Designing a Response Model to Marketing Rumors on Social Media Networks (Case Study: Rumors in the Food Industry on Social Media)

Document Type : Original Article

Authors

1 Ph.D. candidate in Business Management, Faculty of Management, University of Tehran, Kish International Campus, Kish, Iran

2 Associate professor, Department of Business Management, Faculty of Management, University of Tehran, Tehran, Iran

3 Ph.D., Department of Business Management, Faculty of Management, University of Tehran, Tehran, Iran

Abstract

This study aimed to design a model for managing marketing rumors on social media by using the food industry (Kalleh and Mihan companies) as a case study. An exploratory sequential mixed-methods design was employed. In the qualitative phase, data were collected through semi-structured interviews with 12 managers, customers, and media professionals sampled via the snowball method until theoretical saturation was achieved. Data were analyzed by using coding procedures, yielding 183 meaning units, 168 concepts, 65 subcategories, and 10 main themes: rapid evidence-based response, trust-building through empathy, media monitoring, creative content, education, regulations, direct interaction, crisis strategies, innovative tools, and continuous improvement. An initial model grounded in transparency and speed was developed and subsequently transformed into a 3-phase framework—pre-active, active, and post-active—to systematize the processes of monitoring, response, and organizational learning. In the quantitative phase, a quasi-experimental design was used to assess the model’s effectiveness. The statistical population comprised food industry customers in Tehran (N = 1,234,563), from which a sample of 768 participants (384 each in the experimental and control groups) was drawn. A 12-item questionnaire addressing the rumor that “low-fat dairy products contain carcinogenic substances” served as the measurement tool. The experimental group received training based on the proposed model. Welch’s t-test results indicated that the mean scores of the experimental group were significantly higher across all 12 items, confirming the positive effect of the intervention. Consequently, training based on the proposed model significantly enhanced consumer resistance, reduced concern, and improved attitudes toward rumors, thereby establishing the model’s efficacy in managing marketing rumors within the food industry.
Introduction
Social media platforms have evolved from mere communication tools into major channels for producing and disseminating news, thereby facilitating the rapid spread of rumors and misinformation about brands (Di Domenico, 2022). This issue is particularly significant in the food industry, where consumers are highly sensitive to product health and brand trust. Consequently, rumors may reduce consumer trust, decrease sales, and damage corporate reputation. Misinformation spreads rapidly on social media (Askarizade et al., 2022) and detecting rumors at the moment of emergence is challenging due to limited data and ambiguous sources (Lu et al., 2026). The existing research indicates that rumors negatively affect consumers’ attitudes toward companies (Visentin et al., 2019) and response strategies have primarily been examined through either hard or soft control approaches (Askarizade et al., 2022). Ghomi Ovil et al. (2023) addressed rumor classification; Limaei et al. (2025) examined factors affecting brand-related rumors; Yu (2024) explored consumers’ coping behaviors; and Kim et al. (2024) investigated a trust-based rumor-refutation strategy. However, the main gap in the literature remains the lack of a comprehensive, contingency-based, and customer-oriented model for responding to marketing rumors on social media, particularly within Iran’s food industry. Therefore, the central research problem was to design an effective response model for marketing rumors on social media with a specific focus on rumors in the food industry—particularly dairy brands, such as Kalleh and Mihan. The research questions were: What types of responses are appropriate for addressing marketing rumors? And what role does customer education play in mitigating the effects of such rumors?
 
Materials & Methods
This study employed a mixed-methods design (qualitative–quantitative) with an exploratory sequential approach. In the qualitative phase, a case study strategy was adopted and data were collected through 12 semi-structured interviews with managers, customers of Kalleh and Mihan companies, and media professionals. Sampling was conducted purposively using the snowball technique until theoretical saturation was reached; repetitive data appeared in interviews 10 through 12. Qualitative data were analyzed through open and axial coding, leading to the identification of key indicators and the development of an initial model for responding to marketing rumors on social media. To assess coding reliability, test–retest reliability was applied, yielding an overall coefficient of 82.03%, which confirmed the reliability of the coding process. In the quantitative phase, the study followed a quasi-experimental design with experimental and control groups. The statistical population consisted of 1,234,563 food industry customers in Tehran. Based on Cochran’s formula, the sample size was determined as 768 participants with 384 individuals assigned to each group. Convenience sampling was used and participants were allocated to the two groups through random substitution. Data were collected by using a 12-item questionnaire based on a hypothetical rumor designed according to common patterns identified from previous real rumors in the dairy industry; the rumor content was validated by nutrition experts prior to implementation. Data analysis was performed by using Welch’s t-test in SPSS. The validity of the instrument was confirmed through face and content validity (with CVR values exceeding 0.42) and its reliability was verified by using Cronbach’s alpha (0.785).
 
Research Findings
In the qualitative phase of the study, analysis of 12 expert interviews yielded 183 key statements and 168 concepts after the removal of irrelevant expressions. Through aggregation and coding, these were condensed into 65 categories and ultimately into 10 main indicators of the model for responding to marketing rumors on social media. These indicators included rumor management and responsiveness, trust-building and effective communication, social media monitoring and analysis, the use of creative and strategic content, education and empowerment of audiences and employees, legal compliance and transparency in processes, interaction and communication with consumers, communication strategies and crisis management, innovative communication tools and content, and continuous improvement and evaluation. Based on these indicators, the research process model was developed, comprising 3 infrastructural layers, 3 operational phases—pre-active, active, and post-active—and a feedback loop. In the quantitative phase, to assess the practical effectiveness of the model, a hypothetical rumor in the dairy industry was designed and two groups (experimental and control) were compared. The Kolmogorov–Smirnov test indicated that the data distribution in both groups was normal. Given the significance of Levene's test, Welch's t-test was applied. The results revealed significant mean differences between the two groups across all 12 questionnaire items, confirming that training based on the proposed model improved awareness, resistance, and effective responses to marketing rumors.
 
Discussion of Results & Conclusion
This study aimed to design and validate a model for managing marketing rumors on social media, specifically within the food industry. The findings demonstrated that effective rumor management required a process-oriented, transparent, and interactive approach. Qualitative analysis identified 10 core themes: rapid response with evidence-based content, trust-building through empathy and social responsibility, continuous media monitoring, creative content generation, stakeholder training, regulatory compliance, direct consumer engagement, crisis communication strategies, innovative tools, and continuous strategic improvement. These themes culminated in a dynamic, 3-phase model—pre-active, active, and post-active—which facilitated early detection, effective crisis neutralization, brand restoration, and organizational learning. Quantitative validation confirmed these findings. Welch's t-test analysis revealed significant differences between the experimental and control groups. Specifically, training based on the proposed model significantly enhanced consumer resistance to rumors, reduced anxiety, and fostered positive attitudes toward the brand. Consequently, the model serves as a practical and robust framework for food industry managers seeking to navigate the complexities of digital marketing rumors.
Comparing this research with the existing literature highlighted its distinct human-centered, education-based approach, which differed from purely technical, algorithm-driven rumor detection methods. The alignment of our results with studies emphasizing trust, fact-checking, and active management further validated the model's efficacy. Ultimately, this research underscored that successful rumor management is not merely a reactive measure, but a strategic, continuous process requiring proactive preparedness, credible communication, and ongoing evaluation. By implementing this framework, organizations can effectively mitigate the negative impacts of social media rumors, thereby strengthening brand resilience and fostering long-term consumer trust in an increasingly competitive digital marketplace.

Keywords

Main Subjects

Full Text

1.مقدمه

درحالی‌که پلتفرم‌های رسانه‌های اجتماعی در ابتدا با هدف برقراری ارتباط میان دوستان شکل گرفتند، اکنون به کانال‌های مهمی برای تولید و تبادل اطلاعات و اخبار تبدیل شده‌اند (Di Domenico, 2022). در واقع، شبکه‌های اجتماعی به‌عنوان بستری نوین برای شکل‌گیری رسانه در مقیاس‌های گوناگون (از خرده‌رسانه‌ها تا رسانه‌های کلان) امکان انتشار سریع اطلاعات و اخبار را فراهم آورده‌اند. این قابلیت، در کنار مزایای انکارناپذیر، خود زمینه را برای نشر مطالب، اخبار و محتواهای غیرمعتبر و همچنین اطلاعات نادرست گسترش داده است (قمی اویل و همکاران، 1400). به بیان دیگر، امروزه اگرچه از شبکه‌های اجتماعی برای به‌اشتراک‌گذاری گستردۀ اطلاعات استفاده می‌شود، اطلاعات نادرست نیز سرعت گرفته و به معضلی جدی تبدیل شده‌ است (Askarizade et al., 2022). یکی از چالش‌های اساسی در این زمینه، دشواری تشخیص شایعه هم‌زمان با ظهور موضوعی جدید در شبکه‌های اجتماعی است؛ زیرا داده‌های کافی برای آموزش سیستم‌های شناسایی وجود ندارد (Lu et al., 2026)؛ بااین‌حال، با توجه به نقش دوگانۀ شایعات در بازاریابی، شایعات برند به‌عنوان ابزاری مؤثر برای جذب مشتریان به شمار می‌آیند. عواملی که بر شایعات برند تأثیر می‌گذارند به چهار دستۀ اصلی تقسیم می‌شوند: 1. اجزای شایعات برند؛ 2. عوامل پیش‌ران؛ 3. عوامل بازدارنده؛ 4. عوامل دوگانه. هریک از این دسته‌ها شامل مؤلفه‌ها و ابعاد مشخصی‌اند که از تحلیل داده‌های کیفی کارشناسان استخراج شده‌اند. به همین دلیل، با توجه به رقابت فزایندۀ کشورها برای جذب مشتریان، این عوامل اهمیت ویژه‌ای دارند (Limaei et al., 2025). از منظری دیگر، شایعات بازار، اطلاعاتی تأییدنشده و مبهم‌اند که آمیزه‌ای از واقعیت و دروغ را در بر می‌گیرند و ازطریق شبکه‌های اجتماعی و پلتفرم‌های اینترنتی به‌سرعت انتشار می‌یابند. مصرف‌کنندگان معمولاً با رویکردی احتیاطی به آن‌ها واکنش نشان می‌دهند و ممکن است تصمیمات خود را براساس همین شایعات اتخاذ کنند (Zhang & Wang, 2024). متأسفانه، در سال‌های اخیر شاهد گسترش چشمگیر اطلاعات نادرست ازطریق کانال‌های رسانه‌های اجتماعی بوده‌ایم که اغلب با عنوان شایعه از آن‌ها یاد می‌شود. شایان ذکر است که ایجاد و انتشار اطلاعات نادرست پدیدۀ جدیدی نیست؛ داستان‌های نادرست از زمانی که انسان‌ها به‌صورت گروهی زندگی می‌کنند وجود داشته (Burkhardt, 2017) و هم‌زمان با تحول رسانه‌ها و شیوه‌های ارتباطی تکامل یافته‌اند؛ برای مثال، در چشم‌انداز رسانه‌های دیجیتال امروزی، اصطلاح «اخبار جعلی» پس‌از انتخابات ریاست‌ جمهوری ایالات متحده در سال ۲۰۱۶ اهمیت ویژه‌ای پیدا کرد. معنای این اصطلاح از اطلاعات نادرست عمدی نشئت می‌گیرد (Waisbord, 2018). افزون‌بر این، شایعات در فضای مجازی به‌صورت متن و چندرسانه‌ای منتشر می‌شوند. بررسی‌ها نشان می‌دهند که روش‌های سنتی تشخیص فریب، برای شناسایی اخبار جعلی مناسب نیستند. به‌تازگی، با پیشرفت شیوه‌های ویرایش چندرسانه‌ای، اخبار جعلی چندرسانه‌ای فراوانی به رسانه‌های اجتماعی هجوم آورده‌اند (Han et al., 2021). در همین راستا، با گسترش سایت‌ها و شبکه‌های اجتماعی، ما معمولاً با شایعات و تأیید محصولات ازسوی گروه‌های مختلف اجتماعی (دوستان، غریبه‌ها یا افراد مشهور) مواجه می‌شویم. در اجتماعات آنلاین، نشان داده شده که اطلاعات مخرب، مانند پوشش اخبار منفی از افراد مشهور، منجر به درک منفی‌تری از آن‌ها 

