ترجمه تخصصی مقاله تجربه مصرف کننده در صنعت رستوران و هتل
در دنیای تجارت امروز ، اعتبار آنلاین رستوران ها بسیار مهم است. اعتبار نقش مهمی را در تصمیم گیری مصرف کنندگان ایفا می کند (به عنوان مثال ، مشتریان تمایل دارند قبل از مراجعه به رستوران ، بررسی های آنلاین را بررسی کنند). با توجه به سرعت تولید بررسی آنلاین در این دنیای دیجیتال ، مدیریت اعتبار آنلاین آنها و درخواست بررسی های به موقع از مشتریان ، به یک کانون اصلی برای بسیاری از رستوران ها تبدیل می شود. با انعکاس این فوریت عملی ، ما دو سؤال مدیریتی را مورد بررسی قرار داده ایم که به واسطه مقالات مهمان نوازی موجود پاسخ کافی داده نشده است: آیا تجربه مشتری و موضوع عدم تأیید در زمان بندی ارسال بررسی های آنلاین اهمیت دارد؟ اگر بله ، رستوران ها چگونه باید در بررسی های آنلاین مسئله زمان بندی را کنترل کنند؟ بر این اساس ، سه فرضیه برای پاسخ به این سؤالات ارائه شده است. یافته های مربوطه پیامدهای مهمی را به همراه دارد. در جدول 7 خلاصه ای از پیامدهای مرتبط با افراد متخصص در صنعت ، به ویژه مدیران رستوران هایی که مایل به بقا و شکوفایی در عصر دیجیتال هستند و اعتبار آنلاین در آن حائز اهمیت است را ارائه می دهد. تأثیرات صنعت مرتبط با یافته های ما از سه جنبه در نظر گرفته شده است که هر یک از آنها با یک فرضیه مطابقت دارد.
عملیاتی سازی متغیر و خلاصه آمار
متغیر وابسته ، زمان بندی بررسی (ReviewTime) بود که توسط مدت زمان بین صرف غذا و زمان بررسی (یعنی گذشت زمان قبل از ارسال بررسی ها بعد از صرف غذا) اندازه گیری شد. متغیرهای مستقل عبارتند از: رتبه بندی ارزیابی مشتری (رتبه بندی و RatingSqu ( عدم تأیید مشتری (Disconfirm) ، یعنی اختلاف مطلق بین رتبه بندی بررسی مشتری و میانگین قبلی رتبه بندی بررسی .
برای جلوگیری از رگرسیون نادرست ، عوامل شناخته شده به طور قابل توجه در مقالات کنترل شدند. مشابه با تحقیقات هوانگ و همکاران. (2016) و لی و همکاران. (2019) ، متغیرهای کنترل به سه سطح تقسیم می شوند: سطح بررسی (Device, RevText, and RevPic) و سطح مصرف کننده(ConAveRating و ConRatingNum ) و سطح رستوران . (AvePrice and CuisineStyle) متغیرهای کنترل سطح بررسی شامل دستگاهی بودند که از طریق آن بررسی (دستگاه) و تعداد کاراکترها (RevText) و تصاویر (RevPic) در بررسی مشتری ارسال می شود). برای توضیح اثر ناهمگونی در سطح مصرف کننده ، ما قبل از نوشتن یک بررسی (ConAveRating) و تعداد فراوانی از بررسی های رستوران ها قبل از نوشتن یک نظر (ConRatingNum) ، تجربه بررسی گذشته مصرف کنندگان ، از جمله میانگین امتیاز بررسی او را کنترل کردیم. متغیرهای سطح رستوران نیز کنترل شد ، از جمله مصرف سرانه رستوران (AvePrice) و سبک غذاهای رستوران .(CuitsStyle) توضیحات مفصل در مورد کلیه متغیرها در جدول 2 ارائه شده است.
جدول 3 آمار خلاصه ای را برای کلیه متغیرها ارائه می دهد. شکل5-3 توزیع متغیرهای اصلی را نشان می دهد. به طور خاص ، شکل 3 نشان می دهد که 30.43٪ از بررسی ها در همان روز تجربه صرف غذا ارسال شده است، و 60.28٪ از بررسی ها طی یک هفته از تجربه صرف غذا ارسال شده است. شکل 4 نشان می دهد که بیشترین رتبه بندی های بررسی چهار ستاره (41.24٪) و پس از آن پنج ستاره (92/36٪) ، سه ستاره (18.55٪) ، دو ستاره (1.99٪) و یک ستاره (1.30٪) است. شکل 5 نشان می دهد که اکثر مشتریان ارزیابی های مشابه با مشتریان قبلی دارند ، یعنی عدم تأیید مشتری در کمتر از یک مورد 76. 70 درصد مشتریان را تشکیل می دهند.
