن‌مارتین[20]‌و‌ همکاران (2015) نشان دادند که سرگرمی و الگوی ذهنی تأثیر عمیقی بر WOM از طریق رضایت کاربر دارد. دوآرت[21] و همکاران(2018) معتقدند رضایت کاربر از طریق دیدگاه‌ها و تجربة خرید آنلاین بر WOM مثبت مؤثر است. کسدی و ویمر[22] (2017) نیز معتقدند اعتبار نام تجاری بر WOM تأثیر مثبت دارد و با رضایت و وفاداری در ارتباط است. به‌علاوه ثابت شده ‌است که هرچقدر رضایتمندی از محصول بیشتر و مستمرتر باشد، احتمال طولانی‌تر شدن زنجیرة تبلیغات دهان‌به‌دهان بیشتر می‌شود (بشیرپور، 1396).

2-2- تبلیغات دهان‌به‌دهان الکترونیک

تبلیغات دهان‌به‌دهان الکترونیک (eWOM) هرگونه پیام مثبت یا منفی است که مشتریان بالقوه، واقعی و قدیمی در مورد یک محصول یا شرکت از طریق اینترنت ایجاد کرده‌اند (هنیگ-تورائو[23] و همکاران، 2004). eWOM در شبکه‌های پیچیدة کامپیوتری رخ می‌دهد؛ در حالی‌که WOM به‌طور سنتی، چهره به چهره انجام می‌شود. بنت[24] (2013) گزارش می‌دهد حدود 93درصد شرکت‌های جهان از این نوع ابزارها در فرایند برقراری ارتباط با مشتریان استفاده کرده‌اند. سازوکار بازخورد آنلاین، که به عنوان «سیستم‌های شهرت» شناخته می‌شود (رسنیک[25] و همکاران 2000)، از قابلیت‌های ارتباطی دوطرفة اینترنت استفاده می‌کند تا شبکه‌ای مصنوعی و بزرگ از WOM را ایجاد کند. در این سیستم‌ها افراد، نظرات و تجربیات خود را در مورد گسترة وسیعی از موضوعات ازجمله شرکت‌ها، محصولات، خدمات و حتی رویدادهای جهانی به اشتراک می‌گذارند. سازوکار بازخوردِ برخط، رفتار یک معامله‌گر را به‌طور عمومی روشن می‌کند و ممکن است بر رفتار کلی جامعه در آینده تأثیر بگذارد (دلاروکاس[26]، 2003). بررسی نظر سایر خریداران (مثلاً از طریق: وبلاگ‌ها و وب‌سایت‌ها) در یک فروشگاه برخط یکی از رایج‌ترین انواع WOM است. مطالعات نشان‌دهندة روند فزایندة eWOM دارد (ونگ و شنگ[27]، 2012). در این زمینه ساکسنا و خانا[28](2013) رسانه‌های اجتماعی را سازوکاری مؤثر بر جنبه‌های مربوط به مشارکت مشتریان، مدیریت به حساب  می‌آورند.

فیلو[29] و همکاران (2015) گفته‌اند تسهیل تعامل، امکان توسعه و اشتراک‌گذاری محتوای تولیدی کاربران را فراهم می‌آورد. 92درصد از مطالعات گزارش داده‌اند، پلتفرم رسانه‌های اجتماعی بر شیوع WOM اثر دارند (هادسون[30] و همکاران، 2015 و پاریانکا[31]، 2013). البته این بدان معنا نیست که روش سنتی کنار گذاشته شود؛ همان‌گونه که کالتر و روگوین[32](2012) تأکید کردند روش سنتی WOM هنوز می‌تواند تأثیر حیاتی خود را از eWOM حفظ کند. چو و کیم[33] (2011) نقش اعتماد و تأثیر هنجاری در تعامل مشتریان eWOM را نشان دادند؛ درحالی‌که ارتباط مثبت بین استفاده از اینترنت و قصد انتشار WOM را کاسالو[34] و همکاران(2010) نشان دادند.‌

پژوهشی در تایوان نشان داد WOM می‌تواند موجب افزایش دیده‌شدن نرم‌افزارهای تلفن همراه و افزایش میزان دانلود کاربران و قصد خرید آنها شود (هوآنگ و هسیانگ تینگ[35]، 2012). وانگ[36] و همکاران (2018) نیز نشان دادند eWOM ضعیف، نقش تعدیل‌کننده داشته و تأثیر مثبتی بر رابطة ارزش درک‌شده از محصول با تصمیم مصرف‌کننده برای خرید دارد، درحالی‌که بر رابطة eWOM قوی با تصمیم مصرف‌کننده برای خرید اثر منفی می‌گذارد.

بنابراین جوامع برخط، مرجعی برای ارزیابی کیفیت اطلاعات هستند و نتایج متعددی نشان داده‌اند احساسی که نسبت به جامعة مجازی وجود دارد، تأثیر نظرات آنلاین بر روی انتخاب محصول را تقویت می‌کند (هوانگ[37] و همکاران، 2012).

3-2- تبلیغات دهان به دهان در ایران

 در ایران نیز کمتر به احساسات کاربر در رابطه با WOM پرداخته شده است. مهراد و محمدی[38] (2017) WOM را مؤثر بر نگرش مثبت کاربران ارزیابی کردند. حاجی حیدری و اشکانی[39] (2018) نیز در بررسی رفتار مصرف‌کنندگان نرم‌افزارهای موبایلی در ایران از WOM به عنوان قصد توصیه یاد می‌کنند و مدلی یکپارچه از متغیرهای تأثیرگذار ارائه دادند.

رنگرز و کرمی (1390) نشان دادند رضایت مشتریان از بانکداری اینترنتی به‌طور مستقیم بر وفاداری و WOM اثرگذار است. همین‌طور توکل و همکاران (1393) نیز نشان دادند رابطة‌ معنی‌داری بین عوامل مؤثر بر پذیرش بانکداری الکترونیکی (دسترسی مناسب وآسان، امنیت و محرمانه-بودن، محتوا و طرح، سرعت) و WOM با‌توجه‌به نقش واسطه‌ای رضایت و وفاداری مشتریان وجود دارد.

دهدشتی و شاهرخی (1394) نیز تأثیر راحتی استفاده از خدمات بر WOM و قصد خرید مجدد را بررسی کرده و با مراجعه به 196 نفر از مشتریان ایرانسل، رابطة بین راحتی استفاده از خدمات با رضایت، قصد خرید مجدد و WOM را تأیید کردند. این در حالی است که ابراهیمی و همکاران (1395) نشان دادند شاخص اعتماد، تأثیر مثبت و معناداری بر قصد خرید مشتریان و WOM دارد و WOM اثر تعدیل‌کننده بر قصد خرید مشتریان می‌گذارد.

بشیرپور (1396) نیز عوامل مؤثر بر WOM بازی‌های دیجیتال را شناسایی و رتبه‌بندی کرد. 5 عاملِ محتوای پیام، رضایتمندی، شخصیت توصیه‌کننده، نگرش‌های فردی و ارتباطات تعاملی بررسی شد و درنهایت توصیه شد که باید در افراد با استفاده از انواع تبلیغات نگرش‌های مثبتی دربارة بازی‌ها ایجاد کرد، برای WOM باید تعامل اثربخشی با مخاطب داشت و باید از افراد معتبر در جامعه برای WOM کمک گرفت، محتوای پیام باید غنی باشد و درنهایت باید برای رضایتمندی مشتریان برنامه‌ریزی و تلاش کرد.

