Psychographic Segmentation of Global Online Retailing Based on Online Shopping Motivations and Online Shopping Behaviors

Document Type : Original Article

Authors

1 M.Sc., Department of Business Management, Faculty of Business and Economics, Persian Gulf University, Bushehr, Iran

2 Associate professor, Department of Business Management, Faculty of Business and Economics, Persian Gulf University, Bushehr, Iran

10.22108/nmrj.2025.144863.3177

Abstract

The primary objective of this research was to psychographically segment online retail customers based on their purchasing motivations and behaviors. This study was classified as applied research in terms of its purpose and descriptive-survey research regarding data collection. The statistical population comprised individuals, who had engaged in online shopping from various stores at least once. A questionnaire served as the data collection tool for this research. To analyze the data, self-organizing map methods based on artificial neural networks were utilized, along with the Viscovery SOMine software. The findings indicated that online retail customers could be segmented into three distinct clusters, each characterized by varying demographic traits, motivations, and behaviors influencing their shopping experiences. The first cluster named "Balanced Futurist" primarily sought efficiency, focusing on optimizing their purchases when visiting online stores. The second cluster consisted of "Professional Pragmatists", individuals, who prominently leveraged utilitarian motivations for online shopping, viewing their purchases as practical necessities and allocating specific time for them. The third cluster known as "Pleasure-Seeking Explorers" comprised customers with extensive online shopping experience. Their hedonic motivations coupled with an exploratory attitude toward online shopping had driven them to seek new and satisfying experiences.
 
Introduction
The growth of information technology and the rapid expansion of Internet usage have given rise to a new form of retail transactions: Internet retailing. This evolution has made online shopping a daily activity for people worldwide (Yu et al., 2019). The continuous growth of online shopping can be attributed to the widespread adoption and penetration of Internet technology (Rose et al., 2011). When discussing e-commerce, many people immediately think of platforms like Amazon or eBay. A 2021 survey revealed that nearly two-thirds (63%) of social media shoppers had globally made an unplanned (impulsive) purchase through these channels. Additionally, approximately a quarter (23%) of respondents had reported making an impulsive purchase on social media, while 14% had planned their purchases (Statista, 2021). Customer segmentation involved dividing the customer base into distinct groups that shared similar characteristics, such as demographics, interests, behaviors, or locations. This process enabled businesses to focus their marketing efforts and resources on valuable and loyal customers, ultimately helping them achieve their business goals. Segmentation could be conducted using demographic, geographic, behavioral, and psychographic data (Zhou et al., 2014). When customers experienced hedonic motivation while browsing the web, they were more likely to extend their visit duration and return to the same website. Both utilitarian and hedonic motivations significantly influenced repurchase intentions in business-to-consumer e-commerce. As such, researchers have suggested that these motivations have a direct and positive impact on the intention to continue using and purchasing from websites or social media platforms. Given the crucial role of online retailers in the global e-commerce landscape, it is essential to examine consumer behavior in the online context to understand how consumers differ from one another worldwide.
Previous studies have not yet explored the segmentation of online retail consumers by integrating psychological criteria, such as online shopping motivations (e.g., hedonic and utilitarian motivations), with behavioral variables (e.g., online shopping intention, online search intention, online impulse buying, and online consumer engagement), as well as demographic and geographical factors on a global scale. Therefore, this study aimed to fill this gap, which was essential for advancing marketing science in the realm of online shopping.
This research addressed the following questions:

How do different groups of online retail consumers vary based on their shopping motivations, online shopping behaviors, and demographic characteristics?
What are the profiles of the distinct consumer segments based on their shopping motivations and online behaviors?

 
Materials & Methods
This research was classified as applied in terms of purpose and as descriptive survey research in terms of methodology. The study involved a comprehensive and accurate review of previous literature and the use of secondary data related to the subject. Two primary online shopping motivations—utilitarian motivation and hedonic motivation—along with four online shopping behaviors (online search intention, online purchase intention, online impulse buying, and online consumer involvement) were identified. The collected data were categorized and labeled based on online shopping motivations, behaviors, and demographic characteristics using a data mining approach that employed self-organizing maps and artificial neural networks. The statistical population for this study consisted of individuals worldwide, who had at least one experience with online shopping. Given the unlimited population size and a sampling error of 5%, the Cochran formula determined the minimum sample size to be 384 participants. To enhance reliability, the questionnaire was distributed to 2,110 individuals, resulting in 810 complete and usable responses for analysis. Due to the inability to access a list of buyers from the selected retailers, a non-random, convenience sampling method was employed. Data collection was facilitated through a questionnaire designed and administered via the Google Forms platform, which was also used for statistical analysis. The link to the questionnaire was distributed through social networks, such as Facebook and Instagram, targeting customers, who had made purchases from online retailers like Amazon, eBay, and Alibaba. To enhance both the number of respondents and the diversity of the statistical sample, we also utilized a swap service that facilitated the exchange of respondents between different studies. The primary data collection tool for this study was a questionnaire, which was reviewed and approved by marketing professors for content validity. It was structured into the three sections of demographic information, motivations, and online shopping behaviors and was distributed to respondents through convenience sampling. To assess the construct validity (instrument validity) of the questionnaire, confirmatory factor analysis was employed. To identify potential clusters of online retail customers relevant to this research, self-organizing maps based on artificial neural networks were utilized with the analysis conducted using Viscovery SOMine version 8.0.1 software. The software visualization capabilities are evident in the patterns produced by the self-organizing maps. For this analysis, 1,000 neurons were selected for the input layer to determine the network dimensions. The training speed was optimized to achieve the most accurate output state for the final results. Additionally, the elasticity parameter of network training set to 0.5 allowed for a more detailed display of the output map structure. The software presented the output maps in dimensions of 33×29 after 27 iterations based on the input commands.
 
Research Findings
Online retail customers were categorized into three distinct clusters. The following describes each of these clusters.
Profile of the First Segment: Balanced Prospective Customers
This segment represented the largest group of online retail customers, accounting for over half (58.9%) of the total. Within this segment, the frequency of female customers (62.9%) surpassed that of male customers. Most individuals in this group were between 18 and 30 years old with a predominance of European customers. The majority of customers in this segment had over five years of online shopping experience. Typically, these customers spent less than one hour per week browsing online stores and shopped at these retailers once or twice a month. Amazon was the preferred platform for this segment with 57.2% of customers using it, making it the most popular online store among them (0.95%). Additionally, most customers in this segment accessed online stores primarily through mobile phones.
This segment was driven more by utilitarian motives. Overall, their online shopping behaviors were less pronounced compared to those of the other two segments. To encourage more frequent online shopping, it was essential to activate behaviors that significantly impacted this group. The most influential online shopping behaviors for this segment included online shopping intention, online search intention, online consumer engagement, and online impulse buying.
This cluster was characterized by a demographic focus on females, young adults, and college students with incomes below $500. Customers in this group prioritized convenience in online shopping and possessed over 5 years of experience in this domain. Since they primarily entered online stores to enhance efficiency and optimize their purchases, the name “Balanced Futures” was chosen to reflect their balanced shopping behavior and emphasis on convenience.
Profile of the Second Segment: Professional and Pragmatic Customers
This segment represented the second largest group of online retail customers. Within this cluster, the proportion of male customers (57.1%) exceeded that of female customers. Most individuals in this segment fell within the age range of 31 to 40 years, with a majority being of Asian descent and residing in Europe. The customers in this segment had significant experience with over 5 years of shopping with online retailers.
Typically, these customers spent 1-3 hours per week browsing online stores and made purchases from these retailers 1-2 times per month. Amazon was the most frequently used online store among this segment with a relative frequency of 38.8%; it was the preferred platform for 95.6% of customers in this group. Furthermore, the majority of customers in this segment accessed online stores using their mobile phones.
In this cluster, utilitarian motives were more prominent, while hedonic motives were less significant compared to the other two segments. Regarding the online shopping behaviors that influenced this segment, the following behaviors were notable: online shopping intention (4.226), online search intention (3.999), online consumer engagement (2.754), and online impulse buying (2.299). It is important to highlight that online shopping intention with a score of 4.226 had the most substantial impact on this segment compared to the other groups.
This cluster was comprised of men, middle-aged individuals, and employees with a monthly income between $2,000 and $5,000, who primarily engaged in online shopping driven by utilitarian motives. They viewed their purchases as practical necessities and allocated specific time for shopping. The name “Professional Pragmatist” reflected their meticulous, planned approach to online shopping.
Profile of the Third Segment: Hedonistic Explorers
This segment was the smallest among online retail customers. Within this group, the proportion of women (58.7%) was higher than that of men. Most customers were aged between 18 and 30 years, predominantly of Asian descent with many residing in Oceania. Nearly all customers in this segment had over 5 years of experience shopping with online retailers. Typically, they spent 1-3 hours per week browsing online stores and made purchases from these retailers once or twice a month. The online platforms most frequently used by this segment were Amazon and Alibaba (27.5%), with Alibaba being the most popular choice at 56.9%. Most customers in this segment accessed online stores primarily through mobile phones.
In this cluster, utilitarian motives were more prominent than hedonic motives although the overall score for utilitarian motives was lower than those of the other two segments. Conversely, hedonic motives scored higher in this cluster compared to the others. Overall, online shopping behaviors were particularly pronounced among this segment. Customers in this group were primarily female, students, and of Asian descent with lower incomes. Their extensive online shopping experience combined with hedonic motivations encouraged them to seek new and satisfying experiences during their shopping journeys. Therefore, the name "Hedonistic Explorer" was chosen for this cluster, reflecting their blend of exploratory behavior and hedonistic motivations.
 
Discussion of Results & Conclusion
Online retail managers and marketers should prioritize understanding customers' online shopping motivations and behaviors as crucial elements of their marketing strategies. Factors like convenience of shopping, access to a diverse range of products, ability to compare prices, and opportunity to take advantage of special discounts significantly shape customers' online shopping behavior and influence their decision-making processes. Therefore, it is recommended that online retailers tailor their programs to align with the characteristics of different customer segments, thereby providing an easy, secure, and appealing shopping experience. To enhance outcomes and offer more effective recommendations, this study referenced previous research on customers' online shopping motivations and behaviors. It is important to acknowledge that all research had its limitations. The neural network-based segmentation approach employed in this study required a large sample size to achieve valid and reliable results, particularly given the global diversity of the statistical population. The vast range of customers worldwide complicated data collection, making it a time-consuming process that presented numerous challenges and significantly extended the duration of the research. Additionally, the lengthy nature of completing the research questionnaire coupled with the inclusion of sensitive questions, such as nationality and country of residence, may have led to reluctance among respondents to participate fully. The extensive number of demographic questions, which were necessary for identifying specific online customer behaviors, may have also caused some participants to lose focus while completing the questionnaire.

Keywords

Main Subjects

Full Text

مقدمه

رشد فناوری اطلاعات و افزایش‌ سریع‌ و روزافزون استفاده از اینترنت‌ موجب‌ ایجاد فرم جدیدی از معاملات خرده‌فروشی‌، به‌ شکل‌ خرده‌فروشی‌ اینترنتی‌ شده و خرید آنلاین‌ را به‌ یک‌ فعالیت‌ روزانه‌ برای افراد در سراسر جهان تبدیل‌ کرده است (Yu et al., 2019)‌. زمانی‌ که‌ استفاده از اینترنت‌ آغاز شد، هیچ‌کس‌ تصور نمی‌کرد‌ زندگی‌ روزمره و شیوة کسـب‌وکارها این‌چنین‌ تغییر کند. روزبه‌روز بر تعداد خرده‌فروشی‌های آنلاین‌ اضافه‌ می‌‌شود و حتی‌ برخی‌ معتقدند فروشگاه‌های سنتی‌ خرده‌فروشی‌ روزی ناپدید خواهند شد (Jimenez et al., 2019). خرید آنلاین‌ بـه ‌دلیل‌ افزایش‌ میزان پذیرش و نفوذ فناوری اینترنت،‌ به‌طور مداوم در حال افزایش‌ است (Rose et al., 2011)‌.