می‌شود. شایعات که به تبادل توضیحات و ارزیابی‌هایی دربارۀ اشخاص ثالث غایب اطلاق می‌شود، نوعی راهبرد سازگار برای یادگیری اجتماعی است که به گسترش اطلاعات و شکل‌دهی به شهرت افراد یا سازمان‌ها در جامعه کمک می‌کند. به‌این‌ترتیب، شایعات باعث می‌شود تعامل اجتماعی در مقیاسی بسیار بزرگ‌تر، بدون نیاز به تعامل مستقیم اعضای جامعه، رخ دهد (Liao et al., 2019). ازآنجاکه رسانه‌های اجتماعی به بستری مهم برای فعالیت‌های بازاریابی برندها، ازجمله خدمات مشتری و توسعۀ محصول، تبدیل شده‌اند، اخبار جعلی می‌تواند پیامدهای جدی و چشمگیری برای شرکت‌ها و مصرف‌کنندگان داشته باشد (Di Domenico, 2022). این تأثیرات منفی باعث ایجاد سردرگمی و تردید دربارۀ دانش و تجربیات قبلی مصرف‌کنندگان از برندها می‌شود. اخبار جعلی می‌تواند باورهای گمراه‌کننده را در افراد القا کند؛ باورهایی که مبنای تصمیم‌گیری آن‌ها قرار گرفته و بر نگرششان دربارۀ شرکت‌ها تأثیر می‌گذارد (Visentin et al., 2019). در سطح کلان‌تر، در شبکه‌های اجتماعی، شایعه‌ها اغلب بازتابی از ترس و اضطراب جمعی در زمان بحران‌ها هستند. دولت‌ها این شایعه‌ها را تهدیدی برای ثبات اجتماعی می‌دانند و با کارزارهای به‌اصطلاح «شایعه‌زدایی» می‌کوشند روایت رسمی خود را مسلط سازند. این فرایند گاهی به‌جای جست‌وجوی حقیقت، به ابزاری برای مدیریت افکار عمومی و حفظ قدرت تبدیل می‌شود (Chen & Lu, 2026). در سطح خُرد و برای شرکت‌ها، اخبار جعلی می‌تواند به شهرت آن‌ها آسیب جدی وارد کند. شرکت‌های بزرگ چندملیتی، مانند پپسی، ردبول و نیوبالانس نمونه‌هایی‌اند که براساس اطلاعات نادرست منتشرشده در فضای آنلاین، با تحریم محصولاتشان ازسوی مشتریان مواجه شده‌اند (Obadă, 2019). افزون‌بر این، اخبار جعلی می‌تواند تهدیدی مالی برای شرکت‌ها باشد (Binham, 2019) و آن‌ها را به ورطۀ نابودی و ورشکستگی بکشاند. در پاسخ به این نیاز، بررسی‌های پیشین نشان می‌دهد تلاش‌هایی که برای کنترل شایعات صورت گرفته، بیشتر ازطریق راهبرد‌های کنترل سخت یا نرم بوده ‌است (Askarizade et al., 2022). با بررسی دقیق‌تر این راهبردها، روشن می‌شود که روش‌های سخت‌گیرانۀ کنترل شایعات متکی بر محدودسازی یا حذف کاربرانی است که شایعات را منتشر می‌کنند. همچنین، مسدودسازی پیام‌های شایعه‌آمیز در شبکه‌های اجتماعی نیز در این روش‌ها مدنظر قرار می‌گیرد. کنترل سخت شایعات را می‌توان نوعی سانسور قانونی یا غیرقانونی در نظر گرفت؛ برای مثال، برخی شبکه‌های اجتماعی، مانند اینستاگرام و فیسبوک حساب‌هایی را که توسط کاربران گزارش می‌شوند یا مقررات آن‌ها را نقض می‌کنند، مسدود یا تعلیق می‌کنند (Tong et al., 2017). در مقابل، راهبرد کنترل نرم شایعات، بر افزایش دانش و آگاهی افراد استوار است تا آن‌ها را متقاعد سازد که شخصاً از بازنشر شایعه خودداری کنند. پژوهش‌هایی که از این رویکرد پیروی می‌کنند، نمونه‌هایی از اتخاذ راهبرد‌ کنترل نرم‌اند (Xiao et al., 2019). در نهایت، رفتار مقابله‌ای مصرف‌کنندگان با شایعات برند، شامل واکنش‌ها و اقداماتی است که افراد برای مهار، بی‌اثرسازی یا مدیریت این شایعات در پیش می‌گیرند. این رفتارها بیشتر شامل شک‌گرایی، بررسی صحت اطلاعات و تقویت روایت‌های مخالف است. شک‌گرایی رایج‌ترین شکل این رفتارهاست؛ مصرف‌کنندگان با تردید در صحت و منشأ شایعه، آن را براساس تجربیات قبلی، دانش پیشین و اعتبار منبع ارزیابی می‌کنند (Yu, 2024).

مسئلۀ اصلی پژوهش، نبود الگوی جامع و کارآمد 

برای پاسخ‌گویی به شایعات منفی در حوزۀ بازاریابی صنایع غذایی است که اغلب به تضعیف اعتماد مصرف‌کنندگان، کاهش فروش و خدشه‌دار شدن نام‌های تجاری می‌انجامد. در صنعت لبنیات ایران، نمونه‌های گوناگونی ازجمله شایعات پیرامون برندهای مطرحی چون کاله و میهن، ابعاد و گستردگی این مسئله را به‌روشنی نشان می‌دهد. گسترۀ مسئله عمدتاً به شبکه‌های اجتماعی همچون اینستاگرام، توییتر (ایکس) و تلگرام محدود می‌شود، جایی که سرعت انتشار اطلاعات نادرست بسیار چشمگیر است و ویژگی‌هایی چون سرعت بالای انتشار و ناشناس بودن منابع، کنترل آسیب را پیچیده می‌سازد. ازسوی‌دیگر، ریشه‌های این مسئله در صنایع غذایی ایران به حساسیت بسیار مصرف‌کنندگان به سلامت محصولات، رقابت فزاینده میان برندها و دخالت احتمالی رقبا یا عوامل بیرونی بازمی‌گردد؛ عواملی که شایعه را به ابزاری برای تخریب بازار بدل می‌سازد. این مسئله نه‌تنها شرکت‌های مورد بررسی، یعنی کاله و میهن را تحت‌تأثیر قرار داده، بلکه کل صنعت لبنیات و غذایی را تهدید می‌کند و نیاز به طراحی الگویی ساخت‌یافته برای مدیریت بحران شایعات را ضروری می‌سازد. همچنین، نبود پاسخ‌گویی سریع و کارآمد به این شایعات می‌تواند به بحران‌های درازمدت بینجامد و فرصت‌های بازاریابی دیجیتال را از میان ببرد.

اجرای این پژوهش از دیدگاه‌های نظری، کاربردی، قانونی و برنامه‌ای اهمیت و ضرورت بسیاری دارد. از دیدگاه نظری، این پژوهش می‌تواند دستاوردهای ارزشمندی در گسترش دانش مدیریت بحران در بازاریابی دیجیتال به همراه داشته باشد؛ زیرا الگوی پیشنهادی برای پاسخ به شایعات در شبکه‌های اجتماعی، خلأ موجود در مبانی نظری بازاریابی صنایع غذایی را برطرف می‌کند و چارچوبی نوین برای بررسی پدیدۀ شایعات فراگیر ارائه می‌دهد. این الگو می‌تواند به توسعۀ مبانی نظری در حوزۀ مدیریت شهرت برند و تبلیغات توصیه‌ای منفی (NWOM) یاری رساند و پایه‌ای برای پژوهش‌های آینده درزمینه‌های مشابه، ازجمله مدیریت بحران در صنایع سلامت‌محور، فراهم آورد. همچنین، بررسی موردی شرکت‌های کاله و میهن به‌عنوان نام‌های تجاری پیشرو، الگویی تجربی برای درک پویایی شایعات در بازارهای درحال ظهور همچون ایران ایجاد و به گسترش نظریه‌های بومی در بازاریابی کمک می‌کند. از دیدگاه کاربردی، دستاوردهای این پژوهش برای شرکت‌ها و دستگاه‌های اجرایی بسیار سودمند است؛ زیرا الگوی طراحی‌شده می‌تواند به مدیران بازاریابی صنایع غذایی کمک کند تا راهبردهای پاسخ‌گویی سریع، شفاف و کارآمد به شایعات را اجرا کنند که نتیجۀ آن، حفظ اعتماد مصرف‌کنندگان، کاهش زیان‌های مالی و تقویت جایگاه رقابتی خواهد بود؛ برای نمونه، شرکت‌هایی همچون کاله و میهن می‌توانند از این الگو برای پایش مداوم شبکه‌های اجتماعی، تولید محتوای مقابله‌ای و تعامل مستقیم با مخاطبان بهره بگیرند و نیازهای عملیاتی خود در مدیریت بحران را برطرف سازند. همچنین، دستگاه‌های اجرایی همچون وزارت بهداشت، سازمان غذا و دارو و وزارت صنعت می‌توانند از یافته‌ها برای تدوین راهنماهای عملی در نظارت بر شایعات غذایی استفاده و به پیشگیری از بحران‌های عمومی سلامت کمک کنند. از جنبۀ قانونی و برنامه‌ای، این پژوهش با توجه به قوانین حمایت از مصرف‌کننده و مقررات فضای مجازی در ایران، ضروری است؛ زیرا شایعات اغلب به نقض حقوق مصرف‌کنندگان می‌انجامد و نیاز به چارچوب‌های قانونی برای مقابله با انتشار اطلاعات نادرست را برجسته می‌سازد. در برنامه‌های توسعه‌ای 

کشور همچون سند چشم‌انداز صنایع غذایی و برنامه‌های دیجیتال‌سازی اقتصاد، مدیریت شایعات به‌عنوان بخشی از امنیت غذایی و اقتصادی به شمار می‌آید و این پژوهش می‌تواند به سیاست‌گذاری‌های دولتی در تقویت نظارت سایبری و حمایت از نام‌های تجاری ملی یاری رساند. با توجه به رشد سریع شبکه‌های اجتماعی و تأثیر آن بر صنایع غذایی، این پژوهش نه‌تنها ضرورتی علمی، بلکه الزامی عملی و قانونی برای پایداری نام‌های تجاری و اقتصاد ملی به شمار می‌رود.

باوجود انباشت پژوهش‌ها دربارۀ شایعات در شبکه‌های اجتماعی، مرور نظام‌مند مبانی نظری موجود نشان می‌دهد که سه خلأ اصلی وجود دارد: نخست اینکه، بیشتر مدل‌های پاسخ به شایعات یا بر راهبردهای «کنترل سخت» (حذف کاربر و مسدودسازی) یا «کنترل نرم» (افزایش آگاهی) متمرکز شده‌اند و مدلی که ترکیبی از پاسخ‌های اقتضایی، مبتنی‌بر نوع شایعه و میزان اعتماد مخاطب را ارائه دهد، یافت نشد؛ دوم اینکه، در حوزۀ صنایع غذایی به‌عنوان بستری با حساسیت سلامت‌محور، هیچ چارچوبی برای پاسخ‌گویی تفکیک‌شده به شایعات بازاریابی (تفکیک شایعه از محصول، فرایند تولید یا برند) طراحی نشده است؛ سوم اینکه، تأثیر آموزش‌های پیشگیرانه به مشتریان به‌عنوان بخشی از راهبرد پاسخ‌گویی، در پژوهش‌های پیشین آزمون نشده است. خلأ اصلی که انجام این پژوهش را ضروری می‌سازد، نبود مدلی جامع، اقتضایی و مشتری‌محور برای پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی است که هم تنوع پاسخ‌ها را پوشش دهد و هم اثربخشی آموزش به مشتریان را به‌عنوان مؤلفه‌ای از آن مدل اندازه بگیرد؛ بنابراین، در پژوهش حاضر، هدف اصلی، طراحی مدلی جامع برای پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی است تا سازمان‌ها بتوانند به‌شیوه‌ای نظام‌مند و مؤثر با این چالش مواجه شوند. برای دستیابی به این هدف، دو هدف فرعی نیز دنبال می‌شود: نخست، شناسایی انواع پاسخ‌هایی که می‌توان به شایعات بازاریابی در بستر شبکه‌های اجتماعی ارائه داد؛ دوم، ارزیابی اثربخشی آموزش‌های ارائه‌شده به مشتریان در قبال این شایعات. درمجموع، این پژوهش برآن است که با ترکیب شناخت انواع پاسخ‌ها و سنجش تأثیر آموزش‌های مشتری‌محور، الگویی کاربردی برای مدیریت و خنثی‌سازی شایعات بازاریابی در فضای مجازی تدوین کند.

 

  1. مبانی نظری

اطلاعات نادرست به اطلاعات یا اخبار تأییدنشده‌ای گفته می‌شود که به‌سرعت در میان افراد منتشر می‌شود و معمولاً منبع مشخص و معتبری ندارد. در عصر شبکه‌های اجتماعی، سرعت و دامنۀ انتشار اطلاعات نادرست به‌دلیل قابلیت چشمگیر اشتراک‌گذاری اطلاعات، بسیار گسترده‌تر شده و می‌تواند منجر به بی‌ثباتی اجتماعی و گم شدن حقایق در میان انبوهی از اطلاعات نادرست شود (Zhou et al., 2025). در مراحل اولیۀ انتشار اطلاعات نادرست، شناسایی دقیق منبع آن برای مدیریت و کنترل جریان اطلاعات اهمیت بسیاری دارد؛ بااین‌حال، عدم قطعیت ذاتی در فرایند اشاعۀ اطلاعات، مکان‌یابی دقیق منبع را با پیچیدگی مواجه می‌کند. اگرچه در نظر گرفتن مسیر انتقال اطلاعات می‌تواند از شدت این ابهام بکاهد و فرایند شناسایی را تسهیل کند، روش‌های سنتی کماکان به زمان ثبت‌شده در گره‌های مشاهده‌شده وابسته‌اند؛ داده‌هایی که در اغلب مواقع دقت کافی ندارند؛ ازاین‌رو. در بستر شبکه‌های اجتماعی، این مسئله 

پیچیدگی بیشتری می‌یابد؛ زیرا سرعت بسیار اشتراک‌گذاری اطلاعات باعث گسترش سریع دامنۀ اطلاعات نادرست می‌شود و تشخیص منبع اصلی را پیش‌از مخدوش شدن ردپای اطلاعاتی به یک ضرورت تبدیل می‌کند (Ma et al., 2026). در این میان، ظهور الگوهای خاصی از انتشار، به‌ویژه در قالب شایعه، ابعاد پیچیده و چندگانه‌ای را به این مسئله می‌افزاید که از تعامل میان کاربران، محتوا و بافتار شبکه نشئت می‌گیرد. در شبکه‌های اجتماعی، شایعه ابعاد پیچیده و چندگانه‌ای دارد که یکی از ابعاد مهم، بُعد عاطفی شایعه است؛ به این معنا که کاربران براساس شباهت‌های هیجانی و نگرش‌های مشترک به یک موضوع، پیرامون شایعه‌ای مشخص هم‌گرا شده و خوشه‌هایی را پدید می‌آورند که در آن، محتوای اثبات‌نشده به‌سرعت بازنشر می‌شود. بُعد دیگر، تأثیر نفوذ کاربران در ساختار شبکه است، به‌گونه‌ای که بازنشر محتوا توسط کنشگران پرنفوذ (فردی یا نهادی)، دامنۀ انتشار شایعه را از خوشه‌های محدود فراتر برده و آن را به گستره‌ای فراگیر تسری می‌دهند. در نهایت، این ابعاد عاطفی و ساختارهای تأثیرگذاری در تعامل با یکدیگر، ماهیت چندبُعدی انتشار شایعه را شکل می‌دهند؛ به‌طورى که برای پیش‌بینی و تحلیل مسیر انتشار، در نظر گرفتن هم‌زمان لایه‌های مختلف ارتباطی و رفتاری در شبکه‌های اجتماعی امری ضروری و اجتناب‌ناپذیر است (Wang et al., 2025). با این توصیف، ابعاد چندگانۀ شایعه (عاطفی، نفوذ و پیچیدگی شبکه) تنها لایه‌های پدیدارشناختی مسئله به شمار می‌آیند. برای پاسخ به پرسش اصلی پژوهش -طراحی مدل پاسخ‌دهی به شایعات- به نظریه‌هایی نیاز است که فرایندهای زیربنایی گسترش، پردازش و پذیرش اطلاعات را تبیین کنند؛ ازاین‌رو، سه نظریۀ انتشار نوآوری‌ها (تبیین سرعت و الگوی انتشار شایعه)، پردازش اجتماعی اطلاعات (تبیین چگونگی شکل‌گیری باور به شایعه در فضای بدون نشانه‌های غیرکلامی) و اقناع (تبیین امکان تغییر نگرش ازطریق پاسخ‌ها)، مبانی نظری مدل پیشنهادی این پژوهش را تشکیل می‌دهند. نظریۀ انتشار نوآوری‌ها (DOI) تدوین‌شده توسط اورت راجرز (۱۹۶۲) توضیح می‌دهد که چگونه یک ایده یا فناوری جدید در میان اعضای یک نظام اجتماعی گسترش می‌یابد. این فرایند تدریجی است و موفقیت آن به عواملی چون مزیت نسبی، سازگاری با ارزش‌های موجود، پیچیدگی، قابلیت آزمایش و مشاهده‌پذیری بستگی دارد. افراد براساس سرعت پذیرش به پنج دسته تقسیم می‌شوند: 1. نوآوران؛ 2. پذیرندگان اولیه؛ 3. اکثریت اولیه؛ 4. اکثریت ثانویه؛ 5. کندپذیران. پذیرندگان اولیه به‌دلیل نفوذ اجتماعی‌شان، در رسیدن به جرم بحرانی و تسریع پذیرش نوآوری نقشی کلیدی دارند (García-Avilés, 2020).

