استفاده از بلاک چین برای نشان دادن کیفیت در زنجیره تامین مواد غذایی: تاثیر بر قصد خرید مصرف کننده و اثر تعدیل کننده آشنایی با برند

چکیده

امنیت غذایی یک مساله بهداشت عمومی است که از اهمیت بالایی برخوردار است.در این راستا، بلاک چین به عنوان یک فن آوری امیدوارکننده ظهور کرده است که به کاربران اجازه می دهد به طور موثر و کارآمد منشا و جریان محصولات را ثبت کنند و تقلب غذایی مضر را حذف یا کاهش دهند.مصرف کنندگان می توانند با دریافت اطلاعات به روز و قابل تایید در مورد منشا و مسیرهای تحویل خریده ای خود از این پیشرفت بهره مند شوند.

با توجه به نظریه سیگنالینگ و نتایج دو مطالعه تجربی به ترتیب با ۱۵۱ و ۱۵۲ شرکت کننده، ما بررسی می کنیم که چگونه استفاده از بلاک چین برای ردیابی محصولات غذایی بر درک مصرف کنندگان از کیفیت محصول به عنوان یک متغیر واسطه ای و متعاقبا قصد خرید آن ها تاثیر می گذارد.

چارچوب ما بیشتر آشنایی با برند را به عنوان یک متغیر تعدیل کننده در نظر می گیرد.یافته های این دو آزمایش نشان می دهد که برچسب های بلاک چین به عنوان یک مکانیسم سیگنال دهی در زنجیره های تامین مواد غذایی به تقویت کیفیت درک شده مصرف کنندگان از محصولات غذایی کمک می کند که به نوبه خود قصد خرید آن ها را افزایش می دهد.

این تاثیر برای برندهای کم تر آشنا بیشتر است، که اطلاعات ارزشمندی برای مدیرانی است که می خواهند اعتبار یک برند را بسازند.از دیدگاه آکادمیک، ما کاربرد تئوری سیگنالینگ برای شناسایی سیستم های ردیابی مبتنی بر بلاک چین را به عنوان محرک های مهم کیفیت محصول درک شده و در نتیجه قصد خرید برجسته می کنیم.

کلید واژه ها:

بلاک چین

زنجیره تامین مواد غذایی

قابلیت ردیابی

تئوری سیگنالینگ

آشنایی با برند

برچسب زدن

مقدمه

ایمنی و کیفیت محصولات غذایی به یک موضوع مهم در سراسر جهان تبدیل شده است.تخمین زده می شود که سالانه 420000 نفر پس از مصرف مواد غذایی آلوده جان خود را از دست می دهند و 600 میلیون نفر دیگر بیمار می شوند (سازمان بهداشت جهانی، 2019).در 40 درصد از این موارد کودکان زیر 5 سال مبتلا می شوند که منجر به مرگ 125000 نفر در سال می شود.سازمان بهداشت جهانی ( WHO ) نتیجه می گیرد که بیماری های ناشی از غذا مانع توسعه اجتماعی – اقتصادی می شود و به اقتصاد ملی , گردشگری و تجارت آسیب می رساند .

موارد بسیار شایع ایمنی غذایی، مانند شیر آلوده در چین، بیماری جنون گاوی در بریتانیا، خیار آلوده به ای کولی در آلمان، یا کره بادام زمینی آلوده به باکتری در ایالات متحده ( Lethbridge , 2018 ) علاقه عمومی قابل توجهی را به قابلیت ردیابی غذا افزایش داده است، که به عنوان “توانایی ردیابی هر گونه غذا، خوراک، حیوان تولید کننده غذا یا ماده ای که برای مصرف، در تمام مراحل تولید و پردازش مورد استفاده قرار خواهد گرفت” تعریف می شود  ( کمیسیون اروپا , 2007 , ص 1 ) .

ردیابی قابل اعتماد محصولات غذایی همچنین می تواند به کاهش حوادث تقلب غذایی کمک کند، که کل هزینه جهانی آن به ۳۰ تا ۴۰ میلیارد دلار در سال می رسد(Storey, 2020). از جمله گروه های غذایی که بیش ترین آسیب را دیده اند می توان به روغن زیتون (جایگزینی با جایگزین های ارزان قیمت)، غذاهای دریایی (ماهی های ارزان به عنوان ماهی های با ارزش بالا معرفی می شوند)، محصولات مبتنی بر شیر (با پودر، آب، مکمل ملامین)، عسل (شربت اضافه، فروکتوز، گلوکز)و آب میوه (آب، رنگ اضافه و طعم دهنده)اشاره کرد.

سازمان بهداشت جهانی به عنوان یک درمان بالقوه برای وضعیت کنونی پیشنهاد می کند که دولت ها، تولیدکنندگان و مصرف کنندگان برای اطمینان از امنیت غذایی با یکدیگر هم کاری کنند (سازمان بهداشت جهانی، ۲۰۱۹)که مستلزم توزیع اطلاعات مربوطه در سراسر شبکه های پیچیده ارزش غذایی است.

در نتیجه، به نفع شرکت های سودگرا است که از سیستم های اطلاعاتی برای ردیابی محصولات غذایی استفاده کنند، که به عنوان یک اثر جانبی مهم، می تواند منجر به افزایش سودآوری شود ( Regattieri , Gamberi , & Manzini , 2007 ) .

اطلاع رسانی به مصرف کنندگان در مورد منشا و حمل و نقل محصولات آن ها عدم تقارن اطلاعات را کاهش می دهد و می تواند به کاهش خطرات سلامتی کمک کند ( Yoo , Parameswaran , & Kishore , 2015 ) .این افزایش شفافیت می تواند به مصرف کنندگان کمک کند تا کیفیت یک محصول خاص را بهتر ارزیابی کنند.

پژوهش های قبلی نشان داده اند که ویژگی های بلاک چین از تغییرناپذیری و دسترسی به داده های مشترک در میان شرکت کنندگان زنجیره تامین می تواند نقش مهمی در دستیابی به شفافیت اطلاعات در طول زنجیره تامین ایفا کند (Rogerson & Parry, 2020).

با این حال، این سؤال باقی می‌ماند که چگونه می‌توان این اطلاعات را به طور مؤثر به مصرف‌کنندگان نهایی منتقل کرد و تا چه اندازه بر ادراک و نیات رفتاری آنها تأثیر می‌گذارد. منطقی است که فرض کنیم – همانطور که در مورد تمام فناوری های مدرن وجود دارد – مصرف کنندگان باید در مورد مزایای این فناوری جدید آموزش ببینند. به طور مشابه، تعداد فزاینده‌ای از مقالات در روزنامه‌های پرمخاطب، مانند نیویورک تایمز، هاروارد بیزینس ریویو، و فایننشال تایمز، مصرف‌کنندگان را در مورد مزایای سیستم‌های ردیابی مبتنی بر بلاک چین آگاه می‌کنند (Corkery & Popper, 2018; Vincent, 2021; Vitasek, Bayliss, Owen, & Srivastava, 2022) .

با این وجود، تا زمانی که درک متقابلی از فن آوری بلاک چین حاصل نشود، به شرکت هایی که می خواهند از بلاک چین به عنوان یک سیگنال با کیفیت برای محصولات خود استفاده کنند، توصیه می شود به طور خلاصه مشتریان را از مزایای آن آگاه کنند.

در حمایت از این مفهوم، یک مطالعه تایید می کند که سیگنال دهی کیفی برچسب های پایداری را می توان با افزایش درک مصرف کنندگان در مورد آنچه برچسب منتقل می کند، افزایش داد (Samant & Seo, 2016). برای رفع این شکاف پژوهشی، سؤالات پژوهشی زیر را مطرح می کنیم:

RQ1. چگونه برچسب های قابل ردیابی که نشان دهنده استفاده از فن آوری بلاک چین هستند، بر درک مصرف کنندگان از کیفیت محصول و قصد خرید آن ها تاثیر می گذارند؟

RQ2. : آشنایی با برند چه نقشی در ادراک مصرف کنندگان از کیفیت محصول تقویت شده با بلاک چین دارد؟

به منظور پاسخ به این سوالات تحقیقی، ما تیوری سیگنالینگ را به کار می بریم و مدلی را آزمایش می کنیم که تاثیر مثبت سیستم های ردیابی را بر کیفیت محصول درک شده ترکیب می کند.

به طور خاص تر، مدل ما فرض می کند که یک سیستم اطلاعات غیر متمرکز مبتنی بر بلاک چین در مقایسه با یک سیستم ردیابی متمرکز سنتی، تاثیر بهتری بر درک کیفیت محصول مصرف کنندگان دارد.

ما آشنایی با برند را که می تواند به عنوان آگاهی مصرف کنندگان از یک برند خاص و ویژگی های آن تعریف شود، به عنوان متغیری که تاثیر برچسب قابلیت ردیابی را بر کیفیت درک شده محصول تعدیل می کند، در نظر می گیریم.

مورد دوم را می توان به عنوان قضاوتی در مورد برتری یا برتری کلی محصول تعریف کرد.اثرات فرضی با دو آزمایش شامل مصرف کنندگان و استفاده از محرک های مختلف مورد آزمایش قرار می گیرند.

ساختار این مقاله به شرح زیر است:در بخش ۲ ما پژوهش های مربوطه را مورد بحث قرار می دهیم، که با نظریه سیگنال دهی شروع می شود، که زمینه نظری را برای مطالعه ما فراهم می کند، و سپس در مورد سیستم های ردیابی مبتنی بر بلاک چین که می توانند به شرکت ها در نظارت و هماهنگی بهتر زنجیره های تامین خود کمک کنند، توضیح می دهیم.

در بخش ۳ ما فرضیه های خود را توسعه می دهیم و آن ها را در یک مدل نظری ترکیب می کنیم که اثر برچسب ها بر کیفیت محصول درک شده و قصد خرید را با آشنایی با برند به عنوان یک متغیر تعدیل کننده ادغام می کند.

ما دو مطالعه پیمایشی تجربی با مصرف کنندگان انجام دادیم که به طور مفصل در بخش ۴ مورد بحث قرار گرفتند، و به دنبال آن بحثی در مورد یافته ها و پیامدهای آن ها برای متخصصان و دانشگاهیان در بخش ۵.

ما مقاله را در بخش ۶ با بیان نکات کلیدی حاصل از این تحقیق به پایان می رسانیم. بررسی پژوهش ها

تئوری سیگنالینگ

افراد برای تصمیم گیری در زمینه های مختلف، چه در خانواده های خصوصی، چه در دولت ها و چه در کسب و کارها به اطلاعات نیاز دارند(Connelly, Certo, Ireland, & Reutzel, 2011).

هنگامی که طرفین درگیر در تصمیم گیری دارای مقدار و کیفیت یکسانی از اطلاعات نباشند، مانند اغلب موارد، عدم تقارن اطلاعاتی رخ می دهد (Stiglitz, 2002).نظریه سیگنالینگ (یا نظریه سیگنال) چگونگی کاهش عدم تقارن اطلاعاتی بین دو طرف را بررسی می کند (Spence, 1973).

به طور خاص تر، توضیح می دهد که چگونه بازیگران انتخاب شده از میان مجموعه انتخاب ها می توانند با موفقیت در مورد کیفیت غیرقابل مشاهده انتخاب خود از طریق سیگنال های قابل مشاهده تصمیم گیری کنند  (Connelly, 2016, p.745).

