شناسایی عناصر سازنده «ارزش پیشنهادی به مشتری» و تاثیر آنها بر رضایت مشتری با استفاده از تحلیل احساسات بر مبنای متن کاوی

در سال های اخیر با توجه به گسترش کسب وکار های دیجیتال و حضور مشتریان در این محیط، امکان دسترسی به داده های مربوط به علایق و ارزش های مورد انتظار مشتریان فراهم شده است. هدف این پژوهش، شناسایی عناصر سازنده ارزش پیشنهادی به مشتری و بررسی تاثیر آنها بر رضایت مشتری با استفاده از روش تحلیل احساسات بر مبنای متن کاوی محتوای تولیدشده توسط کاربران در فضای مجازی است.

این پژوهش از نظر هدف، کاربردی، از نظر ماهیت، توصیفی پیمایشی، از نظر اجرا، کیفی کمی (آمیخته) با رویکرد استقرایی است. در پژوهش حاضر، کالای تلویزیون هوشمند، به عنوان مطالعه موردی انتخاب شد و 3865 نظر از خریداران این کالا از سایت فروشگاه آنلاین دیجی کالا جمع آوری و با استفاده از روش تحلیل احساسات تجزیه و تحلیل شد. برای طبقه بندی و جداسازی نظرهای مثبت و منفی، از روش های «یادگیری ماشین» استفاده شد و برای استخراج سازه های ارزش پیشنهادی، روش «تخصیص پنهان دریکله» به کار رفت.

بر اساس یافته های پژوهش، برای ارزش پیشنهادی به مشتری در رابطه با کالای تلویزیون هوشمند، 30 عنصر شناسایی شد. نتایج پژوهش نشان می دهد که 15 عنصر یا ویژگی محصول، بر رضایت مشتریان تاثیر مثبت دارد و 15 عنصر دیگر، به نارضایتی مشتریان منجر می شود.

نتایج پژوهش نشان می دهد که تحلیل نظرهای مشتریان و به بیانی «محتوای تولیدشده توسط کاربران»، برای شناخت و بررسی نگرش مشتری در رابطه با محصول، روشی کاربردی بوده و برای کسب وکارها در راستای ارایه محصول موفق با ویژگی های مورد علاقه مصرف کنندگان به بازار، ابزاری موثر است و با استفاده از آن توسط یادگیری ماشین، می توان در راستای تسهیل، افزایش دقت و سرعت شناسایی نیاز مشتری و خلق مشترک ارزش، گام های بزرگی برداشت.