دانلود مقاله مزیت رقابتی: تحلیل طولی نقش ظرفیت های نوآوری داده محور، چابکی بازاریابی و آشفتگی بازار
ترجمه شده

دانلود مقاله مزیت رقابتی: تحلیل طولی نقش ظرفیت های نوآوری داده محور، چابکی بازاریابی و آشفتگی بازار

عنوان فارسی مقاله: مزیت رقابتی: تحلیل طولی نقش ظرفیت های نوآوری داده محور، چابکی بازاریابی و آشفتگی بازار
عنوان انگلیسی مقاله: Competitive advantage: A longitudinal analysis of the roles of data-driven innovation capabilities, marketing agility, and market turbulence
مجله/کنفرانس: مجله خرده فروشی و خدمات مصرف کننده - Journal of Retailing and Consumer Services
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: بازاریابی - مدیریت کسب و کار - مدیریت تکنولوژی - نوآوری تکنولوژی - مدیریت بازرگانی - مدیریت فناوری اطلاعات
کلمات کلیدی فارسی: ظرفیت های نوآوری داده محور، چابکی بازاریابی، مزیت رقابتی، آشفتگی بازار، دیدگاه ظرفیت های پویا، تحلیل طولی
کلمات کلیدی انگلیسی: Data driven innovation capabilities - Marketing agility - Competitive advantage - Market turbulence - Dynamic capabilities view - Longitudinal analysis
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.jretconser.2023.103547
لینک سایت مرجع: https://www.sciencedirect.com/science/article/pii/S0969698923002989
نویسندگان: OmarA. Alghamdi - Gomaa Agag
دانشگاه: گروه مدیریت بازرگانی، کالج کاربردی، دانشگاه نجران، نجران، عربستان سعودی
صفحات مقاله انگلیسی: 15
صفحات مقاله فارسی: 42
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2004
ایمپکت فاکتور: 13.663 در سال 2023
شاخص H_index: 143 در سال 2024
شاخص SJR: 2.990 در سال 2023
ترجمه شده از: انگلیسی به فارسی
شناسه ISSN: 0969-6989
شاخص Quartile (چارک): Q1 در سال 2023
فرمت مقاله انگلیسی: pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه: ترجمه شده و آماده دانلود
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
فرمول و علائم در ترجمه: تایپ شده است
مقاله بیس: بله
مدل مفهومی: دارد
کد محصول: 14184
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
پرسشنامه: دارد
متغیر: دارد
فرضیه: دارد
درج شدن منابع داخل متن در ترجمه: ترجمه و درج شده است
ترجمه شدن توضیحات زیر تصاویر و جداول: بله
ترجمه شدن متون داخل تصاویر و جداول: بله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ضمیمه: دارد و ترجمه شده است
پاورقی: ندارد
نمونه ترجمه فارسی مقاله

چکیده
     با اینکه ظرفیت‌های نوآوری داده‌محور توانسته است که توجه دانشگاهیان و متخصصان را به خود جلب کند، اما شواهد طولی کافی در مورد نحوه‌ی نقش آنها در بهبود چابکی بازاریابی و مزیت رقابتی وجود ندارد. در این مطالعه، با توسعه مدل مبتنی‌بر دیدگاه ظرفیت‌های پویا، اقداماتی در این راستا انجام می‌دهیم. همچنین، اثرات تعدیل‌کننده آشفتگی بازار بر رابطه‌ی بین چابکی بازاریابی و مزیت رقابتی را بررسی می‌کنیم. ما از داده‌های دو مرحله‌ای (T = 677 و (T + 1 = 569، و رویکرد پانل ناهم‌زمان برای تحلیل داده‌های طولی استفاده کردیم. طبقِ یافته‌های ما، شواهد تجربی قوی در مورد تأثیر زمانی علّی و پیش‌نگرانه‌ی ظرفیت‌های نوآوری داده‌محور بر چابکی بازاریابی و مزیت رقابتی وجود دارند. همچنین، نشان دادیم که چابکی بازاریابی می‌تواند این رابطه را در طیِ زمان میانجی‌گری کند. علاوه بر این، تجزیه و تحلیل نشان داد که آشفتگی بازار می‌تواند تأثیر چابکی بازاریابی بر مزیت رقابتی را تقویت کند. همچنین، مفاهیم مهمی برای تئوری و عمل ارائه کردیم.

