چکیده:
هدف: گردشگری پزشکی مبحثی است که در سالهای اخیر به دنبال افزایش حضور افراد در پی
درمان بیماری در سایر مناطق و کشورها موردتوجه قرار گرفته است. توجه به گردشگری پزشکی
میتواند باعث رشد چشمگیر صنعت گردشگری شود که یکی از صنایع مهم و موثر در توسعه
اقتصادی است. از طرفی آسیبهای ناشی از بازاریابی سنتی در صنعت پزشکی باعث شد تا در این
پژوهش، استفاده از بازاریابی سبز در این حوزه بررسی و نتایج کاربردی ارائه شود. هدف از انجام این
پژوهش، سنجش تاثیر بازاریابی سبز بر گردشگری پزشکی با بررسی نقش تعدیل کنندگی فناوری بر
این رابطه است.
روش: این پژوهش با استفاده از مطالعات میدانی و توزیع پرسشنامه در میان اعضای نمونه صورت
گرفت که با روش نمونه گیری گلوله برفی از میان 117 نفر از فعالان حوزه گردشگری پزشکی استان
سیستان و بلوچستان انتخاب شدند.
یافته ها: این پژوهش با استفاده از روش الگوریتم کمترین مربعات جزئی در مدل سازی معادلات
ساختاری صورت گرفت و برای تایید پایایی اثر متغیرها و پرسشنامه از آزمون های P Value و آلفای
کرونباخ استفاده شد.
نتیجه: نتایج نمایانگر تایید کلیه متغیرهای پژوهش به این شرح است: اثر تعدیل کنندگی فناوری با
ضریب 0/27،مسئولیت اجتماعی با ضریب 0/30،اثرات زیست محیطی با ضریب 0/26 و در نهایت
بهبود قیمت با ضریب 0/24.
Objective:Medical tourism is a topic that has received increasing attention in recent years as more and more people seek treatment in other regions and countries. Paying attention to medical tourism can boost the tourism industry, which is one of the most important industries influencing economic development. On the other hand, the disadvantages of traditional marketing in the medical industry led us to investigate the use of green marketing in this field and to present practical results. The purpose of this study was to evaluate the impact of green marketing on medical tourism by examining the moderating role of technology on this relationship.
Methodology: This study is based on field studies and questionnaire distribution among selected sample through snowball sampling among 117 medical tourism practitioners in Sistan and Baluchestan province.
Finding:This research has been done by using the partial least squares algorithm in structural equation modeling and to confirm the reliability of variables and questionnaires, P value and Cronbach's alpha coefficients have been used.
Conclution: The results confirm all research variables as follows: Modulating effect of technology with coefficient of 0.27, social responsibility with coefficient of 0.30, environmental effects with coefficient of 0.26 and finally price improvement with coefficient of 0.24.