قابليّة استخدام تطبيقات العلامات التجارية: التخصيص

1. الملخص

يُمثّل بُعد التخصيص (Personalisation) أحد الركائز الجوهرية ضمن مقياس قابليّة استخدام تطبيقات العلامات التجارية (Branded App Usability Scale) الذي طوّره الباحثان تيه هيون بيك وتشان يون يو (Baek & Yoo, 2018). صُمم هذا المقياس الفرعي المكوّن من ثلاث فقرات بهدف قياس وتقييم مدى إدراك المستهلكين بأن تطبيق الهاتف المحمول التابع لعلامة تجارية معينة يُعاملهم كعملاء فريدين ومميزين، ويُقدّم لهم خدمات ومحتوى مصممين خصيصاً لتلبية احتياجاتهم وتفضيلاتهم الفردية. ينبثق المقياس من بيئة التفاعل الرقمي المعاصر بين العلامات التجارية والمستهلكين، حيث تحوّلت تطبيقات الهواتف الذكية من مجرد قنوات تسويقية تقليدية إلى منصات تفاعلية ديناميكية ترتكز على تجربة المستخدم (User Experience).

اعتمد تطوير المقياس على منهجية سيكومترية صارمة متعددة المراحل شملت مراجعة نقدية للأدبيات السابقة، ومجموعات تركيز نوعية، وتقييماً للصدق الظاهري والمحتوى من قِبل خبراء أكاديميين ومتخصصين في الصناعة، تلاها تطبيق إجراءات التحليل العاملي الاستكشافي (EFA) والتحليل العاملي التوكيدي (CFA) على عينة قوامها 319 مستخدماً أمريكياً للهواتف الذكية. أظهرت النتائج خصائص سيكومترية ممتازة؛ حيث بلغت قيمة تباين الخطأ المستخرج المتوسط (Average Variance Extracted – AVE) للبُعد 0.62، وهو ما يتجاوز المعيار الموصى به (0.50)، مما يؤكد صدقه التقاربي القوي، إلى جانب تحقيقه لثبات داخلي عالٍ واتساق بنائي متميز. يُستخدم المقياس عبر سلم ليكرت سباعي النقاط، ويُعد أداة بالغة الأهمية في بحوث التسويق الرقمي ونظم المعلومات الإدارية وسلوك المستهلك والتفاعل بين الإنسان والحاسوب (HCI).

2. الكلمات المفتاحية

قابليّة استخدام تطبيقات العلامات التجارية، التخصيص، التفاعل بين الإنسان والحاسوب، تجربة المستخدم، ولاء المستهلك، التسويق عبر الهاتف المحمول، تطبيقات الهواتف الذكية، القياس النفسي، الصدق التقاربي، التحليل العاملي التوكيدي، سلوك المستهلك الرقمي.

3. المؤلفون

طُوِّر المقياس من قِبل باحثَين رائدَين في مجال الإعلان والاتصال التسويقي الرقمي:

• تيه هيون بيك (Tae Hyun Baek): دكتوراه في الإعلان والاتصال الجماهيري، أستاذ مشارك في قسم الاتصال التسويقي المتكامل والعلاقات العامة، كلية الاتصال والمعلومات، جامعة كنتاكي (University of Kentucky)، الولايات المتحدة الأمريكية. تتركز اهتماماته البحثية حول التسويق الرقمي، سلوك المستهلك عبر الأجهزة المحمولة، والتفاعل مع العلامات التجارية. البريد الإلكتروني الأكاديمي: [email protected].
• تشان يون يو (Chan Yun Yoo): دكتوراه في الإعلام والاتصال، أستاذ في قسم الإعلان، كلية إس آي نيوهاوس للاتصالات العامة (S.I. Newhouse School of Public Communications)، جامعة سيراكيوز (Syracuse University)، الولايات المتحدة الأمريكية. ينصب تركيزه البحثي على الإعلان التفاعلي، القياسات النفسية للإعلانات المحوسبة، ومعالجة المستهلك للمعلومات عبر الوسائط الجديدة. البريد الإلكتروني الأكاديمي: [email protected].

