📈 economics

Artificial Intelligence in Online Shopping and its Impact on Customer Loyalty: An Integration of TAM and TPB

यह अध्ययन 512 भारतीय ऑनलाइन खरीदारों के डेटा का उपयोग करके एक एकीकृत TAM-TPB ढांचे को अनुभवजन्य रूप से मान्य करता है ताकि यह प्रदर्शित किया जा सके कि एआई (AI) धारणाएं, विशेष रूप से बुद्धिमत्ता और वैयक्तिकरण, कथित उपयोगिता, एआई शॉपिंग के प्रति दृष्टिकोण और खरीद इरादे के क्रमिक मध्यस्थता के माध्यम से ग्राहक निष्ठा को संचालित करती हैं।

मूल लेखक: Doddahulugappa Goutam, Shirshendu Ganguli

प्रकाशित 2026-07-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Doddahulugappa Goutam, Shirshendu Ganguli

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, अराजक सुपरमार्केट में कदम रखते हैं जहाँ गलियारे मीलों तक फैले हुए हैं, अलमारियाँ लाखों उत्पादों से भरी हुई हैं, और कर्मचारी अदृश्य हैं। यह ऑनलाइन शॉपिंग है। अब, कल्पना कीजिए कि एक सुपर-स्मार्ट, अदृश्य सहायक जिसका नाम "AI" है, आपके साथ चलता है, उसे ठीक से पता है कि आपको क्या पसंद है, और वह आपको चीजें खोजने में तुरंत मदद करता है।

यह शोध पत्र एक सरल लेकिन महत्वपूर्ण प्रश्न पूछता है: क्या इस स्मार्ट सहायक का होना आपको एक वफादार ग्राहक बनाता है जो बार-बार वापस आता है, या यह सिर्फ इसलिए है कि आप एक बार खरीदारी करें और चले जाएं?

लेखक, भारत के खरीदारों का अध्ययन करते हुए, यह समझने के लिए एक "नुस्खा" (recipe) तैयार किया कि यह कैसे काम करता है। उन्होंने दो प्रसिद्ध मनोवैज्ञानिक सिद्धांतों (TAM और TPB) को मिलाकर ग्राहक के दिमाग का एक मानचित्र बनाने के लिए उन्हें जोड़ा। उनके निष्कर्षों का विवरण सरल उपमाओं (analogies) का उपयोग करके यहाँ दिया गया है।

चार सामग्रियां (AI की विशेषताएं)

शोधकर्ताओं ने पाया कि AI अनुभव के चार विशिष्ट "स्वाद" यह निर्धारित करते हैं कि एक खरीदार सिस्टम को कितना उपयोगी समझता है:

कथित बुद्धिमत्ता (The "Brain" - मस्तिष्क): यह है कि AI कितना स्मार्ट लगता है। क्या यह आपके संदर्भ (context) को समझता है? क्या यह आपकी प्राथमिकताओं को सीखता है?
- उपमा: यह एक वेंडिंग मशीन और एक व्यक्तिगत शेफ के बीच का अंतर है जो केवल "A1" दबाने पर आपको सोडा देता है, बनाम एक ऐसा शेफ जो जानता है कि आपको धनिया पसंद नहीं है और वह आपको एक ऐसा व्यंजन सुझाता है जिसे आप वास्तव में पसंद करेंगे। AI जितना स्मार्ट महसूस होता है, उतना ही उपयोगी महसूस होता है।
वैयक्तिकरण की गुणवत्ता (The "Tailor" - दर्जी): यह है कि AI अनुभव को आपके लिए कितनी अच्छी तरह से अनुकूलित करता है।
- उपमा: कल्पना कीजिए कि आप एक स्टोर में जाते हैं जहाँ पुतले (mannequins) बिल्कुल आपके आकार और शैली के कपड़े पहने हुए हैं, और संगीत आपका पसंदीदा जॉनर है। यदि AI आपकी सिफारिशें सही करता है, तो यह एक कस्टम सूट जैसा महसूस होता है; यदि यह गलत होता है, तो यह किसी और के कपड़े पहनने जैसा महसूस होता है।
परस्पर क्रियाशीलता (The "Conversation" - बातचीत): यह है कि चैट कितनी स्वाभाविक और उत्तरदायी लगती है।
- उपमा: क्या AI एक टूटे हुए रोबोट की तरह है जो केवल "Error" कहता है, या यह एक मिलनसार दुकानदार की तरह है जो सुनता है, सिर हिलाता है और वास्तविक समय में आपके सवालों के जवाब देता है?
AI-संचालित विश्वास (The "Handshake" - हाथ मिलाना): यह है कि क्या आप विश्वास करते हैं कि AI ईमानदार है और आपके डेटा के साथ सुरक्षित है।
- उपमा: यह उस भावना के समान है जो आपको तब आती है जब आप किसी अजनबी को अपना क्रेडिट कार्ड सौंपते हैं। यदि आप उन पर भरोसा करते हैं, तो आप सुरक्षित महसूस करते हैं। यदि नहीं, तो आप अपना हाथ पीछे खींच लेते हैं।

