الذكاء ونية الشراء

Download as pdf or txt
Download as pdf or txt
You are on page 1of 22

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/369542108

Artificial Intelligence Marketing: The Effect of Artificial Intelligence on


Purchasing Intent in Online Shopping

Article  in  Turkish Studies - Economics Finance Politics · March 2023


DOI: 10.7827/TurkishStudies.66785

CITATIONS READS

0 120

1 author:

İbrahim Halil Efendioğlu


Gaziantep University
36 PUBLICATIONS   111 CITATIONS   

SEE PROFILE

All content following this page was uploaded by İbrahim Halil Efendioğlu on 27 March 2023.

The user has requested enhancement of the downloaded file.


Research Article / Araştırma Makalesi

Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın Satın Alma
Niyetine Etkisi*
Artificial Intelligence Marketing: The Effect of Artificial Intelligence on Purchasing Intent in
Online Shopping

İbrahim Halil Efendioğlu**

Abstract: In recent years, consumers have made most of their product and service purchases over the internet
using online shopping sites. These sites' user-friendliness and flawless operation are a prerequisite for market
success. Consumers who expect a personalized customer experience in their online shopping want their
demands to be met quickly and to find the answer they are looking for immediately. Artificial intelligence,
which exemplifies human intelligence, solves complex problems with the help of advanced algorithms, and
facilitates operations in many areas, plays an essential role in the marketing processes of internet shopping. Its
use is becoming more and more widespread. The purpose of using artificial intelligence in marketing is to
predict the following behavior of customers by using their previous data. This technology provides significant
benefits and costs savings to businesses. In the study, artificial intelligence marketing, which is a new field of
study, has been evaluated by considering the psychological and behavioral conditions of consumers, unlike the
research in the literature. This study examines the effects of subjective norms, attitudes, hedonic values , and
perceived utility values of consumers shopping from artificial intelligence websites on purchase intention from
the perspective of reasoned action theory. The study collected data from 406 consumers living in various
provinces of Turkey who benefit from artificial intelligence marketing in their online shopping by conducting
an online survey with a convenience sampling method. These collected data were analyzed using SPSS and
AMOS package programs using structural equation modeling. According to the study results, subjective norms,
attitudes, hedonic values, perceived usefulness, and the use of artificial intelligence in internet shopping
positively affected purchase intention. It has been determined that the positive emotional processes experienced
in the artificial intelligence-supported purchasing process on the websites lead the consumer to an immediate
purchase. Thus, it has been confirmed by research findings that artificial intelligence can be an effective tool
in internet shopping sites. Finally, in the study, the extent to which the use of artificial intelligence affects
purchase intention has been explained and contributed to by researchers, literature, and businesses.
Structured Abstract: Consumers tend to prefer shopping sites that provide ease of use and speed up their
purchasing decisions. Artificial intelligence, which directly affects people's lives, has recently brought

* This paper was previously presented as a presentation at the 8th International Congress on Social Sciences, October 20-
23, 2022, Tekirdağ, Turkey. Before applying the questionnaire to the participants, Gaziantep University Social and
Human Sciences Ethics Committee was applied for the permission of the ethics committee. In this direction, ethics
committee approval was obtained from the relevant unit with the decision numbered E-87841438-604.01.01 257832 and
dated 4 November 2022.
** Dr., Gaziantep Üniversitesi, Enformatik Bölümü.

Dr., Gaziantep University, Department of Informatics.


0000-0002-4968-375X
[email protected]

Cite as/ Atıf: Efendioğlu, İ. H. (2023). Yapay zekâ pazarlaması: internetten yapılan alışverişlerde yapay zekânın satın
alma niyetine etkisi . Turkish Studies - Economy, 18(1), 133-153. https://dx.doi.org/10.7827/TurkishStudies.66785
Received/Geliş: 02 December/Aralık 2022 Checked by plagiarism software
Accepted/Kabul: 20 March/Mart 2023 © Yazar(lar)/Author(s) | CC BY-NC 4.0
Published/Yayın: 25 March/Mart 2023
134 İbrahim Halil Efendioğlu

marketing-based solutions to the needs of consumers. With this advanced technology that tries to imitate human
behavior, essential tasks that require human intelligence are easily performed by computers. However,
observing consumers' reactions to artificial intelligence-supported marketing and improving the process is still
a new field of study. In a limited number of studies in the literature, the effects that lead consumers to buy with
artificial intelligence have been identified to a limited extent from behavioral perspectives. Unlike researches
in the literature, the study examined the psychological and behavioral results of the consumers' online shopping
with artificial intelligence together. Thus, the study expands the literature on consumer acceptance of artificial
intelligence in online shopping, fills existing gaps, and contributes theoretically to the literatüre. In this
direction, the aim of this study is to examine the effects of subjective norms, attitudes, hedonic values,
perceived utility values , and artificial intelligence use on the purchase intention of consumers who shop from
artificial intelligence websites from a Theory of Reasoned Action (TRA) perspective.
Artificial intelligence directly shortens the search cost and search time of consumers when purchasing
a product or service (Bleier et al., 2020). Thus, artificial intelligence understands consumer demands and
benefits, consumers and marketers, as it effectively meets these demands. In the literature, the perceived
usefulness, ease of use, and performance risk of consumers using artificial intelligence play an essential role
in the attitude toward artificial intelligence (Liang et al., 2020). Consumers' enjoyment of shopping and
subjective norms positively affect purchase intention (Sohn and Kwon, 2020). Furthermore, hedonic benefit
encourages the formation of purchase intention (Yin and Qiu, 2021), artificial intelligence integration increases
the effect on consumers' online purchase intention (Bhagat et al., 2022), and service quality perceived by
consumers using artificial intelligence positively affects purchase intention. Therefore, artificial intelligence
has been found to have a positive effect on purchase intention (Qin et al., 2022).
The study used a quantitative analysis method since it aimed to examine the proposed effects
conceptually empirically. It was created by structural equation modeling for possible cause-effect relationships
between variables. Due to cost and time constraints, the study was collected from 406 participants using the
improbable convenience sampling method. There are questions about the measurement of subjective norm,
attitude, hedonic value, perceived utilitarian value, artificial intelligence, and purchase intention of the
participants. Before the questions in this section, the participants of the research were asked as a filter question
whether they shopped from a website containing artificial intelligence. SPSS 25.0 and AMOS 24.0 package
programs were used to analyze the collected data. The study tested skewness and kurtosis values for the
normality distribution. It was determined that the kurtosis and skewness coefficients for each variable were
between -2.00 and +2.00, the reference value range, and were suitable for the normality distribution. For the
reliability analysis of the data, Cronbach's Alpha values were calculated as 0.84, Composite Reliability values
between 0.534 and 0.655, and Average Variance Extracted values between 0.806 and 0.856, and these values
were found to be suitable for analysis. Firstly, Explanatory Factor Analysis (EFA) was performed for the scales
used in the study. According to the EFA results, the statements were loaded on six factors. Accordingly, the
explanatory rate was found to be 64.15%. In line with the results obtained, it was seen that the scales used
showed a distribution suitable for preparation. Before starting the structural equation modeling, Confirmatory
Factor Analysis (CFA) was performed on the scales. In the analysis, it was examined whether the validity of
the factor structure was suitable for the structural equation model. As a result of the analysis, the goodness of
fit and factor load values remained in the appropriate range. As a result of the findings obtained, it was
determined as CMIN/DF=2,823, CFI=0.983, GFI=0.935, and RMSEA= 0.03.
As a result of the path analysis, according to the analysis results related to testing the hypotheses, the
subjective norm (β= .197; p< .05), attitude (β= .198; p< .05), hedonic value (β= .205; p< .05) perceived
usefulness (β= .110; p< .05), and the use of artificial intelligence (β= .571; p< .05) had a positive and significant
effect on purchase intention. However, there was no significant effect of perceived utility value on purchase
intention.
The results show that in artificial intelligence-supported internet shopping, consumers feel more
secure with the ideas they receive from their social environment and give importance to recommendations that
make their work easier. In addition, the attitude proves the accuracy of the personalized offers used in artificial
intelligence and helps the consumer to take action. Therefore artificial intelligence marketing has a high benefit
in terms of shopping convenience, time, and cost savings, making it easier for people to enjoy. Since hedonic
value is associated with pleasure and curiosity, artificial intelligence marketing in internet shopping is thought
to trigger emotional states. The use of artificial intelligence in internet shopping provides the most suitable

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 135

alternatives for consumers as it saves search time and cost-effectiveness. From this point of view, the artificial
intelligence usage factor affected the purchase intention the most in the study. On the other hand, consumers
attach so much importance to the artificial intelligence factor because artificial intelligence supports both ease
and rapid decision-making.
The study expands and theoretically contributes to the literature on consumer acceptance of using
artificial intelligence in online shopping. This study has brought a different perspective to the interaction of
artificial intelligence marketing and consumers' purchase intention. The results will help provide valuable
information to researchers who want to work further in this area. In addition, the study has proven to be suitable
for investigating artificial intelligence and purchase intention with the widely used TRA perspective.
Keywords: Marketing, digital marketing, artificial ıntelligence marketing, theory of reasoned action, hedonic
value, subjective norm, purchase ıntention