نظریۀ پردازش اجتماعی اطلاعات (SIP) که جوزف والتر آن را در سال ۱۹۹۲ مطرح کرد، بیان می‌کند که چگونه روابط بین‌فردی می‌توانند در محیط‌های مبتنی‌بر متن (ایمیل، چت یا شبکه‌های اجتماعی) شکل بگیرند. برخلاف این باور رایج که نبود نشانه‌های غیرکلامی مثل لحن صدا یا زبان بدن، مانع از ایجاد صمیمیت می‌شود، این نظریه استدلال می‌کند که کاربران در طول زمان و ازطریق به‌کارگیری سازوکارهایی نظیر نشانه‌های دیداری (شکلک‌ها)، شیوه‌های نشانه‌گذاری تأکیدی و مدیریت زمان‌بندی ارسال پیام، می‌توانند سطحی از ارتباط اجتماعی و نزدیکی عاطفی هم‌ارز با تعاملات چهره‌به‌چهره را بازتولید کنند؛ هرچند که این فرایند معمولاً زمان بیشتری می‌برد (Kelemen et al., 2026). نظریۀ اقناع 

به مجموعه‌ای از رویکردها و مدل‌ها گفته می‌شود که تلاش می‌کنند فرایند تغییر نگرش، باور یا رفتار افراد را ازطریق ارتباطات هدفمند توضیح دهند. براساس این نظریه، اقناع زمانی رخ می‌دهد که فرد پیامی را دریافت و آن را پردازش می‌کند و در نتیجه، دیدگاه یا کنش خود را تغییر می‌دهد. مدل‌های شناخته‌شده‌ای مانند مدل احتمال بسط (Elaboration Likelihood Model ‘ELM’) نشان می‌دهند که فرایند اقناع می‌تواند از دو مسیر اصلی رخ دهد: مسیر مرکزی که در آن، فرد با دقت و تأمل منطقی محتوای پیام را ارزیابی می‌کند، و مسیر پیرامونی که در آن، نگرش‌ها ازطریق نشانه‌های سطحی‌تر، نظیر جذابیت منبع پیام یا حالات هیجانی گذرا، دستخوش تغییر می‌شوند (Rachmad, 2025). 

 

  1. پیشینۀ پژوهش

 

جدول 1. پیشینه

Table 1. Background of the research

دلیل انتخاب

نقاط قوت و ضعف

شاخص‌های شناسایی‌شده

نتیجه

روش پژوهش

عنوان پژوهش

مؤلف و سال

ردیف

ارائۀ چارچوب دسته‌بندی شایعات برای استخراج سؤالات پروتکل مصاحبه

قوت: دسته‌بندی کاربردی شایعات؛ ضعف: ارائه نشدن مدل اجرایی دقیق برای مقابله

شایعات مخرب (قدرت تفکر، احساسات بد، انتقال شایعه)؛ شایعات بی‌گناه (پشتوانۀ مرجع، ایجاد اعتماد)

در گردشگری، شایعات به دو دستۀ مخرب و بی‌گناه تقسیم می‌شوند؛ مدیران می‌توانند از شایعات بی‌گناه سود ببرند و شایعات مخرب را کنترل کنند

توصیفی-پیمایشی؛ نمونه‌گیری خوشه‌ای چندمرحله‌ای؛ تحلیل مسیر، تحلیل عاملی؛ نرم‌افزار SPSS و PLS

بررسی عوامل مؤثر بر مدیریت شایعه در شبکه‌های اجتماعی در صنعت گردشگری

قمی اویل و همکاران (1402)

1.                    

استفاده از گونه‌شناسی برای درک جنس شایعات صنایع غذایی

قوت: تحلیل دقیق گونه‌شناسی؛ ضعف: نبود رویکرد راهبردی برای مدیریت

شایعات تحریک‌کنندۀ احساسات، شایعه‌پراکنی علیه حاکمیت، بزرگ‌نمایی آمار، شایعه علیه نیروهای مسلح، شایعه دربارۀ انتقال/پیشگیری/درمان کرونا

نیمی از شایعات کرونایی به تحریک احساسات، ضدحاکمیت و بزرگ‌نمایی اختصاص داشت؛ سایر دسته‌ها در رده‌های بعدی

رصد انسانی رسانه‌ها (خبرگزاری‌ها، تلگرام، اینستاگرام، توییتر)؛ تحلیل گونه‌شناسی، منشأ، شیوع و فراگیری

گونه‌شناسی اخبار جعلی و شایعات کرونایی در رسانه‌های اجتماعی در ایران

قاسمی‌نژاد و همکاران (۱۴۰۱)

2.                    

بررسی راهکارهای فناورانه برای شناسایی سریع شایعات

قوت: سرعت و دقت بالا؛ ضعف: فقط فنی و بدون توجه به بُعد انسانی

بردار هشت‌تایی براساس فراوانی درجۀ رئوس در زیرگراف‌های انتشار؛ دسته‌بندی با جنگل تصادفی (دقت ۰.۸۴)

تشخیص شایعه براساس الگوی فراوانی درجه در گراف انتشار؛ کارایی زمانی بالا (تشخیص در چهار گام)

تحلیل گراف انتشار؛ استخراج ویژگی؛ دسته‌بندی با الگوریتم‌های یادگیری ماشین (بهترین: جنگل تصادفی)

تشخیص شایعه در شبکه‌های اجتماعی مبتنی‌بر تحلیل الگوی فراوانی درجه رئوس در زیرگراف‌های گام‌به‌گام انتشار

خسروی و همکاران (۱۴۰۱)

3.                    

استخراج سؤالات پروتکل مدل پاسخ به شایعات برند

قوت: عمق تحلیل کیفی؛ ضعف: جامعۀ آماری محدود به مصاحبه

مؤلفه‌های شایعات برند؛ عوامل تسهیل‌کننده؛ عوامل بازدارنده؛ عوامل دوگانه

عوامل مؤثر بر شایعات برند در گردشگری سلامت به چهار دسته شایعات برند؛ عوامل تسهیل‌کننده؛ عوامل بازدارنده؛ عوامل دوگانه تقسیم شدند؛ ارائه مدل کیفی

کیفی؛ تحلیل مضمون مصاحبه با کارشناسان

بررسی عوامل مؤثر بر شایعات برند در حوزه گردشگری سلامت بین‌المللی

Limaei et al., 2025

4.                    

شناسایی راهکارهای دفاعی مصرف‌کننده در برابر شایعه

قوت: تمرکز بر پاسخ مصرف‌کننده؛ ضعف: تعمیم‌نا‌پذیری شدید

شک‌گرایی مصرف‌کننده؛ بررسی واقعیت اخبار؛ تقویت روایت‌های جایگزین

مصرف‌کنندگان با شک‌گرایی و بررسی واقعیت به شایعات برند پاسخ می‌دهند و آثار منفی را کاهش می‌دهند

بررسی موردی

بررسی رفتار مصرف‌کنندگان در مقابله با شایعات برند

Yu, 2024

5.                    

الهام‌گیری از روش‌های نوین تشخیص دروغ در مدل‌های مدیریتی

قوت: رویکرد نوآورانه و بدیع؛

ضعف: پیچیدگی فنی فزاینده برای اجرا

ویژگی‌های انتشار به سیگنال صوتی (دامنه، فرکانس، آفست)؛ تبدیل فوریه و طیف مل

مدل تشخیص شایعه با الهام از تشخیص دروغ صوتی؛ تبدیل موضوع به سیگنال صوتی و استخراج ویژگی

مدل‌سازی محاسباتی؛ روش Topic2Audio؛ تبدیل فوریه

مدلی برای تشخیص شایعه با الهام از فناوری تشخیص دروغ

Yang et al., 2024

6.                    

شناسایی آثار تخریبی شایعات بر عملکرد سازمانی

قوت: تحلیل روابط علی؛ ضعف: محدود به فضای درون‌سازمانی

خویشاوندگرایی (رابطۀ مثبت با عملکرد)؛ شایعات (رابطۀ منفی با عملکرد)؛ نقش تعدیل‌کنندۀ عدالت سازمانی

شایعات تأثیر منفی بر عملکرد شغلی دارد؛ خویشاوندگرایی مثبت؛ عدالت سازمانی تعدیل‌کننده است

کمّی؛ جمع‌آوری پرسش‌نامه از ۶۴۰ کارمند؛ تحلیل PLS-SEM

تأثیر خویشاوندگرایی و شایعات در محل کار، بر عملکرد شغلی در آژانس‌های مسافرتی و هتل‌ها در مصر

Khairy & Elzek, 2024

7.                    

درک نقش مدیریت در تغییر ادراک از شایعه

قوت: مدل‌سازی ساختاری؛ ضعف: بررسی از زاویه دید کارکنان

ابعاد شایعات محل کار: مقایسه و اغراق، سرگرمی، ظاهر فیزیکی، جریان اطلاعات اجتماعی، مدیریتی، تصعید؛ تأثیر نگرش مدیریتی

نگرش شخصی کارکنان به شایعات بر درک ابعاد شایعات در محل کار تأثیر می‌گذارد

کمّی؛ نظرسنجی از ۴۵۱ کارمند هتل؛ تحلیل مسیر با AMOS

برداشت کارکنان از شایعات محل کار در صنعت مهمان‌نوازی

Karamustafa et al., 2024

8.                    

ارائۀ راهکار مدیریت بحران (راهبرد‌ رد شایعه)

قوت: ارائۀ راهبرد‌ عملیاتی؛ ضعف: دشواری در حفظ اعتماد در بلندمدت

عامل اعتماد منبع؛ اثر تعدیل‌کنندۀ اعتماد-نشان

راهبرد‌ رد شایعه مبتنی‌بر اعتماد؛ اعتماد منبع بر باور و انتقال شایعه تأثیر دارد

چندروشه (تجربی و محاسباتی)

مبارزه با شایعات منفی با راهبرد‌ رد شایعات مبتنی‌بر اعتماد

Kim et al., 2024

9.                    

شناخت چگونگی تأثیر شایعه بر برندهای مختلف

قوت: تحلیل پیامدهای جانبی شایعه؛ ضعف: پیچیدگی در تفکیک پیامدها

باور به برندسازی دوگانه؛ ادراک کیفیت مقایسه‌ای؛ درک خریداران هوشمند (تعدیل‌کننده)

افشای شایعات برندسازی دوگانه تأثیر مثبت/منفی بر ارزیابی برند فروشگاهی/ملی دارد

بررسی تأثیر افشای شایعه

تأثیر شایعات برندسازی دوگانه بر ارزیابی برند ملی و فروشگاهی مصرف‌کنندگان

Cascio et al., 2024

10.                 

شناسایی متغیرهای تعدیل‌کننده در انتشار شایعه

قوت: حجم نمونه فراوان. ضعف: بررسی نکردن بُعد روانی-اجتماعی

باور شایعات (واسطه)؛ تفکر انتقادی (تعدیل‌کنندۀ منفی)؛ اطلاعات رسانۀ سنتی (تعدیل‌کننده)

کسب اطلاعات از رسانۀ اجتماعی اشتراک شایعه را کاهش می‌دهد؛ باور شایعه واسطه است

نظرسنجی از ۲۴۲۴ کاربر رسانۀ اجتماعی

مبارزه با شایعات برای مقابله با COVID-19؛ بررسی باور و اشتراک‌گذاری شایعات در رسانه‌های اجتماعی

Guo et al., 2023

11.                 

منبع: محقق‌ساخته

مطالعات پیشین (جدول 1) در حوزه شایعات -به‌ویژه در بسترهای شبکه‌های اجتماعی، مدیریت برند، فضای سازمانی و بحران‌های سلامت- از تنوع چشمگیر رویکردهای روش‌شناختی و زمینه‌های کاربردی برخوردارند؛ اما درمجموع، نقاط ‌قوت و ضعف برجسته‌ای را آشکار می‌کنند. از نقاط قوت می‌توان به ترکیب مناسب روش‌های کمّی و کیفی، بهره‌گیری از تکنیک‌های نوین محاسباتی و یادگیری ماشین برای تشخیص خودکار شایعات، توجه به نقش عوامل روان‌شناختی، مانند اعتماد، شک‌گرایی و تفکر انتقادی، و تمرکز بر زمینه‌های کاربردی واقعی نظیر گردشگری، مهمان‌نوازی و همه‌گیری‌ها اشاره کرد که این مطالعات را از حالت نظری صِرف خارج ساخته و قابلیت تعمیم عملی به مدیریت بحران‌های اطلاعاتی را افزایش داده است؛ بااین‌حال، ضعف‌های درخور توجهی نیز مشاهده می‌شود؛ بسیاری از پژوهش‌ها به جوامع و زمینه‌های جغرافیایی محدود (ایران، مصر یا چین) پرداخته‌اند که تعمیم‌پذیری یافته‌ها به فرهنگ‌ها و نظام‌های اجتماعی متفاوت را دشوار می‌سازد، نمونه‌گیری‌ها اغلب محدود به گروه‌های خاص (کارکنان یک صنعت یا کاربران یک پلتفرم) بوده و کمتر به مقایسه‌های بین‌فرهنگی توجه شده است. همچنین، تمرکز بیش‌ از حد بر تشخیص و طبقه‌بندی شایعات در برخی مطالعات، موجب کم‌توجهی به سازوکار‌های بلندمدت پیشگیری و مداخلۀ سازمانی شده و نقش متغیرهای میانجی و تعدیل‌کننده، مانند عدالت سازمانی یا سواد رسانه‌ای به‌صورت پراکنده و نه جامع بررسی شده است.

