مدل وفاداري مشتري براي سيستم‌‌‌‌‌‌هاي توصيه‌‌‌‌‌‌گر در تجارت الكترونيك

A Custome Loyalty Model fo E-Commerce Recommendation Systems

هدف اصلي اين تحقيق، ارائه مدل وفاداري مشتري براي سيستم‌هاي توصيه‌گر تجارت الكترونيك است‌‌‌‌. مدل پيشنهادي، به كمك مدل موفقيت «سيستم اطلاعات دلون و مك‌لين» و مجموعه‌اي از عوامل شناخته‌شده از منابع موجود تدوين شده است‌‌‌‌.‌‌‌‌ براي آزمايش فرضيه‌هاي تحقيقي مدل تدوين‌شده،‌‌‌‌ نظرسنجي پرسشنامه‌اي انجام و داده‌هاي حاصل از 384 مشتري از يك وب‌سايت B2C جمع‌آوري شده است‌‌‌‌.‌‌‌‌ در اجراي آمار توصيفي و تحليل‌هاي مسير و اعتبارسنجي مدل پيشنهادي، از نرم‌افزار "اس پي اس اس" و "اسمارت پي ال اس" استفاده شده است‌‌‌‌.‌‌‌‌ نتايج «مدل‌‌سازي معادلات ساختاري»، نشان داد كه عامل «اعتماد» داراي رابطه مهمي با رضايت مشتري در سيستم‌هاي توصيه‌گر تجارت الكترونيك است‌‌‌‌.‌‌‌‌ علاوه بر آن‌‌‌‌،‌‌‌‌ نتايج حاكي از آن است كه رضايت از محصولات پيشنهادي، مي‌تواند موجب ارتقاء وفاداري مشتري در سيستم‌هاي توصيه‌گر B2C شود‌‌‌‌.‌‌‌‌ مدل پيشنهادي، به مديران تجارت الكترونيك براي بهبود سيستم‌هاي توصيه‌گر كمك خواهد كرد‌‌‌‌ و از طريق كسب وفاداري مشتريان‌‌‌‌،‌‌‌‌ فروش محصولات را در وب‌سايت‌هاي فروش آنلاين افزايش خواهد داد.

The main objective of this research is to provide a customer loyalty model for e-commerce recommender systems. The proposed model is developed using Delone and McLean Information System success model and a set of factors which are identified from the literature. To test the research hypotheses of the developed model, a questionnaire survey is conducted and the data is collected from the 384 customers in a B2C website. We used SPSS and SmartPLS software for descriptive statistics and path analyses and to verify the proposed model. The result of the Structural Equations Modeling showed that trust has a significant relationship with the customers’ satisfaction in the e-commerce recommendation systems. In addition, the results revealed that satisfaction with the recommended products can improve the customers’ loyalty in the B2C recommendation systems. The proposed model will help the e-commerce managers to improve their website recommendation systems and increase the sale of the products by achieving the customers’ loyalty in the online shopping websites.