Analysis of Factors Affecting the Acceptance of Mobile Electronic Services of the Insurance Industry ‎Using Fuzzy Network Analysis Process

Document Type : Original Article

Author

Department of Management, University of Isfahan

Abstract

Nowadays, electronic communication with customers has become an important and critical issue for insurance companies, and these companies are trying to satisfy customers and establish long-term relationships with appropriate technologies. Using a mobile set with its efficient tools has made it easier for companies to work. The purpose of this research was to identify factors affecting the acceptance of mobile application in insurance services according to the framework of the Technology Acceptance Model (TAM) and the Theory of Planned Behavior (TPB) and finally to evaluate and rank these factors. Factors considered in this study include perceived risk, social influence, perceived usefulness, cost, trust, and security, and suggested strategies (options) included applying one-time replacement strategy, partial replacement and parallel implementation. In this study, the statistical population was a group of experts in the field of electronic marketing and insurance managers. The sample of the study was selected by purposeful and judgmental method. A researcher-made questionnaire was used to collect data. To analyze the data, fuzzy analysis of network process (ANP) method was used. Results showed that the most influential factors in the mobile acceptance of electronic services of the insurance industry were perceived risk, perceived usefulness, trust, security, social influence, and cost, respectively. After determining the significance of the criteria, sub-criteria and outlining their internal relationship, the final ranking of strategies (options) was carried out. Thus, the most important strategies were the partial replacement strategy and the parallel implementation. The results of this study provide managers with clearer understanding of the mobile marketing requirements of e-services in this market and help them determine the most important aspects of planning and implementing mobile marketing services.

Keywords


- مقدمه و بیان مسئله

امروزه در بسیاری از فعالیت‌های بازاریابی، اینترنت (وب و ایمیل) کانال‌های ارتباطی پرکاربردی است. اینترنت دارای مزایای بسیاری در مقایسه با سایر رسانه‌ها بوده و فرصت‌های زیادی را برای سازمان‌ها، نه‌فقط به‌شکل یک کانال ارتباطی که یک کانال توزیع را فراهم می‌کند. اینترنت علاوه‌بر متن و گرافیک، محتوای صوتی و تصویری را به مشتریان منتقل می‌کند و این مزایا باعث رشد روزافزون کاربرد آن در حوزه‌های گوناگون شده است (تانگ و یه[1]، 2018). با توسعة کاربردهای اینترنت، بازاریابی موبایلی نیز به‌طور فزاینده‌ای در ارائة خدمات رشد کرده و فراگیر شده است. سازمان‌ها ازطریق موبایل قادرند با ارسال پیام به مشتریان خود دسترسی پیدا کنند و ارائة انواع خدمات را به‌راحتی امکان‌پذیر کنند (دومازت و نگرادی[2]، 2018). همچنین به‌دلیل افزایش سهم بخش خدمات در تولید ناخالص داخلی جهان، نیاز به عرضة رقابتی خدمات نیز افزایش یافته است (حق و سلطان[3]، 2019).

بنگاه‌های اقتصادی به‌خصوص بخش ارائه‌دهندة خدمات مالی به مشتریان، با بهره‌برداری از روش‌های نوین بازاریابی، قادر به انجام امور تجاری خود با کمترین هزینه و بیشترین کارایی‌اند. آنها می‌توانند با صرف هزینة اندک، محصولات خود را به مشتریان معرفی کنند و به بازارهای جدید ورود یابند؛ اما به‌کارگیری این شیوه‌ها نیازمند این است که کاربران آنها را بپذیرند (دومازت و نگرادی، 2018). ازجمله صنایعی که با به‌کارگیری فناوری و روش‌های نوین بازاریابی باعث تحولات اثربخش شده، صنعت بیمة الکترونیک است. استفاده از فناوری اطلاعات در صنعت بیمه، روشی مستقیم و ارزان برای تبادل اطلاعات و ارائة محصولات و خدمات را فراهم ‌می‌آورد و صرفه‌جویی قابل ملاحظه‌ای را در زمان دریافت خدمات سبب ‌می‌شود (ترکستانی و همکاران، 1390).

در این پژوهش با مطالعة نظریه‌های ارائه‌شده در حوزة انتشار نوآوری، چارچوب مناسبی برای شناسایی عوامل مؤثر بر بازاریابی موبایلی و پذیرش خدمات الکترونیکی صنعت بیمه مشخص شده و پس از مصاحبه با خبرگان، برخی معیارها نیز تأثیرگذار‌ترین عوامل برشمرده شده‌اند. به‌دلیل کیفی بودن عوامل سنجش‌شونده در این پژوهش، از قضاوت‌‌های ترجیحی خبرگان استفاده می‌شود؛ بنابراین ابهام موجود در قضاوت‌های ترجیحی، نبود اطمینان موجود در اولویت‌بندی گزینه‌ها را موجب شده و به همان نسبت، تعیین توافق (ثبات منطقی) اولویت‌ها با مشکل مواجه است (چاو و لئونگ، 2000). روش‌های تحلیل فازی به‌منظور کاهش نبودِ اطمینان و مدل‌سازی استدلال‌های تقریبی مفید بوده و در پژوهش حاضر نیز از روش تحلیل شبکة فازی استفاده شده است. به کمک این تکنیک، استراتژی‌های استقرار خدمات الکترونیکی صنعت بیمه ازطریق موبایل به عنوان گزینه‌های تصمیم، ارزیابی و رتبه‌بندی شده است. 

 

2- چارچوب نظری و پیشینة پژوهش

راگرس[4](2003) پذیرش نوآوری را تصمیمی برای استفاده صحیح و کامل از نوآوری تعریف می‌کند. نظریه‌های مختلفی برای توصیف و تحلیل تطبیق افراد با نوآوری پیشنهاد شده است. این نظریه‌ها کمک ‌می‌کنند تا بتوان شناخت بهتری از نوآوری و تغییر فناوری در سازمان یا در حوزه‌های خاص‌تری همچون طراحی خدمات الکترونیکی و بازاریابی موبایلی داشت. توضیحات مربوط به این تئوری‌ها به‌طور خلاصه در جدول شمارة (1) آورده شده است:

 

جدول شمارة 1: معرفی مهم‌ترین نظریه‌های انتشار نوآوری

تئوری‌ها

نویسندگان

تعریف

نظریة عمل منطقی TRA

فیشبین و آجزن[5] (1975)

براساس تئوری TRA، نیت رفتاری فرد به انجام رفتار به‌خصوص، برپایة نگرش فرد دربارة آن رفتار و هنجار ذهنی ادراک‌شده شکل ‌می‌گیرد.

نظریة رفتار برنامه ریزی‌شده

TPB

آجزن (1991)

بیان ‌می‌کند که رفتار فرد تحت تأثیر تمایلات اوست. همچنین ادعا ‌می‌کند که نگرش رفتاری، هنجار ذهنی و ادراک کنترل عوامل بیرونی از مهم‌ترین عوامل تعیین‌کنندة تمایلات رفتاری است.

نظریة انتشار نوآوری

DOI

راگرس(1995)

طبق این نظریه، افراد اطلاعات مربوط به یک نوآوری را جمع‌آوری و ترکیب می‌کنند که این اطلاعات گردآوری‌شده فهم آنها از یک نوآوری را شکل ‌می‌دهد. پنج دسته از پذیرندگان نوآوری عبارت‌اند از: بدعت‌گذاران، قبول‌کنندگان اولیه، اکثریت اولیه، اکثریت آخری و تأخیرکنندگان.

مدل پذیرش فناوری TAM

دویس [6](1989)

براساس مدل TAM، سود و منفعت دریافت‌شده از پذیرش نوآوری ‌می‌تواند گرایش‌های رفتاری را هدایت کند.

نظریة اتحاد پذیرش و استفاده از تکنولوژی

UTAUT

ونکاتش و همکاران[7] (2003)

اساساً این مدل برای توصیف پذیرش و استفادة کارمندان از فناوری به کار ‌می‌رود. این مدل به‌وسیلة چند متغیر تعدیل‌گر توسعه یافته است که شامل جنس، سن، تجربه و اختیار استفاده است.

