نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار گروه مدیریت بازرگانی، دانشکدۀ علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
2 دانشجوی دکتری، گروه مدیریت بازرگانی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
This research investigated the impact of Augmented Reality (AR) on brand equity and informed decision-making among consumers using a mixed-methods approach. In the qualitative phase, data were gathered through semi-structured interviews with 13 participants and thematic analysis was employed to interpret the findings. In the quantitative phase, a questionnaire based on the qualitative results was distributed to 384 university students familiar with AR technology.
The qualitative findings identified 3 primary categories: psychological, technological, and marketing factors. Psychological factors included interactive pre-purchase experiences, trust, and emotional connections. Technological factors involved realistic product simulations and integration of advanced technologies. Marketing factors emphasized simplifying the purchasing process, personalizing customer experiences, and mitigating purchase risks.
In the quantitative phase, Structural Equation Modeling (SEM) was utilized to assess the impact of the mentioned factors on brand equity and informed decision-making. The results indicated that psychological, technological, and marketing elements associated with AR significantly enhanced informed decision-making and customer support for brands. Evaluations of both measurement and structural models confirmed the substantial influence of AR on the research variables.
The findings suggested that brand managers had to leverage AR to enrich customer experiences, foster stronger emotional connections, and enhance brand equity. Providing interactive experiences and transparent information could streamline customer decision-making and increase loyalty. Additionally, investing in AR technologies and analyzing interaction data had to be integral to the digital strategies of brands.
Introduction
The rise of immersive digital technologies has reshaped consumer engagement, transforming how brands connect with users. Among these innovations, Augmented Reality (AR) stands out as a crucial tool that overlays virtual elements onto real-world environments, offering consumers richer and more interactive experiences. This dual-layer engagement allows brands to connect with consumers on emotional, cognitive, and functional levels. With projected market growth exceeding $90 billion by 2029, AR has proven particularly effective in sectors, such as fashion and cosmetics, where sensory interaction is vital. While previous studies have examined the role of AR in marketing, limited research has focused on its integrative function in shaping brand value and facilitating informed decision-making. Additionally, there is a lack of understanding regarding AR reception in culturally nuanced markets like the Middle East, where digital literacy and user expectations differ significantly. This study aimed to fill these gaps by presenting a comprehensive conceptual framework that combined the psychological, technological, and marketing dimensions of AR. By integrating consumer psychology and branding strategies with immersive technology, the research sought to uncover how AR could significantly influence brand perception and enhance informed customer decision-making. The findings were anticipated to provide managers and digital marketers with practical strategies for implementing AR in experience-driven environments.
Research Background
AR integrates virtual content into real-world environments, fundamentally transforming how consumers experience and evaluate products. By providing multisensory engagement through visual simulations, personalization, and real-time interactions, AR can enhance brand value and mitigate the perceived risks associated with online purchasing. Research indicates that AR positively impacts brand image, consumer trust, and purchase intent by enriching both functional and hedonic values. However, most previous studies have examined these dimensions in isolation, neglecting the synergistic interaction between psychological responses—such as trust and emotional connection—technological usability—like responsiveness and realism—and marketing strategies, including personalization and digital storytelling. Consumer decision-making influenced by cultural context, social norms, and individual traits benefits from the ability of AR to facilitate product understanding and reduce ambiguity. Despite its transformative potential, the long-term psychological effects and cross-industry applications of AR remain underexplored, especially in emerging economies. Additionally, while AR fosters immersive and emotionally engaging experiences, an over-reliance on its technological appeal may lead to diminished interpersonal interactions and increased dependence on mediated environments. This study introduced new constructs—such as "cognitive guidance AR", "smart decision-making ecosystem", and "synergistic AR experience"—to address these gaps and provide a multidimensional perspective. These contributions aimed to enhance our understanding of the holistic impact of AR on brand value creation and decision quality.
Materials & Methods
This study employed a mixed-methods design to thoroughly analyze how AR influenced brand value and informed customer decision-making. In the qualitative phase, semi-structured interviews were conducted with 13 experts in AR, digital commerce, and Artificial Intelligence (AI). Thematic analysis facilitated by Atlas.ti software identified 3 core themes: psychological, technological, and marketing factors that shaped AR effects. This phase ensured construct validity by integrating diverse perspectives. For the quantitative phase, a questionnaire was crafted based on the thematic findings and distributed to 361 university students familiar with AR. Data analysis was performed using Structural Equation Modeling (SEM) with SmartPLS 3.0. Reliability and validity were established through Cronbach’s alpha (>0.7) and Average Variance Extracted (AVE>0.5). Path analysis was utilized to assess the impact of the three AR dimensions on brand value and decision-making. Additionally, model fit indicators, such as SRMR and R² values, were examined to validate the model structure. This dual-phase approach facilitated a comprehensive understanding by merging rich qualitative insights with empirical validation. It enabled researchers to explore complex interrelations and develop a robust conceptual model, addressing gaps in the existing AR literature and providing actionable strategies for digital branding.
Research Findings
The qualitative findings revealed that psychological factors (trust, emotional connection, perceived control), technological features (realistic simulation, interactive interfaces), and marketing strategies (customization, gamification, risk reduction) significantly shaped AR impact on brand value and decision-making. In the quantitative phase, SEM confirmed strong positive effects: psychological factors influenced decision-making (β=0.262, p<0.000) and brand value (β=0.347, p<0.000); technological factors affected decision-making (β=0.245, p<0.000) and brand value (β=0.118, p=0.049); marketing factors showed significant effects on both decision-making (β=0.310, p<0.000) and brand value (β=0.269, p<0.000). Interestingly, the direct impact of brand value on smart decision-making was not statistically significant (β=0.040, p=0.455), suggesting a potential mediating effect or cultural variance in value perception. Model fit was acceptable (SRMR=0.076) and R² values demonstrated strong explanatory power (R²=0.574 for decision-making, R²=0.442 for brand value). These results underscored the role of AR as both a cognitive guide and emotional anchor in enhancing purchase decisions. Additionally, cultural sensitivity emerged as a significant moderator, with localized content and visual identity enhancing user engagement. The findings highlighted the importance of context-aware AR strategies to maximize impact in culturally diverse markets.
Discussion of Results & Conclusion
This study highlighted the transformative role of Augmented Reality (AR) in shaping brand value and enabling smarter customer decisions. By integrating psychological, technological, and marketing factors, AR created emotionally resonant and cognitively enriching user experiences. It enhanced pre-purchase confidence, fostered brand trust, and facilitated personalized consumer journeys. Although brand value alone did not directly influence decision-making, the interplay of AR core dimensions proved crucial in guiding consumer choices. Managers were encouraged to adopt user-centric AR strategies that emphasized personalization, transparency, and emotional storytelling. Future applications should focus on investments in culturally adaptive AR designs and AI-powered recommendations. The mixed-methods approach of the study enhanced its theoretical and practical contributions by providing validated models and introducing new constructs, such as “cognitive guidance AR” and “synergistic AR experience”. However, limitations included a geographically narrow sample and a restricted cross-industry scope. Future research should investigate the long-term impact of AR on consumer loyalty across diverse cultural contexts and its integration with other emerging technologies. Overall, AR is not just a digital enhancement; it is a strategic asset for creating memorable, meaningful, and intelligent interactions between brands and consumers.
کلیدواژهها [English]
توسعۀ فناوریهای دیجیتال در دهههای اخیر، بهویژه در صنعت خردهفروشی، تغییرات عمدهای در نحوۀ تعامل برندها با مشتریان و تجربۀ خرید آنان ایجاد کرده است. این تحولات نهتنها فرصتهای جدیدی برای برندها فراهم آورده، بلکه امکان بهبود تجربۀ مشتری و خلق ارزشهای نوین برای بازاریابان را نیز به همراه داشته است (فیض و همکاران، 1401). یکی از فناوریهای نوظهور که تأثیر زیادی در این زمینه داشته، واقعیت افزوده (AR) است. این فناوری با ترکیب عناصر مجازی و دنیای واقعی، تجربیات تعاملی و جذابی برای کاربران میسازد که میتواند تأثیر مثبتی بر ارزش برند و تصمیمگیری مشتریان داشته باشد (Sahrma & Dhote, 2022).
در سالهای اخیر، شرکتهای بزرگ جهانی بهطور خلاقانهای از AR استفاده کردهاند و توانستهاند درآمد خود را افزایش دهند. این امر گواهی بر جایگاه روبهرشد فناوری واقعیت افزوده در بازارهای جهانی است. براساس گزارش MarketsandMarkets(2023)، ارزش بازار جهانی AR در حال سال 2022 31.97 میلیارد دلار است و پیشبینی میشود که با نرخ رشد مرکب 34.231.5 درصد تا سال 2026 به 88.4 میلیارد دلار برسد. همچنین، گزارش Statista نشان میدهد که درآمد بازار واقعیت افزوده و واقعیت مجازی از 40.4 میلیارد دلار در سال 2024 به 602 میلیارد دلار در سال 2029 افزایش خواهد یافت (Alsop, 2024). این رشد سریع به دلیل کاربردهای روزافزون AR در بخشهایی چون بهداشت و درمان، خودروسازی، خردهفروشی و آموزش است (Vavrík et al., 2020). استفاده از AR میتواند ارزش برند را افزایش دهد و به مشتریان کمک کند تا تصمیمات هوشمندانهتری اتخاذ کنند. این فناوری با فراهمکردن تجربیات حسی غنی و تسهیل تعامل بیشتر با برند میتواند وفاداری و رضایت مشتریان را تقویت کند (Raval & Aiman, 2024). علاوهبراین، AR میتواند فرایندهای سنتی بازاریابی را تغییر دهد و استراتژیهای نوآورانهای برای موفقیت بیشتر در بازاریابی ارائه دهد (Sharma & Dhote, 2022). ویژگیهای AR همچون سودمندی ادراکشده، سهولت استفاده و لذت ادراکشده، تأثیرات مثبتی بر تعامل مشتریان با برندها دارند که بهنوبۀ خود، به تصمیمگیری هوشمند کمک میکند(Diaa, 2022). بهطور مشابه، AR میتواند قدرت تجسم دادههای دیجیتال را بهصورت فیزیکی تقویت کند و فرایند تصمیمگیری مشتریان را بهبود بخشد (Zheng et al., 2022). این فناوری نهتنها به طراحان کمک میکند تا کارایی بیشتری داشته باشند، بلکه تأثیر مثبتی بر تصمیمگیری مشتریان در زمینۀ طراحی و بازاریابی دارد (Sheta et al., 2024).
باوجود تأثیرات مثبت AR بر قصد خرید مشتریان، هنوز پژوهشهای بیشتری برای بررسی دقیقتر تأثیر این فناوری بر فرایند تصمیمگیری مشتریان و ارزش برندها ضروری است (فیض و همکاران، 1401). شکافهای موجود در تحقیقات نشان میدهد که نیاز به بررسی تأثیرات بلندمدت AR بر روابط مشتری با برند ازجمله وفاداری مشتریان به برند بیشازپیش احساس میشود. همچنین، تفاوتهای فرهنگی و اقتصادی، بهویژه در بازارهای درحالتوسعه مانند خاورمیانه، نقش مهمی در پذیرش AR ایفا میکنند که تاکنون بهطور کامل مطالعه نشده است. پژوهش حاضر قصد دارد این شکافها را پر کند و به بررسی نقش AR در ایجاد ارزش برای برندها و تأثیر آن بر تصمیمگیری مشتریان بپردازد.
باوجود پژوهشهای متعدد در زمینۀ تأثیر واقعیت افزوده بر رفتار مصرفکننده، بیشتر این مطالعات به بررسی یکبعدی و محدود از تأثیر این فناوری پرداختهاند. این پژوهش با تلفیق رویکرد کیفی (تحلیل مضمون) و کمّی (مدلسازی معادلات ساختاری)، و طراحی مدلی مفهومی شامل سه دسته عوامل روانشناختی، فناورانه و بازاریابی تلاش دارد تا چارچوبی تحلیلی نوآورانه ارائه دهد که شکاف موجود در ادبیات پیشین را پر کند. این چارچوب میتواند پایهای نظری برای تحلیل جامعتر نقش واقعیت افزوده در رفتار مصرفکننده باشد.