در پژوهش‌های ذکرشده از احساسات کاربر به عنوان عامل شکل‌گیری WOM یاد شده ‌است؛ اما واکاوی نقش آن در تشکیل WOM و به اثرگذاری احساسات در کاربران بازی‌های موبایلی کمتر توجه شده است. WOM علاوه بر عوامل بررسی‌شده در تحقیقات گذشته، زمانی رخ می‌دهد که فرد از نظر احساسی تحت تأثیر بازی قرار گیرد.

علاوه بر این با‌توجه‌به بررسی‌های صورت‌گرفته، مطالعه‌ای برای بررسی کل فر ایند طراحی، توسعه و فراگیرسازی بازی‌های موبایلی با بهره‌گیری از مفهوم WOM و با استفاده از سیستم دینامیک در ایران انجام نگرفته است.

4-2- مدل‌سازی WOM

عوامل متعددی تعیین‌کنندة رشد و زوال انتشار بازی‌های تلفن هستند. این بازی‌ها دارای یک چرخة عمر کوتاهند که در آن احتمال رشد بازی پس از انتشار آن کاهش می‌یابد و احتمال زوال بازی پس از رسیدن به نقطة اوج افزایش می‌یابد و سقوط بازی آغاز می‌شود (یی[40] و همکاران، 2017). هریس[41] و همکاران (2016) عوامل مؤثر بر مصرف‌کننده قبل از نصب نرم‌افزار موبایل را بررسی کرده و نشان دادند مصرف‌کنندگانی که امنیت بیشتری درک می‌کنند، اعتماد بیشتر و ریسک ادراک‌شدة  کمتری دارند. پاپاس[42] و همکاران (2018)، ده راه‌حل برای افزایش قصد دانلود بازی‌های موبایل ارائه کردند و نقش قیمت و کیفیت بازی و احساس مثبت نسبت به بازی را عوامل اصلی دانسته‌اند.

تجربة بازیکنان از طریق لذت از بازی، تحریک‌کنندگی خود بازی و تسلط بر بازی به WOM منجر می‌شود. با استفاده از داده‌های بازیکنان بازی‌های برخط (آنلاین) مشخص شد سه نوع تجربه، یعنی عملکردی، افسانه‌ای و اجتماعی، بر WOM تأثیر دارد و تجربة کاربر با استفاده از لذت، تحریک و تسلط به WOM منجر می‌شود و به‌شدّت بر قصد کاربر برای گسترش WOM تأثیر می‌گذارد (هوانگ[43] و همکاران، 2017).

هشیه[44] و همکاران (2014) از مدل PAD برای بررسی پاسخ مصرف‌کننده به فضای وب استفاده کرده و دریافتند لذت، تحریک و تسلط بر قصد خرید اثر متناسب دارد. ونسنبیک[45] و همکاران (2016) نیز مدلی براساس ابعاد PAD ارائه دادند که نشان داد دانش محرّک تحت تأثیر جریان بازی است که آن‌هم تحت تأثیر احساسات (یعنی لذت، تحریک و تسلط) فرد است. در مدل‌سازی دیگری ورکیجیکا[46] و همکاران (2019) لذت، تحریک و تسلط را بر رضایت و WOM مؤثر دانسته شده است و ضرایبی را برای نرم‌افزارهای موبایلی تخمین زدند. آنها عواملی همچون تحریک‌شدن، رضایت و سادگی را مستقیماً بر WOM مؤثر دانستند. عواملی چون راحتی استفاده و سلطه نیز با تأثیرگذاری کم بر WOM معرفی شدند.

همان‌طور که اشاره شد، WOM بیشتر در قالب عوامل ایستای مؤثر بر آن بررسی شده است. جنبه‌های احساسی WOM و همچنین سیستمی‌بودن فرایند WOM  از نکاتی است که کمتر بدان‌ها توجه شده است. همان‌گونه که مشهود است WOM را نمی‌توان بدون در ‌نظر‌ گرفتن احساسی‌بودن آن تحلیل کرد. مدلPAD  به این جنبه از WOM پرداخته و معتقد است چنانچه فرد به لذت دلخواهش برسد و برانگیخته شود، به WOM  اقدام خواهد کرد.

WOM پاسخی احساسی است و سایر عوامل نیز در زمان تغییر می کنند. استفاده از این رویکرد ضروری است که برهم‌کنش متغیرها را به‌صورت نظام‌مند بررسی کند و همزمان تغییرات زمانی را نیز نشان دهد. این موضوع در بازی‌های موبایلی که چرخة عمر کوتاهی دارند و مکرراً بازبینی می‌شوند، اهمیت بیشتری دارد. روش سیستم‌های پویا این مزیت را دارد و می‌تواند برای تصمیم‌گیران اطلاعات مفیدی به‌منظور برنامه‌ریزی‌، آینده‌نگری و همچنین تحلیل حساسیت‌ها ارائه کند.

 

شکل 1 : مدل PAD (هوانگ و همکاران، 2017)

 

5-2- مدلسازی‌های سیستم دینامیک WOM

یون[47] و همکاران (2006) انتظارات و رضایت مصرف‌کننده را بررسی کرده و در مدل‌سازی به نتایج زیر رسیده‌اند: (1) احتمال استفاده از فناوری جدید به تجربه‌ای کاربران موجود بستگی دارد (2) ارائه‌دهندگان ممکن است وسوسه شوند محصول را برای کوتاه‌مدت عرضه کنند. (3) مشتریان متقاعدشدة ناشی از «عادت به خرید» اغلب از تجربیاتشان ناراضی‌اند و برای انتشار در بلندمدت اثر منفی دارد.

 

شکل 2 : اثر WOM بر فروش (یون و همکاران، 2006)

ونگ و شنگ (2016) مراحل پژوهش و توسعه، رشد، بلوغ و انحلال را بررسی و رفتار دو عطفی تقاضا و روند نزولی خریداران در فروشگاه‌های آنلاین را مطابق شکل 4 شناسایی کرده‌اند.

 

شکل 3 : مدل تبلیغات WOM ( ونگ و شنگ، 2016)

 

شکل 4 : تقاضا و خرید (ونگ و شنگ، 2016)

اگرچه اعتقاد بر این است که احساسات بر رفتارهای مصرف‌کننده تأثیر می‌گذارند، تعداد کمی از مطالعات تأثیر تجربة کاربر را بر WOM بازی رایانه‌ای بررسی کرده‌اند. با توجه به اهمیت نقش WOM در انتشار و نصب بازی‌های آنلاین، کمبودِ پژوهش در این زمینه بسیار شگفت‌آور است. با استفاده از مدل PAD، اثرات تجربه کاربر ناشی از حالت شناور[48] را در WOM و سپس نقش WOM را در انتشار و نصب بازی بررسی کرده‌ایم.