وقتی از تجارت الکترونیکی صحبت می‌شود، طبیعی است که مردم به آمازون یا ای‌بی فکر کنند. شهرت آن‌ها فقط به این دلیل نیست که مسیر خرده‌فروشی آنلاین را برای بیش از دو دهه ایجاد کرده‌اند، بلکه به دلیل حفظ رهبری خود بر آن‌ها در طول زمان است. براساس یک نظرسنجی در سال 2021 تقریباً دو سوم (63 درصد) خریداران رسانه‌های اجتماعی در سراسر جهان بدون برنامه‌ریزی (خرید آنی) از این کانال خرید کردند، نزدیک به یک چهارم (23 درصد) از پاسخ دهندگان به‌طور آنی از شبکه‌های اجتماعی خرید کردند و فقط 14 درصد، این خریدها را برنامه‌ریزی کرده بودند ((Statista, 2021. بخش‌بندی مشتری فرایندی است که در آن، همۀ مشتریان به گروه‌های متمایزی تقسیم می‌شوند که ویژگی‌های مشابهی مانند جمعیت‌شناسی، علائق، الگوها یا مکان دارند. این فرایند می‌تواند به کسب‌وکار کمک کند تا تلاش‌ها و منابع بازاریابی را بر روی مشتریان ارزشمند و وفادار برای دستیابی به اهداف تجاری متمرکز کند. بخش‌بندی مشتری را می‌توان با داده‌های جمعیت‌شناختی، جغرافیایی، رفتاری و روانی مشتریان انجام داد ((Zhou et al., 2014. اگر مشتری در هنگام مرور وب انگیزۀ لذت‌جویی به دست آورد، انگیزۀ بیشتری برای افزایش مدت زمان بازدید از وبسایت خواهد داشت و بازدیدهای مکرر از همان وب را به دنبال خواهد داشت. انگیزه‌های سودمندی و لذت‌جویانه تأثیر مثبتی بر قصد خرید مجدد در تجارت الکترونیکی بین کسب‌وکار و مصرف‌کننده دارند؛ بنابراین، محققان قبلاً پیشنهاد کردند که انگیزه‌های سودمندانه و انگیزه‌های لذت‌جویانه تأثیر مستقیم و مثبتی بر قصد ادامۀ استفاده و خرید ازطریق وبسایت‌ها یا رسانه‌های اجتماعی خواهند داشت. ازاین‌رو به‌لحاظ اهمیتی که خرده‌فروشی‌های آنلاین‌ در چشم‌انداز تجارت الکترونیکی‌ جهانی دارند، لازم است رفتار مصرف‌کنندگان را در بسترآنلاین بررسی کنند تا مشخص شود مصرف‌کنندگان آن‌ها در سراسر دنیا چه تفاوتی با هم دارند. مطالعات بخش‌بندی بازار می‌تواند به خرده‌فروشی‌های آنلاین در سیاست‌گذاری و ایجاد راهبرد مشتری‌محور کمک کند (Chiu et al., 2014).

این بخش از دانش بازاریابی به توسعه نیاز دارد؛ زیرا به ‌نظر می‌رسد مطالعات انجام‌شده درزمینۀ بخش‌بندی بازار خرده‌فروشی‌های آنلاین محدود است؛ برای مثال مطالعۀ  Moon et al. (2021) بر روی بخش‌بندی بازبینان و مشاغل در رسانه‌های اجتماعی با استفاده از بررسی‌های مصرف‌کنندۀ آنلاین انجام شده است که برای کسب‌وکارهای حاضر در رسانه‌های اجتماعی امکان‌پذیر است. Smith et al. (2021) از بخش‌بندی روان‌شناختی برای پیشگیری از زوال عقل استفاده کرده است. همچنین در برخی مطالعات، شناسایی ‌بخش‌های مختلف مصرف‌کننده براساس ویژگی‌های تبلیغات رسانه‌های اجتماعی، کشف تفاوت‌ها در ویژگی‌های فردی آن‌ها و بررسی تنوع بین آن بخش‌ها ازنظر عواملی که قصد خرید آن‌ها را پیش‌بینی می‌کند، انجام شده است (Nasir et al., 2021). ایزدی و همکاران (1398) در مطالعه‌ای به شناسایی انگیزه‌های اجتماعی مؤثر بر رفتار‌های دهان‌به‌دهان در شبکه‌های اجتماعی پرداختند و کاربران را براساس انگیزه‌هایی شناسایی شده بخش‌بندی کردند.

باتوجه‌به مطالعات انجام شده، مطالعه‌ای که در بخش‌بندی مصرف‌کنندگان خرده‌فروشی‌های آنلاین معیار‌های روان‌شناختی مثل انگیزه‌های خرید آنلاین (انگیزۀ لذت‌جویانه و انگیزۀ سودمندی) را در نظر بگیرد و آن‌ها را با متغییر‌ها‌ی رفتاری (قصد خرید آنلاین، قصد جست‌وجوی آنلاین، خرید آنی آنلاین و درگیری مصرف‌کننده آنلاین) و جمعیتی/ جغرافیایی سراسر دنیا ترکیب کرده باشد، انجام نشده است؛ بنابراین، این پژوهش قصد دارد این شکاف را که برای توسعۀ علم بازاریابی در حوزۀ خرید آنلاین اهمیت دارد، برطرف کند. این پژوهش به دنبال پاسخ به این سؤالات است:

-گروه‌های مختلف مصرف‌کنندگان خرده‌فروشی‌های آنلاین براساس انگیزه‌های خرید، رفتارهای خرید آنلاین و ویژگی‌های جمعیتی چه تفاوتی با هم دارند؟

-نیم‌رخ بخش‌‌های مختلف مصرف‌کنندگان براساس انگیزه‌های خرید و رفتارهای مصرف‌کنندگان آنلاین چگونه است؟

 

ادبیات نظری و پیشینۀ پژوهش

انگیزه‌های خرید آنلاین

انگیزه عواملی است که بر رفتار انسان‌ها تأثیر می‌گذارد (Botha et al., 2020) و یک مفهوم اساسی برای درک رفتار مصرف‌کننده است (Watchravesringkan et al., 2010). انگیزه را نوعی انرژی درونی تعریف می‌کنند که افراد را به انجام روشی خاص سوق می‌دهد. انگیزه به‌منزلۀ نیرویی که در پشت رفتار مصرف‌کننده ایجاد می‌شود، توصیف می شود. نیازها و علائق مصرف‌کنندگان انگیزه را ایجاد می‌کند(Schiffman et al., 2010; Hawkins & Mothersbaugh, 2013).

متغیر روان‌شناختی شامل انگیزه‌های خرید آنلاین ‌است. محققان روان‌شناختی مصرف‌کنندگان، انگیزه‌های خرید آنلاین را به دو دستۀ انگیزه‌های سودمندی و لذت‌جویانه طبقه‌بندی کرده‌اند(Arnold & Reynolds, 2003; Kumar & Sadarangani, 2018a, 2018b).

انگیزۀ سودمندی: ارزش خرید سودمند یا کاربردی زمانی ایجاد می‌شود که مصرف‌کننده، محصول مطلوب را دریافت کند و با دریافت محصولی با مقدار کمتر، ارزش‌ها افزایش می‌یابد. انگیزۀ سودمند خرید آنلاین را براساس راحتی، در دسترس بودن اطلاعات، صرفه جویی در هزینه و انتخاب محصول مشخص می‌کنند (Chakraborty & Soodan, 2019)

 انگیزۀ سودمندی شامل مدل خرید پردازش اطلاعات سنتی است که خریدار، تصمیم‌گیرنده‌ای منطقی است که می‌خواهد با تمرکز بر مزایای ملموس محصول، مطلوبیت را به حداکثر برساند (Dewi & Mahemba, 2024). مشتریان با انگیزۀ سودمند، بیشتر بر ارزیابی کیفیت و عملکرد محصول تمرکز می‌کنند .(Hussain et al., 2024)

انگیزۀ لذت‌جویانه: انگیزۀ خرید لذت‌جویانه به نیازهای عاطفی افراد برای تجربۀ خرید لذت‌بخش و جالب مربوط می‌شود (Dewi & Mahemba, 2024) و شامل احساسات غیرکارکردی مانند احساس لذت و شادی می‌شود که به‌عنوان «میزان لذت‌بردن مشتریان از تجربۀ خرید» تعریف می‌شود (Busalim et al., 2021). انگیزه‌های خرید لذت‌جویانه با نیازهای عاطفی افراد برای لذت‌بردن و ایجاد تجربۀ خرید جالب مرتبط است. انگیزۀ لذت‌جویانه ناشی از لذت تجربه‌شده در حین خرید است  .(Hussain et al., 2024)یک هدف لذت‌جویانه افراد را به تمرکز بر روی احساساتی که در یک موقعیت خاص دارند، هدایت می‌کند و با احساسات مثبتی مانند لذت مستقیم و شادی یا افکار منفی یا تلاشی مانند ناراحتی و گناه مرتبط است (Tang et al., 2020).

 

رفتارهای خرید آنلاین

رفتار خرید آنلاین، رفتار خرید یک سرویس یا کالا ازطریق یک وبسایت است. رفتار خرید آنلاین به معنای یک روش خرید جدید ازطریق اینترنت است (Tsai et al., 2011). رفتار خرید مصرف‌کننده فرایندی است که ازطریق آن مصرف‌کننده، محصولی را برای ارضای نیاز یا خواستۀ خود و تأثیر محصول بر خود یا محیط خریداری می‌کند. رفتار هر مصرف‌کننده‌ با دیگری متفاوت است. علت این امر می‌تواند دلایل شخصی، جمعیت‌شناختی یا روانی باشد. مصرف‌کنندگان بدون اتلاف وقت خود محصولاتی را که در قدرت خرید آن‌ها نهفته است، به‌صورت آنلاین جست‌وجو می‌کنند (Dost et al., 2015). در رفتار خرید آنلاین، مصرف‌کننده به دنبال محصول موردنیاز خود در وبسایت‌های مختلف می‌گردد. در این فرایند مصرف‌کننده گزینه‌های مختلفی را مشاهده می‌کند. خرید آنلاین به علت سرعت و راحتی، مشتری را راضی می‌کند (Wang & Qu, 2017).

متغیر رفتاری شامل رفتارهای خرید آنلاین ‌است. محققان رفتارشناسی، رفتارهای خرید آنلاین را به چهار دستۀ قصد جست‌وجوی آنلاین، قصد خرید آنلاین، قصد خرید آنی آنلاین و درگیری مصرف‌کنندۀ آنلاین طبقه‌بندی کرده‌اند (Shim et al., 2001; Halim & Karsen, 2020; Jiménez et al., 2020; Hepola et al., 2020) که درادامه، هر کدام بررسی می‌شود.

قصد جست‌وجوی آنلاین: قصد جست‌وجوی آنلاین مشتریان به نحوۀ جست‌وجو و یافتن اطلاعات ارزشمند با استفاده از اینترنت مربوط است. قبل از اینکه مشتریان بخواهند محصول یا خدماتی را خریداری کنند، به احتمال زیاد ابتدا اطلاعات ارزشمندی دربارۀ آن محصول یا خدمات جمع‌آوری می‌کنند (Shim et al., 2001). قصد جست‌وجو همچنین به‌ روشی که افراد قبل از تصمیم به خرید یک محصول و جست‌وجوی کامل انجام می‌دهند، اطلاق می‌شود. این شاخص مشتریان را قادر می‌سازد تا از موتورهای جست‌وجو و خدمات مقایسۀ محصول استفاده کنند (Pedersen & Nysveen, 2005).

