طراحی مدل برندسازی دیجیتال در صنعت خدمات بیمه با تمرکز بر فناوری هوش مصنوعی

هدف از پژوهش، طراحی مدل برندسازی دیجیتال در صنعت خدمات بیمه با تمرکز بر فناوری هوش مصنوعی بوده است. این پژوهش از نظر هدف، کاربردی و به‌صورت توصیفی-تحلیلی انجام شده است. روش پژوهش کیفی است و جامعه آماری آن شامل 17 نفر از صاحب‌نظران دانشگاهی در زمینه مدیریت برند و صنعت بیمه می‌باشد. برای انتخاب نمونه، از روش نمونه‌گیری گلوله‌برفی استفاده شده و در نهایت 13 نفر به عنوان نمونه نهایی تا رسیدن به نقطه اشباع نظری انتخاب شدند. ابزار جمع‌آوری اطلاعات در بخش کیفی، مصاحبه‌های نیمه‌ساختاریافته است و تجزیه‌و‌تحلیل داده‌ها با استفاده از نظریه داده‌بنیاد انجام می‌شود. داده‌ها در سه مرحله شامل کدگذاری باز، محوری و انتخابی تحلیل شدند. در مجموع، 90 کد استخراج و این کدها در قالب شش مقوله اصلی و چندین مقوله فرعی تبیین گردیدند. نتایج نشان داد که عوامل علّی شامل (تغییرات فناوری؛ تغییر رفتار مشتریان؛ رقابت در صنعت بیمه؛ توسعه بازار دیجیتال؛ فشارهای اقتصادی)؛ شرایط زمینه‌ای شامل (زیرساخت‌های فناوری؛ مقررات و قوانین؛ آمادگی فرهنگی و سازمانی؛ تحلیل بازار و رفتار مشتری؛ توسعه و دسترسی به داده‌ها)؛ شرایط مداخله‌گر شامل (تغییرات فناوری؛ تغییرات اقتصادی؛ تغییرات اجتماعی و فرهنگی؛ قوانین و مقررات؛ تغییرات بازار)؛ عوامل راهبردی شامل (شخصی‌سازی خدمات؛ بهینه‌سازی ارتباطات؛ ایجاد تجربه منحصر به فرد؛ نوآوری در مدل‌های کسب و کار؛ تقویت فرهنگ سازمانی)؛ پیامدها شامل (افزایش رضایت مشتری؛ بهبود کارایی سازمانی؛ تقویت برند؛ ایجاد مزیت رقابتی؛ توسعه پایدار) است.

designing a digital branding model in the insurance service industry with a focus on artificial intelligence technology

the purpose of the research was to design a digital branding model in the insurance service industry with a focus on artificial intelligence technology. in terms of purpose, this research is applied and descriptive-analytical. the research method is qualitative and its statistical population includes 17 academic experts in the field of brand management and insurance industry. to select the sample, the snowball sampling method was used and finally 13 people were selected as the final sample until reaching the theoretical saturation point. the data collection tool in the qualitative section is semi-structured interviews, and data analysis is done using data base theory. the data were analyzed in three stages including open, central and selective coding. in total, 90 codes were extracted and these codes were explained in the form of six main categories and several subcategories. the results showed that the causal factors include (technological changes; customer behavior change; competition in the insurance industry; digital market development; economic pressures); background conditions including (technology infrastructures; regulations and laws; cultural and organizational readiness; market analysis and customer behavior; data development and access); intervening conditions include (technological changes; economic changes; social and cultural changes; laws and regulations; market changes); strategic factors include (personalization of services; optimization of communication; creation of a unique experience; innovation in business models; strengthening of organizational culture); the consequences include (increasing customer satisfaction; improving organizational efficiency; strengthening the brand; creating a competitive advantage; sustainable development).