نظریه سیگنالینگ در ابتدا در زمینه بازارهای شغلی توسعه یافت که در آن کارفرمایان فاقد اطلاعات ضروری در مورد متقاضیان هستند.متقاضیان سعی کنند این کمبود اطلاعات را با ارائه سیگنال هایی در قالب دستاوردهای آموزشی جبران کنند. (Spence, 2002).

  با این حال، عدم تقارن اطلاعاتی به بازار کار محدود نمی شود، بلکه در بازارهای کالاهای مصرفی نیز رخ می دهد.به عنوان مثال، استیگلیتز (2002) بر ارتباط عدم تقارن اطلاعات در ارزیابی کیفیت محصول تاکید می کند.

این امر توسط فروشندگان خودرو نشان داده می شود که گارانتی ارائه می دهند تا نه تنها ریسک درک شده مصرف کنندگان را کاهش دهند بلکه کیفیت بالای محصولات خود را نیز نشان دهند.  بنابراین مصرف کنندگان کمبود اطلاعات اساسی را با اطلاعات استنباطی جبران می کنند: یعنی ایجاد ارتباط اگر-آنگاه بین اطلاعات داده شده از طریق سیگنال ها و نتیجه گیری ها (Kardes, Posavac, & Cronley, 2004؛ Kruglanski & Webster, 1996؛ Pee, Jiang, & Klein, 2018).

در شرایط عدم تقارن اطلاعاتی قابل توجه، سیگنال هایی مانند لوگوها، برچسب ها، و توصیفات با کیفیت بالا (Singh & Sirdeshmukh, 2000 به عنوان ابزاری برای ارائه اطلاعات به مشتریان بالقوه عمل می کنند (Akdeniz & Talay, 2013) تا بتوانند کیفیت را استنباط کنند (Grunert, 2005) و بین فروشندگان با کیفیت بالا و پایین تفاوت قائل شوند.

  به عنوان مثال، خرده فروشان آنلاین، اغلب از سیگنال ها، مانند ویژگی های وب سایت، برای انتقال اطلاعات از فروشندگان به خریداران استفاده استراتژیک می کنند (Mavlanova et al., 2012).

با وجود چنین تلاش‌هایی، مشکلات عدم تقارن اطلاعاتی بین خریداران و فروشندگان در بسیاری از بازارها به دلیل عدم قطعیت اطلاعات مربوط به اطلاعات مبتنی بر محصول و فروشنده وجود دارد.

علاوه بر این، عدم تقارن اطلاعات می‌تواند با وجود مکانیسم‌های سیگنال دهی از جمله بازخورد شهرت و افشای شرایط محصول ادامه داشته باشد (Ghose, 2009).این را می توان به این واقعیت نسبت داد که اطلاعات می توانند به راحتی جعلی یا جانبدارانه شوند (Cao, 2019) .

بازاری که به طور خاص مستعد تقلب است، بازار مواد غذایی است که به طور منظم تحت تاثیر رسوایی هایی قرار می گیرد که نه تنها اعتماد مصرف کنندگان را از بین می برد بلکه حتی ممکن است اثرات مخربی بر سلامت و رفاه شخصی آن ها داشته باشد (Lethbridge, 2018).

نظریه سیگنال دهی در ترکیب با بلاک چین قبلا برای توضیح پویایی عرضه اولیه سکه (ICOs) از طریق سیگنال دهی قابلیت های فن آوری بلاک چین استفاده شده است (Fisch, 2019).

مثال دیگر از چودا، تریچیکیس، تسوکالا، آسپگرن، و وبر (۲۰۱۸)سرچشمه می گیرد که نشان می دهد برای شرکت ها بهتر است کیفیت اساسی خود را به وام دهندگان از طریق معاملات موجودی به جای درخواست وام نشان دهند و بلاک چین در این زمینه عملکرد بهتری نسبت به مکانیزم های نظارتی سنتی دارد.

این قابلیت را دارد که این وضعیت را با اجازه دسترسی به موقع به اطلاعات قابل تایید که بین شرکت کنندگان متعدد شبکه به اشتراک گذاشته می شود، اصلاح کند.به منظور درک بهتر اینکه آیا این امر می تواند بر نگرش ها و مقاصد مصرف کنندگان تاثیر بگذارد، باید درک فن آوری و پیامدهای آن را بررسی کرد.بنابراین، در بخش‌های زیر بررسی می‌کنیم که آیا استفاده از اطلاعات مبتنی بر بلاک چین می‌تواند بر قصد خرید مصرف‌کنندگان و تأثیر آشنایی با برند تأثیر بگذارد یا خیر.

سیستم های ردیابی مبتنی بر بلاک چین

قابلیت ردیابی مواد غذایی به عنوان “توانایی ردیابی هر غذا، خوراک، حیوان تولید کننده غذا یا ماده ای که برای مصرف در تمام مراحل تولید، پردازش و توزیع استفاده می شود” تعریف می شود (کمیسیون اروپا، 2007، ص 1).

فناوری بلاک چین دارای ویژگی هایی است که می تواند بر صنایع مختلف تأثیر مثبت بگذارد ( Ali , Ally , Clutterbuck & Dwivedi , 2020 ; Beck , Avital , Rossi & Thatcher , 2017 ; Frizzo – Barker , Chow – White , Adams , Mentanko , Ha & Green , 2020 ; Iansiti & Lakhani , 2017 ; Rana et al. , 2021 ) و به ویژه زنجیره های تامین را تغییر می دهند ( Montecchi , Plangger , & Etter , 2019 ; Treiblmaier , 2018 ).

بلاک چین را می توان به عنوان ” دفترکل دیجیتال، غیر متمرکز و توزیع شده ای تعریف کرد که در آن تراکنش ها به ترتیب زمانی و باهدف ایجاد سوابق دائمی و قابل دستکاری ثبت و اضافه می شوند (Treiblmaier, 2018, p.547).

این فناوری از آب در نیامده است، بلکه براساس کارهای قبلی مربوط به زمان سنجی پیوندی، کیف پول دیجیتال، اثبات کار، تحمل خطای بیزانس، رمزنگاری نامتقارن و قراردادهای هوشمند ساخته شده است (Narayanan & Clark, 2017).

تمام این ایده های کلیدی به طرز هوشمندانه ای توسط یک نویسنده نام مستعار در پروتکل بیت کوین ترکیب شدند، که در نهایت مشکل هزینه مضاعف را حل کرد، به این معنی که هزینه یک توکن دیجیتال بیش از یک بار است (Nakamoto, 2008).

باتوجه به این ویژگی ها، فن آوری بلاک چین امکان استفاده از اینترنت به عنوان رسانه ای برای تبادل ارزش به جای صرفا برای اهداف ارتباطی یا تعاملات اجتماعی را فراهم می کند.

بلاک چین در اصل یک شبکه همتا است که از مکانیزم های اجماعی پیچیده برای نگهداری سوابق دارایی های دیجیتال در ماهیتی غیر متمرکز استفاده می کند (Beck, Müller-Bloch, & King, 2018; Lacity, 2018).

به عنوان مثال، این ویژگی بلاک چین را از پایگاه داده های سنتی که به صورت مرکزی کنترل می شوند، متمایز می کند.بلاک چین می تواند به طور بالقوه منابع متعدد ریسک را حذف یا حداقل کاهش دهد، از جمله جلوگیری از وقوع ریسک، کاهش تاثیر اختلالات زنجیره تامین، بهبود انعطاف پذیری شرکت ها در مقابله با اختلالات زنجیره تامین، و تغییر نگرش های کسب وکار محور(Min, 2019) .

به منظور سودآوری در یک محیط به شدت رقابتی، خرده فروشان باید هم کاری نزدیکی با تامین کنندگان داشته باشند، که شامل به اشتراک گذاری اطلاعات دقیق در مورد منشا و حمل و نقل محصولات است. (Ganesan, George, Jap, Palmatier, & Weitz, 2009; Treiblmaier, Mirkovski, Lowry, & Zacharia, 2020).

  بهبود ارتباط با مشتریانشان می تواند به شرکت ها در بخش مواد غذایی کمک کند تا رقابت پذیری خود را افزایش دهند (Busby, 2019) در حالی که فقدان به اشتراک گذاری اطلاعات می تواند اثرات مخربی داشته باشد و باعث نگرانی مصرف کنندگان در رابطه با کیفیت غذا شود (McEachern & Seaman, 2005).

ترکیب تغییرناپذیری داده ها و توزیع بین گره های متعدد، که هر کدام یک کپی یک سان از تمام تراکنش های ثبت شده را به اشتراک می گذارند، سطحی از قابلیت ردیابی را ممکن می سازد که قبل از ظهور بلاک چین ممکن نبود.پس از ذخیره سازی، داده ها به سختی قابل تغییر هستند و هر تلاشی برای انجام این کار را می توان به راحتی تشخیص داد.

علاوه بر این، در حالی که بلاک چین به هیچ وجه کامل نیست، نشان داده شده است که نسبتا در برابر هک شدن مقاوم است، و ترکیبی از تمام این ویژگی ها است که به طور بالقوه می تواند راه حل هایی برای تقویت انعطاف پذیری زنجیره تامین ایجاد کند(Min, 2019؛ Treiblmaier, 2019).

علی رغم مزایای مرتبط با یک سیستم ردیابی مبتنی بر بلاک چین که در مقالات موجود به آن اشاره شد، اطلاعات کمی در مورد عواملی که باعث پیاده سازی بلاک چین در زنجیره های تامین می شوند، وجود دارد.

به عنوان یک استثنا، مطالعه اخیر تایید می کند که قابلیت ردیابی، تعیین کننده اصلی پذیرش بلاک چین در زنجیره تامین کشاورزی است (Kamble, Gunasekaran, & Sharma, 2020).

  به همین ترتیب، سنتوبیل، سرچیون وچیو، اورپالو و سکندو (2021) خاطرنشان می کنند که سه عامل اعتماد، قابلیت ردیابی و شفافیت، پذیرش پلت فرم بلاک چین را در زمینه زنجیره تامین تعیین می کند.

  تحقیقات قبلی تأیید کرده‌اند که کاربرد آن می‌تواند شفافیت و قابلیت ردیابی زنجیره‌های تامین را بهبود بخشد و همچنین میزان اعتماد سریع رخ‌داده در ساختارهای سازمانی موقت را بهبود بخشد (Dubey, Gunasekaran, Bryde, Dwivedi, & Papadopoulos, 2020).

از منظر به حداکثر رساندن سود، تحقیقات به وضوح پذیرش بلاک چین را برای محصولاتی با آگاهی از قابلیت ردیابی بالا (یعنی نگرانی در مورد ایمنی و کیفیت محصول) توصیه می‌کند، در حالی که خرده‌فروشان به طور همزمان تشویق می‌شوند تا مزایای بلاک چین را در استراتژی‌های ارتباطی بازاریابی خود منتقل کنند (Fan, Wu, & Cao, 2022) .

در نتیجه، اعتماد به یک سازمان معین افزایش می یابد.بخش زیر توضیح می‌دهد که چگونه می‌توان از سیستم مدیریت زنجیره تامین مبتنی بر بلاک چین برای نشان دادن کیفیت محصول به مصرف‌کنندگان استفاده کرد.

توسعه فرضیه ها و چارچوب تحقیق مفهومی

اطلاعات مربوط به منشأ یک محصول، مانند منشاء، اصالت، یکپارچگی و نگهداری آن، مشتریان را از تصمیمات خرید آنها اطمینان می دهد.بلاک چین می تواند با فعال کردن قابلیت ردیابی، تأیید، ردیابی و تأیید به ایجاد هر یک از این موارد کمک کند (Montecchi et al., 2019).