درمجموع، باوجود غنای مطالعات پیشین در بررسی ابعاد فنی تشخیص شایعه و شناسایی پیامدهای منفی آن بر رفتار مصرف‌کننده، همچنان خلأ پژوهشی مشهودی در ارائۀ مدلی یکپارچه برای واکنش به شایعات در حوزۀ صنایع غذایی به چشم می‌خورد. در واقع، مطالعات فعلی اغلب یا فقط بر جنبه‌های فناورانۀ شناسایی متمرکز بوده یا به‌صورت پراکنده به واکنش‌های رفتاری پرداخته‌اند و از ارائۀ الگویی ساختاریافته برای پاسخ‌دهی راهبردی غفلت کرده‌اند. پژوهش حاضر در پی پاسخ به این پرسش کلیدی است که چگونه می‌توان با طراحی مدلی جامع، شایعات بازاریابی در شبکه‌های اجتماعی را به شیوه‌ای نظام‌مند مدیریت کرد. در این راستا، این مطالعه با بررسی انواع پاسخ‌های مناسب و ارزیابی میزان اثربخشی آموزش‌های مشتری‌محور در خنثی‌سازی این چالش، به‌دنبال تدوین الگویی کاربردی برای سازمان‌هاست.

 

  1. روش‌شناسی

این پژوهش از روش آمیخته (کیفی-کمّی) با رویکرد اکتشافی متوالی بهره گرفته است. در بخش کیفی نیز راهبرد مطالعۀ موردی مبنای کار قرار گرفت و داده‌ها ازطریق مصاحبه‌های نیمه‌ساختاریافته با مدیران، مشتریان شرکت‌های کاله و میهن، و اصحاب‌رسانه گردآوری شد. همچنین، نمونه‌گیری به‌صورت هدفمند و با تکنیک گلوله‌برفی تا رسیدن به اشباع نظری (۱۲ مصاحبه) تداوم یافت (جدول 3). تحلیل داده‌های کیفی با روش کدگذاری باز و محوری صورت گرفت که منجر به شناسایی شاخص‌ها و طراحی مدل اولیۀ پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی شد.

جدول 2. درصد توافق

Table 2. Agreement percentage

عنوان مصاحبه

تعداد کل کدها

تعداد توافقات

تعداد اختلافات

پایایی بازآزمون (درصد)

N1

108

49

19

90.74

N2

90

33

11

73.33

مجموع

198

82

30

82.03

منبع: محقق‌ساخته

پایایی بازآزمون کل برابر با 82.03درصد بوده و از 60درصد بیشتر است (جدول 2)؛ لذا نتایج به‌دست‌آمده پایایی کدگذاری‌های پژوهش را به تأیید می‌رساند.

طرح پژوهش در بخش کمّی، از نوع شبه‌تجربی با دو گروه آزمایش و کنترل بود. گروه آزمایش، آموزش مبتنی‌بر مدل طراحی‌شده را دریافت کرد و گروه کنترل، هیچ آموزشی دریافت نکرد. جامعۀ آماری پژوهش را تمامی مشتریان صنایع غذایی در شهر تهران به تعداد ۱,۲۳۴,۵۶۳ نفر تشکیل می‌دادند. حجم نمونه براساس فرمول کوکران، ۷۶۸ نفر برآورد شد که از این مقدار، ۳۸۴ نفر به هر گروه اختصاص یافت. پژوهش حاضر از روش نمونه‌گیری در دسترس بهره می‌برد و فرایند تخصیص افراد به دو گروه آزمایش و کنترل، ازطریق جایگزینی تصادفی صورت می‌گیرد؛ بدین‌ترتیب که پس‌از شماره‌گذاری ۷۶۸ نفر به‌ترتیب زمان مراجعه، با استفاده از جدول اعداد تصادفی، ۳۸۴ نفر نخست در گروه کنترل و ۳۸۴ نفر بعدی در گروه آزمایش قرار گرفتند. همچنین، در این پژوهش، «مشتری صنایع غذایی» به فردی اطلاق می‌شود که طی یک سال گذشته دست‌کم یک بار به‌صورت آنلاین یا حضوری از برندهای فعال در صنایع غذایی (لبنیات) خرید انجام داده و یک بار نیز در شبکه‌های اجتماعی با محتوای مرتبط با آن برندها تعامل داشته باشد. گردآوری داده‌ها ازطریق پرسش‌نامه‌ای 12‌گویه‌ای مبتنی‌بر شایعه‌ای فرضی بود؛ این شایعه بر پایۀ الگوی حاکم بر شایعات پیشین در صنعت لبنیات تدوین یافت و پیش‌از اجرا، به تأیید متخصصان علوم تغذیه رسید. تحلیل داده‌های کمّی نیز با بهره‌گیری از آزمون t ولچ در محیط نرم‌افزار SPSS صورت پذیرفت. روایی ابزارها ازطریق روایی صوری، محتوایی، یعنی نسبت روایی محتوایی لاوشه (CVR) به دست آمد؛ به‌طوری‌که تمامی گویه‌ها مقادیری بیشتر از حدنصاب ۰.۴۲ را ثبت کردند. پایایی ازطریق آلفای کرونباخ (۰.۷۸۵) و پایایی بازآزمون (۸۲.۰۳درصد) به تأیید رسید.

 

جدول 3. فرایند نمونه‌گیری گلوله‌برفی در پژوهش

Table 3. The snowball sampling process in research

مرحله

تعداد مصاحبه‌ها

افراد معرفی‌شده

توضیحات

مرحلۀ اول

۲

مدیران شرکت میهن و کاله

مصاحبۀ پژوهشگر با ۲ نفر از مدیران

مرحلۀ دوم

۳

معرفی‌شده توسط مدیران

مصاحبه با 3 نفر معرفی‌شده ازسوی مدیران

مرحلۀ سوم

۲

مشتریان

مصاحبۀ پژوهشگر با ۲ نفر از مشتریان

مرحلۀ چهارم

۲

معرفی‌شده توسط مشتریان

مصاحبه با ۲ نفر معرفی‌شده ازسوی مشتریان

مرحلۀ پنجم

۲

اصحاب‌رسانه

مصاحبۀ پژوهشگر با ۲ نفر از اصحاب‌رسانه

مرحلۀ ششم

۱

معرفی‌شده توسط اصحاب‌‌رسانه

مصاحبه با 1 نفر معرفی‌شده ازسوی اصحاب‌رسانه

مرحلۀ نهایی

-

-

در مصاحبه‌های ۱۰، ۱۱ و نهایتاً ۱۲ مطلب تکراری مشخص شد و نمونه‌گیری به نقطه اشباع رسید

منبع: محقق‌ساخته

  1. نتایج و یافته‌ها

در این مرحله ضمن تحلیل تمامی 12 مصاحبه،168 مفهوم کلیدی استخراج و در جدول 4 و جدول 5 ارائه شد.

 

جدول 4. کدگذاری باز مصاحبه شمارۀ 1

Table 4. Open Coding of Interview No. 1

کد مفاهیم

نشانگرها

نکات کلیدی

ردیف

تطبیق پاسخ

A1B1

تطبیق پاسخ ما براساس شدت شایعه یک رویکرد راهبردی است

1

اعتمادسازی نزد مشتریان

A1B2

اعتمادسازی ما نزد مشتریان، فرایندی مداوم است؛ حتی در شرایط شایعه

2

سرعت در بررسی شایعات

A1B3

شهرت برند ما در درجۀ اول اهمیت قرار دارد؛ ما باید به‌سرعت به هر شایعه‌ای رسیدگی کنیم

3

شناسایی منشأ شایعات

A1B4

شناسایی منشأ شایعات برای تدوین پاسخ دقیق بسیار مهم است

4

تعامل با مخاطبان

A1B5

تعامل با مخاطبان ما ازطریق ارتباط شفاف ضروری است

5

نظارت منظم بر رسانه‌های اجتماعی

A1B6

نظارت منظم بر رسانه‌های اجتماعی به ما کمک می‌کند تا از مشکلات احتمالی آگاه شویم

6

ارائۀ شواهد و حقایق در پاسخ شرکت

A1B7

ارائۀ شواهد و حقایق در پاسخ ما می‌تواند به‌طور مؤثر اطلاعات نادرست را از بین ببرد

7

ابزارهای تجزیه‌وتحلیل احساسات

A1B8

ابزارهای تجزیه‌وتحلیل احساسات برای سنجش احساسات عمومی و متناسب کردن پاسخ‌ها در شبکه‌های اجتماعی به کار گرفته شود

8

استفاده از اینفلوئنسرها

A1B9

استفاده از اینفلوئنسرها برای رسیدگی به شایعات می‌تواند تأثیر مثبتی بر درک عمومی داشته باشد

9

پیام‌های هدفمند جغرافیایی

A1B10

پاسخ‌ها براساس موقعیت جغرافیایی مخاطب برای افزایش ارتباط تنظیم شود

10

استفادۀ راهبردی از هشتگ‌ها

A1B11

استفادۀ راهبردی از هشتگ‌ها می‌تواند به کنترل روایت و هدایت بحث‌ها کمک کند

11

کمپین‌های میم

A1B12

میم‌های ساده و اشتراک‌پذیر (Simple and Shareable Memes) ایجاد شود تا به شایعات به شیوه‌ای طنزآمیز در شبکه‌های اجتماعی رسیدگی کنند

12

منبع: یافته‌های پژوهش

 

جدول 5. کدگذاری باز مصاحبه شمارۀ 6

Table 5. Open Coding of Interview No. 6

کد مفاهیم

نشانگرها

نکات کلیدی

ردیف

نظارت و انطباق مستمر

A6B1

سامانۀ نظارتی مستمری ایجاد شود تا پاسخ‌ها را براساس شرایط درحال تحول تطبیق دهد

1

برنامه‌های آموزش کارکنان

A6B2

برنامه‌های آموزشی اجرا تا اطمینان حاصل شود که کارکنان برای رسیدگی حرفه‌ای به شایعات مجهزند

2

تعهدات بهبود مستمر

A6B3

به‌طور عمومی متعهد به بهبود مستمر باید بود و تعهد خود را برای بهبود فرایندها و محصولات باید نشان دهیم

3

گواهی‌نامه‌های شخص ثالث معتبر

A6B4

گواهی‌نامه‌های سازمان‌های شخص ثالث معتبر برجسته شوند تا تعهد شرکت به کیفیت تقویت شود

4

ارتباطات 360 درجه

A6B5

شرکت باید ارتباطات ۳۶۰ درجه را به‌ کار گیرد؛ رویکردی که تمامی ذی‌نفعان را مشارکت می‌دهد تا از پاسخ‌گویی جامع اطمینان حاصل شود

5

تیم‌های خدمات مشتری پاسخ‌گو

A6B6

تیم‌های خدمات، به سؤالات و نگرانی‌های آنلاین مشتری به‌سرعت و به‌طور مؤثر پاسخ می‌دهند

6

نظارت بر فعالیت‌های رقبا

A6B7

شرکت باید به‌منظور پیش‌بینی و مقابله با شایعات برخاسته از راهبردهای رقابتی، اقدامات رقبا را به‌طور مستمر رصد و پایش کند

7

روش‌های دقیق تضمین کیفیت

A6B8

روش‌های دقیق تضمین کیفیت به نمایش گذاشته شود تا به مصرف‌کنندگان درخصوص ایمنی محصولات غذایی خود اطمینان دهیم

8

قبول نگرانی‌ها

A6B9

شرکت نگرانی‌های ناشی از شایعات را درک می‌کند

9

توصیه‌های مشتری

اشتراک دیدگاه‌های کاربران

A6B10

برای مقابله با شایعات منفی، توصیه‌های مثبت مشتری را به اشتراک بگذاریم

10

وبینارهای

آموزشی

A6B11

کارگاه‌های آموزشی یا وبینارها را برای رسیدگی به باورهای غلط رایج و آموزش مخاطبان برگزار شود

11

بیانیۀ رسمی

A6B12

هنگامی که شرکت شایعه‌ای را می‌شنود در شبکه‌های اجتماعی سازمان به ارائۀ بیانیۀ رسمی بپردازد

12

اقدامات قانونی و حقوقی

A6B13

بخش حقوقی شرکت پیگیر اقدامات حقوقی و قانونی باشند

13

پاسخ براساس حدود و ویژگی‌های جغرافیایی

A6B14

پاسخ‌ها براساس وضعیت جغرافیایی ارائه شود

14

ایجاد بخش سؤالات و جواب متداول

A6B15

بخشی را در سایت شرکت یا در شبکه‌های اجتماعی شرکت برای تدوین پاسخ‌ها دربارۀ شایعات طراحی شود

15

منبع: یافته‌های پژوهش

در ادامه، پس‌از بررسی و تجمیع این مفاهیم، درمجموع ۶۵ مقوله حاصل شد (جدول 6).

