مدیریت بازاریابی هوشمند

مدیریت بازاریابی هوشمند

ارائه الگوی تمایل به پرداخت بیشتر مشتریان برای قطعات دارای فناوری های نوین در صنعت خودروسازی (مورد مطالعه: گروه پژوهش صنعت مدرن)

نوع مقاله : مقاله علمی-پژوهشی

نویسندگان
سید محمد حسین لطفی آشتیانی 1
کبری بخشی زاده برج 2
1 دانش‌پژوه پسادکتری گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
2 دانشیار گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.
JABM.3.2.15564.351256.3257.30156
چکیده
این پژوهش با هدف ارائه الگوی تمایل به پرداخت بیشتر مشتریان برای قطعات دارای فناوری‌های نوین در صنعت خودروسازی انجام شده است. از نظر هدف، کاربردی و از نظر روش، با رویکرد آمیخته و در دو مرحله متوالی طراحی گردید. در گام نخست، با استفاده از روش گراندد تئوری، جامعه کیفی پژوهش شامل 20 نفر از خبرگان، مدیران و متخصصان مرتبط با طراحی، تولید، بازاریابی و فروش قطعات دارای فناوری‌های نوین در صنعت خودروسازی و به‌ویژه گروه پژوهش صنعت مدرن بود که نمونه‌گیری به‌صورت هدفمند و تا رسیدن به اشباع نظری انجام گرفت. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری و بر اساس رویکرد نظام‌مند، کدگذاری و مدل پارادایمی پژوهش تدوین شد. در این مدل، «تمایل به پرداخت بیشتر برای قطعات دارای فناوری‌های نوین» به‌عنوان پدیده محوری شناسایی گردید و شرایط علّی شامل «برتری عملکردی و فنی فناوری نوین»، «صرفه‌جویی اقتصادی و کاهش هزینه‌های آتی»، «تجربه احساسی و لذت‌محور»، «احساس نوآوری و تمایز» و «بهره‌وری انرژی و کارایی زیست‌محیطی» استخراج شد. همچنین «ارزش‌آفرینی و بازدهی بلندمدت»، «پایداری و مسئولیت‌پذیری محیط‌زیستی»، «تصویر ذهنی مثبت و هویت برند» و «تطابق با زیرساخت‌ها و شبکه تأمین» به‌عنوان شرایط زمینه‌ای، و «اعتماد مبتنی بر تجربه و شفافیت»، «اطمینان نهادی و تضمین خدمات»، «مرجعیت فنی و تخصصی» و «تأثیر اجتماعی و تجربه جمعی» به‌عنوان شرایط مداخله‌گر شناسایی شدند؛ راهبرد محوری «اطمینان از کارکرد فناوری در شرایط عملیاتی» و پیامدهایی نظیر «شکل‌گیری تمایل پایدار به پرداخت بیشتر»، «افزایش وفاداری مشتری» و «تقویت سرمایه‌گذاری در نوآوری» حاصل گردید. در گام دوم، بخش کمی پژوهش با روش پیمایش انجام شد. نمونه آماری این فاز شامل 384 نفر از مشتریان و استفاده‌کنندگان قطعات دارای فناوری‌های نوین مرتبط با گروه پژوهش صنعت مدرن بود. داده‌ها از طریق پرسشنامه مبتنی بر ابعاد مدل پارادایمی گردآوری شد. نتایج تحلیل‌ها (اعم از روایی، پایایی و برازش مدل) نشان داد که ساختار ابعادی استخراج‌شده در فاز کیفی، از نظر آماری مورد تأیید قرار گرفته و مدل نهایی تمایل به پرداخت بیشتر برای قطعات دارای فناوری‌های نوین، از اعتبار قابل قبول برخوردار است.
کلیدواژه‌ها
تمایل به پرداخت بیشتر
فناوری‌های نوین
خودروسازی
ارزش ادراک‌شده
تجربه احساسی
موضوعات

عنوان مقاله English

Developing a Model of Customers’ Willingness to Pay a Premium for Automotive Parts Equipped with Advanced Technologies (A Case Study: Modern Industry Research Group)

نویسندگان English

Seyed Mohamad Hosein Lotfi Ashtiani 1
Kobra Bakhshizadeh Borj 2
1 Postdoctoral Researcher of Marketing Management, Department of Business Management, Faculty of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran.
2 Associate Professor of Marketing Management, Department of Business Management, Faculty of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran
چکیده English

