آینده‌پژوهی بازاریابی هوشمند بر مبنای اینترنت اشیا (مورد مطالعه: تأمین اجتماعی ایران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکترای تخصصی گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

2 دکترای تخصصی گروه مدیریت، دانشکده علوم انسانی، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران

3 دانشیار گروه مدیریت صنعتی و فناوری، دانشکده مدیریت و حسابداری دانشکدگان پردیس فارابی، دانشگاه تهران، قم، ایران

4 کارشناسی ارشد گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

در عصر کنونی فناوری‌ها و تکنولوژی‌ها با سرعت باورنکردنی در حال تغییر هستند که یکی از مصداق‌های آن تحولات فناور اطلاعات و ارتباطات است و این تحولات زمینه‌ساز تغییرات بنیادین در بازاریابی و توسعۀ شاخه‌های نوین ازجمله بازاریابی هوشمند مبتنی‌بر اینترنت اشیا شده است. هدف پژوهش بررسی سناریوهای بازاریابی هوشمند بر پایۀ اینترنت اشیا در صنعت بیمۀ تأمین اجتماعی است. پژوهش حاضر ازلحاظ ماهیت از نوع اکتشافی، ازلحاظ هدف از نوع پژوهش‌های کاربردی، ازلحاظ شیوۀ گردآوری داده‌ها توصیفی از نوع پیمایشی و بر مبنای ماهیت داده‌ها پژوهشی آمیخته (کیفی-کمی) به شمار می‌آید. در مرحلۀ نخست با بهره‌گیری از روش کیفی داده‌بنیاد برگرفته از نظریۀ Strauss & Corbin (1998) مدل نظری ایجاد شد. سپس در راستای آینده‌پژوهی، از روش‌های تحلیل اثر متقابل و سناریوسازی بهره گرفته شد. جامعۀ آماری پژوهش 16 نفر از خبرگان بیمۀ تأمین اجتماعی و اینترنت اشیا و بازاریابی هوشمند در شعب تأمین اجتماعی خراسان رضوی هستند؛ در نهایت، داده‌های جمع‌آوری‌شده توسط نرم‌افزار سناریو ویزارد تحلیل شد. نتایج این پژوهش نشان داد که سناریوها در چهار گروه دسته‌بندی می‌شوند. در سناریوهای گروه اول (مطلوب)، اطمینان از یکپارچگی رویکردها و تربیت افراد ماهر به‌عنوان عوامل علّی نقش دارند. این سناریوها در شرایط زمینه‌ایِ وجود استانداردهای فناوری و مدیریت فناوری، به تحقق بازاریابی هوشمند منجر خواهند شد. در عوامل مداخله‌گر، حمایت مدیریت ارشد از توسعه و تداوم اجرای عملیات مورد توجه قرار دارد. در بُعد پیامدها نیز انتظار می‌رود تصمیم‌گیری صحیح در ارائه خدمات بیمه‌ای توسط کارشناسان بیمه انجام شود و چابک‌سازی بازاریابی و هوشمندسازی خدمات بیمه‌ای تحقق یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Future Research on Smart Marketing Based on the Internet of Things (Case Study: Iranian Social Security Organization)

نویسندگان [English]

  • Hadi Taghavi 1
  • Seyed Rasoul Hoseini 2
  • Seyed Mohammadbagher Jafari 3
  • Mohammad Sharif Qaseri Zahan 4
1 Ph.D., Department of Management, Faculty of Administrative and Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran
2 Ph.D., Department of Management, Faculty of Humanities, Torbat Heydariyeh Branch, Islamic Azad University, Torbat Heydariyeh, Iran
3 Associate professor, Department of Industrial and Technological Management, Faculty of Management and Accounting, Farabi Campus, University of Tehran, Qom, Iran
4 M.A., Department of Management, Faculty of Administrative and Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran
چکیده [English]

In today's rapidly evolving technological landscape, advancements are occurring at an unprecedented pace. A notable example is the development of information and communication technology, which has facilitated significant changes in marketing and given rise to new branches, such as smart marketing based on the Internet of Things (IoT). This research aimed to explore smart marketing scenarios within the social security insurance industry.
The study employed an exploratory, applied, and descriptive methodology for data collection, utilizing a mixed-methods approach that encompassed both qualitative and quantitative data. In the initial phase, a theoretical model was developed using a qualitative data-driven method inspired by Strauss and Corbin's theory (1998). Subsequently, interaction analysis and scenario-building techniques were applied to guide future research. The research population consisted of 16 experts in social security insurance, IoT, and smart marketing specific to the social security branches in Khorasan Razavi. The data gathered were analyzed using Scenario Wizard software, resulting in categorization into 4 distinct groups.
The first group included "desirable" scenarios that emphasized the integration of approaches and training of skilled individuals. These scenarios were expected to unfold within the framework of technological standards and effective technology management in smart marketing. Among the key intervening factors, the support of senior management for the development and continuation of operations emerged as crucial. Consequently, desirable outcomes included improved decision-making in insurance services by experts, enhanced marketing agility, and advancement of smart insurance services.
 
Introduction
In today’s fast-evolving technological landscape, organizations must adopt modern strategies to ensure their success. This is particularly crucial for industries like insurance, which are facing shifting market dynamics and heightened competition. Insurance companies, including those offering social security services, encounter numerous challenges and opportunities driven by technological advancements, changing customer needs, and emerging risks. A significant opportunity exists in leveraging marketing innovations, particularly the Internet of Things (IoT).
The IoT refers to a network of interconnected physical devices that communicate via the internet. Devices, such as smartphones, tablets, smart TVs, vehicles, and various other objects, utilize sensors to collect and exchange data. As the IoT expands rapidly, industries—including marketing—are experiencing substantial transformations. The IoT enables the collection and analysis of vast amounts of real-time data, allowing businesses to customize their marketing strategies to better meet individual customer needs.
This research aimed to explore how the IoT could enhance smart marketing strategies within the Iranian social security insurance sector. Social security is vital for delivering essential public services and adopting IoT-driven marketing strategies can significantly enhance operational efficiency and responsiveness. Therefore, this study sought to develop a framework for smart marketing based on IoT and investigate future scenarios for its integration within Iran’s social security insurance system.
 
Materials & Methods
This research adopted an exploratory approach with an applied focus, investigating the future of IoT-driven smart marketing in the Iranian social security insurance sector. A mixed-methods approach was employed, integrating both qualitative and quantitative research methods. Data collection involved semi-structured interviews with 16 experts in social security insurance, IoT, and smart marketing selected for their extensive knowledge and professional experience.
Initially, a theoretical model was developed using qualitative data-driven methods grounded in the framework proposed by Strauss and Corbin (1998). This model aimed to identify the key components, barriers, and facilitators of IoT adoption in marketing. In the second phase, future research methodologies, including interaction analysis and scenario-building techniques, were employed to explore potential future scenarios for IoT-based smart marketing.
Data analysis utilized Scenario Wizard software to identify and categorize various scenarios that reflected different possible trajectories for IoT-driven marketing within the social security insurance sector. The insights gathered from expert perspectives formed the foundation for constructing multiple potential scenarios.
 
Research Findings
The study identified 4 distinct future scenarios for IoT-based smart marketing in the Iranian social security insurance sector categorized by desirability, likelihood, and potential impact. The "desirable scenarios" highlighted the integration of strategic approaches and the development of a skilled workforce contingent upon establishing appropriate technological standards and effective management practices in smart marketing. Key success factors included strong senior management support and cultivation of a technologically progressive organizational culture. The anticipated outcomes of these scenarios involved improved decision-making in insurance services, enhanced marketing agility, and smarter, customer-responsive insurance offerings.
Additionally, senior management support emerged as a crucial factor influencing the success of IoT-based marketing initiatives. Involvement of senior leaders was essential for the smooth implementation and ongoing success of smart marketing efforts, which entailed not only the adoption of technology, but also ensuring that staff members received adequate training and resources.
The first and third scenarios represented the most favorable conditions for the development of the Social Security Organization with all aspects of these scenarios deemed desirable. The fourth scenario depicted a static state, maintaining the current trend and involving gradual development focused on caution, internal capacities, and alignment with domestic cultural and social standards. Conversely, the second scenario illustrated a critical situation; if realized, it would lead to a significant decline in the factors influencing technological advancement and effective marketing within the Social Security Organization. In this scenario, nearly all conditions would trend toward crisis.
 
Discussion of Results & Conclusion
The study concluded that the successful implementation of IoT-driven smart marketing in the Iranian social security insurance sector relied on 3 core pillars: establishment of ICT infrastructure, effective managerial practices, and development of a skilled workforce. Together, these elements created an environment where IoT could significantly enhance marketing strategies, improve customer experiences, and streamline organizational operations.
This research presented a conceptual framework for IoT-based smart marketing, utilizing both qualitative and quantitative methods. The proposed framework emphasized the importance of a holistic approach that integrated technology, management practices, and human resources to ensure the successful implementation of smart marketing. The findings contributed valuable insights to the academic literature on marketing intelligence and future research, offering practical implications for practitioners in the social security insurance sector and laying a foundation for future research on IoT marketing applications.
Key influencers in the country's insurance industry included government and regulatory authorities, while insurance companies, particularly those providing social insurance, were the primary players. By minimizing direct intervention, adopting a primarily supervisory role, identifying resources, and directing them toward the development of insurance infrastructure, the government could significantly facilitate the growth of the Social Security Organization.
A significant challenge facing the Social Security Organization was its inability to effectively envision a realistic and credible future. While technology had been introduced, the necessary infrastructure for its adoption and utilization remained inadequate. The organization faced weaknesses in knowledge, technological capabilities, developmental processes, and essential skills. Its primary strength lay in available resources though these were constrained by cumbersome laws and regulations. Consequently, reforms in financial policy, development of effective marketing strategies, and incorporation of systemic thinking into decision-making processes could substantially enhance the development of social insurance.
A limitation of this study was its reliance on qualitative opinions and expert analyses within the Micmac and Scenario Wizard software frameworks, which might be influenced by individual biases related to impact assessment and acceptance of uncertainty. Additionally, the rapid pace of IoT technological advancements and ongoing changes in security and legal standards might necessitate periodic updates to the scenarios, rendering the results somewhat provisional.

کلیدواژه‌ها [English]

  • Smart Marketing
  • Internet of Things
  • Insurance Industry
  • Social Security
  • Scenario Building
  • Future Research

1- مقدمه

امروزه با تغییر رویکرد از عصر رویکرد کلاسیک به عصر رویکرد مدرن بی‌شک سازمان‌هایی موفق خواهند بود که خود را با این تغییر وفق دهند. سازمان‌های بیمه‌گر و بانک‌ها نیز از این قائده مستثنی نیستند و با تغییر شرایط رفتاری و رقابتی در بازار، بایستی سیاست‌ها و استراتژی‌های مناسب را به کار گیرند. شرکت‌های بیمه‌گر برای بقا و حفظ جایگاه خود در برابر رقبا در ساختار بیمه‌ای بایستی از فرصت‌ها و چالش‌هایی که بر مبنای تلاطم‌های محیطی پیش روی صنعت بیمه قرار گرفته شده است، نهایت استفاده را ببرند. یکی از مهم‌ترین فرصت‌ها بهره‌گیری از نوآوری و تکنولوژی در بازاریابی‌هاست. یکی از فناوری‌های مفید در راستای تحقق آینده‌ای مطلوب برای صنعت بیمه، مفهومی به نام اینترنت اشیا است. اینترنت اشیا شبکه‌ای از دستگاه‌های فیزیکی است که ازطریق اینترنت با یکدیگر ارتباط دارند ( Aydınocak, 2022). این دستگاه‌ها از حسگرهایی برای جمع‌آوری و تبادل داده از محیط خود با دستگاه‌های دیگر ازطریق اینترنت استفاده می‌کنند. این دستگاه‌ها می‌توانند تلفن‌های هوشمند، لپتاپ، تبلت، رایانه، تلویزیون‌های هوشمند، وسایل نقلیه، لوازم هوشمند و... باشند (Atzori et al., 2010). امروزه با رشد و توسعۀ تکنولوژی، نمی‌توان از نقش اینترنت اشیا در بازاریابی دیجیتال چشم‌پوشی کرد. رشد و توسعۀ اینترنت اشیا یکی از عواملی است که به‌موجب آن می‌توان به گونه‌ای شایسته به نیازهای مشتریان پاسخ مناسب داد (اصغری‌نژاد و همکاران، 1403). اینترنت اشیا سهم چشمگیری در توسعه ازنظر اقتصادی، اجتماعی و زیست‌محیطی دارد و روش پژوهش در زمینۀ اینترنت اشیا در جهان درحال‌توسعه است و پروژه‌های سودآور اینترنت اشیا که در کشورهای درحال‌توسعه انجام می‌شود، در راستای حمایت از اهدافSDGs (Sustainable Development Goals) است که به‌عنوان اهداف جهانی ازطرف سازمان ملل متحد درسال 2015 برای رسیدن به توسعۀ پایدار تا سال 2030 است (López-Vargas et al., 2020). از طرفی توسعه و اشاعۀ کاربردهای اینترنت اشیا به‌شدت متأثر از نیروهای بازار، محیط قانونی، فناوری و تعاملات میان این سه عامل است (Muhammad et al., 2018) ؛ بنابراین، امروزه اینترنت اشیا باعث ایجاد تغییر و تحول در تمام جنبه‌های زندگی روزمره و ازجمله کسب‌وکار شده است. در این میان توسعۀ سریع ارتباطات و محاسبات همراه، زمینه و فرصت مناسب‌تری را برای این تغییر و تحول فراهم کرده و باعث ایجاد نسل جدیدی از بازاریابی با پارادایم بازاریابی تعاملی هوشمند شده است (Aripin et al., 2022). این نسل جدید از بازاریابی به این دلیل از مدت‌ها پیش احساس می‌شد که مشتریان در خرید تنها به دنبال برطرف‌کردن نیاز‌های اولیۀ خود نیستند و علاقه‌مند هستند که نظراتشان در محصولات خریداری‌شده اعمال شود. صاحب‌نظران فناوری، اینترنت اشیا را راهکاری تازه برای بهبود کسب‌وکارها ازجمله صنعت بیمه می‌دانند (Tariq et al., 2020). این فناوری نوظهور به بهبود نوآوری در کسب‌وکار و مدل‌های عملیاتی صنعت بیمه کمک می‌کند. این مهم حاصل تعامل اشیا برای ایجاد کاربردها یا خدمات جدید و دستیابی به اهداف مشترک با یکدیگر است. براساس نتایج تحقیقات بین‌المللی، اینترنت اشیا در زمینۀ صنایع خدماتی ازجمله بیمه، تجربۀ مشتری را بهبود می‌دهد، توان سازمان‌های بیمه‌گر را برای سنجش ریسک بالا می‌برد، چابکی در بازار را به ارمغان می‌آورد، پیوند با مشتریان را مستحکم می‌سازد، هزینه‌های عملیاتی را کاهش می‌دهد و درنهایت درآمد را افزایش می‌دهد (Abdel-Basset et al., 2019). برای بهره‌گیری از فرصت‌های پیش رو، سازمان‌ها باید الزامات تجهیزشدن به اینترنت اشیا را مهیا سازند. اینترنت اشیا و قابلیت‌هایی که در اختیار مدیران قرار می‌دهد، ابزار کارآمدی برای دستیابی به هوشمندی رقابتی است. تأثیر روزافزون استراتژی‌های نوآورانۀ بازاریابی بر مزیت رقابتی و عملکرد کسب‌وکارها سبب شده است تا کسب‌و‌کارها همواره درصدد به‌کارگیری فناوری‌های نوین دیجیتال ‌‌برای نوآوری درآمیخته بازاریابی باشند (Lo & Campos, 2018).