در یک سطح نظری، یانیس (۲۰۱۸)نشان داد که چگونه فن آوری بلاک چین می تواند قابلیت ردیابی و شفافیت غذا را افزایش دهد.با تایید یافته های تحقیقات دانشگاهی، شواهد دنیای واقعی پتانسیل بلاک چین را در سیستم های ردیابی مواد غذایی تایید می کند، همچنین خرده فروشان مواد غذایی نیز پیاده سازی سیستم های مبتنی بر بلاک چین را آغاز کرده اند.

در سپتامبر ۲۰۱۸، والمارت به صورت عمومی ردیابی کاهو با استفاده از فن آوری بلاک چین را در پاسخ به کاهوی آلوده اعلام کرد (Corkery & Popper, 2018).به همین ترتیب، بزرگ‌ترین خرده‌فروش اروپا، کارفور، این فناوری را برای ردیابی مرغ، تخم‌مرغ و گوجه‌فرنگی برای محافظت در برابر آلودگی سالمونلا به کار گرفته است (رویترز، 2018).

اعلام و انتشار بیانیه های شرکت ها در رسانه های برجسته ای مانند نیویورک تایمز و رویترز نشان می دهد که چقدر برای شرکت ها مهم است که تلاش های خود برای به کارگیری فن آوری برای تضمین امنیت غذایی را به صورت عمومی اعلام کنند.

این ترکیب از یک بنیان نظری صحیح و مثال های کاربردی دنیای واقعی قویا نشان می دهد که بلاک چین یک فن آوری امیدوارکننده برای اطمینان از قابل ردیابی بودن، در نتیجه کیفیت و ایمنی غذا، در کل زنجیره تامین است.

  با تکیه بر نظریه سیگنالینگ (Connelly, 2016) ما پیشنهاد می کنیم که برچسب های قابلیت ردیابی، قصد خرید محصولات غذایی را افزایش می دهند.ما همچنین پیشنهاد می‌کنیم که این اثر با ادراک کیفیت محصول واسطه می‌شود.برچسب‌های ردیابی و کیفیت احتمالاً به عنوان نشانه‌هایی عمل می‌کنند که به مصرف‌کنندگان در کاهش عدم تقارن اطلاعات از نظر کیفیت محصول کمک می‌کنند (Bonnet, Hilger, & Villas-Boas, 2020؛ Spence, 2002؛ Stiglitz, 2000).

  با این حال، تأثیر مثبت قابلیت ردیابی بر ادراک کیفیت محصول نیز بسته به آشنایی محصول، فرض می شود (Janiszewski & Van Osselaer, 2000).برندهای آشنا معمولاً با کیفیت خاصی مرتبط هستند، بنابراین سیگنال های اضافی ممکن است باعث افزایش کیفیت درک شده به دلیل اثرات سقف نشود (Simonin & Ruth, 1998).  در بخش بعدی، فرضیه های مربوطه را با جزئیات بیشتری مورد بحث قرار می دهیم.

رابطه بین سیستم های ردیابی مبتنی بر بلاک چین و قصد خرید

برای ایجاد اعتماد مصرف کننده به کیفیت محصول، خرده فروشان باید تلاش های خود را به وضوح بیان کنند.برچسب زدن وسیله ای بسیار مفید برای نشان دادن کیفیت محصول است.به عنوان مثال، تحقیقات اخیر نشان می دهد که برچسب پایداری سومین ویژگی مهم برای انتخاب محصول است که با اثر سیگنالینگ کیفیت توضیح داده می شود ( Sigurdsson et al. , 2022 ).

  این نتیجه تحقیقات قبلی را مورد پذیرش قرار می دهند، که تأیید می کند که مصرف کنندگان اغلب از برچسب گذاری محصول به عنوان مبنایی برای تصمیم گیری های خرید خود استفاده می کنند ( Berry , Mukherjee , Burton , & Howlett , 2015 ) و اینکه برچسب های پایداری و کیفیت مواد غذایی می توانند قصد خرید را افزایش دهند ( Silva , de , Bioto , Efraim , & Queiroz , 2017 )

  به همین ترتیب، تحقیقات قبلی تأیید کرده است که برچسب‌های قابلیت ردیابی می‌توانند قصد خرید مصرف‌کنندگان را افزایش دهند ( Lee , Bae , & Kim , 2020 ).به عنوان یک ویژگی اعتبار، قابلیت ردیابی غذا معمولا برای مصرف کنندگان دشوار است و بنابراین با ریسک بالاتری در مقایسه با ویژگی های جستجو و تجربه همراه است ( Darby & Karni , 1973 ; Mitra , Reiss , & Capella , 1999 ; Sharma , Sivakumaran , & Marshall , 2014 ).

  در این راستا، تحقیقات موجود، پتانسیل سیستم‌های ردیابی مواد غذایی را برای افزایش قصد خرید مصرف‌کنندگان تأیید می‌کند.به عنوان مثال، چن و هوانگ (2013) دریافته اند که سیستم های ردیابی مواد غذایی می توانند به کاهش عدم اطمینان ناشی از عدم تقارن اطلاعات و ترس از فرصت طلبی فروشنده در میان مصرف کنندگان کمک کنند.این به نوبه خود، قصد خرید آنها را برای فست فود افزایش می دهد ( Chen & Huang , 2013 ).

  به طور مشابه، برچسب‌های ردیابی مبتنی بر QR تأثیر مثبتی بر نگرش مصرف‌کنندگان نسبت به محصولات گوشت گاو دارند و قصد خرید را افزایش می‌دهند ( Chen & Huang , 2013) . علاوه بر این، گنجاندن اطلاعات قابل اثبات می تواند تاثیر مثبت برچسب ها بر پاسخ های مصرف کنندگان را تقویت کند(Berry et al., 2015).

  به طور خلاصه، مطالعات قبلی تأثیرات مثبت برچسب‌های قابلیت ردیابی را بر اهداف رفتاری تأیید می‌کنند، که عمدتاً با کاهش عدم تقارن اطلاعات و سیگنالی از کیفیت محصول توضیح داده شده است.

علاوه بر این، اعتبار برچسب ها تأثیرات مثبت آنها را تعیین می کند ( Brach , Walsh , & Shaw , 2018 ).نویسندگان نشان می دهند که برچسب پایداری شخص ثالث، ریسک مالی و عملکرد درک شده را تا حد بیشتری در مقایسه با برچسب صادر شده توسط یک سازمان خصوصی کاهش می دهد.به همین ترتیب، برچسب های سبز زمانی معتبرتر تلقی می شوند که توسط شخص ثالث صادر شوند. (D”Suza, Taghian, Lamb, & Peretiatko, 2007).

در این راستا، فناوری بلاک چین لایه دیگری از اعتبار را اضافه می‌کند که توسط مطالعات شرکت‌های مشاوره مانند KPMG (Paquette & Wieger, 2021) و McKinsey  نیز تأیید شده است(Galea-Pace, 2020).

  ماهیت غیرمتمرکز آن نشان می دهد که هیچ نهادی نمی تواند اطلاعات ذخیره شده قبلی را برخلاف میل اکثریت حذف کند (Min, 2019).این به نوبه خود می تواند از اجرای استانداردهای مرتبط با پایداری حمایت کند ( Kshetri , 2021 ).

بنابراین، ما فرض می کنیم:

H1. : برچسب ردیابی مبتنی بر بلاک چین قصد خرید را افزایش می دهد.

نقش تفکر در درک کیفیت محصول

نشانه ها و لوگوها اغلب برای انتقال ویژگی های هویتی فروشندگان استفاده می شوند.با این حال، مصرف کنندگان اغلب انتخاب های محصول خود را نه تنها براساس توصیفات فروشندگان، بلکه براساس اطلاعات اعتبار خاص محصول مانند اطلاعات در مورد منشا، پردازش، یا اطلاعات تولید یک محصول مشخص، پایه گذاری می کنند ( Fernqvist & Ekelund , 2014).).  این ویژگی های اعتبار برای استنباط کیفیت محصولات استفاده می شود (Samant & Seo, 2016؛ Yang, Renwick, Tantiwat, Revoredo-Giha, & Wu, 2021).

کمیسیون اروپا با تاکید بر ارتباط برچسب های کیفیت و عملکرد آن ها برای حفاظت و ارتقا ویژگی های منحصر به فرد یک محصول، یک پایگاه داده جامع در مورد برچسب های کیفیت تثبیت شده برای محصولات غذایی فاسد شدنی فراهم می کند(کمیسیون اروپا، 2022).

ادراکات مصرف کنندگان از محصولات غذایی نیز به ارزیابی آنها بستگی دارد که آیا محصولات می توانند اهداف عملکردی مختلفی مانند بهبود رفاه را برآورده سازند ( Andrews , Netemeyer , & Burton , 1998 ).

  در این راستا، توصیف شفاهی غذا بر ادراکات مصرف‌کنندگان از غذا تأثیر می‌گذارد و به آنها کمک می‌کند تا ترجیحات غذایی را توسعه دهند ( Blackburn , Yilmaz , & Boyd , 2018 ).

به همین ترتیب، اعتماد به شناسایی منشا برند به طور مثبت ارزیابی های ارزش برند را تحت تاثیر قرار می دهد، علاوه بر این، مشخص شده است که برچسب گذاری جلوی بسته بندی یک ابزار موثر برای کمک به مصرف کنندگان در شناسایی محصولات سالم تر است (Ikonen, Sotgiu, Aydinli, & Verlegh, 2020). ( Zhou , Yang , & Hui , 2010 ) و همچنین محصولات پایدارتر ( Samant & Seo , 2016 ).

علاوه بر استانداردهای کیفیت و ایمنی، جنبه های پایداری به عنوان جنبه مهمی از سیستم های ردیابی شناخته شده اند ( Gallo , Accorsi , Goh , Hsiao , & Manzini , 2021 ).

  در واقع، تحقیقات انجام شده توسط گروه مشاور بوستون در سال 2013 پتانسیل رشد برندهای مصرف مسئولانه را تایید می کند; رشد سالانه برندهای مصرف مسئولانه در مقایسه با برندهای مصرفی غیرمسئولانه تنها در سال 2013 دو برابر شد ( Smits , Vismans , van Zon , & Wood , 2015 ).

  این روند هنوز ادامه دارد و هر چهارم مصرف کننده نشان دهنده توجه به مصرف پایدار و رفتار خرید حامی محیط زیست است (Gatzer & Magnin, 2021).سازه های متعددی در پژوهش های IS به عنوان مقدمات قصد خرید پیشنهاد شده است، از جمله چندین اثر اطلاعاتی (مانند بررسی ها، قابل اعتماد بودن) و هنجاری (مانند توصیه ها، محبوبیت خدمات).

به طور خاص تر، تسیوتسو (۲۰۰۶)و ولز، والاچیچ، و هس (۲۰۱۱)رابطه بین کیفیت محصول درک شده و قصد خرید در یک محیط آنلاین را مورد بررسی قرار دادند.آن ها دریافتند که رابطه بین درک کیفیت محصول و قصد خرید آنلاین به طور مداوم در یک سری از سه مطالعه با استفاده از دانشجویان کارشناسی قابل توجه است( Wells et al. , 2011 ).

یک مطالعه جدیدتر نشان می‌دهد که در زمینه روغن زیتون، برچسب‌گذاری محصول (برچسب‌های منشأ و ارگانیک) با ایجاد ارتباط با کیفیت مطلوب بر قصد خرید تأثیر مثبت می‌گذارد  ( Spognardi , Vistocco , Cappelli , & Papetti , 2021 ). بنا بر تحقیقات قبلی، ما فرض می‌کنیم که برچسب‌ها بر درک کیفیت محصول و متعاقباً قصد خرید مصرف‌کنندگان تأثیر می‌گذارند و این فرضیه را مطرح می‌کنیم:

H2. : اثر مثبت یک برچسب ردیابی مبتنی بر بلاک چین بر قصد خرید از طریق درک کیفیت محصول انجام می شود.