 

3- روش پژوهش

ازآنجاکه طراحی، توسعه، بازاریابی و کسب درآمد در بازی‌های موبایلی شامل تعداد بسیار زیادی از عوامل است، در این پژوهش از روش پویایی‌های سیستم برای مدل‌سازی تحلیل و بررسی به عنوان روش پژوهش استفاده کرده‌ایم. اهمیت استفاده از این روش وقتی بیشتر نمایان می‌شود که عوامل فوق نه‌تنها از نظر تعداد زیاد هستند، ارتباطات درونی آنها هم بر پیچیدگی مسئله می‌افزاید. علاوه بر این تغییر مقادیر این عوامل در طول زمان مسئله را از حالت ایستا خارج می‌کند و ما با یک مسئلة پویا مواجه هستیم که پیچیدگی مسئله بسیار بیشتر می‌شود. در این‌گونه مواقع روش پویایی‌های سیستم برای بررسی و تحلیل مسئله بسیار مفید و کاراست.

4- مدل‌سازی

مدل‌سازی این پژوهش در چهار مرحلة زیر انجام شده ‌است: مطالعة کتابخانه‌ای و مراجعه به نخبگان برای استخراج پارامترهای اساسی مدل، طراحی ‌مدل‌ پویایی‌های ‌سیستم، شبیه‌سازی و اعتبار سنجی و تجزیه و تحلیل سناریوها. متغیر‌های ‌به‌کار‌رفته ‌در‌ این ‌مدل‌در ‌جدول ‌(1) آمده است.

جدول (1) : متغیرهای مدلسازی

نام متغیر

نام لاتین

درآمد

Income

ارزش حساب جاری

Account Value

نرخ سود سرمایه

Profit Rate

سود سرمایه

Profit

هزینه‌های عملیاتی

Operating Expenses

سرمایه‌گذاری تبلیغاتی

Advertisement

سرمایه‌گذاری کیفیت

Quality cost

نرخ ذخیرة قانونی

Legal reserve rate

حداکثر نصب ممکن

Advertisement CC

سرمایة اولیه

Initial Investment

بازدی د

View

هزینه هر تبلیغ

View Cost

تبلیغات دهان به دهان

WOM

ترجیحات کاربران نسبت به بازی

Preference

رقابت

competition

دسترسی به اینترنت

Accessibility

جذابیت بازی

Attractiveness

نرخ نصب بازی

Installing

وفاداری

Loyalty

رضایت و لذت کاربر

Satisfaction

کیفیت بازی

Quality

سهم از حساب‌جاری‌در کیفیت

Quality Portion

هزینه بهترین کیفیت

Cost of Best Quality

حداکثر کیفیت

Quality CC

حداکثر نصب

Install CC

نصب فعال

Install

حذف بازی

Uninstall

حداکثر زمان جذابیت

Dead Time

پرداخت درون برنامه‌ای

Internal Payment

تبلیغات درون برنامه‌ای

In App Advertisement

نرخ جذب کاربران به تبلیغات

Ability of Absorb

عمده عوامل اثر‌گذار بر WOM بنابر مدل PAD بر سه بُعد لذت، تحریک و تسلط بنا شده‌ است. ازآنجا‌که لذت حالت روحی در گستره‌ای از درد شدید تا خوشحالی و شعف فراوان، طیف وسیعی را شامل می‌شود، تمامی لذت را می‌توان در رضایت دید. تحریک نیز درجه‌ای از هوشیاری و هیجان است؛ بنابراین تحریک در تبلیغات (تبلیغاتِ دیده‌شده) منعکس شده است. همچنین حالتی که فرد احساس کند خودش کنترل می‌کند اما تحت کنترل نیست، تسلط نام دارد که در وفاداری (چسبندگی بازیکن به بازی) لحاظ شده است (مهرابیان و راسل ، 1974). با فرض رایگان بودن بازی و از محل پرداخت‌های درون‌برنامه‌ای و تبلیغات داخل بازی، کسب درآمد می‌کند. کاربر بابت استفاده از امکانات بیشتر بازی باید مبلغی را پرداخت کند و نیز سایر شرکت‌ها که قصد تبلیغ در بازی‌ را دارند، با پرداخت مبلغی به ازای هر کلیک، برای خود بازدید مؤثر می‌خرند.

باتوجه‌به آمار منتشرشدة DIRECT در سال 1396، 24میلیون و 640هزار نفر از بازی‌های موبایل استفاده کرده و از مجموع 1/395میلیارد تومان، حجم بازار ایران تنها 0.14 سهم بازی‌های بومی است. با تقسیم سهم بازی‌های بومی بر تعداد کاربران به رقم 2245 تومان در سال می‌رسیم که مبلغی است که به‌طور متوسط انتظار داریم از هر نصب در بلندمدت به دست آید.

تبلیغات و خرید درون برنامه‌ای دو درآمد بازی‌های موبایلی است که فرمول آنها به شکل زیر است:

In App Advertisment= View Cost*0.6*Ability to Absorb*Install

In App Payment=(Install*2245/12)

Income=In App Payment+In App Advertisment

تبلیغات درون سایر بازی‌ها به‌صورت مزایده‌ای و با قیمت پایة 100تومان انجام می‌شود (Clickyab.com, 2018) و اگر یک بازی شبکة گسترده‌تری داشته باشد یا در طراحی خود میزان جذب کلیک برای تبلیغات را بهتر سازد، قیمت بازدید بیشتر می‌شود (Tapsell.ir, 2017). این مسئله درآمد تبلیغات درون‌برنامه‌ای بازی را بیشتر می‌کند. البته معمولاً واسطه‌های تبلیغاتی 40درصد مبلغ مذکور را به نفع خود کسر می‌کنند. بنابراین درآمد تبلیغات درون‌برنامه‌ای، تنها 60درصد این مبلغ و به شرط نرخ جذب (وابسته به طراحی بازی) است. همچنین با مراجعه به خبرگان قیمت بازدید (View) از 150 تا 400تومان در تحلیل حساسیت در نظر گرفته شده ‌است.

درآمد با شرایط زیر در حساب جاری وارد می‌شود:

سرمایة ‌اولیه (Initial Investment) تزریق می‌شود. درصدی از سرمایه برای ذخیرة قانونی و سرمایة در گردش (Legal Reserve Rate) نگه داشته می‌شود. سهمی برای افزایش کیفیت برداشت (Quality Cost) می‌شود. سهمی برای هزینه‌های عملیاتی (Operating Expenses) ازجمله هزینه‌های سرور، اجاره، بیمه و... کسر می‌شود. (با نظرسنجی از خبرگان هر نصب به طور‌متوسط 10تومان هزینة عملیاتی دارد؛ یعنی 1میلیون نصب، 10میلیون تومان هزینه دارد). هزینه‌های تبلیغاتی (Advertisement) کسر می‌شود. سهم سود سرمایه (Profit Rate) کسر می‌شود.