اتصال دستگاه‌ها به یکدیگر و همچنین اتصال آن‌ها به اینترنت سبب می‌شود که حجم بالایی از اطلاعات در اختیار شرکت‌های بیمه قرار گیرد. شرکت‌های بیمه‌گر با افزایش اطلاعات ازطریق اتصال دستگاه‌ها به یکدیگر قادر خواهند بود اتصال شخصی‌تری با مشتریان خود داشته باشند و به همۀ نیاز‌های آن‌ها پاسخ به‌موقع بدهند و درصورت نیاز مشتریان، مشاوره‌هایی برای حل نیاز‌های آن‌ها ارائه دهد. اینترنت اشیا همواره به دنبال راه‌حل نوینی برای صنایع است. در زمینۀ تعامل اینترنت اشیا با صنعت بیمه به این نکته می‌شود توجه کرد که همواره مدیریت ریسک را در این صنعت بهینه می‌کند و هزینه‌ها را کاهش می‌دهد و همچنین راه‌حل‌های مناسب‌تری برای ارتباط بهتر با مشتریان خواهد داد که امری مهم در بازاریابی خدمات بیمه‌ای محسوب می‌شود. باوجود رشد اینترنت اشیا در صنایع مختلف هنوز به‌قدری‌که بایسته است به این فناوری در صنعت بیمه در جهان پرداخته نشده است (رنجبرفرد و داداشی، 1403)؛ بنابراین، باتوجه‌به اهمیت فناوری اینترنت اشیا و نوظهوربودن این مفهوم در ایران، توجه به انتشار، بازاریابی و همچنین ارزیابی فناوری آن لازمۀ پیشرفت در این مسیر است و برای رسیدن به ابزاری که به‌خوبی مسیر ارزیابی و بازاریابی فناوری اینترنت اشیا را فراهم آورد، می‌بایست در درجۀ اول به متغیرهای مؤثر بر عرضه و تقاضای اینترنت اشیا در ایران توجه کرد و در درجۀ دوم به عواملی نظر داشت که برای انتشار موفقیت‌آمیز این تکنولوژی می‌بایست به آن‌ها توجه شود. از دیگر سو نهادها و مؤسسات و سیستم‌های حاکم بر صنعت بیمۀ ایران بر میزان موفقیت بازاریابی اینترنت اشیا مؤثر خواهند بود که می‌بایست به آن‌ها توجه شود. درواقع خلأهای پژوهشی را می‌توان در جنبه‌های مختلف در نظر گرفت که این پژوهش سعی در پرکردن آن دارد. ازنظر پژوهشی در زمینۀ کاربرد اینترنت اشیا در صنعت بیمه و آینده‌پژوهی مؤلفه‌ها و پیشران‌های آن، مطالعات بسیار‌‌ اندک انجام شده و نیز شرایط پژوهشی در سطح بین‌الملل نیز به همین صورت است و نیز مطالعات عموماً در بازه‌های مختلف انجام‌ گرفته است و نتایج آن را نمی‌توان به ایران تعمیم داد؛ بنابراین، ازنظر پژوهشی این مطالعه ضرورت دارد تا خلأهای پژوهشی را پر کند. از سوی دیگر بیمۀ تأمین اجتماعی باتوجه‌به اینکه با بیش از نیمی از جمعیت کشور چه به‌صورت مستقیم یا غیرمستقیم در ارتباط است و خدمات متنوعی در زمینه‌های مختلف برای عموم مردم ارائه می‌دهد، بنابراین، برای ایجاد یکپارچگی مصارف و منابع و نیز جلوگیری از تقلب، به‌کارگیری استراتژی‌های مبتنی‌بر بازاریابی هوشمند ضروری به نظر می‌رسد که یکی از جنبه‌های عملیاتی و پیشنهادی به‌ کار بردن فناوری‌های نوین، به‌خصوص اینترنت اشیا است. از طرفی سازمان تأمین اجتماعی و مدیریت سازمان درصدد ارائۀ کلیۀ خدمات به جمعیت زیر پوشش به‌صورت الکترونیک و غیرحضوری هستند؛ بنابراین، این پژوهش در راستای اهداف سازمان صورت می‌گیرد.

 ازاین‌رو هدف پژوهش حاضر پاسخ‌گویی به این سؤال اصلی است که مدل بازاریابی هوشمند بر پایۀ اینترنت اشیا با رویکرد آینده‌پژوهی در ایران چیست.

 

2- مبانی نظری

1-2. اینترنت اشیا

اینترنت اشیا شبکه‌ای از دستگاه‌های فیزیکی است که ازطریق اینترنت با یکدیگر ارتباط دارند (Atzei et al., 2018). این دستگاه‌ها از حسگرهایی برای جمع‌آوری و تبادل داده از محیط خود با دستگاه‌های دیگر ازطریق اینترنت استفادهمی‌کنند.  Mistry & Malik (2019) کاربردهای اینترنت اشیا را براساس اتصالات اشیا و کاربردهای آن در پنج حوزه طبقه‌بندی کرده‌اند که شامل اشیای متصل، شهرهای متصل، اتومبیل‌های متصل، منازل متصل و افراد متصل است. صنایع بیمه‌ای می‌توانند ازطریق اشیای متصل در زمینه‌هایی مانند نگهداری داده‌های مشتریان، مشاوره میان مشتریان و فروشندگان برای مشتریان سرمایه‌گذاری کنند. همچنین می‌توانند ازطریق فضای شهر هوشمند، خدمات شخصی‌سازی‌شده امور بیمه‌ای به مشتریان خود ارائه دهند (Muhammad et al., 2018).

 

2-2. توسعۀ هوشمند کسب‌وکار

توسعۀ هوشمند کسب‌وکار مبتنی‌بر دانش به بهره‌گیری از فناوری برای ایجاد سیستم‌های هوشمندی اشاره دارد که می‌توانند وظایف را خودکار کنند، دقت و کارایی تصمیم‌گیری را افزایش دهند و فرایندهای تجاری را ساده‌سازی کنند. برخی از نمونه‌های این سیستم‌ها شامل سیستم‌های پشتیبانی تصمیم هوشمند برای جذب و به‌کارگیری منابع انسانی، سیستم‌های مبتنی‌بر دانش برای مدیریت کسب‌وکار و سیستم‌های مدیریت فرایند کسب‌وکار اجتماعی است. این سیستم‌ها برای جذب دانش تخصصی حوزه، بهینه‌سازی تصمیم‌گیری براساس ورودی‌های نادقیق یا نامطمئن و تصمیم‌گیری دقیق‌تر طراحی شده‌اند (حنفی نیری و همکاران، 1402).

 

3-2. بازاریابی هوشمند

بازاریابی هوشمند ظرفیت حضور در خط مقدم کمک‌رسانی به توسعۀ محیط کسب‌وکار ازطریق تحقیقات استراتژیک، تجزیه‌وتحلیل ریسک و سیاست، طبقه‌بندی، ذخیره‌سازی، انتشار، گزارش و تبادل اطلاعات قابل‌اعتماد، به‌موقع و عینی (ملموس) را دارا است. بازاریابی هوشمند اطلاعات به‌دست‌آمده از تحلیل مشتری و تحلیل صنعت و همچنین شرایط عمومی بازار را به هم پیوند می‌دهد و انسجام می‌بخشد (فلاحتی و همکاران، 1404).

بازاریابی هوشمند به دنبال درک، تجزیه‌وتحلیل و ارزیابی محیط داخلی و خارجی مربوط به مشتریان شرکت، رقبا، بازار‌ها و صنعت به‌منظور ارتقای فرایند تصمیم‌گیری است. این امر نیاز به یکپارچه‌سازی هوش رقابتی، تحقیقات بازاریابی، تحلیل بازار، کسب‌وکار و اطلاعات مربوط به تحلیل مالی دارد (Zhou et al., 2024).

 

2-4. هوش بازاریابی

 Thakur & Kushwaha (2024) هوشمندی بازاریابی را به‌عنوان توانایی درک، تحلیل و ارزیابی محیط درونی و بیرونی مرتبط با مشتریان، رقبا، بازارها، صنعت و استفاده از دانش به‌دست‌آمده برای برنامه‌ریزی استراتژیک کوتاه‌مدت و بلندمدت در نظر می‌گیرند. این تعریف موجب تقویت این دیدگاه می‌شود که هوشمندی به‌دست‌آمده برای کمک به تصمیم‌گیری‌های مرتبط با بازاریابی استفاده می‌شود. همچنین کمک مستقیم هوشمندی بازاریابی در ادبیات به‌طور آشکاری آورده شده است. تسیو و همکاران عنوان می‌کنند که هوشمندی بازاریابی عبارت است از تعدیل داده‌های درونی و بیرونی، تحلیل و مدل‌سازی مجدد آماری آن‌ها که هدف نهایی آن بهبود پاسخ بازاریابی است (Tsiu et al., 2024).

کومار و کتلر هوش بازاریابی را «اطلاعات هر روزه ‌‌دربارۀ تغییرات در محیط بازاریابی تعریف کرده‌اند که به مدیران در آماده‌سازی و تطبیق برنامه‌های بازاریابی کمک می‌کند» (Kumar & Kotler, 2024). همچنین کتلر هوشمندی بازاریابی را یک جریان مداوم از اطلاعات دربارۀ فناوری‌های جدید، بازارها، مشتریان و محیط قانونی و اقتصادی تعریف می‌کند که در موقعیت شرکت مؤثر است (Kotler, 2024).

آنچه در دهه‌های اخیر در دنیای کسب‌وکار بیش‌ازپیش خودنمایی کرده است، افزایش شدت رقابت میان شرکت‌ها برای بقا در بازار و کسب سهم بازار بیشتر بوده است؛ به‌طوری‌که این رقابت گاه به قیمت کناررفتن تعدادی از رقبا از دور رقابت منجر می‌شود. توسعۀ بازارها از یک‌سو انگیزه‌های بیشتری را برای ورود به بازار کسب‌وکار برای شرکت‌ها فراهم آورده است و از سوی دیگر بالارفتن انتظارات مشتریان و افزایش تعداد رقبا موجب الزامات بالای باقی‌ماندن در این بازارهای شدید رقابتی شده است.

گرین و عبدالغدیر عنوان کردند که شروع قرن بیست‌ویکم، احتمالاً به‌عنوان مبدأ عصر دانش در اذهان خواهد ماند (Greene & Abdulkadir, 2024). در این محیط‌های شدید رقابتی و پیچیده، دانش تبدیل به یک دارایی کلیدی و مزیت رقابتی برای بیشتر سازمان‌های عملیاتی شده است.

با توجه به افزایش پیچیدگی و رقابت در محیط کسب‌وکار امروز، ضرورت پایش محیطی به‌طور کارآمد و مؤثر روزبه‌روز بیشتر می‌شودهرچند که بیشتر سیستم‌های اطلاعاتی بازاریابی بر داده‌های درونی سازمان متکی هستند، تحقیقات نشان داده‌اند که مدیران نیاز به اطلاعات بیرونی دارند که مبنای تصمیم‌گیری آن‌ها خواهد بود. شرکت‌ها برای اینکه بتوانند بهره‌گیری از فرصت‌ها را افزایش دهند، بایستی در ابتدا موقعیت رقابتی‌شان را ارزیابی کنند. تنها در این حالت است که مدیریت قادر خواهد بود تصمیم بگیرد که کجا و چگونه شرکت بایستی موقعیت‌یابی شود. مباحثی که در این زمینه مطرح می‌شود شامل ارزیابی عملکرد گذشته، قوت‌ها و ضعف‌های بازاریابی، شهرت در زمینۀ کیفیت و... است.

به گفتۀ George et al. (2024) تمامی این موضوعات می‌توانند به‌وسیلۀ برنامه‌ریزی استراتژیک و هوشمندی بازاریابی اداره شوند. Salah & Alzghoul (2024) مفهوم هوشمندی بازاریابی را هم‌ردۀ برنامه‌ریزی استراتژیک قرار می‌دهند و عنوان می‌کنند که هوشمندی بازاریابی با گردآوری اطلاعاتی که قابل‌تبدیل‌شدن به هوشمندی عملیاتی است و می‌تواند برای برنامه‌ریزی استراتژیک کوتاه‌مدت و بلندمدت استفاده شود، یک گام جلوتر از رقابت قرار می‌گیرد. اگر شرکتی از سیستم‌های هوشمندی بازاریابی استفاده کند، برون‌داد کار می‌تواند تصمیمات بازاریابی درست و دقیقی باشد که می‌تواند یکی از بهترین منابع مزیت رقابتی باشد. اهمیت نسبی برنامه‌ریزی و هوشمندی بازاریابی زمانی کاملاً مشخص می‌شود که شرکت بخواهد با شرایط بازار پویا همراه و همسو شود. هوشمندی بازاریابی با ارائۀ اطلاعاتی که موجبات تصمیم‌گیری صحیح را برای شرکت‌ها فراهم می‌آورد، درون‌داد معناداری را به شرکت‌ها ارائه می‌دهد و موجبات بهبود عملکرد شرکت را فراهم می‌آورد. هدف این مقاله ارائۀ چارچوبی مفهومی برای بهبود عملکرد بازاریابی با بهره‌گیری از هوشمندی بازاریابی است.

