Research Paper

Interpretive Structural Modeling of Factors Affecting Marketing Intelligence in Small and Medium-sized Tourism Businesses

Mostafa Mhammadi^*[1]  , Asadollah Kordnaeij^[2] , Shokoufeh Asadi^[3]

© Author(s)                                                        publisher. University of Mazandaran

Extended Abstract

1.     Introduction

The tourism industry, characterized by intense competition and rapidly shifting consumer preferences, places significant pressure on small and medium-sized enterprises (SMEs) to adopt agile and informed marketing strategies. Marketing intelligence—the process of gathering, analyzing, and utilizing market data—enables these businesses to anticipate trends, tailor services, and enhance decision-making. However, SMEs in the tourism sector often struggle with resource constraints and fragmented approaches to market analysis, limiting their ability to systematically leverage marketing intelligence. The absence of a structured model that identifies and prioritizes key factors influencing marketing intelligence further exacerbates these challenges.

Interpretive Structural Modeling (ISM) offers a robust methodological framework to address this gap. By facilitating the decomposition of complex systems into hierarchically structured relationships, ISM allows researchers and practitioners to uncover interdependencies among critical factors. This study leverages ISM to model the factors affecting marketing intelligence in tourism SMEs, providing a clear roadmap for understanding which elements act as drivers and which serve as outcomes. The integration of MICMAC analysis further enriches this understanding by classifying factors based on their influence and dependence, highlighting areas where strategic interventions can yield the greatest impact.

2.     Research Methodology

This study employed a sequential mixed-methods exploratory design. The qualitative phase involved semi-structured interviews with 15 industry experts, including managers of tourism SMEs and marketing specialists. The data from these interviews were analyzed using thematic analysis to identify the primary factors influencing marketing intelligence. In the subsequent quantitative phase, the identified factors were structured and modeled using Interpretive Structural Modeling (ISM). Judgment from 23 tourism industry managers and specialists in Mazandaran province was captured to form the structural self-interaction matrix (SSIM). Furthermore, MICMAC analysis was applied to classify the factors based on their driving power and dependence.

3.     Research Findings

Thematic analysis revealed eight key factors influencing marketing intelligence. The ISM model structured these factors into a three-level hierarchical framework. At the highest level (Level III), macro-environmental factors and market-related factors were identified as the most fundamental, independent drivers. The middle level (Level II) consisted of linking variables—competitive pressure, technological factors, and organizational factors—which possess high driving power and high dependence. The top level (Level I) comprised dependent variables, namely customer information flow, customer-centricity, and employee capabilities, which are most directly influenced by the lower-level factors. MICMAC analysis confirmed this classification, reinforcing the role of macro-environmental and market factors as autonomous drivers within the system.

4.     Conclusion

This study concludes that marketing intelligence in tourism SMEs is not a standalone function but a complex, multi-level systemic capability. The developed ISM model demonstrates that effective enhancement of marketing intelligence requires a structured, hierarchical approach, beginning with the foundational, independent variables. Managers should prioritize continuous monitoring of macro-environmental and market trends. Concurrently, strategic investments in technology and the fostering of a data-driven organizational culture are essential to activate the linking variables, which in turn enable the development of customer information flow, customer-centric strategies, and skilled employees. The integration of ISM and MICMAC provides a novel, actionable roadmap for tourism SMEs to systematically build their marketing intelligence, ultimately fostering resilience and sustainable growth in a volatile industry.

Funding

There is no funding support.

Authors’ Contribution

Authors contributed equally to the conceptualization and writing of the article. All of the authors approved the content of the manuscript and agreed on all aspects of the work

Conflict of Interest

Authors declared no conflict of interest.

Acknowledgments

We are grateful to all the persons for scientific consulting in this paper.

*Corresponding Author: Hassan Mofakhami Shahrestani

[1]. Associate Professor of Tourism Management, Department of Handicrafts, Faculty of Art and Architecture, University of Mazandaran, Babolsar, Iran. m.mohammadi@umz.ac.ir

[2]. Professor in Business management, Faculty of management, Tarbiat Modares University, Tehran. naeij@modares.ac.ir

[3]. Ph.D. Candidate in Strategic Management, Business Management Department, Faculty of Management and Economics, Tarbiat Modares University, Tehran, Iran. asadi.s@modares.ac.ir

علمی پژوهشی

مدل‌سازی ساختاری تفسیری عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط حوزۀ گردشگری

مصطفی محمدی[1]* ، اسدالله‌ کردنائیج[2] ، شکوفه اسدی[3]

1. مقدمه

در عصر حاضر که به عصر تحولات دیجیتال و رقابت شدید معروف است، بقا و موفقیت سازمان‌ها به‌ویژه کسب‌وکارهای کوچک و متوسط (SMEs)، در گرو توانایی آن‌ها در درک سریع و دقیق محیط بازار، پیش‌بینی روندها و واکنش هوشمندانه به تغییرات است. هوشمندی بازاریابی  به‌عنوان یک قابلیت راهبردی، شامل فرآیند سیستماتیک جمع‌آوری، تحلیل و به‌کارگیری اطلاعات دربارۀ محیط بازار، رقبا، مشتریان و عوامل کلان مؤثر بر کسب‌وکار است که به تصمیم‌گیری‌های اثربخش و کسب مزیت رقابتی پایدار منجر می‌شود (Kotler et al., 2021). در میان بخش‌های مختلف اقتصادی، صنعت گردشگری به دلیل ویژگی‌های منحصربه‌فرد خود، ازجمله وابستگی شدید به ترندهای جهانی، تغییر سریع سلیقۀ مسافران و رقابت فشرده، بیش از هر صنعت دیگری به هوشمندی بازاریابی وابسته است (Li et al., 2023). کسب‌وکارهای کوچک و متوسط گردشگری به‌علت انعطاف‌پذیری و قابلیت‌هایی که در نحوۀ ارائۀ خدمات دارند، نقش مهم و ارزشمندی را در صنعت گردشگری ایفا می‌کنند که نه‌تنها برای پایداری مقاصد گردشگری مفید هستند، بلکه فرصت‌هایی را برای زیربخش‌های محلی در این صنعت فراهم می‌کنند (کردنائیج و اسدی، 1403). این نوع کسب‌وکارها اغلب با محدودیت‌های منابع مالی، انسانی و فناوری مواجه هستند و از سویی، باید در محیطی بسیار پویا و تحت تأثیر عواملی مانند تحولات فناوری، تغییر ترجیحات مشتریان و بحران‌های غیرمترقبه به رقابت بپردازند (Lu & Cui, 2022). اطلاعات و داده‌های قابل اعتماد، سنگ بنای هر تصمیم مدیریتی را تشکیل می‌دهند. این امر به تصمیم‌گیری‌های استراتژیک در یک محیط کسب‌وکار پویا کمک می‌کند که به یک چالش برای افراد شاغل در کسب‌وکار، به‌ویژه در کسب‌وکارهای کوچک تبدیل شده است. دانش زمینه‌ای به‌دست‌آمده از درک محیط خارجی، عاملی است که باید توسط هر کسب‌وکاری در نظر گرفته شود تا بتواند در رقابت فزاینده، مزیت رقابتی کسب کند (Aripin, Suganda & Kusumah, 2022).