نتایج ارائه شده در جدول 4 نشان می دهد که همبستگی بین متغیرهای این مطالعه نسبتاً ضعیف است. همبستگی ضعیف در بین متغیرهای مستقل ، مسئله چند قطبی بودن را کاهش داده و قابلیت اطمینان و اعتبار نتایج برآورد را بهبود می بخشد.
مشخصات مدل
بر اساس چارچوب تحقیق نشان داده شده در شکل 2 ، مدل اقتصاد سنجی به شرح زیر است:
که در آنi به مصرف کننده ؛ j به رستوران؛ t به زمان اشاره دارد؛ ReviewTime دو اندازه گیری از زمان بندی بررسی پست شده را ارائه می دهد ، یکی طی روز و دیگری طی ساعت. cosumeri اشاره به جلوه های ثابت خاص مشتری است که ویژگی های ذاتی هر یک از مصرف کنندگان در زمان را ضبط می کند. و month t ، به جلوه های ثابت خاص زمان بندی اشاره دارد که روند زمانی و فصلی را ضبط می کند. این تأثیرات ثابت ما را قادر می سازد تا ناهمگنی بدون محدودیت زمانی در بین مشتریان و دوره های زمانی را کنترل کنیم (ریشیکا و همکاران، 2013).
نتایج تخمین
ما از یک مدل رگرسیون چند جمله ای با استفاده از بررسی (ReviewTime) به عنوان متغیر وابسته استفاده می کنیم. در جدول 5 اثرات تخمین زده شده در مورد عدم تأیید و رتبه بندی آنلاین و شرایط تعامل آنها بر زمان بندی بررسی با ناهمگونی بررسی ها ، رستوران ها ، بررسی کنندگان و زمان کنترل شده ارائه شده است.
دانلود مقالات ترجمه شده جدید مدیریت بازاریابی
برای مقایسه ، ابتدا مدل اصلی برای زمان بررسی که طی روزها اندازه گیری شده است (ستون 1) را ارائه می دهیم ، و به دنبال آن یک مدل جایگزین برای زمان بندی بررسی در ساعت اندازه گیری می شود (ستون 2). استفاده از دو روش زمانبندی بررسی به عنوان متغیرهای وابسته به ما این امکان را می دهد تا ببینیم که چگونه زمان بررسی در طول بررسی تحت تأثیر رتبه بندی عدم تأیید و آنلاین ، به طور جداگانه و با هم قرار گرفته است. یافته های ستون 2 از نظر کیفی با یافته های ستون 1 مطابقت داشت. در ادامه ، نتایج گزارش شده در ستون 1 را مورد بحث قرار می دهیم. همانطور که در ستون 1 نشان داده شده است ، عدم تأیید بر زمان بندی بررسی (6.354848 برای عدم تأیید) تأثیر مثبت دارد. به عبارت دیگر، هرچه تأیید بیشتر شود ، قبل از ارسال بررسی بعد از صرف غذا ، تأخیر طولانی تر خواهد شد. به طور خاص ، تفاوت یک واحدی از امتیاز متوسط بررسی های قبلی باعث می شود مشتری بررسی خود را حدود 6 روز به تعویق بیندازد. این یافته نشان می دهد که هنگام عدم تأیید ارزیابی کیفیت رستوران توسط کاربران قبلی ، چند روز طول می کشد تا مشتری داوری خود را به طور علنی در رسانه های اجتماعی ارائه دهد و تئوری تأثیر اجتماعی را تأیید کند. بنابراین ، Hl ( عدم تأیید تأثیر منفی بر سرعت ارسال آنلاین بررسی دارد) پشتیبانی می شود. از نظر تأثیر مستقیم تجربه مشتری با رستوران ، ما یک رابطه معکوس U بین رتبه بندی آنلاین (نشانگر تجربه مشتری) و زمان بندی بررسی (*** 18.21516 برای رتبه بندی و *** 2.66644- برای RatingSqu می یابیم). مشتریانی که بیشترین تجربه منفی یا مثبت را با یک رستوران دارند ، تمایل دارند سریعتر از افرادی که