1.    مقدمه
     به دلیلِ فرآیند دیجیتالی‌سازی، محصولات، خدمات، فرآیندها، و تمامی مدل‌های کسب و کار دستخوش دگرگونی‌های چشمگیر شده‌اند (بهاتی و همکاران، 2022). با توجه به پیشرفت‌های تکنولوژیکی انقلاب صنعتی چهارم که به عنوان "صنعت  "4.0شناخته می‌شود، سازمان‌های مختلف از فناوری دیجیتالی برای متحول‌سازی فرآیند خود استفاده کرده‌اند (دوبی و همکاران، 2018). ظرفیت‌های نوآوری داده‌محور (DDIC) می‌تواند امکان توسعه عملیات جدیدی را فراهم کند که مکمل یا جایگزین مدل‌های کسب‌وکار سنتی باشند. در حوزه‌ی مدیریت عملیات (عبدالموتی و همکاران، 2022؛ برشیانی و همکاران، 2021)، کلان‌داده و تحلیل‌های پیشرفته به عنوان تغییردهنده قوانین بازی در نظر گرفته می‌شوند (سلطانا و همکاران، 2022). 
کسب‌وکارها، سرمایه‌گذاری زیادی برای توسعه ظرفیت‌های دیجیتال انجام می‌دهند تا بینش‌ها، و مفاهیم نوآورانه‌ای که می‌تواند مزیت رقابتی آنها را افزایش دهد (بابو و همکاران، 2021) کشف کنند. از این رو، مهارت‌های نوآورآنه داده‌محور می‌توانند از طریق همکاری مستقیم-غیرمستقیم و نوآوری مشترک، عملکرد شرکتی را افزایش دهند (ابوالضهاب و همکاران، 2021؛ ریندفیش و همکاران، 2017). نوآوری داده‌محور یکی از رُکن‌های اساسی اقتصاد دیجیتالی داده‌محور جهانی محسوب می‌شود (آگاگ، 2019؛ آکتر و همکاران، 2020؛ موریمورا و ساکاگاوا، 2023). طبقِ این نوآوری‌ها، کسب‌وکارها با ابزارهای لازم مجهز می‌شوند تا از رقبا پیشی بگیرند و موقعیت خود به عنوان رهبران بازار را تثبیت کنند (آگاگ و همکاران، 2023؛ مکتادیر و همکاران، 2019). نوآوری داده‌محور به مجموعه‌ای از فرآیندها اشاره دارد که از ابزارهایی مانند «تحلیل کلان‌داده» و روش‌هایی مانند تکنیک‌های یادگیری ماشین و هوش مصنوعی برای ایجاد بینش جدید از مجموعه داده‌های موجود استفاده می‌کنند. شرکت‌ها نیز می‌توانند از طریق نوآوری‌های داده‌محور، مزیت رقابتی تحقیق و توسعه را حفظ کنند، و محصولات و خدمات جدیدی ایجاد کنند.
     چابکی نشان‌دهنده توانایی انطباق سریع و موثر با تغییرات اغلب بی‌سابقه‌ای است که در زمینه‌ی نوآوری‌های داده‌محور ایجاد می‌شود (آگاگ و همکاران، 2022؛ بهاتی و همکاران، 2022). چابکی به معنایِ ظرفیت شرکت در پیش‌بینی و رسیدگی ماهرانه به تغییرات بازار است (کوزاک و همکاران، 2021). در نتیجه، شرکت‌ها می‌توانند با بدست‌آوردن و به‌کارگیریِ شایستگی‌های بازاریابی چابک، ارزش بیشتری برای اکوسیستم‌های خود ایجاد کنند (اکتر و همکاران، 2020؛ برسیانی و همکاران، 2021؛ ایتانی و همکاران، 20220). برای پرداختن به تقاضاهای دائماً در حال تغییرِ مصرف‌کنندگان کنونی، کسب و‌کارها باید چابک و وفق‌پذیر باشند (چترجی و همکاران، 2022). دانشگاهیان اینگونه استدلال می‌کنند که ظرفیت‌های کلان‌داده اهمیت فزاینده‌ای در دستیابی به چابکی بازاریابی دارند. برای مثال، مدیروس و ماکادا (2022) با بررسی تأثیر فرهنگ‌های داده‌محور بر مزیت رقابتی، رابطه‌ی بین چابکی و توانایی‌های تحلیلی را بررسی کردند. عرفان و همکارانش (2019) تأثیر ظرفیت‌های