لادیپو، آوونی و آربی (۲۰۱۷) بیان کردند که کسب‌وکارها با تغییرات محیطی مختلفی روبه‌رو هستند و این تغییرات آنقدر سریع اتفاق می‌افتند که اگر خود را برای آن آماده نکنند، بقای آن‌ها در خطر خواهد بود. عصر مبتنی بر هوش، فرصت‌های باورنکردنی را برای شرکت‌ها فراهم کرده است تا تحول دیجیتال را از طریق سیستم‌ها و خدمات هوشمند جدید مرتبط با هوش بازاریابی از کلان‌داده ارتقا دهند؛ بنابراین، کسب‌وکارهای امروزی باید هوشمند باشند. هوشمندی بازار با ارائۀ داده‌ها و اطلاعات مناسب، کسب‌وکارها را قادر می‌کند تا از طریق نوآوری محصول، شناسایی مشتری و پیش‌بینی بازار، تحول دیجیتال را تسریع کنند (Nguyen, Thang & William, 2019). درواقع هوشمندی بازاریابی برای جلوگیری از شگفتی و ناتوانی مدیران در برابر تغییرات محیطی و کاهش و به حداقل رساندن خطرات احتمالی است (Johns & Van Doren, 2010). مفهوم هوشمندی بازاریابی، به اطلاعاتی اطلاق می‌شود که به‌عنوان یک تلاش مستمر، در راستای افزایش قابلیت رقابتی و تقویت فرآیندهای برنامه‌ریزی راهبردی سازمان عمل می‌کند . (Nguyen et al., 2019) در عصر دیجیتال کنونی، هوشمندی بازاریابی به‌عنوان اطلاعات مرتبط با بازار روزانۀ کسب‌وکارها، به‌طور خاص جمع‌آوری و تحلیل می‌شود؛ چراکه مبنایی برای تصمیم‌گیری دقیق و به‌موقع مدیران به‌شمار می‌رود (Siti, Tommy & Dio, 2020). ضرورت به‌کارگیری هوشمندی بازاریابی، به‌ویژه برای کسب‌وکارهای کوچک و متوسط فعال در صنعت گردشگری که با محدودیت منابع و رقابت فشردۀ جهانی مواجه هستند، حیاتی‌تر است؛ چراکه این قبیل کسب‌وکارها برای بقا و رشد در بازارهای پرتلاطم، نیازمند درک عمیق ترجیحات مسافران، رصد فعالیت‌های رقبا و پیش‌بینی روندهای نوظهور سفر هستند و هوشمندی بازاریابی به آن‌ها این امکان را می‌دهد تا به جای تکیه بر حدس و گمان، بر اساس داده‌ها و بینش‌های مستخرج از بازار، استراتژی‌های خود را در حوزه‌هایی مانند قیمت‌گذاری، توسعۀ بسته‌های سفر، انتخاب کانال‌های تبلیغاتی و هدف‌گیری بازارهای خاص تدوین کنند. درواقع، هوشمندی بازاریابی به‌عنوان یک مزیت رقابتی کلیدی، نقش یک قطب‌نما را برای هدایت کسب‌وکارهای کوچک و متوسط گردشگری در محیط پیچیده و پرتلاطم جهانی ایفا می‌کند (Carson et al, 2020; Abrokwah & Awuku, 2024).

در اقتصاد دیجیتال و رقابت فشردۀ امروه، هوشمندی بازاریابی به یک قابلیت حیاتی برای بقا و رشد کسب‌وکارها تبدیل شده است. این مفهوم به سازمان‌ها کمک می‌کند تا با تحلیل نظام‌مند روندهای بازار، رفتار رقبا و ترجیحات مشتریان، استراتژی‌های خود را بهینه‌سازی کنند که این امر ضمن حفظ رقابت‌پذیری، سودآوری را به حداکثر می‌رساند (Nagle & Muller, 2018). مزایای بالقوۀ هوشمندی بازاریابی نشان می‌دهد که کاربست آن در صنعت پویای گردشگری می‌تواند استراتژی‌های بازاریابی را متحول کرده، تجربۀ مشتری را غنی‌تر و موفقیت کسب‌وکار را در محیطی پرتلاطم تضمین کند. اگرچه مطالعات پیشین به اهمیت کلیدی هوشمندی بازاریابی در موفقیت کسب‌وکارها اذعان دارند (Kotler et al., 2021; Godin, 2018). برخی پژوهش‌ها نیز عوامل مؤثر بر موفقیت کسب‌وکارهای کوچک و متوسط را در زمینه‌های مختلف بررسی کرده‌اند، اما شکاف تحقیقاتی قابل توجهی در درک چندین جنبه وجود دارد؛ نخست موضوع شناسایی و اولویت‌بندی عوامل خاص مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری است؛ اکثر تحقیقات موجود به‌صورت پراکنده و بدون ارائۀ مدلی یکپارچه به این موضوع پرداخته‌اند. برای مثال، مطالعه‌ای نشان داد که قابلیت‌های پویای مبتنی بر دانش تأثیر مستقیمی بر شکل‌گیری هوشمندی رقابتی دارد (Pencarelli, 2020)؛ اما مسألۀ کلیدی این است که این عوامل در کنار سایر عوامل سازمانی، فناورانه و محیطی چگونه ساختار می‌یابند؛ دوم؛ درک روابط درونی و سلسله‌مراتبی بین این عوامل هوشمندی بازاریابی یک پدیدۀ تک‌بعدی نیست؛ بلکه حاصل تعامل پیچیدۀ مجموعه‌ای از عوامل در سطوح مختلف است (Xie, D., & He, 2022).

تمرکز بر بستر خاص گردشگری و به‌ویژه کسب‌وکارهای کوچک و متوسط آن در ایران حائز اهمیت است. ویژگی‌های منحصربه‌فرد صنعت گردشگری ازجمله ماهیت خدماتی، وابستگی به تجربه و حساسیت به عوامل محیطی و همچنین چالش‌های خاص کسب‌وکارهای کوچک و متوسط ایرانی مانند محدودیت منابع، ضعف زیرساخت فناوری و نهادینه‌نبودن فرهنگ داده‌محوری ایجاب می‌کند که عوامل مؤثر بر هوشمندی بازاریابی در این زمینه به‌طور ویژه و بومی مورد کاوش قرار گیرد. در این راستا، بازاریابی هوشمند به‌عنوان یک رویکرد نوین در صنعت گردشگری ایران، با بهره‌گیری از فناوری‌های تحلیلی، تأثیرات قابل‌توجهی بر کیفیت خدمات و تجربۀ گردشگران داشته است و پتانسیل آن برای متمایزسازی کسب‌وکارها در فضای رقابتی دیجیتال مورد تأکید قرار گرفته ‌است (احمدی و همکاران، 1404). برای پر کردن این شکاف‌ها، پژوهش حاضر از روش مدل‌سازی ساختاری تفسیری (ISM) بهره می‌گیرد. این روش که جزء روش‌های تجزیه‌وتحلیل سیستم‌هاست، به‌خوبی می‌تواند تعاملات و روابط ساختاری میان عناصر یک سیستم پیچیده را بررسی و یک مدل سلسله‌مراتبی ارائه کند. همچنین، برای تحلیل قدرت نفوذ و وابستگی عوامل، از تکنیک MICMAC استفاده می‌شود (فیروزجائیان و همکاران، 1392؛ اکبری و همکاران، 1398). اگرچه این روش پیش‌تر در مدل‌سازی عوامل موفقیت کسب‌وکارهای کوچک و متوسط در حوزه‌های دیگر به کار رفته (Mohsenikabir et al., 2024)، اما کاربرد آن در زمینۀ هوشمندی بازاریابی کسب‌وکارهای کوچک و متوسط گردشگری ایران در ادبیات پژوهش کم‌رنگ است؛ لذا، این پژوهش با هدف پاسخ به سؤالات زیر تدوین شده است:

1.عوامل کلیدی مؤثر بر توسعۀ هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط حوزۀ گردشگری ایران کدامند؟

2.روابط درونی و سلسله‌مراتبی بین این عوامل چگونه است؟

3.کدام عوامل به‌عنوان عوامل پایه‌ای (با قدرت نفوذ بالا) و کدام به‌عنوان عوامل وابسته (با اثرپذیری بالا) در این سیستم عمل می‌کنند؟

نتایج این پژوهش نه‌تنها بر غنای نظری ادبیات هوشمندی بازاریابی و مدیریت گردشگری می‌افزاید، بلکه با ارائۀ یک مدل ساختاری و عملیاتی، به مدیران و سیاست‌گذاران بخش گردشگری کمک خواهد کرد تا منابع محدود خود را بر عوامل کلیدی و اهرمی متمرکز ساخته و با تقویت هدفمند هوشمندی بازاریابی، مزیت رقابتی پایدار در محیط پویای امروز ایجاد کنند.

2. ادبیات پژوهش

1.2. کسب‌وکارهای کوچک و متوسط گردشگری

گردشگری یکی از جذاب‌ترین حوزه‌های رشد اقتصادی در جهان است که طیف وسیعی از فعالیت‌های ناهمگن مانند اقامت، رستوران، آژانس‌های مسافرتی، حمل‌ونقل و سرگرمی را در بر می‌گیرد (Yabancı, 2023). یکی از مهم‌ترین ویژگی‌های صنعت گردشگری این است که اکثر کسب‌وکارهای فعال در این صنعت مانند رستوران‌ها، آژانس‌ها، اقامتگاه‌ها و غیره کوچک و خانوادگی هستند. کسب‌وکارهای کوچک و متوسط گردشگری (SMTEs) موتورهای اقتصادی مقاصد گردشگری هستند (Getz, Carlsen, and Morrison 2004) و تحقیقات نشان داده‌اند این کسب‌وکارها در بسیاری از کشورها رشد ویژه‌ای داشته‌اند و به حفظ ثبات اجتماعی و اقتصادی کمک نموده‌اند (Na et al., 2020). اگرچه اندازۀ آن‌ها کوچک، اما تعداد آن‌ها زیاد است و بیش از 90٪ از کل تجارت گردشگری را شامل می‌شوند و عملکرد آن‌ها برای موفقیت بخش گردشگری و برای معیشت مقاصد گردشگری حیاتی است (Halak et al, 2015). این کسب‌وکارها نقش مهمی در ارائۀ خدمات گردشگری، تضمین رضایت گردشگران و همچنین ایجاد تصویری مثبت از مقصد دارند (Soares et al, 2021).