Öz: Tüketiciler son yıllarda ürün ve hizmet satın alma işlemlerinin çoğunu internet üzerinden çevrimiçi
alışveriş sitelerini kullanarak yapmaktadır. Bu sitelerin kullanıcı dostu olması ve kusursuz çalışması, pazar
başarısının ön koşuludur. İnternet alışverişlerinde kişiselleştirilmiş bir müşteri deneyimi bekleyen tüketiciler,
taleplerinin hızla karşılanmasını ve aradığı cevabı hemen bulmak istemektedir. İnsan zekâsını örnekleyen,
karmaşık problemleri ileri düzey algoritmalar yardımıyla çözen ve birçok alanda işlemleri kolaylaştıran yapay
zekâ, internet alışverişlerindeki pazarlama süreçlerinde önemli bir rol oynamakta ve kullanımı gittikçe
yaygınlaşmaktadır. Pazarlamada yapay zekânın kullanılmasındaki amaç, müşterilerin önceki verilerinden
yararlanılarak onların bir sonraki davranışını tahmin etmektir. Bu teknoloji işletmelere oldukça önemli yarar
ve maliyet tasarrufu sağlamaktadır. Çalışmada henüz yeni bir çalışma alanı olan yapay zekâ pazarlaması,
literatürdeki araştırmalardan farklı olarak tüketicilerin psikolojik ve davranışsal durumları birlikte ele alınarak
değerlendirilmiştir. Bu çalışmanın amacı, yapay zekâ kullanılan internet sitelerinden alışveriş yapan
tüketicilerin, öznel normlarının, tutumlarının, hedonik değerlerinin ve algıladığı fayda değerlerinin satın alma
niyetine etkisinin gerekçeli eylem teorisi perspektifinden incelenmesidir. Çalışmada internetten yaptıkları
alışverişlerde yapay zekâ pazarlamasından yararlanan ve Türkiye'nin çeşitli illerinde yaşayan 406 tüketiciden
kolayda örnekleme yöntemi ile çevrimiçi anket yapılarak veri toplanmıştır. Toplanan bu veriler yapısal eşitlik
modellemesi kullanılarak SPSS ve AMOS paket programları aracılığıyla analiz edilmiştir. Çalışma sonuçlarına
göre internet alışverişlerinde öznel normun, tutumun, hedonik değerin, algılanan fayda değerinin ve yapay zekâ
kullanımının satın alma niyetini olumlu etkilediği görülmüştür. İnternet sitelerinde yapay zekâ destekli satın
alma sürecinde yaşanan olumlu duygusal süreçler tüketiciyi hızlı satın almaya yönlendirdiği düşünülmektedir.
Böylelikle internet alışveriş sitelerinde yapay zekânın etkili bir araç olabileceği, araştırma bulgularıyla da
doğrulanmıştır. Son olarak çalışmada, yapay zekâ kullanımının satın alma niyetini ne derece etkilediği hususu
açıklanarak araştırmacılara, literatüre ve işletmelere katkıda bulunulmuştur.
Anahtar Kelimeler: Pazarlama, dijital pazarlama, yapay zekâ pazarlaması, gerekçeli eylem teorisi, hedonik
değer, öznel norm, satın alma niyeti

Giriş
Yapay zekâ, akıl yürütme, anlama, geçmişteki deneyimlerinden öğrenme gibi insana özgü
nitelikleri barındıran ve verilen görevleri yapabilen bilgisayarların, makine ile birleştiği bir
teknolojidir (Nabiyev, 2012). İnsan davranışını taklit etmeye çalışan bu ileri düzey teknoloji ile insan
zekâsı gerektiren görevler, bilgisayarlar tarafından gerçekleştirilmektedir. Temel olarak içeriğinde;
görüntü tanıma, konuşma tanıma, anlamsal arama ve makine öğrenimini vardır. Birçok alanda
kullanılan yapay zekâ, son yıllarda pazarlama alanında kullanımı popüler hale gelmiştir. Yapay zekâ
pazarlamasında amaç, önceki verilerden yararlanarak müşterinin bir sonraki davranışını tahmin
etmektir. Bu teknoloji işletmelere müşteri iletişiminde oldukça önemli yararlar sağlamaktadır
(Verma vd., 2021). Yapay zekâ pazarının 2025 yılına kadar 126 milyar dolarlık büyük bir endüstri
olacağı ve pazarlama dünyasında büyük bir etkiye sahip olacağı tahmin edilmektedir (Statista, 2022).
Artan tüketim ve üretkenlik ile bu teknolojinin dünya ekonomisine 2030 yılına kadar toplam 15,7
trilyon dolar katkı sağlayacağı beklenmektedir (PwC, 2022).

www.turkishstudies.net/economy
136 İbrahim Halil Efendioğlu

Pazarlamada yapay zekâ altyapısı kullanılan; Facebook, Twitter, Instagram, Amazon, Apple
Siri, Google Asistan, Youtube, Netflix ve Amazon Prime gibi şirketlerde kişiselleştirilmiş içerik,
akıllı arama, sanal asistan, yeniden hedefleme ve satın alma önerileri özellikleri ön plana
çıkmaktadır. Bu yöntemler potansiyel müşteri oluşturma, dönüşüm oranlarını iyileştirme, müşteri
deneyimini artırma ve içerik optimizasyonu sağlama gibi faaliyetler ile pazarlama işlemlerini
oldukça kolaylaştırmaktadır (Mathew, 2022). Yapay zekâ pazarlamasında verilerin hızlı bir şekilde
toplanması, analiz edilmesi ve çıktı sunulması, işletmelerin pazarlama faaliyetlerindeki başarısını
önemli ölçüde etkilemektedir (Bayuk ve Demir, 2019). Böylelikle müşteri iletişimi iyileşmekte
(Loureiro vd., 2021) ve yeni müşteri bulmak kolaylaşmaktadır (Jabbar vd., 2020). Dolayısıyla
pazarlamada kullanılan yapay zekâ, filtreleme ile ilgisiz sonuçları ortadan kaldırmakta ve akıllı
seçimler ile tüketicilerin karşısına sürekli en uygun seçenekleri sunmaktadır.
Tüketicilerin yapay zekâ destekli pazarlamaya verdiği tepkilerin gözlemlenmesi ve sürecin
iyileştirilmesi henüz yeni bir çalışma alanıdır. Alan yazında sınırlı sayıda yapılan çalışmalarda,
tüketicileri yapay zekâ ile satın almaya yönlendiren etkiler, çeşitli bakış açılarıyla belirli bir ölçüde
incelenmiştir. Bu araştırmalarda makine öğrenimi, satın alma süresi, ürün tavsiyesi, sosyal medya
bağımlılığı (Beyari ve Garamoun, 2022), inanç, bilinç (Bhagat vd., 2022), duygusal destek, bilgi
desteği, saygı desteği, sosyal çekicilik, duygusal güvenilirlik, duygusal bağlanma (Lee vd., 2021),
performans riski, teknoloji, moda ilgisi (Liang vd., 2020), kullanım kolaylığı, davranış kontrolü,
performans beklentisi, sosyal etki, kullanışlılık, ücret (Sohn ve Kwon, 2020), deneyim (Yin ve Qiu,
2021) ön plana çıkmaktadır. Çalışmada yapay zekâ kullanarak internet alışverişi yapan tüketicilere
bütüncül bir bakış açısıyla yaklaşılmıştır. Böylelikle tüketicilerin yapay zekâ kullanılan internet
sitelerinde gösterdiği öznel norm, tutum, hedonik ve algılanan fayda değerinin satın alma niyetine
etkileri birlikte ele alınmaktadır. Ayrıca literatürdeki araştırmalardan farklı olarak tüketicilerin yapay
zekâ içeren internet sitesi alışverişlerindeki psikolojik ve davranışsal sonuçlar birlikte incelenmiştir.
Bu şekilde çalışma, yapay zekâ kullanımının satın alma niyetini ne derece etkilediği hususunu ele
almakta hem işletmelere hem de araştırmacılara ve literatüre katkıda bulunmaktadır.
Bu doğrultuda araştırmanın amacı; yapay zekâ bulunan internet sitelerinden alışveriş yapan
tüketicilerin öznel normlarının, tutumlarının, hedonik değerlerinin, algıladığı fayda değerlerinin ve
yapay zekâ kullanımlarının satın alma niyetine etkisinin incelenmesidir. Araştırmada hipotezler,
Gerekçeli Eylem Teorisi bakış açısıyla geliştirilmiştir. Böylece internet alışverişlerinde yapay zekâ
pazarlamasından yararlanan ve Türkiye'de bulunan tüketicilere internet üzerinden hazırlanan form
ile anket yapılmıştır. Toplanan veriler Yapısal Eşitlik Modellemesi (YEM) kullanılarak analizi
sağlanmıştır.
Araştırmada öncelikle literatür ve teorik arka plan verilmiş daha sonra araştırma hipotezleri,
gerekçeleri ile birlikte sunulmuştur. Ardından yöntem açıklamış ve analiz edilen verilerden elde
edilen bulgulara yer verilmiştir. Son olarak araştırmanın sonuçları, tartışma ve öneriler sunulmuştur.
Literatür
Yapay zekâ, insan zekâsını örnekleyen ve karmaşık problemleri algoritmalar yardımıyla
çözme yeteneğine sahip olan bir teknolojidir (Lee ve Choi, 2016). Makine öğrenimi algoritmaları,
büyük veri teknolojileri ve nesnelerin interneti, bilgi asistanları ve sohbet robotları bu teknolojide
yaygın olarak kullanılmaktadır (Fan vd., 2022; Kim vd., 2022; Subero-Navarro vd., 2022). İnsanların
yaşamını doğrudan etkileyen yapay zekâ, son zamanlarda tüketicilerin ihtiyaçlarına pazarlama
temelli çözümler getirmiştir (Lindebaum vd., 2020). Pazarlama performansını da iyileştiren bu
teknoloji, işletmelerin verimliliğini olumlu etkilemektedir (Wright vd., 2019). Ayrıca yapay zekâ
pazarlaması, hedeflenen müşteriler için bilgileri filtreleyen ve onlara istenen çözümleri sunan bir
alandır (Pantano ve Pizzi, 2020). Çünkü bu teknoloji tüketicilerin bir ürün veya hizmeti satın alırken
arama maliyetini ve arama süresini doğrudan kısaltmaktadır (Bleier vd., 2020). Böylelikle yapay

