KMAN Publication Inc. تکنولوژی در کارآفرینی و مدیریت استراتژیک 3041-8585 4 پیاپی 14 1404 09 10 Identifying and Prioritizing the Dimensions of Artificial Intelligence-Based Marketing Management in Iran’s Steel Industry: A Mixed-Methods Study شناسایی و اولویت‌بندی ابعاد مدیریت بازاریابی مبتنی بر هوش مصنوعی در صنعت فولاد ایران: یک مطالعه آمیخته FA ساناز احدی دانشجوی دکتری ، گروه مدیریت، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران سید مهدی جلالی گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران طاهره حسومی گروه علم اطلاعات و دانش‌شناسی، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران Journal Article 1404/06/24 <p>This study aimed to identify and prioritize the dimensions of artificial intelligence-based marketing management in Iran’s steel industry. This applied/developmental study was conducted using a mixed qualitative–quantitative design. In the qualitative phase, the systematic grounded theory approach of Strauss and Corbin was employed. Participants included 16 experts, senior managers, commercial managers, sales managers, information technology managers, and university faculty members familiar with the steel industry, who were selected through purposive and snowball sampling until theoretical saturation was achieved. Data were collected through semi-structured interviews and analyzed using MAXQDA through open, axial, and selective coding. In the quantitative phase, the statistical population consisted of 400 employees of the commercial department of Isfahan Steel Company, from whom 196 participants were selected based on Morgan’s table through convenience sampling. The quantitative data collection instrument was a researcher-made questionnaire developed from the qualitative findings. Content validity was confirmed using CVR and CVI, and reliability was assessed using Cronbach’s alpha. Data were analyzed using SPSS and SmartPLS through structural equation modeling. The results of structural equation modeling indicated that all model paths were statistically significant, with t-values exceeding 1.96; therefore, all research hypotheses were supported. The overall goodness-of-fit index was 0.784, indicating a strong model fit. Based on the impact coefficients, artificial intelligence analytical capabilities ranked first with a coefficient of 0.342, followed by data-driven infrastructure with 0.298, organizational and managerial factors with 0.245, intelligent human resources with 0.215, implementation strategies with 0.196, and environmental and legal requirements with 0.187. These results indicate that analytical capabilities and data-driven infrastructure exert the strongest effects on artificial intelligence-based marketing management in the steel industry. The findings suggest that the successful implementation of artificial intelligence-based marketing management in Iran’s steel industry primarily depends on strengthening AI analytical capabilities and developing a robust data-driven infrastructure. Accordingly, steel companies should prioritize data quality, data integration, and analytical readiness before investing extensively in advanced AI-based marketing systems. They should also focus on human resource development, organizational support, and phased implementation strategies to ensure sustainable transition toward intelligent marketing.</p> <p>هدف این پژوهش، شناسایی و اولویت‌بندی ابعاد مدیریت بازاریابی مبتنی بر هوش مصنوعی در صنعت فولاد ایران بود. این مطالعه از نظر هدف، کاربردی.توسعه‌ای و از نظر روش، آمیخته کیفی–کمی بود. در بخش کیفی، از راهبرد نظریه داده‌بنیاد با رویکرد سیستماتیک استراوس و کوربین استفاده شد. مشارکت‌کنندگان این بخش شامل ۱۶ نفر از خبرگان، مدیران ارشد، مدیران بازرگانی، فروش، فناوری اطلاعات و استادان دانشگاه مرتبط با صنعت فولاد بودند که به روش هدفمند و گلوله‌برفی تا رسیدن به اشباع نظری انتخاب شدند. داده‌ها از طریق مصاحبه نیمه‌ساختاریافته گردآوری و با نرم‌افزار MAXQDA در سه مرحله کدگذاری باز، محوری و گزینشی تحلیل شد. در بخش کمی، جامعه آماری شامل ۴۰۰ نفر از کارکنان معاونت بازرگانی فولاد اصفهان بود که بر اساس جدول مورگان، ۱۹۶ نفر به روش نمونه‌گیری در دسترس انتخاب شدند. ابزار گردآوری داده‌ها پرسشنامه محقق‌ساخته مبتنی بر یافته‌های کیفی بود. روایی ابزار با CVR و CVI و پایایی آن با آلفای کرونباخ تأیید شد. داده‌ها با نرم‌افزارهای SPSS و SmartPLS و با استفاده از مدل‌سازی معادلات ساختاری تحلیل گردید. نتایج مدل‌سازی معادلات ساختاری نشان داد که تمامی مسیرهای مدل معنادار بودند و مقادیر t برای همه مسیرها بالاتر از ۱.۹۶ قرار داشت؛ بنابراین، کلیه فرضیه‌های پژوهش تأیید شد. شاخص برازش کلی مدل برابر با ۰.۷۸۴ به دست آمد که نشان‌دهنده برازش قوی مدل است. بر اساس ضرایب تأثیر، قابلیت‌های تحلیلی هوش مصنوعی با ضریب ۰.۳۴۲ در رتبه نخست، زیرساخت داده‌محور با ضریب ۰.۲۹۸ در رتبه دوم، عوامل سازمانی و مدیریتی با ضریب ۰.۲۴۵ در رتبه سوم، منابع انسانی هوشمند با ضریب ۰.۲۱۵ در رتبه چهارم، راهبردهای پیاده‌سازی با ضریب ۰.۱۹۶ در رتبه پنجم و الزامات محیطی و قانونی با ضریب ۰.۱۸۷ در رتبه ششم قرار گرفتند. یافته‌ها نشان می‌دهد که پیاده‌سازی موفق مدیریت بازاریابی مبتنی بر هوش مصنوعی در صنعت فولاد ایران بیش از هر چیز به قابلیت‌های تحلیلی هوش مصنوعی و زیرساخت داده‌محور وابسته است. بنابراین، شرکت‌های فولادی برای حرکت به سمت بازاریابی هوشمند باید ابتدا کیفیت، یکپارچگی و قابلیت بهره‌برداری از داده‌ها را تقویت کرده و سپس بر توسعه ابزارهای تحلیلی، توانمندسازی نیروی انسانی و تدوین راهبردهای اجرایی متمرکز شوند.</p> https://journaltesm.com/index.php/journaltesm/article/download/481/472