اثرات تعدیل کننده آشنایی با برند

نتیجه افزودن برچسب توسط یک برند به قدرت برچسب و قدرت برند بستگی دارد.قدرت برند معمولا با آشنایی با برند ارتباط دارد، به طوری که برنده ای آشناتر قدرت برند بالاتری دارند (Simonin & Ruth, 1998).

با این حال، تأثیر برند همیشه ساده نیست.به عنوان مثال، شواهد تجربی نشان می دهد که استفاده از یک برند قوی برای ترویج یک علت خیریه، ارزش ویژه برند آن را بهبود نمی بخشد  (Lafferty, Goldsmith, & Hult, 2004)اما یک اثر مثبت برای برنده ای با قدرت متوسط وجود دارد.  به همین ترتیب، تحقیقات نشان می‌دهد که هیچ اثر اضافی برای اتحادهای برند که توسط دو برند قوی تشکیل شده‌اند وجود ندارد (Besharat, 2010; Venkatesh & Mahajan, 1997).

اثرات تارک بیانگر توضیح نظری عدم مشارکت یک برند اصلی در برند مشترک است (Simonin & Ruth, 1998).برچسب‌ها مشابه برندها در یک  یک چیدمان برند مشترک، سیگنال‌ها را منعکس می‌کنند و به عنوان نشانه‌هایی عمل می‌کنند که تداعی‌های مختلف را تحریک می‌کنند  (Carpenter & Larceneux, 2008).

یک برند قوی به وضوح با یک برداشت مطلوب (به عنوان مثال، کیفیت محصول) همراه است; از این رو، هیچ ارزشی ممکن است توسط برچسب اضافه نشود (Janiszewski & Van Osselaer, 2000).

برعکس، ادراک مصرف کنندگان از یک برند ناشناخته را می توان با افزودن یک برچسب به راحتی شکل داد.علاوه بر این، پژوهش های موجود نشان می‌دهد که اثر سیگنال‌دهی یک برچسب ارگانیک بر درک کیفیت محصول به سطح ارزش ویژه برند بستگی دارد (Larceneux, Benoit-Moreau, & Renaudin, 2012).  با توجه به کیفیت برتر بلاک چین از نظر کیفیت اطلاعاتی و مقاومت آن در برابر هک، فرض می‌کنیم که برچسب بلاک چین نشانه‌ای قوی برای سیگنال دادن به کیفیت محصول است.

ما همچنین پیشنهاد می‌کنیم که افزودن یک برچسب بلاک چین به یک برند آشنا (یعنی قوی) به دلیل تأثیرات تارک فوق الذکر، ادراک کیفیت محصول را افزایش نمی‌دهد.پس از دستیابی به ادراک بسیار مثبت از کیفیت محصول از طریق یک برند آشنا، هیچ یادگیری تداعی بیشتری از نظر کیفیت محصول در هنگام افزودن برچسب بلاک چین امکان پذیر نیست.  در مقابل، افزودن یک برچسب بلاک چین به یک برندکمتر آشنا، یادگیری تداعی را امکان پذیر می کند. این استدلال نشان می دهد که:

H3. : آشنایی با برند اثر غیرمستقیم برچسب ردیابی مبتنی بر بلاک چین را بر قصد خرید تعدیل می کند، به طوری که اثر میانجی برای برندهای کمتر آشنا (در مقایسه با برند های آشنا) قوی تر است.

شکل 1 سه فرضیه را در یک مدل نظری خلاصه می کند.

طرح تحقیق

ما مدل نظری را همانطور که در شکل 1 نشان داده شده است در دو آزمایش متوالی آزمایش می کنیم.ما یک طراحی تجربی را بر یک طراحی شبه تجربی یا یک مطالعه صرفا همبستگی ترجیح می دهیم زیرا آزمایش ها معمولا به عنوان بهترین راه برای شناسایی روابط علی در نظر گرفته می شوند.

علاوه بر این، فرآیند تصادفی سازی کمک می کند تا گروه ها در مورد انتظارات هر متغیر قبل از درمان، چه مشاهده شده و چه نشده، یکسان شوند و برآوردهای بی طرفانه ای از میانگین اثر درمان به دست می دهد ( Shadish , Cook , & Campbell , 2001 ).

در مطالعه 1، ما به یک نمونه راحت (N = 151) برای آزمایش تأثیر مثبت برچسب ردیابی بر قصد خرید (H1) در دسته مواد غذایی “عسل” تکیه کردیم، که محصولی است که محصولی است که اغلب توسط انواع مختلف محلول های قند ارزان، مانند شربت ذرت یا شربت فروکتوز تقلبی می شود.

ما همچنین اثر واسطه‌ای کیفیت محصول درک‌شده را بر تأثیر برچسب‌گذاری قابلیت ردیابی بر قصد خرید با تخمین مدل میانجی‌گری در ماکرو SPSS PROCESS (H2) بررسی می‌کنیم.  مطالعه 2 مطالعه 1 را در یک دسته غذایی متفاوت، سالمون، تکرار می کند که به عنوان “سمی ترین غذای جهان” برچسب گذاری شده است (Mercola, 2018).

  داده‌های 152 پاسخ‌دهنده جمع‌آوری‌شده از طریق یک آزمایش آنلاین با استفاده از تحلیل میانجی‌گری تعدیل‌شده مورد تجزیه و تحلیل قرار گرفت. در هر دو مطالعه، پاسخ دهندگان به طور خلاصه در مورد آن دسته از ویژگی های بلاک چین که می توانند به طور بالقوه بر قابلیت ردیابی زنجیره تامین تأثیر بگذارند، مطلع شدند.

با گسترش تحقیقات در مطالعه ۱، مطالعه ۲ همچنین ارزیابی می کند که آیا اثر تعدیل کننده آشنایی با برند بر نقش واسطه ای کیفیت محصول درک شده بر قصد خرید تاثیر می گذارد (H3) یا خیر.

مطالعه 1 تأثیر یک برچسب ردیابی مبتنی بر بلاک چین بر قصد خرید

طراحی، رویه و نمونه

اولین مطالعه برای آزمایش تأثیر مستقیم برچسب‌گذاری قابلیت ردیابی بر قصد خرید (H1) و همچنین تأثیر واسطه‌ای کیفیت درک شده محصول بر تأثیر قابلیت ردیابی بر قصد خرید (H2) طراحی شد.

در این آزمایش، ما از یک طراحی تک عاملی بین سوژه ها با برچسب قابلیت ردیابی به عنوان متغیر دستکاری شده استفاده کردیم.ما یک شرط بدون برچسب را به عنوان گروه کنترل و یک برچسب قابلیت ردیابی مبتنی بر بلاک چین را به عنوان گروه آزمایشی وارد کردیم.  در شرایط بدون برچسب، برند بدون هیچ گونه دستکاری یا اصلاح ظاهر اصلی خود نمایش داده شد.

  در شرایط برچسب‌گذاری قابلیت ردیابی مبتنی بر بلاک چین، یک برچسب ساختگی ایجاد شد که “ردیابی بلاک چین” و “منبع تایید شده” را بیان می‌کند (شکل 2 را ببینید).این آزمایش به صورت آنلاین انجام شد و جامعه هدف مصرف کنندگان بودند.

از دانشجویان یک کلاس تحقیقات بازاریابی خواسته شد تا با ارسال لینک آزمایش آنلاین به اعضای خانواده، دوستان و همکاران خود در ازای اعتبار دوره، نمونه راحتی را به دست آورند

از هر دانشجو خواسته شد که حداقل 25 شرکت کننده را به دست آورد.  داده ها در آوریل 2019 جمع آوری شد.تلاش ویژه ای برای اجتناب از یک نمونه دانشجویی و در عوض دستیابی به یک نمونه متنوع که با سنین، جنسیت ها، و زمینه های آموزشی مختلف مشخص می شود، انجام شد.

علاوه بر این، ما به دانش آموزان توصیه کردیم که تنها پرسشنامه را برای افرادی که معمولا آن نوع محصول خاص را خریداری می کنند، بفرستند، که این امر اثر اشتباه پرسش از گیاه خواران را از بین می برد که آیا برای مثال مایل به خرید ماهی هستند یا خیر.

از آنجایی که تمرکز پژوهش بر روی فرآیندهای روانشناختی اساسی است که مستقل از ویژگی های نمونه هستند، اتکا به یک نمونه راحت به خوبی توجیه می شود  (Kardes, 1996).علاوه بر این، روش های نمونه گیری آسان به طور گسترده ای در تحقیقات دانشگاهی پذیرفته شده است  (Peterson & Merunka, 2014).

در نهایت، تمام تجزیه و تحلیل های بیشتر به جای توصیفی، همبستگی هستند، که بیشتر اثر سوگیری نمونه بالقوه را کاهش می دهد (Blair & Zinkhan, 2006).مقاله های خبری اخیر که در مورد شیوه های غذایی تقلبی بحث می کنند، انتخاب برندها برای مواد محرک را هدایت می کنند  (e.g., The Economist, 2018).

در میان سایر گروه ها، عسل به طور معمول در میان محصولات مرتبط با تقلب قرار می گیرد (Coronel-Gaviro, Yagüe-Jim´enez, & Blanco-Murillo, 2021)، که اغلب در نتیجه تقلب مواد غذایی با شربت یا شربت قند است (سازمان بهداشت، جهانی2015).

این امر به نوبه خود می تواند باعث مشکلات جدی سلامتی از جمله افزایش قند خون و دیابت، چاقی و فشار خون بالا شود (Fakhlaei et al., 2020).

در نتیجه، عسل نماینده محصولی است که به شدت از یک سیستم ردیابی بسیار شفاف و تغییرناپذیر بهره می برد، که انتخاب عسل به عنوان یک دسته محصول مورد بررسی درمطالعه1 را توجیه می کند.

معیارها

پرسشنامه شامل مواردی بود که دو سازه کیفیت محصول درک شده و قصد خرید را ارزیابی می کرد.برای هر دو سازه از مقیاسهای تعیین شده و اعتبارسنجی شده قبلی استفاده شده است که در پیوست آمده است.  مقیاس های اندازه گیری قصد خرید و کیفیت محصول درک شده از دادز و همکاران گرفته شده است( Dodds , Monroe , & Grewal , 1991 ).

ما بیشتر جذابیت بسته را با یک مورد ارزیابی کردیم – “طراحی بسته این محصول جذاب است” – تا کنترل کنیم که آیا برچسب در شرایط برچسب ردیابی مبتنی بر بلاک چین منجر به تفاوت در جذابیت در مقایسه با شرایط بدون برچسب می شود یا خیر.ما در ادامه آشنایی با دو برند مورد استفاده را اندازه گیری کردیم تا تضمین کنیم که هر دو برند سطح آشنایی پایینی دارند.

ارزیابی سوگیری روش رایج

  به طور کلی، اتکا به قالب‌های مقیاس یکسان برای همه سازه‌ها ممکن است منجر به سوگیری روش مشترک شود که منجر به رفتار پاسخ سیستماتیک و ایجاد کوواریانس مصنوعی می‌شود  (Podsakoff, MacKenzie, Lee, & Podsakoff, 2003).

