بهینه‌سازی معنایی محتوا بر پایهE-E-A-T جهت ارتقای اطمینان در سیستم‌های تجارت الکترونیک

بهینه‌سازی معنایی محتوا بر پایهE-E-A-T جهت ارتقای اطمینان در سیستم‌های تجارت الکترونیک

نیلوفر حق بین1 علی سلیمانی2 حسن ضیافت3

1) دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات- تجارت الکترونیکی، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران
2) استادیار و عضو هیات علمی، گروه کامپیوتر ،واحد ملارد، دانشگاه آزاد اسلامی، ملارد، ایران
3) استادیار، گروه کامپیوتر، واحد کاشان، دانشگاه آزاد اسلامی ،کاشان، ایران

کد IOI مقاله : AAHD-ACZBDH
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    با گسترش روزافزون حجم داده‌های تولید شده توسط کاربران و ظهور مدل‌های زبانی بزرگ، چالش تشخیص کیفیت و اعتبار محتوا در موتورهای جستجو و پلتفرم‌های تجارت الکترونیک به یک مسئله حیاتی در حوزه فناوری اطلاعات تبدیل شده است. عدم وجود یک الگوریتم ساختاریافته برای ارزیابی صحت و تخصص محتوا، منجر به کاهش اعتماد کاربران و در نتیجه افت نرخ تبدیل (Conversion Rate) می‌گردد. این پژوهش با هدف طراحی و اعتبارسنجی مدل «بهینه‌سازی سئوی محتوا» (ECSO) بر پایه چارچوب چهارگانه E-E-A-T (تجربه، تخصص، اعتبار و اعتماد) انجام شده است. روش‌شناسی تحقیق بر مبنای «علوم طراحی» (Design Science Research) استوار است که در آن، یک مدل مفهومی و عملیاتی جهت حل شکاف میان کیفیت محتوا و درک کاربر طراحی شده است. برای آزمون فرضیات و اعتبارسنجی مدل، از روش مدل‌سازی معادلات ساختاری (PLS-SEM) بر روی نمونه‌ای از متخصصان حوزه دیجیتال مارکتینگ و تجارت الکترونیک استفاده شد. یافته‌های پژوهش نشان می‌دهد که ادغام مولفه‌های E-E-A-T در ساختار محتوا، نقشی تعیین‌کننده در افزایش سطح اعتماد کاربران و بهبود شاخص‌های عملکردی سیستم‌های فروش آنلاین دارد. این مدل می‌تواند به عنوان یک چارچوب الگوریتمیک برای توسعه ابزارهای خودکار تشخیص کیفیت محتوا در آینده مورد استفاده قرار گیرد.

کلمات کلیدی : هوش مصنوعی در جستجو e e a t مدل ecso علوم طراحی (dsr) اعتماد کاربر تجارت الکترونیک