کلان‌داده بر عملکرد کسب و کار و چابکی مصرف‌کننده را از دیدگاه ظرفیت پویا بررسی کردند. سلطانا و همکارانش (2022) نیز چارچوب مفهومی C4 را برای توسعه چابکی استراتژیکی تحتِ دیدگاه نوآوری کاربرمحور بررسی و پیشنهاد کردند. به همین ترتیب، چان و همکارانش (2017) چارچوبی برای تحلیل تاثیر چابکی زنجیره تامین بر عملکرد سازمانی توسعه دادند. در این بررسی‌ها، اغلب از روش تحقیق توصیفی استفاده شده است و بر داده‌های مقطعی منبع متکی است، و هیچکدام از آنها به علتِ ایجاد مزیت رقابتی اشاره نکردند. اینکه تا چه حد شرکت می‌تواند در موردِ انحرافات در مزیت رقابتی بدست‌آمده توسط شرکت‌ها در محیط توضیح دهد به خوبی بیان نشده است، و درنتیجه، این مسئله را به یک حوزه ضروری برای بررسی تبدیل کرده است (بهاتی و همکاران، 2022؛ حاجلی و همکاران، 2020).
7.    محدودیت‌ها و دستورالعمل‌ها برای مطالعات آینده
     اگرچه در بررسی مطالعاتی ما محدودیت‌هایی وجود دارند، اما جهت‌گیری‌های احتمالی برای بررسی‌های بیشتر نیز ارائه می‌شود. اولین مورد این است که مطالعه ما در جامعه درحال توسعه‌ای مانند عربستان سعودی انجام شد. بنابراین، داده‌های یک کشور توسعه‌یافته می‌تواند برای به چالش کشیدن چارچوب مفهومی پیشنهادی از نظرِ جغرافیا و زبان مورد استفاده قرار گیرد. دومین مورد این است که تحقیقات ما بر تأثیر ظرفیت‌های نوآوری داده‌محور و چابکی بازاریابی بر مزیت رقابتی متمرکز است. در تحقیقات آتی می‌توان متغیرهای وابسته اضافی مانند عملکرد مالی و ارزش شرکت را درنظر گرفت. مورد سوم این است که در این مطالعه فقط چابکی بازاریابی به عنوان تنها میانجی ارتباطی بین ظرفیت‌های نوآوری داده‌محور و مزیت رقابتی درنظر گرفته شد. بنابراین، ویژگی‌های مرتبط با ظرفیت، مانند چابکی مشتری، را می‌توان در مطالعات آینده لحاظ کرد. حسنا و لوری (2016) نشان دادند که قابلیت جمع‌آوری و تجزیه و تحلیل مقادیر زیادی داده‌ تأثیر مثبتی بر کسب‌وکارها دارد، و به آنها اجازه می‌دهد تا احساسات مشتری را بهتر ارزیابی کنند. در تحقیقات قبلی نشان داده شد که ظرفیت‌های حاکمیت داده و فرهنگ داده‌محور از محرک‌های اصلی مزیت رقابتی هستند (ابلا و همکاران، 2017؛ آکتر و همکاران، 2021). بنابراین، این متغیرها می‌توانند در مدل ما گنجانده شوند تا قدرت پیش‌بینی آن افزایش یابد. مورد چهارم، بررسی ما بر روی یک فرهنگ متمرکز بود (یعنی، جامعه درحالِ توسعه) و آزمون‌های بین فرهنگی را لحاظ نکرد. به خاطرِ عدم‌وجود دیدگاه جهانی در این مطالعه، نیاز به تحلیل تطبیقی کشورهای توسعه‌یافته و درحالِ توسعه برجسته‌تر می‌شود. مورد پنجم، در بررسی‌های آینده می‌توان با کاوش در موانع اصلی ظرفیت‌های نوآوری داده‌محور در صنعت خرده‌فروشی یک گام به سمتِ جلو برداشت. مورد آخر،  این مطالعه صرفاً بر اندازه‌گیری‌های ادراکی متکی است، درنتیجه، برای دستیابی به بینش‌های عمیق‌تر در موردِ تأثیر واقعی ظرفیت‌های نوآوری داده‌محور و چابکی بازاریابی بر مزیت رقابتی، نیاز به بررسی بیشتر با استفاده از معیارهای عینی در تحقیقات آینده است.