اقامتگاه‌ها، مراکز بوم‌گردی، اپراتورهای تور، مرکز صنایع‌دستی و سوغاتی‌ها به‌عنوان کسب‌وکارهای کوچک گردشگری شناخته می‌شوند که در امتداد خطوط بخش گردشگری قرار دارند و در مقایسه با شرکت‌های بزرگ‌تر با توجه به نقاط قوت خاصشان مانند سازگاری، انعطاف‌پذیری و دسترسی آسان‌ترِ مراجعین به این مراکز، پاسخ‌گوی تقاضای بازار گردشگری هستند (Santos & Brito, 2012; Singh et al., 2023; Maziliauske, 2024). در گردشگری، نقش شرکت‌های کوچک و متوسط (هتل‌ها، هاستل‌ها، آژانس‌های مسافرتی، اقامتگاه‌ها، رستوران‌ها و...) بسیار مهم است (Martínez-Román, 2015). این نوع کسب‌وکارها به‌عنوان مهم‌ترین تسهیل‌کننده‌ها در صنعت گردشگری شناخته می‌شوند. مطالعه‌ای که توسط شارما و آپنجا در سال ۲۰۰۵ در مورد صنعت گردشگری تانزانیا انجام شد، نشان داد که هتل‌ها و رستوران‌های کوچک به منبع اصلی فرصت‌های شغلی و فعالیت‌های کارآفرینی تبدیل شده‌اند (Othman & Rosli, 2011). کسب‌وکارهای کوچک در دست‌یابی به اهداف اقتصادی هر کشوری اهمیت بالایی دارند. آن‌ها طیف گسترده‌ای از فعالیت‌های اقتصادی و بخش‌های مختلف را پوشش می‌دهند و نقش آن‌ها را در رشد و توسعۀ اقتصادی کشورها نمی‌توان نادیده گرفت. کسب‌وکارهای کوچک تحت فشار شدیدی هستند تا بازاریابی محصولات خود را با پیشرفت‌های فناوری و نیازهای در حال تغییر مشتریان هم‌سو کنند. این موضوع نشان‌دهندۀ ناکارآمدی بازاریابی در میان کسب‌وکارهای کوچک است (Lu & Cui, 2022). سیستم‌های ناکارآمد اطلاعات بازاریابی، به بازاریابی و مزیت رقابتی کسب‌وکارهای کوچک آسیب می‌رسانند (Kotler et al., 2022; Prescott & Miller, 2001). به‌طور خاص، کامائو و نجونا (۲۰۲۰) خاطرنشان می‌کنند که عدم توانایی در توسعۀ محصولات و خدمات مناسب برای مشتریان، ناشی از فقدان هوش بازاریابی است. این کاستی‌ها باعث شده که کسب‌وکارهای کوچک و متوسط فاقد ظرفیت رقابتی لازم برای رقابت با رقبای بزرگ‌تر خود باشند.

2.2. هوشمندی بازاریابی

هوشمندی بازاریابی به‌عنوان یک فرآیند نظام‌مند و پیوسته، به جمع‌آوری، پردازش، تحلیل و به‌کارگیری اطلاعات مرتبط با محیط درونی و بیرونی سازمان اطلاق می‌شود که هدف نهایی آن پشتیبانی از تصمیم‌گیری‌های راهبردی و عملیاتی در حوزۀ بازاریابی است (Kotler & Keller, 2016). در دنیای پررقابت امروز، هوشمندی بازاریابی به یک مزیت رقابتی پایدار تبدیل شده که به سازمان‌ها امکان می‌دهد نه‌تنها بر اساس شهود، بلکه بر مبنای داده‌های واقعی و شواهد عینی تصمیم‌گیری کنند (Tahmasebifard, 2018). این مفهوم از چهار رکن اصلی تشکیل شده است: هوشمندی مشتری که به درک عمیق نیازها، خواسته‌ها و رفتارهای مصرف‌کنندگان می‌پردازد؛ هوشمندی رقابتی که بر نظارت و تحلیل فعالیت‌ها و استراتژی‌های رقبا متمرکز است؛ هوشمندی بازار که روندهای کلان اقتصادی، اجتماعی، فناورانه و قانونی مؤثر بر صنعت را بررسی می‌کند؛ هوشمندی محصول که به ارزیابی عملکرد محصولات و خدمات موجود و شناسایی فرصت‌های توسعۀ محصولات جدید می‌پردازد (Järvinen & Taiminen, 2016). به گفتۀ روتیچ  (2016)، هوشمندی بازار به فرآیند کسب و تحلیل اطلاعات به منظور درک بازار (شامل مشتریان موجود و بالقوه) اشاره دارد تا نیازها و ترجیحات فعلی و آتی، نگرش‌ها و رفتارهای بازار مشخص شود و همچنین تغییرات در محیط کسب‌وکار که ممکن است بر اندازه و ماهیت بازار در آینده تأثیر بگذارد، ارزیابی گردد. این یک سیستم برای ثبت اطلاعات مورد نیاز برای تصمیم‌گیری در بازاریابی است. هدف بنیادین هوشمندی بازاریابی، کمک به مدیران بازاریابی برای اتخاذ تصمیماتی است که روزانه در حوزه‌های مختلف مسؤولیت خود ازجمله قیمت‌گذاری با آن مواجه می‌شوند. هوشمندی بازاریابی، قابلیت درک، تحلیل و ارزیابی داده‌های محیط داخلی و خارجی مرتبط با سازمان، مشتریان، رقبا، بازارها و شرکت‌ها به منظور بهبود تصمیم‌گیری تاکتیکی و استراتژیک و همچنین یکپارچه‌سازی هوش رقابتی، تحقیقات بازاریابی، تحلیل بازار و تحلیل اطلاعات تجاری و مالی است (Ladipo et al., 2017).

اجرای موفقیت‌آمیز سیستم هوشمندی بازاریابی مستلزم بهره‌گیری از منابع متنوع داده است. این منابع شامل داده‌های داخلی سازمان نظیر اطلاعات فروش، گزارش‌های مالی و داده‌های مدیریت ارتباط با مشتری (CRM) می‌شود، همچنین داده‌های خارجی مانند تحقیقات اولیه از طریق نظرسنجی و مصاحبه، تحقیقات ثانویه شامل گزارش‌های صنعتی و مطالعات دولتی و داده‌های دیجیتال حاصل از تحلیل شبکه‌های اجتماعی و رفتار آنلاین کاربران را در بر می‌گیرد (Li et al., 2023). این سیستم با ایفای نقش پل بین محیط داخلی و خارجی، به مدیران کمک می‌کند تا در مورد بازارها، رقبا و استراتژی‌ها تصمیمات منطقی اتخاذ کنند (Nguyen et al., 2019). کاربردهای هوشمندی بازاریابی در سازمان‌ها بسیار گسترده و متنوع است. از مهم‌ترین این کاربردها می‌توان به کاهش ریسک تصمیم‌گیری‌ها، شناسایی فرصت‌های جدید بازار، بهینه‌سازی استراتژی‌های بازاریابی، افزایش چابکی سازمانی در پاسخ به تغییرات بازار و درنهایت خلق ارزش برتر برای مشتریان اشاره کرد (Pencarelli, 2020). این سیستم به سازمان‌ها کمک می‌کند تا منابع خود را به‌صورت کارآمدتر تخصیص دهند و اثربخشی فعالیت‌های بازاریابی خود را به حداکثر برسانند (Nagle & Muller, 2018).

