<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>یادگیری هوشمند و تحول مدیریت</JournalTitle>
      <Issn>3115-8900</Issn>
      <Volume></Volume>
      <Issue>در دست انتشار</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>10</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Presenting a Model of Online Consumer Behavior Based on Artificial Intelligence Tools in the Retail Industry</ArticleTitle>
    <VernacularTitle>ارائه مدل رفتار مصرف‌کنندگان آنلاین مبتنی بر ابزارهای هوش مصنوعی در صنعت خرده‌فروشی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>18</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>آرش</FirstName>
        <LastName>فریدی</LastName>
        <Affiliation>گروه مدیریت بازرگانی، واحد بین الملل ارس، دانشگاه آزاد اسلامی، تبریز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName> مرتضی </FirstName>
        <LastName>محمودزاده </LastName>
        <Affiliation>گروه مدیریت  بازرگانی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>حسین </FirstName>
        <LastName>بوداقی خواجه نوبر</LastName>
        <Affiliation>مدیریت  بازرگانی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <Abstract>&lt;p&gt;This study aims to develop and explain a comprehensive model of online consumer behavior based on artificial intelligence tools in the retail industry. This qualitative study employed a grounded theory approach. The research population consisted of experts in e-commerce and artificial intelligence, selected through purposive sampling. Data were collected via semi-structured interviews with 15 specialists and analyzed through open, axial, and selective coding procedures. To ensure validity, techniques such as member checking and data consensus were applied, and reliability was confirmed using Cohen’s kappa coefficient (0.78). The findings identified “AI-driven smart shopping experience” as the core category shaping online consumer behavior. Causal conditions including intelligent personalization, smart customer interaction, and online shopping motivations significantly influenced consumer behavior formation. Contextual factors such as IT infrastructure, trust and security, and technology acceptance culture strengthened these relationships, while intervening conditions including privacy concerns, technical limitations, and economic factors significantly moderated them. Strategic actions such as AI development, user experience enhancement, and intelligent interaction led to outcomes including increased customer satisfaction and loyalty, improved decision-making, and enhanced business performance. The proposed model demonstrates that integrating artificial intelligence into online retail can significantly enhance consumer behavior through smart experiences and data-driven interactions, ultimately creating sustainable competitive advantages.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این پژوهش تبیین و ارائه مدل جامع رفتار مصرف‌کنندگان آنلاین مبتنی بر ابزارهای هوش مصنوعی در صنعت خرده‌فروشی است. این پژوهش با رویکرد کیفی و با استفاده از روش نظریه داده‌بنیاد انجام شد. جامعه پژوهش شامل خبرگان و متخصصان حوزه تجارت الکترونیک و فناوری‌های هوش مصنوعی بود که با استفاده از نمونه‌گیری هدفمند انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با ۱۵ نفر از متخصصان گردآوری و با استفاده از کدگذاری باز، محوری و انتخابی تحلیل شدند. به‌منظور افزایش اعتبار یافته‌ها از روش‌هایی نظیر اجماع داده‌ها و کنترل اعضا استفاده شد و پایایی کدگذاری‌ها با ضریب کاپای کوهن 0.78 تأیید گردید. نتایج نشان داد که «تجربه خرید هوشمند مبتنی بر هوش مصنوعی» به عنوان مقوله محوری رفتار مصرف‌کنندگان آنلاین شناسایی شد. عوامل علّی شامل شخصی‌سازی هوشمند، تعامل هوشمند با مشتری و انگیزش‌های خرید آنلاین بودند که به طور معناداری شکل‌گیری رفتار مصرف‌کننده را تسهیل می‌کنند. همچنین شرایط زمینه‌ای نظیر زیرساخت‌های فناوری، اعتماد و امنیت و فرهنگ پذیرش فناوری نقش تقویت‌کننده داشته و عوامل مداخله‌گر مانند نگرانی‌های حریم خصوصی، محدودیت‌های فنی و شرایط اقتصادی به‌صورت معنادار بر شدت و جهت این روابط اثرگذار بودند. راهبردهای مبتنی بر توسعه فناوری، بهبود تجربه کاربری و افزایش تعامل هوشمند نیز منجر به پیامدهایی همچون افزایش رضایت، وفاداری، بهبود تصمیم‌گیری و رشد عملکرد کسب‌وکار شدند. مدل ارائه‌شده نشان می‌دهد که به‌کارگیری هوش مصنوعی در خرده‌فروشی آنلاین می‌تواند از طریق ایجاد تجربه خرید هوشمند و تعامل داده‌محور، رفتار مصرف‌کنندگان را به‌طور معناداری بهبود دهد و مزیت رقابتی پایدار برای کسب‌وکارها ایجاد کند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">هوش مصنوعی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">رفتار مصرف‌کننده آنلاین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">خرده‌فروشی آنلاین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">تجربه خرید هوشمند</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">نظریه داده‌بنیاد</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Artificial Intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Online Consumer Behavior</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Online Retail</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Smart Shopping Experience</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Grounded Theory</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jilmt.com/index.php/jilmt/article/download/219/152</ArchiveCopySource>
  </Article>
</ArticleSet>