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 137

zekâ, tüketici taleplerini anlamakta ve bu talepleri etkin bir şekilde karşıladığı için hem tüketicilere
hem de pazarlamacılara fayda sağlamaktadır.
Algoritmik satın alma kararları, belirli ürün ve hizmetler için müşteri alışverişini olumlu
etkilemektedir. Yapay zekâ sistemlerindeki karar destek araçları ve veri doğruluğu yazlımları, hatayı
en aza indirmekte ve algoritmik çıktıları iyileştirmektedir (Hallows vd., 2022; Hu vd., 2022; Rodgers
ve Nguyen, 2022; Zhao vd., 2022). Yapay zekâ kullanılan ileri düzey algoritmalar ile zaman alıcı
görevlerin kısa sürede yapılması, büyük verilerin analiz edilmesi ve tüketicilerin hangi ürünleri daha
çok önemsediğinin tahmin etmesi pazarlamayı kolaylaştırmaktadır (Bayuk ve Demir, 2019).
Literatürde yapılan araştırmalarda yapay zekâ kullanan tüketicilerin algıladığı fayda, kullanım
kolaylığı ve performans riskinin, yapay zekâya karşı tutumda önemli rol oynadığı (Liang vd., 2020)
ve tüketicilerin alışverişten keyif almasının ve sübjektif normların, satın alma niyetini olumlu
etkilediği (Sohn ve Kwon, 2020) ve yapay zekânın benimsenmesinin farklı alanlardaki paydaşların
ilişkilerini kolaylaştırdığı görülmüştür (Chatterjee ve Bhattacharjee, 2020).
İşletmelerin ihtiyaçlarını daha hızlı ve kişiselleştirilmiş bir şekilde ele almaları, müşteri
deneyimini iyileştirmeleri ve müşteri ihtiyaçlarını anlamayı kolaylaştırmaları yapay zekâyı
pazarlama açısından kullanılabilir kılmaktadır (Kumar vd., 2021). Bununla birlikte yapay zekâ
kullanımı, düşük gelirli tüketiciler arasında satın alma niyetini olumlu teşvik etmektedir (Van Esch
ve Cui, 2021). Ayrıca yapay zekâ altyapılı sohbet robotlarının tüketicilerin duygusal bağlanmasını
artırarak satın alma niyetini pozitif yönde etkilemektedir (Lee vd., 2021). Bunlara ek olarak
tüketicilerin algıladığı hedonik fayda, satın alma niyeti oluşumunu artırmakta (Yin ve Qiu, 2021) ve
yapay zekâ entegrasyonu tüketicilerin çevrimiçi satın alma niyetini olumlu etkilemektedir (Bhagat
vd., 2022). Son olarak yapay zekâ kullanan tüketicilerin algıladığı hizmet kalitesinin, satın alma
niyetini olumlu olarak etkilediği bulgulanmıştır (Qin vd., 2022).
Gerekçeli Eylem Teorisi
Gerekçeli Eylem Teorisi (Theory of Reasoned Action-TRA) davranış niyetini, öznel
normların ve davranışa yönelik geliştirilen tutumların belirlediğini ve tüketicilerin belirli bir
davranışı gerçekleştirmesinin, davranış niyetine bağlı olduğunu ifade etmektedir (Fishbein ve Ajzen,
1977). Gerekçeli Eylem Teorisi, kişinin istemli davranışlarını tanımlayan en etkili teorilerden biridir.
Çünkü, tutum ve normatif etkilerin bireyin davranışı etkilemektedir (Hale vd., 2002). Dolayısıyla
bireysel tutum ve öznel normlar niyetin öncülleridir (Madden vd., 1992).
Bu teori çoğunlukla bireylerin davranışlarını, niyetlerini gerçekleştirmeye yönelik öznel
norm ve tutumlarına dayalı olarak tahmin etmek için kullanılmaktadır (Wang, 2016). Teori
literatürde tüketicilerin indirimli ürünlere karşı davranışını (Bagozzi vd., 1992), çevrimiçi alışveriş
niyetini (Chuchinprakarn, 2005), internet uygulamalarını benimsenme niyetini (Yousafzai vd.,
2010), influencer pazarlamada satın alma niyetini (Trivedi ve Sama, 2020) ve tüketici davranışını
(Xiao, 2020) ve sosyal medyada satın alma niyetini (McClure ve Seock, 2020) açıklamada
kullanılmıştır.
Öznel Norm
Öznel norm, bir davranışı gerçekleştirmek için algılanan sosyal baskıya ve buna uyma
motivasyonuna karşılık gelmektedir (Pender ve Pender, 1986). Tüketiciler, kendileri için önemli olan
kişilerin bir ürün veya hizmet ile ilgili olumlu düşüncelere sahip olduğunu algılarlarsa, bunları satın
alma eğilimine girmektedir (Teng ve Wang, 2015). Karar verme sürecinde olumlu bir etkiye sahip
olan öznel normlar, tüketicilerin kararını doğrudan ve dolaylı olarak etkilemektedir (Lee ve Green,
1991; Ma ve Sun, 2020). Bu durumda tüketicilerin alışverişlerde çevrelerindeki diğer insanların
görüşlerine önem verdiği söylenebilir (Li vd., 2008). Diğer taraftan bu olgu, internetten alışveriş
yapma niyetini de olumlu etkilemektedir (Hasbullah vd., 2016).

www.turkishstudies.net/economy
138 İbrahim Halil Efendioğlu

Yapay zekâ, bireyin toplumsal normlara uygun satın alma kararları almasına yardımcı
olduğu daha önceki çalışmalarda tespit edilmiştir (Chan ve Wong, 2012; Gillath vd., 2021). Bu
yüzden öznel norm ile tüketicilerin alışveriş şekli seçimi yapay zekâ ile ilişkilendirilebilir (Deng vd.,
2020). Öznel norm ayrıca satın alma niyetini, yapay zekâ aracılığında olumlu olarak etkilemektedir
(Bhagat vd., 2022). Diğer taraftan öznel normların, yapay zekâ yardımıyla ürün satın alımlarında
satın alma niyetini üzerinde etkili olduğu bilinmektedir (Sohn ve Kwon, 2020). Bu bilgiler ışığında
aşağıda yer alan hipotez öne sürülmüştür:
H1: Yapay zekâ destekli alışveriş sitelerinde öznel norm, satın alma niyetini pozitif yönde
etkilemektedir.
Tutum
Tutum kişinin kendi inançlarına dayalı olarak belirli bir davranışa karşı oluşturduğu
düşünceleridir. Tüketicilerin bir ürün veya hizmete karşı tutumunun pozitif olması, satın alma
niyetini olumlu etkilemektedir (Belleau vd., 2007; Wu vd., 2016). Dolayısıyla tüketicilerin satın alma
tercihlerinde tutumlar, çoğu zaman etkili bir şekilde ön plana çıkmaktadır. Özellikle çevrimiçi
ortamlardan ürün veya hizmet satın alırken geliştirilen tutumlar, satın alma davranışını
etkilemektedir (Thatcher vd., 2013). Çevrimiçi alışverişlerde araştırma ve inceleme imkânı daha
fazla olan tüketicilerin geliştirdiği tutum, karar aşamasında etken bir rol oynamaktadır (Pantano vd.,
2017). Çünkü belirli bir hedefe doğru yönelen tutumlar, bireyin davranışsal niyetlerini
etkileyebilmektedir (Madden vd., 1992). Bundan dolayı alışverişe yönelik tüketici tutumunun satın
almayı kolaylaştırdığı söylenebilir (Vijayasarathy, 2004).
Yapay zekâ ile birlikte ele alınan tutumlar ise pazarlama verimliliğini artıran bir faktördür
(Davenport ve Ronanki, 2018). Diğer taraftan yapay zekâ aracılığıyla ürün satın alımlarında tutumlar
satın alma niyetini etkilemektedir (Sohn ve Kwon, 2020). Ayrıca tutum, tüketicilerin yapay zekâ
destekli bir internet mağazasından alışveriş yapmaya karar vermesi konusunda önemli bir etkendir
(Liang vd., 2020; Nagy ve Hajdu, 2020). Yapılan bu gözlemler doğrultusunda aşağıdaki hipotez
ortaya çıkmıştır:
H2: Yapay zekâ destekli alışveriş sitelerinde tutum, satın alma niyetini pozitif yönde
etkilemektedir.
Hedonik Değer
Hedonik değer, haz, rahatlama, uyarılma, merak ve sürpriz algılaması olarak
tanımlanmaktadır (Ahn ve Lee, 2019; Yang ve Lin, 2014). Literatürdeki çalışmalar hedonik
değerlerin çevrimiçi alışveriş davranışının önemli yordayıcıları olduğunu göstermiştir (Childers vd.,
2001; Gupta ve Kim, 2010; Jones vd., 2006; Van der Heijden, 2004). Tüketiciler hedonik değere
önem verdiğinde, daha çok duygusal faktörleri dikkate almaktadır. Bu yüzden hedonik değer, satın
alma süreci ile bağlantılıdır (Hui ve Jia, 2016). Ürün ve hizmetlerin kendi içlerinde sahip oldukları
özelliklerden bağımsız olarak, dijital ortamın ayrıca hedonik değere sahip olması, ürün ve hizmet
hakkında ayrıntılı bilgi edinmeyi kolaylaştırmaktadır. Bu açıdan, dijital platformlarda yapılan
alışverişin eğlence ve zevkle bağlantılı deneyimsel bir bileşeni vardır (Richins, 2013).
Satın alma niyeti ile hedonik değer arasında olumlu bir korelasyon olması pazarlama
alanında kullanılmaktadır (Chiu vd,. 2014). Bu alanda birçok olguya açıklayan hedonik değer,
tüketicilerin memnuniyetlerini ve davranışsal niyetlerini etkilemektedir (Babin ve Attaway, 2000).
Diğer taraftan faydacı nitelikteki ürünlerin hedonik değeri, çevrimiçi alışverişte ürünün yeniden satın
alınmasını sağlamaktadır (Moon vd., 2017). Bu doğrultuda algılanan hedonik değer ile internette
yapılan çevrimiçi alışveriş, yapay zekâ teknolojisi ile ölçülebilmektedir (Yin ve Qiu, 2021). Ayrıca
dijital asistanlar, hedonik değer deneyimini artırmakta ve çevrimiçi alışverişi olumlu etkilemektedir
(Lo Presti vd., 2021). Bu bilgiler ışığında aşağıdaki hipotez önerilmiştir:

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 139

H3: Yapay zekâ destekli alışveriş sitelerinde hedonik değer, satın alma niyetini pozitif yönde
etkilemektedir.
Algılanan Faydacı Değer
Algılanan faydacı değer, zamandan tasarruf, kullanım kolaylığı ve ürün veya hizmetin
kendisinden beklenen bir yarar olarak tanımlanmaktadır (Davis, 1993; Sirdeshmukh vd., 2002).
Faydacı değere dikkat eden tüketiciler, genellikle maliyet ve verimlilik açısından daha rasyonel
değerlendirmeler yaparlar (Hui ve Jia, 2016). Bu değer ayrıca, pratik bir sorunu çözmek ve belirli bir
amaca ulaşmak için tüketim mallarının kullanımına odaklanmayı kolaylaştırır. (Huang, 2021). Bu
açıdan çevrimiçi alışverişlerde de faydacı değer dikkate alınabilir (To vd., 2007). Yapay zekâ
desteklli sohbet robotları, bilgi verme işlevi sayesinde, kullanıcılarının sorduğu soruları yanıtlayarak
faydacı bir işlev de gerçekleştirmektedir (Lo Presti vd., 2021). Böylelikle faydacı değer, yapay zekâ
pazarlama deneyimi ile tüketicilerin satın alma niyeti arasında olumlu bir aracılık rolü oynamaktadır.
Bu durum yapay zekâ teknolojisinin algılanan faydacı değer aracılığıyla satın alma niyetinin
oluşumunu teşvik ettiğini göstermektedir (Yin ve Qiu, 2021). Bu doğrultuda aşağıdaki hipotez öne
sürülmüştür:
H4: Yapay zekâ destekli alışveriş sitelerinde algılanan faydacı değer, satın alma niyetini
pozitif yönde etkilemektedir.
Yapay Zekâ ve Satın Alma Niyeti
Tüketicinin ödemeye istekli olma durumu ve belirli bir ürünü veya hizmeti satın almaya
yönelik tutumu, satın alma niyeti olarak adlandırılırmaktadır. Tüketiciler son yıllarda satın alma
işlemlerinin çoğunu çevrimiçi platformlar kullanarak yapmaktadır. Bu platformlarda kullanılan
yapay zekâ, tüketiciler arasında merak uyandırmakta ve ilgi çekmektedir (Shankar, 2018). Çünkü
yapay zekâ, insan benzeri problem çözme yeteneğine sahiptir (Astawa and Sukawati, 2019; Liu vd.,
2019; Qian ve Xu, 2019). Dolayısıyla yapay zekâ, tüketicilerin internet alışverişlerinde nihai satın
alma kararı vermelerine yardımcı olmaktadır. Bu teknoloji, büyük miktarda bilgi içeren seçenekler
havuzundan seçim yapılmasını kolaylaştırmakta ve tüketicilere en uygun alternatifi sunmaktadır.
Altyapısında ileri düzey algoritmalar ve artırılmış gerçeklik kullanan yapay zekâ, pazarlamayı da
kolaylaştırmaktadır (Puntano vd., 2017). Ayrıca yapay zekâ tarafından kullanılan yaratıcı ve
yenilikçi teknoloji, tüketicilerin satın alma tercihlerini daha kolay anlamaktadır. Ayrıca yapay zekâ
ile harmanlanmış çevrimiçi mağazalardan ürün satın alan tüketicilerin satın alma kararı verdikten
sonra daha memnun oldukları görülmüştür (Bhagat vd., 2022). Böylelikle aşağıdaki hipotez şekilde
öne sürülmüştür:
H5: Yapay zekâ destekli alışveriş sitelerinde yapay zekâ kullanımı, satın alma niyetini pozitif
yönde etkilemektedir.
Yöntem
Bu çalışmanın amacı internet üzerinden yapılan alışverişlerde öznel norm, tutum, hedonik
değer, algılanan faydacı değer ve yapay zekânın, satın alma niyeti üzerindeki etkisi incelenmesidir.
Çalışmada literatür taraması çerçevesinde değişkenler arasındaki ilişkiyi gösteren bir araştırma
modeli geliştirilmiştir. Model Şekil 1’de verilmiştir.
Araştırma Modeli
Bu çalışmanın amacı internet üzerinden yapılan alışverişlerde öznel norm, tutum, hedonik
değer, algılanan faydacı değer ve yapay zekânın, satın alma niyeti üzerindeki etkisinin
incelenmesidir. Çalışmada literatür taraması çerçevesinde değişkenler arasındaki ilişkiyi gösteren bir
araştırma modeli geliştirilmiştir. Model Şekil 1’de verilmiştir.

www.turkishstudies.net/economy
140 İbrahim Halil Efendioğlu

Yapay Zekâ Kullanımı

H5

Öznel Norm Hedonik Değer


H1 H3
H3

Satın Alma Niyeti

H2 H4

Algılanan Faydacı
Tutum
Değer

Şekil 1: Araştırma Modeli

Çalışmada kavramsal olarak önerilen etkilerin ampirik olarak incelemesi amaçlandığından


nicel analiz yöntemi tercih edilmiştir. Değişkenler arasında olması muhtemel neden sonuç
ilişkilerinin tespiti için yapısal eşitlik modellemesi oluşturulmuştur. Yapısal eşitlik modeli temelli
analizlerde, kuramsal dayanağı bulunan ölçüm modelleri, belirli bir örneklemden elde edilen verilerle
doğrulanmaya çalışılmaktadır (Gürbüz, 2019).
Örneklem
Yapısal eşitlik modeli kullanılan çalışmalarda, her bir ifade için en az 15 bireyin olduğu
örneklem büyüklüğü kullanılmaktadır (Stevens, 1996). Araştırmada 23 ifade olduğundan, en az 345
birey ile anketin yapılması beklenmektedir. Ayrıca yapısal eşitlik modelinden faydalanılan
çalışmalarda, örneklem miktarının 250 ile 500 arasında olması önerilmektedir (Schumacker ve
Lomax, 2016). Bu doğrultuda Google Forms uygulaması ile hazırlanan çevrimiçi anket 10.11.2022
-25.11.2022 tarihleri arasında çeşitli Whatsapp gruplarında paylaşılarak Türkiye’nin çeşitli
illerindeki 428 katılımcıya ulaştırılmıştır. Çalışmada maliyet ve zaman sınırlılıklarından ötürü
olasılıksız kolayda örnekleme yöntemi kullanılmıştır. Kolayda örnekleme ile veri toplamaya en kolay
erişilebilir bireylerden başlanmakta ve ihtiyaç duyulan örneklem büyüklüğüne ulaşılana kadar devam
edilmektedir (Büyüköztürk, 2016). Araştırmada gereken açıklamalar çevrimiçi formda katılımcılara
sunulmuştur. Anket “Açıklamayı okudum ve çalışmaya katılmayı gönüllü olarak kabul ediyorum.”
ifadesini kabul ettiğini belirten katılımcılar ile yapılmıştır. Hatalı doldurulan anketler çıkarıldıktan
sonra analizler, 406 katılımcıdan toplanan veriler ile yapılmıştır.
Veri Toplama
Veri toplama iki kısımdan oluşmaktadır. İlk kısımda katılımcıların demografik bilgilerini
elde etmeye yönelik sorular mevcuttur. İkinci kısımda katılımcıların öznel norm, tutum, hedonik
değer, algılanan faydacı değer, yapay zekâ ve satın alma niyetinin ölçümüne yönelik sorular
mevcuttur. Sorular araştırmanın mevcut bağlamına uyan daha önce geçerliliği ve güvenirliği
onaylanmış ölçeklerden alınmıştır. Yapay zekâ, öznel norm ve satın alma niyeti ölçümünde Bhagat
vd. (2022)’in çalışmalarından, hedonik değer ve algılanan faydacı değerin ölçümünde Yin ve Qiu

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 141

(2021)’nin çalışmasından ve tutumun ölçümünde Zhu vd. (2022)’nin çalışmalarından


yararlanılmıştır. Bu bölümdeki sorular öncesinde araştırmaya katılan katılımcılara yapay zekâ içeren
bir internet sitesinden alışveriş yapıp yapmadığı filtre soru olarak sorulmuştur. Ölçekler uzman
görüşü alınarak profesyonel bir çevirmen tarafından İngilizce’den Türkçe'ye çevrilmiş ve ters çeviri
ile kontrolü sağlanmıştır. İkinci kısımdaki sorular altı alt boyuta ayrılmaktadır. Bu boyutlar; öznel
norm (4 ifade), tutum (4 ifade), hedonik değer (4 ifade), algılanan faydacı değer (5 ifade), yapay zekâ
(3 ifade) ve satın alma niyeti (3 ifade)’dir. İfadeler Tablo 1’de gösterildiği gibi toplam 23 adettir.
Ankette kullanılan sorular 5‘li likert tipi şeklindedir (1=Kesinlikle katılmıyorum, 2=Katılmıyorum,
3=Kararsızım, 4=Katılıyorum, 5=Kesinlikle katılıyorum). Anket formu katılımcılara uygulanmadan
önce etik kurul izni için Gaziantep Üniversitesi Sosyal ve Beşeri Bilimler Etik Kuruluna
başvurulmuştur. Kurul, E-87841438-604.01.01-257832 sayılı ve 4 Kasım 2022 tarihinde aldığı karar
gereği, araştırmayı uygun bulmuş ve etik kurul izni vermiştir.
Tablo 1: Değişkenler ve İfadeler
Değişken Adı Kodu İfade
ON1 Çevremdeki insanlar yapay zekâ özellikli sitelerden alışveriş yapmamı tercih ediyor.
ON2 Arkadaşlarımın çoğu ürün ve hizmetleri internetten satın almamı istiyor.
Öznel Norm Daha geniş toplumsal kabule sahip olduğu için yapay zekâ teknolojisi ile çevrimiçi
(ON) ON3
alışverişi tercih ediyorum.
Ailem, yapay zekâ teknolojisini kullanırken çevrimiçi alışveriş yapma görüşümü
ON4
destekliyor.
TTM1 Yapay zekâ destekli alışveriş iyi bir fikirdir.
TTM2 Yapay zekâ destekli alışveriş gereklidir.
Tutum (TTM)
TTM3 Yapay zekâ destekli alışveriş faydalıdır.
TTM4 Yapay zekâ destekli alışveriş çok önemlidir.
Yapay zekâ pazarlama teknolojisinin desteği ile yapılan çevrimiçi alışveriş, beni çok
HD1
mutlu ediyor.
Yapay zekâ pazarlama teknolojisinin desteği ile yapılan çevrimiçi alışveriş, beni çok
HD2
Hedonik Değer rahatlatıyor.
(HD) Yapay zekâ pazarlama teknolojisinin desteği ile yapılan çevrimiçi alışveriş, alışveriş
HD3
isteğimi uyandırabilir.
Yapay zekâ pazarlama teknolojisinin desteği merak duygumu harekete geçirebilir ve
HD4
bana bir sürpriz sunabilir.
Yapay zekâ pazarlama teknolojisinin desteğiyle, çevrimiçi alışveriş bana daha fazla
AFD1
zaman ve maliyet kazandırabilir.
Yapay zekâ pazarlama teknolojisinin desteğiyle, çevrimiçi alışveriş, alışverişimi
AFD2
daha fazla maliyetten kurtarabilir.
Algılanan
Yapay zekâ pazarlama teknolojisi ile desteklenen bir platformda alışveriş yapmak,
Faydacı Değer AFD3
alışveriş verimliliğimi artırıyor.
(AFD)
Yapay zekâ pazarlama teknolojisi bana seçenek sunabilir, daha pratik hissetmeme
AFD4
izin verir.
Yapay zekâ pazarlama teknolojisinin desteğiyle alışverişin daha uygun olduğunu
AFD5
düşünüyorum.
YZ1 Yapay zekâ destekli alışveriş çok daha kolay ve basittir.
Yapay Zekâ
Kullanımı YZ2 Yapay zekâ destekli alışveriş verimliliği artırır.
(YZ) Yapay zekâ özellikli alışveriş, aralarından seçim yapabileceğiniz en iyi alternatifleri
YZ3
sunar.
Yapay zekâ destekli satın alma işlemleri için çevrimiçi siteleri ziyaret etme
SAN1
Satın Alma eğilimindeyim.
Niyeti (SAN) Çoğunlukla yapay zekâ özellikli teknolojiye sahip çevrimiçi mağazalardan ürünler
SAN2
satın alıyorum.