 

5-2. هوش مصنوعی

هوش مصنوعی (AI) با تغییر تجارب و روابط بین سهام‌داران و شهروندان، کسب‌وکار، اقتصاد و جامعه را تغییر می‌دهد. ریشه‌های هوش مصنوعی ممکن است در فرهنگ‌های باستانی یونانی (مانند ربات اسطوره‌ای تالو) باشد؛ بااین‌حال، این اصطلاح در کارگاهی در کالج دارتموث (ایالات متحدۀ آمریکا) در سال 1956 ظهور کرد که تولد هوش مصنوعی نامیده می‌شود (Negnevitsky, 1997).تعاریف متعددی از هوش مصنوعی در تلاش برای تمایز آن از سایر فناوری‌های اطلاعاتی مرسوم منتشر شده است. برای درک مفهوم هوش مصنوعی لازم است ابتدا مفاهیم «مصنوعی» و «هوش» را به‌طور جداگانه درک شود. «هوش» را می‌توان به‌عنوان فعالیت‌های ذهنی مانند یادگیری، استدلال و درک توصیف کرد. از سوی دیگر «مصنوعی» به چیزی اشاره دارد که انسان آن را ساخته است، نه اینکه به‌طور طبیعی رخ دهد. با ترکیب این دو با هم، هوش مصنوعی را می‌توان به‌عنوان ساخت ماشین‌هایی با قابلیت شبیه‌سازی هوش درک کرد (Nene et al., 2024). هوش مصنوعی به ارائۀ قابلیت‌های انسانی برای رایانه اشاره دارد؛ به این معنی که رایانه‌ها قادر به انجام وظایفی هستند که معمولاً به هوش انسانی نیاز دارند و شامل فعالیت‌هایی مانند درک، استدلال و حل مسئله است (Halid et al., 2024). هوش مصنوعی عملکرد انسان را با عمل به‌عنوان عاملی هوشمند تقلید می‌کند (Azam et al., 2024).

بنابراین، تحقیقات در زمینۀ هوش مصنوعی از زمینه‌های مختلف دانش سرچشمه گرفته است. دانشمندان علوم اجتماعی دربارۀ مفاهیم اخلاقی و قانونی هوش مصنوعی بحث‌وبررسی می‌کنند، درحالی‌که محققان در مدیریت کسب‌وکار تأثیرات هوش مصنوعی را بر مشتریان مطالعه کرده‌اند (Rolando, 2024). شرکت‌ها و ذی‌نفعان در دنیای کسب‌وکار به‌طور فزاینده‌ای دارای فعالیت‌های خودکار و مرتبط گشته‌‌اند؛ بااین‌حال به‌طور مشابه، تعریف منحصربه‌فرد و توافقی از هوش مصنوعی حاصل نشده است. اخیراً تعاریف مختلف سیستم‌های هوش مصنوعی را در چهار دسته و در دو بُعد خلاصه می‌کنند: بُعد استدلال_رفتار و بُعد عملکرد انسانی_عقلانیت که عبارت‌‌اند از: (1) سیستم‌هایی که مانند انسان فکر می‌کنند؛ (2) سیستم‌هایی که مانند انسان عمل می‌کنند؛ (3) سیستم‌هایی که عقلانی فکر می‌کنند و (4) سیستم‌هایی که عقلانی عمل می‌کنند (De Pascale et al., 2023).

 به‌طورکلی عموماً دو دسته تعریف برای هوش مصنوعی وجود دارد. اولین دسته، هوش مصنوعی را به‌عنوان ابزاری تعریف می‌کند که یک کار خاص را حل می‌کند که انجام آن برای انسان ممکن است غیرممکن یا زمان‌بر باشد (Chen, 2023). دستۀ دوم تعاریف، هوش مصنوعی را سیستمی می‌دانند که هوش و فرایندهای شناختی انسان مانند تفسیر، استنتاج و یادگیری را تقلید می‌کند (Adeyeye & Akanbi, 2024). هر دو دسته از تعاریف دارای شباهت‌هایی هستند، اما تفاوت‌های مهمی نیز دارند. تصور مشترک در هر دو دسته این است که هوش مصنوعی لزوماً جایگزین انسان‌ها نمی‌شود، اما درعوض، هوش مصنوعی به‌عنوان عاملی تقویت‌کننده برای انجام کارهای دشوار و وقت‌گیر عمل می‌کند (Soori et al., 2023). در حوزۀ بیمه‌های اجتماعی، تلفیق اینترنت اشیا، هوش مصنوعی و بازاریابی هوشمند می‌تواند به ایجاد نظامی پیشگیرانه، عادلانه و کارآمد منجر شود. داده‌های جمع‌آوری‌شده از دستگاه‌های اینترنت اشیا امکان نظارت مستمر بر شاخص‌های سلامت و رفاه بیمه‌شدگان را فراهم می‌کنند (Atzori et al., 2010). هوش مصنوعی با تحلیل این داده‌ها ازطریق الگوریتم‌های پیش‌بینی‌کننده می‌تواند الگوهای پرخطر (مثل شیوع بیماری‌های شغلی در یک منطقه) را شناسایی و مداخلات زودهنگام را ممکن سازد (Singireddy et al., 2024). در بُعد بازاریابی هوشمند، این بینش‌ها به سازمان‌های بیمه‌گر اجتماعی اجازه می‌دهد تا کمپین‌های آگاهی‌بخشی هدفمند (برای مثال آموزش پیشگیری از آسیب‌های شغلی برای گروه‌های پرخطر) و خدمات شخصی‌سازی‌شده (مانند دسته‌بندی ارباب‌رجوع‌ها براساس اعتبار و خدمات‌دهی مبتنی‌بر اعتبار) طراحی کنند. در سطح کلان، این فناوری‌ها امکان تخصیص بهینۀ منابع و شناسایی تقلب‌های سازمان‌یافته (مانند سوءاستفاده از مزایای بیکاری) را فراهم می‌کنند (Sharma & Sood, 2022)؛ بااین‌حال، چالش‌های ویژه‌ای ازجمله حریم خصوصی داده‌های حساس، شکاف دیجیتالی در گروه‌های محروم و ملاحظات اخلاقی در تصمیم‌گیری الگوریتمی نیازمند تدوین چارچوب‌های حکمرانی دقیق هستند (Liu et al., 2022).

 

6-2. انواع آینده و رویکردهای آینده‌پژوهی

انواع آینده که در مطالعات آینده‌پژوهی به آن پرداخته می‌‌شود، در سه دسته طبقه‌‌بندی می‌شوند:

  • آیندۀ ممکن: شامل تمامی آینده‌هایی است که می‌تواند اتفاق بیفتد. مهم نیست که این آینده‌‌ها تا چه حد احتمال وقوع داشته باشند یا حتی دست‌نیافتنی باشند.
  • آیندۀ محتمل: آنچه به‌احتمال بسیار زیاد در آینده به وقوع خواهد پیوست (مبتنی‌بر استمرار روندهای کنونی در آینده).
  • آیندۀ مطلوب: آنچه مطلوب‌ترین و مرجع‌ترین رویداد آینده یا آنچه بهینه‌ترین و دلخواه‌‌ترین رویداد آینده به شمار می‌رود (Rhisiart et al., 2015).

به‌حکم عقل سلیم مردم از هم‌اکنون باید بدانند که آینده ممکن است آبستن چه پیشامدهایی باشد، کدام پیشامدها احتمال وقوع بیشتری دارند و در میان آن‌ها کدام‌ یک از مطلوبیت بیشتری برخوردار است؛ بر همین بنیان، سه رویکرد مطالعۀ آینده و انواع آینده به شرح ذیل وجود دارند:

  • واکاوانه یا تحلیلی (آینده‌پژوهی اکتشافی)
  • آینده‌پژوهی تصویرپرداز
  • هنجاری (آینده‌پژوهی مشارکتی) (Phdungsilp, 2011).

 

2-7. سناریونویسی

سناریو یک روش سازمان‌یافته است که در آن با استفاده از کشف نیروهای پیشران کلیدی و عدم قطعیت‌های مؤثر، چندین داستان متمایز از آینده‌های ممکن کشف و تعریف می‌شوند. این سناریوها ابزاری برای نظم‌بخشیدن به بینش‌ها و استنباط‌های رهبران و مدیران هستند و با استفاده از آنها می‌توان طرز رفتار و عکس‌العمل سازمان را در برابر عدم قطعیت‌های کلیدی مشخص کرد (Avis, 2017). سناریو الگویی توصیفی از آینده‌های ممکن است که بر انسجام متقابل گروهی از متغیرها مبتنی است و بیشتر تمایل دارد که به‌عنوان ابزاری برای کمک به درک مسائل پشت پردۀ فرایندهای تصمیم‌گیری مطرح شود تا به‌عنوان بخشی کامل از خود تصمیم. سناریوها به مدیران برای ساختاردهی عدم قطعیت‌های آینده کمک می‌کنند.

 

 

  1. پیشینۀ پژوهش

جدول 1 پیشینۀ پژوهش را نشان می‌دهد.

 

جدول 1: پیشینۀ پژوهش

Table 1. Research background

نویسندگان

سال

عنوان

روش تحقیق

نتایج

شفیعی نیکابادی و همکاران

1403

بازاریابی هوشمند مبتنی‌بر اینترنت اشیا در صنعت پرداخت الکترونیک

 

روش کیفی نظریۀ داده‌بنیاد

براساس یافته‌های پژوهش، شرایط علّی به دو مقولۀ زیرساخت‌های فنی و تکنولوژیکی، زمینه‌های موجود در کشور به‌عنوان مقولۀ شرایط زمینه‌ای، چالش‌های تجاری و عملیاتی، چالش‌های قانونی و حقوقی و چالش‌های فناوری و محیطی به‌عنوان مقولات شرایط مداخله‌گر، تحلیل داده‌ها، رصد بازار، جذب پذیرنده‌ها، همکاری با بانک‌ها و مخابرات به‌عنوان شرایط راهبردی و پیامدهای محیطی و پیامدهای عملکردی به‌عنوان پیامدها شناسایی شدند.

داداشی

1403

بررسی کاربردهای فناوری اینترنت اشیا در صنعت بیمه

مطالعات کتابخانه‌ای

اینترنت اشیا با ایجاد اشیای هوشمند موجب ارتقای کارایی و اثربخشی در صنعت بیمه می‌شود و می‌تواند به توسعۀ صنعت بیمه کمک کند.

Afrank et al.

2023

چگونه اینترنت اشیا به بیمه، پویایی و فعالیت می‌بخشد؟

 

مرور سیستماتیک

این مطالعه کاربرد اینترنت اشیا (IoT) را در صنعت بیمه بررسی می‌کند و نشان می‌دهد که اینترنت اشیا با اتصال دستگاه‌ها و اشیای مختلف به اینترنت، امکان جمع‌آوری حجم وسیعی از داده‌ها را فراهم می‌کند. این داده‌ها به شرکت‌های بیمه کمک می‌کند تا ارزیابی ریسک را دقیق‌تر و پویا انجام دهند که به تعیین حق بیمه‌های منصفانه‌تر و شخصی‌سازی‌شده منجر می‌شود. همچنین اینترنت اشیا امکان پیشگیری و کاهش ریسک را با استفاده از دستگاه‌های هوشمند فراهم می‌آورد که می‌توانند خطراتی مانند نشت آب یا آتش‌سوزی را پیش از وقوع به اطلاع مالک برسانند. همچنین اینترنت اشیا پتانسیل درخورتوجهی برای تحول صنعت بیمه دارد و می‌تواند با بهبود ارزیابی ریسک، کاهش هزینه‌ها، افزایش رضایت مشتری و تسهیل فرایندهای بیمه‌ای، نقش کلیدی در آیندۀ این صنعت ایفا کند.

Shen et al.

2023

به‌کارگیری فناوری بلاک‌چین و اینترنت اشیا برای بهبود قابلیت اطمینان داده‌ها در بیمۀ دام‌ها (حیوانات)

 

مطالعات میدانی

نتایج نشانگر آن است که اینترنت اشیا با دقت‌سنجی و بالابردن صحت نتایج می‌تواند به تحلیل‌ها کمک شایانی انجام دهد. همچنین نتایج نشان داد که استفاده از اینترنت اشیا می‌تواند سرعت پاسخ‌گویی به چالش‌ها را افزایش دهد و نیازهای دام‌ها را به‌خوبی برآورده کند.

اسدنژاد و همکاران

1401

مدلی برای بازاریابی دیجیتال مبتنی‌بر ارزش‌آفرینی در صنعت بیمۀ ایران

کیفی، نظریۀ داده‌بنیاد، مصاحبۀ عمیق

نتایج نشان داد که بازاریابی دیجیتال مبتنی‌بر ارزش‌آفرینی در صنعت بیمۀ ایران توسط شرایط علّی (هویت‌بخشی بازاریابی دیجیتال در صنعت بیمه، ایجاد کمپین بازاریابی دیجیتال، ارتقای نفوذ فرهنگ بیمه، محیط دیجیتال و توسعۀ زیرساخت لازم)، زمینه‌ای (استراتژی تمرکز، برندسازی دیجیتال، پیاده‌سازی بازاریابی دیجیتال، پاسخ‌گویی به نیازها و علائق در فضای دیجیتال و بهینه‌سازی فعالیت‌های دیجیتالی)، مداخله‌گر (بینش مشتریان، عوامل محیطی، قابلیت‌های دیجیتالی، انقلاب دیجیتالی، شفافیت قیمت و چالش‌های سازمانی)، مقوله‌های محوری (برندسازی مبتنی‌بر رفتار، رویکرد تعاملی، انتظارات مشتری از خدمات بیمه و تجربۀ مشتری)، راهبردها (ارتقای جایگاه‌یابی، ارتقای کانال‌های ارتباطی، ارزش‌آفرینی ازطریق تولید محتوا، تعامل و مشارکت مشتری مبتنی‌بر تبلیغات دهان‌به‌دهان الکترونیکی، توسعۀ فناوری‌های دیجیتال و نوآوری دیجیتالی) و پیامدهای (افزایش سهم بازار، اثربخشی سازمانی، ارتقا و جایگاه برند (شرکت)، ارتقای ارزش ویژۀ برند الکترونیکی و توسعۀ کسب‌وکار دیجیتال) تحقق می‌یابد.