श्रृंखला अभिक्रिया (Loyalty कैसे बनती है)

पेपर तर्क देता है कि ये चार सामग्रियां जादू से वफादारी पैदा नहीं करतीं। इसके बजाय, वे एक डोमिनो प्रभाव (एक क्रमिक श्रृंखला) शुरू करती हैं:

चरण 1: "उपयोगी" महसूस करना (संज्ञानात्मक/Cognitive)
सबसे पहले, AI की बुद्धिमत्ता और वैयक्तिकरण खरीदार को यह सोचने पर मजबूर करते हैं, "वाह, यह मेरा समय बचाता है और मुझे वह खोजने में मदद करता है जिसकी मुझे आवश्यकता है।" यह कथित उपयोगिता (Perceived Usefulness) है।
- रूपक: आप महसूस करते हैं कि आपकी कार का GPS वास्तव में आपको ट्रैफिक से बचाने में मदद कर रहा है, न कि केवल एक नक्शा दिखा रहा है।
चरण 2: "पसंद करने" का अहसास (अभिवृत्ति/Attitude)
एक बार जब खरीदार को एहसास होता है कि AI उपयोगी है, तो वे अनुभव को पसंद करने लगते हैं। वे AI का उपयोग करने के प्रति सकारात्मक भावनाएं महसूस करते हैं।

रूपक: क्योंकि GPS ने आपका समय बचाया, इसलिए आप GPS के साथ गाड़ी चलाने का आनंद लेने लगते हैं। आप उस टूल के प्रति लगाव विकसित करते हैं।

चरण 3: "मैं खरीदना चाहता हूँ" का अहसास (इरादा/Intention)
क्योंकि वे अनुभव को पसंद करते हैं, इसलिए वे खरीदारी करने का एक मजबूत इरादा बनाते हैं।
- रूपक: आप तय करते हैं, "मैं अपनी अगली यात्रा के लिए इस GPS का फिर से उपयोग करूँगा।"
चरण 4: "वफादारी" (परिणाम/Loyalty)
अंत में, यह इरादा ग्राहक वफादारी (Customer Loyalty) में बदल जाता है। आप केवल एक बार नहीं खरीदते; आप बार-बार वापस आते हैं और अपने दोस्तों को बताते हैं।
- रूपक: आप उस GPS ऐप के ब्रांड एंबेसडर बन जाते हैं।

मुख्य निष्कर्ष (डेटा ने क्या कहा)

शोधकर्ताओं ने भारत में 512 ऑनलाइन खरीदारों का सर्वेक्षण किया और आंकड़ों का विश्लेषण किया। यहाँ उन्होंने क्या खोजा:

बुद्धिमत्ता ही सर्वोपरि है (Intelligence is King): वह सबसे बड़ा कारक जिसने लोगों को यह महसूस कराया कि AI "उपयोगी" है, वह था कि AI कितना स्मार्ट लगा। यदि AI मूर्खतापूर्ण व्यवहार करता है, तो कुछ भी मायने नहीं रखता।
विश्वास ही आधार है (Trust is the Glue): विश्वास ने केवल लोगों को खरीदारी करने में मदद नहीं की; यह लोगों को AI शॉपिंग अनुभव को पसंद करने के लिए सबसे मजबूत कारक था। एक ऐसे बाजार में जहाँ लोग डेटा गोपनीयता के बारे में चिंतित हैं, विश्वास एक अच्छे दृष्टिकोण की नींव है।
"पसंद करने" का कारक महत्वपूर्ण है: अध्ययन ने पाया कि अभिवृत्ति (Attitude) (आप AI को कितना पसंद करते हैं) वास्तव में खरीदने के इरादे का सबसे शक्तिशाली भविष्यवक्ता है। यह पर्याप्त नहीं है कि AI उपयोगी हो; आपको इसका उपयोग करने में आनंद भी लेना होगा।
यह एक श्रृंखला है, छलांग नहीं: आप चरणों को छोड़ नहीं सकते। AI को पहले उपयोगी होना चाहिए, जिससे आप उसे पसंद करने लगते हैं, जिससे आप खरीदना चाहते हैं, जिससे आप वफादार बनते हैं। यदि आप श्रृंखला को तोड़ देते हैं (जैसे, AI उपयोगी है लेकिन आप उस पर विश्वास नहीं करते हैं), तो वफादारी नहीं होती।