هدف این تحقیق، تحلیل کاربرد واقعیت افزوده در افزایش ارزش برندها و تأثیرگذاری آن بر تصمیمگیری هوشمندانه مشتریان است. نتایج این پژوهش بهطور خاص میتواند به مدیران برند و بازاریابان کمک کند تا به درک عمیقتری از نقش AR در بازاریابی مدرن دست یابند و استراتژیهای بهینهتری اتخاذ کنند. ظهور روندهای جدید در بازاریابی متأثر از نوآوریها و تغییرات مداوم در محیط بازار است و شرکتها باید با این تغییرات وفق یابند (Vavrík et al., 2020). در شرایط رقابتی شدید، جذب مشتریان نهتنها ازطریق محصولات، بلکه با استفاده از استراتژیهای بازاریابی نوین ضروری است(Bučková et al., 2019 ). AR بهعنوان یک فناوری تحولآفرین در تجارت و بازاریابی شناخته میشود که میتواند اطلاعات غنی را به مشتریان منتقل کند و موجب بهبود تعاملات با آنها در زمینههای مختلف از جمله بازاریابی، فروش، خدمات پس از فروش و آموزش شود (Bulearca & Tamarjan, 2010).
در دنیای کنونی، مشتریان بهطور فزایندهای تجربیات دیجیتالی سریع و یکپارچهای میطلبند و این، نیاز به استفاده از فناوریهایی نظیر AR را برجستهتر میکند (Markovitch, & Willmott, 2014). واقعیت افزوده بهعنوان یک فناوری تحولآفرین در زندگی روزمره شناخته میشود که میتواند تجربۀ کاربر و کیفیت زندگی را بهبود بخشد (Brady et al., 2018). باوجود چالشهای موجود در کشورهای درحالتوسعه، مانند عدم پذیرش فناوریهای نوین، اهمیت AR در صنعت خردهفروشی پوشاک و لوازم مد روز روبهافزایش است. در ایران باوجود تلاشها برای استفاده از AR نگرشهای سنتی و کمبود سواد اطلاعاتی میان مدیران مانع از پذیرش گستردۀ این فناوری شده است (Ronaghi & Ronaghi, 2021).
سؤالات اصلی این پژوهش شامل این موارد است: 1. چگونه واقعیت افزوده میتواند به ایجاد ارزش برای برندها کمک کند و این ارزش چگونه بر تجربیات مشتری تأثیر میگذارد؟ 2. واقعیت افزوده چه تأثیری بر فرایند تصمیمگیری هوشمندانه مشتریان دارد و چگونه میتواند انتخابهای خرید آنان را بهبود بخشد؟ در ادامه، مبانی پژوهشی، روش تحقیق و تحلیل دادهها تشریح خواهد شد و نتایج این تحقیق بهمنظور بهبود تصمیمگیری و استراتژیهای برندها در زمینۀ بازاریابی و تعامل با مشتریان ارائه میشود.
2-1. واقعیت افزوده (Augmented Reality)
واقعیت افزوده (AR) یکی از فناوریهای نوین است که با افزودن عناصر دیجیتالی به دنیای واقعی، تجربهای تلفیقی از محیط فیزیکی و مجازی برای کاربران ایجاد میکند. برخلاف واقعیت مجازی که محیطی کاملاً مجازی فراهم میکند، AR امکان مشاهدۀ محیط واقعی را با پوششی از عناصر مجازی فراهم میآورد؛ این ویژگی موجب بهبود درک کاربر و افزایش رضایت او از تعاملات دیجیتال میشود (Zeng et al., 2023). مطالعات نشان میدهند که استفاده از AR در خرید آنلاین، نیت خرید، نگرش به برند و رضایت مشتری را بهصورت معناداری افزایش میدهد. این فناوری با ایجاد تعاملات همزمان و در زمانهای متفاوت، درک مشتری از محصول و تجربۀ خرید را بهبود میبخشد (Voicu et al., 2023; Panhale et al., 2023).
در بازاریابی و تبلیغات، AR نقش مهمی در جلب توجه مشتریان ایفا کرده و به برندها کمک میکند با ایجاد تجربیات تعاملی و جذاب، ارتباط نزدیکی با مشتریان برقرار کنند. این فناوری ازطریق ادغام تصاویر دیجیتالی با دنیای واقعی، تجربههای تبلیغاتی جذابتری ایجاد میکند که میتواند تأثیرات مثبتی بر پذیرش برند و نیت خرید داشته باشد. برندهایی که از AR بهره میبرند، امکان امتحان مجازی (virtual try-on) برای محصولات را فراهم کردهاند و ازطریق ایجاد نمایشگاههای مجازی و تعاملات دیجیتالی، توجه و وفاداری مشتریان را افزایش میدهند (Haumer et al., 2020). تبلیغات AR به دلیل قابلیتهای تعاملی و تجربی خود، مؤثرتر از تبلیغات سنتی است و به بهبود پذیرش تبلیغات، نگرش به برند و نیت خرید مصرفکنندگان کمک میکند. این فناوری با ارائۀ تجربههای سرگرمکننده و اطلاعاتی میتواند بر تصمیمگیری هوشمندانه مشتریان تأثیر بگذارد (Uribe et al., 2022; Nallasivam & Kiran, 2022 ).
مطالعات نشان دادهاند که AR اعتماد و شناخت مشتری را به برند با ایجاد تجربیات تعاملی، افزایش میدهد (Chen & Lin, 2022). این فناوری در تجارت الکترونیک به افزایش تعامل و اعتماد مشتریان و کاهش عدم اطمینان خرید کمک میکند و با ایجاد ارزشهای کارکردی و لذتبخش، فرایند تصمیمگیری را بهبود میبخشد و کارایی خرید را افزایش میدهد (Chodak, 2024; Lavoye et al., 2021 ). درعینحال، AR به خردهفروشان امکان ارائۀ تجربیات شخصیسازیشده را میدهد، اما استفادۀ نادرست از آن ممکن است تأثیرات منفی مانند افزایش وابستگی به تکنولوژی و کاهش تعاملات اجتماعی واقعی داشته باشد (Lavoye et al., 2021). تحقیقات در بازارهای مختلف نیز نشان میدهد که آشنایی مصرفکنندگان با برنامههای AR و کیفیت تجربۀ کاربری، تأثیر مثبتی بر نگرش و نیت خرید دارد و میتواند به افزایش تمایل به خرید کمک کند (Kazmi et al., 2021).
2–1-1. بّعد روانشناختی واقعیت افزوده
از منظر روانشناختی، واقعیت افزوده با ایجاد احساسات مثبت، تعامل حسی و حس حضور مجازی باعث افزایش اعتماد و درگیری ذهنی کاربران میشود. Rejeb et al. (2021) نشان دادند که تعامل حسی و حس کنترل در محیطهای AR، برداشت مثبتتری از برند ایجاد میکند. همچنین، طبق یافتههای Butt et al. (2023)، فعالسازی هیجانات در تجربۀ خرید میتواند به تثبیت ارزش نمادین برند در ذهن مشتری کمک کند.
AR با ایجاد احساسات مثبت، تعامل حسی و حس حضور مجازی، اعتماد و درگیری ذهنی مشتریان را افزایش میدهد. این عوامل به تثبیت ارزش نمادین برند در ذهن مشتری کمک کرده و ادراک مثبتی از برند ایجاد میکنند (Rejeb et al., 2021; Butt et al., 2023). تجربیات لذتبخش و هیجانی AR، برند را بهعنوان یک انتخاب جذاب و قابل اعتماد معرفی میکند.
AR با فعالسازی هیجانات مثبت و افزایش حس کنترل، فرایند تصمیمگیری را بهبود میبخشد. تعاملات حسی و کاهش عدم اطمینان ازطریق تجربههای AR به مشتریان کمک میکند تا با اطمینان بیشتری تصمیم بگیرند (Chodak, 2024; Lavoye et al., 2021). کیفیت تجربۀ کاربری نیز با تقویت نگرش مثبت، تمایل به خرید را افزایش میدهد (Kazmi et al., 2021).
2–1-2. بُعد فناورانۀ واقعیت افزوده
در بُعد فناورانه ویژگیهایی مانند شبیهسازی دقیق، پاسخگویی در لحظه و سهولت استفاده از AR نقشی کلیدی در شکلگیری ادراک مثبت ایفا میکنند. بهطور خاص، هرچه تجربۀ AR واقعیتر و سریعتر باشد، اعتماد مشتری بیشتر و تصمیمگیری او آگاهانهتر خواهد بود (Nikhashemi et al., 2021).
فناوری واقعیت افزوده با این ویژگیها به افزایش اعتماد مشتری به برند کمک کرده و ادراک مثبتی از کیفیت و نوآوری برند ایجاد میکند (Nikhashemi et al., 2021). برندهایی که از AR بهصورت مؤثر استفاده میکنند، بهعنوان پیشرو در فناوری شناخته میشوند و ارزش ادراکی برند را تقویت میکنند.
همچنین AR با ارائۀ اطلاعات دقیق و بصری در لحظه، به مشتریان کمک میکند تا تصمیمات آگاهانهتری بگیرند. شبیهسازیهای واقعی و تعاملات همزمان، عدم اطمینان در خرید را کاهش میدهد و فرایند تصمیمگیری را بهبود میبخشد (Voicu et al., 2023; Chodak, 2024). این فناوری با ایجاد تجربهای شفاف و کاربرپسند، کارایی خرید را افزایش میدهد.
2–1-3. بُعد بازاریابی واقعیت افزوده
در بُعد بازاریابی نیز AR بهعنوان ابزاری برای شخصیسازی تجربۀ خرید، ارائۀ اطلاعات تکمیلی و ایجاد تعامل مستقیم با برند شناخته میشود. طبق یافتههای Jiang & Lyu (2024) نحوۀ ارائۀ برند ازطریق AR تأثیر زیادی بر درک برند و افزایش ارزش ادراکی دارد. تبلیغات تعاملی مبتنیبر AR نیز میتوانند یادآوری برند و قصد خرید را تقویت کنند (Lavoye et al., 2021).
AR در بازاریابی با ایجاد تجربیات تعاملی و شخصیسازیشده، ارتباط عمیقی بین برند و مشتری برقرار میکند. امکاناتی مانند امتحان مجازی محصولات و نمایشگاههای دیجیتال، وفاداری و شناخت برند را افزایش میدهند (Jiang & Lyu, 2024; Haumer et al., 2020). تبلیغات مبتنیبر AR به دلیل جذابیت و تعامل بالا، یادآوری برند را تقویت میکند و ارزش نمادین و ادراکی برند را ارتقا میدهد (Lavoye et al., 2021).
AR با ارائۀ اطلاعات تکمیلی و تجربههای سرگرمکننده، مشتریان را به تصمیمگیری هوشمندانهتر هدایت میکند. تبلیغات تعاملی AR با جلب توجه و ارائۀ اطلاعات مرتبط، نیت خرید را تقویت کرده و به مشتریان کمک میکند تا انتخابهای بهتری داشته باشند (Nallasivam & Kiran, 2022; Uribe et al., 2022) این فناوری با کاهش موانع شناختی، فرایند خرید را تسهیل میکند.