www.turkishstudies.net/economy
142 İbrahim Halil Efendioğlu

Yapay zekâ teknolojisiyle desteklenen çevrimiçi mağazalardan yapılan alışverişlere


SAN3
daha fazla harcamaya hazırım.
Verilerin Analizi
Elde edinilen verilerin analizinde IBM SPSS 25.0 ve AMOS 24.0 programlarından
faydalanılmıştır. Temel analizlere başlamadan önce, anketin uygulanabilir olduğunu belirlemek için
46 kişi ile pilot bir çalışma yapılmıştır. Pilot çalışmada anket formunda yer alan ölçüm ifadelerinin
geçerlilik ve güvenilirliği uygun olarak tespit edilmiştir. Veriler çevrimiçi olarak sınırlamalar ile
toplandığı için elde edilen değerlerin, beklenen şartlar içinde olduğu ve kayıp verinin olmadığı tespit
edilmiştir. Bununla birlikte veri seti içindeki çoklu bağlantı problemini test etmek amacıyla
değişkenler arasındaki korelasyon hesaplanmıştır. Yapılan Pearson korelasyon katsayısı analizi
sonucunda değişkenler arasındaki ikili korelasyon değerlerinin tümünün referans değer olan
0,90’dan düşük olduğu anlaşılmıştır (Ullman, 2013). Dolayısıyla değişkenler arasında çoklu bağlantı
probleminin olmadığı görülmüştür. Araştırmada, faktörlerin çarpıklık ve basıklık değerleri ile
normallik varsayımını sağlayıp sağlamadığı test edilmiştir. Çarpıklık ve basıklık değerleri; yapay
zekâ için -1,086 ve 0,912 arasında, öznel norm için -1,271 ve 1,467 arasında, tutum -1,102 ve 0,453
arasında, hedonik değer -1,047 ve 0,799 arasında, algılanan faydacı değer -1,095 ve 0,823 arasında
ve satın alma niyeti -1,181 ve 0,860 arasında tespit edilmiştir. Bu doğtultuda her bir faktör için
basıklık ve çarpıklık katsayılarının referans değer aralığı olan -2.00 ile +2.00 aralığında olduğu ve
normallik dağılımına uygun olduğu belirlenmiştir (George ve Mallery, 2019).
Güvenilirlik ve Geçerlik Analizi
Toplanan verilerin yapı güvenilirliği için Composite Reliability (CR), güvenilirlik analizi
için Cronbach’s Alpha (CA) ve ortalama varyans için Average Varience Extracted (AVE) değerleri
hesaplanmıştır. CA ve CR değerlerinin 0,70’den büyük olması, bununla birlikte AVE değerinin
0,50’den büyük olması beklenmektedir (Fornell ve Larcker, 1981). Analiz sonucunda ölçeklerin
Cronbach’s Alpha değeri 0,84 olduğu tespit edilmiştir. Tüm ifadeler ve faktörler uygun şartları
sağlamış ve Tablo 2 de gösterilmiştir.
Çalışmada ölçeklere ilk olarak Keşfedici Faktör Analizi (KFA) yapılmıştır. Analiz
neticesinde KMO testi sonucu 0,782 bulunmuştur. Bu doğrultuda faktör analizi için örneklem
büyüklüğünün yeterli olduğu görülmüşütür. Bartlett‟s testi sonucunda Bartlett’s Küresellik Testi
sonucunda ki-kare değeri 3688,892, serbestlik derecesi değeri (sd) 253 ve p < 0,001 bulunmuş ve
verilerin faktör analizi için uygun olduğu tespit edilmiştir. Ardından KFA analizi ile ifadeler altı
faktöre yüklenmiştir. Ayrıca açıklanan toplam varyansın %64,15 olduğu belirlenmiştir. Elde edilen
sonuçlar doğrultusunda kullanılan ölçeklerin faktör yükleri 0,611 ile 0,846 arasında değer aldığı ve
hazırlanma amacına uygun bir dağılım gösterdiği görülmüştür. Bulunan faktör yükleri Tablo 2’de
gösterilmiştir.

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 143

Tablo 2: Güvenilirlik ve Geçerlik Analizi


Cronbach's
Değişken Kodu Faktör Yükü AVE CR
Alpha
ON1 0,786
ON2 0,759
ON 0,779 0,579 0,846
ON3 0,731
ON4 0,767
TTM1 0,753
TTM2 0,737
TTM 0,797 0,598 0,856
TTM3 0,805
TTM4 0,796
HD1 0,701
HD2 0,846
HD 0,771 0,577 0,844
HD3 0,662
HD4 0,814
AFD1 0,837
AFD2 0,825
AFD AFD3 0,811 0,798 0,534 0,82
AFD4 0,628
AFD5 0,611
YZ1 0,813
YZ YZ2 0,709 0,731 0,581 0,806
YZ3 0,761
SAN1 0,807
SAN SAN2 0,814 0,868 0,655 0,85
SAN3 0,806

Bulgular
Katılımcıların 198’i kadın, 208’i erkektir ve 406 kişiden oluşmaktadır. Cinsiyetleri birbirine
yakın olan katılımcıların % 41,1’i bekâr, % 58,9’u evlidir. Bunların yanında katılımcıların yaş
frekansları incelediğinde büyük bölümü 34-44 yaş arasındadır. Katılımcıların %42,1’i lisans
düzeyinde eğitim görmüştür. Bunun yanında katılımcılar arasında kamu çalışanı %34,5 olarak daha
fazladır. Gelir düzeyleri incelendiğinde ise katılımcıların %29,1’i 12001 TL ile 18000 TL arası ücret
almaktadır. Demografik özelliklere ait bulgular Tablo 3 'de gösterilmiştir.

www.turkishstudies.net/economy
144 İbrahim Halil Efendioğlu

Tablo 3: Katılımcıların Demografik Özellikleri


Demografik Değişken Kategoriler N %
Cinsiyet Kadın 198 48,8
Erkek 208 51,2
Medeni Durum Bekâr 167 41,1
Evli 239 58,9
Yaş 18-24 83 20,4
25-34 105 25,9
35-44 145 35,7
45-54 46 11,3
55 ve üstü 27 6,7
Meslek Öğrenci 78 19,2
Kamu Görevlisi 140 34,5
Özel Sektörde Çalışan 120 29,6
Esnaf 29 7,1
Ev Hanımı 22 5,4
Emekli 17 2,7
Eğitim İlköğretim 26 6,4
Lise 68 16,7
Ön lisans 58 14,3
Lisans 171 42,1
Lisansüstü 83 20,4
Gelir 6000 TL ve altı 94 23,2
6000 TL-12000 TL 81 20,0
12001 TL-18000 TL 118 29,1
18001 TL-24000TL 96 23,6
24001 TL ve üstü 17 4,2

Yapısal eşitlik modeline geçilmeden önce ölçeklere Doğrulayıcı Faktör Analizi (DFA)
yapılmıştır. DFA sonucunda uyum iyiliği değerleri uygun aralıkta kalmıştır. DFA kabul edilebilir
değerleri Tablo 4’de gösterilmiştir.
Tablo 4: DFA Uyum İyiliği Değerleri Sınırları
Faktör CMIN/DF CFI GFI RMSEA
ON 1,726 0,937 0,925 0,042
TTM 1,546 0,923 0,915 0,037
HD 2,841 0,954 0,929 0,029
AFD 2,223 0,918 0,931 0,042
YZ 2,755 0,937 0,949 0,033
SAN 1,985 0,901 0,918 0,027

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 145

DFA sonrasında araştırmada önerilen modelin yapısal olarak uygun olup olmadığı
incelenmiştir. Analiz teicesinde modelin kabul edilebilir uyum gösterdiği tespit edilmiştir. YEM
sonucu Şekil 2’de ve uyum iyiliği değerleri Tablo 5’de gösterilmiştir.
Tablo 5: Yapısal Eşitlik Modeli Uyum İyiliği Değerleri Sınırları
Değer İyi Uyum Kabul Edilebilir Uyum Elde Edilen Değerler
CMIN/DF ≤3 ≤5 2,823
CFI ≥ 0,97 ≥ 0,90 0,983
GFI ≥ 0,90 ≥ 0,85 0,935
RMSEA ≤ 0,05 ≤ 0,08 0,035
Kaynak: Gürbüz, 2019

Şekil 2: Yapısal Eşitlik Modeli


Ayrıca Şekil 2’de gösterilen modelde yer alan ilişkilerin anlamlılığını belirlemek amacıyla
modele YEM yol analizi ile yapılmıştır. Yol analizi neticesinde hipotezlerin test edilmesine ilişkin
analiz sonuçları Tablo 6’da gösterilmiştir. Bu sonuçlara göre öznel normun (β= ,197; p< ,05),
tutumun (β= ,198; p< ,05), hedonik değerin (β= ,205; p< ,05), algılanan fayda değerinin (β= ,110; p<
,05) ve yapay zekâ kullanımının (β= ,571; p< ,05) satın alma niyetine pozitif ve anlamlı etkisi
görülmüştür. Böylece, H1, H2, H3, H4 ve H5 hipotezleri kabul edilmiştir.