UTAUT2

ونکاتش و همکاران (2012)

این مدل پذیرش و استفاده فناوری جدید در بین مشتریان را تشریح ‌می‌کند.UTAUT2 انگیزة لذت، ارزش قیمتی و عادت مشتریان متغیرهای مستقل هست.

 

 

تاریخچة استفاده از موبایل در ارائة خدمات و فعالیت‌های بازاریابی به دهة 1990 باز ‌می‌گردد؛ زمانی که شرکت آلمانی پی باکس[8] در همکاری با بانک دوچه[9] نخستین خدمات خود را ازطریق موبایل به مشتریان ارائه داد (شیخ و کارجالوتو[10]، 2015). استفادة گسترده از گوشی‌های موبایل و دیگر وسایل سیار، سبب ایجاد کانال جدیدی برای دریافت پیام‌های تجاری مرتبط با کالا‌ها وخدمات شد که به‌نوبة خود، به فراگیرشدن روش‌های بازاریابی نوین مبتنی‌بر موبایل در سازمان‌ها به‌خصوص سازمان‌های خدماتی منجر شد (یو[11]، 2013). بازاریابی با موبایل به هر فعالیت بازاریابی گفته ‌می‌شود که به‌شکل شبکه‌ای فراگیر در میان مشتریانی که دائماً در حال استفاده از دستگاه موبایل شخصی خود هستند، هدایت ‌می‌شود (یاداو و همکاران[12]، 2015). از مزایای ارزشمند به‌کارگیری این‌گونه روش‌ها در صنایع مختلف، تبادل سریع اطلاعات و تسهیل ارتباطات بین سازمان و مشتری است. ترکستانی و همکاران (1390) به طراحی الگویی یکپارچه برای تبیین موفقیت پیاده‌سازی بیمة الکترونیکی از هردو منظر شرکت و مشتری پرداختند. در این مطالعه برای آزمون فرضیه‌ها از معادلات ساختاری استفاده شد و چنین نتیجه‌گیری شد که سودمندی ادراک‌شده، عامل اصلی استقبال مشتریان از خدمات الکترونیکی بیمه شناخته شد و تأثیر عوامل سهولت استفاده و ریسک ادراک‌شده به‌شکل غیرمستقیم و ازطریق تأثیر بر سودمندی ادراک‌شده تأیید شده است. در مطالعة قبادی و همکاران (1390) عوامل مرتبط با تصمیم به پذیرش بیمة الکترونیک در شرکت‌های بیمة خصوصی با استفاده از روش تحلیل عاملی، بررسی شد و نتایج حاکی از این بود که بستر سازمانی، بیشترین ارتباط و بستر محیطی کمترین ارتباط را با پذیرش بیمة الکترونیک نزد شرکت‌های بیمة خصوصی دارند. متایج حاصل از بررسی سبک رو(1394) نیز نشان داد که تمام عوامل مطرحشده ازقبیل عوامل سازمانی، عوامل تکنولوژیک و عوامل محیطی، عوامل تأثیرگذار بر ارائة خدمات بیمة الکترونیک هستند؛ درحالی‌که عوامل سازمانی بیشترین و عوامل تکنولوژیک کمترین تأثیر را داشتند. خیراندیش و همکاران (1395) به آسیب‌شناسی پیاده‌سازی بیمة الکترونیک در کشور پرداختند و برای این منظور ازطریق تحلیل واریانس و آزمون فریدمن عوامل تأثیرگذار بر پیاده‌سازی بیمة الکترونیک را رتبه‌بندی کردند. نتایج نشان داد مسائل فرهنگی، مهم‌ترین مانع اجرای یک سیستم بیمة الکترونیکی است. هوشیاری و جزینی (1395) نیز بررسی عوامل مؤثر در ارائة خدمات الکترونیک در شرکت بیمة دانا را هدف مطالعه قرار دادند و براساس مدل سه‌شاخگی به بررسی تأثیر عوامل رفتاری، ساختاری، محیطی و حرفه‌ای پرداختند. نتایج کار آنها نشان داد عوامل ساختاری، رفتاری، محیطی و حرفه‌ای بر ارائة خدمات الکترونیک تأثیر معناداری دارند.

پراشاد[13] و همکاران (2014) تلاش کردند نقش تلفن‌های همراه را در شرکت‌های کوچک بیمه بررسی کنند. آنها به این نتیجه رسیدند که تلفن‌های همراه فرصت عظیمی برای بیمه‌گران ارائه ‌می‌کند و استفاده از آن داری کارایی بالاست. بیمه‌گران با استفاده از گوشی‌های همراه فرایندهای ثبت اطلاعات، سیستم پرداخت و ارتباط با مشتریان را به‌شکل مؤثر و کارا به انجام ‌می‌رسانند. لی و همکاران[14](2015) نیز سعی کردند رابطة بین نگرش استفاده از خدمات موبایل و رضایت مشتری را بررسی کنند. این پژوهش در نمونة 538 نفری از مشتریان در تایوان انجام گرفت و برای تجزیه‌وتحلیل داده‌ها از روش رگرسیون چندگانه و تحلیل مسیر استفاده شد. نتایج نشان داد نگرش استفاده از خدمات موبایل تأثیر معنادار و مثبتی بر رضایت مشتری دارد. مگدلنا و باریدان[15] (2015) در پژوهش خود روی 305 کاربر موبایل‌بانک در دانشگاه مالانگ به این نتیجه رسیدند که هنجار‌های ذهنی، نگرش، منفعت ادراک‌شده و راحتی، تأثیر مثبت و معناداری بر گرایش‌های رفتاری در به‌کارگیری موبایل دارد. نتایج مطالعة شیخ و کارجالوتو (2015) درزمینة پذیرش فناوری و به‌طور ویژه پذیرش موبایل، نشان داد که پذیرش موبایل به پذیرش مدل فناوری و تغییرات آن بستگی دارد. همچنین سازگاری با سبک زندگی، منفعت ادراک‌شده و نگرش مشتری بیشترین تأثیر را برگرایش‌های رفتاری نسبت به استفاده از خدمات موبایل دارند. قلعه‌نوع و همکاران (2016) در پژوهش خود به تحلیل تأثیر بازاریابی الکترونیک بر ارزش برند در صنعت بیمه پرداختند و دریافتند که برای دستیابی به سهم بازار بیشتر، باید از روش‌های نوین بازاریابی استفاده کرد. همچنین بقای شرکت‌های بیمه به رضایت بلندمدت مشتریان بستگی دارد که مستلزم توجه به ارزش ویژة برند است. براساس مطالعات سامیا و سلوام[16](2017) عوامل رضایت مشتری، نگرش، ادراک و نیز مشکلات استفاده از خدمات الکترونیک مشخص شد. آنها دریافتند که ادراک و تمایلات مشتری به خدمات الکترونیک مستلزم شناخت نگرش مثبت و منفی آنها به استفاده از وب‌سایت‌های بیمة الکترونیک در صنعت بیمه است. تانگ و یه (2018) در مطالعة خود استفاده از یک برنامة تلفن همراه برای اصلاح و ساده‌سازی درخواست بیمه درمانی را پیشنهاد دادند. آنها از مدل پذیرش تکنولوژی برای سنجش عوامل مؤثر بر انگیزه استفاده از برنامه تلفن همراه استفاده کردند. این مقاله درک خوانندگان از رفتار بیمه را با استفاده از مدل پذیرش فناوری و خودکارآمدی کاربر گسترش داده است. نتایج مطالعه نیز به‌خوبی از مدل پیشنهادی پشتیبانی کرده و به این ترتیب به درک رفتار کاربر در برابر کاربردهای نرم‌افزار تلفن همراه در بخش بیمه کمک کرده است. هوانگ و همکااران (2019) به رتبه‌بندی عوامل مؤثر بر ارزش درک‌شده مشتری را در بازاریابی موبایلی بررسی کرده و چارچوبی را برای شناسایی این عوامل و نیز ارزیابی پویای درجة اهمیت نسبی ابعاد مختلف ارزش درک‌شدة مشتری در حوزة بازاریابی موبایلی ارائه کردند. سارکار و همکاران (2020) در مطالعه‌ای به شناسایی عوامل پیش‌بین و پیامدشان بر اعتماد به تجارت موبایلی پرداختند، نتایج حاکی از آن است که موارد پیشین شامل منفعت درک‌شده، سهولت کاربرد درک‌شده، کیفیت سیستم، کیفیت اطلاعات، کیفیت خدمت، تعامل کاربر، ریسک درک‌شده، امنیت درک‌شده، تضمین ساختاری و تمایل به اعتماد از یک طرف و پیامدهای آن یعنی نگرش، رضایت کاربر، نیت رفتار و وفاداری با اعتماد به تجارت موبایلی ارتباطی معنی‌دار دارند.