تجربه متوسطی دارند ، بررسی را ارسال کنند. به طور خاص، کمترین سرعت بررسی مربوط به تجربه مشتری با رتبه بندی آنلاین تقریباً سه ستاره است که نمایانگر ارزیابی متوسط تجربه رستوران است که در نقطه میانی در محدوده منفی ترین (یک ستاره) تا مثبت ترین (پنج ستاره) قرار دارد. نتایج شبه عدم تقارن در اثر درجه دوم رتبه بندی آنلاین بین افزایش صعودی از منفی ترین تجربه به میانگین تجربه ، و کاهش نزولی از مثبت ترین به میانگین تجربه را نشان می دهد. این الگوی نامتقارن حاکی از آن است که وقتی تجربه مشتری از منفی ترین (یک ستاره) یا مثبت ترین (پنج ستاره) به میانگین (سه ستاره) به طور متوسط (سه ستاره) تغییر می کند، سرعت بررسی کاهش می یابد. برای آزمایش فرضیه سوم در این مطالعه (اثر متقابل غیر خطی بین تجربه مصرف کننده و عدم تأیید در زمان بندی بررسی) ، اصطلاح تعامل بین فرم درجه دوم رتبه بندی ارزیابی مشتری و تأیید در مدل اقتصاد سنجی درج شده است که در اثرات مکعب در جدول 5 نشان داده شده است. نتایج همچنین حاکی از نقش تعدیل کننده قابل توجه درجه دوم تجربه مشتری در مورد اثر عدم تأیید (9472714 *** برای (Disconfirni x RatingSqu است. اثر عدم تأیید در زمان بندی بررسی برای مصرف کنندگانی که بیشترین تجارب منفی و مثبت را دارند ، از H3 پشتیبانی می کند. به طور خاص ، هنگامی که تجربه مشتری با یک رستوران بسیار منفی می شود ، تأثیر مثبت تأیید آنها در ارزیابی های قبلی مشتریان بر زمان بندی بررسی آنها افزوده می شود ، و این نشان می دهد که زمان بیشتری برای ارسال نظر نیاز است. به همین ترتیب، حتی هنگامی که مشتریان تجربه بسیار مثبتی دارند ، به احتمال زیاد به دلیل تمایل مشتریان به ارائه نظر یا "هنجارهای اجتماعی" ایجاد شده توسط مشتریان قبلی عدم تأیید سرعت بررسی را کندتر می کند ( سیالدینی و گلداستین، 2004؛ سیالدینی، 2009). هنگامی که مشتریان تجربه متوسطی با یک رستوران دارند ، ارسال عدم تأیید نظرات مشتریان قبلی ، زمان کمتری را می طلبد. این نتایج به این واقعیت اشاره دارد که تأثیرگذاری اجتماعی به طرز چشمگیری بررسی را کند می کند که نظر دیگری را نسبت به موارد قبلی به همراه دارد. زمانیکه از رتبه بندی آنلاین صحبت می شود ، گله های مصرف کنندگان ، همراه با حساسیت آنها به "نفوذ اجتماعی" ، احتمالاً ابراز عقیده در پلتفرم های اجتماعی را سرکوب می کنند.
بررسی قوت
برای کاهش عدم تقارن داده ها ، ما قبل از گنجاندن آنها در لگاریتم های طبیعی از کلیه متغیرهای نامتوازن استفاده می کنیم که شامل تعداد کاراکترها (RevText) ، تعداد تصاویر در یک بررسی (RevPic) ، بررسی تجمعی قبلی مشتری در رستوران (ConRatingNum) ، و سرانه مصرف رستوران (Aveprice) است. به طور کلی ، هنگامی که این متغیرها را در برآورد بدون عدم تائید ثبت وقایع وارد می کنیم ، نتایج ثابتی را بدست می آوریم که در جدول 6 گزارش شده است. تنها عدم هماهنگی ، اثر عدم تأیید در زمان بندی بررسی است که در سطح 10٪ ناچیز است ، اگرچه اثر متقابل آن با تجربه صرف غذای مصرف کننده از نظر آماری معنادار است.
