تحلیل روندها و فرصت‌های هوش مصنوعی در توصیه‌های شخصی‌سازی ‌شده محصول

تحلیل روندها و فرصت‌های هوش مصنوعی در توصیه‌های شخصی‌سازی ‌شده محصول

محمد علی ناروئی ده چیل1 سید علی هاشمی2 طهمورث سهرابی3

1) دانش آموخته کارشناسی ارشد مهندسی برق، دانشگاه شهید بهشتی،
2) دانشجوی کارشناسی ارشد مدیریت کسب‌وکار، دانشگاه آزاد واحد علوم تحقیقات،
3) استادیار گروه مدیریت، دانشگاه آزاد واحد علوم تحقیقات،

کد IOI مقاله : AABF-AADDGK
محل انتشار : سومین کنفرانس بین المللی پژوهش های کاربردی در علوم انسانی، اقتصاد، مدیریت و حسابداری(icrhema.com/3rd)
چکیده :
    این پژوهش با هدف بررسی کاربردهای هوش مصنوعی در سیستم‌های شخصی‌سازی توصیه‌های محصول در تجارت الکترونیک انجام شده است. با توجه به تحولات فناوری و نقش هوش مصنوعی در بهبود تجربه مشتری، این مطالعه به دنبال شناسایی روش‌هایی است که هوش مصنوعی می‌تواند به سیستم‌های توصیه‌گر کمک کند تا پیشنهادهای دقیق‌تر و مرتبط ‌تری ارائه دهند. روش تحقیق مورد استفاده، مرور سیستماتیک منابع است که با جستجو در پایگاه‌های علمی معتبر مانند ACM، ScienceDirect، و Scopus و با کلیدواژه‌های مرتبط از سال 2020 تاکنون انجام شده است. یافته‌ها نشان می‌دهد که هوش مصنوعی در پنج حوزه اصلی به سیستم‌های توصیه‌گر کمک می‌کند: 1) مدیریت سربار اطلاعات از طریق الگوریتم‌های یادگیری عمیق، 2) سیستم‌هایبهبود تعامل کاربرسیستم‌های با استفاده از چت‌بات‌های هوشمند، 3) سیستم‌هایتحلیل احساسات و عقیده‌کاوی برای درک ترجیحات مشتریان، 4) افزایش دقت پیش‌بینی با شبکه‌های عصبی و یادگیری ماشین، و 5) حل مشکل پراکندگی داده‌ها با تکنیک‌هایی مانند یادگیری انتقالی. همچنین، پردازش تصویر و پردازش زبان طبیعی (NLP) به عنوان ابزارهای مکمل شناسایی شدند. نتایج نشان می‌دهد که هوش مصنوعی نه‌تنها کارایی سیستم‌های توصیه‌گر را افزایش می‌دهد، بلکه به یک مزیت رقابتی برای کسب‌وکارهای تجارت الکترونیک تبدیل شده است. با این حال، چالش‌هایی مانند مسئله شروع سرد و نیاز به داده‌های باکیفیت همچنان وجود دارند که نیازمند پژوهش‌های آینده هستند.

کلمات کلیدی : هوش مصنوعی تجارت الکترونیک سیستم¬های توصیه¬گر شخصی سازی محصول