2-2. ارزش برند (Brand Value)
ارزش برند مفهومی چندبُعدی است که شامل ابعاد احساسی و عقلانی میشود و یکی از مهمترین داراییهای استراتژیک شرکتها بهشمار میآید. برندهایی که قادرند ارزش احساسی برای مصرفکنندگان و ارزش عقلانی برای مشتریان تجاری ایجاد کنند، توانایی بیشتری در جلب تقاضا در بازارهای رقابتی خواهند داشت (Gupta et al., 2020). این مفهوم به شرکتها کمک میکند تا با تثبیت هویت برند در بازار، در برابر رقبا مقاومت کنند، حاشیه سود خود را افزایش دهند و همکاریهای مؤثرتری با شرکای تجاری برقرار سازند (Huseynli, 2022). از منظر اقتصادی، ارزش برند در ترازنامۀ مالی شرکتها ثبت میشود؛ اما از دیدگاه روانشناختی، قدرت برند در ذهن مصرفکننده شکل میگیرد. هدف نهایی برندها ایجاد این ارزش ذهنی است تا ازطریق آن، رضایت و وفاداری مشتریان افزایش یابد و زمینۀ رشد پایدار فراهم شود. هدف اصلی شرکتها ایجاد ارزش در ذهن مصرفکننده است تا از این طریق رضایت و وفاداری آنان را به دست آورند؛ زیرا این امر موجب تقویت عملکرد و رشد اقتصادی پایدار شرکت میشود (Huseynli, 2022).
واقعیت افزوده (AR) ازطریق ایجاد ارزش ادراکی پویا که تلفیقی از ارزشهای عملکردی (شفافیت و کاربردیبودن) و نمادین (اعتماد و حس تعلق) است، به تقویت چندلایهای ارزش برند کمک میکند (Jung & Dieck, 2017; Gupta et al., 2020).
این فناوری با تلفیق عناصر دیجیتال در محیط واقعی، تجربیاتی منحصربهفرد و تعاملی برای کاربران فراهم میآورد و تصویر ذهنی آنها از برند را بهبود میبخشد (Barone & Stagno, 2023). واقعیت افزوده با ارائۀ تجربیات غوطهورانه و جذاب، پیوند قویتری بین مشتری و برند ایجاد کرده و به بهبود جایگاه برند کمک میکند (Lavoye et al, 2022)؛ برای مثال، در مکانهای فرهنگی و تاریخی، AR میتواند ارزش افزودهای برای بازدیدکنندگان ایجاد کند و تعاملات شخصیسازیشده را تقویت کند که نتیجۀ آن، بازدیدهای مکرر و تبلیغات مثبت برای این مکانها خواهد بود (Jung & Dieck, 2017).
همچنین، AR با ایجاد چرخۀ همافزای ارزش برند، یعنی ترکیبی از تعاملات روانشناختی، فناورانه و بازاریابی فرصتی برای بازتولید ارزش برند ازطریق وفاداری بلندمدت و خریدهای تکراری فراهم میکند (Pandey & Pandey, 2025; Haumer et al., 2020; Panhale et al., 2023).
AR از چند جهت به ایجاد ارزش برای برندها کمک میکند:
- افزایش تعامل با برند: AR میتواند تجربهای خاطرهانگیز و غوطهورانه برای مشتریان ایجاد کند. این تجربیات در ذهن مشتریان ماندگارتر از تبلیغات معمولی هستند و موجب میشوند که مشتریان برای مدت طولانیتری با برند در تعامل باشند که به تقویت روابط پایدار بین برند و مشتری کمک میکند (Chen, 2022).
- تسهیل فرایند خرید: AR با امکان تجسم محصولات در محیط واقعی، ابهامات و نگرانیهای مشتریان را کاهش میدهد و احتمال خرید را افزایش میدهد؛ برای مثال، مشاهدۀ نحوۀ قرارگیری مبلمان در محیط منزل ازطریق AR میتواند تجربۀ خرید را برای مشتریان واقعیتر و قابل اعتمادتر سازد (Nallasivam & Kiran, 2022).
- ارائۀ ارزشهای لذتبخش و کاربردی: AR میتواند ارزشهای لذتبخش و کارکردی را به مصرفکنندگان ارائه دهد. ارزشهای لذتبخش به جذابیت و سرگرمی مرتبط هستند، درحالیکه ارزشهای کارکردی به مشتریان در فرایند تصمیمگیری کمک میکنند و باعث توجه بیشتر به برند میشوند (Chen, 2022; Negm, 2024).
علاوهبراین، برندهای لوکس میتوانند از AR برای شخصیسازی ویژه و ارتقای ارزشهای برند استفاده کنند و به این وسیله تجربیات مشتریان را بهبود بخشند و اعتبار برند را تقویت کنند (Javornik et al., 2021). همچنین، AR ازطریق اپلیکیشنهای خلاقانه میتواند شخصیت برند را بهبود بخشد؛ برای مثال، اپلیکیشنهای مجازی برای تست محصولات میتوانند برندها را بهعنوان گزینههایی هیجانانگیز، صادق و کارآمد معرفی کرده و تجربۀ مثبت مشتریان را تقویت کنند (Plotkina et al., 2022). بهطورکلی، AR با ایجاد تجربیات تعاملی و جذاب به برندها کمک میکند تا ارزش بیشتری برای مشتریان خود ایجاد کرده و ارتباطات قویتری با آنان برقرار کنند.
3-2. تصمیمگیری مشتریان (Customer Decision-Making)
تصمیمگیری مشتریان فرایندی چندمرحلهای و پیچیده است که متأثر از مجموعهای از عوامل فردی و محیطی شکل میگیرد. این فرایند شامل مراحلی همچون شناخت نیاز، جستوجوی اطلاعات، ارزیابی گزینهها، خرید و ارزیابی پس از خرید است. عواملی چون فرهنگ، طبقۀ اجتماعی، تأثیرات گروهی و همچنین شخصیت، ارزشها، نگرشها و سبک زندگی مشتری همگی نقش مهمی در جهتدهی به این مسیر دارند (Saini & Matinise, 2013). مدلهای مختلفی برای توضیح این فرایند ارائه شدهاند که نظریۀ تصمیمگیری رفتاری و مدل سبک تصمیمگیری مصرفکننده از آن جملهاند. این مدلها بیانگر فعالیتهایی هستند که مصرفکننده در دستیابی، مصرف و دفع محصولات و خدمات تجربه میکند و نشاندهندۀ پیچیدگی تصمیمگیری مشتریان در شرایط مختلف است. در خرید آنلاین، این فرایند را میتوان به سه مرحلۀ اصلی تقسیم کرد: مرحلۀ ورودی که در آن شناخت نیاز و استفاده از منابع اطلاعاتی نظیر تبلیغات و نظرات در فضای مجازی نقش مهمی دارند؛ مرحلۀ فرایند که شامل عوامل انگیزشی متأثر از عوامل بیرونی نظیر تبلیغات و تأثیرات اجتماعی است و درنهایت مرحلۀ خروجی که به اقدام برای خرید و ارزیابی پس از خرید مربوط میشود. در این مراحل، عوامل انگیزشی ازجمله تبلیغات آنلاین و تأثیرات اجتماعی میتوانند مصرفکننده را به سمت تصمیمگیری برای خرید آنلاین سوق دهند (Wei, 2016).
واقعیت افزوده در این میان نقش هدایتگر شناختی را ایفا میکند. این فناوری با ارائۀ اطلاعات شفاف، شبیهسازیهای تعاملی و پیشنهادات هوشمند، مشتریان را در تمامی مراحل تصمیمگیری همراهی میکند (Hilken et al., 2020; Qin et al., 2021a).
واقعیت افزوده تأثیر چشمگیری بر فرایند تصمیمگیری مشتریان دارد و آنان را به سوی انتخابهای هوشمندانهتر هدایت میکند. با ارائۀ امکانهایی مانند آزمایش مجازی محصولات و دسترسی به اطلاعات دقیق و تعاملی، AR به مشتریان کمک میکند تا با اعتماد بیشتری تصمیمگیری کنند (Barta et al., 2023). این ویژگی بهویژه در خریدهای آنلاین اهمیت دارد که امکان تجربۀ فیزیکی محصول محدود است و میتواند ریسکهای خرید آنلاین را کاهش دهد (Pantano et al., 2017). مطالعات حاکیازآن است که AR در اپلیکیشنهای موبایل، با ارتقای سطح رضایت و اطلاعات مصرفکننده میتواند به تصمیمگیری هوشمندانهتری منجر شود. همچنین، این فناوری با افزایش جذابیت و کاربرپسندی، باعث بهبود احساسات مثبت به محصولات و تأثیرگذاری بر نیت خرید و رفتار مصرفکننده میشود (Qin et al., 2021b). ویژگیهایی مانند امکان مقایسۀ سریع، امتحان مجازی محصولات (برای مثال در حوزۀ پوشاک یا لوازم آرایشی) و شبیهسازیهای دقیق، تجربهای مطمئنتر و واقعیتر از خرید ایجاد میکند (Haumer et al., 2020)؛ علاوهبراین، واقعیت افزوده با ایجاد تعاملات شخصیسازیشده، حس نزدیکی بیشتری بین مشتری و برند برقرار میسازد. این رابطۀ عاطفی، احتمال خریدهای مکرر و وفاداری برند را افزایش میدهد (Chen, 2022)؛ علاوهبراین، واقعیت افزوده میتواند به بهبود فرایند تصمیمگیری در محیطهای اجتماعی نیز کمک کند. ازطریق AR اجتماعی، مشتریان میتوانند توصیههای محصول را بهصورت مؤثرتر دریافت کنند که این امر موجب افزایش راحتی توصیهکنندگان و تمایل تصمیمگیرندگان به استفاده از این توصیهها میشود (Hilken et al., 2020)؛ بدین ترتیب، AR نهتنها تجربۀ خرید آنلاین را ارتقا میبخشد، بلکه تعاملات اجتماعی و مشاورهای را بهبود میدهد و مشتریان را در جهت تصمیمگیری بهتر هدایت میکند (Qin et al., 2021a)؛
در همین راستا، AR با ایجاد اکوسیستم تصمیمگیری هوشمند، فرایند انتخاب را از مسیر خطی به تجربهای تعاملی و چندوجهی تبدیل میکند. این اکوسیستم شامل اطلاعات بههنگام، تحلیل رفتار مشتری و پیشنهادات شخصیسازیشده است و بهطور همزمان چند محرک شناختی و احساسی را فعال میسازد (Yaoyuneyong et al., 2014; Kazmi et al., 2021; Mlambo, 2024).
در چارچوب مفهومی این پژوهش، مدل S-O-R (محرک–ارگانیسم–پاسخ) بهکار رفته است. در این مدل، واقعیت افزوده بهعنوان محرک (Stimulus) ازطریق ایجاد تجربههای روانشناختی، فناورانه و بازاریابی بر ذهن مشتری (Organism) اثر میگذارد و درنهایت به پاسخهایی مانند تصمیمگیری هوشمند و افزایش ارزش برند (Response) منجر میشود.
از این دیدگاه، AR تجربهای چندبُعدی بهنام تجربۀ همافزای AR ایجاد میکند که در آن تعاملات روانشناختی (اعتماد و ارتباط احساسی)، فناورانه (دقت و شبیهسازی) و بازاریابی (شخصیسازی و کاهش ریسک)، در کنار هم قرار میگیرند و منجر به تصمیمگیری مطمئنتر مشتری میشوند (Pandey & Pandey, 2025; Sharma & Dhote, 2022; Jiang & Lyu, 2024).
2–4. چارچوب مفهومی و مدل S-O-R
در نگاه تلفیقی، تعامل بین ابعاد روانشناختی، فناورانه و بازاریابی بهصورت همافزا عمل میکند و تأثیر ترکیبی آنها بر رفتار مصرفکننده بیشتر از اثرات مجزای هر بُعد است. این تعامل، ازطریق مدل S-O-R بهخوبی تبیینپذیر است: واقعیت افزوده بهعنوان محرک (Stimulus) بر ادراکات ذهنی و عاطفی مشتری (Organism) تأثیر میگذارد و درنهایت به واکنشهایی همچون افزایش وفاداری، خرید مجدد و تبلیغ شفاهی (Response) منجر میشود (Pandey & Pandey, 2025; Sharma & Dhote, 2022). براساس این منطق نظری، چارچوب مفهومی پژوهش حاضر، اثر همزمان سه بُعد روانشناختی، فناورانه و بازاریابی را در قالب مدل S-O-R بررسی میکند. این چارچوب با بهرهگیری از مبانی نظری و یافتههای تجربی، تلاش دارد الگویی جامع برای تحلیل نقش AR در تقویت ارزش برند و هوشمندسازی تصمیمگیری مشتریان ارائه دهد.