Saeed et al.

2022

پذیرش اینترنت اشیا در صنعت بیمۀ هند، بررسی چالش‌ها و راه‌حل‌های بالقوه

مرور سیستماتیک

این مطالعه با بررسی 26 مطالعه در بازۀ زمانی 2025 -2020 چالش‌ها و راه‌حل‌های پذیرش و توسعۀ اینترنت اشیا را در هند شناسایی کرد.

قره‌خانی و پورهاشمی

1400

بررسی عوامل مؤثر بر پذیرش اینترنت اشیا در صنعت بیمۀ ایران

 

روش معادلات ساختاری

نتایج نشان داد که سودمندی ادراک‌شده و سهولت ادراک‌شده بر قصد پذیرش اینترنت اشیا تأثیر معناداری دارند. همچنین، تأثیر اجتماعی، انتظار عملکرد، انتظار تلاش، شرایط تسهیل و اعتماد بر قصد پذیرش اینترنت اشیا تأثیر معناداری دارند؛ سرانجام، امنیت و ریسک ادراک بر قصد پذیرش اینترنت اشیا تأثیر منفی و معناداری دارد.

Liu & Wang

2021

مطالعۀ مقدماتی ‌‌دربارۀ نحوۀ کاربرد اینترنت اشیا در خدمات دقیق مددکاری اجتماعی

کمّی، مطالعۀ موردی

نتایج تحقیق نشان می‌دهد که به‌کارگیری فناوری اینترنت اشیا در خدمات دقیق مددکاری اجتماعی امکان‌پذیر است و سیستم خدمات یکپارچۀ اطلاعات مددکاری اجتماعی مبتنی‌بر اینترنت اشیا که در این مقاله پیشنهاد شده است، می‌تواند به‌طور مؤثر باعث شود تا مددکاری اجتماعی به‌سرعت و بادقت در نیازهای خاص مداخله کند. در مقایسه با مددکاری اجتماعی سنتی، کارایی 35درصد افزایش و هزینۀ خدمات 20درصد کاهش می‌یابد..

 

 

 

بازاریابی هوشمند مبتنی‌بر اینترنت اشیا (IoT) در صنعت بیمه باوجود پتانسیل‌های بالا، با خلأهای پژوهشی در سطح ایران و جهان مواجه است. از جنبۀ پژوهشی، کمبود مطالعات تطبیقی بین ایران و دیگر کشورهای درحال‌توسعه می‌تواند بر نتایج تأثیر منفی بگذارد؛ همچنین مطالعات انجام‌شده در زمینۀ اینترنت اشیا در صنعت بیمه در کشور ایران فقط به یک جنبه و عموماً جنبۀ شناسایی عوامل می‌پردازد؛ درحالی‌که مطالعاتی کامل و مناسب هستند که تک‌محوری انجام نشوند و علاوه‌بر شناخت مسائل و مؤلفه‌ها، در همان زمان به بررسی آنها پرداخته و حتی آینده این مؤلفه‌ها را ترسیم کنند. همچنین با بررسی به‌عمل‌آمده مشخص شد که مطالعات در زمینۀ آینده‌پژوهی بازاریابی هوشمند مبتنی‌بر اینترنت اشیا در صنایع بیمه‌ای به‌خصوص بیمه‌های اجتماعی بسیار کم و انگشت‌شمار است که برای توسعۀ مفاهیم این پژوهش ضروری است.

 

4- روش‌شناسی پژوهش

این مطالعه با هدف آینده‌پژوهی بازاریابی هوشمند بیمه‌های اجتماعی مبتنی‌بر اینترنت اشیا صورت پذیرفت. به‌طورکلی پژوهش حاضر ازلحاظ ماهیت از نوع اکتشافی، ازلحاظ هدف از نوع پژوهش‌های کاربردی، ازلحاظ شیوۀ گردآوری داده‌ها توصیفی از نوع پیمایشی و بر مبنای ماهیت داده‌ها پژوهشی آمیخته (کیفی-کمی) به شمار می‌آید. مطالعۀ حاضر با انجام مصاحبه‌های نیمه‌ساختاریافته به دنبال مدلی برای تبیین بازاریابی هوشمند در بیمه‌های اجتماعی مبتنی‌بر اینترنت اشیا است و سعی دارد پس از تبیین این مدل آینده‌پژوهی این مؤلفه‌ها را بررسی کند.

در این پژوهش به‌منظور شناسایی خبرگان و نمونۀ مناسب برای پژوهش ازآنجایی‌که دانش و تجربۀ خبرگان به‌صورت یکسان نمی‌باشد، درنتیجه شانس )احتما ( یکسان برای انتخاب‌شدن را ندارند؛ بنابراین، روش نمونه‌گیری انتخاب‌شده در این پژوهش روش غیراحتمالی هدفمند بوده و شامل 16 نفر از افراد برجسته در حوزۀ تأمین اجتماعی است. این افراد از دانش آکادمیک و سوابق و تجارب کاری در سطح عالی برخوردارند. طی چند مرحله پیشروی در روش هدفمند، مجموعاً 25 نفر شناسایی شدند که بیشتر آنان دارای مدارک دکتری تخصصی یا کارشناسی‌ارشد در حوزۀ فناوری اطلاعات و علوم بیمه‌ای است یا اینکه ازنظر اجرایی در سطوح عالی بیمۀ تأمین اجتماعی قرار داشتند. به دلیل مشغلۀ کاری و دردسترس نبودن برخی از این افراد، تنها حدود 16 نفر از این خبرگان تا پایان پژوهش همراهی داشتند؛ بنابراین، نمونۀ پژوهش حاضر شامل 16 نفر از خبرگان بیمۀ تأمین اجتماعی هستند که در جدول 2 آمده است.

 

 

جدول 2: مشخصات خبرگان

Table 2. Experts' Profile

خبرگان

جنسیت

تحصیلات

رشتۀ تخصصی

سابقۀ اجرایی

شرح

صاحب

مقالۀ معتبر علمی

تألیف و

ترجمۀ کتاب

رتبۀ آکادمیک یا سازمانی

نفر اول

مرد

کارشناس ارشد

مدیریت بیمه

21

رئیس شعبۀ 3 مشهد

ü                    

ü                    

کارشناس متخصص

نفر دوم

مرد

دکتری تخصصی

مدیریت بازرگانی

27

رئیس شعبۀ نیشابور

ü                    

-

کارشناس متخصص

نفر سوم

مرد

دکتری تخصصی

مدیریت

28

معاون بیمه‌ای شعبۀ دو مشهد

ü                    

-

کارشناس متخصص

نفر چهارم

مرد

دکتری تخصصی

مدیریت بیمه

14

استادیار دانشگاه فردوسی مشهد

ü                    

ü                    

دانشیار

نفر پنجم

مرد

کارشناسی‌ارشد

فناوری اطلاعات

25

مسئول فناوری اطلاعات ادارۀ کل تأمین اجتماعی خراسان رضوی

ü                    

-

کارشناس متخصص

نفر ششم

زن

کارشناس ارشد

فناوری اطلاعات

30

رئیس شعبۀ دو مشهد

ü                    

ü                    

کارشناس متخصص

نفر هفتم

مرد

کارشناسی‌ارشد

فناوری اطلاعات

23

کارشناس متخصص فناوری اطلاعات ادارۀ کل تأمین اجتماعی خراسان رضوی

ü                    

-

کارشناس متخصص

نفر هشتم

مرد

دکتری تخصصی

فناوری اطلاعات

16

مسئول فناوری اطلاعات ادارۀ کل تأمین اجتماعی خراسان رضوی

-

-

کارشناس متخصص

نفر نهم

زن

دکتری

مدیریت فناوری اطلاعات

26

استاد دانشگاه فردوسی مشهد

ü                    

ü                    

استاد تمام

نفر دهم

مرد

کارشناسی‌ارشد

مدیریت بازرگانی

24

رئیس شعبۀ 5 مشهد

ü                    

-

کارشناس متخصص

نفر یازدهم

مرد

کارشناسی‌ارشد

فناوری اطلاعات

15

رئیس شعبۀ تربت‌حیدریه

ü                    

-

کارشناس متخصص

نفر دوازدهم

زن

دکتری تخصصی

فناوری اطلاعات

25

مسئول واحد فناوری اطلاعات شعبۀ 2 مشهد

ü                    

-

کارشناس متخصص

نفر سیزدهم

مرد

کارشناسی‌ارشد

مدیریت بیمه

24

معاون بیمه‌ای شعبۀ 3 مشهد

ü                    

-

کارشناس ارشد

نفر چهاردهم

زن

کارشناسی‌ارشد

فناوری اطلاعات

19

مسئول واحد فناوری اطلاعات شعبۀ 3 مشهد

ü                    

 

کارشناس متخصص

نفر پانزدهم

مرد

دکتری تخصصی

فناوری اطلاعات

15

استاد تمام دانشگاه فردوسی مشهد

ü                    

ü                    

استاد تمام

نفر شانزدهم

مرد

دکتری تخصصی

فناوری اطلاعات

29

استاد تمام دانشگاه فردوسی مشهد

ü                    

ü                    

استاد تمام

 

 

در مرحلۀ ابتدایی پژوهش سعی شده با استفاده از روش‌های مطالعات کیفی و با به‌کارگیری روش نظریۀ داده‌بنیاد در زمینۀ موضوع، مدل نظری ارائه شود. طراحی در روش گراندد تئوری، براساس تئوری تعامل نمادین است و چگونگی تعریف مردم از واقعیت‌ها و چگونگی ارتباط باورهایشان را با اعمالشان بررسی می‌کند (El-Hussein et al., 2014). در گراندد تئوری، واقعیت با پیونددادن معنا به موقعیت‌ها یا رویدادهایی درک می‌شود که به فرایندها و رویدادهای زندگی معنا می‌بخشد. روش گراندد تئوری استفاده‌شده در این تحقیق از مدل استراوس و کوربین سرچشمه می‌گیرد (Strauss & Corbin, 1998). نظریۀ زمینه‌ای رویکردی سیستماتیک مبتنی‌بر مقایسه‌های ثابت، نمونه‌گیری نظری و استفاده از روش‌های کدگذاری ارائه می‌دهد (Johnston et al., 2021). انتخاب ما برای رویکرد گراندد تئوری سازنده‌گرا برای این مطالعه با این واقعیت همراه بود که این روش نه‌تنها فرصتی برای درک معنای پدیده‌های در دست مطالعه فراهم می‌کند، بلکه فرصتی برای ایجاد نظریه‌ای تبیینی ارائه می‌دهد که می‌توان از آن برای فهم و درک مناسب یک فرایند استفاده کرد (Charmaz, 2014). به گفته Charmaz  (2014)، نظریۀ زمینه‌ای این مزیت مشخص را دارد که می‌تواند به‌طور روشمند بر بررسی فرایندها با تفسیر مفهومی مشاهدات تجربی و زمینه‌سازی واقعیت‌ها به‌منظور ساخت یک نظریه تمرکز کند. روش نمونه‌گیری در این پژوهش هدفمند و سیستماتیک است که در ابتدا این پژوهش به‌صورت نمونه‌گیری نظری و سپس با تکنیک گلوله‌برفی انجام گرفت. نمونه‌گیری در این پژوهش تا مرحلۀ اشباع نظری ادامه یافت و تا 16 مصاحبه ادامه پیدا کرد و پس از آن که نتایج مصاحبه به سرحد اشباع رسید مصاحبه متوقف شد. برای تجزیه‌وتحلیل داده‌ها از نرم‌افزار ATLAS.ti بهره گرفته شد و در این نرم‌افزار اقدام به کدگذاری و درنهایت طراحی مدل پژوهش شد.

تطبیق توسط مصاحبه‌شوندگان (روایی): با ارجاع به روش‌شناسی پژوهش‌های اکتشافی، از معیار اعتبار آزمون برای تعیین روایی بهره گرفته شد؛ بدین ترتیب پس از ایجاد مؤلفه‌ها و کدهای مفهومی، از 10 تن از مصاحبه‌شوندگان نظرسنجی به عمل آمد و نظر آنها درخصوص مقوله‌ها و مفاهیم استخراج‌شده پرسیده شد؛ در نتیجۀ این سنجش اختلاف نظر محسوسی بین مصاحبه‌شوندگان مشاهده نشد و این نشان از فهم صحیح موضوع است. در جدول ۳ روایی کیفی با استناد به نظرات مصاحبه‌شوندگان ارائه شده است.

 

 

جدول 3: روایی کیفی منطبق بر اعتبار سنجی توسط مصاحبه‌شوندگان

Table 3. Qualitative validity according to interviewee validation

پرسش

کد

پاسخ

آیا اشتباه پایه‌ای در تحلیل داده‌ها وجود دارد؟

3

نتایج بسیار مناسب تحلیل شده است.

7

این نتایج کاملاً منطبق بر واقعیت است.

8

خیلی مناسب است.

آیا در این پژوهش نکته‌ای توجه شما را جلب کرده است؟

15

راهبردها بسیار منظم و درست دسته‌بندی‌ شده است.

6

پیامدها و راهبردها به‌خوبی مشخص شده است.

12

این پژوهش باتوجه‌به دقت پژوهشگر مطالب بسیار بدیعی را ارائه کرده است.