قصد خرید آنلاین: به معنای تمایل یک خریدار اینترنتی برای خرید کالا از فروشگاه‌های خرده‌فروشی آنلاین با کمک اینترنت است (Majeed et al., 2024). قصد خرید آنلاین همچنین تمایل مشتری برای خرید خاصی از محصول یا خدمات ازطریق اینترنت تعریف می‌شود (Bai et al., 2008). علاوه‌براین، قصد خرید آنلاین با عزم مشتری برای جست‌وجو، انتخاب و خرید محصولات مدنظر و همچنین انجام تراکنش آنلاین ازطریق اینترنت مرتبط است. قصد خرید آنلاین نشان‌دهنده تمایل مشتری به خرید ازطریق اینترنت است. اعتقاد بر این است که وقتی یک وبسایت، ابزارهای رضایت‌بخشی مانند کاتالوگ کامل محصولات یا خدمات، بخش مقایسه قیمت، سیستم پرداخت آنلاین، سبد خرید و عملکرد جست‌وجو را ارائه می‌دهد، احتمالاً مشتریان ترجیح می‌دهند از فروشگاه مجازی خرید کنند (Chen & Teng, 2013).

خرید آنی آنلاین: خرید آنی «یک میل ناگهانی، اغلب قوی و مداوم برای خرید فوری چیزی» تعریف می‌شود (Rook, 1987). براساس این تعریف، خرید آنی و فوری بدون قصد پیش‌خرید، برای خرید یک دسته محصول خاص یا انجام یک وظیفۀ خرید خاص گسترش یافته است. اگرچه تعاریف خرید آنی (برنامه‌ریزی نشده) در جزئیات متفاوت است، ماهیت آن یکسان است (Beatty & Ferrell, 1998). ظهور عصر اینترنت و گسترش تجارت الکترونیک به ظهور رفتار خرید آنلاین منجر شد (Xiang et al., 2016). خرید آنی آنلاین عمدتاً با واکنش‌های احساسی فوری به جای تفکر منطقی هدایت می‌شود و مشتریان آنلاین اغلب براساس واکنش‌های غیرارادی محصولات را می‌خرند (Ngo et al., 2024). محققان ادعا کرده‌اند که محیط خرید آنلاین محدودیت‌هایی را ایجاد می‌کند؛ مانند مکان نامناسب فروشگاه، ساعات کاری محدود و فشار اجتماعی کارکنان و سایر مصرف‌کنندگان (Chan et al., 2017).

درگیری مصرف‌کنندۀ آنلاین: درگیری مصرف‌کننده که درگیری مشتری (برند) نیز نامیده می‌شود، به رفتار مصرف‌کنندگان در تعامل با شرکت‌ها یا برندهای خاص اشاره دارد که فراتر از یک رفتار خرید ساده است (Yang et al., 2024). درگیری مصرف‌کننده درزمینۀ آنلاین را «تعهد شناختی و عاطفی به یک رابطۀ فعال با نام تجاری که توسط وبسایت یا دیگر نهادهای واسطه‌‌شدۀ رایانه، شخصی‌سازی می‌شود» تعریف می‌کنند. تعریف دیگری که از درگیری مصرف‌کننده درزمینۀ آنلاین ارائه شده است، شامل تجربیات درگیری خاص بین مصرف‌کنندگان و شرکت یا مصرف‌کنندگان دیگرِ شرکت است. درگیری مصرف‌کننده در رسانه‌های اجتماعی به معنای میزان فعال‌بودن مصرف‌‏‌‌کنندگان در استفاده از ابزار رسانه‌های اجتماعی سازمان است (Guesalaga, 2016). رسانه‌های اجتماعی به افراد اجازه می‌دهند تا آزادانه با دیگران تعامل داشته باشند و راه‌های متعددی را به بازاریابان برای دسترسی و تعامل با مصرف‌کنندگان ارائه می‌دهند (Appel et al., 2020).

 

روش‌شناسی پژوهش

این پژوهش ازلحاظ هدف، کاربردی محسوب می‌شود و ازنظر شیوۀ اجرا، در دستۀ پژوهش‌های توصیفی ـ پیمایشی قرار دارد. در این تحقیق با بررسی جامع و دقیق مطالعات و پژوهش‌های پیشین و استفاده از داده‌های ثانویۀ مرتبط با موضوع، دو انگیزۀ خرید آنلاین (انگیزۀ سودمندی و انگیزۀ لذت‌جویانه) و چهار رفتار خرید آنلاین (قصد جست‌وجوی آنلاین، قصد خرید آنلاین، خرید آنی آنلاین و درگیری مصرف‌کننده آنلاین) شناسایی شد. داده‌های جمع‌آوری‌شده با رویکرد داده‌کاوی ازطریق نقشه‌های خودسازمان‌ده و با استفاده از شبکه‌های عصبی مصنوعی، براساس انگیزه‌ها و رفتارهای خرید آنلاین و ویژگی‌های جمعیتی طبقه‌بندی و نامگذاری شدند؛ درنهایت، براساس نیم‌رخ هر یک از این خوشه‌ها راهبردهای بازاریابی مناسب برای هدف‌گذاری مشتریان خرده‌فروشی‌های آنلاین ارائه شد. جامعۀ آماری این پـژوهش را افرادی در سراسر دنیا تشکیل داده‌اند که حداقل یک بار تجربۀ خرید آنلاین از فروشگاه‌های آنلاین را داشته‌اند. باتوجه‌به حجم جامعۀ نامحدود و خطای نمونه‌گیری 5 درصد، براساس فرمول کوکران حداقل حجم نمونه در این شرایط 384 نفر است؛ اما برای اطمینان بیشتر، پرسش‌نامه به ۲۱۱۰ نفر ارسال شد و از ۸۱۰ پرسش‌نامۀ کامل در تجزیه‌وتحلیل استفاده شد. باتوجه‌به اینکه دسترسی به فهرست خریداران خرده‌فروشی‌های انتخاب‌شدۀ این مطالعه امکان‌پذیر نبود، روش نمونه‌گیری به‌صورت غیرتصادفی و دردسترس انجام شد. در این پژوهش برای جمع‌آوری داده‌ها و انجام تحلیل‌های آماری از پرسش‌نامه‌ای استفاده شد که با سامانۀ گوگل‌فرم طراحی و تنظیم شده بود. لینک این پرسش‌نامه ازطریق شبکه‌های اجتماعی مانند فیسبوک و اینستاگرام در بین مشتریانی که از خرده‌فروشی‌های آنلاین مانند آمازون، ای‌بی و علی‌بابا خرید کرده بودند، توزیع شد. برای افزایش تعداد پاسخ‌دهندگان و تنوع نمونۀ آماری، از سرویس سواپ نیز استفاده شد که به تبادل پاسخ‌دهندگان بین پژوهش‌های مختلف کمک می‌کند. ابزار اصلی جمع‌آوری داده‌ها در این تحقیق، پرسش‌نامه‌ای بود که پس از بررسی و تأیید استادان حوزۀ بازاریابی ازنظر روایی محتوا، در سه بخش شامل اطلاعات جمعیت‌شناختی، انگیزه‌ها و رفتارهای خرید آنلاین تدوین شد و ازطریق نمونه‌گیری دردسترس در اختیار پاسخ‌دهندگان قرار گرفت.

برای سنجش‌ روایی ‌‏‌سازه (اعتبار ابزار) پرسش‌نامه‌ از روش تحلیل‌ عاملی‌ تأییدی استفاده شده است‌. براین‌اساس، ابتدا تعداد 80 پرسش‌نامه‌ در اختیار پاسخ‌گویان قرار گرفت‌ و تحلیل‌ عاملی‌ تأییدی برای این‌ تعداد پاسخ‌ انجام شد. باتوجه‌‌به‌ نتایج این‌ تحلیل‌ عاملی‌، مشخص شد که شش آیتم ارزیابی‏‌کنندۀ انگیزۀ سودمندی، دو موضوع مختلف را بررسی کرده‌اند؛ پس سه آیتم ارزیابی‏‌کنندۀ انگیزۀ سودمندی که روایی مناسبی نداشتند، حذف شد. سپس‌ پرسش‌نامۀ‌ نهایی‌ و اصلاح‌شده برای‌ دریافت‌ بقیۀ‌ پاسخ‌ها در اختیار سایر پاسخ‌گویان قرار گرفت‌. ازآنجاکه‌ مقدار قابل‌‌قبول برای شاخص‌ KMO بیشتر از ٥/٠ ‌است و سطح‌ معناداری در آزمون بارتلت‌ نیز باید کمتر از ٥% باشد، باتوجه‌به‌ نتایج‌ به‌دست‌‌آمده با استفاده از نرم‌افزار SPSS 24 می‌توان به‌ این‌ نتیجه‌ رسید که‌ تقریباً تمامی‌ متغیرها و سؤالات، روایی‌‏‌ سازۀ خوبی‌ دارند. همچنین پایایی این پرسش‌نامه با محاسبۀ ضریب آلفای کرونباخ ارزیابی شد و تمامی عوامل، ضریبی بالاتر از 7/0 کسب کردند که نشان‌دهندۀ قابل‌اعتمادبودن ابزار تحقیق است (جدول 1).

 

 

جدول1: پایایی ابزار پژوهش

Table 1: Measurement Scale of Research

متغیر

منبع

ضریب آلفای کرونباخ

شاخص کفایت نمونه‌گیری (KMO)

مقدار Sig آزمون بارتلت

درصد واریانس تبیین‌شده

انگیزه‌های خرید آنلاین

انگیزۀ لذت‌جویانه

(Busalim et al., 2021)

815/0

815/0

000/0

728/73

انگیزۀ سودمندی

(Busalim et al., 2021)

696/0

696/0

001/0

358/69

رفتارهای خرید آنلاین

قصد خرید آنلاین

(Dewi & Mahemba, 2024)

750/0

750/0

001/0

750/63

قصد جست‌وجوی آنلاین

(Peña-García et al., 2020))

807/0

807/0

001/0

807/54

قصد خرید آنی آنلاین

(Beauchamp & Ponder, 2010)

840/0

840/0

000/0

970/66

درگیری مصرف‌کنندۀ آنلاین

Nasir et al., 2021))

870/0

870/0

000/0

154/53

 

 

 

 

یافته‌های پژوهش

برای شناسایی خوشه‌های احتمالی مشتریان خرده‌فروشی‌های آنلاین در ارتباط با این تحقیق، از روش نقشه‌های خودسازمان‌دهی مبتنی بر شبکه‌های عصبی مصنوعی استفاده شده است. برای این منظور از نرم‌افزار Viscovery SOMine نسخۀ 8.0.1 استفاده شد که قدرت تجسم این نرم‌افزار در الگوی نقشه‌های خودسازمان‌ده قابل‌مشاهده است. برای تعیین ابعاد شبکه، تعداد 1000 نورون در لایۀ ورودی انتخاب شد. همچنین سرعت آموزش به گونه‌ای انتخاب شد که دقیق‌ترین حالت خروجی برای شبکه نهایی به دست آید. یکی دیگر از پارامترهای آموزش شبکه، میزان کشش آن است که امکان نمایش ساختار نقشه‌های خروجی را با جزئیات بیشتری فراهم می‌کند. در این تحقیق مقدار این پارامتر 5/0 انتخاب شد. نقشه‌های خروجی با استفاده از دستورهای ورودی پس از 27 بار تکرار توسط نرم‌افزار در ابعاد 33×29 ارائه شده است. براین‌اساس، آنچه در شکل 1 نشان داده شده است، تصویر خوشه‌بندی نهایی از تعداد خوشه‌های به‌دست‌آمده در این پژوهش است. همان‌طورکه در تصویر مشخص است، تعداد مشتریان خرده‌فروشی‌های آنلاین به سه خوشه تقسیم شده است.