توسعۀ هوشمندی بازاریابی در گردشگری به‌طور مستقیم با تحولات فناوری و تغییر الگوهای سفر در دهه‌های اخیر مرتبط است. در گذشته، تصمیم‌گیری‌های بازاریابی در این صنعت عمدتاً بر اساس تجربه و شهود مدیران صورت می‌گرفت، اما با ظهور اینترنت و دیجیتالی‌شدن فرآیندهای سفر از اواخر دهۀ ۱۹۹۰، لزوم اتخاذ رویکردی سیستماتیک و مبتنی بر داده به‌تدریج آشکار شد (Buhalis & Law, 2008). تحولات بعدی ازجمله ظهور رسانه‌های اجتماعی در دهۀ ۲۰۰۰ و گسترش گوشی‌های هوشمند، حجم بی‌سابقه‌ای از داده را در مورد ترجیحات و رفتار مسافران ایجاد کرد که نیاز به توسعۀ چارچوب‌های تحلیلی پیشرفته‌تر را ضروری کرد (Li et al., 2023). امروزه هوشمندی بازاریابی به یک ضرورت راهبردی برای بازیگران صنعت گردشگری تبدیل شده است. این ضرورت ناشی از ویژگی‌های منحصربه‌فرد این صنعت ازجمله وابستگی شدید به عوامل خارجی (همچون همه‌گیری‌ها، تغییرات آب‌وهوایی و تحولات سیاسی)، رقابت شدید جهانی و تغییرات سریع در ترجیحات مسافران است (Pencarelli, 2020). علاوه بر این، مطالعات نشان می‌دهند که سازمان‌های گردشگری که از سیستم‌های هوشمندی بازاریابی استفاده می‌کنند، قادرند تا ۳۵٪ سریع‌تر به تغییرات بازار نشان دهند و تا ۲۰٪ اثربخشی کمپین‌های بازاریابی خود را افزایش دهند (Kotler et al., 2021). این امر در محیطی که مسافران به‌طور فزاینده‌ای خواستار تجربیات شخصی‌سازی شده و لحظه‌ای هستند، به عاملی کلیدی در کسب مزیت رقابتی پایدار تبدیل شده است (UNWTO, 2023).

بااین‌حال، استقرار سیستم هوشمندی بازاریابی با چالش‌هایی نیز همراه است. مدیریت حجم انبوه داده‌های ساختاریافته و غیرساختاریافته، یکپارچه‌سازی داده‌های پراکنده از منابع مختلف، رعایت مسائل اخلاقی و حریم خصوصی مشتریان و مهم‌تر از همه، تغییر فرهنگ سازمانی از تصمیم‌گیری بر اساس شهود به فرهنگ داده‌محوری، ازجمله مهم‌ترین این چالش‌ها به شمار می‌روند (Farahat, 2023). با پیشرفت فناوری‌های نوظهور مانند هوش مصنوعی و یادگیری ماشین، آیندۀ هوشمندی بازاریابی به سمت تحولات چشم‌گیری در حرکت است. توسعۀ قابلیت‌های پیش‌بینی روندهای بازار، شخصی‌سازی فوق‌العاده پیشنهادات و خدمات و ارائۀ توصیه‌های استراتژیک بلادرنگ، ازجمله زمینه‌های درحال‌توسعه در این حوزه هستند (Huang & Rust, 2021; Chintalapati & Pandey, 2022). در نتیجه، هوشمندی بازاریابی امروزه به یک ضرورت انکارناپذیر برای سازمان‌هایی تبدیل شده که به دنبال حفظ و توسعۀ مزیت رقابتی خود در محیط‌های کسب‌وکار پویا و پیچیده هستند. موفقیت در اجرای این سیستم مستلزم تعهد مدیریت ارشد، تخصیص منابع مناسب و توسعۀ قابلیت‌های تحلیلی در سراسر سازمان است (Kotler et al., 2021).

3. روش‌شناسی پژوهش

پژوهش حاضر از نظر هدف، کاربردی و از نظر نحوۀ اجرا، توصیفی - تحلیلی است. این مطالعه در دو مرحلۀ متوالی طراحی و اجرا شده است. مرحلۀ اول با هدف کشف و شناسایی عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط حوزۀ گردشگری و با استفاده از روش تحلیل تم و مرحلۀ دوم نیز با هدف ساختاربندی و تدوین مدل و به‌کارگیری روش مدل‌سازی ساختاری - تفسیری (ISM) صورت گرفت. در مرحله اول داده‌ها از طریق مصاحبۀ نیمه ساختاریافته با خبرگان گردآوری شد. مشارکت‌کنندگان پژوهش حاضر خبرگان دانشگاهی و اجرایی فعال در صنعت گردشگری استان مازندران هستند که به روش نمونه‌گیری هدفمند و بر اساس معیارهای ازپیش‌تعیین‌شده انتخاب شدند. فرآیند نمونه‌گیری تا رسیدن به اشباع نظری ادامه یافت که درنهایت منجر به مشارکت ۱۷ خبره گردید. معیارهای گزینش خبرگان به این شرح بود: خبرگان اجرایی می‌بایست دارای حداقل ۱۰ سال سابقۀ مدیریتی یا مشاوره در کسب‌وکارهای کوچک و متوسط گردشگری و خبرگان دانشگاهی نیز می‌بایست دارای مدرک دکتری باشند. مصاحبه‌ها بر مبنای راهنمای مصاحبه‌ای که توسط محقق تدوین و پس از تأیید اعضای هیأت علمی نهایی شده بود، انجام شد. داده‌های حاصل از مصاحبه‌ها پس از ثبت و استخراج، طی فرآیندی سیستماتیک مورد تحلیل محتوا قرار گرفت و از طریق کدگذاری، ابعاد و مؤلفه‌های هوشمندی بازاریابی استخراج شد.

در مرحلۀ بعد پژوهش، از روش مدل‌سازی ساختاری - تفسیری (ISM) به‌عنوان چارچوب روش‌شناختی اصلی برای ترسیم روابط و ساختار سلسله‌مراتبی بین عوامل شناسایی‌شده استفاده گردید. مدل‌سازی ساختاری تفسیری یک تکنیک تعاملی است که امکان سازمان‌دهی مجموعه‌ای از عناصر به هم پیوسته را در قالب یک مدل نظام‌مند و همه‌جانبه فراهم می‌کند (Warfield, 1974). این متدولوژی با هدایت و تشریح روابط پیچیده میان مؤلفه‌های مختلف یک سیستم، درک آن را تسهیل می‌کند (Faisal et al., 2006). از مفروضات بنیادین این روش آن است که عناصری که دارای بیشترین میزان تأثیرگذاری بر سایر عوامل هستند، از درجه اهمیت و اولویت بالاتری نیز برخوردارند. خروجی این فرآیند، ارائۀ ساختاری است که مسأله یا موضوعی پیچیده را در یک حوزۀ مطالعاتی مشخص به تصویر می‌کشد (Faisal et al., 2006).

بر اساس این، می‌توان اذعان داشت که مدل‌سازی ساختاری تفسیری، افزون بر ارائۀ بینشی عمیق در خصوص روابط متقابل عناصر سیستم، ساختار سلسله‌مراتبی آنان را نیز بر مبنای میزان اهمیت و تأثیرگذاری متقابل، تعریف و به شکلی گرافیکی بازنمایی می‌کند. وجه تفسیری این روش ناشی از اتکای آن بر قضاوت گروهی خبرگان برای تشخیص وجود یا عدم وجود رابطۀ بین عناصر است. از سوی دیگر، این روش به دلیل استخراج و بنا نهادن روابط بر پایۀ یک چارچوب ساختاری منسجم که از میان مجموعه‌ای پیچیده از متغیرها استخراج می‌شود، ماهیتی ساختاری دارد (فیروزجائیان و همکاران، 1392). در این مرحله، داده‌های مورد نیاز از طریق پرسش‌نامۀ محقق‌ساخته و از ۲3 نفر از مدیران و متخصصان بازاریابی در صنعت گردشگری استان مازندران که به روش هدفمند انتخاب شده بودند، گردآوری شد. مبنای تحلیل داده‌ها در این روش و برای تشکیل ماتریس ساختاری، بر اساس شاخص مُد (پاسخ دارای بیشترین فراوانی) تعیین گردید. جهت بررسی روایی پرسش‌نامه روش‌های متعددی وجود دارد که با توجه به ماهیت پژوهش حاضر، از روش «روایی محتوا» استفاده شد؛ بدین ترتیب پس از استخراج عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط حوزۀ گردشگری از طریق مصاحبه در گام‌های اول و سوم از روایی محتوایی استفاده گردید، برای این منظور نظرات اساتید دانشگاهی و دو نفر از خبرگان فعال در حوزۀ کسب‌وکارهای کوچک و متوسط گردشگری در مورد مناسب بودن پرسش‌نامه‌ها اخذ و اعمال شد. برای پایایی پرسش‌نامۀ ISM از روش آزمون مجدد (آزمون - پس‌آزمون) استفاده شد. بدین منظور پرسش‌نامۀ مزبور دو مرتبه به 4 تن از خبرگان و متخصصین که امکان دسترسی مجدد با آن‌ها فراهم بود ارسال شد و درنهایت مجموع همبستگی پاسخ‌های اعلام‌شده برای هر دو مرحله از طرف خبرگان  0.761% و این مقدار بیانگر پایایی قابل قبول پرسش‌نامه است.