5

بسیار کامل است و می‌تواند الگوی مناسبی برای سایر تحقیقات قرار گیرد

آیا مدل مناسبی ارائه شده است

1

مدل مناسب و جامع است

13

بله. بسیار هم عالی است

16

خیلی خوب

 

 

بررسی پایایی توسط مصاحبه‌شوندگان: برای ارزیابی پایایی از نظریۀ داده‌بنیاد  Strauss & Corbin (1998) و ارزیابی تحقیقات تفسیری استفاده شد. معیارها عبارت بودند از تطابق، فهم‌پذیری، کنترل‌پذیری و عمومیت داده‌ها. یافته‌های پژوهش برای 10 تن از مصاحبه‌شدگان ارسال شد و تطابق، فهم‌پذیری، کنترل‌پذیری داده‌ها و عمومیت تأیید شد. پایایی کیفی بر پایه نظریه داده‌بنیاد در جدول ۴ ارائه شده است.

 

 

جدول 4: پایایی کیفی با معیارهای نظریۀ داده‌بنیاد

Table 4. Qualitative reliability with data-based theory criteria

معیارها

شرح

تطابق

شرح: انطباق ‌یافته‌ها با ادراک واقعی افراد

نتیجه: مقوله‌ها و کدهای استخراجی با موضوع بازاریابی هوشمند بیمه و اینترنت اشیا مطابقت دارند.

فهم‌پذیری

شرح: هم‌راستایی نتایج با واقعیات توسط مصاحبه‌شوندگان

نتیجه: قابلیت فهم نتایج با نظر 10 مصاحبه‌شونده بررسی و مشخص شد که نتایج ملموس و با واقعیت سازگار و هم‌راستاست.

کنترل‌پذیری

شرح: میزان تمرکز و قابلیت کنترل بر پدیده

نتیجه: در مدل، راهبردها تأییدکنندۀ پیامدها است.

عمومیت

شرح: احاطه‌کردن تمامی ابعاد پدیده

نتیجه: به اشباع رسیدن مصاحبه‌ها، نشانگر شناخت کافی پدیده است.

 

 

در مرحلۀ بعد با بهره‌گیری از روش آینده‌پژوهی، موضوع بررسی شده است. پژوهش‌های آینده‌پژوهی دارای گام‌های مشخصی است که در هر گام بایستی از روش پژوهش مناسب استفاده کرد. اگرچه در بسیاری از پژوهش‌های صورت‌گرفته تمامی مراحل براساس یک یا دو روش تکمیل می‌شود، در این پژوهش برای هریک از گام‌های آینده‌پژوهی از یک روش بهره‌گیری می‌شود.

  1. روش مطالعات کتابخانه‌ای ‌‌برای به ‌دست ‌آوردن سؤالات پروتکل؛
  2. روش تحلیل داده ‌‌برای به ‌دست ‌آوردن مؤلفه‌های اصلی و ابعاد پژوهش؛
  3. تحلیل ساختاری ‌‌برای کاهش مؤلفه‌ها و به ‌دست ‌آوردن مؤلفه‌های اصلی استراتژیک؛
  4. سناریونویسی ازطریق تعیین عدم قطعیت‌ها یا وضعیت‌های محتمل برای هر مؤلفه یا پیشران کلیدی.

در این مطالعه پس از آنکه عوامل و مؤلفه‌های کلیدی با بهره‌گیری از روش نظریۀ داده‌بنیاد و با نظر خبرگان حاصل شد، این مؤلفه‌ها در دو مرحله و با ابزار پرسش‌نامۀ مقایسۀ زوجی در اختیار خبرگان قرار گرفت: در مرحلۀ نخست پس از تکمیل پرسش‌نامه و با بهره‌گیری از نرم‌افزار Micmac، ماتریس روابط متقابل مستقیم و غیرمستقیم بررسی شد و عوامل تأثیرگذار و تأثیرپذیر و شدت و روابط هرکدام مشخص شد؛ در مرحلۀ بعد و پس از مشخص‌شدن روابط با بهره‌گیری از نرم‌افزار ScenarioWizard4 و پس از تکمیل پرسش‌نامۀ مقایسۀ زوجی توسط خبرگان، سناریو‌های محتمل مشخص می‌شوند.

مراحل به‌کارگرفته شده در اجرای روش داده‌بنیاد (گام اول و دوم) در این پژوهش توسط محقق عبارت‌اند از:

  • تحقیقات مبتنی‌بر داده‌های دستۀ دوم: در پایان مرحله، پژوهشگر به دنبال شناسایی و مطالعۀ اولیۀ موضوعات مرتبط و انتخاب بهترین روش از روش‌های کیفی بوده است.
  • جست‌وجو و تحلیل ادبیات پژوهش: در این مرحله، اطلاعات و مطالعات پیشین گردآوری شد تا موضوع پژوهش شناسایی و دسته‌بندی شود و از تجربیات پژوهشگران گذشته در این حوزه بهره‌مند گردید.
  • تحلیل و دسته‌بندی و درنهایت کدگذاری و نتیجه‌گیری نهایی از داده‌ها در پژوهش.

که در ادامه یکی از نمونه‌های کدگذاری در شکل 1 آورده می‌شود:

 

 

شکل 1: نمونه کدگذاری در نرم‌افزار

Figure 1. Example of coding in software

در جدول ۵ روش‌شناسی پژوهش ارائه شده است.

 

جدول 5: روش‌شناسی پژوهش

Table 5. Research methodology

توضیحات

پژوهش حاضر

بعد

به علت اینکه پژوهش به‌صورت مطالعه در سیستم بیمۀ تأمین اجتماعی انجام می‌شود و نتایج نیز در جامعۀ آماری کاربردی و استفاده می‌شود، پژوهش حاضر از نوع کاربردی است.

کاربردی

‌‌برای‌گیری

در مرحلۀ کیفی از رویکرد استقرائی و در مراحل بعدی از رویکرد آینده‌پژوهی استفاده شده است.

آینده‌پژوهی

رویکرد

در بخش اول تنها به‌صورت کیفی و در مراحل دوم و سوم آمیخته‌ای از روش‌های کیفی و کمّی استفاده شده است.

آمیخته

نوع پژوهش

در پژوهش حاضر به دنبال «طراحی مدل بازاریابی هوشمند بیمۀ تأمین اجتماعی بر پایۀ اینترنت اشیا با رویکرد آینده‌پژوهی» هستیم؛ بنابراین، می‌بایست رابطه‌ای علت معلولی بررسی شود؛ بنابراین، پژوهش از نوع اکتشافی است.

اکتشافی

ماهیت

پژوهش‌های آینده‌پژوهی دارای گام‌های مشخصی است؛ به این صورت که در هریک از گام‌ها بایستی از روش پژوهش مناسب استفاده کرد. در این پژوهش برای هریک از گام‌های آینده‌پژوهی از یک روش بهره‌گیری می‌شود.

داده‌بنیاد تحلیل ساختاری سناریونویسی

راهبرد و روش پژوهش

در مرحلۀ اول در کنار انجام مطالعات کتابخانه‌ای و به‌منظور به ‌دست ‌آوردن داده‌های مقدماتی از پروتکل پژوهش و استفاده از جامعۀ خبرگان بهره گرفته شده است و در مراحل بعد نیز پس از طراحی پرسش‌نامه‌های مرتبط با همان مرحله از پنل خبرگان استفاده شده است. از دلایل انتخاب روش‌های پژوهش می‌توان به مواردی مطالعات اندک در ایران و حتی در جهان دررابطه‌با بازاریابی هوشمند و اینترنت اشیا در صنعت بیمه اشاره کرد که در این شرایط مطالعات اکتشافی و کیفی مانند روش داده‌بنیاد می‌تواند ثمربخش باشد. همچنین برای افزایش کیفیت مطالعه می‌توان نتایج و خروجی‌های مرحلۀ اول (نظریۀ داده‌بنیاد) را به‌عنوان ورودی در نظر گرفت و یکی از روش‌های بسیار مفید در این زمینه روش آینده‌پژوهی است که به‌واسطه آن می‌توان روندهای هر مؤلفه را تحلیل دقیق کرد و برای موضوع بررسی‌شده سناریوهای مختلف نگارش کرد.

مرور ادبیات استفاده از پنل خبرگان

ابزار و روش گردآوری داده‌ها

 

 

1-4. الگوریتم روش پژوهش

 

مراحل گام‌به‌گام پژوهش در شکل ۲ ارائه شده است.

 

 

شکل 2. مراحل مختلف پژوهش

Figure 2. Different stages of research

 

 

درنهایت پیشران‌های اصلی بازاریابی هوشمند تأمین اجتماعی بر پایۀ اینترنت اشیا در قالب شکل 3 طراحی شد.

 

 

شکل 3: مدل پژوهش براساس مؤلفه‌های استخراج‌شده از تئوری داده‌بنیاد

Figure 3. Research model based on components extracted from data-based theory

 

 

5- تحلیل ساختاری (اثرات متقابل)

‌‌برای پیاده‌سازی روش سناریونویسی ابتدا بایستی مؤلفه‌های اصلی استراتژیک از مدل پژوهش استخراج شود و سپس آینده‌های موردانتظار یا عدم قطعیت‌های پژوهش و به عبارتی کلی‌تر متغیرهای پژوهش برای این مؤلفه‌ها تعریف شوند؛ برای این منظور بایستی اثرات مؤلفه‌های به‌دست‌آمده بر روی همدیگر تحلیل شود تا مؤلفه‌های اصلی استراتژیک مشخص شوند و بهترین روش استفاده از ماتریس اثرات متقابل و تکمیل آن توسط خبرگان پژوهش حاضر و درنهایت تحلیل داده‌ها در نرم‌افزار میک‌مک ‌‌برای تحلیل روی نمودار دوبُعدی بیشترین اثرگذاری و بیشترین اثرپذیری است. جدول ۶ به معرفی متغیرهای پژوهش و شکل‌ ۴ و شکل ۵ به‌ترتیب به نمایش نمودار و گراف تأثیرگذاری و تأثیرپذیری آن‌ها اختصاص دارند.

 

شکل 4: نمودار تأثیرگذاری و تأثیرپذیری مستقیم متغیرهای پژوهش

Figure 4. Direct impact and influence diagram of research variables

 

شکل 5: گراف تأثیرگذاری و تأثیرپذیری متغیرهای پژوهش

Figure 5. Graph of influence and impact of research variables

 

جدول 6: متغیرهای پژوهش و تأثیرگذاری و تأثیرپذیری

Table 6. Research variables and impact and impactability

شمارۀ مؤلفه

متغیرها/مؤلفه‌ها

مجموع نمرات هر ردیف از مؤلفه‌ها (مجموع تأثیرگذاری) در ماتریس روابط مستقیم

مجموع نمرات هر ستون از مؤلفه‌ها (مجموع تأثیرپذیری) در ماتریس روابط مستقیم

33

اصلاح استراتژی بازاریابی

170733

133785

20

تدوین برنامۀ ملی اینترنت اشیای کشور

164411

134943

22

سرمایه‌گذاری بر روی فناوری‌ها توسط برنامه‌های هیئت‌امنا و تصمیم‌سازان سازمان

163914

133905

37

هوشمندسازی خدمات بیمه‌ای

161455

155520

4

شناسایی خلاقیت و ایجاد نوآوری

159185

128208

7

توسعه و به‌کارگیری ITC در تأمین اجتماعی

148580

148746

24

هوشمندسازی فرایندهای بازاریابی

141537

136203

8

زیرساخت فنی سخت‌افزار و نرم‌افزار

133168

95768

16

حمایت مدیریت ارشد تأمین اجتماعی

132952

109557

15

مدیریت فناوری

131872

131989

2

تربیت افراد ماهر

130483

 70348

1

اطمینان از یکپارچگی رویکردها

128042

66837

34

چابک‌سازی بازاریابی

123955

94015

21

تأمین مالی و تخصیص بودجه برای هوشمندسازی

122038

125244

6

ارائۀ هوشمند خدمات به‌صورت غیرحضوری و مشتری‌محور

120443

113789

35

افزایش رقابت‌پذیری

119448

147324

11

به‌روزرسانی تجهیزات

118737

100029

23

تحقیق‌وتوسعه توسط شرکت خدمات ماشینی تأمین

116135

119891

27

سنسورهای هوشمند

111322

110347

30

حجم بالای جامعۀ هدف خدمت در تأمین اجتماعی

105412

112504

5

مشارکت کافی در پیاده‌سازی

97454

77517

10

فناوری امنیتی برای برقراری امنیت اطلاعات

88913

106587

13

یکپارچگی چندین تکنولوژی و راهکار ارتباطی

87102

93370

12

حرکت به سمت استانداردهای فناوری

86618

75637

31

تصمیم‌گیری صحیح در خدمات بیمه‌ای توسط کارشناسان بیمه

85462

97942

36

افزایش رضایتمندی مشتریان

78461

123998

29

زنجیرۀ ارزش مشتریان

78391

70626

25

نظارت و تحلیل رفتار ارباب‌رجوع

77572

91916

3

تبادل اطلاعات در جامعه

73270

88181

32

ایجاد حس اعتماد و درک ارباب‌رجوع

67398

103171

9

فراگیری و دسترسی

62576

82813

18

قوانین مخابراتی

50385

67506

19

نظارت پویا و مستمر

33938

85154

28

افزایش دسترسی مشتریان به خدمات تأمین اجتماعی

30784

96221

17

مسئولیت مدنی

30393

71562

26

ایجاد تحول تکنولوژیک و حرکت به سمت سیستم‌های یکپارچه در تأمین اجتماعی

26285

37225

14

ترس از رقبای نوظهور در زمینۀ بیمه‌های اجتماعی

25037

45481

 

 

در پژوهش حاضر برای تحلیل ساختاری اثرات متقابل از نرم‌افزار میک‌مک نسخۀ 6.1.2 استفاده شد. این نرم‌افزار برای انجام محاسبات پیچیدۀ ماتریس طراحی شده است.

نتایج به‌دست‌آمده از تحلیل ماتریس و نحوۀ توزیع متغیرها در نمودار (حول قطر) نشان‌دهندۀ این موضوع است که عوامل، تأثیر زیاد و پراکنده‌ای بر یکدیگر دارند و بنابراین، وضعیت سیستم وضعیت ناپایدار است. از طرفی ماتریس براساس شاخص‌های آماری با 2 بار چرخش و 99درصد پرشدگی از مطلوبیت و بهینه‌شدگی 100درصد برخوردار است که نشان‌دهندۀ روایی بالای ماتریس و پاسخ‌های آن است.