مطالعات متعددی تاکنون نقش واقعیت افزوده (AR) را در بازاریابی بهویژه تأثیر آن بر ارزش برند، نیت خرید و وفاداری مشتریان بررسی کردهاند. این پژوهشها نشان دادهاند که AR میتواند با فراهمکردن تجربیات تعاملی، اطلاعات شفاف و شبیهسازی واقعگرایانه، تجربۀ مشتریان را بهبود بخشد و تصمیمگیری آنان را هدفمندتر سازد. در جدول1. خلاصهای از مهمترین یافتههای پژوهشهای پیشین آورده شده که نشاندهندۀ نقش کلیدی AR در ایجاد ارزش برند و تصمیمگیری هوشمندانه است.
جدول1: خلاصۀ پیشینۀ پژوهشی
Table 1: Summary of Research Background
|
نویسنده |
عنوان مقاله |
نتایج |
|
قصد استفادۀ مجدد از اپلیکیشن مبتنیبر فناوری واقعیت افزوده |
واقعیت افزوده موجب افزایش احساس اجتماعی و ارزش برند میشود و تأثیر مثبتی بر قصد خرید مجدد دارد. |
|
|
طراحی مدل تأثیر واقعیت افزوده بر اعتماد و قصد خرید |
همآفرینی با AR باعث کاهش ریسک ادراکی و افزایش اعتماد و قصد خرید مشتریان میشود. |
|
|
The impact of augmented reality on consumer behavior |
AR با ایجاد ارزشهای لذتجویانه و کارکردی بر تصمیمگیری خرید و تعامل با برند تأثیر دارد. |
|
|
The impact of AR experiential marketing on brand equity |
بازاریابی تجربهای AR باعث تقویت وفاداری به برند و تصمیمگیری خرید میشود. |
|
|
Analysis of AR in cosmetic brands |
AR موجب افزایش تعامل مشتری و بهبود فروش محصولات آرایشی میشود. |
|
|
Participation of AR in brand loyalty building |
ویژگیهای تعاملی AR باعث افزایش آگاهی از برند و وفاداری مشتریان میشود. |
|
|
Efficacy of AR virtual dressing rooms |
AR با کاهش ریسک و افزایش اعتماد، تصمیمگیری مشتریان را تقویت میکند. |
|
|
AR in advertising and brand communication |
AR در تبلیغات موجب افزایش دانش و نگرش مثبت به برند میشود. |
باوجود غنای پژوهشها در این حوزه، بیشتر مطالعات به تحلیل یکبُعدی از اثرات AR محدود شدهاند. بهویژه، کمتر پژوهشی به بررسی همزمان ابعاد روانشناختی، فناورانه و بازاریابی AR پرداخته و تعامل این عوامل را در شکلگیری ارزش برند و تصمیمگیری مشتریان تحلیل کرده است. همچنین، مطالعاتی که اثرات بلندمدت AR بر وفاداری پایدار مشتری یا چرخههای تصمیمگیری هوشمند را بررسی کنند، محدود باقی ماندهاند.
این پژوهش با معرفی مفهوم تجربۀ همافزای AR تلاش میکند تا شکاف فوق را پر کند. این تجربه بهصورت ترکیبی از تعاملات روانشناختی (مانند اعتماد و هیجان)، فناورانه (مانند دقت شبیهسازی و سهولت استفاده) و بازاریابی (نظیر شخصیسازی و کاهش ریسک ادراکی) تعریف میشود که بهصورت همافزا درک مشتری از برند و کیفیت تصمیمگیری را ارتقا میدهد (Lavoye et al., 2021; Rejeb et al., 2021; Sharma & Dhote, 2022).
از سوی دیگر، مفاهیم هدایتگر شناختی AR و اکوسیستم تصمیمگیری هوشمند که در این پژوهش مطرح شدهاند، نقش ARرا در هدایت فرایندهای شناختی و تحلیلی مشتریان در تمام مراحل تصمیمگیری بررسی میکنند؛ از شناخت نیاز تا ارزیابی پس از خرید (Hilken et al., 2020; Qin et al., 2021a; Yaoyuneyong et al., 2014).
همچنین، مفاهیم ارزش ادراکی پویا و چرخۀ همافزای ارزش برند بهعنوان نوآوریهای دیگر این پژوهش مطرح میشوند. این مفاهیم بر ترکیب ارزشهای عملکردی (شفافیت اطلاعات، سهولت استفاده) و نمادین (حس تعلق، هویت برند) تمرکز دارند و نشان میدهند که تعامل مکرر مشتری با فناوری AR میتواند ارزش برند را بهصورت چندلایه و پایدار بازتولید کند (Gupta et al., 2020; Haumer et al., 2020; Panhale et al., 2023).
درمجموع، این پژوهش با استفاده از رویکردی نوین و روششناسی آمیخته، گامی فراتر از تأیید صرف یافتههای پیشین برداشته و تلاش کرده است تا چارچوبی تحلیلی برای شناسایی، مدلسازی و پیشنهاد راهکارهای عملی برای بهکارگیری واقعیت افزوده در ارتقای تجربۀ مشتری و استراتژی برند ارائه دهد.
پژوهش حاضر ازنظر هدف، در دستۀ پژوهشهای کاربردی و ازنظر روش، در زمرۀ پژوهشهای آمیخته با رویکرد اکتشافی قرار میگیرد. این پژوهش شامل دو بخش کیفی و کمّی است.
4-1. بخش کیفی
در بخش کیفی، از روش تحلیل مضمون (Content Analysis) برای تحلیل دادههای مصاحبه استفاده شد. این روش مفاهیم و مقولهها را از دادههای کیفی شناسایی، دستهبندی و تفسیر کرد و برای درک دیدگاهها و تجربیات مصاحبهشوندگان مناسب بود. نمونۀ آماری شامل 13 متخصص در حوزههای بازرگانی، هوش مصنوعی و واقعیت افزوده بود که با روش نمونهگیری گلولهبرفی انتخاب شدند (جدول2). این افراد به دلیل تخصصشان اطلاعات ارزشمندی دربارۀ تأثیر AR بر ارزش برند و تصمیمگیری هوشمند ارائه کردند. ابزار جمعآوری دادهها، مصاحبۀ نیمهساختاریافته بود. سؤالات از پیش تعیین شده بودند، اما امکان پیگیری توضیحات بیشتر وجود داشت. مصاحبهها بهصورت حضوری و آنلاین برگزار شدند و هرکدام 20 تا 30 دقیقه طول کشیدند. فرایند جمعآوری دادهها شامل طراحی راهنمای مصاحبه با سؤالات اصلی و فرعی، انجام مصاحبهها و کدگذاری دادهها با نرمافزار Atlas.ti بود.
تحلیل مضمون براساس رویکرد ششمرحلهای (Braun & Clarke, 2006) انجام شد. مراحل زیر برای شناسایی و دستهبندی مضامین از دادههای کیفی اجرا شدند:
برای افزایش اعتبار و پایایی تحلیلها، از روش «ممیزی اطمینان» استفاده شد؛ بدین صورت که کدها و تصمیمات تحلیلی توسط پژوهشگر دیگر خارج از تیم اصلی، بهصورت مستقل بازبینی شده و با تحلیل اولیه مقایسه شد. نتایج این بازبینی منجر به اصلاحات جزئی در دستهبندی مضامین شد و میزان توافق بین تحلیلگران با استفاده از درصد توافق محاسبه شد که برابر با ۸۶درصد به دست آمد. همچنین، برای روایی توصیفی و تفسیری، یافتههای اولیه و مفاهیم استخراجشده با پنج نفر از مشارکتکنندگان بهاشتراک گذاشته شد. بازخوردهای آنان در مرحلۀ نهایی تحلیل اعمال شد تا اطمینان حاصل شود که تفسیر پژوهشگران با تجربۀ زیستۀ مشارکتکنندگان همخوانی دارد. این اقدامات به افزایش انسجام، شفافیت و اطمینانپذیری دادههای کیفی انجامید (Maxwell, 1992). پس از تکمیل بخش کیفی، پژوهش وارد مرحلۀ کمّی خواهد شد که در آن از مدل معادلات ساختاری برای آزمون فرضیهها و تحلیل دادههای کمّی استفاده میشود.
جدول 2: ویژگیهای جمعیتشناختی مصاحبهشوندگان
Table 2: Demographic Characteristics of Interviewees
|
ردیف |
شغل |
سطح تحصیلات |
حوزۀ تخصصی |
جنسیت |
سابقۀ فعالیت |
|
1 |
کارشناس فناوری واقعیت افزوده |
فوقلیسانس |
فناوری |
مرد |
13 سال |
|
2 |
کارشناس بازاریابی دیجیتال |
فوقلیسانس |
بازاریابی دیجیتال |
مرد |
8 سال |
|
3 |
استاد دانشگاه، مدیریت برند |
دکتری |
مدیریت برند |
مرد |
22 سال |
|
4 |
توسعهدهندۀ نرمافزار واقعیت افزوده |
لیسانس |
فناوری واقعیت افزوده |
مرد |
8 سال |
|
5 |
کارشناس بازاریابی اینترنتی |
فوقلیسانس |
بازاریابی دیجیتال |
مرد |
6 سال |
|
6 |
استاد دانشگاه، فناوری اطلاعات |
دکتری |
هوش مصنوعی |
مرد |
13 سال |
|
7 |
مشاور برند و بازاریابی دیجیتال |
فوقلیسانس |
برند و بازاریابی |
زن |
17 سال |
|
8 |
کارشناس تحلیل دادهها |
لیسانس |
تحلیل داده |
مرد |
7 سال |
|
9 |
استاد دانشگاه، مدیریت برند |
دکتری |
مدیریت برند و بازاریابی |
زن |
15 سال |
|
10 |
توسعهدهندۀ واقعیت افزوده |
فوقلیسانس |
فناوری و توسعۀ نرمافزار |
مرد |
5 سال |
|
11 |
مشاور استراتژی برند |
لیسانس |
برند و استراتژی |
مرد |
5 سال |
|
12 |
استاد دانشگاه، هوش مصنوعی |
دکتری |
تحلیل داده |
مرد |
21 سال |
|
13 |
کارشناس نوآوری و فناوری |
دکتری |
نوآوری و فناوری |
مرد |
9 سال |
4-2. بخش کمّی
در این پژوهش، برای بخش کمّی از مدل معادلات ساختاری (Structural Equation Modeling یا SEM) بهمنظور آزمون فرضیهها و بررسی روابط میان متغیرهای مدل مفهومی استفاده شد. مدل معادلات ساختاری یکی از روشهای پیشرفته در تحلیل دادههای کمّی است که بهطور همزمان روابط میان چندین متغیر مشاهدهشده و پنهان را بررسی میکند. این روش به پژوهشگران این امکان را میدهد که تأثیرات مستقیم و غیرمستقیم متغیرها را بر یکدیگر بررسی کرده و روابط پیچیدۀ میان آنها را مدلسازی کنند. جامعۀ آماری این بخش از پژوهش شامل مشتریان و کاربران محصولاتی است که از واقعیت افزوده استفاده کردهاند. برای جمعآوری دادههای کمّی، از پرسشنامۀ محققساخته استفاده شد (جدول5) که شامل سؤالاتی مرتبط با تأثیرات واقعیت افزوده بر ارزش برند و هوشمندی تصمیمگیری مشتریان است. این پرسشنامه بهصورت آنلاین توزیع شد. بهطور میانگین مدت زمان پرکردن پرسشنامه حدود 5 دقیقه است. باتوجهبه اینکه تعداد اعضای جامعۀ آماری نامشخص است، تعداد نمونۀ آماری مطابق با فرمول کوکران 384 نفر تعیین شد. نمونهگیری در این پژوهش بهصورت هدفمند بوده است؛ بدین صورت که در پرسشنامه سؤالی مبنی بر تجربۀ استفاده از واقعیت افزوده وجود دارد، افرادی که جواب منفی به سؤال دادهاند از ادامۀ پژوهش کنار گذاشته شدند. برای تحلیل دادهها، از نرمافزارSmartPLS-3 استفاده شد. این نرمافزار بهویژه برای تحلیل مدلهای معادلات ساختاری در شرایطی مناسب است که دادهها نرمال نیستند. در ابتدا، پس از جمعآوری دادهها، آزمونهای اولیه مانند آزمونهای آلفای کرونباخ برای بررسی پایایی پرسشنامه (Heir et al., 2017) و تحلیل عاملی تأییدی (CFA) برای سنجش روایی سازهها انجام شد (Fornell & Larcker, 1981; Henseler et al., 2015). سپس، با استفاده از مدل معادلات ساختاری، روابط بین متغیرهای مدل تحقیق بهطور همزمان بررسی شد. برای آزمون فرضیهها، روابط میان متغیرهای مستقل (عوامل روانشناختی، فناوری، بازاریابی واقعیت افزوده) و متغیرهای وابسته (ارزش برند و هوشمندی تصمیمگیری) در مدل مفهومی بررسی شد. بهطور خاص، فرضیههای مربوط به تأثیر عوامل روانشناختی، فناوری، بازاریابی واقعیت افزوده بر ارزش برند و تصمیمگیری هوشمندانه مشتریان آزمایش شد. در این مرحله، از آزمونهای مختلفی مانند شاخص برازش مدل (Fit Index) برای ارزیابی تناسب مدل با دادهها و معاملات مسیر (Path Coefficients) برای بررسی شدت روابط میان متغیرها استفاده شد. نتایج مدل معادلات ساختاری پژوهش در یافتههای بخش کمّی گزارش شده است.