Initial Investment= 50~500

Legal Reserve Rate=0.2~0.3

Quality cost= Account Value*Quality Portion

Operating Expenses= Install*10

Advertisment= ((1-Quality Portion-Legal Reserve Rate)*Account Value)*((Advertisment CC-Install) /Advertisment CC)

Profit Rate=DELAY1(0.2*Account Value,1)

درنهایت مقدار ارزش حساب جاری برابر است با :

Account Value=Income-Advertisment- Operating Expenses -Profit Rate-Quality cost

کیفیت موجب افزایش رضایت و کاهش حذف بازی می‌شود؛ اما رسیدن به کیفیت برتر هزینة زیادی دارد. با مراجعه به خبرگان این هزینه حداقل 350میلیون تومان برآورد شد. با افزایش کیفیت، بودجة تخصیص‌یافته به آن نیز کمتر شده و بیشتر به تبلیغات پرداخته خواهد‌ شد. کیفیت ضریبی بین صفر و یک است که بر رضایت و حذف بازی به ترتیب اثر فزاینده و کاهنده دارد. در نهایت فرمول‌های مرتبط با کیفیت عبارت‌اند از:

Cost of Best Quality=350 M

Quality CC=1

Quality Rate= ((Quality CC-Quality)/Quality CC)*(Quality cost/Cost of Best Quality)

Quality=∫ Quality Rate

Quality Portion= (1-Quality)/10

انتظار می‌رود 5/1برابر سرمایة اولیه هدف درآمدی باشد. بنابراین باتوجه‌به درآمد متوسط 188تومان در ماه (2245 تقسیم بر 12)، مقدار نصب مدنظر به‌ دست خواهد آمد. هزینه‌های تبلیغاتی تا رسیدن به این مقدار، اختصاص می‌یابد، پس در هر دوره تفاضل این مقدار نصب مدنظر با مقدار نصب کسب‌شده، بر سهم تبلیغات از ارزش حساب جاری اثر می‌گذارد.

AdvertismentCC= (1.5*Initial Investment/ 188)

20درصد حساب جاری به سهم سرمایه و بازپرداخت آن اختصاص می‌یابد. البته این عمل با تأخیر 1دوره‌ای و با ملاحظات عدم توقف سیستم برداشت می‌شود.

دیده شدن (View) عنصر اصلی تبلیغات است. به‌تجربه انتظار می‌رود به‌طور متوسط 0.01 هزینه‌های تبلیغاتی منجر به دیده شدن شود. البته این نسبت با تغییر قیمت هر بار کلیک مؤثر نیز تغییرپذیر است؛ بنابراین در قیمت هر بازدید ضرب می‌شود. محققان جدول 2 را با مشورت با خبرگان و محاسبة داده‌های اینستاگرام و دیگر شبکه‌های اجتماعی استخراج کرده‌اند که خود یکی از یافته‌های این پژوهش است.

جدول (2) : شیوة تأثیر هزینه تبلیغاتی

هزینه تبلیغاتی

(تومان)

تعداد بازدید (دیده شدن)

(عدد)

تعداد کلیک

(عدد)

نسبت کلیک به هزینه تبلیغات

(بدون واحد)

100.000

1.000

200

002/0

500.000

10.000

1.950

004/0

1.000.000

50.000

5.150

005/0

5.000.000

100.000

29.840

006/0

10.000.000

500.000

73.250

007/0

20.000.000

1.000.000

188.930

009/0

50.000.000

5.000.000

983.250

02/0

100.000.000

8.000.000

2.845.450

028/0

براین اساس تعداد بازدید تابعی است از هزینة هر بازدید ضرب‌در هزینة کل تبلیغات که در فرمول زیر به نمایش در آمده است:View=0.0001*View Cost*Advertisment

همة آنچه مشتریان می‌بینند، به نصب ختم نمی‌شود، بلکه آنچه دیده شده و جذابیت داشته باشد، نصب می‌شود. عوامل مؤثر بر جذابیت، ترجیحات، رقابت و دسترسی به اینترنت است. ترجیحات به معنی استقبال کاربران از نوع و طراحی بازی است. از طرفی استقبال بیشتر کاربران از نوع خاص بازی، شرکت‌های رقیب را نیز ترغیب می‌کند و رقابت را می‌افزاید. ما در این مقاله فرض می‌کنیم که ترجیحات به‌طور خطی و رقابت به شکل سهموی با جذابیت ارتباط مثبت دارند و تفاضل این دو نشان‌دهندة استقبال کاربران از بازی است. با این مفروضات به نتایج منطقی‌ رسیدیم که پس از نمایش‌دادن آنها برای تعدادی از خبرگان و توسعه‌دهندگان بازی، تأیید آنها را جلب کرد. همچنین دسترسی به اینترنت عامل مهم دیگری است و چنانچه کاربر به اینترنت دسترسی نداشته باشد، قطعاً بازی برای وی جذابیتی ندارد. میزان دسترسی به اینترنت در ایران طبق آمار منتشرشده در سال 1396، حدود 0.86 است (DIRECT, 2018). بنابراین جذابیت (مقداری بین صفر و یک) بوده با فرمول زیر:

Attractiveness= (Prefrence-Competition^2) * Accessbility / 2

از طرفی موتور تولید WOM رضایت است. رضایت، پس از نصب حاصل می‌شود و بنابر مطالعة دهدشتی و عقیلی (1394)، 65درصد نصب به رضایت می‌انجامد. رضایت همچنین موجب وفاداری می‌شود و وفاداری خود دوباره WOM را در پی دارد. دهدشتی و عقیلی (1394) نشان دادند 30درصد رضایت به وفاداری می‌انجامد. پس، رضایت و وفاداری به شکل زیر استخراج می‌شود:

Satisfiction= (0.65*Install)*Quality

Loyalty= 0.3*Satisfiction

بشیرپور (1396) نشان داد 51درصد رضایتمندی کاربر به WOM می‌انجامد. همچنین رنگرز و کرمی ‌(1390) نشان دادند 16درصد از وفاداری به WOM می‌انجامد. کیم[49] و همکاران (2016) نیز استدلال کرده‌اند که 0.1 بازدید منجر به WOM می‌گردد. لذا WOM ناشی از رضایت، وفاداری و بازدید به صورت زیر است:

WOM=0.51*Satisfiction+0.16*Loyalty+0.01*View

تا اینجا ما طبق مدل PAD (لذت، تحریک، تسلط)، توانسته‌ایم رضایت را با لذت، بازدید را با تحریک و وفاداری را با تسلط برآورد کنیم. این عوامل مستقیماً WOM را ایجاد می‌کنند. همچنین طبق چن[50] و همکاران (2013) WOM 81 درصد بر نصب اثر می‌گذارد؛ بنابراین:

Installing=(0.81*WOM+View*Attractiveness)*((Install CC-Install)/Install CC)

Install CC= 5e+06

ظرفیت تحمل (Install CC) در این فرمول به معنای سقف نصب است که در ایران حدود 5میلیون بوده و متعلق به بازی آمیرزا، کِلش و بریک است (digiato.com, 2018).

انتظار می‌رود مقدار نصب در طول زمان از رفتار جهش-ریزش پیروی کند و بعد از یک رشد نمایی به مرور کاهش یافته و به صفر برسد. همان‌طور که قبلاً اشاره شد، حذف بازی با افزایش کیفیت کاهش می‌یابد. با نظرخواهی از نخبگان، متوسط عمر مفید یک بازی 12 ماه به دست آمد؛ بنابراین:

Dead Time= Time/12

Unistall= Install*(((1-Quality)*Dead Time)

 

 

شکل5 : نمودار علّی معلولی و جریان-انباشت

5- نتایج

شبیه‌سازی با تنظیمات اولیة زیر انجام می‌شود: نصب اولیه: 1، سرمایة اولیة 50میلیون تومان، نرخ ذخیرة قانونی: 0.2، دسترسی به اینترنت: 0.84؛ هزینة بازدید: 200تومان؛ پرداخت درون برنامه‌ای: 188تومان ماهانه به‌ازای هر نصب؛ کیفیت اولیه: 0.2؛ حداکثر کیفیت: 1؛ هزینة بهترین کیفیت: 350میلیون تومان؛ نسبت تخصیص سود به سرمایه: 0.2 ؛ میزان جذب تبلیغات: 0.2 و ترجیحات مشتریان: 0.5.