1-5. تحلیل (CIB) یا تحلیل متوازن تأثیرات متقابل

برای تدوین سناریوها، نیاز به انتخاب عدم قطعیت‌های مناسب وجود دارد. درواقع مقصود از این مرحله تعیین فاکتورهایی است که معیار تفاوت سناریوهاست. هدف اصلی این است که تعداد محدودی سناریو به دست آید که تفاوت چشمگیری داشته باشند.

در این مرحله، پس از انجام مطالعات کتابخانه‌ای، از پانل خبرگان (شامل متخصصان دانشگاهی و حرفه‌ای مرتبط با موضوع) بهره گرفته شد تا آینده‌های مطلوب، خنثی یا غیرمطلوب هر مؤلفۀ استراتژیک را شناسایی یا تأیید کنند.

پس از بررسی‌های انجام‌شده در این مرحله از پژوهش و نظر پانل خبرگان، برخی از مؤلفه‌های شناسایی‌شده در مرحلۀ قبل باتوجه‌به داشتن مفهوم یکسان در داشتن عدم قطعیت مشابه یا به عبارتی داشتن آینده‌های موردانتظار مشابه با هم ترکیب شده و در قالب یک عنوان یا یک مؤلفه تعریف شد؛ بنابراین، 13 مؤلفۀ کلیدی استراتژیک در قالب 29 عدم قطعیت یا آیندۀ موردانتظار یا متغیر براساس وضعیت‌های احتمالی آیندۀ مدل بازاریابی هوشمند در تأمین اجتماعی بر پایۀ اینترنت اشیا تعریف شد. پرسش‌نامۀ عدم قطعیت (اثرات متقابل) در شکل ۶ نمایش داده شده است.

باتوجه‌به این وضعیت‌های محتمل، ماتریسی متقاطع 29×29 برای 13 عامل کلیدی مذکور طراحی شد که به‌صورت پرسش‌نامه‌ای به همراه راهنمای نحوۀ پاسخ‌گویی در اختیار کارشناسان قرار گرفت.

 

شکل 6: پرسش‌نامۀ عدم قطعیت (اثرات متقابل)

Figure 6. Uncertainty Questionnaire (Interactions)

 

 

باتوجه‌به وسعت ماتریس و ابعاد آن به ‌اندازۀ 29×29، نرم‌افزار 27648 سناریوی ترکییی را باتوجه‌به داده‌های واردشده و سناریوهای محتمل، باورکردنی و ممکن را به شرح زیر گزارش داد:

سناریوی قوی یا محتمل: 2 سناریو

سناریوهای با سازگاری بالا یا باورکردنی: 2 سناریو

سناریوهای ضعیف یا ممکن: 48 سناریو

شکل ۷ و شکل ۸  به‌ترتیب مشخصات و تابلوی سناریوهای قوی و نیز میزان استحکام مفروضات سناریوهای اول و دوم بر مبنای ارزش سازگاری را نمایش می‌دهند.

 

 

شکل 7: مشخصات و تابلوی سناریو‌های قوی

Figure 7. Strong Scenarios Profile and Panel

 

شکل 8: استحکام مفروضات سناریوهای اول و دوم بر مبنای ارزش سازگاری

Figure 8. Strength of the assumptions of the first and second scenarios based on the compatibility value

 

 

دررابطه‌با سناریو‌های با سازگاری بالا یا باورکردنی، دو سناریو به شرح زیر معرفی می‌شوند:

Scenario No. 3

Weight  : 6364

Consistency value : -1

Incons. descript. : 1

Total impact score: 342

A: A1  B: B1  C: C1  D: D1  E: E1 F: F1  G: G1  H: H1 I: I1  J: J1  K: K3  L: L1  M: M1

Scenario No. 4

Weight: 254

Consistency value : -2

Total impact score: 219

A: A1  B: B2  C: C2 D: D2  E: E1  F: F2  G: G1  H: H1  I: I2  J: J2 K: K3 L: L1  M: M2

 

ضمن اینکه معمولاً سناریو‌های ضعیف تعداد زیادی در پروژه‌ها هستند که باتوجه‌به اینکه آینده‌هایی هستند که احتمال وقوع آن‌ها بسیار ضعیف است، بنابراین به این گروه از سناریو‌ها هیچ توجهی نشد.

بر مبنای امتیاز تأثیر کل می‌توان سناریو را به سه گروه سناریوهای مطلوب، ایستا و بحرانی به شرح زیر تقسیم‌بندی کرد.

  • سناریوهای مطلوب شامل سناریوهای 1 و 3
  • سناریوهای ایستا شامل سناریوی 4
  • سناریوهای بحرانی شامل سناریوی دوم

جدول ۷ چهار سناریوی خروجی حاصل از نرم‌افزار را نمایش می‌دهد.

 

 

جدول 7: چهار سناریوی خروجی نرم‌افزار

Table 7. Four software output scenarios

سناریوها

A

B

C

D

E

F

G

H

I

J

K

L

M

اول

A1

B1

C1

D1

E1

F1

G1

H2

I1

J1

K1

L1

M1

دوم

A2

B2

C2

D2

E2

F2

G2

H3

I3

J2

K2

L2

M2

سوم

A1

B1

C1

D1

E1

F1

G1

H1

I1

J1

K3

L1

M1

چهارم

A1

B2

C2

D2

E1

F2

G1

H1

I2

J2

K3

L1

M2

 

 

6- یافته‌های پژوهش

6-1. سناریوی‌های (مطلوب)

امروزه در برنامه‌ریزی و مدیریت و استراتژی‌های بازاریابی سازمان تأمین اجتماعی به استفاده از روش‌های نوین آینده‌پژوهی به‌خصوص سناریونویسی به دلیل تدوین راهبردهای انعطاف‌پذیر برای حل مسائل راهگشا توجه شده است.

 طبق نتایج به‌دست‌آمده:

سناریوهای اول و سوم بهترین سناریوهای پیش‌برنده برای توسعۀ سازمان تأمین اجتماعی است. همۀ حالت‌ها در این سناریوها جزء وضعیت‌های مطلوب هستند. در این سناریوها تمام حالت‌ها روند مثبت دارند و باگذشت زمان، تغییرات مثبتی در توسعۀ سازمان تأمین اجتماعی دارند. وضعیت‌های احتمالی انتخاب‌شده در این سناریوها عبارت است از: افزایش ارتباطات بین‌المللی و ارتباط با اقتصاد جهانی، توسعه و بهبود یکپارچگی، توجه به آموزش و تکنولوژی‌های ابزاری و افزایش روند استفاده از آنان، استقرار وسیع دولت الکترونیک و توسعۀ زیرساخت‌های فناوری همراه با مدیریت توسعه‌گرا و برنامه‌محور، اصلاح سیاست‌های مالی و بازاریابی و تشویق سرمایه‌گذاری خارجی همراه با توسعۀ برنامه‌های استفاده‌پذیر مطابق با استانداردهای بین‌المللی و معیارهای فرهنگی و اجتماعی داخلی، کاهش فیزیکی شعب و استفاده از هوش مصنوعی در شعب سازمان تأمین اجتماعی و تسهیل تحقیق ‌و توسعه با ایجاد روابط مؤثر بین‌المللی، افزایش رقابت‌پذیری با افزایش تمرکز بر تکنولوژی و تلاش ‌‌برای روند افزایشی بهره‌وری که همۀ این عوامل تأثیرات مثبت زیادی بر شاخص‌های توسعۀ تکنولوژی در استراتژی‌های بازاریابی هوشمند در سازمان تأمین اجتماعی دارند.

 

6-2. سناریو (ایستا)

سناریوی چهارم، سناریوی شرایط ایستا و حفظ روند موجود خواهد بود، با رویکرد توسعۀ تدریجی مبتنی‌بر احتیاط و توجه به ظرفیت‌ها و تفکر و نیروی کار داخل مطابق با معیارهای فرهنگی و اجتماعی داخلی. در این گروه وضعیت متفاوتی را برای آینده در نظر می‌گیرد. این سناریو نشان می‌دهد که در آینده، سازمان تأمین اجتماعی تمرکز بیشتری بر توسعۀ دانش و خلاقیت افراد خواهد داشت و تلاش خواهند کرد تا افراد نخبه و ماهر را به خود جذب کنند؛ درعین‌حال توجه کمتری به روند اینترنت اشیا و تکنولوژی‌های ارتباطات و امنیت بالا خواهد بود. توسعۀ تدریجی زیرساخت‌ها با مدیریت توسعه‌گرا و برنامه‌محور به تقویت ساختار سازمان تأمین اجتماعی کمک خواهد کرد. همچنین اصلاح استراتژی و هوشمندسازی فرایندها و خدمات مالی ادامه خواهد داشت و شعب سازمان تأمین اجتماعی همچنان فعالیت خود را همانند وضع موجود ادامه خواهند داد؛ ولی با بهره‌گیری از تکنولوژی هوش مصنوعی و ابزارهای آن، استفادۀ کمتر از شعب مجازی و تسهیل در تحقیق ‌و توسعۀ فناوری نیز جزء ویژگی‌های این سناریو خواهد بود. کاهش رقابت‌پذیری و توجه به معیارهای فرهنگی و اجتماعی داخلی به‌جای توجه کامل به استانداردهای بین‌المللی جزء دیگر ویژگی‌های این سناریو خواهد بود. ما با انتخاب این سناریو شاهد تغییری در روند توسعۀ سازمان تأمین اجتماعی در برابر شرایط حاضر نخواهیم بود.

 

6-3. سناریو (بحرانی)

سناریوی دوم سناریوی بحرانی خواهد بود که با تحقق این سناریو وضعیت عوامل تأثیرگذار بر توسعۀ تکنولوژی و استفاده از هوشمندی در برنامه‌های بازاریابی در سازمان تأمین اجتماعی به بدترین حالت خواهد رسید. در این سناریو تقریباً همۀ وضعیت‌ها روند بحرانی دارند. این سناریو نکات مثبت و عامل کلیدی مطلوب ندارد؛ درنتیجه، چشم‌انداز این سناریو نشان‌دهندۀ وضعیت بدون تغییر و جامانده از تکنولوژی‌های نوین و توسعه خواهد بود.

 

7- نتیجه‌گیری

تحلیل متقابل مؤلفه‌های پژوهش نشان می‌دهد که «اصلاح استراتژی بازاریابی» و «توسعۀ زیرساخت‌های فنی» بیشترین تأثیر را بر سایر فاکتورهای نظام هوشمندسازی بازاریابی تأمین اجتماعی دارند؛ به‌ویژه در سناریوهای مطلوب (سناریوهای ۱ و ۳) یکپارچگی رویکردها و تربیت نیروی انسانی متخصص باعث تحریک چرخه‌ای از بهبود تصمیم‌گیری کارشناسان، چابک‌سازی فرایندها و هوشمندسازی خدمات بیمه‌ای شد. از منظر نظری، ترکیب گراندِد تئوری و روش سناریونویسی امکان شناسایی پیشران‌ها و عدم قطعیت‌های کلیدی در دو سطح کیفی و کمّی را فراهم آورد و چارچوب مفهومی غنی‌تری برای آینده‌پژوهی بازاریابی مبتنی‌بر IoT ارائه داد. این رویکرد دوسویه موجب شد تا ضمن درک عمیق ساختار علّی و زمینه‌ای، سناریوهای واقع‌بینانه و درعین‌حال انعطاف‌پذیر طراحی شود که توانایی انطباق با تحولات سریع فناوری و بازار را داشته باشد.

یافته‌های این مطالعه نشان می‌دهد که تحقق سناریوهای مطلوب بازاریابی هوشمند در تأمین اجتماعی مستلزم هم‌افزایی سه رکن اصلی است: استانداردسازی و پیاده‌سازی زیرساخت‌های فناوری اطلاعات و ارتباطات، تضمین یکپارچگی مدیریتی و تربیت نیروی انسانی ماهر در حوزۀ IoT و بازاریابی هوشمند. مدل پیشنهادی با تأکید بر این سه رکن مسیر واضحی برای حرکت از وضعیت ایستا به شرایط مطلوب ارائه می‌کند؛ بدین‌ترتیب، این پژوهش ضمن غنی‌سازی نظریه‌های هوش بازاریابی و آینده‌پژوهی، زمینه را برای مطالعات بعدی در مقیاس ملی و مقایسه‌ای با سایر صنایع و نهادهای بیمه‌ای فراهم می‌سازد.

 

7-1. نتایج حاصل از متغیرهای جمعیت‌شناختی

ازنظر جنسیت، 14 نفر از خبرگان این پژوهش را آقایان و 2 نفر را خانم‌ها تشکیل داده‌‌اند (‌‌برای مرحلۀ گرندد تئوری).

  • بیش از 92% خبرگان این پژوهش در سطح تحصیلی عالی قرار داشته‌اند که این موضوع نشان‌دهندۀ کیفیت خبرگان این پژوهش ازنظر دانش آکادمیک است.
  • ازنظر سنی، 86 % از خبرگان این پژوهش میان‌سال و مسن بودند. این موضوع نشان می‌دهد که در بین خبرگان پژوهش که خود نمونه‌ای از جامعۀ اجرایی تأمین اجتماعی هستند، جوان‌گرایی خاصی وجود ندارد.
  • بیش از 75% خبرگان این پژوهش در حوزۀ علوم فناوری اطلاعات، کامپیوتر و مدیریت تحصیل کرده‌اند؛ بنابراین، خبرگان این پژوهش ازنظر ارتباط رشتۀ تحصیلی و دانش آکادمیک، اشراف کامل بر موضوع پژوهش داشته‌اند.
  • خبرگان این پژوهش از منظر سابقۀ کار حرفه‌ای در سطح مطلوبی قرار دارند، به‌طوری‌که بیشتر از نیمی از آنان نزدیک به بیست‌وپنج سال سابقۀ کار حرفه‌ای در سازمان تأمین اجتماعی دارند.
  • خبرگان این پژوهش از منظر شغل و سمت در سطح مطلوبی قرار دارند. به صورتی که بیشتر آنان در سطوح مدیریت عالی قرار دارند و همچنین ارتباط با محیط آکادمیک نیز دارند.