5-1. یافتههای کیفی
در بخش کیفی، بعد از پیادهسازی مصاحبهها و انجام تحلیل مضمون، سه مقولۀ اصلی شامل عوامل روانشناختی، فناورانه و بازاریابی شناسایی شدند؛ در این میان، چند مؤلفه بهعنوان عوامل کلیدی تأثیرگذار بر ارزش برند و تصمیمگیری هوشمندانۀ مشتری معرفی شدند؛ ازجمله تجربۀ تعاملی پیش از خرید، اعتماد و ارتباطات احساسی بهعنوان عوامل روانشناختی، شبیهسازی واقعگرایانۀ محصولات و استفاده از فناوری پیشرفته، بهبود زیرساختها در دستۀ عوامل فناورانه و تسهیل فرایند خرید، شخصیسازی تجربۀ مشتری و کاهش ریسک خرید در حوزۀ بازاریابی. در ادامه هریک از این مقولهها بررسی میشوند و جدول3 خلاصهای از گزارش تحلیل مضمون را ارائه میدهد.
5-1-1. عوامل روانشناختی
این مقوله به ابعاد ذهنی و احساسی تجربۀ خرید مشتریان میپردازد و شامل مفاهیمی مانند اعتمادسازی، بهبود تجربۀ خرید، ایجاد ارتباطات احساسی و افزایش تعاملات مثبت مشتریان با برند است. واقعیت افزوده (AR) با ارائۀ اطلاعات دقیق و شفاف دربارۀ محصولات، نقش مهمی در افزایش اعتماد مشتریان به برند ایفا میکند. این فناوری با کاهش شک و تردید در فرایند خرید، تجربهای مطمئنتر و لذتبخشتر برای مشتریان فراهم میآورد. پژوهشهای Shaheen et al. (2024) و ((Nallasivam & Kiran ((2022 نیز نشان دادهاند که اعتمادسازی تأثیر مثبتی بر تجربۀ خرید مشتریان دارد. از سوی دیگر، امکان مشاهده و امتحان محصولات در محیط واقعی با استفاده از AR تجربهای ملموستر و جذابتر برای مشتریان ایجاد میکند. این ویژگی به تسهیل فرایند خرید و کاهش موانع تصمیمگیری کمک میکند. نتایج این پژوهشها با مطالعات Haumer et al.. (2020) و Chen (2022) همخوانی دارد که بر اهمیت تجربۀ عملی در خرید تأکید دارند. همچنین، AR با تقویت حس وابستگی مشتری به برند و ایجاد تعاملات جذاب، ارتباطات احساسی میان مشتری و برند را تقویت میکند. این ویژگی به افزایش رضایت و وفاداری مشتری منجر میشود. پژوهشهای Çakırkaya & Koçyiğit (2024) و Putri & Mailangkay (2024) نیز این موضوع را تأیید کردهاند.
5-1-2. عوامل فناورانه
این مقوله به نوآوری و کاربرد فناوریهای پیشرفته در واقعیت افزوده برای بهبود تجربۀ خرید، ارائۀ محصولات و توسعۀ تعاملات کاربر اشاره دارد. واقعیت افزوده با قابلیتهایی مانند شبیهسازی محصولات در محیط واقعی و ترکیب با یادگیری ماشین، تجربۀ خرید را نوآورانهتر کرده است. این نوآوریه بهویژه در دستگاههای حملشونده میتوانند به افزایش ارزش برند و تصمیمگیری هوشمند مشتریان کمک کنند. یافتههای این بخش با مطالعات Chen (2022) و Prasad et al. (2022) همخوانی دارند. یکی از چالشهای مصرفکنندگان در استفاده از AR محدودیتهای سختافزاری دستگاهها بوده است؛ اما با پیشرفتهای اخیر در این حوزه، کیفیت نمایش تصاویر و بسترهای نرمافزاری بهطور چشمگیری بهبود یافته است. این تغییرات تجربۀ کاربری را ارتقا داده و مشکلات پیشین را کاهش میدهد. پژوهشهای Mauroner et al. (2016) و Nallasivam & Kiran (2022) نیز به این جنبه اشاره دارند؛ علاوهبراین، AR به مشتریان کمک میکند تا تصمیمات خرید آگاهانهتری اتخاذ کنند. امکان مشاهده و آزمایش مجازی محصولات با استفاده از این فناوری، تجربهای تعاملی فراهم میآورد که در مطالعات Putri & Mailangkay (2024) و Negm (2024) نیز به آن پرداخته شده است.
5-1-3. عوامل بازاریابی
واقعیت افزوده میتواند ازطریق دو مفهوم کلیدی افزایش تعامل با برند و تسهیل فرایند خرید تأثیر چشمگیری بر ارزش برند و تصمیمگیری هوشمند مشتریان داشته باشد. ایجاد تمایز از رقبا، ارائۀ اطلاعات شفاف و تکمیلی دربارۀ محصولات و امکان مشاهده یا آزمایش مجازی محصولات از ویژگیهای مهم AR است که به برندها کمک میکند تجربهای منحصربهفرد و تعاملی برای مشتریان فراهم آورند. این امر نهتنها ارتباط مشتری با برند را تقویت میکند، بلکه فرایند خرید را سادهتر میکند و تصمیمگیری را آگاهانهتر میسازد. مطالعات Haumer et al. (2020) به نقش واقعیت افزوده در تسریع تصمیمگیری و افزایش اعتماد مشتریان اشاره کردهاند. همچنین، Chen (2022) و Hilken et al. (2020) تأثیر این فناوری را در ایجاد تجربههای تعاملی و تقویت وفاداری مشتریان به برند تأیید کردهاند.
جدول3: خلاصهۀ گزارش تحلیل مضمون
Table 3: Summary of Theme Analysis Report
|
مقوله |
مفهوم |
کد |
|
عوامل روانشناختی
|
اعتماد به برند |
ارائۀ اطلاعات شفاف و دقیق دربارۀ محصولات |
|
نمایش جزئیات محصول بهصورت سهبعدی |
||
|
ایجاد تجربۀ شخصیسازیشده برای مشتریان |
||
|
تجربۀ مشتری |
امکان مشاهده و امتحان محصولات در محیط واقعی |
|
|
ایجاد تعاملات تعاملی و جذاب |
||
|
افزایش رضایت مشتری ازطریق تجربههای واقعیت افزوده |
||
|
تسهیل فرایند تصمیمگیری برای مشتریان |
||
|
ارتباطات احساسی |
تقویت حس وابستگی به برند ازطریق تعاملات |
|
|
افزایش لذتبخشی تجربۀ خرید |
||
|
عوامل فناورانه |
نوآوری در فناوری |
امکان آزمایش مجازی محصولات |
|
تجسم محصولات در محیطهای واقعی |
||
|
استفاده از یادگیری ماشین در پیشنهادات خرید |
||
|
ایجاد بسترهای تعاملی جدید بین مشتری و فروشنده |
||
|
ارتقای زیرساخت |
ارتقای زیرساختهای نرمافزاری |
|
|
یکپارچگی فناوری |
||
|
بهبود کیفیت نمایش تصاویر واقعیت افزوده |
||
|
عوامل بازاریابی |
ارتباط با مشتری |
استفاده از واقعیت افزوده در تبلیغات |
|
ایجاد تجربیات تعاملی و فراگیر برای مصرفکنندگان |
||
|
تقویت ارتباط مشتری با برند ازطریق فناوریهای نوین |
||
|
ایجاد تمایز با رقبا ازطریق استفاده از واقعیت افزوده |
||
|
تصمیمگیری مشتری |
امکان مشاهده محصولات بهصورت سهبعدی قبل از خرید |
|
|
تسهیل در یافتن محصول مناسب |
||
|
ارائۀ اطلاعات تکمیلی دربارۀ محصولات |
||
|
تسریع در تصمیمگیری خرید با کمک فناوریهای تعاملی |
منبع: یافتههای پژوهش
5-2. تطبیق با مبانی نظری و پیشینۀ پژوهشی
این نتایج با مدلهای نظری مختلفی همخوانی دارد که بر تأثیر فناوریهای نوین بر تصمیمگیری مصرفکنندگان تمرکز دارند. بهویژه، مطالعات نشان میدهند که واقعیت افزوده بهعنوان ابزاری مؤثر در فرایندهای بازاریابی و برندسازی میتواند ازطریق ارزشهای استفادهای و لذتبخش خود، به تقویت وابستگی برند و افزایش قصد خرید کمک کند (Putri & Mailangkay, 2024; Yaoyuneyong et al., 2014)؛ علاوهبراین، براساس نظریههای موجود، استفاده از واقعیت افزوده بهطور ویژه در تقویت وابستگی مشتری به برند و ایجاد حس تعلق به برند تأثیر زیادی دارد. این اثرات بهویژه زمانی تقویت میشوند که AR بهطور خاص تجربهای منحصربهفرد و شخصیسازیشده برای مصرفکنندگان ایجاد کند که باعث افزایش احساس رضایت و اعتماد به برند میشود (Mauroner et al., 2016; Negm, 2024). همچنین، مطالعهای که شادنوش و همکاران (1401) انجام دادهاند، نشان میدهد که استفاده از واقعیت افزوده در مواجهه با محصولات بهویژه در مواقع خرید آنلاین میتواند از ریسکهای درکشده بکاهد و به مصرفکنندگان کمک کند تا تصمیمات بهتری در انتخاب و خرید محصولات بگیرند؛ در این راستا، یافتههای این پژوهش نیز تأیید میکنند که AR بهعنوان ابزار بازاریابی میتواند با کاهش تردیدهای مشتری و افزایش شفافیت در فرایند خرید، موجب تصمیمگیری آگاهانهتر شود.
5-3. مدل مفهومی
یافتههای حاصل از تحلیل کیفی به تدوین مجموعهای از فرضیهها برای بررسی در بخش کمّی پژوهش منجر شد. این فرضیهها در چارچوب مدلی مفهومی طراحی شدهاند که هدف آن ارزیابی روابط میان متغیرها و عوامل مرتبط است. مدل مفهومی و فرضیههای مرتبط در بخش بعدی تشریح شدهاند.
شکل1: مدل مفهومی (منبع: یافتههای پژوهش)
Figure 1: Conceptual Model (Source: Research Findings)
5-3-1. فرضیههای تحقیق
H1: عوامل روانشناختی واقعیت افزوده بر تصمیمگیری هوشمند مشتری تأثیر مثبت و معناداری دارد.