برای کاهش خطر سوگیری روش های رایج، ما از توصیه های فرورتیش، اشمیت، و هایدنریش (۲۰۱۸)پیروی کردیم و یک پیش آزمون برای تشخیص ابهام مورد بالقوه انجام دادیم.علاوه بر این، ما آزمون تک عاملی هرمان را با دو سازه، یعنی درک کیفیت محصول و قصد خرید به کار بردیم (Podsakoff et al., 2003).

  مقایسه راه حل یک عاملی با راه حل دو عاملی با استفاده از آزمون تفاوت کای دو منجر به تناسب مدل به طور قابل توجهی بدتر برای راه حل یک عاملی شد (Δχ2 (df = 1) = 121.9، p <.01) در حالی که تحلیل عاملی تاییدی با مدل دو عاملی برازش بسیار رضایت بخشی را به همراه داشت (χ2 (df = 19) = 25.60، RMSEA = 0.05، SRMR = 0.03، GFI = 0.96، NNFI = 0.99، CFI = 0.99).این نتایج نشان می دهد که تهدید کمی از جانب سوگیری روش های رایج در مطالعه ما وجود دارد.

تجزیه و تحلیل و نتایج

برای آزمایش اثربخشی دستکاری، از پاسخ دهندگان پرسیدیم که آیا محصولی که به تازگی دیده بودند دارای برچسب است یا خیر.آزمون مجذور کای تایید کرد که بین دو گروه آزمایشی و تشخیص برچسب ارتباط معنی داری وجود دارد(χ2 ( 2 , N = 151 ) = 74.42 , P < 0.01 ) . ANOVA تایید کرد که یک برچسب قابلیت ردیابی قصد خرید را افزایش می دهد (F (1149) = 12.58, p <0.01).

برچسب ردیابی مبتنی بر بلاک چین (MBBCLabel = 4.41، SD = 1.76) قصد خرید را در مقایسه با شرایط کنترل (MNoLabel = 3.38، SD = 1.80) افزایش داد (شکل 3 را ببینید).

این نتایج H1 را تایید می کند.H2 فرض می کند که کیفیت محصول درک شده تأثیر برچسب ردیابی بر قصد خرید را واسطه می کند.این فرضیه با تخمین مدل PROCESS 4 با شرایط تجربی به عنوان متغیر مستقل با استفاده از 10000 نمونه بوت استرپینگ مورد آزمایش قرار گرفت ( Hayes , 2018 ).

  متغیر مستقل دوگانه از شرایط کنترل به عنوان یک مقوله مرجع استفاده کرد ; بنابراین، ضرایب افزایش واسطه و متغیر وابسته را برای برچسب قابلیت ردیابی مبتنی بر بلاک چین در مقایسه با شرایط بدون برچسب گزارش می‌کنند.همانطور که فرض شد، برچسب قابلیت ردیابی مبتنی بر بلاک چین ادراک کیفیت محصول را افزایش می دهد (a1 = 0.50، p <0.01).

تأثیر مستقیم برچسب‌گذاری قابلیت ردیابی بر قصد خرید زمانی که ادراک کیفیت محصول را به عنوان واسطه در نظر می‌گیریم معنی‌دار نیست (c”1 =. 01, p = 0.96)، در حالی که درک کیفیت محصول به طور قابل توجهی بر قصد خرید تأثیر می‌گذارد (b = 1.02, p <0.01).

اثر غیرمستقیم نشان می دهد که کیفیت محصول درک شده به طور کامل تأثیر یک برچسب ردیابی مبتنی بر بلاک چین را بر قصد خرید واسطه می کند (a1b = 0.51، CI [. 29، . 73]).از این رو , می توانیم H2 را تایید کنیم ( جدول 1 را ببینید ) .

مطالعه 1 بحث

یافته‌های مطالعه 1 تأثیر مثبت برچسب‌گذاری قابلیت ردیابی را بر قصد خرید تأیید می‌کند که با میانجی‌گری ادراک کیفیت محصول انجام می‌شود.قابلیت ردیابی تأثیر مستقیمی بر قصد خرید ندارد که نشان دهنده میانجیگری کامل از طریق ادراک کیفیت محصول است.

مطالعه 2 اثر تعدیل کننده آشنایی با برند

طراحی، رویه و نمونه

در حالی که مطالعه ۱ استدلال نظری ما را در مورد تاثیر مثبت برچسب مبتنی بر بلاک چین بر قصد خرید به عنوان واسطه درک کیفیت محصول تایید کرد، نتایج باید با احتیاط تفسیر شوند زیرا ما یک روش نمونه گیری آسان را به کار بردیم.  به منظور افزایش تعمیم پذیری یافته های خود، از روش پیشنهادی پترسون و مرونکا (2014) پیروی کردیم تا نظریه خود را از نظر تکرارپذیری و تکرار نتایج با نمونه دیگری آزمایش کنیم.

از این رو، مطالعه 2 برای تأیید یافته های مطالعه 1 (H1، H2) با استفاده از یک دسته غذایی متفاوت به عنوان ماده محرک، و همچنین آزمایش بیشتر برای اثر تعدیل کننده آشنایی با برند (H3) طراحی شد.

سالمون پیش از این به عنوان یک محرک در تحقیقاتی که تاثیر برچسب های ارگانیک را بر انتخاب مصرف کننده بررسی می کرد، مورد استفاده قرار گرفته بود  (Larceneux et al., 2012)و بارها موضوع شیوه های غذایی تقلبی بوده است (Olmsted, 2015).

  داده‌های پایگاه‌داده RASFF (سیستم هشدار سریع برای غذا و خوراک) که توسط کمیسیون اروپا نگهداری می‌شود، تأیید می‌کند که ماهی و محصولات دریایی بیشترین موارد تقلب غذایی گزارش‌شده را نشان می‌دهند (Marvin et al., 2016).

بنابراین، هدف ما تکرار اثرات مطالعه 1 و گسترش مدل با متغیر تعدیل کننده آشنایی با برند بود.از همان ماده محرک (یعنی بسته بندی محصول) و روش مشابه در مطالعه قبلی استفاده شد.علاوه بر این، برچسب پاسخ سریع (QR) را برای رد این توضیح جایگزین اضافه کردیم که هر گونه اطلاعات اضافی ادراک کیفیت محصول را افزایش می دهد.

مشابه برچسب بلاک چین، برچسب QR را می توان به عنوان اجازه دسترسی به یک سیستم ردیابی در نظر گرفت، اما نوع خاصی از پایگاه داده یا نوع خاصی از کیفیت اطلاعات را نشان نمی دهد.

کدهای RFID یا QR فناوری‌هایی هستند که اغلب در سیستم‌های ردیابی سنتی به کار می‌روند و بازیگران مختلف در طول زنجیره تامین را قادر می‌سازند تا به سرعت و ارزان به اطلاعات مربوطه در یک پایگاه داده ذخیره و دسترسی داشته باشند.

این اطلاعات می تواند به صورت جداگانه توسط همه شرکت کنندگان زنجیره تامین (تولیدکنندگان اولیه، صنایع تبدیلی، شرکای حمل و نقل، مصرف کنندگان نهایی) قابل دسترسی باشد، اما به طور سنتی در یک پایگاه داده متمرکز ذخیره می شود.

به منظور آزمایش نقش تعدیل کننده آشنایی با برند، در مطالعه 2 از طرح فاکتوریل کامل 3 (قابلیت ردیابی: بدون برچسب در مقابل برچسب QR در مقابل برچسب بلاک چین) × 2 (آشنایی با برند : کمتر آشنا در مقابل آشنا) استفاده کردیم.

این طرح به ما اجازه داد تا نه تنها رابطه علّی بین سه نوع برچسب مختلف و قصد خرید و همچنین نقش میانجی ادراک کیفیت محصول را آزمایش کنیم، بلکه به ارزیابی تأثیر تعدیل‌کننده آشنایی با برند بر روی این اثر واسطه‌ای نیز بپردازیم.

به طور خاص، این دستکاری آشنایی با برند الزامی را مطابق با جود (2015) برآورده می کند که “مشاهدات از تمام سطوح تعدیل کننده در هر سطح از متغیر مستقل رخ می دهد” و ارزیابی اثرات علّی آشنایی با برند را ممکن می سازد.برای دستکاری آشنایی با برند، از برندهای مختلف یک محصول (به عنوان مثال، سالمون) استفاده کردیم.

برندهای تولیدکننده اغلب با کیفیت بالاتری در مقایسه با برندهای برچسب خصوصی مرتبط هستند (Ailawadi, Neslin, & Gedenk, 2001; Rubio, Oubina, ˜ & Villasenor, ~ 2014) و با سطوح بالاتر ایمنی و ارزش همراه هستند (Nenycz-Thiel & Romaniuk, 2009).

  از این رو، برندهای تولیدکننده را می توان به عنوان برندهای تثبیت شده و پایدار با ارتباط قوی و نگرش مطلوب در نظر گرفت (Bettman & Sujan, 1987).  در مقابل، تداعی‌های ضعیف مشخصه برندهای کمتر آشنا هستند (Simonin & Ruth, 1998).

برند کم تر آشنای ماهی سالمون، برچسب خصوصی یک تنقلات خانگی (Ocean Sea)بود.ماهی سالمون ایگلو نشان دهنده برند آشنا بود (شکل 4 را ببینید).اکتساب پاسخ دهندگان و آزمایش از همان رویه های مطالعه 1 پیروی کرد.بر این اساس، دانشجویان یک کلاس تحقیقات بازاریابی، پرسشنامه را برای مصرف کنندگانی که به طور منظم ماهی سالمون خریداری می کردند، ارسال کردند.داده ها در می 2019 جمع آوری شد.

هر دانشجو با ارسال لینک پرسشنامه به اعضای خانواده، دوستان و همکاران، حداقل 25 پاسخ دهنده را استخدام کرد.در مجموع ۱۵۲ نفر پاسخ دادند (۴۵ درصد زن، ۵۲ درصد مرد، ۳ درصد ترنس، ۱ درصد ترجیح دادند نگویند؛ میانگین سنی: ۲۷ سال؛ تحصیلات عالی: ۵۰ درصد دانشگاه، ۴۵ درصد دبیرستان، ۴ درصد هنرستان فنی و حرفه ای، ۱ درصدکارآموزی و تحصیل اجباری).

پاسخ دهندگان به طور تصادفی به یکی از شش شرط تجربی اختصاص داده شدند.علاوه بر معیارهای مورد استفاده در مطالعه 1، مطالعه حاضر آشنایی با برند را با استفاده از یک تفاضل معنایی از 3- تا 3+ ارزیابی می کند (Simonin & Ruth, 1998).

ارزیابی سوگیری روش رایج

همان روش آماری مطالعه 1 برای ارزیابی وجود واریانس روش رایج استفاده شد.مجدداً، آزمون تک عاملی هرمان منجر به برازش مدل به طور قابل توجهی بدتر شد (Δχ2 (df = 1) = 143.74، p <. 01)، در حالی که مدل اندازه گیری با راه حل دو عاملی برازش بسیار رضایت بخشی را به همراه داشت(χ2 (df = 19) = 40.95، RMSEA =. 08، SRMR =. 03، GFI =. 94، NNFI =. 96، CFI =. 98).

به عنوان ابزار دیگری برای جلوگیری از سوگیری روش متداول , مطالعه 2 مدل پیچیده تری را با در نظر گرفتن نقش تعدیل کننده آشنایی با برند تخمین می زند .همانطور که چانگ، ون ویتلوستویژن، و ادن (۲۰۱۰)اشاره می کنند، گنجاندن یک متغیر تعدیل کننده “احتمالا CMV را کاهش می دهد، زیرا چنین رابطه پیچیده ای، به احتمال زیاد، بخشی از” نظریه مورد استفاده پاسخ دهندگان ” نیست.