 

 

شکل 1: نقشۀ بخش‌های شناسایی‌شده

Figure 1: Segments Mape

 

 

پس از مروری بر ویژگی‌های جمعیت‌شناختی سه خوشه از مشتریان خرده‌فروشی‌های آنلاین با استفاده از نقشه‏‌های خروجی الگوریتم نقشه‏‌های خودسازمان‌ده و همچنین جدول فراوانی نسبی ویژگی‌های مذکور، مشخصات سه خوشه ازطریق نمودار مقایسه‏‌ای ارائه شده است. نیم‌رخ وضعیت نسبی متغیرهای جمعیت‌شناختی با استفاده از شکل 2 قابل‌مشاهده است.

 

شکل 2: نیم‌رخ خوشه‌ها براساس متغیرهای جمعیت‌شناختی

Figure 2: Segments Demographic Profile

 

 

باتوجه‌به شکل 2 می‌توان با نمایش هر یک از متغیرهای جمعیت‌شناختی در هر خوشه، وضعیت نسبی متغیر مدنظر را در سایر خوشه‏‌ها مقایسه نمود. از سوی دیگر، شدت تراکم هر متغیر در هر خوشه را می‏‌توان ازطریق ارتفاع هر ستون نمودار تشخیص داد.

به‌طورکلی مشاهده می‏‌شود ازنظر متغیرهای جمعیت‌شناختی، نیم‌رخ خوشه‌های دوم و سوم به یکدیگر نزدیک هستند. البته بین این دو خوشه تفاوت معناداری وجود دارد؛ مثلاً می‏‌توان به نمودار گلبهی‌رنگ اشاره کرد که مربوط به دفعات خرید از فروشگاه‌های آنلاین در میان هر سه خوشه است. با استفاده از نمودار وضعیت نسبی، به‌خوبی مشخص است که نسبت دفعات خرید 1تا2 بار در ماه از فروشگاه‌های آنلاین در خوشۀ اول بیشتر از خوشۀ دوم و سوم بوده است.

با وجود تشابهاتی که در خوشۀ دوم و سوم ازنظر متغیرهای جمعیت‌شناختی وجود دارد، درزمینۀ وضعیت اشتغال تفاوت‏‌هایی وجود دارد. این متغیر در نمودار با رنگ صورتی نشان داده شده است. مقدار متوسط متغیر یادشده در میان مشتریان خوشۀ دوم بیشتر از مقدار متوسط این متغیر در میان خوشۀ اول و سوم ‌است.

در خوشۀ دوم وضعیت درآمدی بالاتری نسبت به متوسط خوشۀ اول و سوم دیده می‏‌شود. این نسبت در دو خوشۀ اول و سوم منفی بوده که نشان‏‌دهندۀ افراد کم‌درآمد در این دو خوشه است.

جدول 2 میانگین انگیزه‌های خرید آنلاین مشتریان خرده‌فروشی‌های آنلاین مربوط به هر خوشه را نمایش می‌دهد. در مقایسۀ سه خوشه با یکدیگر می‌توان دریافت که بیشترین نمره به انگیزۀ سودمندی (112/4) در خوشۀ دوم و کمترین نمرۀ نیز به انگیزۀ لذت‌جویانه (017/3) در همین خوشه مربوط ‌است. انگیزۀ سودمندی در هر سه خوشه بیشترین نمره و انگیزۀ لذت‌جویانه در هر سه خوشه کمترین نمره را به خود اختصاص داده‏‌اند.

 

 

جدول 2. میانگین انگیزه‌های خرید آنلاین در هر خوشه

Table 2: Mean of Online buying Motivations in each Cluster

انگیزه‌های خرید آنلاین

خوشۀ اول

خوشۀدوم

خوشۀ سوم

انگیزۀ سودمندی

008/4

112/4

685/3

انگیزۀ لذت‌جویانه

327/3

017/3

498/3

درصد فراوانی

9/58

6/27

5/13

 

 

جدول 3 میانگین رفتار‌های خرید آنلاین مشتریان خرده‌فروشی‌های آنلاین مربوط به هر خوشه را نمایش می‌دهد. بیشترین نمرۀ رفتار‏‌های خرید آنلاین در میان مشتریان خوشۀ اول به قصد خرید آنلاین و کمترین نمره در این خوشه به خرید آنی آنلاین مربوط ‌است. همچنین بیشترین نمرۀ رفتارهای خرید آنلاین در میان مشتریان خوشۀ دوم به قصد خرید آنلاین و کمترین نمره در این خوشه به خرید آنی آنلاین مربوط است‌. بیشترین نمرۀ رفتارهای خرید آنلاین در میان مشتریان خوشۀ سوم به قصد خرید آنلاین و کمترین نمره در این خوشه به خرید آنی آنلاین ‌مربوط است. در مقایسۀ سه خوشه با یکدیگر می‌توان دریافت بیشترین نمره به قصد خرید آنلاین (226/4) در خوشۀ دوم و کمترین نمره نیز به خرید آنی آنلاین (299/2) در همین خوشه مربوط ‌است. قصد خرید آنلاین در هر سه خوشه بیشترین نمره را به خود اختصاص داده است.

 

 

 

جدول 3. میانگین رفتار‌های خرید آنلاین در هر خوشه

Table 3: Mean of Online buying behaviors in each Cluster

رفتار‌های خرید آنلاین

خوشۀ اول

خوشۀ دوم

خوشۀ سوم

قصد جست‌وجوی آنلاین

859/3

999/3

812/3

قصد خرید آنلاین

100/4

226/4

879/3

خرید آنی آنلاین

468/2

299/2

666/2

درگیری مصرف‌کنندۀ آنلاین

665/2

754/2

974/2

درصد فراوانی

9/58

6/27

5/13

 

 

پس از تعیین تعداد نهایی خوشه‌ها و میانگین امتیاز انگیزه‌ها و رفتارهای خرید آنلاین هر بخش، گام بعدی شناسایی ویژگی‌های هر خوشه است. برای این منظور، از نقشه‌های ویژگی استفاده می‌شود که یکی دیگر از خروجی‌های نرم‌افزار است. این نقشه‌ها توزیع هر متغیر را نسبت به خوشه‌ها و سایر متغیرها نمایش می‌دهند و امکان مقایسۀ دقیق ویژگی‌های هر خوشه را فراهم می‌کنند؛ بنابراین، درادامۀ این بخش، انگیزه‌های اجتماعی مختلف در میان خوشه‌ها با استفاده از این نقشه‌ها تحلیل خواهند شد. نام هر متغیر در بالای هر نقشه درج شده و در پایین نقشه‌ها از رنگ آبی برای مقادیر کم، سبز برای مقادیر متوسط و قرمز برای مقادیر بالا استفاده شده است.

با نگاهی کلی به نقشه‌های ویژگی در شکل 3 به نظر می‌رسد پایین‌ترین امتیاز به متغیر انگیزۀ لذت‌جویانه مربوط باشد که در مشتریان خوشۀ دوم (نقاط آبی) مشاهده می‌شود. از سوی دیگر، انگیزۀ خرید آنلاین قوی‌تر که با نقاط قرمزرنگ در نقشه‌ها مشخص شده‌ است، بیشتر به سودمندی در میان خوشه‌های اول و دوم مربوط است.

 

شکل 3. نقشۀ انگیزه‌های خرید آنلاین مشتریان هر خوشه

Figure 3: The Online buying Motivations Map

 

 

با نگاهی کلی به نقشه‌های ویژگی در شکل 3 به نظر می‌رسد که پایین‌ترین امتیاز به متغیر رفتار خرید آنی آنلاین مربوط باشد که در مشتریان هر سه خوشه (نقاط آبی) مشاهده می‌شود. از سوی دیگر، رفتار خرید آنلاین قوی‌تر که با نقاط قرمزرنگ در نقشه‌ها مشخص شده‌ است، بیشتر به قصد خرید آنلاین در میان خوشه‌های اول و دوم مربوط است.

 

 

 

 

شکل 4. نقشۀ رفتار‌های خرید آنلاین مشتریان هر خوشه

Figure 4: The Online buying Behaviors Map

 

 

نام‌گذاری و توصیف هر بخش از کاربران

در مراحل قبلی، تعداد خوشه‌ها و ویژگی‌های هر یک از متغیرهای مرتبط با بخش‌بندی مشتریان خرده‌فروشی‌های آنلاین تعیین شد. در این مرحله نیاز است که نیم‌رخ دقیقی برای هر بخش از مشتریان تهیه شود؛ بنابراین، سه خوشۀ شناسایی‌شده در این پژوهش توصیف خواهد شد.

 

نیم‌رخ بخش اول مشتریان (مشتریان آینده‌نگر متعادل)

این بخش بزرگ‌ترین بخش از مشتریان خرده‌فروشی‌های آنلاین را تشکیل می‏‌دهد؛ به‌طوری‌که بیش از نیمی از مشتریان خرده‌فروشی‌های آنلاین (9/58 درصد) را به خود اختصاص داده است. به‌طور نسبی فراوانی زنان (9/62 درصد) در این بخش بیشتر از مردها بوده است. به‌طور نسبی بیشترِ مشتریان این بخش در ردۀ سنی بین 18 تا 30 سال قرار دارند. به‌طور نسبی ملیت بیشتر مشتریان حاضر در این بخش اروپایی ‌است. به‌طور نسبی قارۀ محل اقامت بیشتر مشتریان این بخش نیز اروپا ‌است. ازلحاظ شغل و سطح تحصیلات نیز بیشترِ مشتریان این بخش دانشجو (1/81 درصد) و دارای مدرک تحصیلی لیسانس (9/50) هستند. ازنظر سطح درآمدی، بیشترِ مشتریان این بخش سطح درآمدی نسبتاً پایینی دارند. اکثر مشتریان حاضر در این بخش تجربۀ خرید بیشتر از 5 سال از خرده‌فروشی‌های آنلاین دارند. بیشترِ مشتریان این بخش کمتر از یک ساعت در هفته را صرف گشت‌و‌گذار در این فروشگاه‏‌ها می‏‌کنند. به‌طور نسبی بیشترِ مشتریان این بخش 1تا2 بار در ماه از این خرده‏‌فروشی‏‌ها خرید می‌کنند. بیشترِ فراوانی نسبی فروشگاه‏‌(های) آنلاین استفاده‌شدۀ این بخش از مشتریان، مربوط به فروشگاه آمازون (2/57 درصد) ‌است. مورداستفاده‌ترین فروشگاه آنلاین در بین مشتریان این بخش نیز فروشگاه آمازون (0/95 درصد) ‌است. بیشترِ مشتریان این بخش، از موبایل برای دسترسی به وبسایت این فروشگاه‌های آنلاین استفاده می‌‏‌‌کنند.

در میان اعضای این بخش، انگیزۀ سودمندی با نمرۀ 008/4 نقش پررنگ‏‌تری دارد و نمرۀ مربوط به انگیزۀ لذت‌جویانه 327/3 ‌است. به‌طورکلی رفتارهای خرید آنلاین در میان اعضای این بخش از مشتریان خرده‌فروشی‌های آنلاین کمتر از دو بخش دیگر ‌است. برای تشویق این بخش از مشتریان به خرید آنلاین باید رفتارهای خرید آنلاینی را که تأثیر بیشتری روی این بخش دارد، فعال کرد. رفتارهای خرید آنلاین با بیشترین تأثیر در این بخش به‌ترتیب قصد خرید آنلاین با نمرۀ 100/4، قصد جست‌وجوی آنلاین با نمرۀ 859/3، درگیری مصرف‌کنندۀ آنلاین با نمرۀ 665/2 و خرید آنی آنلاین با نمرۀ 468/2 ‌است.

این خوشه با تمرکز بر جمعیت‌شناسی زن، سن جوان، دانشجو و با درآمد کمتر از 500 دلار مشخص می‌شود. مشتریان این خوشه به دنبال سودمندی خرید آنلاین هستند و تجربه‌ای بالای 5 سال در این زمینه دارند. از آنجا که این گروه، بیشتر با هدف بهره‌وری و با تمرکز بر بهینه‌سازی خریدهای خود وارد فروشگاه‌های آنلاین می‌شوند، نام «آینده‌نگر متعادل» به دلیل تعادل در رفتار خرید و تمرکز آن‌ها بر سودمندی انتخاب شده است.