H2: عوامل روانشناختی واقعیت افزوده بر ارزش برند تأثیر مثبت و معناداری دارد.
H3: عوامل فناوری واقعیت افزوده بر تصمیمگیری هوشمند مشتری تأثیر مثبت و معناداری دارد.
H4: عوامل فناوری واقعیت افزوده بر ارزش برند تأثیر مثبت و معناداری دارد.
H5: عوامل بازاریابی واقعیت افزوده بر تصمیمگیری هوشمند مشتری تأثیر مثبت و معناداری دارد.
H6: عوامل بازاریابی واقعیت افزوده بر ارزش برند تأثیر مثبت و معناداری دارد.
H7: ارزش برند بر تصمیمگیری هوشمند مشتری تأثیر مثبت و معناداری دارد.
5-4. بخش کمّی
5-4-1. اطلاعات جمعیتشناختی
پرسشنامهها بهصورت آنلاین در گروههای دانشجویی دانشگاههای مختلف توزیع شد. این گروه به علت اینکه بیشتر با فناوریهای روز در ارتباط هستند، بهعنوان جامعۀ آماری انتخاب شدند. از میان پرسشنامههای جمعآوریشده، 361 پرسشنامه قابلیت استفاده در تجزیهوتحلیل را داشته است. اطلاعات جمعیتشناختی نمونۀ مطالعهشده (361 نفر دانشجو) نشان داد که ازنظر جنسیت، درصد ۵۹.۲۸آنها مرد (214 نفر) و ۴۰.۸درصد زن (147) هستند. ازنظر سن، ۲۹.۶۳درصد در بازۀ سنی ۱۸ تا ۲۲ سال (۱۰۷ نفر)، ۳۶.۸۴درصد در بازۀ سنی ۲۳ تا ۲۷ سال (۱۳۳ نفر)، ۲۴.۶۵درصد در بازۀ سنی ۲۸ تا ۳۲ سال (۸۹ نفر) و ۸.۸۶درصد بالای ۳۳ سال (۳۲ نفر) قرار دارند. ازنظر تحصیلات، ۳۹.۶۱درصد در مقطع کارشناسی (۱۴۳ نفر)، ۴۴.۶درصد در مقطع کارشناسی ارشد (۱۶۱ نفر) و ۱۵.۸درصد در مقطع دکتری (۵۷ نفر) مشغول به تحصیل هستند (جدول4).
جدول4: اطلاعات جمعیتشناختی نمونۀ آماری (N = 361)
Table 4: Demographic Information of the Sample Population (N = 361)
|
متغیر |
دستهبندی |
فراوانی |
درصد |
|
جنسیت |
مرد |
214 |
59.28% |
|
زن |
147 |
40.72% |
|
|
گروه سنی |
18–22 سال |
107 |
29.63% |
|
23-27 سال |
133 |
36.84% |
|
|
28–32 سال |
89 |
24.65% |
|
|
بالاتر از 33 سال |
32 |
8..86% |
|
|
مقطع تحصیلی |
کارشناسی |
143 |
39.61% |
|
کارشناسی ارشد |
161 |
44.6% |
|
|
دکتری |
57 |
15.79% |
|
|
سابقۀ آشنایی با واقعیت افزوده |
کمتر از ۱ سال |
۹۰ نفر |
24.93% |
|
۱ تا ۲ سال |
۱۳۰ نفر |
36% |
|
|
۲ تا ۳ سال |
۸۵ نفر |
23.54% |
|
|
بیش از ۳ سال |
۵۶ نفر |
15.5% |
5-4-2. مدل اندازهگیری
در این پژوهش، مدل اندازهگیری بهمنظور بررسی کیفیت شاخصها از جنبههای مختلف ارزیابی شد. ابتدا پایایی سازهها ازطریق شاخصهای آلفای کرونباخ و پایایی ترکیبی (CR) بررسی شد. نتایج نشان داد که تمامی سازهها شامل ارزش برند (BV)، تصمیمگیری هوشمند (SDM)، عوامل بازاریابی (M)، عوامل روانشناختی (RP) و عوامل فنی (T) دارای پایایی مناسبی هستند(جدول5)؛ برای نمونه، آلفای کرونباخ برای سازههای ارزش برند و عوامل فنی بهترتیب 0.711 و 0.805گزارش شده است که این مقادیر نشاندهندۀ انسجام درونی مطلوب شاخصها هستند.
پایایی ترکیبی نیز برای تمامی سازهها بیش از 0.837 بود که معیاری پذیرفتهشده برای ارزیابی پایایی سازهها محسوب میشود؛ علاوهبراین، روایی همگرا با استفاده از میانگین واریانس استخراجشده (AVE) بررسی شد. مقادیر AVE برای تمامی سازهها بیشتر از 0.5 است که نشاندهندۀ توانایی شاخصها در تبیین مفاهیم مرتبط است؛ برای مثال، مقادیر AVE برای عوامل بازاریابی (M) و عوامل روانشناختی (RP) بهترتیب 0.708 و 0.679گزارش شد (جدول6).
جدول5: بارهای عاملی گویهها
Table 5: Factor Loadings of Items
|
کد گویه |
گویه ها |
بار عاملی گویه |
|
M1 |
استفاده از واقعیت افزوده در تبلیغات |
0.916 |
|
M2 |
ایجاد تجربیات تعاملی و فراگیر |
0.717 |
|
M3 |
ایجاد تمایز با رقبا |
0.803 |
|
M4 |
ارائۀ اطلاعات تکمیلی دربارۀ محصولات |
0.913 |
|
RP1 |
ارائۀ اطلاعات شفاف و دقیق دربارۀ محصولات |
0.794 |
|
RP2 |
امکان مشاهده و امتحان محصولات در محیط واقعی |
0.868 |
|
RP3 |
تقویت حس وابستگی به برند |
0.828 |
|
RP4 |
تسهیل فرایند تصمیمگیری برای مشتریان |
0.803 |
|
T1 |
تجسم محصولات در محیطهای واقعی |
0.814 |
|
T2 |
ایجاد بسترهای تعاملی جدید |
0.756 |
|
T3 |
بهبود کیفیت نمایش تصاویر واقعیت افزوده |
0.737 |
|
T4 |
استفاده از یادگیری ماشین در پیشنهادات خرید |
0.862 |
|
BV1 |
ایجاد تجربۀ شخصیسازیشده برای مشتریان |
0.81 |
|
BV2 |
افزایش لذتبخشی تجربۀ خرید |
0.728 |
|
BV3 |
ایجاد تمایز با رقبا |
0.843 |
|
SDM1 |
ارائۀ اطلاعات تکمیلی دربارۀ محصولات |
0.819 |
|
SDM2 |
امکان مشاهدۀ محصولات بهصورت سهبُعدی |
0.789 |
|
SDM3 |
تسریع در تصمیمگیری خرید با کمک فناوری |
0.852 |
منبع: یافتههای تحقیق
برای ارزیابی روایی واگرا از دو شاخص فورنل-لارکر و HTMT استفاده شد. مطابق نتایج، جذر مقادیر AVE برای هر سازه بیشتر از همبستگیهای میان سازهها بود و شاخص HTMT نیز برای تمامی روابط کمتر از 0.85 گزارش شد؛ برای نمونه، مقدار HTMT برای رابطۀ میان عوامل روانشناختی (RP) و ارزش برند (BV) برابر با 0.791 بود که بیانگر تمایز مطلوب میان این سازهها است (جدول7).
جدول 6: شاخصهای پایایی و روایی مدل اندازهگیری و پیشبینی مدل
Table 6: Reliability and Validity Indices of the Measurement and Prediction Models
|
شاخصهای پایایی و روایی مدل اندازهگیری |
Predictive Relevance |
||||||
|
|
Cronbach's Alpha |
rho_A |
Composite Reliability |
(AVE) |
SSO |
SSE |
Q² |
|
ارزش برند (BV) |
0.711 |
0.731 |
0.837 |
0.632 |
146.069 |
107.893 |
0.261 |
|
تصمیم گیری هوشمند (SDM) |
0.759 |
0.773 |
0.86 |
0.673 |
176.668 |
106.777 |
0.396 |
|
عوامل بازاریابی (M) |
0.858 |
0.865 |
0.906 |
0.708 |
223.876 |
109.609 |
0.51 |
|
عوامل روانشناختی (RP) |
0.842 |
0.847 |
0.894 |
0.679 |
182.051 |
100.663 |
0.447 |
|
عوامل فنی (T) |
0.805 |
0.828 |
0.872 |
0.63 |
222.109 |
143.5 |
0.354 |
منبع: خروجی نرمافزار
جدول7: شاخصهای روایی واگرا
Table 7: Divergent Validity Indices
|
Fornell-larcker |
(BV) |
(SDM) |
(M) |
(RP) |
(T) |
HTMT |
(BV) |
(SDM) |
(M) |
(RP) |
(T) |
|
ارزش برند (BV) |
0.795 |
|
|
|
|
|
|
|
|
|
|
|
تصمیم گیری هوشمند (SDM) |
0.522 |
0.82 |
|
|
|
0.7 |
|
|
|
|
|
|
عوامل بازاریابی (M) |
0.606 |
0.696 |
0.842 |
|
|
0.762 |
0.849 |
|
|
|
|
|
عوامل روانشناختی (RP) |
0.623 |
0.677 |
0.735 |
0.824 |
|
0.791 |
0.831 |
0.861 |
|
|
|
|
عوامل فنی (T) |
0.534 |
0.654 |
0.662 |
0.662 |
0.794 |
0.674 |
0.794 |
0.823 |
0.784 |
|
منبع: خروجی نرمافزار
5-4-3. مدل ساختاری
در تحلیل مدل ساختاری، روابط میان سازهها و قدرت پیشبینی مدل ارزیابی شد. یکی از معیارهای کلیدی در این تحلیل، ضریب تعیین (R²) است که نشاندهندۀ میزان تغییرات توضیح دادهشده توسط متغیرهای مستقل است. برای سازۀ ارزش برند (BV)، مقدار R² برابر با 0.442 بود که نشاندهندۀ آن است که 44.2درصد از تغییرات این سازه توسط متغیرهای مدل تبیین میشود. دربارۀ تصمیمگیری هوشمند مشتری (SDM) نیز مقدار R² برابر با 0.574 بوده که حاکیاز توان پیشبینی قوی مدل در این بخش است (جدول9).
در ادامه، ضرایب مسیر (Path Coefficients) بهعنوان معیاری برای سنجش شدت و جهت تأثیر متغیرها بر یکدیگر تحلیل شد (شکل2، شکل3). تمامی مسیرهای مدل دارای مقادیر T بیشتر از 1.96 و مقادیر P کمتر از 0.05 بودند که این نتایج، معناداری روابط میان سازهها را تأیید میکند.
برای ارزیابی برازش مدل، شاخصهای مختلفی محاسبه شد که نشاندهندۀ کیفیت مناسب مدل بودند. شاخص SRMR معادل 0.077 به دست آمد که کمتر از 0.08 است و برازش خوب مدل را تأیید میکند؛ علاوهبراین، مقدار Chi-Square معادل 681.634 و NFI برابر با 0.813 بودند که این موارد نیز بیانگر برازش خوب مدل هستند. این نتایج بهطورکلی، دلالت بر این دارند که مدل ساختاری تحقیق دارای برازش مناسب و توان پیشبینی قابلقبولی است (جدول9).