4. الغرض

في عصر التحول الرقمي واقتصاد الانتباه، أصبحت تطبيقات الهواتف الذكية المرتبطة بالعلامات التجارية (Branded Mobile Apps) تمثل نقطة التماس المحورية بين المنشأة وجمهورها. يتمثل الغرض الأساسي من مقياس قابلية استخدام تطبيقات العلامات التجارية: بُعد التخصيص في توفير أداة قياس كمية تتسم بالرصانة والفاعلية النفسية لقياس إدراك المستهلك لدرجة التفريد والمعاملة المخصصة التي يحظى بها أثناء تفاعله مع التطبيق. يسعى المقياس إلى الإجابة عن سؤال محوري: إلى أي مدى ينجح التطبيق في تحويل العلاقة الجماهيرية العامة إلى علاقة ثنائية شخصية يشعر فيها المستخدم بأنه معروف ومُقدَّر بصفته فرداً مستقلاً بذاته؟

يخدم هذا المقياس أهدافاً بحثية وتطبيقية متعددة:

• التطبيقات البحثية والأكاديمية: يُمكّن الباحثين في حقول سلوك المستهلك والتسويق التفاعلي ونظم المعلومات من اختبار النماذج البنائية التي تتناول التخصيص كمتغير وسيط أو مستقل يؤثر في مخرجات استراتيجية مثل: التعلق بالعلامة التجارية (Brand Attachment)، الولاء الرقمي (Consumer Loyalty)، النية المستمرة لاستخدام التطبيق (Continuance Intention)، ورأس مال العلامة التجارية القائم على العميل (CBBE).
• التطبيقات العملية والصناعية: يُتيح لمديري المنتجات الرقمية ومصممي تجربة المستخدم (UX Designers) ومسؤولي التسويق تقييم فعالية خوارزميات التوصية الذكية، والواجهات المتكيفة، وأنظمة التنبيهات الموجهة. ومن خلال هذا المقياس، يمكن للشركات تحديد ما إذا كانت استثماراتها في الذكاء الاصطناعي والتعلم الآلي تُترجم فعلياً إلى إدراك حقيقي للتخصيص لدى المستخدم، أم أنها تظل مجرد تحسينات تقنية جافة لا تُحدث صدى نفسياً.

تستند الحاجة إلى هذا المقياس إلى قصور المقاييس التقليدية لقابلية الاستخدام العامة (مثل مقياس قابلية استخدام النظام – SUS) في التقاط الخصائص الدقيقة للبيئات التفاعلية التابعة لعلامات تجارية؛ حيث تركز المقاييس العامة على الكفاءة والفاعلية المجردة، في حين يغفل جانب القيمة العلائقية والنفسية المتمثلة في التخصيص والشعور بالتميز الفردي.

5. البناء النفسي

يُعرَّف البناء النفسي لـ التخصيص في سياق تطبيقات العلامات التجارية بأنه: الدرجة التي يُدرك بها المستخدم أن التطبيق يُمكّنه من إتمام مهامه وتفاعلاته بطريقة تجعله يشعر بأنه عميل فريد، متميز، ومُخدَّم بصورة فردية تتماشى مع رغباته وسماته الشخصية (Baek & Yoo, 2018). ينتمي هذا البُعد إلى البناء الأوسع متعدد الأبعاد: “قابلية استخدام تطبيقات العلامات التجارية” (Branded App Usability)، والذي يتألف من خمسة أبعاد تآزرية: التسهيل أو الملاءمة (Convenience)، التخصيص (Personalisation)، الترفيه (Entertainment)، الأمان (Safety)، وتقديم المعلومات (Information).

يتميز بناء التخصيص بعدة سمات نفسية وإدراكية دقيقة:

• التفريد الإدراكي (Perceived Individuality): إحساس العميل بأن المنظومة الرقمية لا تتعامل معه كجزء من كتلة استهلاكية متجانسة، بل ككيان منفرد له تفضيلاته وسجل نشاطه وتاريخه الخاص.
• الملاءمة السياقية المصممة (Tailored Relevance): ملاءمة المحتوى والوظائف والعروض المعروضة عبر الواجهة مع السياق الحقيقي للمستخدم ولحظته الراهنة، مما يقلل من العبء المعرفي اللازم للبحث والتنقل.
• المعاملة الفردية التقديرية (Catering to Individual Needs): الشعور بأن المنصة الرقمية تبذل جهداً استباقياً لتبسيط رحلة العميل وتلبية احتياجاته دون إلزامه بضبط الإعدادات المعقدة يدوياً.