 

نیم‌رخ بخش دوم مشتریان (مشتریان عملگرای حرفه‌ای)

براساس فراوانی نسبی، این بخش دومین بخش از مشتریان خرده‌فروشی‌های آنلاین را تشکیل می‌دهد؛ به‌طوری‌که 6/27 درصد مشتریان خرده‌فروشی‌های آنلاین را به خود اختصاص داده است. فراوانی مردها (1/57 درصد) در این بخش بیشتر از زنان بوده است. همچنین بیشترِ مشتریان این بخش در ردۀ سنی بین 31 تا 40 سال قرار دارند. ملیت بیشتر مشتریان حاضر در این بخش کشورهای اروپایی ‌است. ازلحاظ شغل و سطح تحصیلات نیز بیشترِ مشتریان این بخش کارمند (4/84 درصد) و دارای مدرک تحصیلی فوق‌لیسانس (8/38) هستند. ازنظر سطح درآمدی، بیشترِ مشتریان این بخش سطح درآمدی نسبتاً زیادی دارند. بیشتر مشتریان حاضر در این بخش تجربۀ خرید بیشتر از 5 سال از خرده‌فروشی‌های آنلاین دارند. بیشتر مشتریان این بخش 1تا3 ساعت در هفته را صرف گشت‌و‌گذار در این فروشگاه‌ها می‌کنند. بیشترِ مشتریان این بخش 1تا2 بار در ماه از این خرده‌فروشی‌ها خرید می کنند. بیشترِ فراوانی نسبی فروشگاه(های) آنلاین استفاده‌شدۀ این بخش از مشتریان، مربوط به فروشگاه آمازون (8/38 درصد) ‌است. فروشگاه آمازون در بین مشتریان این بخش نیز (6/95 درصد) بیشترین استفاده‌ را در میان فروشگاه‌های آنلاین داشته ‌است. بیشترِ مشتریان این بخش، از موبایل برای دسترسی به وبسایت این فروشگاه‌های آنلاین استفاده می‌کنند.

در میان اعضای این بخش، انگیزۀ سودمندی با نمرۀ 112/4 نقش پررنگ‌تری دارد و نسبت به دو خوشۀ دیگر نمرۀ بالاتری دارد؛ یعنی انگیزۀ سودمندی در این خوشه بیشتر از دو خوشۀ دیگر است. نمرۀ مربوط به انگیزۀ لذت‌جویانه 017/3 است که نسبت به دو خوشۀ دیگر نمرۀ کمتری دارد؛ یعنی انگیزۀ لذت‏‌جویانه در این خوشه کمتر از دو خوشۀ دیگر است. رفتارهای خرید آنلاین اثرگذار بر مشتریان بخش دوم به‌ترتیب قصد خرید آنلاین با نمرۀ 226/4، قصد جست‌وجوی آنلاین با نمرۀ 999/3، درگیری مصرف‌کنندۀ آنلاین با نمرۀ 754/2 و خرید آنی آنلاین با نمرۀ 299/2 است. گفتنی است قصد خرید آنلاین با نمرۀ 226/4 بیشترین تأثیر را در بخش دوم نسبت به ‌بخش‌های دیگر دارد.

این خوشه متشکل از مردان، میان‌سالان، کارمندان و با درآمد ماهیانه بین 2000 تا 5000 دلار است که بیشتر از انگیزۀ سودمندی برای خرید آنلاین بهره می‌برند. آن‌ها خریدهای خود را نوعی ضرورت عملی و کاربردی می‌دانند و زمان مشخصی برای آن صرف می‌کنند. نام «عملگرای حرفه‌ای» به دلیل رفتار دقیق و برنامه‌ریزی‌شدۀ آن‌ها و استفادۀ حرفه‌ای از خرید آنلاین انتخاب شده است.

 

نیم‌رخ بخش سوم مشتریان (کاوشگر لذت‌جو)

براساس فراوانی نسبی، بخش سوم کوچک‌ترین بخش از مشتریان خرده‌فروشی‌های آنلاین را تشکیل می‌دهد؛ به‌طوری‌که 5/13 درصد مشتریان خرده‌فروشی‌های آنلاین را به خود اختصاص داده است. به‌طور نسبی فراوانی زنان (7/58 درصد) در این بخش بیشتر از مردها بوده است. به‌طور نسبی بیشترِ مشتریان این بخش در ردۀ سنی بین 18 تا 30 سال قرار دارند. به‌طور نسبی ملیت بیشتر مشتریان حاضر در این بخش آسیایی ‌است. به‌طور نسبی قارۀ محل اقامت بیشتر مشتریان این بخش نیز اقیانوسیه ‌است. ازلحاظ شغل و سطح تحصیلات نیز بیشترِ مشتریان این بخش دانشجو (1/66 درصد) و دارای مدرک تحصیلی لیسانس (0/56) هستند. ازنظر سطح درآمدی، بیشترِ مشتریان این بخش سطح درآمدی نسبتاً پایینی دارند. اکثر مشتریان حاضر در این بخش تجربۀ خرید بیشتر از 5 سال از خرده‌فروشی‌های آنلاین دارند. بیشترِ مشتریان این بخش 1تا3 ساعت در هفته را صرف گشت‌و‌گذار در این فروشگاه‏‌ها می‏‌کنند. به‌طور نسبی بیشترِ مشتریان این بخش 1تا2 بار در ماه از این خرده‏‌فروشی‏‌ها خرید می‌کنند. بیشترِ فراوانی نسبی فروشگاه‏‌(های) آنلاین استفاده شدۀ این بخش از مشتریان، مربوط به فروشگاه آمازون و علی‌بابا (5/27 درصد) ‌است. مورداستفاده‌ترین فروشگاه آنلاین در بین مشتریان این بخش نیز فروشگاه علی‌بابا (9/56 درصد) ‌است. بیشترِ مشتریان این بخش، از موبایل برای دسترسی به وبسایت این فروشگاه‌های آنلاین استفاده می‌کنند.

انگیزۀ سودمندی با نمرۀ 685/3 در این خوشه نقش پررنگ‌تری نسبت به انگیزۀ لذت‌جویانه با نمرۀ 498/3 ایفا می‌کند؛ ولی انگیزۀ سودمندی در این خوشه نسبت به دو خوشۀ دیگر نمرۀ کمتری دارد. انگیزۀ لذت‌جویانه در این خوشه نسبت به دو خوشۀ دیگر نمرۀ بالاتری را به خود اختصاص داده است. به‌طورکلی رفتارهای خرید آنلاین در میان اعضای این بخش از مشتریان خرده‌فروشی‌های آنلاین نقش پررنگ‌تری دارد. رفتارهای خرید آنلاین با بیشترین تأثیر در این بخش به‌ترتیب قصد خرید آنلاین با نمرۀ 879/3، قصد جست‌وجوی آنلاین با نمرۀ 812/3، درگیری مصرف‌کنندۀ آنلاین با نمرۀ 974/2 و خرید آنی آنلاین با نمرۀ 666/2 ‌است.

مشتریان این خوشه بیشتر زن، دانشجو و آسیایی هستند و درآمد کمتری دارند. آن‌ها از علی‌بابا استفاده می‌کنند و تجربۀ خرید آنلاین طولانی دارند. انگیزه‌های لذت‌جویانۀ آن‌ها در کنار کاوشِ بیشتر، باعث می‌شود در خرید آنلاین به دنبال تجربه‌های جدید و رضایت‌بخش از فرایند خرید باشند؛ بنابراین، نام «کاوشگر لذت‌جو» برای این خوشه به دلیل ترکیب رفتار کاوشگرانه و انگیزه‌های لذت‌جویانۀ آن‌ها انتخاب شده است.

 

نتیجه‌گیری و پیشنهادهای کاربردی متناسب با هر یک از خوشه‌ها

مدیران و بازاریابان خرده‌فروشی‌های آنلاین باید انگیزه‌ها و رفتارهای خرید آنلاین مشتریان را از عوامل کلیدی در راهبرد‌های بازاریابی خود بدانند و در نظر بگیرند. انگیزه‌هایی مانند راحتی خرید، دسترسی به طیف گسترده‌ای از محصولات، امکان مقایسۀ قیمت‌ها و بهره‌گیری از تخفیف‌های ویژه از عواملی هستند که رفتار خرید آنلاین مشتریان را شکل می‌دهند و می‌توانند بر تصمیم‌گیری آن‌ها اثرگذار باشند؛ بنابراین، پیشنهاد می‌شود خرده‌فروشی‌های آنلاین با در نظر گرفتن ویژگی‌های بخش‌های مختلف مشتریان، برنامه‌های خود را به‌گونه‌ای طراحی کنند که با این انگیزه‌ها هماهنگ باشد و تجربۀ خریدی آسان، مطمئن و جذاب را برای مشتریان فراهم کنند. همچنین برای بهبود نتایج و ارائۀ پیشنهادهای کارآمدتر، به یافته‌های پژوهش‌های پیشین درزمینۀ انگیزه‌ها و رفتارهای خرید آنلاین مشتریان استناد شده است.

 

بخش نخست

براساس یافته‌های پژوهش، بخش اول بزرگ‌ترین بخش از مشتریان خرده‌فروشی‌های آنلاین را تشکیل می‌دهند. توصیه می‌شود بازاریابان باتوجه‌به بزرگ‌بودن نسبی این بخش نسبت به سایر بخش‌ها، رفتارهای‌ خرید آنلاین مؤثر بر این بخش را در نظر بگیرند و آن‌ها را فعال‌تر کنند. قصد خرید آنلاین یکی از رفتار‌های قوی در این بخش از کاربران است. این رفتار می‌تواند تحت‌تأثیر عوامل جمعیت‌شناختی مانند جنسیت و سن قرار گیرد. به‌ویژه انتظار می‌رود دانشجویان نسبت به سایر افراد جامعه تمایل بیشتری به توسعه و بهبود جایگاه فردی خود داشته باشند. همچنین جوانیِ این کاربران می‌تواند انرژی آن‌ها را برای دنبال‌کردن این هدف تقویت کند. قصد خرید آنلاین تمایل مصرف‌کنندگان برای خرید محصولات یا خدمات در محیط‏‌های آنلاین را توصیف می‌کند (Venkatesh & Davis, 2000). کمبود اوقات فراغت و سبک زندگی مصرف‌کنندگان می‌تواند بر قصد آن‌ها برای خرید آنلاین اثر بگذارد (Huang, 2012). برای افزایش قصد خرید آنلاین در مشتریان، اولین اقدام بهینه‌سازی تجربۀ کاربری در وبسایت‌ها و اپلیکیشن‌های فروشگاهی است که باید به‌گونه‌ای انجام شود که فرایند خرید برای مشتریان سریع، آسان و بدون مشکل باشد. این بهبودها می‌توانند شامل بهینه‌سازی رابط کاربری، ایجاد طراحی‌های ساده و کاربرپسند، و کاهش زمان بارگذاری صفحات باشند. همچنین ارائۀ پشتیبانی مشتری 24 ساعته ازطریق چت‌های آنلاین یا تماس‌های تلفنی می‌تواند اعتماد مشتریان را افزایش دهد و آن‌ها را مطمئن سازد که در صورت بروز مشکل، سریعاً و به‌طور مؤثر راهنمایی خواهند شد. اقدام دوم استفاده از شخصی‌سازی محتوا و پیشنهادهای براساس سابقۀ مرور و خرید مشتریان است. بازاریابان می‌توانند با استفاده از داده‌های موجود، پیشنهادهای مرتبط و تبلیغات هدفمند را به مشتریان ارائه دهند که به‌طور خاص به نیازها و علائق آن‌ها پاسخ می‌دهد. این شخصی‌سازی، تعامل بیشتری را ایجاد و حس ارتباط شخصی با برند را تقویت می‌کند که به نوبۀ خود، انگیزه خرید را افزایش می‌دهد. اقدام سوم ایجاد مشوق‌های مالی مانند تخفیف‌های ویژه، حمل‌ونقل رایگان و برنامه‌های وفاداری است. این مشوق‌ها می‌توانند تأثیر قابل‌توجهی بر رفتار خرید مشتریان داشته باشند؛ زیرا اغلب باعث می‌شوند مشتریان احساس کنند ارزش بیشتری از خرید خود دریافت می‌کنند. این اقدامات همراه با ارائۀ پاداش‌ها و امتیازات وفاداری نه‌تنها قصد خرید مشتریان را افزایش می‌دهد، باعث تکرار خریدها و ایجاد وفاداری بلندمدت به برند نیز می‌شود.