تجزیه و تحلیل و نتایج

  یک آزمون Chi-Square نشان داد که اکثر شرکت‌کنندگان به درستی برچسب مناسب را در شرایط برچسب‌گذاری قابلیت ردیابی و بدون برچسب در شرایط کنترل انتخاب کردند (χ2 (4, N = 151)= 229.87, p < 0.01).شرکت کنندگان برند Ocean Sea را به طور قابل توجهی کمتر آشنا (M=0.15، SD=1.75) نسبت به برند ایگلو ارزیابی کردند (M=1.46، SD=1.73، F(1149=21.40، p <0.01).

از این رو، دستکاری‌ها برای برچسب ردیابی و آشنایی با برند همانطور که در نظر گرفته شده بود کار کردند.یک آنالیز واریانس نشان داد که این سه شرایط ارزیابی های تجدیدنظر متفاوتی را برانگیختند(F(2, 148)= .31, p = 0.31) .

ANCOVA با قابلیت ردیابی و شرایط آشنایی به عنوان عوامل و قصد خرید به عنوان متغیر وابسته، اثر اصلی معنی‌دار آشنایی را نشان داد (F(1, 145)= 11.98، P <0.01)، یک اثر اصلی حاشیه ای معنی‌دار ردیابی (F(2, 145)= 11.98, p = 0.10) و اثر متقابل قابل توجهی از قابلیت ردیابی × آشنایی (F(2, 148)= 2.66, p = 0.07) .

آزمون‌های تضاد نشان می‌دهند که پاسخ‌دهندگان در شرایط آشنا، زمانی که برند با برچسب کد QR تبلیغ می‌شد، در مقایسه با شرایط کنترل، قصد خرید به‌طور قابل‌توجهی کمتری داشتند(MnoLabel= 4.86، SD=1.58 در مقابل MQRLabel=3.83، SD=1.93، p = p. 0.04).

  هنگام مقایسه شرایط بدون برچسب با شرایط برچسب مبتنی بر بلاک چین تفاوت معنی داری مشاهده نشد (MnoLabel= 4.86، SD=1.58 در مقابل MBCLAbel=4.67، SD=1.82، p = 0.69).

در مقابل، در شرایط کمتر آشنا، برچسب کد QR قصد خرید را در مقایسه با شرایط کنترل افزایش نداد (MnoLabel= 3.14، SD=1.31 در مقابل. MQRLabel=3.49، SD=1.18، p=0.37)،

در حالی که برچسب بلاک چین به طور قابل توجهی قصد خرید را افزایش داد(MnoLabel= 3.14, SD=1.31 vs.MBCLabel=4.03, SD=1.50, p = 0.03).از این رو، به نظر می‌رسد که برای برندهای آشنا، یک برچسب قابلیت ردیابی قصد خرید را افزایش نمی‌دهد، در حالی که برندهای کمتر آشنا می‌توانند از برچسب بلاک چین بهره ببرند اما از برچسب QR نه.این نتیجه H3 را تأیید می کند (شکل 5 را ببینید).

برای بررسی ادراکات کیفیت محصول به عنوان یک مکانیسم اساسی که این اثرات را توضیح می‌دهد (H2 و H3)، ما یک مدل میانجی‌گری تعدیل‌شده چند طبقه‌ای (PROCESS v.3 Model 7 با 10000 نمونه راه‌اندازی (Hayes, 2018)) را برآورد کردیم.

  این روش به یک کدگذاری ساختگی برای شرایط تجربی نیاز دارد که در آن گروه کنترل به عنوان دسته مرجع عمل می کند.از این رو، شرایط برچسب QR و شرایط برچسب مبتنی بر بلاک چین با شرایط بدون برچسب مقایسه می‌شوند.  برخلاف تحلیل میانجیگری با متغیرهای دوگانه یا پیوسته، این نشان می‌دهد که بیش از یک اثر مستقیم و یک اثر غیرمستقیم به دست می‌آوریم (Hayes, 2018)).

به دلیل ماهیت چند طبقه ای متغیر مستقل، مجموعه ضرایب رگرسیون افزایش می یابد که منجر به تخمین دو اثر مستقیم نسبی (a, c’) و دو اثر غیرمستقیم نسبی (a1b و a2b) برای هر شرایط آزمایشی (در مقایسه با شرایط بدون برچسب) (جدول 2 را ببینید).  نتایج نشان می‌دهد که برچسب بلاک چین ادراک کیفیت محصول را افزایش می‌دهد (a2=2.00 p <0.01)، اما برچسب کد QR این کار را نمی‌کند (a1=0.23 p = 0.74) (جدول 2 را ببینید).

از این رو، همه برچسب ها به یک اندازه در افزایش درک کیفیت محصول و به نوبه خود، قصد خرید موثر نیستند.در حمایت از H3، تجزیه و تحلیل اثر تعدیل کننده آشنایی با برند را بر اثر واسطه ای ادراک کیفیت محصول بر قصد خرید نشان می دهد.

برچسب بلاک چین قصد خرید را از طریق درک کیفیت محصول افزایش داد; با این حال، این اثر تنها در شرایط برند کمتر آشنا (a5bBC_U =.12, CI[0.48, 1.78])در مقابل شرایط برند آشنا(a5bBC_F =.33, CI[− 0.20, 0.80]) معنی دار بود.

بحث مطالعه 2

با ترکیب نتایج حاصل از مطالعات 1 و 2، به این نتیجه رسیدیم که تنها در شرایط برند  کمتر آشنا، شرایط برچسب مبتنی بر بلاک چین، ادراک کیفیت محصول را در مقایسه با شرایط برچسب QR یا شرایط برچسب‌گذاری بدون قابلیت ردیابی افزایش می‌دهد.  هیچکدام از شرایط ردیابی هنگام در نظر گرفتن ادراک کیفیت محصول به عنوان یک سازه واسطه مستقیماً بر قصد خرید تأثیر نمی‌گذارند.

در ترکیب با فقدان اثر مستقیم قابلیت ردیابی بر قصد خرید، این امر به میانجی‌گری کامل کیفیت محصول درک شده بر اثر برچسب‌گذاری قابلیت ردیابی مبتنی بر بلاک چین بر قصد خرید برای برند‌های کمتر آشنا اشاره می‌کند، در حالی که چنین اثر واسطه‌ای برای شرایط ردیابی کد QR وجود ندارد.

  به نوبه خود، و با تأیید یافته های مطالعه 1، ادراک کیفیت محصول به طور قابل توجهی قصد خرید را پیش بینی می کند.به طور خلاصه، نتایج مطالعه 2 نتایج حاصل از مطالعه 1 را تأیید می کند و نشان می دهد که مدل مفهومی در بین دسته های محصول پایدار می ماند.

برچسب‌گذاری قابلیت ردیابی بلاک چین، قصد خرید مصرف‌کنندگان را از طریق درک کیفیت محصول افزایش می‌دهد.علاوه بر این، ما آشنایی با برند را به عنوان یک شرط مرزی مرتبط شناسایی کردیم.

بحث

رسوایی های اخیر مواد غذایی نیازمند سطوح بالاتری از شفافیت اطلاعات در طول زنجیره تامین است.با اشاره به پژوهش های موجود که نشان می‌دهد ویژگی‌های تغییرناپذیری بلاک چین و دسترسی به داده‌های مشترک به شفافیت اطلاعات کمک می‌کند ( Rogerson & Parry , 2020 ) ما تاثیر سیستم های ردیابی را بر درک مصرف کننده از کیفیت محصولات غذایی و چگونگی تاثیر این برداشت ها، به نوبه خود، بر قصد خرید بررسی می کنیم.

  تحقیق ما با دو سوال هدایت شد که به ترتیب بررسی می‌شد: “چگونه برچسب‌های قابلیت ردیابی که نشان‌دهنده استفاده از فناوری بلاک چین می‌تواند بر درک مصرف‌کنندگان از کیفیت محصول و قصد خرید آنها تاثیر بگذارد” (RQ1) و “آشنایی با برند  چه نقشی در ادراکات مصرف‌کنندگان افزایش کیفیت محصول از بلاک چین دارد” – ” ( RQ2 ) .

دو آزمایش آنلاین متوالی سؤالات تحقیق را آزمایش کردند.مطالعه 1 میزان تأثیرگذاری مثبت برچسب ردیابی مبتنی بر بلاک چین بر ادراک کیفیت محصول را بررسی کرد، در حالی که مطالعه 2 میزان تأثیرگذاری برچسب ردیابی مبتنی بر بلاک چین را در مقایسه با برچسب قابلیت ردیابی دیگر (برچسب کد QR) بر ادراک کیفیت بررسی کرد) .

  علاوه بر این، ما در مطالعه 2 اثر تعدیل کننده آشنایی با برند را در نظر گرفتیم.در پاسخ به RQ1، نتایج مطالعه 1 فرض ما را تأیید می کند که برچسب ردیابی مبتنی بر بلاک چین کیفیت محصول درک شده را افزایش می دهد، که به طور مثبت بر قصد خرید تأثیر می گذارد.

  یافته های مطالعه 2 این یافته را تأیید می کند و همچنین آشنایی با برند را به عنوان یک شرط مرزی برای تأثیر غیرمستقیم مثبت یک برچسب مبتنی بر بلاک چین بر قصد خرید شناسایی می کند  : برای برند آشنا، برچسب مبتنی بر بلاک چین بر ادراک کیفیت محصول تاثیری نداشته و در نتیجه هیچ تاثیری بر قصد خرید مشاهده نکردیم.

  ما این نظریه را مطرح کردیم که این نتیجه را می توان با یک اثر تارک توضیح داد: برندهای قوی (آشنا) در حال حاضر دارای تداعیات برندمطلوبی هستند که مانع از کسب هرگونه ارتباط مطلوب جدید می شود ( Janiszewski & Van Osselaer , 2000 ) .بر اساس این نتیجه، به نظر می‌رسد برچسب‌های قابلیت ردیابی مبتنی بر بلاک چین از نظر ایجاد ادراک کیفیت مطلوب برای برندهای کمتر آشنا و کمتر قوی، کارآمدتر هستند.

مطالعه 2 استحکام نتایج به دست آمده توسط مطالعه 1 را با گنجاندن نه تنها یک شرط بدون برچسب به عنوان گروه کنترل، بلکه یک شرط برچسب کد QR نیز تأیید می کند.

برای برندهای کمتر آشنا، برچسب مبتنی بر بلاک چین در مقایسه با هر دو شرایط جایگزین برتر بود.یافته های مطالعه ما تحقیقات قبلی را گسترش می دهد که فرض می کند بلاک چین می تواند تأثیر مثبتی بر شفافیت و قابلیت ردیابی در زنجیره تامین داشته باشد.

این جریان تحقیقاتی در سطح نظری توسط ترمبلیر (2018) و مونتیچ و همکاران (2019) و برای صنایع غذایی توسط یاناناس (2018) و همچنین هاگوس و همکاران (2019) فرض شده است.

علاوه بر این، ما کاربرد عملی تئوری سیگنالینگ را برای به دست آوردن بینش های بیشتر در مورد ادراکات مصرف کنندگان از فناوری بلاک چین نشان می دهیم و اثربخشی آن را در زمینه مرتبط با فناوری تایید می کنیم (Connelly, 2016).