www.turkishstudies.net/economy
146 İbrahim Halil Efendioğlu

Tablo 6: Hipotez Testleri


Standardize p değeri
Hipotez Test Edilen Yol Regresyon
Katsayısı
H1 Öznel Norm -> Satın Alma Niyeti 0,197 ***
H2 Tutum -> Satın Alma Niyeti 0,198 ***
H3 Hedonik Değer -> Satın Alma Niyeti 0,205 0,03
H4 Algılanan Fayda Değeri -> Satın Alma Niyeti 0,110 ***
H5 Yapay Zekâ Kullanımı -> Satın Alma Niyeti 0,571 ***
***p<0,01
Tartışma, Sonuç ve Öneriler
Çalışmada yapay zekâ bulunan internet sitelerinden alışveriş yapan tüketicilerin; öznel
normlarının, tutumlarının, hedonik değerlerinin, algılanan fayda değerlerinin ve yapay zekâ
kullanımlarının satın alma niyetine etkisinin incelenmiştir. Bu kapsamda çalışmayı kabul eden ve
yapay zekâ tabanlı internet sitelerinden alışveriş yapan 406 kişiye kolayda örnekleme yöntemiyle
çevrimiçi anket yapılmıştır. Geliştirilen hipotezler literatüre ve gerekçeli eylem teorisine
dayandırılarak geliştirilen beş hipotez yapısal eşitlik modellemesi yardımıyla test edilmiştir.
Geliştirilen ilk hipotez (H1) kabul edilmiş ve yapay zekâ destekli alışveriş sitelerinde öznel
norm, satın alma niyetini pozitif yönde etkilemiştir. Bu bulgu Hindistan’da yapılan Bhagat vd.
(2022)’nin ve Kore’de yapılan Sohn ve Kwon (2020) ’nın çalışmalarının sonuçları ile uyuşmaktadır.
Bu durumda tüketicilerin farklı ülkelerde yapay zekâ pazarlamasına subjektif ve sosyal çevresi ile
birlikte bakış açısının benzer olduğu söylenebilir. Sonuçlar, yapay zekâ destekli internet
alışverişlerinde tüketicilerin sosyal çevresinden aldığı fikirlerle kendilerini daha güvende
hissettiklerini ve işlerini kolaylaştıran tavsiyelere önem verdiğini göstermektedir. Ayrıca tüketiciler
yapay zekâ destekli internet sitelerinden alışverişler yaptıklarında aile, arkadaş ve toplumdan olumlu
destek aldığı görülmektedir. Bununla birlikte tüketiciler yapay zekâ deneyiminin kolay olduğunu,
sosyal çevresi ile paylaşmakta ve çevresine daha bilinçli kararlar aldırmaktadır. Diğer taraftan bu
hipotezin doğrulanması ile yapay zekâ kullanımı konusunda sübjektif normların sosyal açıdan
oldukça geçerli bir durum olduğu ortaya çıkmıştır. Tüketicilerin yapay zekâyı benimseme kararlarını
verirken diğer insanların fikirlerinden etkilenmesi, bu teknolojinin sosyal kabulünün sağlanmasında
önemli bir rol oynayacağı anlamına gelmektedir.
Yapılan analizler neticesinde ikinci hipotez (H2) kabul edilmiş ve yapay zekâ destekli
alışveriş sitelerinde tutumun, satın alma niyetini pozitif yönde etkilediği görülmüştür. Bu bulgu,
Liang vd. (2020)’nin ve McLean, vd. (2020)’nin bulguları ile paralellik göstermektedir. Liang vd.,
(2020) çalışmalarını Amerika Birleşik Devletleri’nde teknoloji kabul modeli perspektifinden
yapmıştır. Bu durumda tutumun yapay zekâ teknolojisiyle olan etkileşimlerin tüketicilerin birçok
alanda hareketlerinin sonuçlarını, beklentilerini ve memnuniyetini artırdığını göstermektedir.
McLean, vd. (2020) ise çalışmalarını seyahat siteleri üzerinde sohbet robotları ile İngiltere’de
gerçekleştirmiştir. Bu durumda farklı ülkelerde yapay zekâ kullanılarak yapılan internet
alışverişlerine karşı gösterilen tutum, tüketicilerin karar verme sürecini kolaylaştırdığı söylenebilir.
Araştırmacıların çalışmalarında kullandığı teknoloji kabul modeli ile bu çalışmada kullanılan
gerekçeli eylem teorisi yapay zekâ pazarlamasında benzer sonuçlar ortaya çıkarmıştır. Bu doğrultuda
tutum, yapay zekâda kullanılan kişiye özel tekliflerin doğruluğunu kanıtlamakta ve tüketiciyi eyleme
geçirmeye yardımcı olmaktadır.
Bununla birlikte üçüncü hipotez (H3) kabul edilmiş ve yapay zekâ destekli alışveriş
sitelerinde hedonik değerin, satın alma niyetini pozitif yönde etkilediği tespit edilmiştir. Bu etki Lo

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 147

Presti vd. (2021) ve Yin ve Qiu, (2021)’nin çalışmalarının sonuçları ile uyumludur. Lo Presti vd.
(2021)’nin İtalya’da yaptıkları araştırmalarını yapay zekâ altyapısı kullanan sohbet robotları ile
yapmıştır. Araştırmacılar, müşterilerin yapay zekâ ile ilk temas aşamalarında, satın alma işlemleri
için daha deneyimsel bir avantaj elde ettiğini tespit etmişlerdir. Yin ve Qiu, (2021)’nin Çin’de yaptığı
çalışmalarında yapay zekâ bulunan sitelerde hedonik değerin, satın alma niyeti üzerinde aracılık rolü
üstlendiğini bulgulanmıştır. Bu şekilde farklı ülkelerde yapay zekâ kullanılarak yapılan internet
alışverişlerinde hedonik değerin benzer algılandığı ve satın alma işlemini hızlandırdığı söylenebilir.
Yapay zekâ pazarlaması insanın haz almasını kolaylaştıran alışveriş kolaylığı, zaman ve maliyet
tasarrufu açısından yüksek bir faydaya sahiptir. Hedonik değer, haz ve merak gibi olgular ile
bağlantılı olduğundan, internet alışverişlerinde yapay zekâ pazarlamasının duygusal durumları
tetiklediği düşünülmektedir. Dolayısıyla yapay zekâ destekli satın alma sürecinde yaşanan bu olumlu
duygusal öğeler tüketiciyi satın almaya yönlendirmektedir. Tüketim sürecinden alınan bu haz, yapay
zekâ kullanılan anlık tüketim niyeti üzerinde olumlu bir etkiye sahip olabilir.
Çalışmada dördüncü hipotez (H4) kabul edilmiş ve yapay zekâ destekli alışveriş sitelerinde
algılanan fayda değerinin, satın alma niyetine anlamlı bir etkisi olduğu görülmüştür. Bu sonuç Yin
ve Qiu (2021)’nin çalışmaları ile aynı yöndedir. Araştırmacılar algılanan değeri deneyim üzerinden
aracılık etkisiyle Çinli katılımcılar ile tespit etmişlerdir. Çalışma Çinli tüketicilerin yapay zekâ
destekli internet sitelerinde Türkiyeli tüketicilerle benzer algıladığını göstermektedir. Çalışmada
hipotezin desteklenmesi, algılanan faydanın internet alışverişinde genel olarak sorgusuz beklendiğini
ortaya çıkarmaktadır. Bu durumda internet alışverişlerinde verimlilik ve rahatlık gibi fonksiyonel
gereksinimler, rutin işlevler haline geldiğinden, tüketiciler tarafından önemsemektedir. Bununla
birlikte yapay zekâ destekli çevrimiçi alışveriş sürecinde tüketicilerin fayda arzusunu baskın
tutmakta ve ön plana almaktadır.
Son olarak beşinci hipotez (H5) kabul edilmiş ve alışveriş sitelerinde yapay zekâ kullanımı,
satın alma niyetini pozitif yönde etkilemiştir. Bu sonuç Bhagat vd. (2022)’nin bulguları ile
örtüşmektedir. İnternet alışverişlerinde yapay zekâ kullanımı, tüketicilerin arama süresinden ve
maliyet etkinliğinden tasarruf sağladığından onlara en uygun alternatifleri sunmaktadır. Bu açıdan
bakıldığında çalışmada satın alma niyetini en fazla etki yapay zekâ kullanım faktör etkilemiştir.
Diğer taraftan tüketicilerin yapay zekâ faktörüne bu kadar önem vermesi, yapay zekânın hem
kolaylığı hem de hızlı karar vermeyi desteklemesinden kaynaklandığı düşünülmektedir.
Çalışmada tüketicilerin yapay zekâ destekli internet sitelerini kullanmaya yönelik
davranışsal niyetini yordayan öznel norm, algılanan fayda, hedonik değer ve yapay zekâ kullanım
faktörlerinin satın alma niyetini etkilediği doğrulanmıştır. Böylece çalışma, çevrimiçi alışverişte
yapay zekâ kullanımının tüketici kabulüne ilişkin literatürü genişletmekte, mevcut boşlukları
doldurmakta ve teorik olarak katkıda bulunmaktadır. Bu çalışma yapay zekâ pazarlaması ile
tüketicilerin satın alma niyeti etkileşimine farklı bir bakış açısı kazandırmıştır. Sonuçlar, bu alanda
daha fazla çalışmak isteyen araştırmacılara yararlı bilgiler sağlamaya yardımcı olacaktır. Ayrıca
çalışma ile yaygın olarak kullanılan gerekçeli eylem teorisi bakış açısı ile yapay zekâ ve satın alma
niyetini birlikte araştırmak için uygun olduğu kanıtlanmıştır. Böylelikle çalışma, gerekçeli eylem
teorisinin çevrimiçi alışverişe uyarlanması ve tüketici tercihleri ile ilgilenen araştırmacılar için de
faydalı olacaktır.
Yapay zekâ pazarlaması çevrimiçi alışveriş sitelerinde tüketicilere en iyi fırsatları ve en
yüksek değere sahip ürünleri sunmak için kişiye özel teklifler sunmaktadır. Bu şekilde alışveriş
etkinliğini artırmak için ürün arama süresi önemli ölçüde kısalmaktadır. Bu doğrultuda pazarlamada
yapay zekâyı etkili kullanan işletmeler, müşterilerine mümkün olan en uygun olan içeriği sunmakta,
tüketicilerin güvenini kazanmakta ve kullanım kolaylığı sağlamaktadır. Ayrıca tüketicilerin
çevrimiçi alışverişlerinde yapay zekâ kullanımını kabul etmesi, onlarla etkileşim oluşturmak ve
siteye trafik çekmek için merkezi bir role sahiptir. Dolayısıyla alışveriş siteleri, tüketicilerin