جدول 6. تجمیع کدگذاری باز مصاحبه‌ها جهت تعیین مؤلفه‌ها (زیرشاخص‌ها یا مقوله‌ها)

Table 6. Aggregation of Open Coding for Identifying Components (Sub-indicators or Categories)

مفهوم

 

نشانگرها

مؤلفه (زیرشاخص یا مقوله)

تطبیق پاسخ

پاسخ نظام‌مند

 

A1B1

A2B6

 

کیفیت پاسخ‌گویی شایعات

به‌موقع بودن پاسخ‌ها

سرعت در پاسخ‌گویی

سرعت در بررسی شایعات

 

A2B5

A7B2

A1B3

 

سرعت در بررسی و پاسخ‌گویی شایعات

اعتمادسازی نزد مشتریان

ایجاد اعتماد

A1B2

A10B3

 

اعتمادافزایی

شناسایی منشأ شایعات

درک منبع شایعه

A1B4

A4B10

 

شناسایی منبع و منشأ شایعه

تعامل با مخاطبان

تعامل با کاربر

تعامل فراگیر با ذی‌نفعان

تعامل با کاربران

A1B5

A10B2

A5B5

A7B8

 

تعاملات با ذی‌نفعان و کاربران

نظارت منظم بر کانال‌های رسانه‌های اجتماعی

ابزارهای نظارت پیشگیرانه

نظارت

نظارت و انطباق مستمر

ارزیابی پاسخ‌ها به شایعات

بررسی‌های تجزیه‌وتحلیل رسانه‌های اجتماعی

A1B6

A3B6

A5B6

A6B1

A9B4

A10B4

نظارت مستمر و پیشگیرانه بر رسانه‌های اجتماعی در مدیریت شایعات

ابزارهای تجزیه‌وتحلیل احساسات

راهبرد‌های اجتماعی تطبیقی

A1B8

A7B7

تحلیل احساسات و راهبرد‌های اجتماعی

استفاده از اینفلوئنسرها

اینفلوئنسرهای اهرمی

استفاده از اینفلوئنسرها

نقش اینفلوئنسرها

A1B9

A12B2

A5B10

A2B8

نقش و استفاده از اینفلوئنسرها

پیام‌های هدفمند جغرافیایی

پاسخ براساس حدود و ویژگی جغرافیایی

A1B10

A6B14

پیام‌های هدفمند براساس ویژگی‌های جغرافیایی

منبع: یافته‌های پژوهش

در این مرحله، مؤلفه‌ها (زیرشاخص‌ها) براساس ماهیت خود در ۱۰ شاخص (مضمون) دسته‌بندی شدند.

جدول 7. شاخص‌ها (مضمون‌ها) و مؤلفه‌ها (زیرشاخص‌ها یا مقوله‌ها) مدل

Table 7. Table of Indicators (Themes) and Components (Sub-indices or Categories) of the Model

مؤلفه‌ها (زیرشاخص‌ها یا مقوله‌ها)

شاخص‌ها (مضمون‌ها)

کیفیت پاسخ‌گویی شایعات

1.     مدیریت و پاسخ‌گویی به شایعات

سرعت در بررسی و پاسخ‌گویی شایعات

ارائۀ شواهد و حقایق در پاسخ‌دهی

پذیرش و اذعان به مشکلات به‌عنوان راهبرد‌ مدیریت شایعات

بازخورد مؤثر و سازنده

پاسخ‌های تعاملی ویدئویی به‌عنوان ابزاری برای مدیریت شایعات

بیانیه‌های رسمی در شفاف‌سازی و مدیریت شایعات

اعتمادافزایی

2.     ایجاد اعتماد و ارتباطات مؤثر

همدلی

توصیه‌های مثبت و رضایت‌بخش مشتری

نقش مسئولیت اجتماعی در تقویت اعتماد

تعاملات با ذی‌نفعان و کاربران

تقویت حمایت و انگیزۀ کارکنان در پاسخ به شایعات

تشکیل تیم‌های تخصصی برای مدیریت بحران در رسانه‌های اجتماعی

نظارت مستمر و پیشگیرانه بر رسانه‌های اجتماعی در مدیریت شایعات

3.     تحلیل و رصد رسانه‌های اجتماعی

تحلیل احساسات و راهبرد‌های اجتماعی

نظارت و تحلیل فعالیت‌های رقبا

شناسایی منبع و منشأ شایعه

اطمینان مبتنی‌بر داده

مدیریت شایعات با استفاده از ابزارهای هوشمند

نقش و استفاده از اینفلوئنسرها

4.     استفاده از محتوای خلاقانه و راهبرد‌ی

استفاده و مدیریت راهبردی هشتگ‌ها در کمپین‌ها

استفاده از شوخ‌طبعی و میم‌ها در کمپین‌ها و پاسخ‌ها

قدرت محتوای بصری در مدیریت شایعات

استفاده از محتوای متحرک در ارتباطات برای مدیریت شایعات

محتوای جمع‌سپاری به‌عنوان ابزاری برای مدیریت شایعات

کمپین‌های تقویت روایت ازطریق محتوای تولیدشده توسط کاربران

بازی‌سازی

آموزش کارکنان به‌عنوان کلید مدیریت مؤثر شایعات

5.     آموزش و توانمندسازی مخاطبان و کارکنان

آموزش مخاطبان

وبینارهای تعاملی به‌عنوان ابزار مدیریت شایعات

چت‌های توییتری

نظرسنجی‌های تعاملی به‌عنوان ابزاری برای افزایش مشارکت

رعایت قوانین و انطباق حقوقی با شفافیت در فرایندهای قانونی

6.     قوانین و شفافیت در فرایندها

شفافیت به‌عنوان اصل اساسی در مدیریت شایعات

بخش سؤالات متداول به‌عنوان ابزاری برای شفاف‌سازی

اهمیت گواهی‌نامه‌ها و روش‌های تضمین کیفیت در تقویت اعتبار

حساب‌های تأییدشده به‌عنوان نشان اعتماد

ایجاد روابط بلندمدت با مصرف‌کننده

7.     تعامل و ارتباط با مصرف‌کنندگان

استفاده از استوری‌های اینستاگرام

استفاده از IGTV اینستاگرام

تعاملات فیسبوکی

محتوای پشت‌صحنه

حضور چهره‌های کلیدی در مدیریت شایعات ازطریق حساب‌های رسمی

راهبرد‌های مدیریت بحران در رسانه‌های اجتماعی

8.     راهبرد‌های ارتباطی و مدیریت بحران

راهبرد‌های ارتباطی شفاف و جامع

نمایش و تقویت تجربیات و ابتکارات مثبت

اقدامات فوری و پروتکل‌های حذف محتوا در مدیریت شایعات

نقش دیدگاه کارشناسان در تقویت اعتبار

تبلیغات اجتماعی پاسخ‌گو

استفاده از شکلک‌ها و ایموجی‌ها به‌عنوان ابزار ارتباطی

استفاده از لینکدین

چت‌های زنده و تعاملی

9.     ابزارهای ارتباطی و محتوای نوآورانه

ایجاد هشتگ‌های خاص

محتوای آموزشی و مفید برای مشتریان

همکاری با سایر برندها برای تقویت پیام

استفاده از محتوای تحلیلی و پژوهشی

بررسی و تحلیل داده‌های مشتریان

به‌روزرسانی منظم

10. بهبود مستمر و ارزیابی

ارزیابی مستمر راهبرد‌ها و پاسخ‌ها

جلب دیدگاه مشتریان و استفاده از آن‌ها در بهبود خدمات

تحلیل نتایج کمپین‌ها و شایعات

تنظیم اهداف جدید براساس تجزیه‌وتحلیل‌ها

انعطاف‌پذیری در راهبرد‌های ارتباطی

استفاده از فنون نوآورانه برای جلب‌توجه مخاطبان

منبع: یافته‌های پژوهش

جدول 6 مضمون اصلی و زیرشاخص‌های مرتبط با آن‌ها را درزمینۀ پاسخ‌گویی به شایعات بازاریابی در شبکه‌های اجتماعی بازنمایی می‌کند. در مدیریت شایعات در صنایع غذایی، ده مضمون اصلی شناسایی شده که همگی بر پایۀ شفافیت، سرعت عمل و تعامل مؤثر با مخاطبان استوارند: مدیریت سریع شایعات با بررسی فوری، ارائۀ شواهد مستدل، اذعان به مشکلات و استفاده از بیانیه‌های رسمی و ویدئوهای تعاملی؛ ایجاد اعتماد ازطریق همدلی، مسئولیت اجتماعی، توصیه‌های رضایت‌بخش و تیم‌های تخصصی بحران در شبکه‌های اجتماعی؛ رصد مداوم رسانه‌های اجتماعی با ابزارهای هوشمند برای شناسایی منشأ شایعه و تحلیل احساسات؛ بهره‌گیری از محتوای خلاقانه، مانند هشتگ‌های راهبردی، میم‌ها، ویدئوها، محتوای کاربرمحور و بازی‌سازی؛ آموزش کارکنان و مخاطبان ازطریق وبینارها، چت‌های تعاملی و نظرسنجی‌ها؛ تأکید بر قوانین، گواهی‌نامه‌ها، بخش سؤالات متداول و حساب‌های تأییدشده برای شفافیت؛ تعامل مستقیم با مصرف‌کنندگان ازطریق استوری‌ها، محتوای پشت‌صحنه و حضور چهره‌های کلیدی شرکت؛ راهبرد‌های ارتباطی بحران با اقدامات فوری، حذف محتوای نادرست و تبلیغات پاسخ‌گو؛ استفاده از ابزارهای نوآورانه، مانند هشتگ‌های اختصاصی، محتوای آموزشی و همکاری‌های برندی همراه با تحلیل داده‌های مشتریان؛ و در نهایت بهبود مستمر راهبرد‌ها ازطریق ارزیابی نتایج، تنظیم اهداف جدید و انعطاف‌پذیری برای پیشگیری از شایعات و جلب‌توجه پایدار مخاطبان. شاخص‌های مدل پژوهش در شکل 1 نشان داده شده ‌است.

شکل 1. شاخص‌های مدل پژوهش (یافته‌های پژوهش)

Figure 1. Research Model Indicators

 

در ادامه با استفاده از این شاخص‌ها، مدل فرایندی پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی شکل گرفته ‌است (شکل 2).

شکل 2. مدل فرایندی پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی (یافته‌های پژوهش)

Figure 2. Process Model of Responding to Marketing Rumors on Social Networks

مدل فرایندی پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی، چارچوبی نظری-کاربردی است که با هدف مدیریت نظام‌مند شایعات در صنایع غذایی طراحی شده و از سه لایۀ زیرساختی، سه فاز عملیاتی و حلقه‌ای بازخوردی تشکیل شده است. لایۀ زیرساختی مدل، شامل سه مؤلفۀ بنیادین «ایجاد اعتماد و ارتباطات مؤثر»، «آموزش و توانمندسازی مخاطبان و کارکنان» و «قوانین و شفافیت در فرایندها» است که به‌عنوان پایه‌های استوار مدل، زمینه‌ساز اجرای موفقیت‌آمیز سایر مراحل محسوب می‌شوند. در فاز پیش‌فعال (پیش‌از وقوع شایعه)، دو مؤلفۀ «تحلیل و رصد رسانه‌های اجتماعی» با بهره‌گیری از ابزارهای پایش هوشمند و «استفاده از محتوای خلاقانه و راهبردی» برای پر کردن فضای مجازی از محتوای مثبت و معتبر، به‌صورت هم‌افزا عمل می‌کنند تا ضمن شناسایی زودهنگام نشانه‌های شایعه، آستانۀ مقاومت برند در برابر حملات شهرت‌ساز را افزایش دهند. در فاز فعال (هنگام وقوع شایعه)، مؤلفۀ «مدیریت و پاسخ‌گویی به شایعات» به‌عنوان هستۀ مرکزی مدل، با فعال‌سازی دو مؤلفۀ راهبردی «تعامل و ارتباط با مصرف‌کنندگان» در بستر همان شبکه‌های اجتماعی محل انتشار شایعه و «راهبرد‌های ارتباطی و مدیریت بحران» مبتنی‌بر سناریوهای ازپیش‌تعیین‌شده، عملیات مهار، واکاوی و پاسخ‌دهی هدفمند به شایعه را مدیریت می‌کند. پس‌از فروکش کردن بحران، فاز پسافعال با دو مؤلفۀ «ابزارهای ارتباطی و محتوای نوآورانه» برای بازسازی و ترمیم تصویر ذهنی آسیب‌دیده برند و «بهبود مستمر و ارزیابی» عملکرد تمامی مراحل قبلی، آغاز می‌شود. نقطۀ ‌قوت و متمایزکنندۀ این مدل، حلقۀ بازخوردی است که از مؤلفۀ بهبود مستمر به‌سمت مؤلفه‌های لایۀ زیرساختی و فاز پیش‌فعال ترسیم شده است؛ این حلقه نشان‌دهندۀ یادگیری سازمانی پویاست که طی آن، درس‌های آموخته‌شده از هر بحران شایعه، به بازنگری در سیاست‌های اعتمادساز، بازطراحی برنامه‌های آموزشی، ارتقای ابزارهای رصد و پالایش راهبرد‌های محتوایی منجر شده و چرخۀ مدیریت شایعه را به‌صورت مارپیچی روبه‌بهبود، تکامل می‌بخشد.

در بخش کیفی پژوهش، همان‌طور که اشاره شد، شاخص‌هایی برای پاسخ‌گویی به شایعات بازاریابی در شبکه‌های اجتماعی استخراج شد و برای آزمون کارآمدی آن، شایعه‌ای فرضی در صنعت لبنیات با عنوان «لبنیات‌های کم‌چرب و بدون قند حاوی مواد شیمیایی سرطان‌زا هستند» طراحی شد که بر وجود نگهدارنده‌ها و طعم‌دهنده‌های مصنوعی خطرناک و تأثیرات منفی آن‌ها بر سیستم گوارش و هورمونی با استناد به تحقیقات غیررسمی تأکید داشت؛ این شایعه از ابعاد فنی (ادعای مواد شیمیایی مضر)، اجتماعی (ایجاد ترس گسترده و تغییر رفتار خرید) و اقتصادی (کاهش فروش و هزینه‌های بازسازی اعتبار برند) بررسی شد و تأثیراتی چون ایجاد نگرانی، گرایش به منابع غیررسمی و کاهش اعتماد به برندها را بر مصرف‌کنندگان به همراه داشت. برای ارزیابی عملی مدل، دو گروه آزمایش (تحت آموزش ابعاد و شاخص‌های مدل) و کنترل (بدون آموزش) تشکیل و پرسش‌نامه‌ای مبتنی‌بر طیف لیکرت و شایعۀ فرضی به هر دو گروه ارائه شد تا تفاوت در مقاومت و پاسخ‌گویی به شایعه سنجیده و کارآمدی مضمون‌ها و ابعاد مدل در شرایط واقعی انتشار شایعه آزمون شود. این پرسش‌نامه در پیوست 1 ارائه شد‌ه ‌است. هدف پژوهش در بخش کمّی از تهیۀ پرسش‌نامه، آزمون اعتبار مدل نبوده، بلکه استفاده از شاخص‌های شناسایی‌شده در بخش کیفی برای طراحی محتوای برنامۀ آموزشی گروه آزمایش است؛ بنابراین سؤالات پرسش‌نامه، اثربخشی آن آموزش را می‌سنجند نه خودِ شاخص‌ها را.