निचोड़ (The Bottom Line)

पेपर निष्कर्ष निकालता है कि ऑनलाइन स्टोरों को ग्राहकों को बनाए रखने के लिए, वे केवल अपनी वेबसाइट पर एक AI चैटबॉट नहीं लगा सकते। उन्हें एक ऐसा सिस्टम बनाना होगा जो बुद्धिमान, वैयक्तिकृत, संवादात्मक और विश्वसनीय महसूस हो।

यदि वे ऐसा करते हैं, तो ग्राहक का मस्तिष्क एक विशिष्ट यात्रा से गुजरता है: "यह उपयोगी है" → "मैं इसे पसंद करता हूँ" → "मैं खरीदना चाहता हूँ" → "मैं वफादार रहूँगा।"

अध्ययन सुझाव देता है कि भारतीय बाजार (और संभवतः अन्य स्थानों) में, AI अनुभव की गुणवत्ता ही नया लॉयल्टी प्रोग्राम है। यह अब कूपन या पॉइंट्स के बारे में नहीं है; यह इस बारे में है कि डिजिटल सहायक आपको कितना समझा हुआ और सुरक्षित महसूस कराता है।

तकनीकी सारांश: ऑनलाइन शॉपिंग में आर्टिफिशियल इंटेलिजेंस और ग्राहक निष्ठा (Customer Loyalty) पर इसका प्रभाव

समस्या विवरण और अनुसंधान अंतराल (Research Gap)
ऑनलाइन रिटेल में आर्टिफिशियल इंटेलिजेंस (AI) का तीव्र एकीकरण—जिसमें अनुशंसा इंजन (recommendation engines), संवादात्मक एजेंट (conversational agents) और भविष्य कहनेवाला विश्लेषण (predictive analytics) शामिल हैं—ने उपभोक्ता व्यवहार को पुनर्परिभाषित किया है। हालाँकि, साहित्य विशेष रूप से इस संबंध में सैद्धांतिक रूप से असंबद्ध बना हुआ है कि AI का उपयोग किस प्रकार दीर्घकालिक ग्राहक निष्ठा में परिवर्तित होता है, विशेष रूप से भारत जैसे उभरते बाजारों में। मौजूदा अध्ययन या तो तकनीकी स्वीकृति (TAM संरचनाओं पर ध्यान केंद्रित करते हुए) या सामान्य निष्ठा के पूर्ववृत्तों (antecedents) को अलग-थलग करने की प्रवृत्ति रखते हैं, जो AI-विशिष्ट धारणाओं (बुद्धिमत्ता, वैयक्तिकरण, अंतरक्रियाशीलता, विश्वास) को एक एकीकृत संरचनात्मक मॉडल में एकीकृत करने में विफल रहते हैं। इसके अलावा, कथित उपयोगिता (perceived usefulness), दृष्टिकोण (attitude) और क्रय इरादे (purchase intention) के माध्यम से AI धारणाओं को निष्ठा से जोड़ने वाले अनुक्रमिक संज्ञानात्मक-अभिवृत्ति-इच्छा (cognitive-attitudinal-volitional) पथ का अनुभवजन्य परीक्षण नहीं किया गया है। यह अध्ययन एक एकीकृत टेक्नोलॉजी एक्सेप्टेंस मॉडल (TAM) और थ्योरी ऑफ प्लेन्ड बिहेवियर (TPB) ढांचे को भारतीय ई-कॉमर्स संदर्भ के भीतर विकसित और मान्य करके इन अंतरालों को संबोधित करता है।

कार्यप्रणाली (Methodology)
यह अध्ययन एक उत्तर-प्रत्यक्षवादी (post-positivist) दार्शनिक दृष्टिकोण पर आधारित एक निगमनात्मक (deductive), क्रॉस-सेक्शनल सर्वेक्षण डिजाइन का उपयोग करता है।