4. یافته‌ها

در این پژوهش، به‌منظور گردآوری داده‌های مورد نیاز برای شناسایی عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری، از مصاحبه‌های نیمه‌ ساختاریافته با خبرگان استفاده شد. داده‌های حاصل نیز با روش تحلیل تم (تحلیل مضمون) مورد تجزیه‌وتحلیل قرار گرفت. برای اجرای این فرآیند، راهنمای مصاحبه‌ای تدوین گردید تا زمینه‌ساز انجام مصاحبه‌های نیمه‌ساختاریافته با خبرگان باشد. فرآیند تحلیل تم در این پژوهش طی مراحل زیر انجام گرفت:

مرحلۀ اول: تحلیل تِم

گام اول: آشنایی عمیق با داده‌ها 

در این مرحله، محقق به بررسی دقیق محتوای مصاحبه‌های انجام‌شده پرداخت. به این منظور، متون مصاحبه‌ها در دو بازه زمانی مجزا و طی یک دوره دو هفته‌ای، به­طور کامل و موشکافانه مطالعه و نکات کلیدی و عبارات مهم استخراج شد. در مواردی که ابهامی در بیان دیدگاه‌های خبرگان وجود داشت، جهت رفع آن، تماس مجدد با خبرگان گرفته شد تا دیدگاه‌هایشان به‌وضوح بیان گردد. همچنین پس از یادداشت‌برداری از محتوای مصاحبه‌ها، بازخوانی و مرور چندبارۀ یادداشت‌ها جهت اطمینان از صحت و دقت درک داده‌ها صورت گرفت.

گام دوم: کدهای اولیه 

پس از تسلط کامل بر محتوای مصاحبه‌ها و درک جامع مطالب، کدهای اولیه از متن مصاحبه‌ها استخراج شد. کدگذاری به این صورت انجام گرفت که برای هر گزارۀ مرتبط و معنادار که از سوی خبرگان بیان شده بود، یک کد اختصاص داده می‌شد. نمونه‌هایی از متون مصاحبه، کدهای استخراج‌شده و مضامین پایه در جدول (1) ارائه شده است.

*  نویسنده مسئول: مصطفی محمدی

[1]  دانشیار، گروه صنایع دستی، دانشکدۀ هنر و معماری، دانشگاه مازندران، بابلسر، ایران. m.mohammadiumz.ac.ir

[2]  استاد، گروه آموزشی مدیریت بازرگانی، دانشکدۀ مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. naeij@modares.ac.ir

[3]  کاندیدای دکتری مدیریت راهبردی، گروه آموزشی مدیریت بازرگانی، مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران. asadi.s@modares.ac.ir

جدول 1. چند نمونه متن مصاحبه، کدهای استخراج شده و مضامین پایۀ مربوط به آن­ها

گام سوم: شکل‌دهی به مضامین اولیه

در این مرحله، کدهای استخراج‌شده از نظر محتوایی و مفهومی مورد بررسی و واکاوی قرار گرفتند. کدهایی که از منظر معنایی دارای هم‌پوشانی و تشابه بودند، در قالب مضامین پایه دسته‌بندی شدند. در ادامه، مضامین پایه‌ای که از سنخیت مفهومی برخوردار بودند، با یکدیگر تلفیق شده و مضامین سازمان‌دهنده را تشکیل دادند.

گام چهارم: بازبینی و اعتبارسنجی مضامین 

در این گام، مضامین شناسایی‌شده مجدداً مورد ارزیابی و بازبینی دقیق قرار گرفتند. برای حصول اطمینان از صحت و اعتبار یافته‌ها، نتایج حاصل از کدگذاری و استخراج مضامین، با مبانی نظری پژوهش مقایسه و انطباق داده شد. همچنین، نقشۀ مضامین ترسیم‌شده مورد بررسی قرار گرفت که نشان‌دهندۀ برخورداری از ساختاری منطقی و قابل قبول بود.

گام پنجم: تعریف و نام‌گذاری نهایی مضامین

پس از تأیید نهایی و دسته‌بندی مضامین استخراج‌شده، به هر یک از آن‌ها عنوان مناسب و معناداری اختصاص داده شد. نتایج ناشی از اجرای روش تحلیل مضمون در جدول (۲) ارائه شده است.

جدول 2. نتایج روش تحلیل مضمون

مرحلۀ دوم: تعیین روابط بین ابعاد و شاخص‌ها با به‌کارگیری رویکرد مدل‌سازی ساختاری تفسیری (ISM)

گام اول: تشکیل ماتریس خودتعاملی ساختاری (SSIM)

ماتریس خودتعاملی ساختاری، ماتریسی مربعی با ابعاد برابر تعداد عوامل شناسایی‌شده است که در آن، ابعاد و شاخص‌ها به ترتیب در سطرها و ستون‌های اول قرار می‌گیرند. سپس روابط دوطرفه بین عوامل با استفاده از نمادهای مشخصی تعریف می‌شود (آذر و همکاران، 1395). تشکیل این ماتریس مبتنی بر بحث و تبادل نظر گروه متخصصان است و برای تعیین نوع روابط، استفاده از نظر خبرگان با به‌کارگیری تکنیک‌هایی همچون طوفان فکری و تکنیک گروه اسمی توصیه می‌شود (Singh et al., 2003). در این پژوهش، پس از شناسایی شاخص‌ها و دسته‌بندی عوامل، پرسش‌نامه‌ای منطبق با روش مدل‌سازی ساختاری - تفسیری طراحی گردید. مطابق با دستورالعمل‌های این روش که در روش تحقیق تشریح شد، از 23 نفر از مدیران و متخصصان بازاریابی در صنعت گردشگری استان مازندران که به روش هدفمند انتخاب شده بودند، درخواست شد تا روابط بین ابعاد را مشخص کنند. روابط مفهومی مورد استفاده در تشکیل ماتریس خودتعاملی ساختاری در جدول (3) ارائه شده است.

جدول 3. مفاهیم نماد‌ها در SSIM

در این پژوهش، پس از شناسایی و دسته‌بندی نهایی شاخص‌ها، پرسش‌نامه‌ای منطبق با اصول روش مدل‌سازی ساختاری - تفسیری طراحی گردید. با توجه به ماهیت کیفی و مبتنی بر نظر خبرگان این روش، جهت تأیید پایایی از تکنیک بازبینی همتایان (Peer Debriefing) استفاده شد. در این رویه، یافته‌ها و فرآیند تحلیل با پژوهشگران مجرب به اشتراک گذاشته شده و نظرات اصلاحی آنان در نتایج اعمال گردید. به‌منظور بررسی روایی نیز از روایی محتوایی (Content Validity) بهره‌گیری شد که طی آن پرسش‌نامۀ طراحی‌شده توسط جمعی از خبرگان مورد بررسی و تأیید قرار گرفت. با توجه به وجود تفاوت در دیدگاه‌های مشارکت‌کنندگان در تعیین نوع روابط بین متغیرها، روابط نهایی برای تشکیل ماتریس خودتعاملی ساختاری (SSIM) بر اساس دستورالعمل وارفیلد و بر مبنای شاخص مُد (پاسخ دارای بیشترین فراوانی تعیین گردید. بر اساس این، ماتریس خودتعاملی ساختاری به شرح زیر تشکیل شد.

جدول 4. ماتریس خودتعاملی ساختاری نهایی

مبنع: یافته‌های پژوهش

گام دوم: تشکیل ماتریس دریافتی (دسترسی اولیه)

برای تدوین این ماتریس باید نمادهای ماتریس خودتعاملی ساختاری (SSIM) را به صفر و یک تبدیل کنیم. این فرآیند بر طبق اصول جدول زیر انجام می‌شود:

جدل 5. تبدیل نمادها به اعداد

بنابراین ماتریس دسترسی اولیه به شرح زیر خواهد بود:

جدول 6. ماتریس دسترسی اولیه

 منبع: پژوهش حاضر

گام سوم: تعیین روابط و سطح‌بندی ابعاد

در مرحلۀ بعدی، با درنظرگرفتن قابلیت انتقال عوامل مؤثر بر جریان‌های نقدی، ماتریس دسترسی نهایی تشکیل شد. این ماتریس امکان محاسبۀ دو شاخص کلیدی را فراهم می‌کند: قدرت نفوذ (تأثیرگذاری هر عامل بر سایر عوامل) و میزان وابستگی (تأثیرپذیری هر عامل از سایر عوامل). قدرت نفوذ هر عامل از مجموع عواملی که تحت تأثیر مستقیم یا غیرمستقیم آن قرار می‌گیرند، به‌دست می‌آید؛ درحالی‌که میزان وابستگی از طریق مجموع عواملی که بر آن عامل تأثیر می‌گذارند، محاسبه می‌شود.