در ادامه، برنامۀ آموزشی جامعی برای گروه آزمایش (با حجم نمونه ۳۸۴ نفر، تعیین‌شده براساس فرمول‌های آماری برای پوشش تنوع مشتریان) تدوین و به‌صورت ترکیبی حضوری و غیرحضوری اجرا شد تا مشارکت حداکثری فراهم شود. برنامۀ آموزشی شامل ده بخش اصلی بود که براساس ابعاد و شاخص‌های مدل کیفی استخراج‌شده طراحی شد: کیفیت پاسخ‌گویی به شایعات (مدیریت پاسخ، سرعت، شواهد علمی، پذیرش مشکلات، بازخورد تعاملی)، اعتمادآفرینی (همدلی، تعامل با ذی‌نفعان، مسئولیت اجتماعی)، تحلیل و رصد رسانه‌های اجتماعی (تحلیل احساسات، شناسایی منبع شایعه، ابزارهای هوشمند)، استفاده از محتوای خلاقانه (هشتگ‌ها، میم‌ها، محتوای بصری و جمع‌سپاری)، آموزش مخاطبان و کارکنان (وبینارهای تعاملی، چت‌های آنلاین)، قوانین و شفافیت (گواهی‌نامه‌ها، حساب‌های تأییدشده)، تعامل با مصرف‌کنندگان (استوری‌ها، محتوای پشت‌صحنه)، راهبرد‌های ارتباطی و مدیریت بحران (اقدامات فوری، دیدگاه کارشناسان)، ابزارهای نوآورانه (هشتگ‌های خاص، محتوای تحلیلی) و به‌روزرسانی منظم (ارزیابی مستمر، انعطاف‌پذیری). این بخش‌ها با روش‌های متنوعی مانند وبینارهای تخصصی، چت‌های آنلاین، تمرین‌های عملی، محتوای چندرسانه‌ای در سامانۀ آنلاین و جمع‌بندی همراه با نظرسنجی اجرا شد و درمجموع حدود ۱۸ ساعت به طول انجامید. برای اجرای کارآمد آموزش، گروه ۳۸۴نفری به 8 زیرگروه ۴۸نفره تقسیم شد؛ محتوای غیرحضوری (ویدئو، اسلاید و راهنماها) برای همه در دسترس قرار گرفت، 8 وبینار گروهی برگزار شد، و برای هر زیرگروه پشتیبان اختصاصی برای پاسخ‌گویی به سؤالات و نظارت بر پیشرفت تخصیص یافت. ارزیابی در سه مرحله انجام شد: پیش‌سنجی (دانش اولیه)، حین آموزش (آزمون‌های کوتاه و مشارکت) و پس‌سنجی (یادگیری نهایی). نتایج مورد انتظار شامل ارتقای مهارت‌های مدیریت شایعه و تعامل مؤثر در گروه آزمایش، کاهش تأثیر شایعۀ فرضی در مقایسه با گروه کنترل، و بهبود ارتباطات واقعی در محیط‌های اجتماعی بود که زمینۀ مقایسۀ دقیق کارآمدی مدل را فراهم آورد.

در این مرحله از پژوهش، پرسش‌نامه مبتنی‌بر طیف لیکرت و شایعۀ فرضی (ادعای وجود مواد شیمیایی سرطان‌زا در لبنیات کم‌چرب و بدون قند) به‌طور هم‌زمان به هر دو گروه آزمایش (۳۸۴ نفر، پس‌از گذراندن برنامۀ آموزشی جامع مبتنی‌بر ابعاد و شاخص‌های مدل کیفی) و گروه کنترل (با حجم نمونه مشابه و بدون دریافت هیچ‌گونه آموزش) ارائه شد تا تفاوت در نگرش، مقاومت و پاسخ‌گویی به شایعه میان دو گروه مقایسه شود. گروه کنترل در شرایط کاملاً مشابه گروه آزمایش (ازنظر ویژگی‌های جمعیت‌شناختی و مواجهه با شایعه) قرار گرفت و تنها متغیر مستقل، دریافت آموزش‌های مدل در گروه آزمایش بود؛ این طراحی امکان سنجش دقیق تأثیر آموزش بر کاهش پیامدهای منفی شایعه (نگرانی، کاهش اعتماد به برند و گرایش به منابع غیررسمی) را فراهم آورد. برای تعیین آزمون آماری مناسب در تحلیل تفاوت‌های دو گروه، ابتدا از آزمون کولموگروف-اسمیرنف به‌منظور بررسی نرمال بودن توزیع داده‌های حاصل از پرسش‌نامه استفاده شد که نتایج آن مبنای انتخاب آزمون‌های پارامتریک یا ناپارامتریک بعدی قرار گرفت.

 

جدول 8. آزمون کولموگروف-اسمیرنف برای نرمال بودن توزیع

Table 8. Kolmogorov-Smirnov Test for Normality of Distribution

گروه

آمارۀ کولموگروف-اسمیرنوف (Z)

درجۀ آزادی

سطح معناداری

گروه آزمایش

۰.۱۱۲

۳۸۴

۰.۲۰۰

گروه کنترل

۰.۱۰۷

۳۸۴

۰.۲۰۰

منبع: یافته‌های پژوهش

 

 

نتایج آزمون کولموگروف-اسمیرنف (جدول 8) نشان داد که توزیع داده‌ها در هر دو گروه آزمایش (Z= ۰.۱۱۲، sig = ۰.۲۰۰) و کنترل (Z= ۰.۱۰۷، sig = ۰.۲۰۰) نرمال بود (sig > ۰.۰۵)؛ بنابراین، پیش‌فرض نرمال بودن برای استفاده از آزمون‌های پارامتریک تأیید شد.

 

جدول 9. آزمون نمونه‌های مستقل (تی ولچ برای واریانس‌های نابرابر)

Table 9. Independent Samples Test (Welch's t-test for Unequal Variances)

سؤال

آزمون لوین (سطح معناداری)

t

درجۀ آزادی

معناداری (دو دنباله)

تفاوت میانگین

خطای استاندارد تفاوت

فاصلۀ اطمینان ۹۵٪

سؤال ۱

۰٫۰۴

۳٫۱۸

۵۹۸٫۴

۰٫۰۰۲

۰٫۴۵

۰٫۱۴

۰٫۱۸ – ۰٫۷۲

سؤال ۲

۰٫۰۲

۲٫۸۵

۵۸۷٫۲

۰٫۰۰۵

۰٫۳۸

۰٫۱۳

۰٫۱۲ – ۰٫۶۴

سوال ۳

۰٫۰۳

۴٫۰۲

۶۱۹٫۵

۰٫۰۰۰

۰٫۵۶

۰٫۱۴

۰٫۲۹ – ۰٫۸۳

سؤال ۴

۰٫۰۴

۳٫۴۲

۵۹۴٫۷

۰٫۰۰۱

۰٫۵۲

۰٫۱۵

۰٫۲۳ – ۰٫۸۱

سؤال ۵

۰٫۰۱

۲٫۶۷

۵۷۶٫۸

۰٫۰۰۸

۰٫۴۸

۰٫۱۸

۰٫۱۲ – ۰٫۸۴

سؤال ۶

۰٫۰۳

۳٫۵۶

۶۰۷٫۳

۰٫۰۰۰

۰٫۶۰

۰٫۱۷

۰٫۲۷ – ۰٫۹۳

سؤال ۷

۰٫۰۲

۲٫۹۵

۵۹۱٫۵

۰٫۰۰۳

۰٫۴۱

۰٫۱۴

۰٫۱۴ – ۰٫۶۸

سؤال ۸

۰٫۰۱

۳٫۱۹

۵۹۶٫۲

۰٫۰۰۲

۰٫۴۵

۰٫۱۴

۰٫۱۷ – ۰٫۷۳

سؤال ۹

۰٫۰۲

۳٫۸۴

۶۱۱٫۸

۰٫۰۰۰

۰٫۵۰

۰٫۱۳

۰٫۲۵ – ۰٫۷۵

سؤال ۱۰

۰٫۰۴

۲٫۷۶

۵۸۳٫۴

۰٫۰۰۶

۰٫۴۳

۰٫۱۶

۰٫۱۲ – ۰٫۷۴

سؤال ۱۱

۰٫۰۳

۴٫۰۹

۶۲۳٫۱

۰٫۰۰۰

۰٫۵۷

۰٫۱۴

۰٫۳۰ – ۰٫۸۴

سؤال ۱۲

۰٫۰۱

۳٫۳۰

۶۰۲٫۵

۰٫۰۰۱

۰٫۴۹

۰٫۱۵

۰٫۱۹ – ۰٫۷۹

منبع: یافته‌های پژوهش

پیش‌از اجرای آزمون‌های پارامتریک، مفروضۀ برابری واریانس‌ها با استفاده از آزمون لوین بررسی شد (جدول 9). نتایج آزمون لوین نشان داد که در تمامی گویه‌ها، سطح معناداری کمتر از ۰٫۰۵ است (p< ۰٫۰۵)؛ بنابراین فرض برابری واریانس‌ها نقض شده است؛ ازاین‌رو، با توجه به نابرابری واریانس‌ها، از آزمون تی ولچ که برای چنین شرایطی مناسب است، برای مقایسۀ میانگین‌های دو گروه استفاده شد. نتایج جدول ۹ نشان می‌دهد که برای تمامی ۱۲ گویۀ پرسش‌نامه، سطح معناداری (دو دُنباله) کمتر از ۰٫۰۵ است (در محدودۀ ۰٫۰۰۰ تا ۰٫۰۰۸). مقدار آمارۀ t در گویه‌ها بین ۲٫۶۷ تا ۴٫۰۹ و درجۀ آزادی ولچ بین ۵۷۶٫۸ تا ۶۲۳٫۱ متغیر است. تفاوت میانگین‌ها در همۀ گویه‌ها مثبت بوده و فاصلۀ اطمینان ۹۵٪ تفاوت میانگین‌ها، شامل صفر نمی‌شود که نشان‌دهندۀ معناداری آماری و جهت‌دار بودن تفاوت‌ها است. براین‌اساس، می‌توان نتیجه گرفت که بین گروه آزمایش و کنترل در تمامی گویه‌ها تفاوت معناداری وجود دارد و فرضیۀ پژوهش مبنی‌بر تأثیر مداخله موردنظر تأیید می‌شود.

 

  1. جمع‌بندی و نتیجه‌گیری

در بخش کیفی پژوهش، تحلیل محتوای ۱۲ مصاحبه به استخراج ۱۶۸ مفهوم کلیدی، ۶۵ مقوله (زیرشاخص) و در نهایت ۱۰ مضمون اصلی درزمینۀ مدیریت شایعات بازاریابی در شبکه‌های اجتماعی انجامید که همگی بر پایۀ اصول شفافیت، سرعت عمل و تعامل مؤثر استوار بودند؛ این مضمون‌ها شامل مدیریت سریع شایعات با شواهد مستدل و محتوای تعاملی، اعتمادآفرینی ازطریق همدلی و مسئولیت اجتماعی، رصد مداوم رسانه‌ها، بهره‌گیری از محتوای خلاقانه، آموزش کارکنان و مخاطبان، تأکید بر قوانین و گواهی‌نامه‌ها، تعامل مستقیم با مصرف‌کنندگان، راهبرد‌های ارتباطی بحران، ابزارهای نوآورانه و بهبود مستمر راهبرد‌ها بودند. در ادامه، مدل فرایندی ارائه شد. مدل فرایندی پاسخ به شایعات بازاریابی در شبکه‌های اجتماعی، چارچوبی پویا و سه‌فازی است که با هدف مدیریت کارآمد شایعات در صنایع غذایی طراحی شده است. این مدل با سه مؤلفۀ زیرساختی «اعتماد و ارتباطات مؤثر»، «آموزش و توانمندسازی» و «قوانین و شفافیت» به‌عنوان پایه و بستر اصلی آغاز می‌شود و در فاز پیش‌فعال، ازطریق «تحلیل و رصد مستمر رسانه‌ها» و «تولید محتوای خلاقانه و راهبردی»، زمینه را برای شناسایی زودهنگام شایعات فراهم می‌سازد. در فاز فعال، هنگام وقوع شایعه، «مدیریت و پاسخگویی» به‌عنوان هستۀ مرکزی مدل، همراه با «تعامل مستقیم با مصرف‌کنندگان» و «به‌کارگیری راهبرد‌های ارتباطی بحران»، اقدام به مهار و خنثی‌سازی شایعه می‌کند. در نهایت، فاز پسافعال با تمرکز بر «ابزارهای ارتباطی نوآورانه» برای ترمیم تصویر برند و «بهبود مستمر و ارزیابی» فرایندها، حلقه‌ای بازخوردی به‌سوی مراحل پیش‌فعال و زیرساخت ایجاد می‌کند که موجب یادگیری سازمانی و ارتقای تاب‌آوری برند در برابر شایعات آینده می‌شود.

در ادامه، مضمون‌های استخراج‌شده از بخش کیفی پژوهش، برای آزمون کارآمدی در برابر شایعۀ فرضی «وجود مواد شیمیایی سرطان‌زا در لبنیات کم‌چرب و بدون قند» ارزیابی و بدین منظور، برنامۀ آموزشی جامعی مبتنی‌بر ۱۰ مضمون مدل برای گروه آزمایش (۳۸۴ نفر) اجرا شد؛ درحالی‌که گروه کنترل (۳۸۴ نفر) هیچ‌گونه آموزشی دریافت نکرد.

