مدل وفاداری مشتری برای سیستم‌‌‌‌‌‌های توصیه‌‌‌‌‌‌گر در تجارت الکترونیک

هدف اصلی این تحقیق، ارائه مدل وفاداری مشتری برای سیستم‌های توصیه‌گر تجارت الکترونیک است‌‌‌‌. مدل پیشنهادی، به کمک مدل موفقیت «سیستم اطلاعات دلون و مک‌لین» و مجموعه‌ای از عوامل شناخته‌شده از منابع موجود تدوین شده است‌‌‌‌.‌‌‌‌ برای آزمایش فرضیه‌های تحقیقی مدل تدوین‌شده،‌‌‌‌ نظرسنجی پرسشنامه‌ای انجام و داده‌های حاصل از 384 مشتری از یک وب‌سایت b2c جمع‌آوری شده است‌‌‌‌.‌‌‌‌ در اجرای آمار توصیفی و تحلیل‌های مسیر و اعتبارسنجی مدل پیشنهادی، از نرم‌افزار اس پی اس اس و اسمارت پی ال اس استفاده شده است‌‌‌‌.‌‌‌‌ نتایج «مدل‌‌سازی معادلات ساختاری»، نشان داد که عامل «اعتماد» دارای رابطه مهمی با رضایت مشتری در سیستم‌های توصیه‌گر تجارت الکترونیک است‌‌‌‌.‌‌‌‌ علاوه بر آن‌‌‌‌،‌‌‌‌ نتایج حاکی از آن است که رضایت از محصولات پیشنهادی، می‌تواند موجب ارتقاء وفاداری مشتری در سیستم‌های توصیه‌گر b2c شود‌‌‌‌.‌‌‌‌ مدل پیشنهادی، به مدیران تجارت الکترونیک برای بهبود سیستم‌های توصیه‌گر کمک خواهد کرد‌‌‌‌ و از طریق کسب وفاداری مشتریان‌‌‌‌،‌‌‌‌ فروش محصولات را در وب‌سایت‌های فروش آنلاین افزایش خواهد داد.

A Custome Loyalty Model fo ECommerce Recommendation Systems

The main objective of this research is to provide a customer loyalty model for ecommerce 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 ecommerce 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 ecommerce managers to improve their website recommendation systems and increase the sale of the products by achieving the customers’ loyalty in the online shopping websites.