www.turkishstudies.net/economy
148 İbrahim Halil Efendioğlu

çevrimiçi mağazalarını daha çok ziyaret etmesi ve satın alma konusunda giderek daha fazla bilinç
kazanması için yapay zekâ destekli teknolojiyi kullanmaya önem vermesi gerekmektedir. Diğer
taraftan çalışma, internet mağazası sahipleri ve çevrimiçi pazarlama yöneticileri için tüketicilerin
yapay zekâ kullanımına nasıl uyum sağladığını anlamaları hususunda yararlı olacağı tahmin
edilmektedir.
Ankete katılanlardan gelen yanıtlar ve yapılan analizlere göre, internet mağazası bulunan
işletmeler rakipleri karşısında rekabet avantajı elde etmek için sitelerinde gelişmiş yapay teknolojileri
kullanması gerektiğini ortaya koymaktadır. Hatta çevrimiçi alışveriş platformlarında yapay zekâ
pazarlama teknolojisinin altyapısı ne kadar kapsamlı olursa, tüketicilerin kullanımı gözlenebilir
şekilde artacaktır. Bundan dolayı tüketicilerin kişiselleştirilmiş ihtiyaçlarını ve taleplerini karşılamak
için alışveriş sitelerinin, yapay zekânın etkin olduğu teknolojiyi kullanması gereklidir. Gelecekte ise
çevrimiçi alışveriş sitelerinin yapay zekâ kullanmadan pazarda kalması çok zor olacağı
düşünülmektedir.
Bu çalışmada tüketicilerin yapay zekâ kullanılan internet sitelerini tercih nedenleri sadece
birkaç faktör kullanılarak ve Türkiye’de yapılmıştır. Gelecekte araştırmacılar, tüketicilerin satın alma
niyetine incelemek için daha fazla faktörü dikkate alabilir. Ayrıca yapılacak araştırmalarda, bu
çalışma çok kültürlü bir bağlamda tekrarlanabilir.

Kaynakça
Ahn, S. J. & Lee, S. H. (2019). The effect of consumers’ perceived value on acceptance of an internet-
only bank service. Sustainability, 11(17), 4599. https://doi.org/10.3390/su11174599
Babin, B. J. & Attaway, J. S. (2000). Atmospheric affect as a tool for creating value and gaining
share of customer. Journal of Business Research, 49(2), 91-99.
https://doi.org/10.1016/S0148-2963(99)00011-9
Bagozzi, R. P., Baumgartner, H. & Yi, Y. (1992). State versus action orientation and the theory of
reasoned action: An application to coupon usage. Journal of Consumer Research, 18(4), 505-
518. https://doi.org/10.1086/209277
Bayuk, M. N. & Demir, B. N. (2019). Endüstri 4.0 kapsamında yapay zekâ ve pazarlamanın geleceği.
Sciences, 5(19), 781-799. http://dx.doi.org/10.31589/JOSHAS.163
Belleau, B., Summers, T., Xu, Y. & Pinel, R. (2007). Theory of reasoned action: Purchase intention
of young consumers. Clothing and Textiles Research Journal, 25, 244–257.
https://doi.org/10.1177/0887302X07302768
Beyari, H. & Garamoun, H. (2022). The effect of artificial intelligence on end-user online purchasing
decisions: Toward an integrated conceptual framework. Sustainability, 14(15), 9637.
https://doi.org/10.3390/su14159637
Bhagat, R., Chauhan, V. & Bhagat, P. (2022). Investigating the impact of artificial intelligence on
consumer’s purchase intention in e-retailing. Foresight, (ahead-of-print).
https://doi.org/10.1108/FS-10-2021-0218
Bleier, A., Goldfarb, A. & Tucker, C. (2020). Consumer privacy and the future of data-base
innovation and marketing. International Journal of Research in Marketing, 37(3), 466-480.
https://doi.org/10.1016/j.ijresmar.2020.03.006
Büyüköztürk, Ş., Kılıç-Çakmak, E., Akgün, Ö.E., Karadeniz, Ş. & Demirel, F. (2016). Bilimsel
araştırma yöntemleri (21. baskı). Pegem Akademi.

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 149

Chan, T.Y. ve Wong, C.W. (2012). The consumption side of the sustainable fashion supply chain:
Understanding fashion consumer eco-fashion consumption decision. Journal of Fashion
Marketing and Management: An International Journal, 16(2), 193-215.
https://doi.org/10.1108/13612021211222824
Chatterjee, S. & Bhattacharjee, K. K. (2020). Adoption of artificial intelligence in higher education:
A quantitative analysis using structural equation modelling. Education and Information
Technologies, 25(5), 3443-3463. https://doi.org/10.1007/s10639-020-10159-7
Childers, T. L., Carr, C. L., Peck, J. & Carson, S. (2001). Hedonic and utilitarian motivations for
online retail shopping behavior. Journal of Retailing, 77(4), 511-535.
https://doi.org/10.1016/S0022-4359(01)00056-2
Chiu, C. M., Wang, E. T., Fang, Y. H. & Huang, H. Y. (2014). Understanding customers' repeat
purchase intentions in B2C e‐commerce: The roles of utilitarian value, hedonic value and
perceived risk. Information Systems Journal, 24(1), 85-114.
https://doi.org/10.1111/j.13652575.2012.00407.x
Chuchinprakarn, S. (2005). Application of the theory of reasoned action to on-line shopping.
Knowledge Center E-paper Bangkok University, 1-7.
Davenport, T.H. & Ronanki, R. (2018). Artificial intelligence for the real world, Harvard Business
Review, 96(1), 108-116.
Davis, F. D. (1993). User acceptance of information technology: System characteristics, user
perceptions and behavioral impacts. International Journal of Man-Machine Studies, 38(3),
475-487. https://doi.org/10.1006/imms.1993.1022
Deng, G., Zhang, J., Ye, N. & Chi, R. (2020). Consumers' human nature and their shopping channel
choices in the emerging artificial intelligence era: Based on Xunzi's humanity hypothesis.
International Marketing Review. 38(4). 736-755. https://doi.org/10.1108/IMR-01-20190026
Fan, H., Han, B. & Gao, W. (2022). (Im)Balanced customer-oriented behaviors and AI chatbots’
efficiency–flexibility performance: The moderating role of customers’ rational choices.
Journal of Retailing and Consumer Services, 66, 102937.
https://doi.org/10.1016/j.jretconser.2022.102937
Fishbein, M. & Ajzen, I. (1977). Belief, attitude, intention, and behavior: An introduction to theory
and research. Addison Wesley.
Fornell, C. & Larcker, D. F. (1981). Structural equation models with unobservable variables and
measurement error. Algebra and Statistics. https://doi.org/10.1177/002224378101800313
George, D. & Mallery, P. (2019). IBM SPSS statistics 26 step by step: A simple guide and reference.
Routledge.
Gillath, O., Ai, T., Branicky, M.S., Keshmiri, S., Davison, R.B. & Spaulding, R. (2021). Attachment
and trust in artificial intelligence. Computers in Human Behavior, 115, 106607.
https://doi.org/10.1016/j.chb.2020.106607
Hui, G. ve Jia, S. (2016). A literature review of hedonic shopping based on shopping experience.
Foreign Economics & Management, 38(04), 63-72.
https://doi.org/10.16538/j.cnki.fem.2016.04.000
Gupta, S. ve Kim, H. W. (2010). Value‐driven Internet shopping: The mental accounting theory
perspective. Psychology & Marketing, 27(1), 13-35. https://doi.org/10.1002/mar.20317

www.turkishstudies.net/economy
150 İbrahim Halil Efendioğlu

Gürbüz, S. (2019). AMOS ile yapısal eşitlik modellemesi, temel ilkeler ve uygulamalı analizler.
Seçkin Yayıncılık.
Hallows, R., Glazier, L., Katz, M. S., Aznar, M. & Williams, M. (2022). Safe and ethical artificial
intelligence in radiotherapy – Lessons learned from the aviation industry. Clinical Oncology
34(2), 99–101. https://doi.org/10.1016/j.clon.2021. 11.019
Hale, J. L., Householder, B. J. & Greene, K. L. (2002). The theory of reasoned action. The persuasion
handbook. Developments in Theory and Practice, 14(2002), 259-286.
Hasbullah, N. A., Osman, A., Abdullah, S., Salahuddin, S. N., Ramlee, N. F. & Soha, H. M. (2016).
The relationship of attitude, subjective norm and website usability on consumer intention to
purchase online: An evidence of Malaysian youth. Procedia Economics and Finance, 35,
493-502. https://doi.org/10.1016/S2212-5671(16)00061-7
Hu, P., Lu, Y. & Wang, B. (2022). Experiencing power over AI: The fit effect of perceived power
and desire for power on consumers’ choice for voice shopping. Computers in Human
Behavior, 128, 107091. https://doi.org/10.1016/j.chb. 2021.107091.
Huang, J. (2021). Research on the influencing factors of the audience's purchase intention in head
specialized livestreamers' live streaming: Based on the comparison of two platforms. In
Proceedings of the 2021 7th International Conference on e-Society, e-Learning and e-
Technologies, 63-74. https://doi.org/10.1145/3477282.3477299
Hui, G. & Jia, S. (2016). A literature review of hedonic shopping based on shopping experience.
Foreign Economics & Management, 38(04), 63-72.
https://doi.org/10.16538/j.cnki.fem.2016.04.000
Jabbar, A., Akhtar, P. & Dani, S. (2020). Real-time big data processing for instantaneous marketing
decisions: A Problematization Approach. Industrial Marketing Management, 90(7),
558–569. https://doi.org/10.1016/j.indmarman.2019.09.001
Jones, M. A., Reynolds, K. E. & Arnold, M. J. (2006). Hedonic and utilitarian shopping value:
Investigating differential effects on retail outcomes. Journal of Business Research, 59(9),
974-981. https://doi.org/10.1016/j.jbusres.2006.03.006
Kim, T., Jo, H., Yhee, Y. & Koo, C. (2022). Robots, artificial intelligence, and service automation
(RAISA) in hospitality: Sentiment analysis of YouTube streaming data. Electronic
Markets. https://doi.org/10.1007/s12525-021-00514-y
Kumar, V., Ramachandran, D. & Kumar, B. (2021). Influence of new age technologies on marketing:
A research agenda. Journal of Business Research, 125(3), 864-
877.https://doi.org/10.1016/j.jbusres.2020.01.007
Lee, J.Y. & Choi, B.S. (2016), Suggestions for nurturing ecosystem to spur artificial intelligence
industry. Electronics and Telecommunications Trends, 31(2), 51-62.
http://doi.or.kr/10.PSN/ADPER8900508314
Lee, C. & Green, R.T. (1991). Cross-cultural examination of the fishbein behavioural intentions
models. Journal of International Business Studies, 22(2), 289-305.
https://doi.org/10.1057/palgrave.jibs.8490304
Lee, C. T., Pan, L. Y. & Hsieh, S. H. (2021). Artificial intelligent chatbots as brand promoters: a
two-stage structural equation modeling-artificial neural network approach. Internet
Research. 32(4), 1329-1356. https://doi.org/10.1108/INTR-01-2021-0030