دانلود مقالات ترجمه شده جدید مدیریت بازاریابی
نتیجه گیری و پیامدها
ابتدا تأثیر منفی عدم تأیید - اختلاف بین تجربه مشتری کانونی و میانگین رتبه بندی بررسی قبلی مشتریان در همان رستوران - بر زمان بندی بررسی های آنلاین مشتریان را مشخص کردیم. این یافته ، نظریه انتظار-عدم تأیید را تکرار می کند(EDT) )الیور ، 1977 ، 1980) ، که مفهوم عدم تأیید را معرفی می کند و از آن برای توضیح رضایت مشتری در جهانگردی و مهمان نوازی استفاده شده است (به عنوان مثال ، آلن ، 2003 ؛ پیزام و میلمن ، 1993) ، خریدهای مکرر (اندرسون و سالیوان ، 1993 ؛ بااتاچرجی ، 2001) و شکایات پس از خرید (بیردن و تیل، 1983). مطالعه اخیر (هو و همکاران ، 2017) تأثیر عدم تأیید بین رتبه بندی میانگین بررسی قبلی و تجربیات مشتریان کانونی را بر تمایل مصرف کنندگان برای ارسال بررسی های آنلاین و رتبه بندی های بررسی مورد بررسی است. مطالعه ما با بررسی اثر عدم تأیید در زمان بندی بررسی آنلاین مصرف کنندگان ، به نوبه خود از کار قبلی متمایز است (هو و همکاران ، 2017).
دوم ، ما یک رابطه معکوس U شکل بین تجربه مصرف کننده و زمان بندی ارسال بررسی آنلاین مشاهده کردیم. یعنی مشتریانی که دارای تجربیات صرف غذای قطبی شده هستند (به شدت ناراضی و به شدت راضی) تمایل دارند تجربه خود را سریعتر از افرادی که تجربه متوسط دارند بررسی کنند. مطالعات قبلی فقط نشان می دهد که تجربه یک فرد می تواند بر تمایل پس از مصرف او برای ارسال بررسی های آنلاین و رتبه بندی بررسی تأثیر بگذارد (اندرسون ، 1998 ؛ دلاروکاس و نارایان ، 2006 ؛ دلاروکاس و همکاران ، 2010 ؛ هو و همکاران ، 2017). این یافته جریان تحقیقات را در مورد تأثیر تجربیات مبتنی بر محصول بر زمانبندی بررسی آنلاین مصرف کنندگان گسترش می دهد.
علاوه بر این ، اثر عدم تأیید غیر یکنواخت است. همراه با رابطه معکوس U شکل بین تجربه مصرف کننده و سرعت ارسال بررسی آنلاین ، اثر عدم تأیید در سرعت ارسال بررسی برای مصرف کنندگان با تجربیات کاملاً منفی یا مثبت قابل توجه است ، در حالی که برای مصرف کنندگان با تجربیات متوسط ضعیف تر است. این تحقیق بینش هایی را به مقالات مربوط به پیوستگی زمان بندی بررسی آنلاین می افزاید و استراتژی های عملی را برای بازاریابان رستوران ایجاد می کند.
سهم نظری
تحقیقات اولیه در مورد بررسی های آنلاین بر تأثیر بررسی های ارسال شده بر روی بررسی های بعدی از نقطه نظر اجتماعی پویا متمرکز است (لی و همکاران ، 2015؛ مو و شوودل ، 2012 ؛ هو و همکاران ، 2017). کار ما ابتدا تأیید می کند که رفتار مشتری در ارسال بررسی های آنلاین به طور مشترک متاثر از تجربه شخصی و تأثیر اجتماعی است (به عنوان مثال ، نظرات قبلی مشتریان). علاوه بر این ، ما یک چشم انداز جدید را پیش بینی می کنیم که در آن اختلاف بین تجربه شخصی و مرجع اجتماعی بررسی های بعدی را تحریک می کند. با ادغام نظر شخصی و تأثیرگذاری اجتماعی به عنوان دو عامل تعیین کننده در رفتارهای ارسال آنلاین ، ما نخستین تلاش را برای اثبات تأثیر انتقادی عدم تأیید بر ارسال رفتار به صورت تجربی انجام می دهیم. سرانجام ، ما استدلال می کنیم که تاثیر عدم تأیید ممکن است به اصلاح سوگیری بررسی های آنلاین کمک کند. هر بررسی جدید با نظر متفاوت در مورد تجربه صرف غذا به"دانش جمعیت" می افزاید: (لورنز و همکاران ، 2011). بنابراین، این امکان وجود دارد که از طریق عدم تأیید بررسی های قبلی ، مشتری بتواند ارزیابی یک رستوران را با اطلاعات به روز و به روز شده و بررسی های رستوران مرتبط تر کند.
