علم تصمیم گیری و سیستم های هوشمند 3060-7574 2 1404 07 01 Designing an Interpretive Structural Model of Artificial Intelligence Applications in the International Marketing Process (Case Study: Food Industry) طراحی مدل ساختاری -تفسیری کاربردهای هوش مصنوعی در فرآیند بازاریابی بین‌المللی (مورد مطالعه: صنعت مواد غذایی) 1 47 FA فرامرز کاظمی کارشناس ارشد مدیریت بازرگانی، موسسه غیرانتفاعی سهروردی قزوین ، قزوین، ایران نیما رحمانی استادیار گروه مدیریت بازرگانی، موسسه غیرانتفاعی سهروردی قزوین ، قزوین، ایران عادل پورقادر چوبر دکتری مهندسی صنایع، دانشگاه آزاد واحد قزوین Journal Article 1404/02/09 <p>Artificial intelligence (AI), by transforming data analytics and content personalization, has become a strategic tool in international marketing, rapidly reshaping traditional marketing approaches. The primary objective of this study is to identify AI applications in marketing based on the stages of the marketing process and then to prioritize them by considering their reciprocal influences and establishing a hierarchical structure. To identify relevant factors, the study draws upon the existing research literature. For this purpose, a mixed-methods approach (qualitative–quantitative) is employed. In the qualitative phase, the focus is on identifying factors, while in the quantitative phase, the emphasis is on their stratification and ranking. The research paradigm is interpretive, the study is applied in nature, and its reasoning combines deductive and inductive logic. The research strategy follows a survey design. The statistical population consists of experts from leading brands in Iran’s food industry. A sample of 15 experts was selected and analyzed. To examine data and the causal relationships among variables influencing the application of AI in the international marketing process of the food industry, the Interpretive Structural Modeling (ISM) method was utilized. Data were collected using a specialized questionnaire and analyzed with the ISM technique. The findings from the data analysis, which include 16 selected AI applications, resulted in the creation of a six-level hierarchical structure. In this structure, the sixth level, encompassing big data analytics, emerged as the most influential, while the first level, including customer satisfaction evaluation, sales forecasting, and similar metrics, was identified as the most dependent and impacted. Additionally, the market trend forecasting criterion, positioned at the third level, was recognized as a pivotal turning point within the model. Using this model enables a deeper understanding of the interrelationships among these components, facilitating the design of more effective and efficient strategies to enhance performance in the food industry. Considering the growing significance of AI in marketing and its pivotal role in improving productivity and competitiveness for companies in international markets, the outcomes of this study can serve as a valuable guide for managers and decision-makers across various industries, particularly the food sector.</p> <p>هوش مصنوعی با تحول‌آفرینی در تحلیل داده‌ها و شخصی‌سازی محتوا، به ابزاری استراتژیک در بازاریابی بین‌المللی تبدیل شده و با شتابی چشمگیر، رویکردهای سنتی بازاریابی را دگرگون می‌سازد. هدف اصلی این پژوهش، شناسایی کاربردهای هوش مصنوعی در بازاریابی بر اساس مراحل فرآیند بازاریابی و سپس اولویت‌بندی آن‌ها با در نظر گرفتن تأثیرات و تأثرات متقابل آن‌ها بر یکدیگر و ایجاد ساختاری سلسله‌مراتبی است. برای شناسایی عوامل مرتبط، از ادبیات پژوهش بهره گرفته می‌شود. به این منظور، روش تحقیق ترکیبی (کیفی-کمی) به‌کار برده می‌شود. در بخش کیفی، تأکید بر شناسایی عوامل است و در بخش کمی، سطح‌بندی و رتبه‌بندی آن‌ها مورد توجه قرار می‌گیرد. پارادایم این پژوهش تفسیری، نوع آن کاربردی و استدلال آن ترکیبی از قیاسی و استقرایی است. استراتژی تحقیق نیز از نوع پیمایشی است. جامعه آماری این پژوهش را خبرگان برجسته‌ترین برندهای صنعت مواد غذایی ایران تشکیل می‌دهند. از این جامعه، 15 نمونه انتخاب و تحلیل شده‌اند. برای تحلیل داده‌ها و روابط علّی و معلولی میان متغیرهای مؤثر بر کاربرد هوش مصنوعی در فرآیند بازاریابی بین‌المللی صنعت مواد غذایی، از مدل ساختاری-تفسیری استفاده شده است. داده‌ها با استفاده از پرسشنامه‌ای ویژه گردآوری و با بهره‌گیری از روش ساختاری-تفسیری تحلیل شده‌اند. نتایج حاصل از تجزیه‌وتحلیل داده‌ها، که شامل 16 کاربرد منتخب است، به ایجاد شش سطح سلسله‌مراتبی منجر شده است. در این ساختار، سطح ششم، که معیار تحلیل کلان‌داده‌ها را دربرمی‌گیرد، تأثیرگذارترین سطح بوده و سطح نخست، که شامل ارزیابی رضایت مشتری، پیش‌بینی فروش و غیره است، به‌عنوان متأثرترین سطح (تأثیرپذیرترین) شناخته می‌شود. همچنین، معیار پیش‌بینی روند بازار در سطح سوم به‌عنوان نقطه عطف این مدل شناسایی شده است. با بهره‌گیری از این مدل، می‌توان به درکی عمیق‌تر از تأثیرات متقابل این اجزا دست یافت و در نتیجه، راهبردهایی مؤثرتر و کارآمدتر برای ارتقای عملکرد در صنعت مواد غذایی طراحی کرد. با توجه به اهمیت فزاینده هوش مصنوعی در حوزه بازاریابی و نقش محوری آن در بهبود بهره‌وری و رقابت‌پذیری شرکت‌ها در بازارهای بین‌المللی، نتایج این پژوهش می‌تواند به‌عنوان راهنمایی ارزشمند برای مدیران و تصمیم‌گیران در صنایع گوناگون، به‌ویژه صنعت مواد غذایی، مورد استفاده قرار گیرد.</p> https://www.dsisj.com/index.php/dsisj/article/download/25/27