برای بررسی پایداری مدل، متغیر‌های سرمایة اولیه، قیمت دیده‌شدن، ترجیحات، نرخ ذخیرة قانونی، پرداخت درون‌برنامه‌ای و میزان جذب تبلیغات درون‌برنامه‌ای تحلیلِ حساسیت می‌شوند.

5-1- تحلیل حساسیت سرمایة اولیه

تحلیل حساسیت برای مقادیر سرمایة اولیه 50، 100، 200، 300، 400و 500میلیون تومان صورت گرفت و نتایج شکل 6 به دست آمد. نخست بازدید به علت ناشناخته بودن، کاهشی خواهد بود، ولی در ادامه افزایش می‌یابد.

WOM از ابتدا در حال افزایش است و هرچه سرمایة اولیه بیشتر باشد، رشد سریع‌تری دارد. نصب فعال در ماه هشتم به اوج رسیده است و پس از آن کاهش می‌یابد. مقدار سرمایة اولیة بیشتر، در مدت زمان افول بازی تأثیرگذار است. کیفیت بازی با سرمایة اولیة بیشتر، سریع‌تر رشد می‌کند و عاملی برای تحریک فزایندة رضایت و متعاقباً WOM و نصب فعال است. سود سرمایه به‌طور یکنواخت در حال افزایش است و حساب جاری در ابتدا به‌شدت کاهش می‌یابد که به علت برداشت از آن برای هزینه‌هاست؛ اما بعد از آن به‌آرامی و به‌طور کاهنده افزایش می‌یابد. این حساب با صفر شدن نصب فعال صفر می‌شود.

 

شکل 6 : تحلیل حساسیت سرمایه‌گذاری اولیه

5-2- تحلیل حساسیت قیمت بازدید

با در نظر گرفتن قیمت بازدید 150، 200، 250، 300، 350 و 400تومان نتایج شکل 7 به دست آمد. هرچه قیمت بازدید بیشتر باشد، در مراحل اولیه بازدید کمتری به دست می‌آید، اما در مراحل بعدی (به علت درآمد حاصل از بازدید تبلیغات درون بازی) شاهد بازدید فزاینده خواهیم بود. WOM نیز متأثر از همین موضوع در ابتدا بی‌تحرک و سپس افزایش می‌یابد. با افزایش 100درصدی قیمت دیده‌شدن، کیفیت تقریباً به همان میزان افزایش می‌یابد. نصب فعال به نسبت یکسان از دیده‌شدن تأثیر می‌پذیرد. حساب جاری و سهم سرمایه به علت درآمدزا بودن قیمت بازدید، تحت تأثیر مستقیم آن خواهند بود. بدیهی است به علت اثر درآمدی قیمت بازدید، ارزش حساب جاری نیز در ابتدا به‌شدت کاهش یابد و سپس احیا شود؛ اما سود سرمایه تا ماه چهارم از تغییرات هزینة بازدید تأثیر بسزایی نمی‌بیند و از ماه چهارم به بعد تفاوت بارزی از تغییرات فزایندة هزینه بازدید مشاهده می‌شود.

5-3- تحلیل حساسیت ترجیحات

تحلیل حساسیت ترجیحات برای مقادیر 0.3، 0.4، 0.5، 0.6و0.7 در شکل 8 نشان داده شده است.کلیة نمودارها متقارن هستند و در 0.5 به حداکثر می‌رسند. برای مثال ترجیحات 03 و 0.7 نتیجة مشابه را نشان می‌دهد و بر هم منطبق می‌شوند که این خود نتیجة مهمی است. ترجیحات 0.5 نشان‌دهندة بازاری است که نه به‌شدت رقابتی است و نه دورافتاده. آنچه اهمیت مسئله را دوچندان می‌کند، رقابت در این بازار است.

 

شکل 7 : تحلیل حساسیت تغییر قیمت بازدید

نتایج نشان می‌دهد اگر بازی در نوع (ژانر) بسیار رقابتی (نزدیک به 1) طراحی و اجرا شود، هرچند گروه هدف بیشتری دارد، به علت رقابت شدید در میان توسعه‌دهندگان بازی، موفقیت و نصب کمتری خواهد داشت؛ جالب‌تر اینکه نتایج این رقابت شبیه به حالتی است که ژانر بازی اصلاً رقیبی نداشته ‌باشد. درواقع در ژانری که گروه هدف کمتری دارد، رقابت نیز کمتر است و اگرچه بازی بی‌رقیب است، یک بازی اغلب گروه هدف را به خود جلب می‌کند؛ اما تعداد کل گروه هدف اندک است. بنابراین چنانچه ترجیحات بازی از 0.5 کمتر یا بیشتر باشد، به‌صورت متقارن عمل خواهد کرد. پس، تولید یک بازی در ژانری که بیش از اندازه استقبال شده، به علت رقابت شدید موجب کاهش نصب فعال شده است. همچنین ورود به ژانری که گروه هدف آن اندک است، نیز نصب زیادی در پی نخواهد داشت.

5-4-تحلیل‌حساسیت‌‌تبلیغات‌درون برنامه‌ای

تحلیل حساسیت برای میزان جذب تبلیغات درون برنامه‌ای با مقادیر 0.2 ، 0.5 و 0.9 انجام شد و نتایج در شکل 9 به نمایش درآمد. همان‌طور که انتظار می‌رود میزان جذب تبلیغات درون‌برنامه‌ای نقش تعیین‌کننده‌ای در درآمد بازی دارد.

بنابر نتایج، هر تغییر در آن به بهترشدن وضعیت می‌انجامد. تغییر مثبت در درصد جذب کلیک از تبلیغات درون‌برنامه‌ای، در ماه‌های اول اثر ناچیزی بر بازدید و WOM دارد؛ اما در زمان حداکثر نصب فعال این اثر چهرة فزاینده خود را نشان می‌دهد. این تأثیر به‌طور مشابه در سایر متغیر‌های خروجی نیز مشهود است.

 

شکل 8 : تحلیل حساسیت تغییر ترجیحات

5-5-تحلیل حساسیت‌پرداخت درون برنامه‌ای

تحلیل حساسیت برای درآمد ناشی از پرداخت درون‌برنامه‌ای برای مقادیر 1500، 2000 و 3000تومان به‌ازای هر نصب در سال انجام شده است. طبق شکل 10، افزایش درآمد از پرداخت‌های درون‌برنامه‌ای، در ابتدا تأثیری بر سیستم ندارد، اما با شروع دورة اوج نصب و اجرای بازی اثر فزایندة آن آغاز می‌شود و در دوران افول نیز پایان می‌یابد.

بیشتر بودن درآمد از پرداخت‌های درون‌برنامه‌ای علاوه بر افزایش بازدید، عمر مفید بازی را نیز بیشتر می‌کند؛ تبلیغات درون‌برنامه‌ای را چندین برابر افزایش می‌دهد؛ کیفیت بازی را سریع‌تر ارتقا می‌دهد و همچنین موجب می‌شود دوران افول نصب فعال با شیب ملایم‌تری سپری شود. به‌علاوه با افزایش پرداخت درون‌برنامه‌ای حداکثر ارزش حساب جاری و حداکثر سود سرمایه نیز به‌طور تصاعدی افزایش می‌یابد.

