<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>یادگیری هوشمند و تحول مدیریت</JournalTitle>
      <Issn>3115-8900</Issn>
      <Volume>3</Volume>
      <Issue>دی ماه 1404</Issue>
      <PubDate PubStatus="epublish">
        <Year>1404</Year>
        <Month>10</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>The Impact of Generative Artificial Intelligence on Marketing Decision-Making in Online Retail Companies</ArticleTitle>
    <VernacularTitle>تأثیر هوش مصنوعی مولد بر تصمیم‌گیری‌های بازاریابی در شرکت‌های خرده‌فروشی آنلاین</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>18</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>علیرضا </FirstName>
        <LastName>خانعلی</LastName>
        <Affiliation>گروه مدیریت بازرگانی (استراتژیک)، دانشگاه ارشاد دماوند، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>سینا</FirstName>
        <LastName> معینی</LastName>
        <Affiliation>گروه مدیریت بازرگانی (استراتژیک)، دانشگاه ارشاد دماوند، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>علیرضا</FirstName>
        <LastName>غریب ‌شاهیان</LastName>
        <Affiliation>گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404/07/14</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to examine the impact of generative artificial intelligence on improving marketing decision-making effectiveness through enhanced data analysis capability, faster decision processes, and improved customer behavior prediction in online retail companies. The research employed an applied quantitative approach using a descriptive-survey design. The statistical population consisted of marketing managers and specialists working in online retail companies in Tehran with experience using AI-based marketing tools. A total of 180 participants were selected through purposive sampling. Data were collected using a structured questionnaire based on a five-point Likert scale. Content validity was confirmed by expert evaluation and reliability was verified using Cronbach’s alpha coefficients. Data analysis was conducted through Structural Equation Modeling using SPSS and SmartPLS software. The results indicated that generative artificial intelligence had significant positive effects on marketing data analysis capability, decision-making speed, and customer behavior prediction. These variables also played significant mediating roles in enhancing marketing decision effectiveness. Structural path coefficients were statistically significant at p &amp;lt; 0.01, and the model explained a substantial proportion of variance in marketing decision effectiveness, demonstrating strong model fit. The findings suggest that generative artificial intelligence transforms marketing decision-making from intuition-based processes into intelligent data-driven systems, improving agility, accuracy, and overall marketing effectiveness in online retail organizations.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این پژوهش بررسی تأثیر هوش مصنوعی مولد بر بهبود کیفیت تصمیم‌گیری‌های بازاریابی از طریق تحلیل داده‌ها، افزایش سرعت تصمیم‌گیری و ارتقای پیش‌بینی رفتار مشتری در شرکت‌های خرده‌فروشی آنلاین بود. پژوهش حاضر از نوع کاربردی و با رویکرد کمی و روش توصیفی–پیمایشی انجام شد. جامعه آماری شامل مدیران و کارشناسان بازاریابی شرکت‌های خرده‌فروشی آنلاین شهر تهران بود که تجربه استفاده از ابزارهای هوش مصنوعی در فعالیت‌های بازاریابی داشتند. تعداد ۱۸۰ نفر به روش نمونه‌گیری هدفمند انتخاب شدند. داده‌ها با استفاده از پرسشنامه استاندارد مبتنی بر طیف لیکرت پنج‌درجه‌ای جمع‌آوری شد. روایی محتوایی با نظر خبرگان و پایایی با آلفای کرونباخ تأیید گردید. تحلیل داده‌ها با استفاده از مدل‌سازی معادلات ساختاری در نرم‌افزارهای SPSS و SmartPLS انجام شد. نتایج نشان داد هوش مصنوعی مولد تأثیر مثبت و معناداری بر تحلیل داده‌های بازاریابی، سرعت تصمیم‌گیری و پیش‌بینی رفتار مشتری دارد. همچنین این سه متغیر نقش میانجی معناداری در افزایش اثربخشی تصمیم‌های بازاریابی ایفا کردند. ضرایب مسیر مدل ساختاری در سطح معناداری کمتر از ۰٫۰۱ تأیید شد و مدل پژوهش توانست بخش قابل توجهی از واریانس اثربخشی تصمیم‌گیری بازاریابی را تبیین کند که نشان‌دهنده برازش مناسب مدل مفهومی است. یافته‌ها نشان می‌دهد هوش مصنوعی مولد با تبدیل داده‌های گسترده مشتری به بینش‌های عملیاتی، تصمیم‌گیری بازاریابی را از رویکرد شهودی به تصمیم‌گیری هوشمند و داده‌محور تغییر داده و موجب افزایش چابکی، دقت و اثربخشی عملکرد بازاریابی در شرکت‌های خرده‌فروشی آنلاین می‌شود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Generative Artificial Intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Marketing Decision-Making</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Customer Relationship Management</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Online Retail</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Digital Marketing</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Customer Data Analytics</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی مولد</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تصمیم‌گیری بازاریابی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدیریت ارتباط با مشتری</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">خرده‌فروشی آنلاین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بازاریابی دیجیتال</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تحلیل داده‌های مشتری</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jilmt.com/index.php/jilmt/article/download/176/122</ArchiveCopySource>
  </Article>
</ArticleSet>