با بررسی پیشینة پژوهش، عوامل مؤثر بر پذیرش موبایلی خدمات الکترونیکی بیمه شامل ریسک ادراک‌شده، تأثیرات اجتماعی، منفعت ادراک‌شده، هزینه، اعتماد و امنیت، عواملی انتخاب شد که بیشترین فراوانی را در پژوهش‌های پیشین دارند و در ادامه، تعاریف و مطالعات انجام‌شده در ارتباط با آنها بررسی شده است.

 

3- عوامل مؤثر بر پذیرش موبایلی خدمات الکترونیکی در صنعت بیمه

برمبنای مرور چارچوب نظری، مهم‌ترین عوامل تأثیرگذار بر پذیرش خدمات الکترونیکی در صنعت بیمه ازطریق موبایل به شرح زیر است:

1-3- ریسک ادراک‌شده

مطالعات انجام‌گرفته دربارة خدمات الکترونیک، همچون موبایل بانک و بیمة الکترونیک، نشان ‌می‌دهند که اغلب مردم استفاده از این خدمات را به‌دلیل ریسک ادراک‌شده قبول نمی‌کنند و یا به آن تمایل نشان نمی‌دهند (یو، 2012). ریسک ادارک‌شده اغلب به‌دلیل شک و تردید مرتبط با میزان مغایرت قضاوت مشتری با عملکرد واقعی محصول، شکست فناوری در دستیابی به نتایج مورد انتظار مشتری و همچنین زیان ناشی از پیامدهای مصرف محصول رخ ‌می‌دهد (الجبرا و سهیل، 2012). ریسک ادارک‌شده به انواع خاصی ازقبیل ریسک مالی، تولیدی، عملکردی، اجتماعی، فیزیکی و زمانی به هنگام انجام مبادلات برخط (آنلاین) مشتریان اشاره دارد (لاووکانن و همکاران، 2009).

2-3- تأثیرات اجتماعی

تأثیر اجتماعی همواره بر مصرف یا مصرف‌نشدن محصول و خدمات تأثیرگذار است. دو نظریه درزمینة درک تأثیر اجتماعی بر چگونگی مصرف کالا و خدمات وجود دارد. این نظریه‌ها، نظریة شناختی اجتماعی و نظریه فرایندهای تأثیر گروهی هستند. تئوری شناختی اجتماعی(SCT) چارچوبی برای شناخت، پیش‌بینی و تغییر رفتار است که رفتار انسان را نتیجة تعاملات بین شخصی و عوامل محیط تعریف ‌می‌کند (حنفی‌زاده و همکاران، 2014). تعامل انسان با دیگران و با محیط پیرامونش، بر چگونگی مصرف او تأثیرگذار است. تئوری فرایندهای تأثیر گروهی نیز بیان ‌می‌کند که فرد برای تأیید گرفتن در برابر انتظارات دیگران، برای شکل‌گیری ارتباطات قوی و همچنین دوری از مجازات تمایل نشان ‌می‌دهد (آوستی و سنگل، 2013).

ونکاتش و همکاران (2003) تأثیر اجتماعی را برای نشان‌دادن هنجار ذهنی در مدل‌های TRA، TPB وIDT  به کار بردند. آنها تأثیر اجتماعی را میزانی که فرد عقاید دیگران را در به‌کارگیری تکنولوژی مهم بداند، تعریف کرده‌اند. نتایج پژوهش ساین و فلپس (2010) نشان داد که تصمیمات فردی برای پذیرش خدمات الکترونیک، از اعضای خانواده و دوستان تأثیر ‌می‌پذیرد.

3-3- منفعت ادارک‌شده

منفعت ادارک‌شده، میزانی است که یک شخص اعتقاد دارد استفاده از یک سیستم مشخص او یا عملکردش را ارتقا خواهد داد (دویس، 1989). بسیاری از پژوهش‌های موجود نشان داده‌اند که منفعت ادارک‌شده به‌طور مستقیم و معنادار بر گرایش‌های رفتاری برای استفاده از یک سیستم برخطِ مشخص، تأثیر ‌می‌گذارد (ابوالماجد و گبا، 2013). وجود اثر مثبت معنادار منفعت ادارک‌شده بر هر دو عامل نگرش و تمایل به استفاده از بیمة الکترونیک اثبات شده است.

4-3- هزینه

استفاده از تکنولوژی خدماتی ممکن است دو نوع هزینة روانی و فیزیکی برای افراد ایجاد کند. هزینه‌های روانی شامل تلاش‌های صرف‌شده در یادگیری برای بارگیری و اجرای برنامة موبایل است که نقش مهمی‌در شکل گیری ارزش ادارک‌شده از خدمات دارد؛ درحالی‌که هزینه‌های فیزیکی ممکن است مستقیماً تصمیم به پذیرش خدمات بر پایة موبایل را تحت تأثیر قرار دهند (آوستی و سنگل، 2013). هزینه‌های فیزیکی، هزینه‌های اینترنت برای بارگیری برنامه، به‌علاوة هزینه‌های خدماتی گوناگون است که سازمان ارائه‌دهندة خدمت اخذ می‌کند (آوستی و سنگل، 2013). وو و ونگ (2005) دریافتند که هزینه‌ها تأثیر منفی معناداری بر تمایل رفتاری بر استفاده از موبایل برای کسب‌وکار دارند. وسلس و درنان (2010) در مطالعة خود بر روی تأثیر هزینه بر تمایل استفاده به این نتیجه رسیدند که رابطة منفی بین هزینه و تمایل به استفاده از خدمات الکترونیک وجود دارد. حنفی‌زاده و همکاران (2014) نیز در مطالعات خود دریافتند هزینه‌ها تأثیر منفی معناداری بر تمایل رفتاری برای به‌کار بردن موبایل در کسب‌وکار دارد.

5-3- اعتماد

اعتماد، میزانی است که فرد باور دارد دیگران انتظاراتش را برآورده ‌می‌کنند و از وضعیت سوءاستفاده نمی‌کنند. اعتماد یکی از مهم‌ترین‌ترین عوامل خارجی است که پذیرش فناوری را به تعویق ‌می‌اندازد (مظهر و همکاران، 2014). گو و همکاران[17](2009) مشخصه‌های تمایل رفتاری برای خدمات الکترونیک را در کره بررسی کرده‌اند. آنها مدل یکپارچه‌ای را پیشنهاد دادند که اعتماد، جزء کلیدی تمایل رفتاری معرفی شد. کیم و همکاران (2009) تأثیر اعتماد در پذیرش خدمات الکترونیک را آزمون کردند. در این پژوهش اعتماد به‌منزلة یک انتظار روانی معرفی شد که در آن پدیدة مورد اعتماد، فرصت‌طلبانه رفتار نخواهدکرد. نتایج پژوهش ژو (2011) نشان داد اعتماد بر سود شرکت و پذیرش خدمات الکترونیک تأثیر معناداری دارد.

6-3- امنیت

امروزهنبودِ قوانین امنیتی مانعی برای پذیرش خدمات مبتنی‌بر موبایل محسوب ‌می‌شود. این در حالی است که اگر تعداد بیشتری از مشتریان برای تبادلات مالی خود از اینترنت استفاده کنند، نگرانی‌های آنان از مسائل امنیتی اینترنت کمتر خواهد شد (مظهر و همکاران، 2014). نگرانی‌های امنیتی شامل ترس از دست دادن اطلاعات، ترس از هکرها و ترس دزدیده‌شدن موبایل با تما‌می ‌اطلاعات ذخیره‌شده است (الجبرا و سهیل، 2012). پون در سال (2008) پذیرش خدمات الکترونیک را بررسی کرد. او دریافت که حریم خصوصی و امنیت منشأ اصلی نارضایتی‌ها هستند و تأثیر زیادی بر رضایت کاربران دارند. نتایج همچنین نقش مهم حریم خصوصی، امنیت و آسودگی را در پذیرش خدمات الکترونیکی آشکار ساخت.