 5-6- تحلیل حساسیت نرخ ذخیره قانونی

تحلیل حساسیت با مقادیر 20، 25 و 30درصد برای میزان ذخیرة قانونی بررسی شد. نتایج نشان از تأثیر اندک نرخ ذخیرة قانونی دارد؛ به‌طوری‌که بر کیفیت، حساب جاری و سود تأثیر آن در حد ناچیز است. این نکته بسیار مهم است که اگر بیش از اندازه ذخیره کنیم، برخلاف آنچه تصور می‌شود، نصب بیشتری به دست نمی‌آید و سود بیشتری نیز کسب نخواهد شد.

 

6- بحث و نتیجه‌گیری

بازی‌های رایانه‌ای و به‌ویژه موبایلی در سال‌های اخیر مورد توجه از علاقه‌مندان به بازی در جهان و ایران قرار گرفته است. به دنبال آن، شرکت‌های زیادی برای تولید این نوع بازی‌ها در ژانر‌های مختلف تلاش می‌کنند که بسیاری از آنها با شکست مواجه می‌شوند.

 

شکل 9 : تحلیل حساسیت تبلیغات درون‌برنامه‌ای

شکست این نوع بازی‌ها عوامل متعددی دارد که دلایل فنی تولید کم‌اهمیت‌ترین آنهاست. بیشتر دلایل شکست به ارائة محصول و بازاریابی آن در بازار بر می‌گردد.

در این مقاله با یک مدل‌سازی جامع توسعه، انتشار و بازاریابی بازی‌های موبایلی در بازار ایران تحلیل شد و از عواملی چون سرمایه‌گذاری، کیفیت، WOM، رضایت، وفاداری و ترجیحات کاربر، برای تحلیل و پیش‌بینی میزان نصب و سوددهی بازی‌های موبایلی استفاده شد.

نتایج شبیه‌سازی نشان از رفتار جهش و نزول[51] دارد و عوامل اصلی یعنی بازدید، WOM، نصب فعال و ارزش حساب جاری ابتدا رشد کرده است و پس از چند ماه کاهش می‌یابد. این رفتار در مطالعات قبلی که دربارة مدل‌سازی WOM انجام گرفته، نیز مشاهده شده است. یون و همکاران (2006) و ونگ و شنگ (2016) نشان دادند WOM در بازی‌های موبایلی رفتار جهش و نزول دارد که در شکل 4 نیز به نمایش در آمد.

همان‌گونه که مهراد و محمدی (2017) و بشیرپور (1396) نشان دادند چنانچه نگرش مثبتی در مخاطب ایجاد شود، WOM افزایش می‌یابد و به‌نوبة خود منجر به نصب بیشتر می‌شود. این موضوع به‌خوبی در مدل‌سازی این پژوهش به‌ویژه در افزایش WOM و اثر آن بر مقدار نصب و درآمد بازی نمایان است.

 

 

شکل 10 : تحلیل حساسیت پرداخت‌ درون برنامه‌ای

ابراهیمی و همکاران (1395) نیز دریافتند اعتماد تأثیر مثبت و معناداری بر قصد خرید مشتریان دارد. به‌طور مشابه هریس و همکاران (2018) نیز بر نقش اعتماد بر نصب نرم‌افزار تأکید می‌کنند. این همان نتیجه‌ای است که وفاداری بر سیستم می‌گذارد و هرجا کیفیت و از آن طریق وفاداری تحریک شده است، درآمد و نصب بیشتری نیز در سیستم مشاهده می‌شود.

نتایج حاصل از تحلیل حساسیت بر روی سرمایة اولیه نشان می‌دهد که با افزایش آن، مقدار بازدید در ابتدا اگرچه کاهشی است، در ادامه با شناخته‌شدن بیشتر محصول، مقدار بازدید هم افزایش می‌یابد. WOM از همان ابتدا روند افزایشی داشته است و اگر  سرمایه‌گذاری اولیه افزایش یابد، رشد آن سریع‌تر می‌شود. اثر دیگر مقدار سرمایة اولیه طولانی‌ترکردن زمان افول بازی است. به‌علاوه سرمایة اولیه بیشتر منجر به رشد بیشتر کیفیت و درنتیجه محرّک رضایت و وفاداری و به دنبالش تحریک‌کنندة WOM و درنتیجه نصب فعال بازی است و در پی آن سود بازی به‌طور یکنواخت افزایش می‌یابد و حساب جاری در ابتدا که به علت برداشت از آن برای هزینه‌های عملیاتی، تبلیغاتی و هزینه برای کیفیت به‌شدت کاهش یافته است، به‌آرامی افزایش می‌یابد.

این حساب که حساب جاری شرکت محسوب می‌شود با کاهش نصب فعال کاهش می‌یابد و به صفر می‌رسد.

مؤلفة دیگر، قیمت بازدید کردن است که افزایش آن باعث بازدید کمتر در مراحل اولیه می‌شود؛ ولی در ماه‌های بعد به علت درآمد حاصل از بازدید تبلیغات درون‌برنامه‌ای که اغلب به‌دلیل چندین بار دیده‌شدن از سوی بازی‌کنندگان سبب افزایش درآمد می‌شود. در پی آن، WOM نیز که خود متأثر از مقدار بازدید است، در ابتدا اندک بوده است، ولی در ماه‌های بعدی افزایش می‌یابد. ارزش حساب جاری، نخست به‌دلیل هزینه‌های انجام‌شده برای توسعة بازی کاهش یافته و سپس با افزایش نصب و درآمدهای فروش و تبلیغات درون‌برنامه‌ای افزایش می‌یابد.

ترجیحات مصرف‌کننده مؤلفة مهم دیگری است که نتایج جالبی از تحلیل حساسیت آن به دست می‌آید. ترجیحات در این پژوهش عددی است بین صفر تا یک و نشان‌دهندة این است که یک ژانر خاص بازی چه مقدار مورد علاقة کاربران است و چند درصد از آنها احتمالاً آن را نصب کرده و بازی می‌کنند. عدد پایین ترجیحات به معنای خاص و کم مخاطب بودن ژانر آن است و برعکس. ژانرهای بازی به ترتیب ترجیح کاربران عبارت‌اند از ژانر‌های استراتژی، خانوادگی، رانندگی، شبیه‌سازی، تفننی، کلمات و دانستنی‌ها، اکشن، آموزشی، ورزشی، امتیازی، معمایی و ماجرایی (DIRECT, 2018). نتایج نشان می‌دهد اگر بازی در ژانرهای پرترجیح (اعداد نزدیک به یک) طراحی و اجرا شود، اگرچه گروه هدف بیشتری مخاطب بازی است، به علت رقابت بالا در بین توسعه‌دهندگان بازی، احتمال موفقیت آن کمتر است؛ زیرا مخاطبان در بین بازی‌های مختلف ارائه‌شده در آن ژانر تقسیم می‌شوند. نکتة جالب دیگر این است که نتایج شبیه‌سازی در بازی پرترجیح مشابه بازی کم‌ترجیح است؛ زیرا در ترجیح کمتر (اعداد نزدیک به صفر) اگرچه گروه هدف کوچک است، رقابت نیز اندک است و درصورتی‌که یک توسعه‌دهنده بازی‌ای در آن ژانر طراحی و ارائه کند، به‌علت رقابت اندک، احتمالاً اغلب جامعه مخاطب را به خود جذب خواهد کرد. بنابراین اثر ترجیحات کاربر در شبیه‌سازی متقارن است. به عبارت دیگر ورود به ژانر پرترجیح و کم‌ترجیح، اولی به‌دلیل رقابت بیشتر و دومی به‌دلیل مخاطب کمتر، به‌طور مشابه منجر به نصب و سوددهی اندک می‌شوند.