جدول 7. ماتریس دسترسی نهایی

 منبع: پژوهش حاضر

سطح‌بندی عوامل در مدل ساختاری تفسیری

به‌منظور تعیین جایگاه سلسله‌مراتبی متغیرها در مدل نهایی، لازم است ماتریس دسترسی نهایی به سطوح مختلف تفکیک گردد. برای این منظور، سه مجموعه مجزا برای هر متغیر تعریف می‌شود: مجموعۀ خروجی، مجموعۀ ورودی و مجموعۀ مشترک. بر اساس این تقسیم‌بندی، متغیرهایی که مجموعۀ خروجی و ورودی آن­ها کاملاً یکسان باشد، در زمرۀ مجموعۀ مشترک قرار می‌گیرند. این متغیرها در فرآیند سطح‌بندی، در بالاترین ردۀ سلسله‌مراتب قرار گرفته و در ایجاد یا تأثیرگذاری بر سایر متغیرها نقشی ندارند.

فرآیند سطح‌بندی به این صورت است که پس از شناسایی متغیرهای مجموعه مشترک، آن­ها از فهرست سایر متغیرها حذف شده و این روند به‌صورت تکراری ادامه می‌یابد تا سطح تمامی متغیرها مشخص شود. در این پژوهش، عوامل شناسایی‌شده در سه سطح مختلف دسته‌بندی شده‌اند.

جدول 8. سطح‌بندی عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری سطح اول

 منبع: پژوهش حاضر

با مشخص­شدن سطوح اول، عامل جریان اطلاعات از مشتریان، توانایی کارکنان و مشتری‌محوری از محاسبۀ سطوح سایر عوامل جدا می‌شوند. این روند تا زمانی که سطح تمامی عوامل مشخص شوند، تکرار می‌گردد.

جدول 9. سطح‌بندی عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری سطح دوم

 منبع: پژوهش حاضر

جدول 10. سطح‌بندی عوامل مؤثر بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری سطح سوم

 منبع: پژوهش حاضر

گام سوم: ترسیم شبکۀ تعاملات ابعاد مؤثر هوشمندی بازریابی در کسب‌وکارهای کوچک و متوسط حوزۀ گردشگری

جداول فوق نشان می‌دهند که عوامل مؤثر بر هوشمندی بازریابی از سه سطح تشکیل شده‌اند. در سطح اول، توانایی کارکنان، جریان اطلاعات از مشتریان و مشتری‌محوری قرار دارند؛ در سطح دوم، عوامل سازمانی، فشار رقابتی و عوامل فناورانه وجود دارند و در سطح سوم عوامل کلان و مربوط به بازار جای می‌گیرند؛ با توجه به این سطوح و ماتریس دسترسی، یک مدل اولیه ترسیم شده و با حذف انتقال‌پذیری از آن، مدل نهایی به‌دست می‌آید. همان‌طور که مشخص است، مدل نهایی از سه سطح تشکیل شده است. عواملی که در سطوح بالاتر قرار دارند، بیشتر تحت تأثیر سایر عوامل قرار می‌گیرند. عواملی که در سطح بالاتر قرار دارند، متغیرهای وابسته (خروجی) هستند و عواملی که در سطح پایین‌تر هستند، متغیرهای مستقل (محرک) قدرتمند محسوب می‌شوند. مدل نهایی بر اساس یافته‌های شما به شرح زیر است:

شکل 1. مدل‌سازی ساختاری تفسیری (ISM) عوامل تأثیرگذار بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری

تحلیل MICMAC

هدف از تحلیل MICMAC، شناسایی و بررسی قدرت نفوذ و وابستگی متغیرها است. در این نوع تحلیل، اهمیت متغیرها بر اساس روابط غیرمستقیم میان آن­ها ارزیابی می‌شود. متغیرها بر اساس قدرت نفوذ، میزان تأثیرگذاری و وابستگی به چهار دسته تقسیم می‌شوند:

دستۀ اول شامل متغیرهای خودمختار است که قدرت هدایت و وابستگی ضعیفی دارند. این متغیرها به­طور نسبی از سیستم جدا بوده و ارتباطات کمی با آن دارند. در این پژوهش، هیچ­یک از متغیرها در این دسته قرار نگرفته‌اند.

دستۀ دوم شامل متغیرهای وابسته است که تأثیرپذیری بیشتری نسبت به سایر عوامل دارند و وابستگی آن­ها زیاد است. در این تحقیق، جریان اطلاعات از مشتریان، مشتری‌محوری و توانایی کارکنان در این دسته قرار می‌گیرند. این عوامل ریشه‌های تأثیرگذار در سیستم هستند. تغییر در این عوامل (مثلاً یک قانون جدید یا یک روند گردشگری) باعث ایجاد موجی از تغییرات در کل سیستم می‌شود، اما خودشان کمتر تحت تأثیر عوامل داخلی کسب‌وکار قرار می‌گیرند. مدیران باید این عوامل را بیشتر "رصد و نظارت" کنند تا کنترل.

دستۀ سوم متغیرهای رابط یا پیوندی بوده که قدرت هدایت و میزان وابستگی بالایی دارند و در این پژوهش، عوامل سازمانی و مدیریتی، عوامل فناورانه و فشار رقابتی در این دسته قرار می‌گیرند. این عوامل موتورهای تغییر در داخل سازمان و بسیار پویا و حساس هستند. هر اقدام روی این عوامل، هم بر دیگران اثر می‌گذارد و هم از دیگران اثر می‌پذیرد. برای مثال، سرمایه‌گذاری روی فناوری (عامل ۶) بر مشتری‌محوری اثر می‌گذارد و از طرفی، تحت تأثیر تعهد مدیریت (عامل ۱) است. مدیریت این عوامل پیچیده و نیازمند برنامه‌ریزی یکپارچه است.

دستۀ چهارم شامل متغیرهای مستقل بوده که قدرت هدایت بالا، ولی وابستگی پایینی دارند. بر اساس نتایج تجزیه‌وتحلیل MICMAC در پژوهش حاضر، متغیرهای محیط کلان و شرایط بازار در گروه متغیرهای مستقل قرار گرفته‌اند. این عوامل نتایج و دستاوردهای سیستم هستند و به شدت تحت تأثیر عوامل سطوح قبلی قرار دارند. آن­ها هدف نهایی بسیاری از سرمایه‌گذاری‌ها هستند، اما به‌خودی‌خود قدرت ایجاد تغییر اساسی در سیستم را ندارند. بهبود این موارد مستلزم تمرکز بر روی متغیرهای "مستقل" و "پیوندی" است.

شکل 2 نمودار تحلیل MICMAC برای مؤلفه‌های تأثیرگذار بر هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط در حوزۀ گردشگری را بر اساس نتایج حاصل از پژوهش حاضر نشان می‌دهد. قدرت هدایت و میزان وابستگی متغیرها جهت ترسیم نمودار مزبور از جدول ۶ استخراج شده است.

شکل 2. نمودار تحلیل MICMAC

5. نتیجه­گیری

یافته‌های این پژوهش مؤید آن است که هوشمندی بازاریابی در کسب‌وکارهای کوچک و متوسط گردشگری، پدیده‌ای تک‌بعدی نبوده و حاصل تعامل پویای مجموعه‌ای از عوامل در سطوح مختلف است. مدل نهایی مدل‌سازی ساختاری تفسیری (ISM) نشان داد که این عوامل در یک ساختار سلسله‌مراتبی سه‌سطحی قرار می‌گیرند. در پایه‌ای‌ترین سطح (سطح سوم)، عوامل محیط کلان و عوامل مرتبط با بازار به‌عنوان متغیرهای مستقل و بنیادین عمل می‌کنند. این یافته با پژوهش سانگ و همکاران (2023) هم­سو است که بر نقش کلانی‌داده‌ها و روندهای بازار به‌عنوان پیشران‌های اصلی استراتژی‌های بازاریابی نوین تأکید داشتند. در سطح میانی (سطح دوم)، عواملی چون فشار رقابتی، عوامل فناورانه و عوامل سازمانی به‌عنوان متغیرهای پیوندی قرار گرفتند که دارای نفوذ و وابستگی بالا هستند و نقش تسهیل‌گر را ایفا می‌کنند. این نتیجه مطابق با یافته‌های لی و وانگ (2022) است که فناوری و تعهد مدیریت را قلب تبدیل داده به هوشمندی می‌دانند. درنهایت، در سطح بالایی مدل (سطح اول)، عواملی مانند جریان اطلاعات مشتری، مشتری‌محوری و توانایی کارکنان به‌عنوان متغیرهای وابسته شناسایی شدند که به­طور مستقیم تحت تأثیر سطوح پایین‌تر قرار می‌گیرند و خروجی نهایی سیستم محسوب می‌شوند. این سلسله‌مراتب به‌وضوح نشان می‌دهد که دست­یابی به قابلیت‌هایی مانند مشتری‌محوری، مستلزم ایجاد بسترهای مناسب در سطوح زیرین است.