 

4- روش پژوهش

پژوهش حاضر ازنوع توصیفی-پیمایشی است که در آن از روش نمونه‌گیری قضاوتی استفاده شده است. ازآنجاکه مسئلة پذیرش خدمات الکترونیکی بیمه ازطریق موبایل و از سوی کاربران اساساً مسئله‌ای چندمعیاره است، برای تحلیل روابط مابین این عوامل، کاربرد تکنیک‌های تصمیم‌گیری چندمعیاره بااهمیت تلقی می‌شود. باتوجه‌به ساختار سلسله‌مراتبی معیارها و زیرمعیارهای مؤثر بر پدیرش موبایلی خدمات الکترونیکی (شکل 2) و نیز حسب وابستگی‌های درونی مابین این عوامل، فرایند تحلیل شبکه، روشی مناسب برای مدل‌سازی و تحلیل روابط درونی این عوامل انتخاب شده است. بدیهی است حجیم بودن محاسبات انجام‌گرفته در هنگام کاربرد این روش در رویکرد فازی، دامنة اطلاعاتی داده‌های ورودی آن را به تعداد معدودی از آزمودنی‌های مطلع و کلیدی محدود می‌سازد که گروه خبره نام دارد. ابزار اصلی جمع‌آوری داده‌ها در این تکنیک، ماتریس‌های مقایسة زوجی فردی است که پس از تأیید سازگاری پاسخ‌ها، به‌وسیلة میانگین هندسی یکپارچه شده و به ماتریس‌های مقایسة زوجی ادغام‌شده برای گروه خبره تبدیل می‌شوند.

1-4- فرایند تحلیل شبکه (ANP[18])

توماس ساعتی، فرایند تحلیل شبکه در تصمیم‌گیری چندشاخصه را در دهة 1980 طراحی کرد (ازترک، 2006). به‌طورکلی، یک شبکه مجموعه‌ای از خوشه‌ها و عناصر موجود در هر خوشه است. در حقیقت فرایند تحلیل شبکه، سیستمی که مرکّب از زیرمجموعه‌هاست و هر زیرمجموعه نیز مرکّب از عناصر دیگر است (ساعتی و ورگس[19]، 2006). ارتباط بین خوشه‌ها در یک شبکه ‌می‌تواند به دو دسته ارتباطات بیرونی و ارتباطات درونی تقسیم شود. فرایند تحلیل شبکه، فرایند تعیین اولویت‌های نسبی و وزن نهایی شاخص‌های تصمیم‌گیری است که با یک سوپر ماتریس نهایی محاسبه می‌شود. ANP را ‌می‌توان متشکل از دو بخش در نظر گرفت: سلسله‌مراتب کنترلی و ارتباط شبکه‌ای. در سلسله‌مراتب کنترلی ارتباط بین هدف، معیارها و زیرمعیارها مدنظر است و ارتباط شبکه‌ای وابستگی بین عناصر و خوشه‌ها را دربر می‌گیرد (ساعتی، 1999).

2-4- منطق فازی

پروفسور لطفی‌زاده منطق فازی را در سال 1965 معرفی کرد. منطق فازی یک سیستم منطقی بااهمیت است که هدفش ایجاد مدلی برای استدلال و استنباط انسان دربارة پدیده‌های تقریبی در طبیعت است. منطق فازی در ریاضیات قادر به تعیین میزان ناتوانی و ابهام در روابط بین مفاهیم است. این ما را به تئوری مجموعة فازی هدایت می‌کند که برای بسیاری از مسائل مدیریتی در شرایط عدم اطمینان و ابهام نتایج به کار رفته است. مجموعة فازی می‌تواند به‌صورت ریاضی با یک تابع عضویت تعریف شود که هر عنصر x در مجموعه اعداد حقیقی X، دربازه [0,1] قرار می‌گیرد. عدد مثلث فازی ‌می‌تواند به‌صورت (a,b,c) تعریف شود که در شکل (1) نمونه‌ای از این عدد نشان داده شده است.

     

 

 

1

a

b

c

0

 

شکل شمارة (1): عدد فازی مثلثی

اگرچه عملیات تصمیم و پیاده‌سازی بر اساس اعداد فازی نیازمند اعداد فازی سه‌گانه نیست، تقریب‌های اعداد سه‌گانه ‌می‌تواند برای بسیاری از برنامه‌های عملی استفاده شود (کافمن و گوپتا[20]، 1988). درواقع، دلیل اصلی استفاده از اعداد سه‌گانه فازی ‌می‌تواند مبنی‌بر درک مستقیم آنها و کارایی محاسباتی باشد (ابراهیمی و همکاران، 1394). در منطق فازی برای قضاوت پدیده‌ها از متغیرهای زبان طبیعی و توابع عضویت مربوط به آنها به عنوان طیف‌های سنجش استفاده می‌شود. در جدول شمارة (2) مقیاس فازی استفاده‌شده در پژوهش حاضر نشان داده شده است.

 

 

جدول شمارة (2): مقیاس فازی استفاده‌شده برای کمّی‌سازی معیارهای کیفی

معکوس اعداد مثلث فازی

اعداد مثلث فازی

متغیر زبانی

(1, 1, 1)

(1, 1, 1)

اهمیت مساوی

(1, 3/1, 5/1)

(5, 3, 1)

اهمیت متوسط

(3/1, 5/1, 7/1)

(7, 5, 3)

اهمیت زیاد

(5/1, 7/1, 9/1)

(9, 7, 5)

اهمیت خیلی زیاد

(7/1, 9/1, 11/1)

(11, 9, 7)

اهمیت مطلق(اثبات‌شده)

       

 

 

5- مورد مطالعه

در مطالعة موردی پژوهش حاضر، به‌منظور شناسایی و تحلیل عوامل مؤثر بر پذیرش موبایلی خدمات الکترونیکی صنعت بیمه، به موازات مرور مطالعات مرتبط، سنجش قضاوت‌های افراد خبره برای متمایزسازی سنجه‌های تأثیرگذار انجام گرفت، سپس برای تعیین میزان اهمیت هر شاخص از ماتریس‌های مقایسه زوجی فازی استفاده شد و درنهایت استراتژی‌های استقرار بیمة الکترونیکی رتبه‌بندی خواهد شده است. همچنین از متغیرهای زبانی برای دریافت استدلال‌های تقریبی افراد خبره و تبدیل قضاوت‌های نسبی آـآنها استفاده شده است. در همین راستا در جدول شمارة 3، مرور مطالعات انجام‌شده و جمع‌بندی پیشینة پژوهش درزمینة عوامل تأثیرگذار بر پذیرش موبایلی خدمات الکترونیکی در صنعت بیمه ارائه شده است.

در مطالعة حاضر برای پیاده‌سازی بیمة الکترونیک، براساس عواملی که در ادبیات نظری شناسایی شدند، سه نوع استراتژی مدنظر بوده است:

استراتژی جایگزینی یکباره: عبارت است از تلاش برای حذف یکباره و ناگهانی شیوه‌های قبلی ارائة خدمات و بازاریابی و جایگزینی روش‌های جدید ارائة خدمات و بازاریابی الکترونیک ازطریق موبایل.

استراتژی جایگزینی‌بخشی: این استراتژی پیشنهاد ‌می‌کند برای کاهش ریسک پیاده‌سازی خدمات جدید و الکترونیک، باید استفاده از خدمات الکترونیک را بخش به بخش و واحد به واحد اجرا کرد و روند جایگزینی به‌مرور زمان انجام شود.

استراتژی پیاده‌سازی موازی: در این روش پیشنهاد ‌می‌شود همزمان با روش‌های سنتی و آفلاین قبلی از نرم‌افزار‌ها و سخت‌افزارهای جدید و مناسبی برای پیاده‌سازی خدمات الکترونیکس بیمه استفاده شود.