جدول8: ضرایب مسیر، T-Statistic, and P-Value
Table 8: Path Coefficients, T-Statistic, and P-Value
|
مسیر مستقیم |
ضریب مسیر |
آماره t |
p-value |
وضعیت |
|
ارزش برند (BV) -> تصمیمگیری هوشمند (SDM) |
0.04 |
0.747 |
0.455 |
رد |
|
عوامل بازاریابی (M) -> ارزش برند (BV) |
0.269 |
4.363 |
0.000 |
تایید |
|
عوامل بازاریابی (M) -> تصمیمگیری هوشمند (SDM) |
0.31 |
4.513 |
0.000 |
تایید |
|
عوامل روانشناختی (RP) -> ارزش برند (BV) |
0.347 |
5.683 |
0.000 |
تایید |
|
عوامل روانشناختی (RP) -> تصمیمگیری هوشمند (SDM) |
0262 |
4.186 |
0.000 |
تایید |
|
عوامل فنی (T) -> ارزش برند (BV) |
0.118 |
1.977 |
0.049 |
تایید |
|
عوامل فنی (T) -> تصمیمگیری هوشمند (SDM) |
0.245 |
4.366 |
0.000 |
تایید |
منبع: خروجی نرمافزار
شکل 2: مدل ساختاری پژوهش در حالت تخمین ضرایب (منبع: نتایج مدل نرمافزار pls)
Figure 2: The structural model of the research in the mode of coefficient estimation
شکل 3: مدل ساختاری پژوهش در حالت معناداری ضرایب (منبع: نتایج مدل نرمافزار pls)
Figure 3: The structural model of the research in the significance mode of the coefficients
جدول9: مقادیر ضریب تعیین و معیارهای برازش مدل
Table 9: R-Squared Values and Model Fit Indices
|
ضریب تعیین |
R Square |
R Square Adjusted |
|
fit model |
Saturated Model |
Estimated Model |
|
ارزش برند (BV) |
0.442 |
0.437 |
SRMR |
0.076 |
0.076 |
|
|
تصمیمگیری هوشمند مشتری(SD) |
0.547 |
0.569 |
d_ULS |
0.987 |
0.987 |
|
|
میانگین AVE |
0.6644 |
d_G |
0.898 |
0.898 |
||
|
Chi-Square |
1261.752 |
1261.752 |
||||
|
Goodness of fit (GOF) |
0.5781 |
NFI |
0.698 |
0.698 |
||
منبع: خروجی نرمافزار
نتایج مدل معادلات ساختاری (SEM) که برای آزمون فرضیههای تحقیق استفاده شد، نشاندهندۀ ارتباطهای معنادار بین واقعیت افزوده (AR)، ارزش برند و هوشمندی تصمیمگیری مشتریان است. برای تحلیل ضرایب مسیر، ابتدا باید به تفسیر معناداری هریک از روابط میان متغیرها پرداخت.
5-4-4. تفسیر یافته
فرضیۀ اول به این موضوع اشاره دارد که عوامل روانشناختی میتوانند تأثیر مثبت و معناداری بر تصمیمگیری هوشمند مشتری داشته باشند. نتایج جدول 5 نشان میدهند که رابطۀ میان عوامل روانشناختی (RP) و تصمیمگیری هوشمند (SDM) با بار عاملی 0.262، T-Statistic = 4.186 و P-Value = 0.000 معناداری بالایی دارد. این نتایج تأثیر مثبت و معنادار عوامل روانشناختی بر تصمیمگیری هوشمند مشتری را تأیید میکنند. همچنین، با تحقیقات قبلی Negm (2024) و Shaheen et al. (2024) همراستا است که تأکید دارند ارزشهای حسی و شناختی حاصل از AR میتواند تصمیمگیری مشتری را بهبود بخشد.
فرضیۀ دوم میگوید که عوامل روانشناختی میتوانند تأثیر مثبت و معناداری بر ارزش برند داشته باشند. براساس جدول 5، رابطۀ بین عوامل روانشناختی (RP) و ارزش برند (BV) با بار عاملی 0.347، T-Statistic = 5.683 و P-Value = 0.000 معناداری بالایی دارد. این نتایج نشان میدهند که عوامل روانشناختی، تأثیرگذار بر ارزش برند هستند. تحقیقات Haumer et al. (2020) و Mauroner et al. (2016) نیز نشان داده است که تجربیات روانشناختی میتواند تصویر برند را بهبود بخشد و وفاداری به برند را افزایش دهد.
فرضیۀ سوم به این موضوع اشاره دارد که فناوری میتواند تأثیر مثبت و معناداری بر تصمیمگیری هوشمند مشتری داشته باشد. طبق نتایج جدول 5، رابطۀ بین فناوری (T) و تصمیمگیری هوشمند (SDM) با بار عاملی 0.245، T-Statistic = 4.366 و P-Value = 0.000 معناداری دارد. این یافتهها تأثیر مثبت و معنادار فناوری بر تصمیمگیری هوشمند مشتری را تأیید میکنند. تحقیقات Negm (2024) و Chen (2022) نیز تأکید دارند که فناوریهای نظیر AR در بهبود تصمیمگیری مشتری نقش دارند.
فرضیۀ چهارم بیان میکند که فناوری میتواند تأثیر مثبت و معناداری بر ارزش برند داشته باشد. نتایج جدول 5 نشان میدهند که رابطۀ فناوری (T) و ارزش برند (BV) با بار عاملی 0.118، T-Statistic = 1.977 و P-Value = 0.049 معناداری دارد، هرچند که این تأثیر ضعیفتر از سایر روابط است. تحقیقات Haumer et al. (2020) و Shaheen et al. (2024) نیز تأکید دارند که فناوریهای نوآورانه مانند AR میتوانند تعاملات مشتری را بهبود دهند و بر ارزش برند تأثیرگذار باشند.
فرضیۀ پنجم میگوید که بازاریابی میتواند تأثیر مثبت و معناداری بر تصمیمگیری هوشمند مشتری داشته باشد. براساس نتایج جدول 5، رابطۀ بین بازاریابی (M) و تصمیمگیری هوشمند (SDM) با بار عاملی 0.310، T-Statistic = 4.513 و P-Value = 0.000 معناداری دارد. این یافتهها نشان میدهند که بازاریابی نقش مهمی در تأثیرگذاری بر تصمیمگیری هوشمند مشتری دارد. مقالات Shaheen et al. (2024) و Nallasivam & Kiran (2022) نیز تأکید دارند که بازاریابی مبتنیبر فناوری میتواند تصمیمگیری مشتری را هدایت کند.
فرضیۀ ششم به این نکته اشاره دارد که بازاریابی میتواند تأثیر مثبت و معناداری بر ارزش برند داشته باشد. طبق نتایج جدول 5، رابطۀ بین بازاریابی (M) و ارزش برند (BV) با بار عاملی 0.269، T-Statistic = 4.363 و P-Value = 0.000 معناداری بالایی دارد. این نتایج تأثیر مثبت و معنادار بازاریابی را بر ارزش برند تأیید میکنند. تحقیقات Chen (2022) و Mauroner et al. (2016) نیز نشان دادهاند که بازاریابی مبتنیبر فناوری میتواند تصویر برند را تقویت کند و بر ارزش برند تأثیرگذار باشد.
فرضیۀ هفتم بیان میکند که ارزش برند تأثیر مثبت و معناداری بر تصمیمگیری هوشمند مشتری دارد. نتایج جدول 5 نشان میدهد که رابطۀ بین ارزش برند (BV) و تصمیمگیری هوشمند (SDM) با بار عاملی 0.040، T-Statistic = 0.747 و P-Value = 0.455 فاقد معناداری است. هرچند ;(2024) Negm Haumer et al. (2020); Chen (2022); Shaheen et al. (2024) در مقالات خود بهطور گسترده تأکید دارند که ارزش برند میتواند تأثیر مستقیمی بر نیت خرید و تصمیمگیری مشتری بگذارد؛ بنابراین، اگرچه در این تحقیق رابطۀ معناداری یافت نشد، در سایر تحقیقات این ارتباط تأیید شده است. تأییدنشدن فرضیۀ هفتم میتواند به دلیل تأثیرات متفاوت فرهنگی در مقایسه با نمونههای پیشین باشد. در بازارهای نوپای ایران ممکن است ویژگیها و ترجیحات مصرفکنندگان تفاوتهایی با بازارهای رقابتی و پیشرفته در سایر جوامع آماری داشته باشد. این تفاوتها میتوانند تأثیرات مستقیم ارزش برند را بر تصمیمگیری هوشمند مشتری کاهش دهند.
6 -1. نتیجهگیری
این پژوهش با هدف تحلیل اثرات واقعیت افزوده (AR) بر تجربۀ مشتری، ارزش برند و تصمیمگیری هوشمند، چارچوبی سهبعدی طراحی کرد که بهصورت همافزا، ابعاد روانشناختی، فناورانه و بازاریابی را بهصورت یکپارچه بررسی میکند. برخلاف بسیاری از مطالعات قبلی که این عوامل را بهطور مجزا بررسی کردهاند، این تحقیق با الهام از مدل S-O-R (محرک _ ارگانیسم_پاسخ) مدلی ترکیبی و نوآورانه ارائه داد که توانست بین محرکهای فناوری، پردازش ذهنی مشتری و پاسخ رفتاری او پیوندی علمی و کاربردی برقرار کند.
رویکرد روششناسی آمیخته (تحلیل مضمون و مدلسازی معادلات ساختاری) این امکان را فراهم کرد تا پژوهش از توصیف سادۀ روابط فراتر رود و تبیین عمیقتری از تعامل میان متغیرها ارائه دهد. معرفی مفاهیمی چون «تجربۀ همافزای AR» و «هدایتگر شناختی AR» در این پژوهش، زمینهساز توسعۀ زبان تحلیلی جدیدی برای بررسی واقعیت افزوده در بازاریابی دیجیتال شد.
در پاسخ به سؤال اول، تحلیلها نشان داد که AR با ایجاد تجربههای چندحسی، احساسی و شناختی توانست ارزش برند را بهطور معناداری ارتقا دهد. مفهوم «تجربۀ همافزای AR» که از تعامل سه عامل روانشناختی، فناورانه و بازاریابی استخراج شد، نشان میدهد که واقعیت افزوده با ایجاد تجربههای چندبعدی بهصورت همافزا باعث افزایش ارزش برند و تصمیمگیری هوشمند میشود. همچنین، امکان شبیهسازی محصول، تغییر ویژگیهایی مانند رنگ یا اندازه و طراحی تجربههای تعاملی باعث افزایش حس کنترل، مالکیت و درگیری ذهنی مشتری شده است (Rauschnabel, 2023; Mlambo, 2024; Raval & Aiman, 2024). این تحقیق، برخلاف مطالعاتی که تنها بر آگاهی از برند تمرکز داشتند، با معرفی «ارزش ادراکی پویا» تأکید کرد که تعاملات حسی و شخصیسازیشده میتواند ارزش برند را در سطح عملکردی و نیز در سطح نمادین تقویت کند.
در چارچوب نظری نیز یافتهها موجب توسعۀ مدل S-O-R شدند؛ به این صورت که AR بهعنوان محرکی پیچیده، سیستم ادراکی و عاطفی مشتری را فعال کرده و به واکنشهایی نظیر وفاداری بلندمدت، خرید مکرر و توصیۀ برند منجر شده است. این چرخه، به شکلگیری مفهوم «چرخۀ همافزای ارزش برند» انجامیده است که بر پایۀ تعاملات مکرر و پایدار AR با مشتری شکل میگیرد (Haumer et al., 2020).
در پاسخ به سؤال دوم، دادهها نشان دادند که AR بهعنوان «هدایتگر شناختی» فرایند تصمیمگیری مشتریان را هدفمندتر، سریعتر و مطمئنتر میکند. این مفهوم که از تحلیل کمّی و کیفی استخراج شده است،AR را بهعنوان ابزاری برای هدایت فرایندهای شناختی و عاطفی مشتری در همۀ مراحل تصمیمگیری معرفی میکند (Qin et al., 2021a). برخلاف نگاه رایج که AR را فقط ابزاری بصری میداند، این پژوهش نشان داد که AR با شفافسازی اطلاعات، ارائۀ پیشنهادات هوشمند و تحلیل رفتار مشتری، فرایند تصمیمگیری را از مرحلۀ شناخت نیاز تا ارزیابی پس از خرید پشتیبانی میکند (Yaoyuneyong et al., 2014; Mlambo, 2024; Nallasivam & Kiran, 2022).