डेटा संग्रह: प्राथमिक डेटा फरवरी और अप्रैल 2025 के बीच एक इलेक्ट्रॉनिक सर्वेक्षण (गूगल फॉर्म्स) के माध्यम से एकत्र किया गया था। लक्षित जनसंख्या उन वयस्कों (18+) की थी जो मेट्रो और गैर-मेट्रो भारतीय शहरों में रहते थे और जिन्होंने पिछले तीन महीनों में कम से कम दो बार AI-आधारित कार्यों (अनुशंसाओं, चैटबॉट्स, वर्चुअल असिस्टेंट) का उपयोग किया था।
नमूनाकरण (Sampling): शहर के स्तर और लिंग के संबंध में एक स्तरीकृत उद्देश्यपूर्ण नमूनाकरण (stratified purposive sampling) विधि का उपयोग किया गया। 641 प्रारंभिक प्रतिक्रियाओं में से, विश्लेषण के लिए 512 वैध प्रतिक्रियाएं रखी गईं, जो कोवेरिएंस-बेस्ड स्ट्रक्चरल इक्वेशन मॉडलिंग (CB-SEM) की आवश्यकताओं को पूरा करती हैं।
उपकरण (Instrument): अध्ययन ने पूर्व-सत्यापित उपकरणों के आधार पर मल्टी-आइटम रिफ्लेक्टिव स्केल का उपयोग किया, जिसे सात-बिंदु लिकर्ट स्केल पर मापा गया। उपकरण का छह विद्वानों द्वारा पेशेवर मूल्यांकन किया गया और एक पायलट अध्ययन (n=48) भी किया गया।
विश्लेषण: डेटा का विश्लेषण IBM AMOS 26 का उपयोग करके किया गया। विश्लेषणात्मक रणनीति ने दो-चरणीय प्रोटोकॉल का पालन किया: (1) विश्वसनीयता, अभिसरण वैधता (AVE > 0.50), और विभेदक वैधता (HTMT < 0.85) का आकलन करने के लिए कन्फर्मेटरी फैक्टर एनालिसिस (CFA); और (2) अनुक्रमिक अप्रत्यक्ष प्रभावों के परीक्षण के लिए बूटस्ट्रैप्ड मीडिएशन विश्लेषण (5,000 रीसैंपल्स) के साथ स्ट्रक्चरल मॉडल अनुमान। कॉमन मेथड बायस (Common Method Bias) का आकलन हार्मन के सिंगल-फैक्टर टेस्ट और एक लेटेंट फैक्टर दृष्टिकोण के माध्यम से किया गया।

प्रमुख परिणाम
संरचनात्मक मॉडल ने उत्कृष्ट फिट इंडेक्स (CFI = 0.945, TLI = 0.940, RMSEA = 0.042) प्रदर्शित किए और सीधे तौर पर ग्राहक निष्ठा के 34.3% विचरण (variance) की व्याख्या की, जबकि एकीकृत मॉडल ने समग्र रूप से निष्ठा निर्माण (loyalty construct) के 68.3% विचरण की व्याख्या की।

कथित उपयोगिता के पूर्ववृत्त (Antecedents): कथित बुद्धिमत्ता (Perceived intelligence) कथित उपयोगिता के सबसे मजबूत भविष्यवक्ता के रूप में उभरी ( $\beta$ = 0.217), जिसके बाद AI-संचालित विश्वास और वैयक्तिकरण की गुणवत्ता रही। यह सुझाव देता है कि उपभोक्ता AI की कार्यात्मक उपयोगिता का मूल्यांकन मुख्य रूप से इसकी संदर्भ को समझने और प्राथमिकताओं को सीखने की संज्ञानात्मक क्षमता के आधार पर करते हैं।
दृष्टिकोण के पूर्ववृत्त: वैयक्तिकरण की गुणवत्ता, कथित अंतरक्रियाशीलता, AI-संचालित विश्वास और कथित उपयोगिता, इन सभी ने AI शॉपिंग के प्रति दृष्टिकोण को महत्वपूर्ण रूप से प्रभावित किया। विशेष रूप से, AI-संचालित विश्वास दृष्टिकोण का एक मजबूत भविष्यवक्ता था, जो इंगित करता है कि सकारात्मक भावनात्मक रुझान बनाने के लिए सिस्टम की अखंडता में विश्वास महत्वपूर्ण है।
इरादे और निष्ठा के भविष्यवक्ता: AI शॉपिंग के प्रति दृष्टिकोण को क्रय इरादे ( $\beta$ = 0.163) के सबसे मजबूत भविष्यवक्ता और ग्राहक निष्ठा ( $\beta$ = 0.335) के एक मजबूत प्रत्यक्ष भविष्यवक्ता के रूप में पहचाना गया। क्रय इरादे ने भी निष्ठा को महत्वपूर्ण रूप से प्रभावित किया।
अनुक्रमिक मध्यस्थता (Sequential Mediation): बूटस्ट्रैप्ड विश्लेषण ने अनुमानित अनुक्रमिक मध्यस्थता श्रृंखला की पुष्टि की: AI पूर्ववृत्त $\rightarrow$ कथित उपयोगिता $\rightarrow$ AI शॉपिंग के प्रति दृष्टिकोण $\rightarrow$ क्रय इरादा $\rightarrow$ ग्राहक निष्ठा। विशिष्ट पथ, जैसे कि कथित बुद्धिमत्ता $\rightarrow$ कथित उपयोगिता $\rightarrow$ दृष्टिकोण $\rightarrow$ इरादा $\rightarrow$ निष्ठा, सांख्यिकीय रूप से महत्वपूर्ण थे। अध्ययन इस बात की पुष्टि करता है कि कथित उपयोगिता और दृष्टिकोण दोनों आवश्यक, अनुक्रमिक मध्यस्थों के रूप में कार्य करते हैं, न कि अलग-थलग कारकों के रूप में।