بر اساس مدل سلسله‌مراتبی به‌دست­آمده، راهبرد مدیران کسب‌وکارهای کوچک و متوسط گردشگری باید بر اساس یک دیدگاه سیستمی و گام‌به‌گام استوار باشد. نقطۀ آغازین تحول، تمرکز بر متغیرهای مستقل سطح سوم، یعنی عوامل محیط کلان و بازار است. مدیران نیازمند ایجاد سازوکارهای منظمی برای رصد دائمی تغییرات قوانین، تحولات اقتصادی، قدرت خرید جامعه و به‌ویژه، شناسایی زودهنگام ترندهای نوظهور در سفر و گردشگری هستند. این آگاهی بنیادین، لازمۀ هرگونه برنامه‌ریزی استراتژیک است. در گام بعدی، توجه به متغیرهای پیوندی سطح دوم (عوامل سازمانی، فناورانه و فشار رقابتی) به‌صورت هم­زمان و یکپارچه حیاتی است. برای نمونه، سرمایه‌گذاری بر روی فناوری‌های جدید مانند نرم‌افزارهای CRM تنها زمانی به نتیجه مطلوب می‌رسد که با تعهد و بینش مدیریت ارشد برای ایجاد فرهنگ داده‌محوری و همچنین تحلیل مستمر حرکت‌های رقبا همراه باشد. این سه عامل مانند چرخ‌دنده‌های یک موتور هستند که تقویت یکی بدون دیگری کارایی محدودی خواهد داشت. درنهایت، این سرمایه‌گذاری‌های زیرساختی و راهبردی، زمینه‌ساز تحقق متغیرهای وابسته سطح اول (جریان اطلاعات مشتری، مشتری‌محوری و توانایی کارکنان) خواهد شد. بهبود این خروجی‌ها که مستقیماً بر تجربۀ مشتری و وفاداری او تأثیر می‌گذارد، در حقیقت معیار نهایی سنجش موفقیت در دست­یابی به هوشمندی بازاریابی خواهد بود؛ بنابراین، موفقیت در گرو آن است که مدیران به جای تمرکز صرف بر نتایج نهایی، زنجیرۀ ارزش هوشمندی را به­طور کامل درک کرده و بر تقویت حلقه‌های اولیۀ این زنجیر متمرکز شوند.

پیشنهادات:

با تکیه بر مدل سلسله‌مراتبی سه‌سطحی ارائه‌شده، مدیران کسب‌وکارهای کوچک و متوسط گردشگری می‌توانند تحول در هوشمندی بازاریابی را با یک راهبرد گام‌به‌گام و مبتنی بر اولویت پیش ببرند. گام نخست، سرمایه‌گذاری بر سیستم رصد هوشمند محیطی است. ایجاد یا مشارکت در پلتفرم‌های اشتراک اطلاعات صنفی (مانند اتحادیه‌ها) برای پایش مستمر تغییرات قوانین، رفتار رقبا و ترندهای سفر، زیرساخت ضروری تصمیم‌گیری است. در گام دوم، باید فناوری و فرهنگ سازمانی را به‌موازات هم تقویت کرد. خرید یا توسعۀ نرم‌افزارهای تحلیلی ساده و مقرون‌به‌صرفه باید همراه با آموزش کارکنان برای تفسیر داده‌ها و ایجاد فرهنگ «تصمیم‌گیری مبتنی بر شواهد» از سوی مدیریت ارشد باشد. درنهایت، این زیرساخت‌ها به‌صورت خودکار خروجی‌های ملموس سطح اول، یعنی جریان اطلاعات مشتری و افزایش مشتری‌مداری را تولید خواهند کرد. توصیۀ عملی این است که مدیران یک نقشۀ راه شش‌ماهه طراحی کنند که در آن، ابتدا یک «کارگروه رصد بازار» تشکیل شود، سپس یک ابزار فناورانۀ کلیدی انتخاب و هم‌زمان یک دورۀ آموزشی کوتاه‌مدت برای تیم بازاریابی و فروش برگزار گردد. این رویکرد تدریجی و سیستماتیک، ریسک سرمایه‌گذاری را کاهش داده و بازده آن را در بلندمدت تضمین می‌کند.

نهادهای کلان مانند سازمان گردشگری و اتاق‌های بازرگانی می‌توانند با اقدامات تسهیل‌گرانه، زمینه‌ساز جهش هوشمندی در این کسب‌وکارها شوند. ایجاد بانک اطلاعاتی ملی گردشگری و انتشار گزارش‌های دوره‌ای از رفتار سفر گردشگران داخلی و خارجی، مهم‌ترین کمکی است که می‌توان به SMEs برای درک عوامل سطح سوم (بازار و محیط کلان) کرد. همچنین، اعطای گرنت‌ها یا وام‌های کم‌بهرۀ هدفمند برای خرید نرم‌افزارهای تحلیل داده یا حضور در دوره‌های آموزشی مرتبط، می‌تواند مانع مالی بر سر راه عوامل سطح دوم (فناوری و منابع انسانی) باشد. درنهایت، رتبه‌بندی و اعطای نشان کیفیت به کسب‌وکارهای گردشگری هوشمند بر اساس شاخص‌هایی برگرفته از این مدل، انگیزۀ رقابتی قدرتمندی برای حرکت در این مسیر ایجاد خواهد کرد.

پیشنهاد برای پژوهش‌های آتی:

پیشنهاد می‌شود ساختار سلسله‌مراتبی به‌دست‌آمده در این پژوهش، با روش‌های کمی مانند مدل‌سازی معادلات ساختاری (SEM) بر روی نمونه‌ای وسیع‌تر آزمون شود تا قدرت پیش‌بینی روابط تأیید گردد.

 بررسی این مدل در سایر زیربخش‌های گردشگری (مانند اکوتوریسم، گردشگری سلامت) یا کسب‌وکارهای کوچک و متوسط در سایر صنایع خدماتی پیشنهاد می‌شود تا میزان تعمیم‌پذیری آن سنجیده شود.

 با توجه به شناسایی عوامل کلیدی، می‌توان از روش‌هایی مانند فرآیند تحلیل شبکه‌ای (ANP) یا تاپسیس فازی برای اولویت‌بندی راهکارهای عملیاتی اجرای هر یک از عوامل در مدل استفاده کرد.

محدودیت‌ها:
این پژوهش با وجود تلاش برای دست­یابی به دقت و اعتبار، با محدودیت‌هایی روبه­رو بود. نخست، ماهیت کیفی - تعاملی روش ISM و وابستگی آن به قضاوت خبرگان، اگرچه عمق بخشید، اما تعمیم‌پذیری نتایج را محدود می‌کند.

دوم، انجام پژوهش در بازه زمانی خاص و در بستر جغرافیایی استان مازندران ممکن است تأثیر برخی عوامل محیطی پویا یا ویژگی‌های منطقه‌ای خاص را در مدل نهایی پررنگ کرده باشد.

درنهایت، شناسایی عوامل عمدتاً از منظر خبرگان صورت گرفته و دیدگاه مستقیم گردشگران به‌عنوان مصرف‌کنندۀ نهایی، در این مرحله مورد بررسی قرار نگرفت.

حامی مالی

بنا به اظهار نویسندۀ مسؤول، این مقاله حامی مالی نداشته است.

سهم نویسندگان در پژوهش

نویسندۀ اول: ... .

نویسندۀ دوم: ... .

نویسندۀ سوم: ... .

تضاد منافع

نویسندگان اعلام می­دارند که هیچ تضاد منافعی در رابطه ‌با نویسندگی و یا انتشار این مقاله ندارند.

تقدیر و تشکر

نویسندگان، از همۀ افراد، به دلیل مشاوره و راهنمایی علمی و مشارکتشان در این مقاله تشکر و قدردانی می­کنند.