 

جدول شمارة 3: عوامل مؤثر بر پذیرش موبایلی خدمات الکترونیک صنعت بیمه و زیرشاخص‌های مرتبط

ردیف

عامل کلیدی مؤثر

زیر شاخص‌ها

 

A

ریسک ادارک‌شده

1A-شکست تکنولوژیک

2A-زیان حاصل از پیامد‌ها

3A-نبودِ اطلاعات صریح

 

B

تأثیر اجتماعی

4B-هنجار ذهنی

5B-تأثیر فرهنگی

6B-تأثیر اعضای خانواده و دوستان

C

 

منفعت ادارک‌شده

7C-ارتقای شخصیتی

8C-ارتقای عملکردی

 

D

هزینه

9D-هزینه‌های روانی: تلاش برای یادگیری بارگیری و اجرای صحیح برنامه

10D-هزینه‌های فیزیکی: هزینه‌های اینترنت موبایل برای دانلود

 

E

اعتماد

11E-پاسخگویی در برابر انتظارات

12E-فرصت‌طلبانه رفتار نکردن

 

F

امنیت

13F-از دست دادن اطلاعات

14F-ترس از هکرها

15F- ترس از گم‌کردن یا دزدیده‌شدن دستگاه موبایل

 

 

در شکل شمارة (2) برمبنای نظرسنجی از خبرگان و بررسی پژوهش‌های پیشین، وجود ارتباط درونی بین معیارها و زیرمعیارها تأیید و در کنار استراتژی‌ها (گزینه‌های مدل پیشنهادی) نشان داده شده‌اند. سایر مراحل اجرایی مرتبط با محاسبة وزن مؤلفه‌ها در تکنیک تحلیل شبکه‌ای فازی (FANP) به شرح زیرند:

 

 

شکل شمارة (2): مدل عوامل تأثیرگذار بر پذیرش موبایلی خدمات الکترونیکی صنعت بیمه؛ منبع: محقق

 

 

مرحلة اول: محاسبه‌بردار ویژه: برای محاسبه‌بردار ویژه هریک از جداول مقایسات زوجی تجمیع‌شده، طبق رابطة زیر از روش لگاریتمی حداقل مجذورات استفاده می‌شود.

 به‌طوری‌که:

 

ازآنجاکه هر عدد فازی دارای مقدار پایین، وسط و بالاست، برای محاسبة مقادیر جدول (5) مقادیر به‌دست‌آمده از پرسشنامه باتوجه‌به جدول (3) محاسبه شده و درنهایت جدول (5) تشکیل داده می‌شود. همان‌طورکه قبلاً ذکر شد، برای هریک از سطرهای ماتریس مقایسات زوجی که به‌گونة بالا تهیه شده، مقدار SK که یک عدد فازی مثلثی است، در قالب رابطة زیر محاسبه ‌شده و در سطر انتهایی جدول 4 محاسبه و نمایش داده شده است:

 

برای مثال محاسبه Sk برای مؤلفة ریسک اداراک‌شده (S1 ) به‌صورت زیر است:

S1= (0.361, 0.155, 0.068)× (0.02, 0.013, 0.009) = (0.007, 0.002, 0.001)

 

جدول (4): مقادیر فازی مقایسات زوجی برای معیارهای مؤثر بر موفقیت بازاریابی موبایلی خدمات الکترونیکی در صنعت بیمه

 

ریسک

ادارک‌شده

تأثیرات اجتماعی

منفعت

ادارک‌شده

هزینه

اعتماد

امنیت

ریسک ادارک‌شده

(1, 1, 1)

(7، 5، 3)

(2، 0.5، 0.25)

(7، 5، 3)

(2، 0.5، 0.25)

(0.33، 0.2، 0.14)

تأثیرات اجتماعی

(0.33، 0.2، 0.14)

(1, 1, 1)

(1، 0.33، 0.2)

(2، 0.5، 0.25)

(0.25، 0.17، 0.13)

(0.17، 0.13، 0.1)

منفعت ادارک‌شده

(4، 2، 0.5)

(5، 3، 1)

(1, 1, 1)

(1, 1, 1)

(1، 0.33، 0.2)

(0.2، 0.14، 0.11)

هزینه

(0.33، 0.2، 0.14)

(4، 2، 0.5)

(1, 1, 1)

(1, 1, 1)

(0.5، 0.25، 0.17)

(0.14، 0.11، 0.09)

اعتماد

(4، 2، 0.5)

(8، 6، 4)

(5، 3، 1)

(6، 4، 2)

(1, 1, 1)

(0.25، 0.17، 0.13

امنیت

(7، 5، 3)

(10، 8، 6)

(9، 7، 5)

(11، 9، 7)

(8، 6، 4)

(1, 1, 1)

Sk

(0.007، 0.002، 0.001)

(0.002، 0.0003، 0.0001)

(0.005، 0.001، 0.0003)

(0.003، 0.001، 0.0002)

(0.009، 0.003، 0.001)

(0.018، 0.006، 0.002)

 

 

گام دوم: پس از محاسبة SK‌ها، درجة بزرگی آنها نسبت به هم در جدول (5) آورده شده است:


جدول (5): محاسبة درجة بزرگی Si‌ها برای معیارها

V(S1>=S2)

1

V(S3>=S1)

0.8439

V(S5>=S1)

1

V(S1>=S3)

1

V(S3>=S2)

1

V(S5>=S2)

1

V(S1>=S4)

1

V(S3>=S4)

1

V(S5>=S3)

1

V(S1>=S5)

0.9093

V(S3>=S5)

0.7424

V(S5>=S4)

1

V(S1>=S6)

0.5672

V(S3>=S6)

0.3659

V(S5>=S6)

0.696

V(S2>=S1)

0.3945

V(S4>=S1)

0.6295

V(S6>=S1)

1

V(S2>=S3)

0.6178

V(S4>=S2)

1

V(S6>=S2)

1

V(S2>=S4)

0.7969

V(S4>=S3)

0.8361

V(S6>=S3)

1

V(S2>=S5)

0.3006

V(S4>=S5)

0.5185

V(S6>=S4)

1

V(S2>=S6)

0.0502

V(S4>=S6)

0.1107

V(S6>=S5)

1

 

برای محاسبة وزن شاخص‌ها در ماتریس مقایسات زوجی باتوجه‌به گام دوم مراحل زیر انجام می‌گیرد:

 

 

               

Min(0.05، 0.3، 0.8، 0.62، 0.39)=0.05

Min(0.36، 0.74، 1، 1، 0.84)=0.36

Min(0.11، 0.52، 0.84، 1، 0.63)=0.11

Min(0.696، 1،1،1،1)=0.696

Min(1،1،1،1،1)=1

Min(0.57، 0.91، 1، 1، 1)=0.57

 

 

 

سرانجام بردار وزن بهنجارشده معیارها به‌صورت زیر خواهد بود:

W’=[W’(c1), W’(c2), … , W’(cn)]T= (1، 0.696، 0.11، 0.36، 0.05، 0.57)

در انتها، بردار وزن حاصل از گام سوم را با استفاده از رابطة زیر نرمالیزه می‌کنیم و بردار وزن معیارها به‌صورت زیر خواهد بود.

(0.358، 0.249، 0.040، 0.131، 0.018، 0.203) =

درنتیجه براساس نتایج به‌دست‌آمده تا این مرحله و بدون در نظر گرفتن روابط درونی، از بین معیارها مهم‌ترین آنها به‌ترتیب امنیت، اعتماد، ریسک ادارک‌شده، منفعت ادارک‌شده، هزینه و تأثیرات اجتماعی شناسایی شده‌اند.

به‌دلیل وجود رابطة درونی بین معیارها (شکل شمارة 2) در ادامه با استفاده از روش تحلیل شبکة فازی، درجة اهمیت عوامل با کنترل هریک از آنها و درنهایت رتبة نهایی عوامل با درنظر گرفتن روابط درونی به دست خواهد آمد. به این منظور نتایج پرسشنامه نسبت به ریسک ادارک‌شده با روش توضیح داده‌شده به دست آمد و در جدول (6) آورده شده است.