در مقیاس جهانی، بلاک چین می‌تواند محرک مهمی برای مدیریت زنجیره تامین پایدار، به‌ویژه در کشورهای در حال توسعه باشد (Kshetri, 2021) و یافته‌های ما نشان می‌دهد که چگونه می‌توان اثرات مثبت آن را به راحتی به مصرف‌کنندگان منتقل کرد.

مشارکت های نظری و مفاهیم

قابلیت ردیابی در حال حاضر توجه تحقیقات قابل توجهی را در سیستم های اطلاعاتی، زنجیره تامین و مجلات تحقیقاتی مواد غذایی به خود جلب کرده است و تحقیقات قبلی مزایای متعددی مانند کاهش انقباض و هزینه ها و همچنین بهبود کارایی و کنترل کیفیت را شناسایی کرده اند ( Aung & Chang , 2014 ; Chen & Huang , 2013 ) .

بهبود قابلیت ردیابی ناشی از استقرار بلاک چین نیز به عنوان وسیله ای برای رسیدگی به تقلب در پرونده واکسن شناسایی شده است ( Yong et al. , 2020 ).  با این حال، تنها تحقیقات محدودی تاکنون دیدگاه مصرف کننده در مورد سیستم های ردیابی را بررسی کرده است.

یک استثنای قابل توجه از یو و همکاران ( 2015 ) ناشی می شود که از ترکیبی از تئوری عامل اصلی و مدل پذیرش فناوری برای برجسته کردن اهمیت قابلیت ردیابی برای مصرف کنندگان “تمایل به پرداخت حق بیمه” و قصد خرید آنها استفاده کردند.در این مقاله، ما این شکاف تحقیقاتی نظری را با بررسی نقش قابلیت ردیابی مواد غذایی از منظر تئوری سیگنالینگ می بندیم.

  ما استدلال می کنیم که یک برچسب قابلیت ردیابی نشان دهنده یک نشانه بیرونی است که می تواند برای سیگنال دادن به کیفیت محصول برای مواد غذایی فاسد شدنی استفاده شود.

  به طور خاص، ما به طور کامل بررسی می کنیم که چگونه یک برچسب بلاک چین می تواند کیفیت محصول را نسبت به سایر برچسب های قابلیت ردیابی نشان دهد، در حالی که آشنایی با برند را به عنوان تعدیل کننده این اثر سیگنالینگ در نظر می گیریم. در تحقیق حاضر، تئوری سیگنالینگ به درک اینکه چگونه انتقال اطلاعات اضافی می‌تواند عدم اطمینان مصرف‌کنندگان را نسبت به مواد غذایی فاسد شدنی کاهش دهد، کمک می‌کند.

یک زنجیره تامین سریع و قابل اعتماد به ویژه برای تضمین کیفیت مهم است. نکته مهم این است که ما سیستم های ردیابی را به عنوان محرک های کیفیت محصول درک شده و در نتیجه قصد خرید شناسایی می کنیم.

ادغام پژوهش های بازاریابی و زنجیره تامین به دنبال فراخوان ارائه دیدگاه های بین رشته ای در زمینه فناوری های نوآورانه زنجیره تامین و کاربردهای آن است ( Kozlenkova , Hult , Lund , Mena , & Kekec , 2015 ; Treiblmaier , 2021 ).

این ملاحظات نظری توسعه مدلی را هدایت می کند که دانش عمیق مربوط به تأثیر سیستم های ردیابی بر نتایجی را ارائه می دهد که برای محققان سیستم های اطلاعاتی مرتبط است.

با تأیید تحقیقات قبلی از ماولونوا و همکاران و همچنین او و وچن (Mavlanova et al., 2012; Ou & Chan, 2014) ، نشان می دهیم که مصرف کنندگان می توانند از سیگنال ها برای تمایز بین محصولات استفاده کنند. در دو مطالعه، ما تأثیر قوی برچسب‌های قابلیت ردیابی را بر اهداف خرید شناسایی و تکرار می‌کنیم.

  در این راستا، ما کاربردهای قبلی تئوری سیگنالینگ را در زمینه بلاک چین گسترش می‌دهیم (Chod, Trichakis, Tsoukalas, Aspegren, & Weber, 2020; Fisch, 2019) و تأیید می‌کنیم که استفاده از برچسب‌های بلاک چین سیگنالی را برای مشتریان ایجاد می‌کند که باعث ایجاد ارتباط با ویژگی های اصلی بلاک چین مانند تغییرناپذیری و قابلیت ردیابی می شود.

این، به نوبه خود، قصد خرید را افزایش می دهد و یک زیربنای نظری جدید برای محققانی که به پیشایندهای ادراکی نیات و رفتار علاقه مند هستند، فراهم می کند.

در نهایت، نتایج چندین شرایط مرزی مهم را در رابطه با اثرات مثبت اطلاعات ردیابی مبتنی بر بلاک چین ارائه می‌کنند.زمانی که یک برند آشنا از برچسب بلاک چین استفاده می‌کند، مدل‌های یادگیری تطبیقی پایه‌ای را برای پیشنهاد جلوه سقف ایجاد می‌کنند.

  ما نشان می‌دهیم که فقط برندهای کمتر آشنا از افزودن اطلاعات ردیابی مبتنی بر بلاک چین برای افزایش کیفیت محصول درک شده و در نتیجه، قصد خرید سود می‌برند.نتایج ما اثرات تاکر را هنگام ترکیب و ارائه همزمان دو نشانه قوی، مانند یک برند معروف و یک برچسب بلاک چین، شناسایی می‌کند.

برندهای آشنا که قبلاً به ادراک قوی از کیفیت محصول بدون افزودن هیچ نشانه اضافی دست یافته اند، جایی برای بهبود ادراکی بیشتر ارائه نمی دهند.از این رو، هیچ سود اضافی در درک کیفیت محصول برای برندهای آشنا امکان پذیر نیست.  در مقابل، تداعی‌های برند کمتری برای برندهای کمتر آشنا وجود دارد که یادگیری تطبیقی را در حضور برچسب بلاک چین ممکن می‌سازد.

مفاهیم کاربردی

زیان اقتصادی به صنعت غذای جهانی ناشی از تقلب در مواد غذایی بین 30 تا 40 میلیارد دلار در سال تخمین زده می شود (PwC, 2016).  برای اصلاح این وضعیت، برای مثال، اتحادیه اروپا یک پیشنهاد قانونی برای یک برنامه جدید بازار واحد برای دوره 2021-2027 ارائه کرده است که در آن کمیسیون تخصیص کلی 1.68 میلیارد یورو برای ایمنی مواد غذایی را پیشنهاد کرده است (کمیسیون اروپا، 2018).

الزامات حاصل برای ردیابی مواد غذایی همچنین آگاهی مصرف کننده را در مورد ارتباط و الزامات سیستم های ردیابی افزایش می دهد.  طبق آمار استاتسیا (2019)، ارزش بازار جهانی ردیابی مواد غذایی از 11.63 میلیارد دلار در سال 2016 به 16.09 میلیارد دلار در سال 2022 افزایش خواهد یافت.

یکی از امیدوارکننده‌ترین سناریوها برای استفاده از فناوری بلاک چین، مدیریت زنجیره تامین است که در آن ویژگی‌های این فناوری می‌تواند با ارائه اطلاعات غیرقابل تغییر، در دسترس و به‌روز برای همه طرف‌هایی که مجاز به دسترسی هستند، به تضمین ردیابی محصول کمک کند.

این یک راه حل جدید برای یک مشکل بسیار مرتبط است: قابلیت ردیابی غذا.  مطالعات تحقیقاتی متعدد آکادمیک و پزشک محور قبلاً بر اهمیت قابلیت ردیابی برای اطمینان از ایمنی مواد غذایی و همچنین وفاداری مصرف کننده از دیدگاه تجاری تأکید کرده است.

به خصوص در مواردی که سلامت عمومی در خطر است، انتشار سریع اطلاعات در سراسر زنجیره تامین از اهمیت بالایی برخوردار است.علیرغم نقش مهمی که مصرف کنندگان در شبکه های زنجیره ارزش ایفا می کنند، ادراک آنها از اطلاعات قابلیت ردیابی در حال حاضر کمتر مورد تحقیق و درک قرار گرفته است.

تحقیقات موجود حتی اشاره می کند که “بعید است که ارائه اطلاعات در مورد جنبه های فنی قابلیت ردیابی اعتماد مصرف کننده را افزایش دهد” (Rijswijk & Frewer, 2008, p. 1036).

بنابراین، طراحی مطالعه ما به طور خلاصه به شرکت‌کنندگان در مورد تأثیر فناوری بلاک چین بر قابلیت ردیابی و برچسب‌های محصول اعمال‌شده برای برقراری ارتباط با کاربرد این فناوری در قالبی به‌راحتی قابل درک برای افراد عادی اطلاع داد.

  از آنجایی که دانش در مورد بلاک چین در عموم مردم گسترده تر می شود، شرکت ها از ارتباط استفاده از این فناوری بدون نیاز به ارائه اطلاعات اضافی سود خواهند برد.سهم ما در این صنعت سه برابر است.

در مرحله اول، ما تحقیقات قبلی را خلاصه کرده ایم که نشان می دهد برچسب گذاری قابلیت ردیابی می تواند تأثیر مثبتی بر مصرف کنندگان داشته باشد.این به ویژه در مورد برچسب هایی که به مصرف کنندگان سیگنال می دهند که از فناوری بلاک چین برای ضبط مطمئن اطلاعات مربوط به مواد غذایی استفاده می شود، صادق است.

برچسب ها به راحتی به محصولات چسبانده می شوند و در حال حاضر در تجارت خرده فروشی امروزی رایج هستند.  بنابراین، سیگنال‌دهی استفاده از فناوری بلاک چین با استفاده از برچسب‌ها مستلزم تلاش اضافی نسبتاً کمی برای سازمان‌ها پس از توسعه و پیاده‌سازی یک راه‌حل فن‌آوری است.

  تنها با اطلاع رسانی به مردم است که می تواند به طور فعال توسط شرکت ها انجام شود، احتمالاً مزایای بلاک چین محقق می شود.ثانیاً، ما دریافتیم که برچسب‌های بلاک چین از طریق کیفیت محصول درک شده تأثیر مثبتی بر قصد خرید دارند.این برخلاف تأثیر برچسب‌های QR یا اصلاً بدون برچسب است.

این اطلاعات حیاتی برای شرکت‌هایی است که می‌خواهند تلاش‌های خود را برای اطمینان از زنجیره‌های تامین غذای ایمن به طور واضح به اشتراک بگذارند.به منظور به دست آوردن اعتبار، آنها همچنین می توانند به مصرف کنندگان اجازه دسترسی به اطلاعات مربوط به ایمنی مواد غذایی در بلاک چین را بدهند و در نتیجه به آنها اجازه دهند تا در زنجیره تامین مشارکت فعال داشته باشند.

شرکت ها همچنین می توانند سیاست هایی را اجرا کنند که به وضوح مشخص می کند که مصرف کنندگان تا چه حد باید از سیستم های ردیابی موجود مطلع شوند.ثالثاً، مدیران برند می توانند از بلاک چین برای مدیریت فعال ادراک کیفیت محصول برای برندهای کمتر آشنا استفاده کنند.

این می تواند به آنها کمک کند تا برندهای جدید را سریعتر ایجاد کنند یا برای برندهای موجود اما نسبتا ناشناخته اعتبار کسب کنند.  بلاک چین، قابلیت اعتماد اطلاعات را از افراد یا سازمان‌ها به فناوری و در مورد شبکه‌های زنجیره تامین، به گروهی از سازمان‌هایی که مسئولیت مشترک دارند، تغییر می‌دهد.

