<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>همایش آروین البرز</PublisherName>
      <JournalTitle>MANJR</JournalTitle>
      <Issn></Issn>
      <Volume>1</Volume>
      <Issue>4</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>10</Month>
        <Day>07</Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Market Analysis and Discovery of Competitive Opportunities in Bibliographic-Based E-Commerce: An International Approach in Business Management</ArticleTitle>
    <VernacularTitle>تحلیل بازار و کشف فرصت‌های رقابتی در تجارت الکترونیک مبتنی بر کتابدانه: رویکردی بین‌المللی در مدیریت بازرگانی</VernacularTitle>
    <FirstPage>111</FirstPage>
    <LastPage>135</LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>لیلا</FirstName>
                <Affiliation>کارشناسی ارشد مدیریت بازرگانی گرایش بازرگانی بین الملل، دانشگاه غیرانتفاعی تابران، مشهد، ایران.</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2025</Year>
        <Month>10</Month>
        <Day>01</Day>
      </PubDate>
    </History>

    <Abstract>E-commerce, as one of the most dynamic economic sectors, has required new approaches to market analysis and discovery of competitive opportunities in recent years due to significant technological developments and changes in consumer behavior. The &amp;ldquo;Katabadane&amp;rdquo; platform, as an innovative framework in digital publishing and educational content delivery, has a special capacity to combine data mining and improve business performance. In the context of global competition, utilizing internal and external data to identify demand patterns, analyze competitors, and predict trends has become one of the vital necessities of this ecosystem. The aim of this research is to present an applicable model in the bibliographic context to improve strategic decision-making, identify new customer needs, and increase the market share of publishers and authors in the field of digital and printed books. The research method is based on a mixed methods approach and is designed to include three main parts: (1) primary research including online surveys and focus groups to extract needs and preferences; (2) secondary research including analysis of market reports, historical sales data, and competitor information; and (3) using advanced analytics tools such as Google Analytics, machine learning, and economic scenario simulation to predict future consumer behavior. The study findings show that the bibliographic approach, using deep data mining, increases the accuracy of forecasts, identifies new market opportunities, optimizes marketing strategies, and enhances the user experience through personalized recommendations. In addition, the use of direct publisher-audience interaction has led to improved quality of published works and enhanced customer loyalty. In conclusion, the study emphasizes that in order to maintain a competitive advantage in e-book commerce, it is necessary to continuously invest in new data analysis technologies, develop a culture of accepting change in the organization, and create a collaborative ecosystem between publishers, authors, and readers. Thus, bibliographic can be considered as a successful model in the convergence of international business management and the digital publishing industry.</Abstract>
    <OtherAbstract Language="FA">تجارت الکترونیک به عنوان یکی از پویاترین حوزه‌های اقتصادی، طی سال‌های اخیر با تحول چشمگیر فناوری و تغییر رفتار مصرف‌کنندگان، نیازمند رویکردهای نوین برای تحلیل بازار و کشف فرصت‌های رقابتی شده است. پلتفرم &amp;laquo;کتابدانه&amp;raquo; به عنوان یک چارچوب نوآورانه در نشر دیجیتال و عرضه محتوای آموزشی، ظرفیت ویژه‌ای برای ترکیب داده‌کاوی و بهبود عملکرد کسب‌وکارها دارد. در شرایط رقابت جهانی، بهره‌گیری از داده‌های داخلی و خارجی جهت شناسایی الگوهای تقاضا، تحلیل رقبا و پیش‌بینی روندها، به یکی از ضرورت‌های حیاتی این اکوسیستم تبدیل شده است. هدف این پژوهش ارائه یک مدل کاربردی در بستر کتابدانه برای بهبود تصمیم‌گیری استراتژیک، شناسایی نیازهای جدید مشتریان و افزایش سهم بازار ناشران و نویسندگان در حوزه کتاب دیجیتال و چاپی می‌باشد. روش تحقیق بر پایه رویکرد ترکیبی (Mixed Methods) و شامل سه بخش اصلی طراحی شده است: (1) تحقیقات اولیه شامل نظرسنجی‌های آنلاین و گروه‌های کانونی برای استخراج نیازها و ترجیحات؛ (2) تحقیقات ثانویه شامل تحلیل گزارش‌های بازار، داده‌های فروش تاریخی و اطلاعات رقبا؛ و (3) استفاده از ابزارهای تحلیل پیشرفته مانند Google Analytics، یادگیری ماشین و شبیه‌سازی سناریوهای اقتصادی برای پیش‌بینی رفتار آینده مصرف‌کنندگان. یافته‌های مطالعه نشان می‌دهد که رویکرد کتابدانه با بهره‌گیری از داده‌کاوی عمیق، موجب افزایش دقت پیش‌بینی‌ها، شناسایی فرصت‌های نوین بازار، بهینه‌سازی استراتژی‌های بازاریابی و تقویت تجربه کاربری از طریق پیشنهادات شخصی‌سازی‌شده می‌شود. علاوه بر این، استفاده از قابلیت تعامل مستقیم ناشر و مخاطب، منجر به بهبود کیفی آثار نشر و ارتقاء وفاداری مشتری گردیده است. در نتیجه‌گیری، پژوهش تأکید می‌کند که برای حفظ مزیت رقابتی در تجارت الکترونیک کتاب، لازم است سرمایه‌گذاری مستمر بر فناوری‌های نوین تحلیل داده، توسعه فرهنگ پذیرش تغییر در سازمان، و ایجاد اکوسیستم مشارکتی بین ناشران، نویسندگان و خوانندگان صورت پذیرد. بدین ترتیب، کتابدانه می‌تواند به عنوان یک الگوی موفق در همگرایی مدیریت بازرگانی بین‌الملل و صنعت نشر دیجیتال مطرح شود.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">E-commerce</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">bibliography</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">market analysis</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">data mining</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">competitive opportunities</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/313684</ArchiveCopySource>
  </Article>
</ArticleSet>