 

جدول شمارة (6): ارتباط درونی معیارها با کنترل «ریسک ادارک‌شده»

باتوجه‌به ریسک ادارک‌شده

منفعت ادارک‌شده

تأثیر اجتماعی

هزینه

اعتماد

امنیت

منفعت ادارک‌شده

(1، 1، 1)

(4، 2، 0.5)

(0.2، 0.14، 0.11)

(1، 1، 1)

(1، 0.33، 0.2)

تأثیر اجتماعی

(2، 0.5، 0.25)

(1، 1، 1)

(0.33، 0.2، 0.14)

(1، 1، 1)

(1، 0.33، 0.2)

هزینه

(9، 5، 7)

(7، 5، 3)

(1، 1، 1)

(1، 1، 1)

(1، 0.33، 0.2)

اعتماد

(1، 1، 1)

(1، 1، 1)

(1، 1، 1)

(1، 1، 1)

(1، 1، 1)

امنیت

(5، 3، 1)

(5، 3، 1)

(5، 3، 1)

(1، 1، 1)

(1، 1، 1)

 

 

در جدول (7) درجة بزرگی برای معیارها با کنترل ریسک ادارک‌شده به دست آمده و به همین ترتیب با استفاده از مقادیر به‌دست‌آمده از پرسشنامه و باتوجه‌به روابط درونی هر معیار با سایر معیارها و گام‌های ذکرشده، مقادیر Si برای تک‌تک آنها نسبت به یکدیگر محاسبه می‌شود و سپس ماتریس وزن آنها بدست خواهد آمد.

 

جدول شمارة (7): محاسبة درجة بزرگی Si‌ها برای معیارها با کنترل «ریسک ادارک‌شده»

V(S1>=S2)

1

V(S2>=S1)

0.8635

V(S3>=S1)

1

V(S4>=S1)

1

V(S5>=S1)

1

V(S1>=S3)

0.5166

V(S2>=S3)

0.3219

V(S3>=S2)

1

V(S4>=S2)

1

V(S5>=S2)

1

V(S1>=S4)

0.9618

V(S2>=S4)

0.8029

V(S3>=S4)

1

V(S4>=S3)

0.3803

V(S5>=S3)

0.9055

V(S1>=S5)

0.6689

V(S2>=S5)

0.5014

V(S3>=S5)

1

V(S4>=S5)

0.5827

V(S5>=S4)

1

 

 

باتوجه‌به جدول (7) وزن نرمال‌نشده برابر خواهد بود با:

W’=[W’(c1), W’(c2), … , W’(cn)]T=(0.906، 0.380، 1، 0.322، 0.517)

در پایان، بردار وزن حاصل را نرمالیزه کرده و بردار وزن معیارها به دست خواهد آمد. مقادیر به‌دست‌آمده برای تمام معیارها باتوجه‌به روابط درونی بین آنها در ماتریس w2 نشان داده شده است.

 

 

 

 

رتبة نهایی معیارها به‌صورت زیر به‌دست خواهد آمد:

 

(0.145، 0.182، 0.090، 0.207، 0.120، 0.255)

 

 

مقادیر به‌دست‌آمده رتبة نهایی معیارها باتوجه‌به روابط درونی بین آنها را نشان می‌دهد که نشان‌دهندة اهمیت بالای ریسک و منفعت ادارک‌شده و سپس به‌ترتیب اعتماد، امنیت، تأثیرات اجتماعی و هزینه است. در مرحلة بعد زیرمعیارها رتبه‌بندی می‌شوند. به این منظور مقایسة زوجی بین زیرمعیارهای هر معیار انجام می‌شود و سپس روابط درونی بررسی خواهد شد. در جدول (8) نتایج مقایسات زوجی و وزن نرمال‌شده به‌دست‌آمده از روش نشان داده شده است.

 

جدول شماره (8): نتایج مقایسة زوجی زیرمعیارهای هر معیار

معیار

زیرمعیار

وزن

وزن نرمال‌شده

ریسک ادارک‌شده

زیان حاصل از پیامدها

0.469

0.265

فقدان اطلاعات صریح

1

0.566

شکست تکنولوژیک

0.299

0.169

تأثیر اجتماعی

تأثیر فرهنگی

0.399

0.196

تأثیر خانواده و دوستان

1

0.492

هنجار ذهنی

0.635

0.312

منفعت ادارک‌شده

ارتقای شخصیتی

0.046

0.044

ارتقای عملکردی

1

0.956

هزینه

روانی

1

0.5

فیزیکی

1

0.5

اعتماد

فرصت‌طلبانه رفتار نکردن

0.636

0.389

پاسخگویی در برابر انتظارات

1

0.611

امنیت

از دست دادن اطلاعات

0.379

0.161

ترس از هکرها

1

0.424

ترس از گم یا دزده‌شدن موبایل

0.98

0.415

 

 

همان‌طور که در شکل 3 نشان داده شده است، بین زیرمعیارهای معیار ریسک ادارک‌شده، تأثیر اجتماعی و امنیت ارتباط درونی وجود دارد، پس مقایسة زوجی بین زیرمعیارهای این معیارها با کنترل تک‌تک آنها انجام می‌گیرد. نتایج این مقایسات در جداول 9 تا 11 آورده شده است.

 

جدول شمارة (9): بردار ویژة به‌دست‌آمده از مقایسة زوجی زیرمعیارهای ریسک ادارک‌شده با کنترل آنها

ریسک ادارک‌شده

زیان حاصل از پیامدها

فقدان اطلاعات صریح

شکست تکنولوژیک

زیان حاصل از پیامدها

0

0.389

0.5

فقدان اطلاعات صریح

0.956

0

0.5

شکست تکنولوژیک

0.044

0.611

0

 

جدول شمارة (10): بردار ویژة به‌دست‌آمده از مقایسة زوجی زیرمعیارهای تأثیر اجتماعی با کنترل آنها

تأثیر اجتماعی

تأثیر فرهنگی

تأثیر خانواده و دوستان

هنجار ذهنی

تأثیر فرهنگی

0

0.389

0.611

تأثیر خانواده و دوستان

0.956

0

0.389

هنجار ذهنی

0.044

0.611

0

جدول شمارة (11): بردار ویژه به‌دست‌آمده از مقایسة زوجی زیرمعیارهای امنیت با کنترل آنها

امنیت

از دست دادن اطلاعات

ترس از هکرها

ترس از گم یا دزده‌شدن موبایل

از دست دادن اطلاعات

0

0.0385

0.389

ترس از هکرها

0.611

0

0.611

ترس از گم یا دزده شدن موبایل

0.389

0.962

0

 

 

با ضرب ماتریس بردار ویژه، روابط درونی معیارهای ریسک ادارک‌شده، تأثیر اجتماعی و امنیت در وزن آنها در جدول 8، مقادیر نهایی برای وزن هر زیرمعیار به دست می‌آید. نتایج در جدول 12 نشان داده شده است. در مرحلة بعد با استفاده از مقایسة زوجی گزینه‌ها نسبت به هریک از زیرمعیارها، مقادیر ویژه برای آنها محاسبه می‌شود. در جدول شمارة 13 این مقادیر آورده شده است. سپس با ضرب مقادیر ویژه در مقدار ویژة زیرمعیارها، وزن هریک از استراتژی‌ها (گزینه‌ها) به دست می‌آید.

جدول شمارة (14) مقادیر وزن نهایی گزینه‌ها را نشان می‌دهد. مطابق نتایج به‌دست‌آمده بهترین استراتژی‌ها، استراتژی جایگزینی‌بخشی و اجرای موازی هستند و استراتژی جایگزینی یکباره در جایگاه آخر قرار دارد؛ بنابراین نمی‌توان به‌کارگیری این استراتژی را توصیه کرد.