نتایج آزمون کولموگروف-اسمیرنف نشان داد که توزیع داده‌ها در هر دو گروه آزمایش (Z=۰.۱۱۲، Sig.=۰.۲۰۰) و کنترل (Z=۰.۱۰۷، Sig.=۰.۲۰۰) نرمال است (Sig.> ۰.۰۵). آزمون لوین، مفروضۀ برابری واریانس‌ها را نقض کرد (p< ۰.۰۵)؛ اما با استفاده از آزمون تی ولچ که برای واریانس‌های نابرابر مناسب است، مشخص شد برای تمامی ۱۲ گویۀ پرسش‌نامه، سطح معناداری کمتر از ۰.۰۵ (محدودۀ ۰.۰۰۰ تا ۰.۰۰۸) و تفاوت میانگین‌ها معنادار است (فاصلۀ اطمینان ۹۵٪ شامل صفر نمی‌شود)؛ بنابراین، فرضیۀ پژوهش مبنی‌بر تأثیر مثبت مداخله موردنظر بر گروه آزمایش در مقایسه با گروه کنترل تأیید می‌شود؛ بنابراین، آموزش‌های مبتنی‌بر مدل کیفی تأثیر مثبت و معناداری بر افزایش مقاومت، کاهش نگرانی و بهبود نگرش مصرف‌کنندگان در برابر شایعات داشت و کارآمدی مدل پیشنهادی در مدیریت شایعات بازاریابی در صنایع غذایی به اثبات رسید. پژوهش حاضر در استخراج مدل کیفی مدیریت شایعات بازاریابی در شبکه‌های اجتماعی بر پایۀ اصول شفافیت، سرعت عمل و تعامل مؤثر، و تأکید بر مضمون‌هایی چون مدیریت سریع با شواهد مستدل، اعتمادآفرینی ازطریق همدلی و مسئولیت اجتماعی، رصد مداوم، محتوای خلاقانه و تعامل مستقیم با مصرف‌کنندگان، با مطالعۀ قمی اویل و همکاران (1402) در صنعت گردشگری همخوانی دارد؛ زیرا هر دو بر مدیریت فعال شایعات (به‌ویژه کنترل شایعات مخرب و بهره‌گیری از شایعات بی‌گناه یا مثبت) برای کاهش تأثیرات منفی و حفظ اهداف سازمانی تأکید دارند، هرچند پژوهش حاضر بر صنایع غذایی و پاسخ مستقیم به مصرف‌کنندگان تمرکز بیشتری نشان می‌دهد. همچنین، نتایج این پژوهش در اثبات کارآمدی مدل آموزشی مبتنی‌بر مضمون‌های کیفی برای افزایش مقاومت و بهبود نگرش مصرف‌کنندگان در برابر شایعات، با یافته‌های یو (Yu, 2024) همسویی دارد که رفتار مصرف‌کنندگان در مقابله با شایعات برند ازطریق شک‌گرایی و بررسی واقعیت را مؤثر می‌داند، افزون‌بر این، با مطالعۀ کیم و همکاران (Kim et al., 2023) در راهبرد‌ رد شایعات مبتنی‌بر اعتماد هم‌راستاست؛ در مقابل، با پژوهش‌هایی مانند خسروی و همکاران (۱۴۰۱) و یانگ و همکاران (Yang et al., 2024) که بر تشخیص خودکار و فنی شایعات ازطریق الگوریتم‌های گراف و مدل‌های صوتی تمرکز دارند، تفاوت روش‌شناختی آشکاری دارد؛ زیرا پژوهش حاضر رویکردی کیفی-آموزش‌محور و انسان‌محور را برای پیشگیری و مدیریت شایعه در پیش گرفته است، نه تشخیص ماشینی. افزون‌بر این، برخلاف مطالعاتی چون لیمایی و همکاران (Limaei et al., 2025) و کاسیو و همکاران (Cascio et al., 2023) که عوامل تسهیل‌کننده، بازدارنده و تأثیر شایعات بر ارزیابی برند را در حوزه‌های گردشگری و برندسازی دوگانه بررسی کرده‌اند، پژوهش حاضر با آزمون تجربی کارآمدی مدل در برابر شایعۀ فرضی خاص صنایع غذایی و اثبات تأثیر معنادار آموزش بر کاهش نگرانی مصرف‌کنندگان، گامی عملی‌تر و کاربردی‌تر در جهت مدیریت بحران شایعات بازاریابی برداشته است.

مدیریت شایعات در شبکه‌های اجتماعی به یکی از چالش‌های اصلی برندها تبدیل شده است؛ زیرا شایعات با سرعت چشمگیری گسترش می‌یابند و می‌توانند به شهرت و اعتبار سازمان آسیب جدی وارد کنند. مدل پژوهش پیشنهادی بر ابعاد کیفی فراوانی تأکید دارد، ازجمله پاسخ‌گویی سریع و شفاف با شواهد مستند، ایجاد و حفظ اعتماد ازطریق همدلی، مسئولیت اجتماعی و تعامل مؤثر، رصد و تحلیل هوشمند رسانه‌های اجتماعی برای شناسایی منابع و تأثیر شایعات، تولید محتوای خلاقانه مانند ویدئوها، هشتگ‌ها و میم‌ها برای منحرف کردن توجه و انتشار پیام‌های صحیح، آموزش و توانمندسازی کارکنان و مخاطبان ازطریق وبینارها و ابزارهای مشارکتی، شفافیت در فرایندها و ارائۀ گواهی‌نامه‌های کیفیت، تعامل مستقیم با مصرف‌کنندگان توسط چهره‌های کلیدی برند، تدوین راهبرد‌ ارتباطی انعطاف‌پذیر و کارآمد برای واکنش سریع به بحران‌ها، بهره‌گیری از ابزارهای نوآورانه، مانند هشتگ‌های خاص و محتوای آموزشی، و در نهایت ارزیابی مستمر راهبرد‌ها ازطریق تحلیل داده‌ها برای بهبود مداوم. نتایج آمار استنباطی تحقیق نیز تأیید می‌کنند که آموزش‌های مبتنی‌بر این مدل تأثیر معناداری بر گروه آزمایش داشته و منجر به بهبود آگاهی، نگرش و واکنش افراد به شایعات بازاریابی در شبکه‌های اجتماعی شده است؛ تفاوت‌های معنادار میانگین‌ها در آزمون تی ولچ و نرمال بودن داده‌ها در آزمون کولموگروف-اسمیرنف، اثربخشی این آموزش‌ها را به‌عنوان ابزاری قدرتمند در کاهش تأثیرات منفی شایعات اثبات می‌کند.

با توجه به مدل استخراج‌شده از پژوهش که بر پایۀ 10 مضمون اصلی شامل مدیریت سریع شایعات، اعتمادآفرینی از راه همدلی، پایش مداوم، محتوای خلاقانه، آموزش کارکنان و مخاطبان، تأکید بر قوانین و گواهی‌نامه‌ها، تعامل مستقیم، راهبردهای ارتباطی بحران، ابزارهای نوآورانه و بهبود پیوسته استوار است و کارآمدی آن در افزایش مقاومت مصرف‌کنندگان در برابر شایعات صنایع غذایی به اثبات رسیده، شرکت‌های غذایی می‌توانند با راه‌اندازی سامانۀ پایشی پیشرفته و لحظه‌ای، مانند به‌کارگیری ابزارهای هوش مصنوعی برای نظارت بر واژگان کلیدی مرتبط با نام تجاری و فرآورده‌ها در سکوهای اجتماعی اصلی، مانند اینستاگرام، تلگرام و توییتر، شایعات را در مراحل آغازین شناسایی کنند؛ این رویکرد نه‌تنها سرعت واکنش را افزایش می‌دهد، بلکه امکان پاسخ فوری با محتوای تعاملی، مانند ویدیوهای کوتاه توضیحی، اینفوگرافیک‌های مبتنی‌بر شواهد علمی و گواهی‌نامه‌های معتبر بهداشتی را فراهم می‌سازد؛ درحالی‌که این رویکرد، گروه‌های مدیریت بحران را برای تعامل مستقیم و همدلانه با مصرف‌کنندگان نگران آموزش می‌دهد تا از گسترش شایعه جلوگیری شود؛ همچنین، استفاده از محتوای خلاقانه، مانند پویش‌های کاربرمحور که در آن مصرف‌کنندگان واقعی تجربه‌های مثبت خود را به اشتراک می‌گذارند یا همکاری با چهره‌های تأثیرگذار معتبر در حوزۀ تغذیه و سلامت، می‌تواند اعتماد را بازسازی و نگرش مثبت را تقویت کند، در نهایت با یکپارچه‌سازی ابزارهای نوآورانه، مانند گفت‌وگوهای هوشمند خودکار برای پاسخ به پرسش‌های رایج و تحلیل داده‌های اجتماعی برای پیش‌بینی روند شایعات، راهبردها را به‌طور پیوسته بهبود بخشید. برای عملیاتی کردن مدل پیشنهادی در سطح سازمانی، به مدیران صنایع غذایی پیشنهاد می‌شود برنامه‌های آموزشی جامع و دوره‌ای برای کارکنان در تمامی سطوح، از تولید تا بازاریابی، طراحی کنند که بر مضمون‌هایی مانند مسئولیت اجتماعی، شفافیت در فرایندهای تولید و مهارت‌های ارتباطی در بحران تمرکز داشته باشد؛ این آموزش‌ها می‌توانند شامل شبیه‌سازی موقعیت‌های شایعه، مانند موارد مرتبط با مواد افزودنی غیرمجاز، آلودگی میکروبی (مانند سالمونلا)، و باقیمانده سموم دفع آفات باشد تا کارکنان آمادگی پاسخ سریع و مستدل را به دست آورند، هم‌زمان با تأکید بر انتشار منظم محتوای آموزشی برای مخاطبان ازطریق کانال‌های اجتماعی، مانند مجموعه‌مطالب دربارۀ مزایای فرآورده‌های کم‌چرب بدون قند بر پایۀ پژوهش‌های علمی معتبر، که نه‌تنها نگرانی‌ها را کاهش می‌دهد، بلکه جایگاه نام تجاری را به‌عنوان منبع اتکاپذیر اطلاعات تقویت می‌کند؛ افزون‌بر این، تدوین یک پروتکل ارتباطی بحران استاندارد که شامل قالب‌های آماده برای پست‌های اجتماعی، اطلاعیه‌های رسمی و همکاری با نهادهای نظارتی مانند سازمان غذا و دارو باشد، ضروری است تا در رویارویی با شایعات، پاسخ‌ها یکپارچه، شفاف و مبتنی‌بر همدلی باشند و از ابزارهایی مانند نظرسنجی‌های برخط یا گفت‌وگوهای زندۀ تعاملی برای سنجش نگرش مصرف‌کنندگان و تنظیم راهبردها بهره گرفته شود. در نهایت، برای پایداری بلندمدت مدل، شرکت‌ها باید بر بهبود پیوسته تمرکز کنند با تشکیل کمیته‌های دائمی ارزیابی عملکرد که داده‌های پس‌از هر رویداد شایعه را بررسی کنند، ازجمله میزان تعامل، تغییرات در نگرش مصرف‌کنندگان و تأثیر بر فروش، و راهبردها را براساس بازخوردهای واقعی به‌روزرسانی کنند؛ پیشنهاد می‌شود از همکاری با دانشگاه‌ها یا مراکز پژوهشی برای توسعۀ ابزارهای نوین، مانند برنامه‌های واقعیت‌‌افزوده برای نمایش شفاف فرایند تولید، یا پویش‌های مسئولیت اجتماعی گسترده که بر سلامت جامعه تأکید دارند، استفاده تا پیش‌از بروز شایعات، اعتماد پیشگیرانه ایجاد شود؛ همچنین، سرمایه‌گذاری در بازاریابی تأثیرگذار با انتخاب چهره‌هایی که ارزش‌های نام تجاری را به‌طور اصیل نمایندگی می‌کنند، همراه با نظارت اخلاقی بر محتوای آن‌ها، می‌تواند مقاومت جامعه در برابر شایعات را افزایش دهد و مدل را به چارچوبی پویا تبدیل کند که نه‌تنها بحران‌ها را مدیریت می‌کند، بلکه فرصت‌هایی برای رشد نام تجاری و وفاداری مصرف‌کنندگان در صنایع غذایی رقابتی به وجود می‌آورد.

 

کاربردهای مدیریتی

مدل فرایندی پاسخ به شایعات بازاریابی که در این پژوهش طراحی و اعتبارسنجی شده است، چارچوب عملیاتی جامعی را برای مدیران صنایع غذایی فراهم می‌کند تا بتوانند به‌صورت نظام‌مند و اثربخش با پدیدۀ مخرب شایعات در شبکه‌های اجتماعی مقابله کنند. مدیران با بهره‌گیری از این مدل می‌توانند سامانه‌های پایش هوشمند و لحظه‌ای برای رصد مداوم رسانه‌های اجتماعی راه‌اندازی کنند و با شناسایی زودهنگام نشانه‌های شایعه، سرعت واکنش خود را افزایش دهند. همچنین، این مدل به مدیران امکان می‌دهد تا با طراحی و اجرای برنامه‌های آموزشی جامع برای کارکنان در رده‌های مختلف (از تولید تا بازاریابی)، توانمندی سازمان را در پاسخ‌دهی سریع، شفاف و مبتنی‌بر شواهد ارتقا بخشند. از دیگر کاربردهای کلیدی این مدل، تدوین پروتکل‌های استاندارد ارتباطی بحران شامل قالب‌های آماده برای اطلاعیه‌های رسمی، تولید محتوای خلاقانه (ویدئوهای کوتاه، اینفوگرافیک‌های علمی، میم‌های هدفمند) و بهره‌گیری از اینفلوئنسرهای معتبر برای بازسازی اعتماد و تقویت روایت‌های مثبت است. افزون‌بر این، مدیران می‌توانند با ایجاد کمیته‌های دائمی ارزیابی عملکرد و تحلیل داده‌های پس‌از هر رویداد شایعه (میزان تعامل، تغییرات نگرش مصرف‌کنندگان و تأثیر بر فروش)، راهبرد‌ها را به‌طور مستمر بهبود بخشیده و از یادگیری سازمانی پویا برای افزایش تاب‌آوری برند در برابر شایعات آینده بهره‌مند شوند.