 

بخش دوم

خوشۀ دوم، دومین بخش بالقوۀ مشتریان خرده‌فروشی‌های آنلاین را تشکیل می‌دهند. بخش اول و دوم ازلحاظ شدت تأثیر رفتار قصد خرید آنلاین تقریباً به یکدیگر شبیه‌اند؛ به عبارت دیگر، قصد خرید آنلاین رفتار غالب برای هر دو بخش است؛ بنابراین، به بازاریابان توصیه می‌شود که این بخش را بخشی با انگیزۀ سودمندی و رفتار قصد خرید آنلاین برای ایجاد ارتباط و تشویق آن‌ها به خرید آنلاین از خرده‌فروشی‌های آنلاین در نظر بگیرند.

انگیزۀ سودمند خرید آنلاین را براساس راحتی، در دسترس بودن اطلاعات، صرفه‌جویی در هزینه و انتخاب محصول مشخص می‌کنند. مشتریان با انگیزۀ سودمندی به دنبال تحقق اهدافی مانند جمع‌آوری اطلاعات با خواندن نظرها دربارۀ محصولات یا خدماتی هستند که قبل از خرید به آن‌ها نیاز دارند (Busalim et al., 2021). بازاریابان می‌توانند با بهره‌گیری از جنبه‌های مختلف سودمندی خرید آنلاین، تجربۀ مشتریان را به‌طور مؤثری بهبود دهند. این کار با تأکید بر راحتی خرید، دسترسی سریع و آسان به اطلاعات جامع محصولات و ارائه انتخاب‌های متنوع و سفارشی‌سازی‌شده امکان‌پذیر است؛ برای مثال ایجاد یک سامانه کاربرپسند که به مشتریان اجازه ‌دهد نظرها و تجربه‌های دیگران را مطالعه کنند، به آن‌ها کمک می‌کند تا تصمیمات خرید آگاهانه‌تری بگیرند. علاوه‌براین، ارائۀ تخفیف‌های ویژه و پیشنهادهای جذاب می‌تواند به‌طور قابل‌توجهی انگیزه‌های اقتصادی مشتریان را تقویت کند. ارائۀ ابزارهای مقایسۀ محصولات و قابلیت‌های جست‌وجوی پیشرفته نیز می‌تواند به مشتریان در یافتن سریع‌تر و دقیق‌تر محصول مدنظرشان کمک کند. همچنین تضمین ارسال سریع و آسان محصولات و ایجاد فرایند بازگشت و تعویض بدون دردسر اعتماد مشتریان را جلب می کند و احتمال تبدیل انگیزه‌های سودمند آن‌ها را به قصد خرید آنلاین افزایش می‌دهد. درنهایت، تمرکز بر ایجاد تجربۀ خرید آنلاین یکپارچه و رضایت‌بخش می‌تواند وفاداری مشتریان را تقویت و آن‌ها را به بازگشت دوباره ترغیب کند.

ازلحاظ نوع انگیزۀ‌ خرید آنلاین و رفتارهای خرید آنلاین، چنان‌که اشاره شد، شباهت‌های نزدیکی میان مشتریان این بخش با بخش اول وجود دارد. به همین سبب تأکید می‌شود که پیشنهادهای ارائه‌شده برای هر کدام از انگیزه‌ها و رفتارها در این بخش، برای کاربران سایر بخش‌ها نیز کاربرد دارد؛ اما با این تفاوت که بازاریابان باید این بخش را جدی‌تر بگیرند و تلاش و جدیت بیشتری برای تحت‌تأثیر قراردادن انگیزه‌های خرید آنلاین و رفتارهای خرید آنلاین در این بخش داشته باشند؛ بنابراین، از تکرار پیشنهادهای مشابه در هر بخش اجتناب می‌شود و فقط پیشنهادهایی دربارۀ تفاوت‌های هر بخش ارائه خواهد شد.

هدف جست‌وجوی آنلاین مشتریان به نحوۀ جست‌وجو و یافتن اطلاعات ارزشمند مشتریان با استفاده از اینترنت مربوط است. قبل از اینکه مشتریان بخواهند محصول یا خدماتی را خریداری کنند، به احتمال زیاد ابتدا اطلاعات ارزشمندی دربارۀ آن محصول یا خدمات جمع‌آوری می‌کنند (Shim et al., 2001). بازاریابان می‌توانند با به‌کارگیری راهبرد‌های مختلف بر قصد جست‌وجوی آنلاین مشتریان اثر بگذارند. ارائۀ اطلاعات جامع، دقیق و به‌روز دربارۀ محصولات و خدمات اولین گام مهمی است که می‌تواند به مشتریان کمک کند تا تصمیمات خرید آگاهانه‌تری بگیرند. علاوه‌براین، ایجاد تجربه‌ای لذت‌بخش و جذاب در فرایند جست‌وجو با استفاده از طراحی وبسایت کاربرپسند و محتوای چندرسانه‌ای می‌تواند تجربۀ مشتریان را بهبود بخشد و آن‌ها را به تعامل بیشتر ترغیب کند. تأکید بر مزایای خرید آنلاین مانند راحتی، دسترسی سریع و تخفیف‌های ویژه یکی دیگر از راهکارهایی است که می‌تواند جذابیت خرید اینترنتی را افزایش دهد و مشتریان را به اقدام فوری تشویق کند. برای کاهش خطرهای درک‌شده از خرید آنلاین، بازاریابان باید سیاست‌های بازگشت و تعویض شفاف، گارانتی محصول و گواهی‌های امنیتی را به‌وضوح ارائه دهند تا اعتماد مشتریان را جلب کنند. همچنین بهینه‌سازی تجربۀ خرید آنلاین ازطریق بهبود سرعت وبسایت، سادگی فرایند خرید و ارائۀ پشتیبانی آنلاین می‌تواند تجربۀ مثبتی برای مشتریان ایجاد و آن‌ها را به خرید ترغیب کند. درنهایت، ارائۀ پیشنهادهای شخصی‌سازی‌شده براساس سابقۀ جست‌وجو و خرید مشتریان یکی دیگر از راهکارهایی است که می‌تواند تجربه‌ای منحصربه‌فرد و سودمند برای مشتریان فراهم آورد و آن‌ها را به برند وفادارتر کند.

 

بخش سوم

خوشۀ سوم کوچک‌ترین بخش مشتریان آنلاین خرده‌فروشی‌های آنلاین است. این بخش انگیزه‌ها و رفتارهای خرید آنلاین مشابهی با دو خوشۀ قبل دارد؛ ولی مسئلۀ مهم این بخش، نزدیک‌بودن انگیزۀ سودمندی و لذت‌جویانه است؛ بنابراین، به بازاریابان توصیه می‌شود انگیزه‌های همزمان و نزدیک این بخش در خرید آنلاین را در نظر داشته باشند و در مرحلۀ اول، آن‌ها را به افزایش انگیزۀ سودمندی سوق دهند و همچنین به افزایش رفتارهای قصد جست‌وجوی آنلاین و قصد خرید آنلاین کمک کنند. برای بهبود اثربخشی راهبرد‌های بازاریابی در حوزۀ خرید آنلاین پیشنهاد می‌شود که بازاریابان رویکردی دوگانه اتخاذ کنند که همزمان انگیزه‌های سودمندی و لذت‌جویانه مشتریان را تقویت کند. به‌عنوان یک اقدام کاربردی، بازاریابان می‌توانند از تجزیه‌وتحلیل داده‌های مشتریان برای شناسایی الگوهای رفتاری و ترجیحات آن‌ها استفاده کنند. این تجزیه‌وتحلیل می‌تواند نشان دهد که چه نوع اطلاعات، محتوا یا تجربه‌های دیجیتال می‌تواند انگیزۀ سودمندی مشتریان را تقویت کند؛ مثلاً ارائۀ محتوای آموزشی، نقدوبررسی‌های دقیق محصولات، و پیشنهادهای شخصی‌سازی‌شده براساس نیازهای واقعی مشتری می‌تواند باعث افزایش درک مشتری از مزایای عملی خرید آنلاین شود. درعین‌حال، برای افزایش انگیزۀ لذت‌جویانه بازاریابان می‌توانند تجربه‌های جذاب و لذت‌بخش را در تمام مراحل فرایند خرید ایجاد کنند؛ مثلاً طراحی محیط کاربری شاداب و دلنشین، استفاده از تصاویر و ویدئوهای جذاب، و ارائۀ تخفیف‌ها و پیشنهادهای ویژه به‌عنوان پاداش‌های لحظه‌ای می‌تواند حس لذت‌جویانۀ مشتریان را تقویت کند. همچنین استفاده از روش‌های تعاملی مانند بازی‌سازی[1] و پویش‌های اجتماعی[2] که حس مشارکت و سرگرمی را در مشتریان برانگیزد، می‌تواند تجربۀ خرید آنلاین را به تجربه‌ای لذت‌بخش تبدیل کند. درنهایت، بازاریابان باید این دو رویکرد را به‌صورت هماهنگ و همزمان به کار بگیرند؛ به‌گونه‌ای که مشتریان نه‌تنها احساس کنند خرید آنلاین برای آن‌ها سودمند و کاربردی است، بلکه این تجربه برایشان جذاب و لذت‌بخش نیز هست. این رویکرد، با ایجاد انگیزه‌های هم‌زمان و نزدیک می‌تواند به‌طور مؤثری قصد جست‌وجوی آنلاین و قصد خرید آنلاین مشتریان را افزایش دهد. انگیزۀ لذت‌جویانه، خرید آنی آنلاین و درگیری مصرف‌کننده آنلاین در این خوشه نسبت به دو خوشۀ دیگر نقش پررنگ‌تری دارد. به دلیل مشابهت انگیزه‌ها و رفتارهای اثرگذار در میان هر سه بخش از تکرار پیشنهادهای مشابه خودداری می‌شود و فقط پیشنهادهایی باتوجه‌به تفاوت‌های این بخش بیان خواهد شد.

انگیزۀ لذت‌جویانه به نیازهای عاطفی مشتریان مربوط می‌شود و شامل احساسات غیرکارکردی مانند احساس لذت و شادی است و «میزان لذت‌بردن مشتریان از تجربۀ خرید» تعریف می‌شود (Busalim et al., 2021). انگیزه‌های خرید لذت‌جویانه با نیازهای عاطفی افراد برای لذت‌بردن و ایجاد تجربۀ خرید جالب مرتبط است. بازاریابان باید بر تقویت انگیزه‌های لذت‌جویانه در مشتریان تمرکز کنند تا تجربۀ خرید را به فعالیتی دلپذیر و جذاب تبدیل کنند. یکی از اقدامات کلیدی این است که محیط‌های خرید آنلاین و فیزیکی را به‌گونه‌ای طراحی کنند که حس لذت و شادی را در مشتریان برانگیزد؛ این کار می‌تواند ازطریق استفاده از رنگ‌های جذاب، تصاویر خلاقانه و محتوای بصری و صوتی دلنشین محقق شود. علاوه‌براین، ارائۀ پیشنهادهای ویژه و لحظه‌ای مانند تخفیف‌های زمان‌دار، هدایای رایگان و تجربه‌های تعاملی می‌تواند حس لذت و هیجان را در مشتریان افزایش دهد. شخصی‌سازی تجربۀ خرید نیز یکی دیگر از راهکارهای مهم است. بازاریابان می‌توانند با تحلیل داده‌های مشتریان و ارائۀ محصولات و خدماتی که با علائق و نیازهای شخصی آن‌ها همخوانی دارد، تجربه‌ای منحصربه‌فرد و لذت‌بخش برای هر مشتری ایجاد کنند. این اقدامات نه‌تنها رضایت و لذت آنی را به همراه دارد، می‌تواند به ایجاد ارتباطات عاطفی قوی‌تر با برند و افزایش وفاداری مشتریان نیز منجر شود.