 

7-2. پیشنهادهای کاربردی مرتبط با نتایج بخش اول پژوهش

در بخش اول پژوهش عوامل کلیدی مؤثر بر آیندۀ بازاریابی هوشمند در سازمان تأمین اجتماعی بر پایۀ اینترنت اشیا تبیین شد. نتیجۀ این بخش شامل تبیین 37 عامل کلیدی تأثیرگذار بر موضوع پژوهش بود؛ براین‌اساس پیشنهاد‌هایی مطرح شد؛ ازجمله:

  • برنامه‌ریزی استراتژیک برای سیاست‌های سازمان تأمین اجتماعی در ایران؛
  • مطالعۀ دقیق‌تر عوامل کلیدی شناسایی‌شده توسط پژوهشگاه‌های بیمه‌ای؛
  • تهیه و تصویب پیش‌نویس‌های قانونی مطابق نظرات ذی‌نفعان ‌‌برای اقبال به سرمایه‌گذاری بیشتر روی خدمات اینترنت اشیا؛
  • افزایش سطح رضایتمندی از سازمان تأمین اجتماعی به دلیل اقبال بیشتر نسل‌های جدید ‌‌برای استفاده از خدمات نوین فناوری‌های حوزۀ بیمه؛
  • همکاری و وحدت رویۀ پارک‌های علم‌وفناوری و سرمایه‌گذاری ‌‌برای توسعۀ کسب‌وکارها و استارتاپ‌های فناوری بیمه‌ای.

7-3. پیشنهادهای کاربردی مرتبط با نتایج بخش دوم پژوهش

بخش دوم پژوهش به تبیین روابط بین عوامل کلیدی مؤثر بر آیندۀ بازاریابی هوشمند در سازمان تأمین اجتماعی بر پایۀ اینترنت اشیا اختصاص داشت؛ درنتیجه این بخش از پژوهش متغیرهای تعیین‌کنندۀ سیستم تبیین شدند که معرف تأثیرگذارترین عوامل مؤثر و استراتژیک بر موضوع پژوهش هستند. درخصوص نتایج این بخش از پژوهش، پیشنهادهای زیر ‌ذکر می‌شود:

  • استفاده از ابزارهای بین‌المللی برای اصلاح سیاست‌های بازاریابی و بیمه‌ای؛
  • استفاده از برنامه‌های استراتژیک ‌‌برای ایجاد تغییرات مناسب و متناسب در نحوۀ بیمۀ تأمین اجتماعی؛
  • تعامل با دانشگاه‌ها و مراکز تحقیقاتی ‌‌برای تبادل دانش و فناوری و همچنین توسعۀ نوآوری؛
  • در استفاده از فناوری‌‌های استفاده‌شده در سازمان تأمین اجتماعی برای ارائۀ خدمات دیجیتالی و الکترونیکی بحث سازگاری این فناوری‌های با محیط‌زیست در نظر گرفته شود.

 

7-4. پیشنهادهای کاربردی مرتبط با نتایج بخش سوم و چهارم پژوهش

در بخش سوم این پژوهش از میان متغیرهای تعیین‌کنندۀ سیستم که در بخش قبل تبیین شده بودند، عدم قطعیت‌های بحرانی سیستم شناسایی شدند و در بخش چهارم و پایانی پژوهش نیز پس از تشکیل ماتریس عدم قطعیت‌ها و استفاده از نرم‌افزار سناریو ویزارد، 4 سناریوی پایانی پژوهش شناسایی شدند. درخصوص نتایج این دو بخش از پژوهش، پیشنهادهای زیر ذکر می‌شود:

  • برنامه‌ریزی برای مصون‌ساختن نسبی نظام تأمین اجتماعی دررابطه‌با عواملی که دارای عدم قطعیت در آینده است؛
  • تسهیل در ارائۀ اطلاعات مطمئن و شفاف به سازمان تأمین اجتماعی کمک می‌کند تا اعتماد به سیستم بیمه‌ای ایران افزایش یابد که این امر به‌منظور تسهیل تبادل اطلاعات و توسعۀ فناوری و شبکه‌های بلاک‌چین می‌تواند مفید باشد؛
  • شرط لازم برای ارتقای سطح کیفی خدمات بیمه، سودآوربودن سرمایه‌گذاری‌های آتی است؛ بنابراین، توجه دولت‌ها به استقرار وسیع دولت الکترونیک و فناوری اطلاعات و ارتباطات می‌تواند کمک افزونی به توسعۀ سازمان تأمین اجتماعی کند؛
  • ارتقای سطح فرهنگ عمومی در قبول اصلاح الگوی بیمه‌ای و گسترش آن، یکی از موارد مهم در توسعۀ سازمان تأمین اجتماعی است؛
  • بازی‌سازان صنعت بیمۀ کشور شامل دولت و مقام ناظر هستند و بازیگران آن، شرکت‌های بیمه‌ای، به‌ویژه بیمه‌های اجتماعی محسوب می‌شوند. دولت می‌تواند با کاهش مداخلات مستقیم و ایفای نقش نظارتی، همچنین با شناسایی منابع و هدایت آن‌ها به سمت توسعۀ زیرساخت‌های بیمه‌ای نقش مؤثری در رشد و توسعۀ سازمان تأمین اجتماعی ایفا کند. یکی از مشکلات مهم سازمان تأمین اجتماعی این است که در ترسیم آینده‌ای محتمل و باورپذیر عملکرد ضعیفی دارد. هرچند فناوری به این حوزه وارد شده است، بستر مناسبی برای جذب و بهره‌گیری از آن فراهم نیست. سازمان تأمین اجتماعی ازنظر دانش، فناوری، روندهای توسعه و مهارت‌های لازم دچار ضعف است. شاید تنها نقطۀ قوت آن منابع موجود باشد که متأسفانه این منابع نیز متأثر از قوانین و دستورالعمل‌های دست‌وپاگیر قرار دارند؛ بنابراین، اصلاح سیاست‌های مالی، تدوین استراتژی‌های بازاریابی مؤثر و نهادینه‌سازی تفکر سیستمی در فرایند تصمیم‌گیری می‌تواند به توسعۀ بیمۀ تأمین اجتماعی کمک شایانی کند.

5-7. فرصت‌ها و اولویت‌های پیش رو

 

جدول ۸ به شناسایی فرصت‌ها و اولویت‌های پیش‌رو اختصاص دارد.

 

جدول 8: فرصت‌ها و اولویت‌های پیش رو

Table 8. Opportunities and Priorities Ahead

استفاده از هوش مصنوعی در شعب بیمۀ تأمین اجتماعی ‌‌برای بهبود تجربۀ مشتری

1- می‌توان محتوای تعاملی بیشتری ارائه کرد؛ برای مثال با بهره‌گیری از گجت‌ها، واقعیت مجازی، واقعیت افزوده و متاورس می‌توان تجربۀ مشتری را تغییرداد.

2- شخصی‌سازی بیشتر تجربۀ مشتری و توجه بیشتر به نیازها و ترجیحات مشتریان.

3- استفادۀ بهینه از تبلیغات هوش مصنوعی و تخصیص دقیق‌تر تبلیغات به مشتریان هدف.

4- کمک به بهبود زنجیرۀ تأمین، از رصد و کنترل اطلاعات گرفته تا ردیابی محصولات در زنجیرۀ تأمین.

تحلیل داده‌ها به‌صورت هوشمند

با یکپارچگی تکنولوژی‌های ابزاری و محیطی و توسعۀ فناوری می‌توان داده‌های ارزشمند اینترنت اشیا، راجع به عملکرد محصولات و استراتژی‌های بازاریابان را به‌صورت هوشمند تحلیل کرد و از آن‌ها برای بهبود تصمیم‌گیری‌های بازاریابی استفاده کرد.

توسعۀ دولت الکترونیک و فناوری اطلاعات

با استفاده از تکنولوژی‌های نوظهور و فناوری‌های اینترنت اشیا می‌توان فرایندهای دولتی را بهبود بخشید و خدمات الکترونیکی را به شهروندان ارائه کرد.

زیرساخت‌های فناوری

ایجاد زیرساخت‌های فناوری مطابق با استانداردهای بین‌المللی اجازه می‌دهد که به‌صورت بهره‌ورتر از تکنولوژی‌های اینترنت اشیا استفاده کرد و از سرمایه‌گذاری‌های خارجی نهایت استفاده را برد.

تحقیق ‌و توسعه

همگام با توسعۀ روابط مؤثر بین‌المللی و افزایش تمرکز بر تکنولوژی‌ها می‌شود در زمینۀ تحقیق ‌و توسعه، نوآوری‌های بازاریابی و فناوری ایجاد کرد.

 

 

7-6. چالش‌ها و نارسایی‌های قابل‌وقوع

 

جدول 9 چالش‌ها و نارسایی‌های قابل وقوع را نمایش می‌دهد.

 

جدول 9: چالش‌ها و نارسایی‌های قابل‌وقوع

Table 9. Possible challenges and failures

حفظ امنیت داده

نگرانی‌های مرتبط با نفوذ و دسترسی غیرمجاز به داده‌های حساس و حفظ حریم خصوصی مشتریان

مدیریت حجم داده‌ها

مدیریت این حجم عظیم از داده‌ها، بهینه‌سازی و سرعت در پردازش آنها امری چالش‌برانگیز است.

استانداردها و تطابق با قوانین

تطبیق با استانداردهای بین‌المللی و رعایت مقررات حفاظت از حریم خصوصی و امنیت داده‌ها اهمیت دارد.

مشکلات ارتباطی و شبکه

استفاده از اینترنت اشیا نیاز به شبکه‌های پایدار و پهنای باند کافی دارد.

هزینه‌ها

پیاده‌سازی و مدیریت زیرساخت‌های تجهیزات مرتبط، هزینه‌های بالایی دارد.

پذیرش توسط مشتریان

مشتریان برای اینکه از مزایای بازاریابی هوشمند مبتنی‌بر اینترنت اشیا بهره‌مند شوند، نیاز به تغییر در عادات و تجربه‌های خود دارند.

کاهش فیزیکی شعب

انتقال به مدل‌های تجارت الکترونیک و کاهش فیزیکی شعب نیاز به استراتژی‌های مناسبی دارد.

 

 

7-7. راهبردهای پیشنهادی و روندهای مثبت برای سناریوهای مطلوب

در جدول ۱۰ راهبردها و روندهای مثبت برای سناریوهای مطلوب ارائه شده‌اند.

 

 

جدول 10: راهبردهای پیشنهادی و روندهای مثبت برای سناریوهای مطلوب

Table 10. Suggested strategies and positive trends for favorable scenarios

پذیرش استانداردهای بین‌المللی در توسعه و بهبود یکپارچگی در سازمان تأمین اجتماعی مؤثر است؛ ازجمله توانایی مقایسه و ارزیابی کیفیت در عملکرد و خدمات در سطح جهانی و بهبود آن‌ها، کاهش اشتباهات و صرفه‌جویی در منابع و زمان، تضمین امنیت و اعتماد باتوجه‌به استانداردهای قابل‌قبول جهانی.

 افزایش تخصص و آموزش در استفاده از تکنولوژی‌های ابزاری و محیطی و توانایی تحلیل داده‌ها و تطبیق با تغییرات بازاریابی هوشمند، توانایی سازمان تأمین اجتماعی را در ارتقای بازاریابی هوشمند بر پایه تکنولوژی کمک می‌کند.

استفاده از دولت الکترونیک و توسعۀ زیرساخت‌های فناوری به سازمان تأمین اجتماعی کمک می‌کند که بهبود تجربۀ مشتریان، بهبود امنیت و بهره برداری بهینه را از داده‌ها داشته باشند.

مدیریت توسعه‌گرا و برنامه‌محور راهبردی به‌گونه‌ای طراحی ‌شود که ضمن افزایش رضایت و اعتماد، به مدیران کمک کند تا تصمیمات صحیح، هوشمندانه و استراتژیک اتخاذ کنند.

اصلاح سیاست‌های بازاریابی بر پایۀ استانداردها و سرمایه‌گذاری خارجی می‌تواند بهبود عملکرد سازمان تأمین اجتماعی و رشد اقتصادی کشور‌ها را تسریع دهد؛ این اصول می‌توانند به تعادل بین توسعۀ اقتصادی و مسائل محیط‌زیستی و اجتماعی کمک کنند و بهبود درعملکرد مالی و بازاریابی را داشته باشند.

تسهیل در تحقیق ‌و توسعۀ فناوری و افزایش رقابت‌پذیری در بازارهای بیمه‌ای بین‌المللی می‌تواند به توسعه و اجرای استراتژی‌های بازاریابی هوشمند سازمان تأمین اجتماعی کمک کند.

 

 

8-7. محدودیت‌ها

باتوجه‌به ماهیت اکتشافی و آینده‌پژوهانۀ این مطالعه، نخستین محدودیت به ‌اندازه و ترکیب جامعۀ نمونۀ بازمی‌گردد. ازآنجاکه تنها ۱۶ نفر از خبرگان شعب تأمین اجتماعی خراسان رضوی مشارکت داشتند، ممکن است تنوع دیدگاه‌ها در سایر استان‌ها یا شرکت‌های بیمه‌گر خصوصی نادیده گرفته شده باشد. همچنین اتکای پژوهش به نظرات کیفی و تحلیل اثر متقابل خبرگان در چارچوب نرم‌افزارهای Micmac و ScenarioWizard می‌تواند متأثر از سوگیری‌های فردی در سنجش شدت اثرگذاری و پذیرش عدم قطعیت‌ها قرار گیرد؛ به‌علاوه، سرعت تحولات فناوری اینترنت اشیا و تغییر مداوم استانداردهای امنیتی و قانونی، امکان به‌روز نگه‌داشتن سناریوها را با تأخیر مواجه می‌سازد و نتایج را تا حدودی مقطعی می‌کند.