This research was conducted with the aim of developing a model for customers’ willingness to pay a premium for automotive parts equipped with advanced technologies. In terms of objective, it is an applied study, and in terms of methodology, it was designed using a mixed-methods approach in two sequential phases. In the first phase, using the Grounded Theory method, the qualitative population included 20 experts, managers, and specialists involved in the design, production, marketing, and sales of advanced technology automotive parts, particularly within the Modern Industry Research Group. Sampling was conducted purposefully until theoretical saturation was achieved. Data were collected through semi-structured interviews and analyzed using a systematic approach for coding, leading to the development of the research’s paradigmatic model. In this model, “Willingness to Pay a Premium for Advanced Technology Parts” was identified as the core phenomenon. Causal conditions included “functional and technical superiority of the technology,” “economic savings and reduction of future costs,” “emotional and pleasure-oriented experience,” “sense of innovation and differentiation,” and “energy efficiency and environmental effectiveness.” Furthermore, “value creation and long-term returns,” “sustainability and environmental responsibility,” “positive brand image and identity,” and “alignment with infrastructure and supply chain” were identified as contextual conditions; while “experience-based trust and transparency,” “institutional assurance and service guarantees,” “technical and professional authority,” and “social influence and collective experience” were identified as intervening conditions. The core strategy identified was “ensuring technological performance under operational conditions,” resulting in outcomes such as “formation of sustainable willingness to pay a premium,” “increased customer loyalty,” and “strengthening investment in innovation.” In the second phase, the quantitative part of the research was conducted using a survey method. The statistical sample for this phase consisted of 384 customers and users of advanced technology parts associated with the Modern Industry Research Group. Data were collected via a questionnaire based on the dimensions of the paradigmatic model. The results of the analyses (including validity, reliability, and model fit) indicated that the dimensional structure extracted in the qualitative phase was statistically validated, and the final model for willingness to pay a premium for advanced technology parts possesses acceptable validity.