شرکت‌ها می‌توانند به راحتی از فرصت‌های چندگانه ارائه شده توسط فناوری بلاک چین استفاده کنند و از آن‌ها برای ایجاد یک درک مثبت از برند در ذهن مصرف‌کنندگان استفاده کنند.

  در این مقاله، ما نه تنها نشان داده‌ایم که ارائه اطلاعات ردیابی مبتنی بر بلاک چین برای خرده‌فروشان (کمتر آشنا) مزایایی را به همراه دارد، بلکه نشان داده‌ایم که چگونه می‌توان این مزایا را به راحتی به مصرف‌کنندگان منتقل کرد (به عنوان مثال، در قالب  برچسب محصول).

در نهایت، از منظر کلی، مطالعات ما پیامدهای مهمی را برای سیاست گذاران و جامعه به طور کلی ارائه می دهد.با توجه به مزایای مرتبط با سیستم ردیابی غیرمتمرکز (همانطور که در بخش 2.2 ذکر شد)، سیاست گذاران ممکن است خرده فروشان و تولیدکنندگان را تشویق کنند تا برای کاهش خطرات سلامتی برای عموم و افزایش رفاه عمومی به سیستم های ردیابی مبتنی بر بلاک چین اعتماد کنند.

محدودیت ها و تحقیقات آتی

دستورالعمل ها همانطور که در مورد هر مطالعه تجربی وجود دارد، تحقیقات ما دارای محدودیت های متعددی است که به نیاز به تحقیقات عمیق و مطالعات تکراری آینده اشاره می کند.

اولاً، در حالی که ما استحکام مدل مفهومی خود را با دو نمونه مختلف نشان می‌دهیم، یافته‌های ما مبتنی بر نمونه‌های راحت است; مطالعات بیشتر تشویق می شوند تا از روش های نمونه گیری سهمیه ای استفاده کنند تا اطمینان حاصل شود که نتایج ما در گروه های سنی و فرهنگ های مختلف وجود دارد.

ثانیاً، مصرف کنندگان هنوز باید در مورد آنچه می توانند از راه حل های مبتنی بر بلاک چین انتظار داشته باشند، نحوه استفاده و تأیید آنها و محدودیت های آنها آموزش ببینند.مورد دوم به ویژه در مواردی که شرکت ها شروع به جمع آوری و ذخیره “داده های شخصی مصرف کنندگان در یک دفتر کل غیرقابل تغییر” می کنند بسیار مهم است.

به نظر می رسد که فناوری بلاک چین عمدتاً بر فرآیندهای باطن تأثیر می گذارد و در بسیاری از موارد ممکن است برای مصرف کنندگان نهایی نامرئی باشد.  اگرچه ما انتظار نداریم که جمع آوری داده های خصوصی در مقیاس وسیع در سیستم های ردیابی مواد غذایی اتفاق بیفتد، انطباق با چارچوب های نظارتی ممکن است به یک موضوع برای سازمان های مختلف در زنجیره تامین تبدیل شود.

  با این حال، اگر راه‌حل‌های بلاک چین با جدیت اجرا شوند، حتی ممکن است از شرکت‌ها در انجام الزامات نظارتی خود حمایت کنند.ثالثاً، تحقیقات آینده نیاز به تمرکز بر ارائه اطلاعات ردیابی مبتنی بر بلاک چین دارد که نیازهای اطلاعاتی مصرف کنندگان را برآورده می کند.

در این زمینه، تحقیقات کیفی انجام شده با گروه‌های متمرکز ممکن است رویکردی مثمر ثمر برای بررسی اطلاعاتی باشد که مصرف‌کنندگان واقعاً به آن نیاز دارند تا بتوانند صحت یک محصول را ارزیابی کنند.

بر اساس این دانش، توسعه رابط های کاربری که به طور موثر اطلاعات ردیابی مبتنی بر بلاک چین را با هم ارتباط برقرار می کند، استقرار فناوری بلاک چین در خرده فروشی را تقویت می کند و به تجربه کلی مشتری ارزش می بخشد.

چهارم، انتخاب محرک ما برای دو مطالعه تجربی شامل عسل و ماهی قزل آلا، دو مورد از محصولات غذایی که اغلب تقلب می‌شوند، بود.

ما به طور هدفمند محصولاتی را انتخاب کردیم که نسبتاً متفاوت از یکدیگر هستند تا یافته های قوی ایجاد کنیم، اما مطالعات بیشتری برای تأیید یافته های ما در سایر دسته های محصول مورد نیاز است.

به طور خلاصه، فناوری بلاک چین در مرحله جوانه زدن است و با موانع پذیرش متعددی مواجه است ( Mathivathanan , Mathiyazhagan , Rana , Khorana , & Dwivedi , 2021 ).به خصوص در زنجیره تامین مواد غذایی، قبل از استقرار موفقیت آمیز بلاک چین، باید بر شرایط مرزی مهم غلبه کرد (Benke & Janssen, 2020).

علاوه بر این، فناوری ها و پروتکل های زیربنایی در حال توسعه دائمی هستند.  این به ویژه ترکیب با فناوری های دیگری مانند هوش مصنوعی (AI)، یادگیری ماشین (ML) یا اینترنت اشیا (IoT) است که نویدبخش بسیاری از برنامه ها، سناریوها و هم افزایی های جالب است (Dwivedi et al., 2021).

  به عنوان مثال، زنجیره‌های تامین آینده ممکن است شامل نقاط متعددی از جمع‌آوری داده‌ها باشد که می‌توانند به طور خودکار در طول عملیات انبارداری، تولید و حمل و نقل تکمیل شوند (Rejeb, Keogh, & Treiblmaier, 2019).

  این امر امکان جمع آوری داده های مقرون به صرفه را فراهم می کند که می تواند در زمان واقعی با شرکای زنجیره تامین به اشتراک گذاشته شود.  اگر مصرف کنندگان در این فرآیند گنجانده شوند و به اطلاعات مربوط به مواد غذایی که برای آنها مرتبط است دسترسی پیدا کنند، این می تواند گام مهمی در جهت بهبود بیشتر در ایمنی مواد غذایی باشد.

نتیجه گیری

چند نکته کلیدی مهم از این مطالعه به دست می آید.اول، تحقیقات موجود قابلیت ردیابی را به عنوان یک پیش بینی کننده مهم برای ایمنی و کیفیت درک شده مواد غذایی برجسته می کند و الزامات و عواملی که باید در هنگام یکپارچه سازی یک سیستم قابلیت ردیابی در نظر گرفته شوند را بررسی کرده است.

با این حال، تنها تحقیقات محدودی تاثیر بالقوه قابلیت ردیابی را از دیدگاه مصرف کننده بررسی کرده اند.بنابراین ترکیب سیستم های اطلاعاتی با زنجیره تامین و پژوهش های بازاریابی دانش جدید مربوط به مزایای سیستم های قابل ردیابی را از دیدگاه بین رشته ای تولید می کند.

دوم، مطالعه ما شواهد تجربی در مورد ارتباط بین برچسب های قابلیت ردیابی و درک مصرف کنندگان از کیفیت محصول ارائه می دهد.تحقیقات قبلی نشان داده اند که اکو – لبز این پتانسیل را دارد که نگرش مصرف کنندگان را شکل دهد و سیستم های ردیابی با تضمین کیفیت در بخش مواد غذایی در سطح نظری مرتبط شده اند.

با این حال، هنوز هیچ مطالعه تحقیقاتی دقیقی تاثیر سیستم های مختلف قابلیت ردیابی را بر درک مصرف کنندگان از کیفیت و قصد خرید آن ها آزمایش نکرده است.ما با مقایسه تاثیر برچسب ردیابی مبتنی بر بلاک چین با برچسب های دیگر، بینش های جدیدی در مورد اثربخشی یک زنجیره تامین شفاف برای شکل دهی نگرش ها و مقاصد مصرف کنندگان فراهم می کنیم.

ثالثا، یافته های این تحقیق به بحث های جاری در مورد فرصت های کاربردی بلاک چین پایدار کمک می کند.در این راستا، بلاک چین را به عنوان فن آوری معرفی می کنیم که با ارائه اطلاعات تغییرناپذیر، به اشتراک گذاشته شده و به راحتی در سراسر زنجیره ارزش کشاورزی – غذایی، پتانسیل متحول کردن قابلیت ردیابی غذا را دارد.

این امر منجر به چالش های متعددی می شود که در حال حاضر کم تر مورد تحقیق قرار گرفته اند از جمله کاربرد خرده فروشی فن آوری بلاک چین و مزایای آن از دیدگاه مصرف کننده محور.

مطالعات موجود که از بلاک چین به عنوان فن آوری امیدوارکننده ای یاد می کنند که قابلیت ردیابی غذا را متحول خواهد کرد، به طور تجربی تاثیر اطلاعات قابل ردیابی مبتنی بر بلاک چین را بر ادراکات و پاسخ های مصرف کننده آزمایش نکرده اند.

بنابراین، ما به طور سیستماتیک تاثیر بالقوه بلاک چین را در زمینه خرده فروشی از دیدگاه مصرف کننده محور با استفاده از یک رویکرد مبتنی بر تئوری دقیق که اجرای دو آزمایش را هدایت می کند، بررسی می کنیم.درنهایت، پژوهش ما بینش هایی درباره شرایط مرزی سیستم های ردیابی بلاک چین ارائه می دهد.

مطالعه حاضر نشان می دهد که اطلاعات ردیابی مبتنی بر بلاک چین درک کیفیت محصول را برای برندهای کم تر آشنا افزایش می دهد اما نه برای برنده ای آشنا.باتوجه به ادراکات کیفیت محصول مرتبط با برندهای آشنا، اضافه شدن برچسب بلاک چین باعث افزایش درک مثبت از آن برندها نمی شود که نشان دهنده تاثیر تارک است.این امر در عمل نشان می دهد که به خصوص بازاریابان برندهای کم تر آشنا باید تبلیغات سیستم های ردیابی مبتنی بر بلاک چین را در نظر بگیرند.

پیوست

متغیر وابسته

قصد خرید (دادز و همکاران، 1991)،

αStudy1= 0.95، αStudy2= 0.95

مقیاس لیکرت هفت درجه ای (خیلی کم – خیلی زیاد).

• احتمال خرید این محصول از سوی من…

• احتمال اینکه من برای خرید محصول در نظر بگیرم این است که…

• تمایل من به خرید محصول…

میانجی

ادراک کیفیت محصول (دادز و همکاران، 1991)،

αStudy1 = 93، αStudy2 = 90

مقیاس لیکرت هفت درجه ای (خیلی کم – خیلی زیاد).

• این محصول احتمالا قابل اعتماد است.

• به نظر می رسد این محصول با کیفیت است.

• به نظر می رسد این محصول بادوام باشد.

• به نظر می رسد این محصول قابل اعتماد است.

• من نام تجاری محصول را مثبت می بینم.

مجری

آشنایی با برند (سیمون وروه، 1998).

دیفرانسیل معنایی (- 3 تا 3).

• ناآشنا/آشنا

متغیر کنترل

درخواست تجدید نظر بسته (مقیاس لیکرت هفت درجه ای (بسیار کم – خیلی زیاد).

• طراحی بسته بندی این محصول جذاب است.

بررسی دستکاری

آگاهی از برچسب (دسته‌های پاسخ: خیر، برچسب کد QR، بلاک چین

برچسب).

• آیا بسته دارای برچسب است؟ اگر بله، لطفا برچسب خود را علامت بزنید

سایت دانلود مقاله