 

جدول شمارة (12): وزن نهایی زیرمعیارهای مؤثر بر پذیرش موبایلی خدمات الکترونیکی در صنعت بیمة ایران

معیار

زیرمعیار

وزن

هزینه

روانی

0.5

فیزیکی

0.5

ریسک ادارک‌شده

زیان حاصل از پیامدها

0.305

نبود اطلاعات صریح

0.338

شکست تکنولوژیک

0.357

منفعت ادارک‌شده

ارتقای شخصیتی

0.044

ارتقای عملکردی

0.956

امنیت

از دست دادن اطلاعات

0.178

ترس از هکرها

0.352

ترس از گم یا دزده‌شدن موبایل

0.470

تأثیر اجتماعی

تأثیر فرهنگی

0.382

تأثیر خانواده و دوستان

0.309

هنجار ذهنی

0.309

اعتماد

فرصت‌طلبانه رفتار نکردن

0.389

پاسخگویی در برابر انتظارات

0.611

 

جدول شمارة (13): مقدار ویژة مقایسة زوجی گزینه‌ها نسبت به زیرمعیارها

 

زیان حاصل از پیامدها

فقدان اطلاعات صریح

شکست تکنولوژیک

تأثیر فرهنگی

تأثیر خانواده و دوستان

هنجار ذهنی

ارتقای شخصیتی

ارتقای عملکردی

s1

0.073

0.001

0.001

0.561

0.996

0.467

0.498

0.102

s2

0.459

0.305

0.561

0.001

0.002

0.131

0.005

0.532

s3

0.468

0.693

0.438

0.438

0.002

0.402

0.498

0.367

 

ادامه جدول شمارة (13): مقدار ویژة مقایسة زوجی گزینه‌ها نسبت به زیرمعیارها

 

روانی

فیزیکی

فرصت‌طلبانه رفتار نکردن

پاسخگویی در برابر انتظارات

از دست دادن اطلاعات

ترس از هکرها

ترس از گم یا        دزدیده‌شدن موبایل

s1

0.001

0.438

0.001

0.001

0.001

0.001

0.001

s2

0.543

0.037

0.595

0.595

0.543

0.564

0.724

s3

0.456

0.525

0.404

0.404

0.404

0.435

0.275

 

جدول شمارة (14): رتبة نهایی استراتژی‌ها (گزینه‌ها)

گزینه‌ها

وزن

s1

استراتژی جایگزینی یکباره

0.172

s2

استراتژی جایگزینی‌بخشی

0.419

s3

استراتژی اجرای موازی

0.409

 

 

5- نتیجه‌گیری

باتوجه‌به کاربرد وسیع اینترنت در حوزه‌های گوناگون و افزایش اهمیت بخش خدمات و سهم عمدة آن در تولید ناخالص داخلی، نیاز به عرضة رقابتی خدمات افزایش یافته است. بنگاه‌های اقتصادی ارائه‌دهندة خدمات بیمه‌ای نیز با بهره‌برداری از روش‌های نوین بازاریابی که یکی از آنها ارائة خدمات الکترونیکی است، می‌توانند امور خود را با کمترین هزینه و بالاترین کارایی انجام دهند. ازآنجاکه صنعت بیمه به‌تازگی به این واقعیت پی برده است که می‌توان فعالیت‌های بیمه‌ای را در بستر تجارت الکترونیک و با استفاده از تکنولوژی‌های گوشی‌های هوشمند به بیمه‌گذاران ارائه کرد، در این پژوهش نیز به بررسی معیارهای پذیرش خدمات الکترونیکی ازطریق موبایل و از دیدگاه گروهی از افراد مطلع کلیدی پرداخته شد. بنابراین ضمن مطالعة پژوهش‌های پیشین و مصاحبه با خبرگان، معیارها و زیرمعیارهای موفقیت بازاریابی موبایلی شناسایی شد و پس از تعیین روابط درونی بین آنها، با طراحی پرسشنامه‌های مقایسات زوجی فازی در روش تحلیل شبکه، داده‌های لازم، جمع‌‌آوری شده و درجة اهمیت معیارها، زیرمعیارها و گزینه‌ها (استراتژی‌ها) محاسبه شده است.

نتایج حاصل نشان می‌دهد از دیدگاه گروه خبرة پژوهش، تأثیرگذارترین معیارها در پذیرش موبایلی خدمات الکترونیکی در صنعت بیمه، ریسک ادارک‌شده و سود ادارک‌شده هستند. با بررسی زیرمعیارهای عامل ریسک ادارک‌شده سه زیرمعیار زیان حاصل از پیامدها، نبودِ اطلاعات صریح و شکست تکنولوژیک تقریباً رتبة یکسانی کسب کرده‌اند که نشان‌دهندة اهمیت و تأثیرگذاری یکسان آنهاست. اما زیرمعیارهای سود ادارک‌شده رتبة یکسانی کسب نکرده است و ارتقای عملکردی بسیار بیشتر از ارتقای شخصیتی بر سود ادارک‌شده تأثیرگذار است که نشان‌دهندة اهمیت بالای عملکرد صنعت بیمه در پذیرش بازاریابی موبایلی است. سپس به‌ترتیب اعتماد، امنیت، تأثیرات اجتماعی و هزینه مهم‌ترین عوامل هستند.

پس از تعیین درجة اهمیت معیارها و زیرمعیارها و رابطة درونی آنها، رتبة نهایی استراتژی‌ها (گزینه‌ها) مشخص شد و بدین‌ترتیب مهم‌ترین استراتژی‌ها، استراتژی جایگزینی‌بخشی و اجرای موازی هستند. ازآنجاکه وزن تخصیص‌یافته به استراتژی‌های جایگزینی‌بخشی و پیاده‌سازی موازی تقریباً با یکدیگر برابر است، توصیه می‌شود همزمان با روش‌های سنتی و آفلاین قبلی از نرم‌افزار‌ها و سخت‌افزارهای جدید و مناسب در راستای استراتژی‌های استقرار بیمة الکترونیک استفاده شود و به‌مرور زمان خدمات الکترونیک را بخش به بخش و واحد به واحد جایگزین روش‌های سنتی و آفلاین پیشین کنند. با استفاده از این روش از مزایای هر دو استراتژی می‌توان بهره‌مند شد و همزمان با دادن حق انتخاب به کاربران و کاهش ریسک پیاده‌سازی خدمات جدید، از مزایای استفاده از خدمات الکترونیک نیز بهره جست و تکنولوژی جدید و به‌روز را جایگزین تکنولوژی‌های قدیمی کرد.

پژوهش حاضر تنها درزمینة طراحی خدمات و بازاریابی موبایلی در صنعت بیمة ایران انجام گرفته، ولی در بسیاری از بخش‌های خدماتی و صنعتی در ایران امکان انجام پژوهش مشابه برای کسب مزیت رقابتی در سازمان و بهره‌مندی از فناوری روز دنیا امکان‌پذیر است. همچنین پیشنهاد می‌شود محدودیت پژوهش حاضر در خصوص ارزیابی عوامل برمبنای دیدگاه افراد خبره، با دریافت نظرات کاربران و مشتریان الکترونیکی خدمات بیمه‌ای برطرف و نتایج حاصل مقایسه شوند. یکی دیگر از محدودیت‌های این مطالعه، این است که عوامل مؤثر بر پذیرش موبایلی خدمات الکترونیکی در صنعت بیمه بررسی شد؛ ولی می‌توان عوامل مؤثر بر بازاریابی موبایلی را برای سایر بخش‌های صنعت بیمه و نیز در بیمه‌های اجتماعی یا بازرگانی به‌طور جداگانه بررسی کرد. همچنین به محققان بعدی پیشنهاد می‌شود از سایر تکنیک‌های تصمیم‌گیری چندمعیاره، فنون تحقیق در عملیات نرم، مدل‌سازی معادلات ساختاری یا روش‌های فراابتکاری تحقیق در عملیات نظیر شبکه‌های عصبی و نقشة شناخت فازی برای تحلیل روابط درونی عوامل بررسی‌شده در این مطالعه استفاده کرده و نتایج حاصل را با خروجی‌های حاضر مقایسه کنند.