من المهم التمييز من الناحية البنائية بين مفهومين متقاربين ولكن متباينين نظرياً: التفصيل أو التكييف اليدوي (Customization) والتخصيص (Personalisation). يُشير التفصيل إلى تحكم المستخدم المباشر وتعديله الصريح لخصائص النظام (مثل اختيار الثيمات أو ترتيب الأقسام)، بينما يركز التخصيص المقاس في هذا البناء على استجابة النظام التكيفية الذكية التي تجعل المستخدم يشعر بالمعاملة الفريدة كاستجابة تلقائية لتفاعلاته وسلوكياته السابقة، وهو ما يُعزز من إدراك الدعم الاجتماعي والتقني المقدم من العلامة التجارية.

6. الإطار النظري

يستند بناء مقياس التخصيص إلى تقاطع نظري رصين يجمع بين التفاعل بين الإنسان والحاسوب (HCI)، ونظريات الاتصال الجماهيري، وعلم النفس الإدراكي وسلوك المستهلك. تستمد الأداة جذورها من عدة نماذج نظرية كبرى:

أ. نموذج قبول التكنولوجيا (Technology Acceptance Model – TAM)

يفترض نموذج ديفيس (Davis, 1989) أن تبني التكنولوجيا واستخدامها يعتمدان بشكل أساسي على محددين إدراكيين: الفائدة المتوقعة (Perceived Usefulness) وسهولة الاستخدام المتوقعة (Perceived Ease of Use). يُعد التخصيص محركاً محورياً لهذين المتغيرين؛ فعندما يوفر التطبيق واجهة مخصصة تتوقع حاجات المستخدم، فإنه يُقلل الجهد الإدراكي المطلوب لإتمام المعاملات (زيادة سهولة الاستخدام)، ويُقدم معلومات وخدمات ذات صلة مباشرة بالمستهلك (تعظيم الفائدة المتوقعة).

ب. نظرية الاستخدامات والإشباعات (Uses and Gratifications Theory – U&G)

تنطلق النظرية من افتراض أن المستهلكين يتفاعلون بنشاط مع الوسائط الرقمية سعياً وراء إشباع دوافع محددة. في بيئة الهواتف الذكية، يمثل دافع “التخصيص والاعتراف بالفردية” إشباعاً نفسياً أساسياً يربط المستخدم بالوسيط التقني. يقيس هذا البُعد مدى نجاح واجهة التطبيق في تقديم هذا الإشباع العلائقي من خلال الاعتراف بهوية العميل وتقديم محتوى يلبي دوافعه الذاتية.

ج. نظرية تأثيرات الوسائط التفاعلية (Theory of Interactive Media Effects – TIME)

توضح نظرية صندر (Sundar, 2008) أن خصائص التفاعل التكنولوجي (Modality, Agency, Interactivity, Navigability – MAIN model) تؤثر في الإدراكات المعرفية للمستخدم من خلال تنشيط مسارات تفكير إيجابية. يوفر التخصيص دلالة على فاعلية الوكالة (Agency Cue)، حيث يُشعر المستخدم بأنه شريك في توجيه المحتوى المعروض، مما يولد استجابات وجدانية إيجابية تجاه العلامة التجارية الراعية للتطبيق.

7. الصدق

خضع مقياس التخصيص لسلسلة من الاختبارات الإحصائية والنظرية الصارمة للتحقق من صدقه بمختلف أنواعه وفق المنهجيات السيكومترية الحديثة:

• الصدق الظاهري وصدق المحتوى (Face & Content Validity): تم التحقق من سلامة الفقرات ووضوحها الدلالي من خلال مراجعات نقدية لمجموعات تركيز من مستخدمي الهواتف الذكية، تلتها جولات تحكيم بواسطة لجنة من الأساتذة والخبراء المتخصصين في مجالات التسويق والإعلان الرقمي والتفاعل بين الإنسان والحاسوب للتأكد من شمولية الفقرات وتمثيلها الكامل للمفهوم.
• الصدق التقاربي (Convergent Validity): أظهرت نتائج التحليل العاملي التوكيدي (CFA) أن جميع تشبعات الفقرات (Factor Loadings) على بُعد التخصيص كانت دالة إحصائياً عند مستوى (p < .001) وتجاوزت قيمتها 0.75. وبلغت قيمة تباين الخطأ المستخرج المتوسط (AVE) للبُعد 0.62، وهي قيمة تتجاوز بوضوح الحد الأدنى المقبول إحصائياً (0.50) الموصى به من قِبل فورنيل ولاركر (Fornell & Larcker, 1981)، مما يثبت أن البُعد يُفسر أكثر من 60% من تباين فقراته.
• الصدق التمايزي (Discriminant Validity): تم إثبات الصدق التمايزي للبُعد عبر التحقق من أن الجذر التربيعي لقيمة AVE لبُعد التخصيص (√0.62 ≈ 0.787) كان أعلى من معاملات الارتباط الثنائي بينه وبين الأبعاد الأربعة الأخرى في مقياس قابلية الاستخدام (الملاءمة، الترفيه، الأمان، وتوفير المعلومات). كما أكدت مقارنات النماذج المتنافسة (Constrained vs. Unconstrained Models) التمايز البنائي المستقل لبُعد التخصيص.
• الصدق التنبؤي والمحكي (Predictive & Criterion Validity): برهن التحليل بالمعادلات البنائية (SEM) على قوة الصدق التنبؤي للمقياس؛ حيث أسهم بُعد التخصيص إسهاماً جوهرياً ودالاً إحصائياً في التنبؤ بمتغيرات المخرجات مثل: الرضا عن التطبيق، والاتجاه الإيجابي نحو العلامة التجارية، والولاء السلوكي والاتجاهي للمستهلك (Consumer Loyalty).

8. الثبات

أظهرت نتائج التقييم السيكومتري لمقياس التخصيص مؤشرات ثبات واتساق داخلي متفوقة تؤكد اعتماديته العالية في التطبيقات الميدانية والبحثية:

• معامل ألفا كرونباخ (Cronbach’s Alpha): سجل البُعد معامل اتساق داخلي مرتفعاً تجاوز عتبة 0.80 في مرحلة التحليل الاستكشافي، ووصل إلى قيمة تقارب 0.83 في عينة التحقق النهائي، وهو ما يتجاوز المعيار التقليدي المقبول (0.70) ويعكس تجانساً بنائياً قوياً بين الفقرات الثلاث المكونة للمقياس.
• الثبات المركب (Composite Reliability – CR): تجاوزت قيمة الثبات المركب للبُعد عتبة 0.82، وهي قيمة تدعم جودة البناء وتؤكد أن الفقرات تقيس جميعها المتغير الكامن بدرجة متسقة وخالية نسبياً من أخطاء القياس العشوائية.
• ثبات استقرار القياس: أثبتت التحليلات التوكيدية ثبات النمط البنائي عبر مجموعات ديموغرافية متنوعة ونماذج مختلفة من تطبيقات العلامات التجارية (الخدمية، التجزئة، الترفيهية).

9. التحليل العاملي

تم تطوير البنية العاملية للمقياس والتحقق منها عبر استراتيجية من مرحلتين باستخدام بيانات مستمدة من 319 مستخدماً أمريكياً للهواتف الذكية:

أ. التحليل العاملي الاستكشافي (Exploratory Factor Analysis – EFA)

في المرحلة الأولى لتطوير المقياس، طُبّق تحليل المكونات الأساسية (Principal Axis Factoring) مع التدوير المائل (Promax Rotation) نظراً للافتراض النظري بوجود ارتباطات متبادلة بين أبعاد قابلية الاستخدام. أسفر التحليل عن استخراج خمسة عوامل واضحة المعالم، حيث تجمعت فقرات التخصيص الثلاث في عامل مستقل ذي جذر كامن (Eigenvalue) أكبر من 1.0، وفسر هذا العامل نسبة معنوية من التباين الكلي دون وجود تشبعات متقاطعة (Cross-loadings) تتجاوز 0.30 مع العوامل الأخرى.