رفتار خرید آنی ابتدا در مغازه‌های خرده‌فروشی رخ داد (Zhou et al., 2014)؛ سپس ظهور عصر اینترنت و گسترش تجارت الکترونیک به ظهور رفتار خرید آنلاین منجر شد (Xiang et al., 2016). بازاریابان باید به‌طور فعال از فناوری‌های اطلاعاتی و قابلیت‌های سامانه‌های آنلاین برای تقویت خرید آنی بهره ببرند. اولین پیشنهاد این است که بر بهینه‌سازی تجربۀ کاربری تمرکز کنند؛ به‌ویژه با ایجاد ناوبری ساده و جست‌وجوی سریع که می‌تواند کاربران را به‌سرعت به اطلاعات مدنظرشان برساند و به تصمیم‌گیری فوری کمک کند. همچنین استفاده از الگوریتم‌های توصیه‌گر برای ارائۀ پیشنهادهای شخصی‌شده براساس سابقۀ خرید و علائق مشتریان می‌تواند به تحریک خریدهای ناگهانی کمک کند. این توصیه‌ها باید به شکلی طراحی شوند که مشتریان را به سمت محصولات مرتبط و جذاب هدایت کنند؛ درنهایت، بازاریابان باید از امکاناتی مانند خرید با یک کلیک و پرداخت آسان استفاده کنند تا فرایند خرید را تا حد ممکن ساده و بی‌دردسر سازند. این اقدامات نه‌تنها نرخ تبدیل را افزایش می‌دهد، با کاهش زمان و مراحل تصمیم‌گیری، احتمال خرید آنی را نیز به‌طور چشمگیری بالا می‌برد. کسب‌وکارها با اتخاذ این راهبردها می‌توانند از ظرفیت زیاد خرید آنی در فضای آنلاین به‌خوبی بهره ببرند.

درگیری مصرف‌کننده در رسانه‌های اجتماعی به معنای میزان فعال‌بودن مصرف‌کنندگان در استفاده از ابزار رسانه‌های اجتماعی سازمان است (Guesalaga, 2016). رسانه‌های اجتماعی به افراد اجازه می‌دهند تا آزادانه با دیگران تعامل داشته باشند و راه‌های متعددی را برای بازاریابان برای دسترسی و تعامل با مصرف‌کنندگان ارائه می‌دهند (Appel et al., 2020). بازاریابان باید به‌طور فعال از فرصت‌های موجود در فضای آنلاین برای افزایش درگیری مصرف‌کننده بهره‌برداری کنند. اولین گام تمرکز بر شخصی‌سازی محتوا و ارتباطات است؛ بدین معنا که بازاریابان باید از داده‌های کاربران برای ایجاد تجربه‌های فردی و منحصربه‌فرد استفاده کنند که شامل ارائۀ پیشنهادهای ویژه براساس سابقۀ خرید، علائق و رفتارهای آنلاین مشتریان می‌شود. گام دوم استفاده از رسانه‌های اجتماعی به‌منزلۀ یک ابزار تعاملی قدرتمند است. با ایجاد کمپین‌های مشارکتی و برنامه‌های وفاداری که مصرف‌کنندگان را به شکل فعال درگیر می‌کند، می‌توان تعاملات عمیق‌تر و پایدارتری را با برند ایجاد کرد. در گام سوم بازاریابان باید به مدیریت دقیق انتظارات مشتریان توجه کنند. با ارائۀ پشتیبانی آنلاین سریع و کارآمد، می‌توان به نیازهای مصرف‌کنندگان به‌سرعت پاسخ داد و ارتباط عاطفی و شناختی آنان را با برند تقویت کرد. این رویکردهای جامع نه‌تنها به افزایش آگاهی از برند و تقویت وفاداری مشتریان کمک می‌کند، باعث افزایش فروش و بهبود موقعیت رقابتی برند در بازار آنلاین نیز می‌شود.

برای بهبود تجربۀ خرید مشتریان زن در خوشه‌های اول و سوم پیشنهاد می‌شود از شخصی‌سازی تجربۀ خرید با ارائۀ پیشنهادهای ویژه براساس سلیقۀ آن‌ها، طراحی کاربرپسند با رنگ‌های ملایم و دسته‌بندی‌های منظم استفاده شود. محتوای الهام‌بخش نظیر نکات زیبایی و مد می‌تواند ارتباط عاطفی با برند را تقویت کند. همچنین پشتیبانی قوی و تخفیف‌های مناسبتی مانند روز زن یا روز مادر و برنامه‌های وفاداری باعث افزایش رضایت و اعتماد آن‌ها خواهد شد. برای خوشۀ دوم که بیشتر شامل مردان است، اولویت با سرعت و کارایی خرید است؛ بنابراین، باید طراحی سایت ساده و فرایند خرید سریع باشد. ارائۀ پیشنهادهای مستقیم، اطلاعات فنی دقیق و تخفیف‌های بسته‌ای نیز مردان را به خرید ترغیب می‌کند.

برای خوشه‌هایی با مشتریان آسیایی تنوع محصولات مرتبط با فرهنگ آسیایی و پشتیبانی چندزبانه اهمیت دارد. استفاده از روش‌های پرداخت محلی و خدمات ارسال سریع و کارآمد به آسیا نیز می‌تواند تجربۀ خرید را بهبود بخشد. همچنین تخفیف‌ها در مناسبت‌های آسیایی نظیر دیوالی و سال نو چینی ارتباط با مشتریان را تقویت می‌کند. برای مشتریان اروپایی تأکید بر کیفیت، استانداردهای بین‌المللی، طراحی سادۀ سایت و ارائۀ گزینه‌های پرداخت رایج نظیر پی‌پل و کارت‌های اعتباری معتبر مفید است. تخفیف‌های فصلی و پشتیبانی به زبان‌های متداول اروپایی نیز می‌تواند رضایت و اعتماد آن‌ها را افزایش دهد.

 

پیشنهادهایی برای پژوهش‌های آینده

دربارۀ موضوع این پژوهش به پژوهشگرهای آینده توصیه می‌شود بخش‌بندی روان‌نگاری مشتریان خرده‌فروشی‌های آنلاین براساس انگیزه‌های خرید آنلاین (با بررسی ابعاد انگیزه‌های سودمندی و لذت‌جویانه)، یا به عبارتی دیگر، شناسایی ابعاد مختلف انگیزۀ سودمندی و لذت‌جویانه را که به خرید از خرده‌فروشی‌های آنلاین منجر می‌شوند، در نظر بگیرند. همچنین بخش‌بندی روان‌نگاری مشتریان خرده‌فروشی‌های آنلاین براساس رفتار‌های خرید آنلاین (با بررسی ابعاد قصد جست‌وجوی آنلاین، قصد خرید آنلاین، خرید آنی آنلاین و درگیری مصرف‌کنندۀ آنلاین)، یا به عبارتی دیگر، شناسایی ابعاد مختلف رفتار قصد جست‌وجوی آنلاین، قصد خرید آنلاین، خرید آنی آنلاین و درگیری مصرف‌کنندۀ آنلاین را که به خرید از خرده‌فروشی‌های آنلاین منجر می‌شوند، در نظر داشته باشند. این پژوهش افرادی را بررسی و بخش‌بندی کرده است که همۀ آن‌ها تجربۀ خرید از خرده‌فروشی‌های آنلاین را دارند؛ بااین‌حال، برای پژوهش‌های آینده پیشنهاد می‌شود محققان بررسی کنند چرا برخی از افراد تمایلی به خرید آنلاین از خرده‌فروشی‌های آنلاین ندارند. این بررسی می‌تواند شامل شناسایی انگیزه‌ها و رفتارهای عدم‌تمایل این افراد باشد و براساس آن، افراد را در گروه‌های مختلف بخش‌بندی کنند. این رویکرد می‌تواند به درک عمیق‌تر از انگیزه‌ها و رفتارهای افراد جامعه و بهینه‌سازی راهبردهای بازاریابی خرید آنلاین کمک کند. پژوهش‌های آینده می‌توانند ارتباط هر یک از انگیزه‌های خرید آنلاین در این پژوهش را با رفتارهای خرید آنلاین یعنی قصد جست‌وجوی آنلاین، قصد خرید آنلاین، خرید آنی آنلاین و درگیری مصرف‌کنندۀ آنلاین بررسی کنند. این پژوهش‌ها می‌توانند تعیین کنند کدام انگیزه‌ها تأثیر بیشتری بر هر یک از این رفتارها دارند. این تحقیقات می‌تواند به روشن‌شدن این مسئله کمک کند که چه انگیزه‌ای مشتریان را به سمت هر یک از رفتارهای خرید آنلاین سوق می‌دهد و چگونه می‌توان از این انگیزه‌ها برای بهبود راهبرد‌های بازاریابی خرید از خرده‌فروشی‌های آنلاین استفاده کرد. پیشنهاد می‌شود پژوهش‌های آینده رابطۀ میان هر کدام از انگیزه‌های خرید آنلاین با یکدیگر و هر کدام از رفتارهای خرید آنلاین با یکدیگر در این پژوهش را بررسی کنند؛ برای مثال بررسی کنند آیا رفتار قصد جست‌وجوی آنلاین بر رفتار درگیری مصرف‌کنندۀ آنلاین تأثیر دارد؟ همچنین پیشنهاد می‌شود در یک پژوهش علاوه‌بر متغیرهای انگیزه و رفتار خرید آنلاین، متغیر فرهنگ نیز اضافه شود. این کار می‌تواند به درک بهتر تأثیرات مختلف فرهنگی بر نتایج تحقیق کمک کند و نتایج حاصل از پژوهش را بیشتر تعمیم‌پذیر کند.

 

محدودیت‌های پژوهش

بی‌شک هر پژوهشی با محدودیت‌هایی روبه‌رو است. ازآنجا‌که در این پژوهش از رویکرد بخش‌بندی مبتنی بر شبکه‌های عصبی برای خوشه‌بندی مشتریان خرده‌فروشی‌های آنلاین استفاده شده است، برای دستیابی به نتایج معتبر و قابل‌اعتماد نیاز بود حجم نمونۀ بیشتری باتوجه‌به گستردگی و تنوع جهانی جامعۀ آماری استفاده شود. این امر به دلیل گستردگی مشتریان در سراسر جهان جمع‌آوری داده‌ها را به فرایندی بسیار پیچیده و زمان‌بر تبدیل کرد که چالش‌های فراوانی به همراه داشت و به‌طور چشمگیری زمان پژوهش را افزایش داد. به دلیل زمان‌بربودن تکمیل پرسش‌نامۀ پژوهش، وجود برخی سؤالات خصوصی مانند ملیت و کشور محل اقامت پاسخ‌دهندگان و ارسال آن ازطریق لینک در شبکه‌های اجتماعی و... پاسخ‌گویان به سختی حاضر به همکاری و تکمیل پرسش‌نامه‌ها می‌شدند. همچنین تعداد زیاد سؤالات جمعیت‌شناختی پژوهش که پژوهشگر به دلیل شناسایی برخی از رفتارهای خاص مشتریان آنلاین قادر به تعدیل آن‌ها نبود، ممکن است باعث شده باشد عده‌ای از کاربران برای تکمیل سؤالات دقت کافی نداشته باشند.