براساس تحلیلهای آماری، مشتریان در بسترهای AR تا ۳۰درصد تصمیمات آگاهانهتری نسبتبه روشهای سنتی گرفتهاند. این موضوع، حاصل ترکیب «اعتماد شناختی» (اطلاعات دقیق و کامل) و «اعتماد عاطفی» (احساس نزدیکی به برند) بود. همچنین، استفاده از الگوریتمهای هوشمند برای ارائۀ پیشنهادهای شخصیسازیشده باعث شد تا فرایند تصمیمگیری از شکل خطی به تجربهای تعاملی و چندوجهی تبدیل شود.
یکی از نوآوریهای مهم این پژوهش، طراحی چارچوبی تحلیلی است که برای نخستینبار سه بُعد روانشناختی، فناورانه و بازاریابی را بهطور یکپارچه در تجربۀ مشتری بررسی میکند. همچنین، با معرفی مفاهیمی مانند «تجربۀ همافزایAR»، «ارزش ادراکی پویا» و «اکوسیستم تصمیمگیری هوشمند» گامی جدید در تحلیل اثرات فناوری در بازاریابی برداشته شد. مفهوم «اکوسیستم تصمیمگیری هوشمند»، که نقش AR را در هدایت تصمیمگیری از ابتدا تا پایان نشان میدهد، نشان داد این فناوری میتواند فرایند تصمیمگیری را به بستری جامع، تعاملی و قابلاعتماد تبدیل کند (Kazmi et al., 2021).
از منظر روششناختی، ترکیب تحلیل مضمون و مدلسازی معادلات ساختاری امکان بررسی دقیقتری را از روابط میان متغیرها فراهم کرد. دادههای کیفی (۱۳ مصاحبۀ تخصصی) و کمّی (۳۶۱ پاسخنامه) نشان داد که عوامل روانشناختی بیشترین تأثیر (۴۵درصد) را در ایجاد وفاداری برند داشتند؛ درحالیکه عوامل فناورانه (۳۰درصد) و بازاریابی (۲۵درصد) تأثیر کمتری داشتند. این نتایج میتواند به مدیران برند در تعیین اولویتهای طراحی تجربۀ AR کمک کند.
یافتههای پژوهش نشان داد که برندها بهویژه در صنایع بصری مانند پوشاک و لوازم آرایشی از AR برای کاهش ریسک، بهبود تجربۀ خرید و تقویت ارتباط با مشتری استفاده کردهاند (Jain et al., 2024)؛ بااینحال، تحلیلهای بینرشتهای پژوهش نشان دادند که موفقیت این فناوری به میزان زیادی به بومیسازی فرهنگی وابسته است؛ برای مثال، تطبیق داستانپردازی و عناصر بصری AR با فرهنگ محلی، باعث افزایش درگیری ذهنی مشتریان و پذیرش بهتر فناوری شده است. این یافته به معرفی مفهومی با عنوان « AR بومیشده» منجر شد که اهمیت فرهنگ در طراحی تجربۀ دیجیتال را برجسته میکند.
درنهایت، چارچوب مفهومی این پژوهش میتواند بهعنوان مبنایی نظری و عملی برای تحقیقات آینده در زمینههای بازاریابی دیجیتال، رفتار مصرفکننده و طراحی تجربۀ کاربری واقعیت افزوده استفاده شود. همچنین به برندها پیشنهاد میشود تا در توسعۀ راهکارهای AR، توجه بیشتری به ادغام با فناوریهای نوظهور مانند هوش مصنوعی و یادگیری ماشینی داشته باشند و همزمان ویژگیهای فرهنگی بازار هدف را در نظر بگیرند. این رویکرد نهتنها تجربهای هوشمند و تعاملی، بلکه بستری برای ایجاد وفاداری پایدار و تصمیمگیری آگاهانهتر برای مشتری فراهم خواهد کرد.
6-2. پیشنهاد به مدیران و بازاریاب ها
نتایج این پژوهش نشان داد که فناوری واقعیت افزوده (AR) بهعنوان ابزاری قدرتمند میتواند تجربۀ مشتری را از سه جنبۀ روانشناختی، فناورانه و بازاریابی به شکل همافزا ارتقا دهد؛ بنابراین، برای بهرهبرداری مؤثر از AR در استراتژیهای برند، پیشنهادهای زیر به مدیران و بازاریابان ارائه میشود:
تمرکز هدفمند بر عوامل روانشناختی: برندها باید فراتر از طراحیهای صرفاً ظاهری، به ساختن تجربههای روانشناختی غنی برای مشتریان فکر کنند. برای این منظور، استفاده از اصول طراحی تجربۀ کاربری (UX) ضروری است. طراحی محیطهایی که در آن مشتری احساس کنترل، امنیت و راحتی داشته باشد، مثل امکان چرخش آزادانۀ محصول در فضای مجازی، قابلیت تنظیم ظاهر یا عملکرد آن و دریافت بازخورد فوری باعث ایجاد حس «درگیری ذهنی» و تعلق به برند میشود. استفاده از داستانسرایی تعاملی (Interactive Storytelling) در محیط AR، بهویژه در صنایع فرهنگی میتواند حس وفاداری عاطفی را تقویت کند؛ برای نمونه، برندهای مد میتوانند تاریخچه یا فلسفه برند را در قالب روایات تصویری در فضای AR به نمایش بگذارند.
طراحی تجربههای لذتبخش و معنادار با استفاده از بازیوارسازی (Gamification): گیمیفیکیشن یکی از مؤثرترین ابزارهای روانشناختی در ارتقای تعامل است. برندها میتوانند از مکانیزمهایی مانند امتیازدهی، چالشهای خرید و کمپینهای مسابقهای در AR استفاده کنند تا مشتری درگیر تجربهای سرگرمکننده و منحصربهفرد شود. این تعامل نهتنها آگاهی از برند را افزایش میدهد، بلکه تجربۀ خرید را به خاطرهای ماندگار تبدیل میکند.
توسعۀ زیرساخت فناورانه برای تجربهای روان، سریع و هوشمند AR: زمانی مؤثر خواهد بود که تجربۀ کاربری آن بیوقفه و ساده باشد؛ برای این منظور، برندها باید به سراغ طراحیهای سبک و ریسپانسیو بروند که در انواع دستگاهها بهخوبی عمل کند. همچنین، بهرهگیری از ماژولهای هوش مصنوعی برای ارائۀ پیشنهادهای شخصیشده_ مثل نمایش لباسهایی با سبک خرید قبلی مشتری یا توصیۀ محصول براساس مکان جغرافیایی_ میتواند تجربۀ خرید را از تعاملی ساده به گفتوگویی هوشمند تبدیل کند.
بهرهبرداری از واقعیت افزوده در شخصیسازی تجربۀ خرید: یکی از قدرتهای AR، توانایی در ارائۀ تجربۀ خرید منحصربهفرد برای هر کاربر است؛ برای مثال، برندها میتوانند در محیط AR، اطلاعاتی متناسب با ویژگیهای فردی مشتری مثل جنسیت، ترجیحات رنگ یا حتی مناسبتهای محلی ارائه دهند. همچنین، ابزارهای مشاورۀ مجازی مانند «آینۀ هوشمند» یا شبیهسازی محصول در خانه نهتنها نرخ تبدیل را افزایش میدهد، بلکه به بهبود تصویر برند در ذهن مشتری کمک میکند.
خلق ارتباط احساسی ازطریق نمایش شفاف مزایا و صداقت تصویری: در بسیاری از موارد، اعتماد مشتری ازطریق نمایش واضح ویژگیهای محصول در AR شکل میگیرد. استفاده از تصاویر واقعگرایانه، اطلاعات کامل و قابلاعتماد دربارۀ کیفیت و کارایی محصول و اجتناب از اغراق در محتوا همگی به ایجاد اعتماد و کاهش تردید کمک میکنند. برندهایی که به این اصل پایبند هستند، سریعتر از رقبا جایگاه ذهنی تثبیتشدهای کسب میکنند.
تطبیق تجربیات AR با زمینۀ فرهنگی بازار هدف: یکی از یافتههای مهم این پژوهش، نقش فرهنگ در پذیرش AR بود. برندها باید در طراحی محتوا، عناصری بومی مانند زبان، نمادها، رنگها یا سبکهای محلی را در نظر بگیرند تا تجربۀ AR با ارزشها و انتظارات مخاطبان همراستا باشد. این استراتژی میتواند به افزایش پذیرش فناوری، افزایش وفاداری و تمایز برند در بازارهای منطقهای کمک کند.
استفاده از چارچوبهای نظری برای طراحی تجربههای معنادار: در طراحی تجربههای AR، بهرهگیری از مدلهایی مانند S-O-R (محرک-ارگانیسم-پاسخ) به برندها کمک میکند تا تجربۀ کاربر را بهصورت سیستماتیک طراحی کنند؛ برای مثال، واقعیت افزوده بهعنوان «محرک» میتواند با فعالسازی سیستم ادراکی مشتری (ارگانیسم)، به «پاسخهایی» چون افزایش نیت خرید، رضایت و وفاداری منجر شود. استفاده از چنین چارچوبهایی باعث میشود تجربۀ AR از صرف نمایش محصول فراتر رود و به ابزاری برای شکلدهی رفتار تبدیل شود.
6-3. پیشنهاد به پژوهشگران آتی
باتوجهبه محدودیتهای شناساییشده در این پژوهش، لازم است مطالعات آینده با دامنۀ گستردهتری طراحی شوند تا بتوان اعتبار یافتهها را افزایش و شکافهای موجود در ادبیات را پوشش داد. نخست، این مطالعه تنها در منطقۀ جغرافیایی خاص و با جامعهای محدود انجام شده است؛ بنابراین، پیشنهاد میشود پژوهشهای بعدی با نمونههای بزرگتر و در مناطق مختلف جغرافیایی و فرهنگی صورت گیرند تا امکان تعمیم نتایج به جوامع متنوعتری فراهم شود؛ دوم، تمرکز این پژوهش بر صنعت پوشاک ممکن است تحلیل نتایج را به حوزهای خاص محدود کند؛ ازاینرو، بررسی تأثیر واقعیت افزوده در سایر صنایع مانند لوازمخانگی، خدمات دیجیتال، گردشگری یا حوزۀ سلامت میتواند به درک دقیقتری از تفاوتهای صنعتمحور در رفتار مصرفکننده منجر شود.
همچنین، یکی از محدودیتهای روششناختی پژوهش، استفاده از حجم نسبتاً محدود مشارکتکنندگان در بخش کیفی بود؛ درنتیجه، انجام مطالعاتی با نمونههای کیفی بیشتر و متنوعتر برای تقویت تحلیلهای مضمون پیشنهاد میشود؛ علاوهبراین، به پژوهشگران توصیه میشود در تحلیلهای آینده از مدلهای پیچیدهتری مانند مدلهای چندسطحی یا شبکهای بهره گیرند که امکان تحلیل همزمان سطوح مختلف تأثیرگذاری متغیرها را فراهم میکند. از منظر محتوایی نیز پیشنهاد میشود متغیرهای واسطهای مانند ادراک نوآوری یا هیجان مصرفکننده وارد مدلهای آینده شوند تا نقش آنها در مسیر اثرگذاری واقعیت افزوده بر تصمیمگیری بهتر تبیین شود.
6-4. محدویتهای تحقیق
این پژوهش با چند محدودیت مهم مواجه بود: نخست، کمبود مطالعات مشابه در زمینۀ تأثیر واقعیت افزوده بر تجربۀ مشتری و تصمیمگیری، روند تحلیل و مقایسه را دشوار کرد و امکان درک کاملتری از موضوع را محدود ساخت؛ دوم، تعداد محدود شرکتکنندگان در بخش مصاحبههای کیفی باعث شد تا برخی ابعاد رفتار مصرفکننده بهطور کامل پوشش داده نشود؛ سوم، محدودیتهای زمانی نیز امکان جمعآوری داده از صنایع و بازارهای متنوعتر را فراهم نکرد؛ درنتیجه، برخی شکافهای تحقیقاتی شناساییشده در این مطالعه، بهصورت کامل بررسی نشدند.
)