منابع

• احمدی، فاطمه، عسکری، احمد و روستا، علیرضا. (1404). تأثیر بازاریابی هوشمند درصنعت گردشگری ایران.مدیریت بازاریابی هوشمند، 6 (2)، 288-302. (DOI): 3.2.15564.351256.3257165419
• اکبری، مجید، طاهرپور، فاطمه، بوستان احمدی، وحید، و فولادی، عاطفه. (1399). مدل‌سازی ساختاری - تفسیری عوامل مؤثر بر توسعۀ گردشگری مذهبی در ایران با رویکرد آینده‌پژوهی. گردشگری و توسعه، 9(4)، 296-285. https://sid.ir/paper/1070810/fa

-      کردنائیج، اسدالله، اسدی، شکوفه. (1403). تأثیر رسانه‌های اجتماعی و خلاقیت ادراک‌شده از خود بر گرایش کارآفرینانه و عملکرد کسب‌وکارهای کوچک و متوسط گردشگری، نشریۀ پژوهش‌های بازاریابی گردشگری و میهمان‌نوازی،  2(1)، 90-69. (DOI): 10.22080/TMHR.2024.27432.1024

• فیروزجائیان، علی‌اصغر، فیروزجائیان، مجتبی، هاشمی پطرودی، سید حمید و غلامرضا زاده، فاطمه. (1392). کاربرد تکنیک مدل‌سازی ساختاری تفسیری (ISM) در مطالعات گردشگری (تحلیلی با رویکرد آسیب‌شناسانه). برنامه‌ریزی و توسعۀ گردشگری، 2 (6)، 159-129.

References

Abrokwah-Larbi, K., & Awuku-Larbi, Y. (2024). The impact of artificial intelligence in marketing on the performance of business organizations: evidence from SMEs in an emerging economy. Journal of Entrepreneurship in Emerging Economies, 16(4), 1090–1117.

Alnawas, I., & Hemsley-Brown, J. (2019). Market orientation and hotel performance: investigating the role of high-order marketing capabilities. International Journal of Contemporary Hospitality Management, 31(4), 1885–1905. https://doi.org/10.1108/IJCHM-07-2018-0564

Aripin, Z., Suganda, U. K., & Kusumah, A. Z. (2022). Marketing intelligence: Innovation ability to anticipate global competition. International Journal of Research in Business and Social Science, 11(1), 21–23. https://doi.org/10.20525/ijrbs.v11i1.1589

Buhalis, D., & Law, R. (2008). Progress in information technology and tourism management: 20 years on and 10 years after the Internet—The state of eTourism research. Tourism Management, 29(4), 609–623.

Carson, G., O'Connor, C., & Simmons, G. (2020). The crucial role of market intelligence in the development of small business marketing capabilities. Journal of Small Business and Enterprise Development, 27(5), 797–816. https://doi.org/10.1108/JSBED-12-2019-0394

Chintalapati, S., & Pandey, S. K. (2022). Artificial intelligence in marketing: A systematic review and research agenda. Journal of Business Research, 152, 121–136.

Farahat, A. (2023). Digital marketing intelligence: A practitioner's guide to data-driven strategies. Routledge.

Getz, D., Carlsen, J., & Morrison, A. (2004). The family business in tourism and hospitality. CABI Publishing.

Halak, A., & Al-Mohammad, S. M. (2015). The viability of small and medium tourism enterprises (SMTEs) in Aqaba, Jordan. International Journal of Business and Social Science, 6(5), 132–142.

Huang, M. H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30–50. https://doi.org/10.1007/s11747-020-00749-9

Järvinen, J., & Taiminen, H. (2016). Harnessing marketing automation for B2B content marketing. Industrial Marketing Management, 54, 164–175.

Johns, P., & Van Doren, D. C. (2010). Competitive intelligence in service marketing: A new approach with practical application. Marketing Intelligence & Planning, 28(5), 551–570.

Kamaau, P. N., & Njuguna, R. (2020). Influence of marketing intelligence on competitiveness of small and medium enterprises in the service sector in Kenya. International Academic Journal of Innovation, Leadership and Entrepreneurship, 2(2), 40–63.

Kotler, P. (2012). Marketing management (14th ed.). Prentice Hall.

Kotler, P., & Keller, K. L. (2016). Marketing management (15th ed.). Pearson Education.

Kotler, P., Keller, K. L., & Chernev, A. (2022). Marketing management (16th ed.). Pearson Education.

Kotler, P., Kartajaya, H., & Setiawan, I. (2021). Marketing 5.0: Technology for humanity. John Wiley & Sons.

Ladipo, P. A., Awoniyi, M. A., & Arebi, I. T. (2017). The influence of marketing intelligence on business competitive advantage (A study of Diamond Bank Plc). Journal of Competitiveness, 9(1), 51–71.

Li, J., Moreno, A., & Zhang, D. J. (2023). Competitive analysis of the tourism industry: A data-driven approach. Springer.

Li, X., & Wang, Y. (2022). Transforming data into competitive advantage: The role of managerial commitment and IT capability in small tourism firms. Tourism Management Perspectives, 43, 100999.

Lu, Y., & Cui, B. (2022). Intelligent tourism marketing and publicity methods for revenue enhancement. Mobile Information Systems, 2022(1), 6943120.

Martínez-Román, J. A., Gamero, J., & Romero, I. (2015). Innovativeness and business performances in tourism SMEs. Annals of Tourism Research, 54, 118–135.

Maziliauske, E. (2024). Innovation for sustainability through co-creation by small and medium-sized tourism enterprises (SMEs): Socio-cultural sustainability benefits to rural destinations. Tourism Management Perspectives, 50, 101201.

Mohsenikabir, Z., Mousavi Kashi, Z., & Seyedi Hosseininia, S. S. (2024). Explaining the resilience model of small and medium businesses in Iran with the combined approach of ISM-FDEMATEL. Iranian Journal of Management Sciences, 19(73), 57–98.

Na, A. N., Rahman, N. A., & Wang, S. (2020). The contribution of small and medium-sized tourism enterprises to local socio-economic stability: A case study of Sabah, Malaysia. Journal of Sustainable Tourism, 28(12), 2100–2118. https://doi.org/10.1080/09669582.2020.1775234

Nagle, T. T., & Muller, G. (2018). The strategy and tactics of pricing: A guide to growing more profitably (6th ed.). Routledge.

Nguyen, A. K. D., Dinh, T. L., & Menvielle, W. (2019). Marketing intelligence from data mining perspective: A literature review. International Journal of Innovation, Management and Technology, 10(5), 184–190.

Othman, P., & Rosli, M. (2011). The impact of tourism on small business performance: Empirical evidence from Malaysian Islands. International Journal of Business and Social Science, 2(1), 11–21.

Pencarelli, T. (2020). The digital revolution in the travel and tourism industry. Information Technology & Tourism, 22(3), 455–476. https://doi.org/10.1007/s40558-020-00181-3

Prescott, J. E., & Miller, S. H. (2001). Proven strategies in competitive intelligence: Lessons from the trenches. John Wiley & Sons.

Rotich, E. C. (2016). Effects of marketing intelligence on sales performance of bancassurance among financial institutions in Kenya [Unpublished master's thesis]. University of Nairobi.

Santos, J., & Brito, L. (2012). Towards a subjective measurement model for firm performance. *BAR-Brazilian Administration Review, 9*(SPE), 95–117.

Singh, A., Kumar, V., & Sharma, P. (2023). The impact of big data analytics on market-sensing capabilities in the tourism sector. Journal of Hospitality and Tourism Technology, 14(2), 245–262. https://doi.org/10.1108/JHTT-03-2022-0081

Siti, M., Tommy, P., & Darma, D. C. (2020). Marketing intelligence: Benefits and implementation of its business. Problems of Management in the 21st Century, 15(2), 92–99. https://doi.org/10.33225/pmc/20.15.92

Soares, A. L. V., Mendes-Filho, L., & Gretzel, U. (2021). Technology adoption in hotels: applying institutional theory to tourism. Tourism Review, 76(3), 669–680.

Soares, J. L., Martins, C. B., & Santo, P. E. (2021). The role of small and medium-sized tourism enterprises in co-creating the tourist experience and destination image. Tourism Management Perspectives, 40, 100896.

Tahmasebifard, H. (2018). The role of competitive intelligence and its impact on small business performance. Journal of Intelligence Studies in Business, 8(1), 5–16.

UNWTO. (2023). Global tourism resilience report: Managing disruptions and fostering recovery. World Tourism Organization.

Xie, D., & He, Y. (2022). Marketing strategy of rural tourism based on big data and artificial intelligence. Mobile Information Systems, 2022(1), 9154351.

Yabancı, O. (2023). Managing seasonality in tourism. International Journal of Geography and