نمونه متن انگلیسی مقاله

Abstract

     While data-driven innovation capabilities have received considerable attention from academics and practitioners, there is insufficient longitudinal evidence on how they might contribute to improved marketing agility and competitive advantage. In this study, we make a preliminary effort to address this gap by developing a model based on the dynamic capabilities view. We also explore the moderating effects of market turbulence on the link among marketing agility and competitive advantage. We used two-waves data (T = 677 and T+1 = 569) and the cross-lagged panel approach was utilised to analyse the longitudinal data. Our findings provide robust empirical evidence on the causal and predictive temporal impact of data driven innovation capabilities on marketing agility and competitive advantage. It also indicated that marketing agility mediates this relationship over time. Moreover, the analysis suggested that market turbulence reinforce the influence of marketing agility on competitive advantage. We provided significant implications for theory and practice.

1. Introduction

     Due to digitalisation, products, services, processes and entire business models have undergone significant transformations (Bhatti et al., 2022). Due to the technological advancements brought about by the Fourth Industrial Revolution, also known as “Industry 4.0”, organisations from various sectors have utilised digital technology to revolutionise their process (Dubey et al., 2018). Data-driven innovation capabilities (DDICs) enable the development of new operations that can supplement or replace traditional business models. Big data and advanced analytics have been deemed game changers (Sultana et al., 2022) in the realm of operations management (Abdelmoety et al., 2022; Bresciani et al., 2021).

     Businesses are investing heavily in the development of digital capabilities to uncover innovative insights and implications that could enhance their competitive advantage (Babu et al., 2021), which may make them more inventive (Riikkinen et al., 2018). Hence, data-driven innovation skills may enhance company performance through direct and indirect collaboration, as well as co-innovation (Aboul-Dahab et al., 2021; Rindfeisch et al., 2017). Data-driven innovation is a fundamental pillar of the global data-centric digital economy (Agag, 2019; Akter et al., 2020; Morimura and Sakagawa, 2023). These innovations equip businesses with the tools necessary to outperform competitors and establish themselves as market leaders (Agag et al., 2023a; Moktadir et al., 2019). Data-driven innovation refers to a collection of processes employing tools, such as “big data analytics”, and methodologies, such as machine learning techniques and artificial intelligence, to generate fresh insights from existing datasets. Firms can maintain a competitive advantage via data-driven innovation, research, and development, as well as the creation of new product and service.

     Agility represents the ability to swiftly and effectively adapt to the often-unprecedented shifts that arise in the context of data-driven innovations (Agag et al., 2022; Bhatti et al., 2022). It characterises a firm’s capacity to anticipate and skilfully address shifts in the market (Kozak et al., 2021). Consequently, companies can generate increased value for their ecosystems by obtaining and employing agile marketing competencies (Akhtar et al., 2020; Bresciani et al., 2021; Itani et al., 20220). To meet the constantly evolving demands of contemporary consumers, businesses must be nimble and adaptable (Chatterjee et al., 2022). Academics are arguing that big data capabilities are increasingly important for achieving marketing agility. For example, Medeiros and Maçada (2022) explored the relationship between agility and analytical abilities by investigating the influence of data-driven cultures on competitive advantage. Irfan et al. (2019) explored the effect of big data capabilities on business performance and consumer agility from a dynamic capability perspective. Sultana et al. (2022) explored and suggested a 4C conceptual framework of developing strategic agility under the user-driven innovation viewpoint. Similarly, Chan et al. (2017) developed a framework for analysing the impact of supply chain agility on organisational performance. These examinations frequently employ a descriptive research methodology and rely on cross-sectional data from a single source, neither of which shed light on what causes competitive advantage. The extent to which a company explains variances in competitive advantage achieved by enterprises in a certain setting is not well understood, making this an essential area for investigation (e.g., Bhatti et al., 2022; Hajli et al., 2020).

7. Limitations and directions for future studies

     Our examination presents some limitations, offering potential directions for further investigations. First, our exploration was carried out in a developing society like Saudi Arabia. Data from a developed country could be employed to challenge the proposed conceptual framework in terms of geography and language. Second, our research concentrates on the influence of data-driven innovation capabilities and marketing agility on competitive advantage. Future investigations could incorporate additional dependent variables like financial performance and firm value. Third, this study has only included marketing agility as the single mediator of the link between data driven innovation capabilities and competitive advantage. Therefore, more capability-related characteristics, such as customer agility, may be the focus of future studies. Hassna and Lowry (2016) suggest that the ability to collect and analyse large amounts of data has a positive effect on businesses by allowing them to better gauge client sentiment. Prior research revealed that data governance capabilities and data driven culture are key drivers of competitive advantage (Abella et al., 2017; Akter et al., 2021). Thus, these variables could be integrated in our model to improve its predictive power. Fourth, our examination focused on one culture (i.e., developing society) and didn’t consider cross-cultural examinations. The lack of a global perspective in this study highlights the need for a comparative analysis of developed and developing nations. Fifth, the future examinations could go a step further by exploring the main obstacles of data driven innovation capabilities in the retail industry. Finally, this study relies solely on perceptual measurements, a limitation that needs addressing in subsequent research by using objective metrics to gain deeper insights into the genuine influence of data-driven innovation capabilities and marketing agility on competitive advantage.