کلیدواژه‌ها English

Willingness to Pay more
Advanced Technologies
Automotive Industry
Perceived Value
Emotional Experience
خاکپور، ف. (1404). بررسی تاثیر مسئولیت اجتماعی بر ارزش ویژه برند، شهرت برند و تمایل به پرداخت بیشتر با نقش میانجی اعتبار برند (مورد مطالعه: شرکت‌های هواپیمایی در استان تهران). نشریه علمی رویکردهای پژوهشی نوین مدیریت و حسابداری, 9(33), 1404-1416.
سید فضلی، س. ه.، حمدی، ک.، و میرابی، و. ر.‌ (۱۴۰۳). تأثیر عشق و تعهد به برند بر وفاداری به برند در آینده، تمایل به پرداخت بیشتر و تبلیغات دهان به دهان در انتخاب و خرید گوشی هوشمند. آینده‌پژوهی مدیریت، ‌(۱۳۹)، ۱–۲۰
صیادی محمد، سهیلی احمدی حبیب، مقیمی کسری (1402). اولویت‌بندی و ارزیابی موانع ترویج خودروهای برقی در ایران: رویکرد تحلیل سلسله مراتبی فازی (FAHP). فصلنامه پژوهش های سیاست گذاری وبرنامه ریزی انرژی. ۹ (۴) :۱۴۹-۱۸۰
مرشدلو، احسان (1403). راهبردهای بازاریابی خودروهای برقی در ایران و چالش های فراروی آن،هفدهمین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد، حسابداری و بانکداری،
اله مرادی، الهام، میرزامحمدی سعید، بنیادی نائینی علی، ملکی علی (1399). عوامل موثر بر تمایل به پرداخت مصرف کنندگان برای خودروهای برقی در کشور. فصلنامه پژوهش های سیاست گذاری وبرنامه ریزی انرژی. ۶ (۱) :۱۹۵-۲۲۷
Ahmad, S., Chaveesuk, S., & Chaiyasoonthorn, W. (2025). Impact of charging infrastructure on willingness to pay for EV: Mediating role of driving experience and behavior intentions. Acta Psychologica, 254, 104833.
Amaldoss, W., Du, J., & Shin, W. (2024). Pricing strategy of competing media platforms. Marketing Science, 43(3), 488-505.
Blut, M., Chaney, D., Lunardo, R., Mencarelli, R., & Grewal, D. (2024). Customer perceived value: a comprehensive meta-analysis. Journal of service Research, 27(4), 501-524.
Chang, S. E., & Woo, J. (2024). Are electric vehicle users willing to pay tax for charging electric vehicles? A case study of South Korea. Energy Economics, 129, 107243.
Cunha-e-Sá, M. A., Dietrich, T., Faria, A., Nunes, L. C., Ortigão, M., Rosa, R., & Vieira-da-Silva, C. (2025). Willingness to Pay for Nature Protection: Crowdfunding as a Payment Mechanism. Environmental and Resource Economics, 88(2), 367-396.
Gehlmann, F., Haustein, S., & Klöckner, C. A. (2024). Willingness to pay extra for electric cars with sustainably produced batteries. Transportation Research Part D: Transport and Environment, 128, 104110.
Gong, J., Guan, X., & Huan, T. C. (2025). Exploring the critical attributes of robot chef restaurants and their impact on customer perceived value: a mixed-methods study. International Journal of Contemporary Hospitality Management, 37(2), 522-540.
Guan, J., Chen, K., Mao, R., Shamshiripour, A., Zhang, X., Liang, C., & Ben-Akiva, M. (2024). The willingness to pay for the automated vehicle subscription: Insights from a car-oriented population in China. Transportation Research Part A: Policy and Practice, 188, 104188.
Han, H., & Sun, S. (2024). Identifying heterogeneous willingness to pay for new energy vehicles attributes: a discrete choice experiment in China. Sustainability, 16(7), 2949.
Hinterhuber, A. (2024). What every manager should know about pricing. Journal of business strategy, 45(4), 253-266.
Kant, R., Mehta, B., Jaiswal, D., & Kumar, A. (2024). Adoption intention and willingness to pay for electric vehicles: role of social-psychological attributes, fiscal incentives and socio-demographics. Management of Environmental Quality: An International Journal, 35(4), 945-963.
Kim, R. Y. (2024). Price promotion does not always work: online reviews, price-quality heuristics, and risk aversion. Electronic Commerce Research, 1-30.
Monfort, A., López-Vázquez, B., & Sebastián-Morillas, A. (2025). Building trust in sustainable brands: revisiting perceived value, satisfaction, customer service, and brand image. Sustainable Technology and Entrepreneurship, 100105.
Pei, M., Huang, Z., Zhang, Z., Wang, K., & Ye, X. (2025). Range anxiety and willingness to pay: Psychological insights for electric vehicle. Journal of Renewable and Sustainable Energy, 17(1).
Pérez-Moure, H., Lampón, J. F., & Cabanelas, P. (2024). Mobility business models toward a digital tomorrow: Challenges for automotive manufacturers. Futures, 156, 103309.
Qiu, H., Wang, X., Morrison, A. M., Kelly, C., & Wei, W. (2025). From ownership to responsibility: extending the theory of planned behavior to predict tourist environmentally responsible behavioral intentions. Journal of Sustainable Tourism, 33(6), 1122-1145.
Schleich, J., & Alsheimer, S. (2024). The relationship between willingness to pay and carbon footprint knowledge: Are individuals willing to pay more to offset their carbon footprint if they learn about its size and distance to the 1.5° C target?. Ecological Economics, 219, 108151.
Suresh, N. V., Selvakumar, A., Sridhar, G., & Jain, V. (2025). Dynamic Pricing Strategies Implementing Machine Learning Algorithms in E-Commerce. In Building Business Models with Machine Learning (pp. 129-136). IGI Global Scientific Publishing.
Suryawan, I. W. K., Rahman, A., Suhardono, S., & Lee, C. H. (2025). Visitor willingness to pay for decarbonizing tourism: Supporting a net-zero transition in Nusa Penida, Indonesia. Energy for Sustainable Development, 85, 101628.
Toukabri, M., & Boutaleb, B. (2025). Assessing Factors Impacting Electric Vehicle Adoption in Saudi Arabia: Insights on Willingness to Pay, Environmental Awareness, and Perceived Risk. Engineering, Technology & Applied Science Research, 15(1), 19729-19736.
Xu, X., Tatge, L., Xu, X., & Liu, Y. (2024). Blockchain applications in the supply chain management in German automotive industry. Production Planning & Control, 35(9), 917-931.
Ye, N., Zhang, M., Huang, X., Li, W., & Hou, L. (2025). Exploring Chinese consumers' brand preference and willingness-to-pay for electric vehicles: A discrete choice experiment. Research in Transportation Business & Management, 59, 101282.
Yoo, S., Kumagai, J., Kawabata, Y., Keeley, A. R., & Managi, S. (2024). Buy and/or Pay Disparity: Evidence from Fully Autonomous Vehicles. Applied Sciences, 14(1), 410.
 

  • تاریخ دریافت 25 بهمن 1404
  • تاریخ بازنگری 15 فروردین 1405
  • تاریخ پذیرش 04 خرداد 1405