 درصد جذب تبلیغات درون‌برنامه‌ای نیز نقش مهمی در درآمد بازی دارد. پرداخت درون‌برنامه‌ای هم دقیقاً همان اثر تبلیغات‌ درون‌برنامه‌ای را دارد و افزایش آن سبب نصب و سودآوری بیشتر می‌شود. میزان ذخیرة قانونی نیز تأثیر اندکی در نتایج دارد که این نشان از این دارد که شرکت توسعه‌دهندة بازی برخلاف تصور اگر اندازة ذخیره را افزایش دهد، نصب و سود بیشتری کسب نمی‌کند و بهتر آن است که بخشی از درآمد حاصل از بازی در ماه‌های ابتدایی، دوباره صرف بازی شود تا WOM و درنتیجه نصب بیشتری کسب شود.

به‌طورکلی آنچه هشیه و همکاران (2014) و همچنین ورکیجیکا و همکاران (2019) در تأثیر لذت، تحریک، تسلط بر WOM بیان می‌دارند، در این پژوهش نیز مشاهده می‌شود و شاهد اثرگذاری آنها بر افزایش WOM هستیم.



[1]  . مرکز تحقیقات بازی‌های دیجیتال  (DIREC)

[2]. Word of Mouth

[3]. Godes & Mayzlin

[4]. Choi & Kim

[5]. Takatalo

[6]. Mehrabian and Russell

[7]. System Dynamic

[8]. Marchand

[9]. Thonssen and Beard

[10]. Arndt

[11]. Alexander

[12] .Kotler

[13]. Watts and Dodds

[14]. Sheth

[15]. Day

[16]. Velázquez

[17]. Chen and Yuan

[18]. Buttle

[19]. Berger

[20]. San-Martin

[21]. Duarte

[22]. Casidy and Wymer

[23]. Hennig-Thurau

[24]. Bennett

[25]. Resnick

[26]. Dellarocas

[27]. Wong and Sheng,

[28]. Saxena and Khanna

[29]. Filo

[30]. Hudson

[31]. Priyanka

[32]. Coulter and Roggeveen

[33]. Chu and Kim

[34]. Casaló

[35]. Huang and Hsiang Ting

[36]. Wang

[37]. Huang

[38]. Mehrad and Mohammadi

[39]. Hajiheydari and Ashkani

[40]. Yi

[41]. Harris

[42]. Pappas

[43]. Huang

[44]. Hsieh

[45]. Vanwesenbeeck

[46]. Verkijika

[47]. Yeon

[48]. Flow state

[49]. Kim

[50]. Chen

[51] Overshot-Collapse

  1. ابراهیمی، عبدالحسین؛ شکاری، عاطفه و شتاب بوشهری، ناهید (1395). تأثیر اعتماد مشتریان بر قصد خرید با میانجی‌گری تبلیغات دهان‌به‌دهان. مطالعات مدیریت ورزشی، 8(40)، 131-146.
  2. بشیرپور، مهدی (1396). شناسایی و رتبه بندی عوامل مؤثر بر تبلیغات دهان‌به‌دهان بازی‌های دیجیتال، کنفرانس تحقیقات ‌بازی‌های ‌دیجیتال، گرایش‌ها، فناوری‌ها‌ و‌ کاربردها، تهران،‌ بنیاد ‌ملی ‌بازی‌های‌ رایانه‌ای-دانشگاه‌ علم ‌و‌ صنعت ایران.
  3. توکل، نجمه؛ سرداری، احمد و قاضی‌زاده مصطفی (1393). بررسی تأثیر عوامل پذیرش بانکداری الکترونیکی بر تبلیغات دهان‌به‌دهان با تأکید بر نقش واسطه‌گری رضایت و وفاداری مشتریان، راهبردهای بازرگانی، 21(3)، 60-49.
  4. رنگرز، حسن و کرمی، نصیر. (1390). بررسی تأثیر رضایت و سهولت استفاده از وب‌سایت در افزایش سطح وفاداری مشتریان و تبلیغات دهان‌به‌دهان مثبت در خدمات بانکداری الکترونیکی،  مطالعات کمّی در مدیریت، 3(1)، 98-81.
  5. شاخص‌ترین اطلاعات مصرف بازی‌های دیجیتال در ایران(1396. تهران‌:‌ مرکز تحقیقات بازی‌های دیجیتال دایرک،).
  6. عقیلی، خدیجه و دهدشتی شاهرخ، زهره (1394). تأثیر راحتی استفاده از خدمات بر تبلیغات دهان‌به‌دهان و قصد خرید مجدد. تحقیقات بازاریابی نوین، 5(2)، 15-36.
    1. Alexander, R. S. (1964). Marketing Definitions. Chicago: American Marketing Association.
    2. Allsop, D. T., Bassett, B. R., & Hoskins, J. A. (2007). Word-of-mouth research: principles and applications. Journal of Advertising Research, 47(4), 398-411.
    3. Arndt, J. (1967). Role of product-related conversations in the diffusion of a new product. Journal ofMarketing Research 4, 291–295.
    4. Bennett, S. (2013). 45 amazing social media facts, figures & statistics. Retrieved from http://www.mediabistro.com/alltwitter/45-socialmedia stats_b49582.
    5. Berger, J. (2014). Word of mouth and interpersonal communication: A functional view, Journal of Consumer Psychology, 24(4), 586-607.
    6. Buttle, F. A. (1998). Word of mouth: Understanding and managing referral marketing. Journal of Strategic Marketing, 6(3), 241-254.
    7. Casaló, L.V., Flavián, C., & Guinalíu, M. (2010). Determinants of the intention to participate in firm-hosted online travel communities and effects on consumer behavioral intentions. Tourism Management, 31 (6), 898–911.
    8. Casidy, R., & Wymer, W. (2017). The impact of brand strength on satisfaction, loyalty and WOM: An empirical examination in the higher education sector. Journal of BrandManagement, 22 (2), 117–135.
    9. Chen, Z., & Lurie, N. H. (2013). Temporal contiguity and negativity bias in the impact of online word of mouth. Journal of Marketing Research, 50(4), 463-476.
    10. Chen, Z., & Yuan, M. (2019). Psychology of Word of Mouth Marketing. Current Opinion in Psychology.
    11. Choi, D., & Kim, J. (2004). Why People Continue to Play Online Games: In Search of Critical Design Factors to Increase Customer Loyalty to Online Contents. CyberPsychology & Behavior, 7(1), 11–24.
    12. Chu, S. C., & Kim, Y. (2011). Determinants of consumer engagement in electronic word-of-mouth (e-WOM) in social networking sites. International Journal of Advertising. 30 (1), 47–75.
    13. Coulter, K. S., & Roggeveen, A. (2012). “Like it or not” Consumer responses to word-of-mouth communication in on-line social networks. Management Research Review, 35(9), 878-899.
    14. Day, G. S. (1971) Attitude change, media and word of mouth. Journal of Advertising Research, 11(6), 31-40.
    15. Dellarocas, C. (2003). The digitization of word of mouth: Promise and challenges of online feedback mechanisms. Management Science, 49(10), 1407-1424.
    16. Duarte, P., Silva, S. C., & Ferreira, M. B. (2018). How convenient is it? Delivering online shopping convenience to enhance customer satisfaction and encourage e-WOM. Journal of Retailing and Consumer Services, 44, 161–169.
    17. Filo, K., Lock, D., & Karg, A. (2015). Sport and social media research: A review. Sport Management Review. 18 (2), 166–181.
    18. Godes, D., & Mayzlin, D. (2004). Using online conversations to study word-of-mouth communication. Marketing Science, 23(4), 545–560.
