ثریا بختیاری بستاکی

شکست های آبشاری یکی از مهم ترین چالش ها و مخاطرات کسب وکارهای ابری است که می-تواند به طور زنجیروار به بخش های دیگر سیستم آسیب برساند و منجر به فروپاشی کل سیستم شود. هدف این پژوهش بررسی عوامل مختلف مرتبط با شکست های آبشاری در مدل های کسب وکار ابری و معرفی رویکردهای مناسب برای پیش بینی، جلوگیری و مدیریت این نوع شکست ها است. در این پژوهش، از روش مرور ادبیات با استفاده از پردازش زبان طبیعی برای جمع آوری اطلاعات و تحلیل موضوع استفاده شده است. منابع مورد استفاده شامل مقالات علمی معتبر درزمینه فناوری اطلاعات و کسب وکار از سال 2015 تا 2024 از دیتاست های IEEE Xplore، Google Scholar و arXiv بود که 23 مقاله با روش های پردازش زبان طبیعی مورد بررسی قرار گرفت. استفاده از تکنیک های پیشرفته NLP، امکان ارزیابی دقیق تر و تحلیل عمیق تر عوامل مرتبط با شکست های آبشاری را فراهم می کند. همچنین، ریشه یابی خطاها و تدوین نقشه راه عملی برای مدیریت بهتر آن ها، به کسب وکارها امکان می دهد تا بهبود و بهره وری در محیط ابری خود را تسهیل کرده و مسیری پایدارتر را در پیش گیرند. این مراحل نه تنها به افزایش کیفیت و کارایی خدمات ابری کمک می کنند، بلکه هزینه ها و زمان مورد نیاز برای رفع مشکلات را نیز به شدت کاهش می دهند. عوامل مختلف مرتبط با شکست های آبشاری در مدل های کسب وکار ابری به طور مفصل بررسی شده است. این عوامل شامل مشکلات فنی، مشکلات مدیریتی و مشکلات بازاریابی است. همچنین، رویکردهای مختلف برای پیش بینی، جلوگیری و مدیریت این نوع شکست ها معرفی شده است.

رشد روزافزون شبکه های اجتماعی و پررنگ شدن نقش آنها در دنیای تجارت و پیرو آن، در تبلیغات از یک طرف و سهولت انجام فریب در چنین رسانه های نوظهوری از طرف دیگر، باعث افزایش تبلیغات فریبنده و ادعاهای دروغین در این فضای ارتباطی و تجاری شده است؛ به گونه ای که برای مخاطبان این شبکه ها، تشخیص تبلیغات صادقانه از فریبکارانه دشوار بوده و همین مساله باعث ایجاد بی اعتمادی به تبلیغات در شبکه های اجتماعی و کاهش فروش می شود. به همین علت و در همین راستا ، پژوهش حاضر با هدف ارائه الگویی در زمینه فریب ادراک شده تبلیغات شبکه های اجتماعی و با بهره گیری از رویکرد داده بنیاد انجام شده است. بدین منظور از مصاحبه های عمیق و نیمه ساختار یافته استفاده شد که در میان 15 نفر از افرادی که تجربه فریب در خرید از شبکه های اجتماعی را داشته اند، انجام پذیرفت. داده ها نیز با استفاده از کدگذاری باز، انتخابی و نظری و نرم افزار MAXQDA2020 تحلیل شد و در نهایت، الگوی مفهومی با 8 مقوله اصلی، 15 مقوله فرعی و 69 مفهوم طراحی و مشخص شد که سودمندی ادراک شده شبکه اجتماعی و ویژگی های تبلیغات این شبکه ها به عنوان علل، و ویژگی رسانه به عنوان عامل همبسته با این علل در شکل گیری فریب ادراک شده اثرگذارند. در این میان، دانش مصرف کننده و اعتماد ادراک شده نقش اقتضائات را ایفا می کنند. نگرش مصرف کننده نیز به عنوان شرایط احراز شناخته می شود. ویژگی مصرف کننده نیز زمینه ساز رویداد چنین فرآیندی است که درنهایت، به شکل گیری پدیده ای به نام آسیب به روحیات مصرف کننده منجر می شوند، که پیامد فردی فریب ادراک شده تبلیغات شبکه های اجتماعی به حساب می آید.

تبلیغات یکی از مهم ترین اجزای ناپایدار یک نهاد تجاری است و توسعه و پیشرفت فنّاورانه به ویژه رسانه های اجتماعی آنلاین، فشار و تأثیر تبلیغات را بانفوذتر و قدرتمندتر کرده است. این در حالی است که فریب یکی از معضلات اخلاقی مهم در تبلیغات به حساب می آید و که با رشد شبکه های اجتماعی، گسترش یافته است و باعث ایجاد آسیب هایی به مصرف کننده می گردد. با توجه به این مهم، هدف از پژوهش حاضر، ارائه مدلی در مورد عوامل مؤثر بر فریب درک شده تبلیغات در شبکه های اجتماعی آنلاین است. برای تحقق این هدف، از رویکرد مدل سازی ساختاری- تفسیری و نرم افزارهای متلب و میک مک استفاده شده است. جامعه آماری پژوهش را اساتید دانشگاهی و خبرگان حوزه بازاریابی و تبلیغات در حوزه رسانه های اجتماعی تشکیل داده اند. نتایج نشان داد عامل ویژگی تبلیغات شبکه های اجتماعی در ارتباط با موضوع پژوهش و ارائه مدل فریب ادراک شده تبلیغات شبکه های اجتماعی از اثرگذاری بیشتری برخوردار است و در مقابل عامل های سودمندی ادراک شده، دانش مشتری، اعتماد ادراک شده، نگرش مشتری، ویژگی های مشتری و ویژگی های رسانه دارای بیش ترین تأثیرپذیری و کمترین تأثیرگذاری در مدل ارائه شده، هستند. همچنین، نتایج نشان می دهد عامل اول؛ یعنی ویژگی های تبلیغات شبکه های اجتماعی چون دارای قدرت هدایت کنندگی زیاد؛ ولی وابستگی کم است، جزو متغیرهای نفوذی یا به عبارت دیگر محرک به شمار می آید و سایر عامل ها نیز دارای قدرت هدایت زیاد و وابستگی زیاد هستند. این متغیرها غیر ایستا بوده و در دسته متغیرهای پیوندی قرار گرفته اند.