References

ایزدی، حمید، بحرینی‌زاد، منیژه، و اسماعیل‌پور، مجید (1398). بخش‌بندی مصرف‌کنندگان در شبکه‌های اجتماعی براساس انگیزه‌های اجتماعی مشارکت در ارتباطات دهان‌به‌دهان الکترونیک. مدیریت بازرگانی، 11(1)، 201-218.
https://doi.org/10.22059/jibm.2018.259484.3084
 
 Appel, G., Grewal, L., Hadi, R., & Stephen, A. T. (2020). The future of social media in marketing. Journal of the Academy of Marketing Science, 48(1), 79-95. https://doi.org/10.1007/s11747-019-00695-1
Arnold, M. J., & Reynolds, K. E. (2003). Hedonic shopping motivations. Journal of Retailing, 79(2), 77-95.
 https://doi.org/10.1016/S0022-4359(03)00007-1
Bai, B., Law, R., & Wen, I. (2008). The impact of website quality on customer satisfaction and purchase intentions: Evidence from Chinese online visitors. International Journal of Hospitality Management, 27(3), 391-402. https://doi.org/10.1016/j.ijhm.2007.10.008
Beatty, S. E., & Ferrell, M. E. (1998). Impulse buying: Modeling its precursors. Journal of Retailing, 74(2), 169-191.
https://doi.org/10.1016/S0022-4359(99)80092-X
Beauchamp, M. B., & Ponder, N. (2010). Perceptions of retail convenience for in-store and online shoppers. Marketing Management Journal, 20(1), 49-65. https://B2n.ir/tk7118
Botha, E., Donga, G., Toit, D., Ehlers, L., Maree, T. & Mugobo, V., Shambare, R., & Erasmus, A )2020(. Consumer Behaviour: South African Psychology and Marketing Applications. Oxford University Press.
Busalim, A. H., & Ghabban, F. & Hussin, A. R. C. (2021). Customer engagement behaviour on social commerce platforms: An empirical study. Technology in Society, 64, 101437.
https://doi.org/10.1016/j.techsoc.2020.101437
Chan, T. K., Cheung, C. M., & Lee, Z. W. (2017). The state of online impulse-buying research: A literature analysis. Information & Management, 54(2), 204-217.
https://doi.org/10.1016/j.im.2016.06.001
Chen, M. Y., & Teng, C. I. (2013). A comprehensive model of the effects of online store image on purchase intention in an e-commerce environment. Electronic Commerce Research, 13, 1-23.
 https://doi.org/10.1007/s10660-013-9104-5
Chakraborty, S., & Soodan, V. (2019). Examining utilitarian and hedonic motivations in online shopping in India: Moderating effect of product browsing behavior. International Journal of Recent Technology and Engineering, 8(1C2), 117-125. https://B2n.ir/zt3018
Chiu, C. M., Wang, E. T., Fang, Y. H., & Huang, H. Y. (2014). Understanding customers' repeat purchase intentions in B2C e‐commerce: The roles of utilitarian value, hedonic value and perceived risk. Information systems journal, 24(1), 85-114.
https://doi.org/10.1111/j.1365-2575.2012.00407.x
Dewi, I. J., & Mahemba, U. S. A. K. (2024). Utilitarian and hedonic shopping motives and attitude towards online shopping of generation Z in Indonesia. Ilomata International Journal of Management, 5(2), 542-558.
https://doi.org/10.61194/ijjm.v5i2.1135
Dost, B., Illyas, M., & Rehman, C. A. (2015). Online shopping trends and its effects on consumer buying behavior: A case study of young generation of Pakistan. NG-Journal of Social Development, 5(1), 1-22. https://www.arabianjbmr.com/pdfs/NGJSD_VOL_5_1/1.pdf
Guesalaga, R. (2016). The use of social media in sales: Individual and organizational antecedents, and the role of customer engagement in social media. Industrial Marketing Management, 54, 71-79.
https://doi.org/10.1016/j.indmarman.2015.12.002
Halim, E., & Karsen, M. (2020). The impact of trust to online purchase intention of business investors. International Conference on Information Management and Technology (ICIMTech). Bandung, Indonesia. https://doi.org/10.1109/ICIMTech50083.2020.9211132
Hawkins, D. I., & Mothersbaugh, D. L. (2013). Consumer Behavior: Building Marketing Strategy (12th ed.). McGraw-Hill.
Hepola, J., Leppäniemi, M., & Karjaluoto, H. (2020). Is it all about consumer engagement? Explaining continuance intention for utilitarian and hedonic service consumption. Journal of Retailing and Consumer Services, 57, 102232.
https://doi.org/10.1016/j.jretconser.2020.102232
Huang, E. (2012). Online experiences and virtual goods purchase intention. Internet Research, 22(3), 252-274.
https://doi.org/10.1108/10662241211235644
Hussain, A., Ting, D. H., & Marder, B. (2024). Why premium in freemium: A hedonic shopping motivation model in virtual game retailing. Information Technology & People, 1-48.
      https://doi.org/10.1108/ITP-01-2023-0082
Izadi, H., Bahrinizad, M., & Esmaeilpour, M. (2019). Segmenting consumers in social networks based on social motivations of engagement in electronic word of mouth relationships. Journal of Business Management, 11(1), 201-218.
https://doi.org/10.22059/jibm.2018.259484.3084 [In Persian]
Jimenez, D., Valdes, S., & Salinas, M. (2019). Popularity comparison between e-commerce and traditional retail business. International Journal of Technology for Business, 1(1), 10-16.
https://doi.org/10.5281/zenodo.2591555
Jiménez, F. R., Gammoh, B. S., & Wergin, R. (2020). The effect of imagery and product involvement in copy testing scores of animatics and finished ads: A schemata approach. Journal of Marketing Theory and Practice, 28(4), 460-471.
https://doi.org/10.1080/10696679.2020.1782231
Kumar, S., & Sadarangani, P. (2018a). An empirical study on shopping motivation among generation Y Indian. Global Business Review, 22(2), 500-516.
https://doi.org/10.1177/0972150918807085
Kumar, S., & Sadarangani, P. H. (2018b). Study of Shopping Motivation and Buying Behaviour among Generation Y in India. 11th Global Business Conference St. Scholastica’s College-Manila.
https://B2n.ir/xk9715
Majeed, M. U., Aftab, H., Arslan, A., & Shakeel, Z. (2024). Determining online consumer’s luxury purchase intention: The influence of antecedent factors and the moderating role of brand awareness, perceived risk, and web atmospherics. Plos One, 19(2), 1-26.
https://doi.org/10.1371/journal.pone.0295514
Moon, S., Jalali, N., & Erevelles, S. (2021). Segmentation of both reviewers and businesses on social media. Journal of Retailing and Consumer Services, 61, 102524. https://doi.org/10.1016/j.jretconser.2021.102524
Nasir, V. A., Keserel, A. C., Surgit, O. E., & Nalbant, M. (2021). Segmenting consumers based on social media advertising perceptions: How does purchase intention differ across segments? Telematics and Informatics, 64, 101687.
https://doi.org/10.1016/j.tele.2021.101687
Ngo, T. T. A., Nguyen, H. L. T., Nguyen, H. P., Mai, H. T. A., Mai, T. H. T., & Hoang, P. L. (2024). A comprehensive study on factors influencing online impulse buying behavior: Evidence from shopee video platform. Heliyon, 10(15), 1-19.
https://www.cell.com/action/showPdf?pii=S2405-8440%2824%2911774-4
Pedersen, P. E., & Nysveen, H. (2005). Search mode and purchase intention in online shopping behaviour. International Journal of Internet Marketing, 2(4), 288-306. https://doi.org/10.1504/IJIMA.2005.008103
Peña-García, N., Gil-Saura, I., Rodríguez-Orejuela, A., & Siqueira-Junior, J. R. (2020). Purchase intention and purchase behavior online: A cross-cultural approach. Heliyon, 6(6).
https://www.cell.com/action/showPdf?pii=S2405-8440%2820%2931128-2
Rook, D. W. (1987). The buying impulse. Journal of Consumer Research, 14(2), 189-199.
       https://doi.org/10.1086/209105
Rose, S., Hair, N., & Clark, M. (2011). Online customer experience: A review of the business‐to‐consumer online purchase context. International Journal of Management Reviews, 13(1), 24-39.
https://doi.org/10.1111/j.1468-2370.2010.00280.x
Schiffman, L.G., Kanuk, L. L. & Wisenbilt, J. (2010). Consumer Behavior. Upper Saddle River, Prentice Hall.
Shim, S., Eastlick, M. A., Lotz, S. L., & Warrington, P. (2001). An online prepurchase intentions model: The role of intention to search: Best overall paper award-The Sixth Triennial AMS/ACRA Retailing Conference. Journal of Retailing, 77(3), 397-416.
https://doi.org/10.1016/S0022-4359(01)00051-3
Smith, E., Ibanez, A., Lavretsky, H., Berk, M., & Eyre, H. A. (2021). Psychographic segmentation: Another lever for precision population brain health. Frontiers in Aging Neuroscience, 13, 783297.
https://doi.org/10.3389/fnagi.2021.783297
Statista (2021). Share of Consumers Who Made Planned, Unplanned, and Impulse Purchases on Social Media Worldwide as of October 2021.
https://www.statista.com/statistics/1276367/online-consumers-purchase-decision-behavior/.
Tang, Y., Chen, S., & Yuan, Z. (2020). The effects of hedonic, gain, and normative motives on sustainable consumption: Multiple mediating evidence from China. Sustainable Development, 28(4), 741-750.
https://doi.org/10.1002/sd.2024
Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The effect of online privacy information on purchasing behavior: An experimental study. Information Systems Research, 22(2), 254-268.
       https://doi.org/10.1287/isre.1090.0260
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204. https://doi.org/10.1287/mnsc.46.2.186.11926
Wang, M., & Qu, H. (2017). Review of the research on the impact of online shopping return policy on consumer behavior. Journal of Business Administration Research, 6(2), 15-21.
https://ideas.repec.org/a/jfr/jbar11/v6y2017i2p15-21.html
Watchravesringkan, K., Nelson Hodges, N., & Kim, Y. H. (2010). Exploring consumers' adoption of highly technological fashion products: The role of extrinsic and intrinsic motivational factors. Journal of Fashion Marketing and Management: An International Journal, 14(2), 263-281
https://doi.org/10.1108/13612021011046101
Xiang, L., Zheng, X., Lee, M. K., & Zhao, D. (2016). Exploring consumers’ impulse buying behavior on social commerce platform: The role of parasocial interaction. International Journal of Information Management, 36(3), 333-347. https://doi.org/10.1016/j.ijinfomgt.2015.11.002
Yang, Y., Guo, X., Wu, T., & Vogel, D. (2024). The effects of social media use and consumer engagement on physician online return: Evidence from Weibo. Internet Research, 34(2), 371-397.
http://dx.doi.org/10.1108/INTR-10-2021-0773
Yu, X., Tao, Y., Chen, Y., Zhang, W., & Xu, P. (2019). Social networks and online store performance in emerging economies: The mediating effect of legitimacy. Electronic Markets, 29(2), 201-218.
 https://doi.org/10.1007/s12525-019-00333-2
Zhou, Q., Chen, X., & Chen, Y. W. (2014). Influence of online store belief and product category on impulse buying: An empirical investigation on consumer perceptions. 2014 IEEE International Conference on Industrial Engineering and Engineering Management, Selangor, Malaysia.
https://doi.org/10.1109/IEEM.2014.7058879

Files

History

  • Receive Date: 13 April 2025
  • Revise Date: 16 June 2025
  • Accept Date: 17 August 2025

Share

How to cite

Statistics