    19. Harris, M. A., Brookshire, R., & Chin, A. G. (2016). Identifying factors influencing consumers’ intent to install mobile applications. International Journal of Information Management, 36(3), 441-450.
    20. Hajiheydari, N., & Ashkani, M. (2018). Mobile application user behavior in the developing countries: A survey in Iran. Information Systems, 77, 22-33.
    21. Hsieh, J.-K., Hsieh, Y.-C., Chiu, H.-C., & Yang, Y.-R. (2014). Customer response to web site atmospherics: Task-relevant cues, situational involvement and PAD. Journal of Interactive Marketing, 28(3), 225–236.
    22. Huang, M., Ali, R., & Liao, J. (2017). The effect of user experience in online games on word of mouth: A pleasure-arousal-dominance (PAD) model perspective. Computers in Human Behavior, 75, 329-338.
    23. Hennig-Thurau, T., Gwinner, K. P., Walsh, G., & Gremler, D. D. (2004). Electronic word-of-mouth via consumer-opinion platforms: What motivates consumers to articulate themselves on the internet? Journal of Interactive Marketing, 18, 38-52.
    24. Huang, J. H., Hsiao, T. T., & Chen, Y. F. (2012). The effects of electronic word of mouth on product judgment and choice: The moderating role of the sense of virtual community. Journal of Applied Social Psychology, 42(9), 2326-2347.
    25. Huang, C. Y., & Ting, Y. H. (2012, November). Derivations of factors influencing the word-of-mouth marketing strategies for smart phone applications by using the fuzzy DEMATEL based network process. In 2012 International conference on Fuzzy Theory and Its Applications (iFUZZY2012) (pp. 42-47). IEEE.
    26. Hudson, S., Huang, L., Roth, M. S., & Madden, T. J. (2015). The influence of social media interactions on consumer–brand relationships: A three-country study of brand perceptions and marketing behaviors. International Journal of Research Marketing, in press.
    27. Kim, S., Baek, T. H., Kim, Y. K., & Yoo, K. (2016). Factors affecting stickiness and word of mouth in mobile applications. Journal of Research in Interactive Marketing, 10(3), 177-192.
    28. Kotler, P. (1967) Marketing Management: Analysis, Planning and Control. Englewood Cliffs, NJ: Prentice-Hall.
    29. Marchand, A., Hennig-Thurau, T. & Wiertz, C. (2017). Not all digital word of mouth is created equal: Understanding the respective impact of consumer reviews andmicroblogs on new product success. International Journal of Research in Marketing, 34(2), 336-354.
    30. Mehrabian, A. & Russell, J. A. (1974). An approach to environmental psychology. The MIT Press.
    31. Mehrad, D., & Mohammadi, S. (2017). Word of Mouth impact on the adoption of mobile banking in Iran. Telematics and Informatics, 34(7), 1351-1363.
    32. Pappas, I. O., Mikalef, P., Giannakos, M. N., & Kourouthanassis, P. E. (2019). Explaining user experience in mobile gaming applications: an fsQCA approach. Internet Research, 29(2), 293-314.
    33. Priyanka, S. (2013) A study of online advertising on consumer behaviour. International Journal of Engineering and Management Science, 3(4), 461–465.
    34. Resnick, P., Zeckhauser, R., Friedman, E. & Kuwabara, K. (2000), “Reputation systems,” Communications of the ACM, 43(12), 45–48.
    35. Saxena, A., & Khanna, U. (2013). Advertising on social network sites: A structural equation modelling approach. Vision, 17 (1), 17–25.
    36. San-Martin, S., Prodanova, J., Jimenez, N. (2015). The impact of age in the generation of satisfaction and WOM in mobile shopping. Journal of Retailing and Consumer Services, 23, 1–8.
    37. Sterman, J. (2010). Business dynamics. Irwin/McGraw-Hill  
    38. Sheth, J. N. (1971). Word of mouth in low risk innovations. Journal of Advertising Research, 11, 15–18.
    39. Takatalo, J., Kawai, T., Kaistinen, J., Nyman, G., & Häkkinen, J. (2011). User experience in 3D stereoscopic games. Media Psychology, 14(4), 387–414.
    40. Thonssen, L. & Beard, A. C. (1948). Speech criticism: The Development of Standards for Rhetorical Appraisal. New York: Ronald Press.
    41. Velázquez, B. M., Blasco, M. F., & Gil Saura, I., 2015. ICT adoption in hotels and electronic word-of-mouth. Academia Revista Latinoamericana de Administración, 28(2), 250-227
    42. Verkijika, S. F., & De Wet, L. (2019). Understanding word-of-mouth (WOM) intentions of mobile app users: The role of simplicity and emotions during the first interaction. Telematics and Informatics, 41, 218-228.
    43. Vanwesenbeeck, I., Ponnet, K. & Walrave, M. (2016). Go with the flow: How children’s persuasion knowledge is associated with their state of flow and emotions during advergame play. Journal of Consumer Behaviour, 15(1), 38–47.
    44. Watts, D. J., & Sheridan Dodds P. (2007), Influentials, networks, and public opinion formation. Journal of Consumer Research, 34(4), 441–58.
    45. Wong, R., & Sheng, S. Y. (2012). A business application of the system dynamics approach: Word-of-mouth and its effect in an online environment. Technology Innovation Management Review, 2(6), 42-48.
    46. Yeon, S. J., Park, S. H., & Kim, S. W. (2006). A dynamic diffusion model for managing customer's expectation and satisfaction. Technological Forecasting and Social Change, 73(6), 648-665.
    47. Yi, J., Lee, Y., & Kim, S. H. (2017). Determinants of growth and decline in mobile game diffusion. Journal of Business Research, 99. 362-372.
    48. Wang, J. J., Wang, L. Y., & Wang, M. M. (2018). Understanding the effects of eWOM social ties on purchase intentions: A moderated mediation investigation. Electronic Commerce Research and Applications, 28, 54-62.
    49. www.answers.tapsell.ir/?ht_kb=ecpm&_ga=2.170792681.839209324.1563779345-1337748244.1543831100
    50. www.clickyab.com/mobile-ad
    51. www.digiato.com/article/2018/07/19/ محبوب-ترین-بازی-ایرانی-کافه-بازار
    52. https://www.ircg.ir/fa/news/4613