تصویری از فایل ترجمه

    

    

(جهت بزرگ نمایی روی عکس کلیک نمایید)

فرضیات مقاله

H1. “Data driven innovation capability has a significant influence on competitive advantage”.

H2. “Data driven innovation capability has a significant influence on marketing agility”.

H3. “Marketing agility has a significant influence on competitive advantage”.

H4. “Marketing agility mediates the link between data driven innovation capability and competitive advantage”.

H5. “Market turbulence plays a moderating role on the relationships among marketing agility and competitive advantage; the greater the market turbulence, the stronger the positive association between marketing agility and competitive advantage”.

متغیرهای مقاله

CMD (T)
MAG (T)
COM (T)
CUS (T)
DAT (T)
TEC (T)
KNW (T)
TRD (T) 
MAT (T)

ترجمه فارسی فهرست مطالب

چکیده
1.    مقدمه
2.    مروری بر مطالعات
1.2. تئوری‌های مبنا
2.2 ظرفیت نوآوری داده‌محور
3.2. چابکی بازاریابی به عنوان ظرفیت پویا
3.    چارچوب مفهومی و توسعه فرضیه‌ها
1.3. ظرفیت‌های نوآوری داده‌محور و چابکی بازاریابی
2.3. چابکی بازاریابی و مزیت رقابتی
3.3. نقش میانجی آشفتگی بازار
4.3. چشم‌انداز طولی
4.    روش تحقیق
1.4. نمونه و جمع آوری داده‌ها
2.4. معیارها
3.4. سوگیری روش مشترک
4.4. مدل سنجش مرتبه بالاتر
5.4. مقایسه اندازه‌گیری
5.    تجزیه و تحلیل و نتایج
1.5. مدل اندازه‌گیری
2.5. CLPM تجزیه و تحلیل مسیر
1.2.5. فرضیه 1: DDIC→CMD
2.2.5. فرضیه 2: DDIC→AGT
3.2.5.  فرضیه 3: AGT→CMD
4.2.5. فرضیه 4: DDIC→CMD: تأثیر میانجی AGT
6.    بحث و نتیجه‌گیری
1.6. یافته‌های مهم
2.6. ملاحظات تئوری
3.6. ملاحظات کاربردی
7.    محدودیت‌ها و دستورالعمل‌ها برای مطالعات آینده
منابع

فهرست انگلیسی مطالب

Abstract
Graphical abstract
1. Introduction
2. Literature review
2.1. Underlying theories
2.2. Data-driven innovation capability
2.3. Marketing agility as a dynamic capability
3. Conceptual framework and hypotheses development
3.1. Data driven-innovation capabilities and marketing agility
3.2. Marketing agility and competitive advantage
3.3. The moderating role of market turbulence
3.4. Longitudinal perspective
4. Research method
4.1. Sample and data collection
4.2. Measures
4.3. Common method bias
4.4. Higher-order measurement model
4.5. Measurement comparison
5. Analysis and results
5.1. Measurement model
5.2. CLPM of path analysis
5.2.1. Hypothesis 1: DDIC→CMD
5.2.2. Hypothesis 2: DDIC→AGT
5.2.3. Hypothesis 3: AGT→CMD
5.2.4. Hypothesis 4: DDIC→CMD: the mediating influence of AGT
6. Discussion and conclusion
6.1. Key findings
6.2. Theoretical implications
6.3. Practical implications
7. Limitations and directions for future studies
Appendix A. The measurement scales and their sources
References

نسخه پاورپوینت

این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 29 اسلاید و 6 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.

نسخه ترجمه خلاصه

در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 15 صفحه (3500 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.

نسخه پاراگراف به پاراگراف

علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.

اصطلاحات تخصصی

بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 98 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش و pdf
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش و pdf بدون آرم سایت ای ترجمه
- پاورپوینت فارسی با فرمت pptx
- خلاصه فارسی با فرمت ورد (word)
- متن پاراگراف به پاراگراف انگلیسی و فارسی با فرمت ورد (word)
- اصطلاحات تخصصی با فرمت اکسل
قیمت محصول: ۱۰۰,۰۰۰ تومان
خرید محصول
بدون دیدگاه