[1] Tang & Yeh

[2] Domazet & Neogradi

[3] Haque & Sultan

[4] Ragers

[5] Fishbein & Ajzen

[6] Davis

[7] Venkatesh et al

[8] Paybox

[9] Deutsche

[10] Shaikh & Karjaluoto

[11] Yu

[12] Yadav et al

[13] Prashad et al

[14] Li et al

[15] Magdalena & Baridwan

[16] Sowmiya & Selvam

[17] Gu et al

[18] Analytic Network Process(ANP)

[19] Satty & Vargas

[20] Kaufmann & Gupta

  1. . ابراهیمی، ابوالقاسم؛ محمدلو، مسلم‌علی و محمدی، سحر (1394). طراحی مدلی برای ارزیابی و اولویت‌بندی پیمانکاران با استفاده از تحلیل سلسله‌مراتبی فازی و تابع زیان تاگوچی. مدیریت صنعتی، 7(3)، 444-424.

    1. ترکستانی، صالح؛ صنایعی، علی و عیسایی، محمدتقی (1393). طراحی الگوی تبیین عوامل مؤثر بر موفقیت بیمة الکترونیک در صنعت بیمة ایران با نگاه یکپارچه به پذیرش فناوری توسط بیمه‌گذاران و آمادگی الکترونیک بیمه‌گران. تحقیقات بازاریابی نوین، 4(2)، 94-77.
    2. خیراندیش، مهدی؛ مرید شوشتری، میثم و غلامعلی‌پور، اردوان (1395). آسیب‌شناسی پیاده‌سازی بیمة الکترونیک در ایران. کنفرانسجهانی مدیریت، اقتصاد حسابداری و علوم انسانی در آغاز هزارة سوم، شیراز.
    3. رجبی، محمد جواد و کسرایی، احمدرضا (1395). شناسایی موانع اجرایی پیاده سازی بیمه‌های الکترونیک در صنعتبیمه. پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی- دانشکده مدیریت و حسابداری.
    4. سبک رو، مهدی؛ نادری بنی، محمود و اکرمی زهرا (1394). بررسی عوامل مؤثر بر ارائة خدمات بیمة الکترونیک توسط نمایندگی‌های شرکت‌های بیمه. پایان‌نامة کارشناسی ارشد، دانشگاه یزد- دانشکدة اقتصاد، مدیریت و حسابداری.
    5. صحت، سعید؛ موسوی، ابراهیم و یغمایی، اشکان. (1395). بررسی موانع توسعة بیمة الکترونیک در نمایندگی‌های فروش بیمه در شیراز. دومین کنفرانس بین المللی مدیریت و فناوری اطلاعات و ارتباطات، تهران.
    6. قبادی، لیدا؛ صحت، سعید و حقیقی، مهدی. (1390). عوامل مرتبط با تصمیم به پذیرش بیمة الکترونیک در شرکت‌های بیمة خصوصی. پایان‌نامة کارشناسی ارشد، دانشگاه علامه طباطبایی- دانشکدة مدیریت و حسابداری.
    7. هوشیاری، حسین و جزینی، علیرضا. (1395). عوامل مؤثر در ارائة خدمات الکترونیک شرکت‌های بیمه ایرانی. پایان‌نامة کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی- دانشکدة مدیریت.
      1. Al-Jabri, I. M., & Sohail, M. S. (2012). Mobile banking adoption: Application of diffusion of innovation theory. Journal of Electronic Commerce Research13(4), 379-391.

    10. Awasthi, P., & S. Sangle, P. (2013). The importance of value and context for mobile CRM services in banking. Business Process Management Journal, 19(6), 864-891.

    11. Aboelmaged, M., & Gebba, T. R. (2013). Mobile banking adoption: An examination of technology acceptance model and theory of planned behavior. International Journal of Business Research and Development2(1), 35-50.

    12. Coviello, A., & Di Trapani, G. (2013, April). New deal of insurance marketing, the role of ICT. In Proceedings in GV-Global Virtual Conference (No. 1).

    13. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 13(3), 319-340.

    14. Domazet, I. S., & Neogradi, S. (2018). Digital Marketing and Service Industry: Digital Marketing in the Banking Industry. In Managing Diversity, Innovation, and Infrastructure in Digital Business (pp. 20-40). IGI Global.

    15. Ghaleno, M. R., Zavareh, M. R., & Bahrami, E. (2016). Effect of mobile marketing on customer-oriented brand equity in insurance industry. International Journal of Management, Accounting and Economics3(3), 185-201.

    16. Gu, J. C., Lee, S. C., & Suh, Y. H. (2009). Determinants of behavioral intention to mobile banking. Expert Systems with Applications, 36(9), 11605-11616.

    17. Huang, A., Mou, J., Eric W. K., See-To, Kim, J. (2019), Consumer perceived value preferences for mobile marketing in China: A mixed method approach, Journal of Retailing and Consumer Services, 48, 70–86

    18. Haque, M., & Sultan, Z. (2019). A structural equation modeling approach to validate the dimensions of SERVPERF in insurance industry of Saudi Arabia. Management Science Letters9(4), 495-504.

    19. Jharkharia, S., & Shankar, R. (2007). Selection of logistics service provider: An analytic network process (ANP) approach. Omega35(3), 274-289.

    20. Kim, G., Shin, B., & Lee, H. G. (2009). Understanding dynamics between initial trust and usage intentions of mobile banking. Information Systems Journal19(3), 283-311.

    21. Lee, C. Y., Tsao, C. H., & Chang, W. C. (2015). The relationship between attitude toward using and customer satisfaction with mobile application services: an empirical study from the life insurance industry. Journal of Enterprise Information Management28(5), 680-697.

    22. Lu, M. H., Lin, W., & Yueh, H. P. (2018). How do employees in different job roles in the insurance industry use mobile technology differently at work? IEEE Transactions on Professional Communication61(2), 151-165.

    23. Magdalena, R., & Baridwan, Z. (2015). The analysis of individuals’ behavioral intention in using mobile banking based on TPB, TAM and perceived risk. Jurnal Ilmiah Mahasiswa FEB4(1).

    24. Öztürk, Z. K. (2006). A review of multi criteria decision making with dependency between criteria. Multi-Criteria Decision Making5, 19-29.

    25. Prashad, P., Leach, J., Dalal, A., & Saunders, D. (2014). Mobile phones and microinsurance. Enterprise Development and Microfinance25(1), 72-86.

    26. Rogers, E. M. (2003). Diffusion of innovations. New York: Free Press. 

    27. Saaty, T. L., & Vargas, L. G. (2006). Decision making with the analytic network process (Vol. 282). Springer Science+ Business Media, LLC.

    28. Sarkara, S., Chauhanb, S. & Khare, A., (2020), A meta-analysis of antecedents and consequences of trust in mobile commerce, International Journal of Information Management,50, 286-301

    29. Shaikh, A. A., & Karjaluoto, H. (2015). Mobile banking adoption: A literature review. Telematics and informatics32(1), 129-142.

    30. Sowmiya, G., & Selvam, V. (2017). Theoretical Reinforcements of the Determinants of E-Insurance Performance in the Insurance Industry. Journal of Internet Banking and Commerce22(1), 1-7.

    31. Stieglitz, S., & Brockmann, T. (2012). Increasing organizational performance by transforming into a mobile enterprise. MIS Quarterly Executive11(4), 189-204.

    32. Tang, M. H., & Yeh, C. C. (2018, August). The Acceptance of Mobile Applications in Health Insurance Claim Procedure. In Proceedings of the 2nd International Conference on E-Society, E-Education and E-Technology (pp. 73-77). ACM.

    33. Venkatesh, V., Thong, J., & Xu, X. (2012). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology. MIs Quarterly, 36(1), 157-178.

    34. Wu, J. H., & Wang, S. C. (2005). What drives mobile commerce? An empirical evaluation of the revised technology acceptance model. Information & management, 42(5), 719-729.

    35. Yu, C. S. (2012). Factors affecting individuals to adopt mobile banking: Empirical evidence from the UTAUT model. Journal of Electronic Commerce Research, 13(2), 104.

    36. Yu, J. H. (2013). You've got mobile ads! Young Consumers' responses to mobile ads with different types of interactivity. International Journal of Mobile Marketing, 8(1).

    37. Zhou, T. (2011). An empirical examination of initial trust in mobile banking. Internet Research21(5), 527-540.