0% Complete
English
صفحه اصلی
/
دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
تاثیر مدیریت دانش مشتری بر توسعه محصول جدید و نوآورانه با رویکرد مدل سازی معادلات ساختاری با استفاده از حداقل مربعات جزئی: مطالعۀ موردی شرکت کاله
نویسندگان :
آرش خسروی
1
سیده فاطمه حسینی
2
مرتضی رجب زاده
3
1- دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران
2- دانشکده مهندسی، مؤسسه آموزش عالی پویش، قم، ایران
3- 2دانشکده مهندسی، مرکز آموزش عالی محلات، محلات، ایران
کلمات کلیدی :
توسعه محصول، مدیریت دانش مشتری، نوآوری
چکیده :
شرکتها با نوآوري هاي مستمر سعی میکنند مزایاي رقابتی بدست بیاورند، زیرا معرفی یک محصول جدید به بازار هم هزینه بر است و هم با چالشهاي فراوانی روبروست. امروزه، دانش یک سلاح راهبردی است که منجر به موفقیت در عرصه رقابت میشود و سازمانهایی موفق هستند که به طور مداوم دانش جدید ایجاد و آن را در توسعه محصول خود بکار میبرند. در این پژوهش با هدف بررسی تاثیر مدیریت دانش مشتری بر توسعه محصول جدید و نوآورانه، از 120 مشتری شرکت لبنی کاله، دادههای مورد نظر، مشتمل بر متغیرهای "ساختار سازمانی"، "حمایت مدیریت سازمان"، "مهارت"، "انگیزه"، "درخت دانش"، "سیستم نرم افزاری"، "مدیریت دانش مشتری" و "توسعه محصول جدید و نوآورانه"، به کمک پرسشنامه جمع آوری شده است. این داده ها با توجه به فرضیات مدل و مدل سازی معادلات ساختاری با روش حداقل مربعات جزیی در نرم افزار Smart PLS پیاده سازی شدند، که تحلیل نتایج، حاکی از مدل مناسب و تاثیرگذاری خوب متغیرها میباشد. طبق نتایج به دست آمده در برازش مدل، تمام متغیرها در تمام حوزهها مقدار روایی و پایایی مناسبی در مدل کسب نمودند. همچنین در اثرات کلی مدل نشان داده شد که تمام روابط و تاثیرگذاریهای متغیرهای مذکور، معنی دار میباشند
لیست مقالات
لیست مقالات بایگانی شده
بررسی روشها، مجموعههای داده و معیارهای ارزیابی در حوزهی پرسش از متون درون تصویر
کبری فرشیدی - حسن ختنلو - محرم منصوری زاده - الهام علی قارداش
Mamba-SAM: A Hybrid Architecture for Efficient Cardiac MRI Medical Image Segmentation
Mohammadreza Gholipour Shahraki - Mehdi Rezaeian - Mohammad Ghasemzadeh
A clonal selection mechanism for load balancing in the cloud computing system
Melika Mosayyebi - Reza Azmi
CRYPTOCURRENCY PRICE PREDICTION USING A HYBRID DEEP MODEL AND TECHNICAL AND PSYCHOLOGICAL INDICATORS
Mohammadreza Borjian - Mohammad Mehdi Homayounpour
Sentiment Analysis of the Amazon Customers Using the BiGRU Neural Network Enhanced by Attention Mechanism
Sara Sinan Salman al-Abedi - Keyvan Mohebbi
Embedding-Consistent Contrastive Learning: A Robust Approach for Imbalanced Classification
Sobhan Siamak - Eghbal Mansoori
A Data-Efficient Approach to Solar Panel Micro-Crack Detection via Self-Supervised Learning
Alireza Akhavan safaei - Pegah Saboori - Reza Ramezani - Morteza Tavana
Persian deaf sign language recognition system using deep learning
Mohammad Ebrahimi
پیشبینی فضایی–زمانی و مقایسه ریسک تب دنگی با استفاده از مدلهای یادگیری عمیق LSTM و GRU و مدل یادگیری ماشین Random Forest بر پایه مؤلفههای اقلیمی و مکانی
محمد بابائی - نجمه نیسانی سامانی
بهبود معاملات الگوریتمی سهام مبتنی بر رویکرد یادگیری تقویتی
مها العطوان - جعفر پورامینی
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2