 

پیشنهادهایی برای پژوهش‌های آینده

برای پژوهش‌های آینده، پیشنهاد می‌شود پژوهشگران با بهره‌گیری از رویکردهای ترکیبی کمّی-کیفی، مدل پیشنهادی را در صنایع غذایی دیگر یا حتی بخش‌های غیرغذایی مانند دارویی و آرایشی-بهداشتی آزمون کنند تا قابلیت تعمیم‌پذیری آن بررسی شود؛ همچنین، انجام مطالعات طولی برای ارزیابی تأثیر بلندمدت آموزش‌های مبتنی‌بر مدل بر رفتار خرید و وفاداری مصرف‌کنندگان، و مقایسه اثربخشی آن در گروه‌های سنی، جنسیتی و سطوح گوناگون سواد رسانه‌ای ضروری است. بررسی نقش پلتفرم‌های نوظهور، مانند تیک‌تاک یا شبکه‌های اجتماعی مبتنی‌بر هوش مصنوعی در انتشار و مدیریت شایعات، توسعۀ ابزارهای خودکار تشخیص شایعه با استفاده از یادگیری ماشین و تحلیل احساسات پیشرفته، و تدوین مدل‌های پیش‌بینی‌کننده بروز شایعات براساس داده‌های بزرگ اجتماعی می‌تواند افق‌های جدیدی بگشاید؛ افزون‌بر این، پژوهش‌های میان‌فرهنگی برای مقایسه الگوهای پاسخ به شایعات در کشورهای مختلف با توجه به تفاوت‌های فرهنگی در اعتماد به نهادها و رسانه‌ها، و نیز مطالعات تجربی برای سنجش تأثیر انواع محتوای خلاقانه (واقعیت مجازی یا داستان‌گویی تعاملی) بر کاهش نگرانی مصرف‌کنندگان، می‌تواند به غنای علمی این حوزه بیفزاید و راهبردهای عملی مؤثرتری برای مدیریت شایعات بازاریابی در عصر دیجیتال ارائه دهد.

محدودیت‌های پژوهش

پژوهش حاضر باوجود دستاوردهای ارزشمند، با محدودیت‌هایی نیز مواجه بوده است که باید در تعمیم‌پذیری و کاربرد نتایج مدنظر قرار گیرند. ازنظر روش‌شناختی، بخش کیفی پژوهش با نمونه‌گیری هدفمند و گلوله‌برفی تا حد اشباع نظری (۱۲ مصاحبه) انجام شد که برای مطالعات کیفی عمق مناسبی فراهم کرد؛ اما احتمالاً تمامی دیدگاه‌ها و تجربیات موجود در صنعت گستردۀ غذایی را پوشش نداده است. در بخش کمّی نیز استفاده از روش نمونه‌گیری در دسترس برای انتخاب ۷۶۸ نفر از مشتریان صنایع غذایی در تهران، تعمیم نتایج به کل جمعیت ایران یا سایر مناطق جغرافیایی با فرهنگ و زمینه‌های اجتماعی متفاوت را با احتیاط مواجه می‌سازد.

به‌دلیل محدودیت‌های اجرایی و چگونگی دسترسی به نمونه‌ها، افراد به‌ترتیب زمان مراجعه‌شان، ابتدا در گروه کنترل و سپس در گروه آزمایش قرار گرفتند. این روش گمارش غیرتصادفی، اجتناب‌ناپذیر بود؛ اما به‌عنوان محدودیتی در نظر گرفته شود. همچنین، ارزیابی کارآمدی مدل ازطریق شایعۀ فرضی «وجود مواد شیمیایی سرطان‌زا در لبنیات کم‌چرب» و در شرایط شبه‌تجربی انجام شد که ممکن است نتواند تمام پیچیدگی‌ها و پویایی‌های دنیای واقعی، مانند نقش هیجانات لحظه‌ای، تأثیر همتایان یا دخالت عوامل بیرونی (رقبا، رسانه‌های سنتی) را شبیه‌سازی کند. محدودیت دیگر، تمرکز پژوهش بر دو شرکت کاله و میهن به‌عنوان موارد مطالعه است که باوجود پیشرو بودن این برندها، ممکن است الگوهای مدیریت شایعات در سایر شرکت‌های صنایع غذایی با اندازه، ساختار و منابع متفاوت، تفاوت‌های چشمگیر داشته باشد. در نهایت، این پژوهش عمدتاً بر پاسخ به شایعات پس‌از وقوع تمرکز داشته و اگرچه مدل شامل فاز پیش‌فعال نیز هست، بررسی عمیق‌تر سازوکارهای پیشگیری بلندمدت و نقش متغیرهای تعدیل‌کننده، مانند سواد رسانه‌ای، سن، تحصیلات و میزان استفاده از شبکه‌های اجتماعی مصرف‌کنندگان یا فرهنگ سازمانی نیازمند پژوهش‌های تکمیلی است.

References

خسروی، مریم، شیرازی، حسین، داداش‌تبار، کوروش، و هاشمی‌گلپایگانی، علیرضا (۱۴۰۱). تشخیص شایعه در شبکه‌های اجتماعی مبتنی‌بر تحلیل الگوی فراوانی درجه رئوس در زیرگراف‌های گام‌به‌گام انتشار. فصلنامه پدافند الکترونیکی و سایبری، ۱۰(۳)، 105-83.
https://journals.ihu.ac.ir/article_207814.html
قاسمی‌نژاد، عبدالرحیم، زمردی، رضا، و خیامی، عبدالکریم (1401). گونه‌شناسی اخبار جعلی و شایعات کرونایی در رسانه‌های اجتماعی در ایران. مطالعات هنر و رسانه، 4(8)، 127-157.
https://ami.journals.hozehkh.com/article_413.html
قمی ‌اویل، میثم، تقی‌پوریان، محمد جواد، فرخ‌سرشت، بهزاد، و آقاجانی، حسنعلی (۱۴۰۰). واکاوی مدیریت شایعه در بستر شبکه‌های اجتماعی با روش فراترکیب از منظر مفاهیم اسلامی. سبک زندگی اسلامی با محوریت سلامت، 5(21)، ۱۹۱-173.
https://www.islamiilife.com/article_187925.html
قمی ‌اویل، میثم، رحمتی، مهناز، و توسلی‌نژاد، مریم (۱۴۰۲). بررسی عوامل مؤثر بر مدیریت شایعه در بستر شبکه‌های اجتماعی در بازاریابی صنعت گردشگری. فصلنامه مدیریت پویا و تحلیل کسب‌وکار، ۲(۳).
https://www.dmbaj.org/index.php/dmba/article/view/39
Askarizade, M., Najafi, S., & Tork Ladani, B. (2022). Modeling and analysis of rumor control strategies in social networks. Computer and Knowledge Engineering, 5(1), 59–68.
https://doi.org/10.22067/cke.2022.74885.1049
Binham, C. (2019). Companies fear rise of fake news and social media rumours. Financial Times.
Burkhardt, J. M. (2017). History of fake news. Library Technology Reports, 53(8), 5–9. https://journals.ala.org/index.php/ltr/article/view/6497
Cascio, A., Waites, S. F., Moore, R., Moore, M., Vorhies, D. W., & Bentley, J. P. (2023). The effects of dual branding rumors on consumers’ national and store brand evaluations. Journal of Marketing Theory and Practice, 31(3), 316–333. https://doi.org/10.1080/10696679.2022.2046477
Chen, B., & Lu, S. (2026). In punishment we trust: Analyzing characteristics and credibility of rumor-debunking messages on Chinese social media. The International Journal of Press/Politics, 31(1), 161-183. https://doi.org/10.1177/19401612241291811
Di Domenico, G. (2022). Social media misinformation and fake news: A consumer behaviour perspective [Doctoral dissertation, University of Portsmouth]. https://pure.port.ac.uk/ws/portalfiles/portal/63065979/Thesis.pdf
García-Avilés, J. A. (2020). Diffusion of innovation. The International Encyclopedia of media psychology, 1(8), 1-8. https://doi.org/10.1002/9781119011071.iemp0137
Ghaseminejad, A., Zomorodi, R., & Khayami, A. (2022). Typology of fake news and COVID-19-related rumors in social media in Iran. Journal of Art and Media Studies, 4(8), 127–157.
https://ami.journals.hozehkh.com/article_413.html [In Persian]
Ghomi eyevil, M., Rahmati, M., & Tavassolinejad, M. (2023). Investigating factors affecting rumor management in social networks within tourism industry marketing. Dynamic Management and Business Analysis Quarterly, 2(3). https://www.dmbaj.org/index.php/dmba/article/view/39 [In Persian]
Ghomi eyevil, M., Taghipourian, M. J., Farokhseresht, B., & Aghajani, H. (2021). Analyzing rumor management in social networks using a meta-synthesis approach from the perspective of Islamic concepts. Islamic Lifestyle with a Focus on Health, 5, 173–191.
https://www.islamiilife.com/article_187925.html [In Persian]
Guo, F., Zhou, A., Zhang, X., Xu, X., & Liu, X. (2023). Fighting rumors to fight COVID-19: Investigating rumor belief and sharing on social media during the pandemic. Computers in Human Behavior, 139, Article 107521.
https://doi.org/10.1016/j.chb.2022.107521
Han, B., Han, X., Zhang, H., Li, J., & Cao, X. (2021). Fighting fake news: Two stream network for deepfake detection via learnable SRM. IEEE Transactions on Biometrics, Behavior, and Identity Science, 3(3), 320–331.
https://doi.org/10.1109/tbiom.2021.3065735
Karamustafa, K., Ülker, P., Ülker, M., & Mehmet, U. M. U. R. (2024). Employees’ perceptions of workplace gossip in the hospitality industry. Journal of Multidisciplinary Academic Tourism, 9(1), 37–50.
 https://doi.org/10.31822/jomat.2024-9-1-37
Kelemen, T. K., Matthews, M. J., Whitney, J. M., & Matthews, S. H. (2026). A return to the foundations of social information processing theory. Academy of Management Annals, 20(1), 259-284.
https://doi.org/10.5465/annals.2024.0251
Khairy, H. A., & Elzek, Y. (2024). The impact of nepotism and workplace gossip on job performance in travel agencies and hotels in Egypt: The moderating role of organizational justice. Journal of Human Resources in Hospitality & Tourism, 23(1), 52–75. https://doi.org/10.1080/15332845.2023.2253673
Khosravi, M., Shirazi, H., Dadash-Tabar, K., & Hashemi Golpayegani, S. A. (2022). Rumor detection in social networks based on analysis of degree frequency patterns of vertices in step-by-step propagation subgraphs. Journal of Electronic and Cyber Defense, 10(3), 83–105.
https://journals.ihu.ac.ir/article_207814.html [In Persian]
Kim, H., Khan, E. M., Huh, J., & Srivastava, J. (2023). Fighting negative rumors with trust-based rumor-refutation strategy. Journal of Marketing Communications, 29(7), 676–700.
https://doi.org/10.1080/13527266.2022.2066155
Liao, W., Zhang, Y., & Peng, X. (2019). Neurophysiological effect of exposure to gossip on product endorsement and willingness-to-pay. Neuropsychologia, 132, Article 107123.
https://doi.org/10.1016/j.neuropsychologia.2019.107123
Limaei, D. S., Taghipourian, M. J., Nazarpour, S., & Alizadeh, R. (2025). Designing a qualitative model of influential factors on brand hearsay in the field of international health tourism. Business, Marketing, and Finance Open, 2(4), 1–13.
https://doi.org/10.61838/bmfopen.2.4.9
Lu, M., He, Z., Guo, Y., Liu, S., Huang, J., Zhao, Y., ... & Huang, Z. (2026). LLM-driven adversarial example synthesis for emerging topic rumor detection on social media. IEEE Transactions on Knowledge and Data Engineering, 38(4), 2340-2350. https://doi.org/10.1109/tkde.2026.3650830
Ma, Z. W., Wang, H. J., Hu, Z. L., Zhu, X. B., Peng, H., Lü, L. Y., ... & Li, M. (2026). Rumor source localization in social networks based on the propagation direction of observers. Chaos: An Interdisciplinary Journal of Nonlinear Science, 36(1).‏
https://doi.org/10.1063/5.0306739
Obadă, R. (2019). Sharing fake news about brands on social media: A new conceptual model based on flow theory. Argumentum: Journal of the Seminar of Discursive Logic, Argumentation Theory and Rhetoric, 17(2), 144–166.
 https://philpapers.org/rec/OBASFN
Rachmad, Y. E. (2025). Persuasion Theory. United Nations Economic and Social Council. https://doi.org/10.17605/osf.io/zbdx3
Tong, G., Wu, W., Guo, L., Li, D., Liu, C., Liu, B., & Du, D. Z. (2017). An efficient randomized algorithm for rumor blocking in online social networks. IEEE Transactions on Network Science and Engineering, 7(2), 845-854.‏
https://doi.org/10.1109/infocom.2017.8056957
Visentin, M., Pizzi, G., & Pichierri, M. (2019). Fake news, real problems for brands: The impact of content truthfulness and source credibility on consumers’ behavioral intentions toward the advertised brands. Journal of Interactive Marketing, 45(1), 99–112. https://doi.org/10.1016/j.intmar.2018.09.001
Waisbord, S. (2018). Truth is what happens to news: On journalism, fake news, and post-truth. Journalism Studies, 19(13), 1866–1878. https://doi.org/10.1080/1461670x.2018.1492881
Wang, R., Li, J., Sun, H., Duan, S., Zhang, G., & Xiao, Y. (2025). Rumor spreading model based on emotional characteristics and influence. Expert Systems with Applications, 274, 126952.‏
https://doi.org/10.1016/j.eswa.2025.126952
Yang, Z., Pang, Y., Li, X., Li, Q., Wei, S., Wang, R., & Xiao, Y. (2024). Topic audiolization: A model for rumor detection inspired by lie detection technology. Information Processing & Management, 61(1), Article 103563.
https://doi.org/10.1016/j.ipm.2023.103563
Xiao, D. Chen, S. Wei, Q. Li, H. Wang, M. Xu. (2019). Rumor propagation dynamic model based on evolutionary game and anti-rumor, Nonlinear Dyn. 95, 523–539. https://doi.org/10.1007/s11071-018-4579-1
Yu, H. U. A. N. G. (2024). The study of consumer brand rumor counteraction behavior. Management, 12(5), 297–300.  https://doi.org/10.17265/2328-2185/2024.05.004
Zhang, W., & Wang, C. (2024). Rumors and price efficiency in stock market: An empirical study of rumor verification on investor interactive platforms. China Journal of Accounting Research, 17(2), Article 100356.
https://doi.org/10.1016/j.cjar.2024.100356
Zhou, Y., Li, Z., Tu, Y., & Lev, B. (2025). Precise refutation of social media rumors through users’ perspective: Crowd classification based on believability. Expert Systems with Applications, 268, 126107.
https://doi.org/10.1016/j.eswa.2024.126107

Files

History

  • Receive Date: 22 February 2026
  • Revise Date: 25 May 2026
  • Accept Date: 02 June 2026

Share

How to cite

Statistics