مدل سازی رضایت و وفاداری مشتری در صنعت پوشاک بر پایه کیفیت جامع و بصری با رویکرد ترکیبی معادلات ساختاری و تبیین افزایشی شاپلی مبتنی بر جنگل تصادفی

در بازار رقابتی و تجربه‌محور صنعت پوشاک، رضایت مشتری و وفاداری او به برند، بیش از هر زمان دیگری به کیفیت خدمات و تجربه ادراک‌شده وابسته است. پژوهش حاضر با هدف بررسی تاثیر مدیریت کیفیت جامع (tqm) و کیفیت بصری بر رضایت مشتری و پیامدهای رفتاری آن شامل قصد خرید و تبلیغات دهان‌به‌دهان انجام شده است. نوآوری این تحقیق در به‌کارگیری رویکردی ترکیبی از مدل‌سازی معادلات ساختاری (pls-sem) و یادگیری ماشین تفسیرپذیر و توضیح پذیر با روش تبیین افزایشی شاپلی مبتنی بر مدل جنگل تصادفی نهفته است؛ رویکردی که هم روابط علی میان متغیرها را بررسی می‌کند و هم اهمیت نسبی آنها را در پیش‌بینی متغیرهای وابسته شناسایی می‌نماید. جامعه آماری شامل مشتریان صنعت پوشاک بود که با روش نمونه‌گیری هدفمند، داده‌های موردنیاز از طریق 135 پرسشنامه معتبر جمع‌آوری شد. نتایج نشان داد tqm تاثیر قوی‌تری بر رضایت مشتری دارد نسبت به کیفیت بصری و رضایت مشتری نقش میانجی معناداری در اثرگذاری این عوامل بر قصد خرید و تبلیغات دهان‌به‌دهان ایفا می‌کند. تحلیل تبیین افزایشی شاپلی نیز عوامل کلیدی مانند محیط فروشگاهی، فرآیندهای خدمات و تعاملات کارکنان را به‌عنوان مهم‌ترین پیش‌بینی‌کننده‌های رضایت مشتری شناسایی کرد. این پژوهش نشان می‌دهد که ترکیب بهینه کیفیت خدمات و تجربه بصری، همراه با تحلیل پیش‌بینانه داده‌ها، می‌تواند راهگشای طراحی راهبردهای موثر در حفظ مشتریان و ارتقاء مزیت رقابتی برندهای پوشاک باشد.

the impact of total quality management and visual quality on customer satisfaction and loyalty in the apparel industry: a hybrid approach using pls-sem and shap

customer satisfaction and brand loyalty are more reliant than ever on service quality and perceived experience in the cutthroat and experience-driven apparel sector. the purpose of this study is to investigate how visual quality and total quality management (tqm) affect customer satisfaction and its behavioral consequences, such as purchase intention and word-of-mouth advertising. this study is novel because it employs a hybrid methodology that combines shap machine learning techniques with partial least squares structural equation modeling (pls-sem). this method determines the relative significance of each variable in predicting dependent variables in addition to investigating the causal relationships between them. customers of the clothing industry made up the statistical population, and 135 valid questionnaires were used in a purposive sampling technique to gather data. the findings showed that customer satisfaction considerably mediates the impact of these factors on purchase intention and word-of-mouth promotion, and that tqm has a greater effect on customer satisfaction than visual quality. the shap analysis found that staff interactions, service procedures, and store environment are important predictors of customer satisfaction. this study shows that predictive data analysis in conjunction with the ideal balance of visual experience and service quality can open the door to the development of successful customer retention and competitive advantage strategies for clothing brands.