ب. التحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA)

في المرحلة اللاحقة، أُجري التحليل العاملي التوكيدي باستخدام نمذجة المعادلات البنائية (SEM) لتقييم مدى مطابقة النموذج النظري للبيانات الميدانية. أظهرت المؤشرات العامة لمطابقة النموذج درجات توافق ممتازة تجاوزت المعايير القياسية الموصى بها عالمياً من قِبل هو وبنتلر (Hu & Bentler, 1999):

• مؤشر المطابقة المقارن (Comparative Fit Index – CFI) > 0.95
• مؤشر تاكر-لويس (Tucker-Lewis Index – TLI) > 0.94
• جذر متوسط مربعات خطأ الاقتراب (Root Mean Square Error of Approximation – RMSEA) < 0.05
• جذر متوسط مربعات البواقي المعياري (Standardized Root Mean Square Residual – SRMR) < 0.05

كانت تشبعات المعاملات المعيارية (Standardized Factor Loadings) لفقرات التخصيص الثلاث جميعها موجبة، قوية، ودالة إحصائياً عند (p < .001)، وتراوحت بين 0.76 و0.82، مما يعكس تمثيلاً بيانياً دقيقاً للبناء الكامن.

10. أداة القياس

• نوع الاختبار: مقياس تقرير ذاتي (Self-report Measure) لتقييم قابلية الاستخدام الإدراكية الرقمية.
• التنسيق: استبيان رقمي أو ورقي قصير وسريع التطبيق.
• عدد الفقرات: 3 فقرات تركز حصرياً على بُعد التخصيص المعاملاتي والإدراكي.
• مقياس الاستجابة: مقياس ليكرت سباعي النقاط (7-point Likert Scale) يتدرج كالتالي:
  • 1 = أعارض بشدة (Strongly Disagree)
  • 2 = أعارض (Disagree)
  • 3 = أعارض إلى حد ما (Somewhat Disagree)
  • 4 = محايد (Neither Agree nor Disagree)
  • 5 = أوافق إلى حد ما (Somewhat Agree)
  • 6 = أوافق (Agree)
  • 7 = أوافق بشدة (Strongly Agree)
• طريقة التصحيح: تُحسب الدرجة الكلية للبُعد عن طريق جمع درجات الفقرات الثلاث وقسمتها على 3 للحصول على الدرجة المتوسطة (Mean Score) التي تتراوح بين 1 و7. تشير الدرجات المرتفعة إلى إدراك عالٍ للتخصيص والرعاية الفردية داخل التطبيق.
• الفقرات المعكوسة: لا توجد فقرات مصاغة بصورة عكسية؛ جميع الفقرات مصاغة إيجابياً لتقليل تشتت المبحوثين.
• زمن التطبيق التقريبي: يستغرق إكمال المقياس الفرعي أقل من دقيقة واحدة.

11. الأذونات والرسوم وسنة الاختبار

نُشر المقياس لأول مرة في عام 2018 في الدورية العلمية المرموقة Journal of Advertising التابعة للرابطة الأمريكية للإعلان (American Academy of Advertising) والمنشورة بواسطة دار النشر تايلور وفرانسيس (Taylor & Francis).

حقوق النشر والملكية الفكرية: حقوق النشر محفوظة للمؤلفين ودار النشر. يُتاح استخدام المقياس مجاناً للأغراض الأكاديمية والبحثية غير الربحية ورسائل الماجستير والدكتوراه بموجب مبدأ الاستخدام العادل (Fair Use)، شريطة الاستشهاد بالورقة العلمية الأصلية بصورة دقيقة وكاملة. أما بالنسبة للأغراض التجارية أو الاستشارات المهنية أو دمج المقياس في برمجيات تجارية لتقييم تجربة المستخدم، فيتعين الحصول على إذن خطي مسبق من دار النشر أو المؤلفين وفق السياسات المعمول بها.

12. المراجع

• Baek, T. H., & Yoo, C. Y. (2018). Branded app usability: Conceptualization, measurement, and prediction of consumer loyalty. Journal of Advertising, 47(1), 70–82. https://doi.org/10.1080/00913367.2017.1405755
• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
• Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Sundar, S. S. (2008). The MAIN model: A heuristic approach to understanding technology effects on credibility. In M. J. Metzger & A. J. Flanagin (Eds.), Digital media, youth, and credibility (pp. 73–100). The MIT Press. https://doi.org/10.1162/dmal.9780262562324.073

13. فقرات المقياس