دانلود ترجمه مقاله تشخیص چارچوب بازار جهت نظارت بر رقابت محصول

1. مقدمه 2. کارهای مرتبط 3. مدل CBBI 4. تشریح داده ها و آزمایشات 5. تجسم ساختار بازار محصول رقابتی 6. تخمین پارامتر با BLR به روز شده 7. بحث و بررسی و دلالت ها 8. محدودیت ها و جهت گیری های پژوهشی آینده

مفاهیم نظری: این مطالعه از اولین پژوهش‌هایی است که به بررسی بازخورد ناهمگن مصرف‌کننده در ساختار بازار محصولات پرداخته است. اغلب مطالعات پیشین برای نظارت بر مزیت رقابتی محصولات در داده‌های تک جستجو، بازخورد های همگن را مورد توجه قرار داده اند (بائو و همکاران، 2008؛ لی و برادلو، 2011؛ نتزر و همکاران، 2012؛ رینگل و اسکیرا، 2016؛ وی. و همکاران، 2016)، این تحقیق، هوش رقابتی رفتار مصرف کننده یعنی کلیک مصرف کنندگان، زمان بررسی، برچسب گذاری آیتم های مورد علاقه، افزودن به سبد خرید، حذف از سبد خرید را به منظور تعیین لبه رقابتی محصول بر حسب فروش سطح محصول برجسته می کند. لازم به ذکر است که مطالعه حاضر از طریق گسترش مقالات ساختار بازار محصول از چشم انداز داده های بازخورد مصرف کننده (کیم و همکاران، 2011؛ نتزر و همکاران، 2012؛ رینگل و اسکیرا، 2016)، برای تجسم ساختار بازار محصول و پیش بینی رقابت پویای محصول با استفاده از داده های جریان کلیک، یک مدل CBBI را ارائه می دهد. از اینرو، دیدگاه‌ های نظری مختلفی در این زمینه ارائه شده است. اولا، مطالعه حاضر در زمینه تاثیر حافظه مصرف کننده و رقابت محصول، به مطالعات موجود کمک شایان توجهی می کند. ازور و میاوکا (2009) در رابطه با نظم مدیریت عملیات، به این نتیجه رسیدند که برای پیش‌بینی تقاضای محصول و تولید موجودی، سیاست وابسته به دولت، سیاست مطلوبی محسوب می شود. یافته های بدست آمده حاکی از آن است که در علم بازاریابی ، مطالعات پیشین (یان و همکاران، 2009؛ استرندبورگ، 2013) تا حد زیادی نگران تاثیر حافظه مصرف کننده بر استراتژی های بازاریابی بوده اند. در این پژوهش، سعی شده است تا به جای تمرکز بر اثر حافظه مصرف‌کننده، جهت پی بردن به تصمیمات خرید مصرف کننده از دانش قبلی استفاده شود که به درجه فروش محصول - یعنی لبه رقابتی محصولات فردی منجر می‌شود.

Theoretical implications: This study is among one of the first that focuses on consumer heterogeneous feedback in product market structure. Most all of the previous studies have focused on homogeneous feedback to monitor the competitive edge of products in single search data (Bao et al., 2008; Lee and Bradlow, 2011; Netzer et al., 2012; Ringel and Skiera, 2016; Wei et al., 2016), This study highlights the competitive intelligence of consumer behavior, that is, consumers’ click, timeof- browsing, tag-into-favorite, add-into-cart, remove-from-cart, in determining a product’s competitive edge in terms of product-level sales. By extending the literature of product market structure from the perspective of consumer feedback data (Kim et al., 2011; Netzer et al., 2012; Ringel and Skiera, 2016), this study proposes a CBBI model to visualize product market structure and predict dynamic product competition using clickstream data. Thus, a number of theoretical insights were provided by this study. Firstly, this study contributes to the existing studies on the consumer memory effect and product competition. In terms of the discipline of operation management, AzouryandMiyaoka (2009) found that the state-dependent policy is optimal for forecasting product demand and inventory production. Inmarketing science, previous studies (Yan et al., 2009; Strandburg, 2013) were largely concerned about the consumer memory effect on marketing strategies. Instead ofmerely focusing on the consumer memory effect, this study utilized prior knowledge to infer consumer consequent purchase decisions resulting in the degree of product-level sale, namely, the competitive edge of individual products.