<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>KMAN Publication Inc.</PublisherName>
      <JournalTitle>تکنولوژی در کارآفرینی و مدیریت استراتژیک</JournalTitle>
      <Issn>3041-8585</Issn>
      <Volume>5</Volume>
      <Issue>پیاپی 18</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>07</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>The Effect of Transparency in the Use of Artificial Intelligence in Marketing on Customer Trust: The Mediating Roles of Brand Authenticity and Perceived Risk</ArticleTitle>
    <VernacularTitle>بررسی تأثیر شفافیت استفاده از هوش مصنوعی در بازاریابی بر اعتماد مشتری با میانجی‌گری اصالت برند و ریسک ادراک‌شده</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>25</LastPage>
    <ELocationID EIdType="doi">10.61838/kman.jtesm.537</ELocationID>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>احسان</FirstName>
        <LastName>پیمانی</LastName>
        <Affiliation>دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>2026</Year>
        <Month>05</Month>
        <Day>09</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study aimed to examine the effect of transparency in the use of artificial intelligence in marketing on customer trust, considering the mediating roles of brand authenticity and perceived risk among customers in Tehran. This applied study employed a descriptive-correlational design using structural equation modeling. The statistical population consisted of customers residing in Tehran who had encountered at least one form of AI-enabled marketing during the previous six months. Initially, 420 participants were recruited through convenience sampling, and after excluding invalid responses, data from 384 participants were analyzed. Data were collected using a multidimensional questionnaire assessing AI-use transparency, brand authenticity, perceived risk, and customer trust. Construct validity was examined through confirmatory factor analysis, while internal consistency was assessed using Cronbach’s alpha and composite reliability. Pearson correlation, confirmatory factor analysis, structural equation modeling, and bootstrapping with 5000 resamples were used for data analysis. Structural model results showed that AI-use transparency had a significant positive effect on brand authenticity (β = 0.58, p &amp;lt; 0.001) and a significant negative effect on perceived risk (β = -0.46, p &amp;lt; 0.001). Transparency also had a significant direct positive effect on customer trust (β = 0.24, p &amp;lt; 0.001). Brand authenticity positively predicted customer trust (β = 0.43, p &amp;lt; 0.001), whereas perceived risk negatively predicted trust (β = -0.27, p &amp;lt; 0.001). The indirect effect of transparency on trust through brand authenticity was 0.25, while the indirect effect through perceived risk was 0.12; both effects were statistically significant. The model explained 59 percent of the variance in customer trust. Transparency in AI-enabled marketing can enhance customer trust both directly and indirectly by strengthening brand authenticity and reducing perceived risk; therefore, clear and responsible disclosure of AI use should be treated as a strategic component of brand trust management.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;پژوهش حاضر با هدف بررسی تأثیر شفافیت استفاده از هوش مصنوعی در بازاریابی بر اعتماد مشتری با در نظر گرفتن نقش میانجی اصالت برند و ریسک ادراک‌شده در میان مشتریان شهر تهران انجام شد. این پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی-همبستگی از نوع مدل‌یابی معادلات ساختاری بود. جامعه آماری شامل مشتریان ساکن تهران بود که طی شش ماه گذشته با یکی از اشکال بازاریابی مبتنی بر هوش مصنوعی مواجه شده بودند. در ابتدا 420 نفر به روش نمونه‌گیری در دسترس وارد مطالعه شدند و پس از حذف پاسخ‌های نامعتبر، داده‌های 384 نفر مورد تحلیل قرار گرفت. ابزار گردآوری داده‌ها پرسشنامه‌ای چندبخشی برای سنجش شفافیت استفاده از هوش مصنوعی، اصالت برند، ریسک ادراک‌شده و اعتماد مشتری بود. روایی سازه از طریق تحلیل عاملی تأییدی و پایایی با استفاده از آلفای کرونباخ و پایایی ترکیبی بررسی شد. برای تحلیل داده‌ها از همبستگی پیرسون، تحلیل عاملی تأییدی، مدل‌یابی معادلات ساختاری و بوت‌استرپ با 5000 بازنمونه‌گیری استفاده شد. نتایج مدل ساختاری نشان داد شفافیت استفاده از هوش مصنوعی اثر مثبت و معناداری بر اصالت برند داشت (β = 0.58، p &amp;lt; 0.001) و اثر منفی و معناداری بر ریسک ادراک‌شده نشان داد (β = -0.46، p &amp;lt; 0.001). همچنین، شفافیت اثر مستقیم مثبت و معناداری بر اعتماد مشتری داشت (β = 0.24، p &amp;lt; 0.001). اصالت برند اعتماد مشتری را به‌طور مثبت پیش‌بینی کرد (β = 0.43، p &amp;lt; 0.001)، در حالی که ریسک ادراک‌شده اثر منفی و معناداری بر اعتماد داشت (β = -0.27، p &amp;lt; 0.001). اثر غیرمستقیم شفافیت بر اعتماد از طریق اصالت برند برابر با 0.25 و از طریق ریسک ادراک‌شده برابر با 0.12 بود و هر دو معنادار بودند. مدل 59 درصد از واریانس اعتماد مشتری را تبیین کرد. یافته‌ها نشان می‌دهد شفافیت در استفاده از هوش مصنوعی می‌تواند هم به‌طور مستقیم و هم از طریق تقویت اصالت برند و کاهش ریسک ادراک‌شده، اعتماد مشتری را افزایش دهد؛ بنابراین، افشای روشن و مسئولانه نقش هوش مصنوعی باید به‌عنوان بخشی از راهبرد اعتمادسازی برند در نظر گرفته شود.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Recommender system</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Marketing strategy</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Online products</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Sentiment analysis</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">User reviews</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Deep learning</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Convolutional neural network</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">سیستم توصیه‌گر</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value"> استراتژی بازاریابی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">محصولات آنلاین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value"> تحلیل عواطف</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">نظرات کاربران</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">یادگیری عمیق</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">CNN</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://journaltesm.com/index.php/journaltesm/article/download/537/557</ArchiveCopySource>
  </Article>
</ArticleSet>