اسدنژاد، بهروز، جلالی، سیدمهدی، و تبریزیان، بیتا (1401). مدلی برای بازاریابی دیجیتال مبتنی بر ارزش‌آفرینی در صنعت بیمه ایران. مطالعات مدیریت کسبوکار هوشمند، 10(40)، 77-108.
اصغری‌نژاد، سیمین، رزقی شیرسوار، هادی، و خانزادی، خدیجه (1403). بررسی وضعیت توسعه اینترنت اشیا در مدارس مبتنی‌بر آینده‌پژوهی. جامعهشناسی آموزش‌وپرورش، 10(1)، 152-160.
حنفی نیری، کریم، پورجبلی، ربابه، و بابائی، محبوبه (1402). ترسیم مدل اقتصاد دانش‌بنیان جهت نیل به توسعه دانش‌بنیان. نشریه مطالعات دانشپژوهی، 2(4)، 1-22.  
داداشی، فاطمه (1403). بررسی کاربردهای فناوری اینترنت اشیا در صنعت بیمه. اولین کنفرانس بین‌المللی فناوری اطلاعات، مدیریت و کامپیوتر، ساری.
رنجبرفرد، مینا، و داداشی، فاطمه (1403). بررسی کاربردهای فناوری اینترنت‌اشیا و میزان پذیرش آن در صنعت بیمه. علوم و فنون مدیریت اطلاعات، [آماده انتشار].
شفیعی نیکابادی، محسن، نظامیوند چگینی، سمیرا، و آقابابایی، حمزه (1403). بازاریابی هوشمند مبتنی بر اینترنت اشیا در صنعت پرداخت الکترونیک. چشمانداز مدیریت بازرگانی، 23(59)، 47-67.
 فلاحتی، علیرضا، میرابی، وحیدرضا، و محبی، سراج‌الدین (1404). طراحی مدل ساختاری تفسیری تجربه مشتری مبتنی‌بر نظریه برند و تجربه برند در بازاریابی هوشمند. مدیریت بازاریابی هوشمند، 6(1)، 224-247.
قره‌خانی، محسن، و پورهاشمی، سیده ام‌سلمه (1400). بررسی عوامل مؤثر بر پذیرش اینترنت اشیا در صنعت بیمه ایران. پژوهشنامه بیمه، 11(1)، 56-41.
 
Abdel-Basset, M., Mohamed, M., Chang, V., & Smarandache, F. (2019). IoT and its impact on the electronics market: A powerful decision support system for helping customers in choosing the best product. Symmetry11(5), 1-21. http://dx.doi.org/10.3390/sym11050611
Adeyeye, O. J., & Akanbi, I. I. (2024). Artificial intelligence for systems engineering complexity: A review on the use of AI and machine learning algorithms. Computer Science & IT Research Journal, 5(4), 787-808.‏ http://dx.doi.org/10.51594/csitrj.v5i4.1026
Afrank, A., Bell, M., Kennedy, O., Upton, J., & Yang, M. (2023). How the internet of things (IoT) is adding proactivity to insurance.‏ Drake Management Review, 13(2), 1-20. https://core.ac.uk/download/604224985.pdf
Aripin, Z., Suganda, U. K., & Kusumah, A. Z. (2022). Marketing intelligence: Innovation ability to anticipate global competition. International Journal of Research in Business and Social Science (2147-4478)11(1), 328-339. https://doi.org/10.20525/ijrbs.v11i1.1589
Asgharinezhad, S., Rezghi-Shirsavar, H., & Khanzadi, K. (2024). Investigating the status of internet of things development in schools based on the future research. Sociology of Education, 10(1), 152-160. https://doi.org/10.22034/ijes.2024.2017649.1517  [In Persian].
Asadnejad, B., Jalali, S. M., & Tabrizian, B. (2022). A model for digital marketing based on value creation in Iranian insurance industry. Business Intelligence Management Studies, 10(40), 77-108. https://doi.org/10.22054/ims.2022.63701.2062  [In Persian].
Atzori, L., Iera, A., & Morabito, G. (2010). The internet of things: A survey. Computer Networks54(15), 2787-2805. http://dx.doi.org/10.1016/j.comnet.2010.05.010
Atzei, N., Bartoletti, M., Cimoli, T., Lande, S., Zunino, R. (2018). SoK: Unraveling Bitcoin Smart Contracts. In L. Bauer, & R. Küsters (Eds.), Principles of Security and Trust (PP. 217-242), vol 10804. Springer, Cham. https://doi.org/10.1007/978-3-319-89722-6_9
Avis, W. R. (2017). Scenario Thinking and Usage among Development Actors. K4D Helpdesk Report 221. Institute of Development Studies.
Aydınocak, E. U. (2022). Internet of things (IoT) in marketing logistics. In İ. İyigün, & Ö. F. Görçün (Eds.), Logistics 4.0 and Future of Supply Chains (pp. 153-169). Springer. https://doi.org/10.1007/978-981-16-5644-6_10
Azam, M., Zafar, L., Rafiq, T., Zafar, S., Rafiq, U., & Adnan, M. (2024). Enhancing chatbot intelligence through narrative memory structures. The Asian Bulletin of Big Data Management4(02), 99-118. ‏ http://dx.doi.org/10.62019/abbdm.v4i02.154
Charmaz, K. (2014). Constructing Grounded Theory: A Practical Guide Through Qualitative Analysis (2nd Edition). SAGE.
Chen, Z. (2023). Collaboration among recruiters and artificial intelligence: Removing human prejudices in employment. Cognition, Technology & Work, 25, 135-149.‏ https://doi.org/10.1007/s10111-022-00716-0
Dadashi, F. (2024). Investigating the applications of internet of things technology in the insurance industry. First International Conference on Information Technology, Management and Computers, Sari. https://civilica.com/doc/2083594 [In Persian].
De Pascale, G., Faccilongo, N., Riefolo, M., Romagno, A., & Silvestri, R. (2023). Digital innovation and sustainable development: Two sides of the same coin. In L. Aldieri (Ed.), Innovation-Research and Development for Human, Economic and Institutional Growth.‏ IntechOpen. https://doi.org/10.5772/intechopen.112294
El-Hussein, M., Hirst, S., Salyers, V., & Osuji, J. (2014). Using grounded theory as a method of inquiry: Advantages and disadvantages. The Qualitative Report, 19(27), 1–15. https://doi.org/10.46743/2160-3715/2014.1209
Falahati, A., Mirabi, V., & Mohebi, S. (2025). Designing an interpretive structural model of customer experience based on brand theory and brand experience in Smart Marketing. Journal of Intelligent Marketing Management6(1), 224-247. https://doi.org/JABM.3.2.15564.351256.548456 [In Persian].
George, S. M., Sasikala, B., Sopna, P., Umamaheswari, M., & Dhinakaran, D. P. (2024). Role of artificial intelligence in marketing strategies and performance. Migration Letters, 21(S4), 1589–1599.‏ https://migrationletters.com/index.php/ml/article/view/7579
Gharahkhani, M., & Pourhashemi, S. O. (2022). Analyzing the influencing factors in the acceptance of the Internet of Things (IoT) in the Iranian insurance industry. Iranian Journal of Insurance Research, 11(1), 41-56. https://doi.org/10.22056/ijir.2022.01.04 [In Persian].
Greene, C. M., & Abdulkadir, M. (2024). Global respiratory health priorities at the beginning of the 21st century. European Respiratory Review33(172), 230205. ‏ https://doi.org/10.1183/16000617.0205-2023  Halid, H., Ravesangar, K., Mahadzir, S. L., & Halim, S. N. A. (2024). Artificial intelligence (AI) in human resource management (HRM). In C. Machado (Ed.), Building the Future with Human Resource Management (pp. 37-70). Cham, Springer International Publishing.‏ https://doi.org/10.1007/978-3-031-52811-8_2
Hanafi-Niri, K., Pourjabali, R., & Babaei, M. (2024). Designing a knowledge-based economy model to achieve knowledge-based development. Journal of Knowledge-Research Studies2(4), 1-22.‏ https://doi.org/10.22034/jkrs.2024.59246.1042 [In Persian].
Johnston, O., Wildy, H., & Shand, J. (2021). Projecting student voice by constructing grounded theory. The Australian Educational Researcher, 48, 543-564. https://doi.org/10.1007/s13384-020-00410-y
Kotler, P. (2024). Humanism in Marketing: Responsible Leadership and the Human-to-Human Approach. Springer Nature.
Kumar, V., & Kotler, P. (2024). Transformative Marketing: Combining New Age Technologies and Human Insights. Palgrave Macmillan.‏ https://doi.org/10.1007/978-3-031-59637-7
Liu, L., Li, W., He, W., & Zhang, J. Z. (2022). Improve enterprise knowledge management with internet of things: A case study from auto insurance industry. Knowledge Management Research & Practice, 20(1), 58-72.‏ https://doi.org/10.1080/14778238.2021.1970490
Liu, Y., & Wang, X. (2021). A preliminary study on the application mode of internet of things in precise service of social work. International Journal of Frontiers in Sociology, 3(18), 96-106. https://doi.org/10.25236/IJFS.2021.031815
Lo, F. Y., & Campos, N. (2018). Blending Internet-of-Things (IoT) solutions into relationship marketing strategies. Technological Forecasting and Social Change137, 10-18. https://doi.org/10.1016/j.techfore.2018.09.029
López-Vargas, A., Fuentes, M., & Vivar, M. (2020). Challenges and opportunities of the internet of things for global development to achieve the United Nations sustainable development goals. IEEE Access8, 37202-37213. https://doi.org/10.1109/ACCESS.2020.2975472
Mistry, B., & Malik, W. B. (2019). Thwarting a cyber physical attack in the Internet of Things era. Cyber Security: A Peer-Reviewed Journal2(4), 321-335. https://doi.org/10.69554/UAYY3448
Muhammad, K., Hamza, R., Ahmad, J., Lloret, J., Wang, H., & Baik, S. W. (2018). Secure surveillance framework for IoT systems using probabilistic image encryption. IEEE Transactions on Industrial Informatics14(8), 3679-3689. https://doi.org/10.1109/TII.2018.2791944
Negnevitsky, M. (1997). The History Of Artificial Intelligence Or From The "Dark Ages" To The Knowledge-based Systems (Vol. 19). Transactions on Information and Communication Technologies. https://www.witpress.com/Secure/elibrary/papers/AI97/AI97038FU.pdf
Nene, L., Flepisi, B. T., Brand, S. J., Basson, C., & Balmith, M. (2024). Evolution of drug development and regulatory affairs: The demonstrated power of artificial intelligence. Clinical Therapeutics, 46(8)‏, 6-14. https://doi.org/10.1016/j.clinthera.2024.05.012   
Phdungsilp, A. (2011). Futures studies’ backcasting method used for strategic sustainable city planning. Futures43(7), 707-714. https://doi.org/10.1016/j.futures.2011.05.012
Ranjbarfard, M., & Dadashi, F. (2024). Examining the applications of Internet of things technology and its acceptance rate in the insurance industry. Sciences and Techniques of Information Management, [In Press]. https://doi.org/10.22091/stim.2024.10757.2099  [In Persian].
Rhisiart, M., Miller, R., & Brooks, S. (2015). Learning to use the future: Developing foresight capabilities through scenario processes. Technological Forecasting and social change, 101, 124-133. https://doi.org/10.1016/j.techfore.2014.10.015
Rolando, B. (2024). The role of artificial intelligence in personalized and customized engagement marketing: A comprehensive review. Economics and Business Journal (ECBIS)2(3), 301-316.‏ http://dx.doi.org/10.47353/ecbis.v2i3.130
Saeed, M., Arshed, N., & Zhang, H. (2022). The adaptation of internet of things in the Indian insurance industry—Reviewing the challenges and potential solutions. Electronics, 11(3), 419.‏ https://doi.org/10.3390/electronics11030419
Salah, A. H., & Alzghoul, A. (2024). Assessing the moderating role of customer orientation on the impact of business intelligence tools on digital marketing strategy optimization. International Review of Management and Marketing14(3), 18-25.‏ https://doi.org/10.32479/irmm.16044
Shafiei-Nikabadi, M., Nezamivand-Chegini, S., & َAghababayi, H. (2025). Intelligent Marketing based on the internet of things in the electronic payment industry. Journal of Business Management Perspective, 23(59), 47-67. https://jbmp.sbu.ac.ir/article_105293.html?lang=en [In Persian].
Sharma, V., & Sood, D. (2022). Adoption of internet of things and services in the Indian insurance industry. In Big Data: A Game Changer for Insurance Industry (pp. 35-42). Emerald Publishing Limited.‏ http://dx.doi.org/10.1108/978-1-80262-605-620221003
Shen, L., Zhang, Z., Zhou, Y., & Xu, Y. (2023). Applying blockchain technology and the internet of things to improve the data reliability for livestock insurance. Sensors, 23(14), 1-16.‏ http://dx.doi.org/10.3390/s23146290
Singireddy, S., Adusupalli, B., Pamisetty, A., Mashetty, S., & Kaulwar, P. K. (2024). Redefining financial risk strategies: The integration of smart automation, secure access systems, and predictive intelligence in insurance, lending, and asset management. Journal of Artificial Intelligence and Big Data Disciplines, 1(1), 109-124.‏ https://jaibdd.com/index.php/jaibdd/article/view/21
Soori, M., Arezoo, B., & Dastres, R. (2023). Artificial intelligence, machine learning and deep learning in advanced robotics, a review. Cognitive Robotics3, 54-70.‏ https://doi.org/10.1016/j.cogr.2023.04.001
Strauss, A. L., & Corbin, J. M. (1998). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory. Sage Publications, Inc. https://B2n.ir/n58948
Tariq, B., Taimoor, S., Najam, H., Law, R., Hassan, W., & Han, H. (2020). Generating marketing outcomes through Internet of things (Iot) technologies. Sustainability12(22), 9670.  https://doi.org/10.3390/su12229670
Thakur, J., & Kushwaha, B. P. (2024). Artificial intelligence in marketing research and future research directions: Science mapping and research clustering using bibliometric analysis. Global Business and Organizational Excellence43(3). https://doi.org/10.1002/joe.22233
Tsiu, S. V., Mathabela, L., Ngobeni, M., & Thango-Mabizela, B. (2024). Applications and competitive advantages of data mining and business intelligence in SMEs performance: A systematic review. Business, 5(2), 22. http://dx.doi.org/10.20944/preprints202409.0940.v1
Zhou, L., Buhalis, D., Fan, D. X. F., Ladkin, A., & Lian, X. (2024). Attracting digital nomads: Smart destination strategies, innovation and competitiveness. Journal of Destination Marketing & Management31, 100850.‏