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 151

Li, X., Hess, T. J. & Valacich, J. S. (2008). Why do we trust new technology? A study of initial trust
formation with organizational information systems. The Journal of Strategic Information
Systems, 17(1), 39-71. https://doi.org/10.1016/j.jsis.2008.01.001
Liang, Y., Lee, S. H. & Workman, J. E. (2020). Implementation of artificial intelligence in fashion:
Are consumers ready? Clothing and Textiles Research Journal, 38(1), 3-18.
https://doi.org/10.1177/0887302X19873437
Lindebaum, D., Vesa, M. & Den Hond, F. (2020). Insights from ‘the machine stops’ to better
understand rational assumptions in algorithmic decision making and its implications for
organizations. Academy of Management Review, 45(1), 247-263
https://doi.org/10.5465/amr.2018.0181
Lo Presti, L., Maggiore, G. & Marino, V. (2021). The role of the chatbot on customer purchase
intention: Towards digital relational sales. Italian Journal of Marketing, 2021(3), 165-188.
https://doi.org/10.1007/s43039-021-00029-6
Loureiro, S. M. C., Japutra, A., Molinillo, S. & Bilro, R. G. (2021). Stand by me: Analyzing the
tourist-intelligent voice assistant relationship quality. International Journal of
Contemporary Hospitality Management, 33(11), 3840–3859.
https://doi.org/10.1108/IJCHM09-2020-1032
Ma, L. & Sun, B. (2020). Machine learning and AI in marketing – connecting computing power to
human insights. International Journal of Research in Marketing, 37(3), 481-504.
https://doi.org/10.1016/j.ijresmar.2020.04.005
Mathew, V. (2022, Ekim 20). AI marketing statistics: Data shows emerging technologies are here
now. https://imeanmarketing.com/blog/ai-marketing-statistics
McClure, C. & Seock, Y. K. (2020). The role of involvement: Investigating the effect of brand's
social media pages on consumer purchase intention. Journal of Retailing and Consumer
Services, 53, 101975. https://doi.org/10.1016/j.jretconser.2019.101975
McLean, G., Osei-Frimpong, K., Wilson, A. & Pitardi, V. (2020). How live chat assistants drive
travel consumers’ attitudes, trust and purchase intentions: the role of human touch.
International Journal of Contemporary Hospitality Management, 32(5), 1795-1812.
https://doi.org/10.1108/IJCHM-07-2019-0605
Moon, M. A., Khalid, M. J., Awan, H. M., Attiq, S., Rasool, H. & Kiran, M. (2017). Consumer’s
perceptions of website’s utilitarian and hedonic attributes and online purchase intentions: A
cognitive–affective attitude approach. Spanish Journal of Marketing-ESIC, 21(2), 73–88.
https://doi.org/10.1016/j.sjme.2017.07.001
Nabiyev, V. (2012). Yapay Zekâ. Seçkin Yayıncılık.
Nagy, S. & Hajdú, N. (2021). Consumer acceptance of the use of artificial intelligence in online
shopping: Evidence from Hungary. Amfiteatru Economic, 23(56).
https://doi.org/10.24818/EA/2021/56/155
Qin, M., Zhu, W., Zhao, S. & Zhao, Y. (2022). Is artificial intelligence better than manpower? The
effects of different types of online customer services on customer purchase intentions.
Sustainability, 14(7), 3974. https://doi.org/10.3390/su14073974
Pantano, E., Rese, A. & Baier, D. (2017). Enhancing the online decision-making process by using
augmented reality: A two country comparison of youth markets. Journal of Retailing and
Consumer Services, 38(1), 81-95. https://doi.org/10.1016/j.jretconser.2017.05.011

www.turkishstudies.net/economy
152 İbrahim Halil Efendioğlu

Pender, N. J. & Pender, A. R. (1986). Attitudes, subjective norms, and intentions to engage in health
behaviors. Nursing Research, 35(1), 15-18.
PwC (2022, Ekim 1). Sizing the prize What’s the real value of AI for your business and how can you
capitalise? https://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-
sizingtheprizereport.pdf
Richins, M. L. (2013). When wanting is better than having: Materialism, transformation
expectations, and product-evoked emotions in the purchase process. Journal of Consumer
Research, 40(1), 1-18. https://doi.org/10.1086/669256
Rodgers, W. & Nguyen, T. (2022). Advertising benefits from ethical artificial intelligence
algorithmic purchase decision pathways. Journal of Business Ethics.
https://doi.org/10.1007/s10551-022-05048-7.
Schumacker, R. E. & Lomax, R. G. (2016). A beginner’s guide to structural equation modeling (4.
baskı). Routledge.
Shih, Y. Y. & Fang, K. (2006). Effects of network quality attributes on customer adoption intentions
of internet banking. Total Quality Management & Business Excellence, 17(1), 61-77.
https://doi.org/10.1080/14783360500249661
Sirdeshmukh, D., Singh, J. & Sabol, B. (2002). Consumer trust, value, and loyalty in relational
exchanges. Journal of Marketing, 66(1), 15-37.
https://doi.org/10.1509/jmkg.66.1.15.18449
Sohn, K. & Kwon, O. (2020). Technology acceptance theories and factors influencing artificial
intelligence-based intelligent products. Telematics and Informatics, 47, 101324.
https://doi.org/10.1016/j.tele.2019.101324
Statista (2022, Ekim 8). Artificial intelligence software market revenue worldwide 2018-2025.
https://www.statista.com/statistics/607716/worldwide-artificial-intelligence-
marketrevenues/
Stevens, J. (1996). Applied multivariate statistics for the social sciences. Lawrence Erlbaum.
Subero-Navarro, Á., Pelegrín-Borondo, J., Reinares-Lara, E. & Olarte-Pascual, C. (2022). Proposal
for modeling social robot acceptance by retail customers: CAN model + technophobia,”
Journal of Retailing and Consumer Services, 64, 102813.
https://doi.org/10.1016/j.jretconser.2021.102813
Teng, C.C. & Wang, Y.M. (2015). Decisional factors driving organic food consumption: Generation
of consumer purchase intentions. British Food Journal, 117(3), 1066–1081.
https://doi.org/10.1108/BFJ-12-2013-0361
To, P. L., Liao, C. & Lin, T. H. (2007). Shopping motivations on Internet: A study based on utilitarian
and hedonic value. Technovation, 27(12), 774–787.
https://doi.org/10.1016/j.technovation.2007.01.001
Trivedi, J. & Sama, R. (2020). The effect of influencer marketing on consumers’ brand admiration
and online purchase intentions: An emerging market perspective. Journal of Internet
Commerce, 19(1), 103-124. https://doi.org/10.1080/15332861.2019.1700741
Ullman, J. B. (2013). Structural equation modeling. B. G. Tabachnick ve L. S. Fidell (Ed.), Using
Multivariate Statistics, 681-785, Pearson.
Van der Heijden, H. (2004). User acceptance of hedonic information systems. MIS Quarterly, 695-
704. https://doi.org/10.2307/25148660

Turkish Studies - Economy, 18(1)


Yapay Zekâ Pazarlaması: İnternetten Yapılan Alışverişlerde Yapay Zekânın… 153

Van Esch, P. & Cui, Y. (2021). Does consumer promiscuity influence purchase intent? The role of
artificial intelligence (AI), change seeking, and pride. Journal of the Association for
Consumer Research, 6(3), 394-401. https://doi.org/10.1086/714503
Verma, S., Sharma, R., Deb, S. & Maitra, D. (2021). Artificial intelligence in marketing: Systematic
review and future research direction. International Journal of Information Management
Data Insights, 1(1), 100002. https://doi.org/10.1016/j.jjimei.2020.100002
Vijayasarathy, L.R. (2004). Predicting consumer intentions to use online shopping: the case for an
augmented technology acceptance model. Information & Management, 41, 747-762.
https://doi.org/10.1016/j.im.2003.08.011
Wang, Y. (2016). Information adoption model, a review of the literature. Journal of Economics,
Business and Management, 4(11), 618-622. https://doi.org/10.18178/joebm.2016.4.11.462
Wright, L. T., Robin, R., Stone, M. & Aravopoulou, D. E. (2019). Adoption of big data technology
for innovation in B2B marketing. Journal of Business-to-Business Marketing, 26(3–4), 281-
293. https://doi.org/10.1080/1051712X.2019.1611082
Wu, L.-H., Wu, L.-C. & Chang, S.-C. (2016). Exploring consumers’ intention to accept smartwatch.
Computers in Human Behavior, 64, 383–392. https://doi.org/10.1016/j.chb.2016.07.005
Xiao, M. (2020). Factors influencing esports viewership: An approach based on the theory of
reasoned action. Communication & Sport, 8(1), 92-122.
https://doi.org/10.1177/2167479518819482
Yang, H. L. & Lin, C. L. (2014). Why do people stick to Facebook web site? A value theory based
view. Information Technology & People. 27(1), 21-37. https://doi.org/10.1108/ITP-
112012-0130
Yin, J. & Qiu, X. (2021). AI technology and online purchase intention: Structural equation model
based on perceived value. Sustainability, 13(10), 5671. https://doi.org/10.3390/su13105671
Yousafzai, S. Y., Foxall, G. R. & Pallister, J. G. (2010). Explaining internet banking behavior:
Theory of reasoned action, theory of planned behavior, or technology acceptance model?
Journal of Applied Social Psychology, 40(5), 1172-1202.
https://doi.org/10.1111/j.15591816.2010.00615.x
Zhao, T., Cui, J., Hu, J., Dai, Y. & Zhou, Y. (2022). “Is artificial intelligence custome service
satisfactory? Insights based on microblog data and user interviews,” Cyberpsychology,
Behavior and Social Networking 25(2): 110–117. https://doi.org/ 10.1089/cyber.2021.0155

www.turkishstudies.net/economy

View publication stats

You might also like