प्रमुख योगदान
यह शोध पत्र चार प्राथमिक सैद्धांतिक योगदानों का दावा करता है:

बहुआयामी पूर्ववृत्त मॉडल: यह पारंपरिक TAM द्वय (उपयोगिता/सुगमता) का विस्तार करता है और रिटेल इंटरैक्शन के लिए विशिष्ट एक चार-आयामी AI पूर्ववृत्त मॉडल (कथित बुद्धिमत्ता, वैयक्तिकरण की गुणवत्ता, कथित अंतरक्रियाशीलता और AI-संचालित विश्वास) को पेश और मान्य करता है।
अनुक्रमिक TAM-TPB आर्किटेक्चर: यह एक AI-मध्यस्थ रिटेल संदर्भ में पहले अनुक्रमिक मध्यस्थता आर्किटेक्चर का अनुभवजन्य परीक्षण प्रदान करता है, जो निष्ठा निर्माण में संज्ञानात्मक (उपयोगिता) और दृष्टिकोण संबंधी (attitude) मध्यस्थों के क्रम के बारे में अस्पष्टता को दूर करता है।
दृष्टिकोण की महत्वपूर्ण भूमिका: अध्ययन ने "AI शॉपिंग के प्रति दृष्टिकोण" को एक महत्वपूर्ण मध्यस्थ के रूप में पहचाना है, जो यह दर्शाता है कि यह कथित उपयोगिता या क्रय इरादे के मुकाबले निष्ठा निर्माण के अधिक निकट है।
संदर्भ संवेदनशीलता: अपने मॉडल को भारत में स्थापित करके, यह शोध पश्चिमी और पूर्वी एशियाई नमूनों द्वारा संचालित साहित्य में संदर्भ-संवेदनशील ज्ञान का योगदान देता है, जो उच्च-अनिश्चितता, मोबाइल-फर्स्ट और मूल्य-संवेदनशील उभरते बाजार में AI-निष्ठा तंत्र का दस्तावेजीकरण करता है।

महत्व और दावे
लेखक का दावा है कि यह अध्ययन विविध सांस्कृतिक सेटिंग्स में भविष्य के AI-निष्ठा अनुसंधान के लिए एक मान्य सैद्धांतिक आधार प्रदान करता है। व्यावहारिक रूप से, निष्कर्षों से पता चलता है कि प्लेटफॉर्म डेवलपर्स और मार्केटर्स को सकारात्मक दृष्टिकोण विकसित करने के लिए AI की संज्ञानात्मक परिष्कार (कथित उपयोगिता को बढ़ावा देने के लिए) और इंटरैक्शन की संबंधपरक गुणवत्ता (पारदर्शिता, व्याख्यात्मकता और अंतरक्रियाशीलता) में निवेश को प्राथमिकता देनी चाहिए। शोध पत्र निष्कर्ष निकालता है कि AI-मध्यस्थ संदर्भों में, ग्राहक निष्ठा केवल लेनदेन संबंधी प्रोत्साहनों के बजाय AI अनुभव की गुणवत्ता से प्राप्त संज्ञानात्मक और दृष्टिकोण संबंधी कारकों द्वारा आकार लेती है। अध्ययन अपने क्रॉस-सेक्शनल डिजाइन (जो कारण संबंध/causal inference को रोकता है), संभावित अवशिष्ट कॉमन मेथड बायस, और शहरी/शिक्षित उपभोक्ताओं के असमान प्रतिनिधित्व के संबंध में अपनी सीमाओं को विनम्रतापूर्वक स्वीकार करता है, और भविष्य के अनुदैर्ध्य (longitudinal) और ग्रामीण-केंद्रित अनुसंधान का सुझाव देता है।

चार सामग्रियां (AI की विशेषताएं)

श्रृंखला अभिक्रिया (Loyalty कैसे बनती है)

मुख्य निष्कर्ष (डेटा ने क्या कहा)

निचोड़ (The Bottom Line)

इसी तरह के और पेपर