دانلود ترجمه مقاله چالش های خاص تجارت الکترونیک در چین

1. مقدمه 2. پیشینه تحقیق 2.1. عدم تقارن اطلاعات 2.2. عدم تقارن اطلاعات برای تجارت الکترونیکی 2.3. سرمایه اعتبار 2.4. تفاوت بین چین و دیگر بازارهای تجارت الکترونیک 2.5. روش 3. مسائل کیفیت و چالش های تجارت الکترونیک چین 4. فرضیات 5. 360buy: راه اندازی مجدد سرمایه اعتبار آنلاین از اقدام آفلاین موفق 6. Taobao: مسئله اعتبار برای فروشندگان 7. فروشگاه YiHaoDian: سرمایه گذاری و جستجو برای کسب سرمایه اعتبار 7.1. کنترل کیفیت شدید 7.2. ارزیابی فعلی 8. نتیجه گیری و بحث درباره تحقیقات آینده 8.1. خلاصه 8.2. محدودیت ها 8.3. تحقیقات آینده

چکیده – بازار تجارت الکترونیک چین بزرگترین بازار آنلاین جهان و بازاری با بیشترین تعداد پیشنهاد محصول کم کیفیت یا تقلبی می باشد. ما با استفاده از مطالعات موردی برای توسعه فرضیات قابل آزمون پیشنهادی توسط Eisenhardt و Graebner به بررسی سه شرکت آنلاین موفق در چین و مسیرهای مختلف موفقیت آنها می پردازیم. یافته های ما نشان می دهند که وعده های پیشنهادی، ضمانت و تضمین مشتریان کافی نیست چون پیشنهاد وعده های تقلبی همراه با محصولات تقلبی توسط خرده فروشان کم کیفیت نسبتا آسان است. ما دریافتیم که وعده های پشتیبانی شده با سرمایه اعتباری می تواند برای ایجاد اعتماد آنلاین کافی باشد و این اقدامات باید برای حفظ کیفیت و حفظ اعتماد صورت گیرند. ما محدودیت های کار را دریافتیم: از آنجاییکه نمی توان از مجموعه داده های مشابه برای ارائه فرضیات و آزمون آنها استفاده کرد، این اثر برای ارائه فرضیه می باشد نه آزمون فرضیات.

The ecommerce market in China is both the largest online market in the world and the one with the greatest number of low quality or counterfeit product offerings. Using case studies to develop testable hypotheses, as proposed by Eisenhardt and Graebner, we examine three very successful online companies in China and their very different paths to success. Our findings suggest that offering promises, assurances, and guarantees to consumers is not sufficient, because it is relatively easy for low quality sellers to offer counterfeit promises along with counterfeit products. We do find that promises backed up reputational capital can be sufficient to generate necessary online trust, and that actions must be taken to maintain quality in order to maintain trust. We understand the limitations of the work: since the same dataset cannot be used both to generate hypotheses and to test them we view this work as theory generation and not theory testing.