مقالات نشان می دهد که تأثیر اجتماعی می تواند موارد مختلفی از مشتری را مغرضانه کند و نحوه بررسی مشتریان یک محصول را دستکاری کند ( آرال2014؛ هو و همکاران.، 2009). ما دیدگاه جدیدی را ارائه می دهیم که نشان می دهد تأثیر اجتماعی همچنین می تواند بر زمان بندی بررسی مشتریان تأثیر بگذارد و بررسیهای جدیدی که موارد قبلی را تائید نمی کند تسریع کند. زمان بندی بررسی یا پیوستگی زمانی در مقالات کمتر از سایر معیارهای بررسی های آنلاین مانند ارزش بحث شده است (زی و همکاران.، 2014؛ زانگ و همکاران.، 2016، حجم (زی و سو، 2018 و واریانس ( سینتاگونتا و همکاران ، 2010 ؛ ژانگ و همکاران ، 2019). یک مورد استثناء تحقیقات یانگ و همکاران است. (2018)، که تأثیر پیوستگی زمانی را در حد نهایی بررسی مورد بررسی قرار میدهد. این مقاله مطمئناً می تواند از تحقیقات بیشتری درمورد زمان بندی بررسی های آنلاین بهره مند شود ، زیرا کمبود اطلاعات ، تضمین می کند که یک رستوران به موقع ارزیابی می شود. مطالعه ما نقش عدم تأیید را روشن می کند ، که به عنوان یک عامل اصلی بررسی های آنلاین بموقع به کار می روند ، بنابراین به حجم مقالات در مورد زمان بندی بررسی می افزاید.
دانلود مقالات ترجمه شده جدید مدیریت بازاریابی
سرانجام ، تحقیقات ما عوامل تعدیل کننده ای را نشان می دهد که تاثیر عدم تأیید در زمان بندی بررسی را شرط می کند: مثبت بودن و منفی بودن تجربه مشتری. این تعدیل بسیار مهم است زیرا تصمیم گیری مشتریان را برای ارسال بررسی های آنلاین به صورت واقعی بیان می کند. آنها نه تنها به نظرات دیگران به عنوان یک معیار اشاره می کنند بلکه به برداشت های خود می پردازند. با وجود این واقعیت که توزیع قطبی بررسی های آنلاین به طور گسترده ای در مقالات پذیرفته شده است (هو وهمکاران.، 2017) ، تحقیقات در مورد چگونگی تأیید تأثیرگذاری بر زمانبندی بررسی ، با توجه به تجربیات مختلف مشتری ، پراکنده است.
کار ما شرایط قطبی تجربه مشتری را که در بررسی ها منعکس شده است ، در نظر می گیرد و بررسی می کند که چگونه اثر زمان بندی عدم تأیید تحت این شرایط متفاوت است. ما می دانیم که اثر عدم تأیید در زمانبندی بررسی برای مصرف کنندگان با تجربه ای بسیار منفی یا به شدت مثبت قابل توجه است ، در حالی که برای مصرف کنندگانی که تجربه متوسطی دارند ضعیف است. این شواهد تجربی شکاف موجود در مقالات را پر کرده و درک ما از ناهمگونی تشخیص در تأثیرگذاری بر زمانبندی بررسی های آنلاین عمیق تر می کند.
سهم عملی
یافته های ما گذشت زمان (تقریباً چند روز) را قبل از اینکه مشتری یک عدم تائید بررسی را قبل از نظرات مصرف کنندگان قبلی ارسال کند نشان می دهد. مولفه زمان برای مدیران رستوران بسیار مهم است زیرا آنها فرصتی برای تأثیرگذاری بر بررسیهای آینده در ایجاد نتیجه مثبت خواهند داشت. با توجه به تبلیغات رسانه های اجتماعی ، پاسخ های مدیران نسبت به بررسی های قبلی به آسانی و بصورت آنلاین و همینطور خود بررسی ها در دسترس است. با توجه به این مولفه زمانی ، مدیران می توانند بررسیهای قبلی را از نزدیک مشاهده کنند ، احساسات نامطلوب را در درون خود شناسایی کنند و با استفاده از روشهای کارآمد بازیابی خدمات سریعاً به این بررسیها پاسخ دهند. این واکنش مدیریتی پتانسیل بسیار خوبی برای اصلاح تصویر یک رستوران است که از طریق بررسی های منفی قبلی به تصویر کشیده شده است و اطلاعات جدیدی که ممکن است مشتریان جدید هنگام ارسال بررسی های عدم تائید در نظر بگیرند را ارائه می دهد. در این سناریو "اکنون یا هرگز" ، نتایج ما باید مدیران رستوران را ترغیب کند تا به سرعت به بررسی کاربران واکنش نشان دهند. به ویژه ، مدیران رستوران باید برای نظارت بر ارسال بررسیهای مشتری ، از الگوریتم بازرسی زمان واقعی یا تکنیکهای یادگیری ماشین خودکار استفاده کنند.