ترکیب تحلیل احساسات و داده‌های رفتاری مشتریان برای بهبود پیش‌بینی رفتار خرید و ارزش طول عمر مشتری در فروشگاه‌های آنلاین

فروزان بلگوری1 حسن ضیافت2

چکیده :
تحلیل رفتار خرید مشتریان و پیش‌بینی ارزش طول عمر آنان از مهم‌ترین موضوعات در بازاریابی دیجیتال و مدیریت ارتباط با مشتری محسوب می‌شود. پژوهش حاضر با هدف بررسی تأثیر ترکیب داده‌های متنی، رفتاری و تراکنشی بر بهبود دقت پیش‌بینی CLV و رفتار خرید مشتریان انجام شده است. در این پژوهش، داده‌های مربوط به تراکنش‌ها، رفتار مرور کاربران و نظرات متنی مشتریان جمع‌آوری و پس از پیش‌پردازش، تحلیل احساسات بر روی داده‌های متنی اجرا شد تا ابعاد عاطفی رفتار مصرف‌کننده استخراج گردد. سپس داده‌های حاصل از تحلیل احساسات با ویژگی‌های رفتاری و تراکنشی ادغام و در مدل‌های یادگیری ماشین مورد استفاده قرار گرفتند. عملکرد الگوریتم‌های مختلف شامل Random Forest، XGBoost و LSTM مورد ارزیابی قرار گرفت. نتایج نشان داد افزودن ویژگی‌های حاصل از تحلیل احساسات به مدل، موجب افزایش دقت پیش‌بینی و کاهش خطا در برآورد CLV و رفتار خرید شده است. همچنین یافته‌ها بیانگر آن است که ترکیب داده‌های ساختاریافته و غیرساختاریافته می‌تواند در طراحی کمپین‌های هدفمند، شخصی‌سازی خدمات و افزایش وفاداری مشتریان نقش مؤثری ایفا کند.

کلمات کلیدی : ارزش طول عمر مشتری (clv) یادگیری ماشین رفتار خرید مشتری تحلیل احساسات پیش‌بینی رفتار مشتری


زبان مقاله : فارسی
محور مقاله : محورهای نظری هوش مصنوعی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABFEGC
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABFEGC

سایر مقالات ارائه دهنده
  1. امکان‌سنجی حضور هوش مصنوعی به‌عنوان عضو تیم چابک: مدل مفهومی و ارزیابی ظرفیت‌های پشتیبان در توسعه نرم‌افزار ایرانی
  2. پذیرش و اعتماد توسعه‌دهندگان ایرانی نسبت به همکاری با هوش مصنوعی در تیم‌های چابک: طرح پژوهش پیمایشی
  3. ارائه مدل ترکیبی RL–LSTM برای پیش‌بینی پویا و دقیق ارزش طول عمر مشتری در فروشگاه‌های آنلاین
  4. ترکیب تحلیل احساسات و داده‌های رفتاری مشتریان برای بهبود پیش‌بینی رفتار خرید و ارزش طول عمر مشتری در فروشگاه‌های آنلاین
  5. طراحی سیستم توصیه‌گر و بازاریابی پویا مبتنی بر هوش مصنوعی و داده‌های احساسات کاربران در شبکه‌های اجتماعی برای تجارت الکترونیک
  6. طراحی سیستم توصیه‌گر هوشمند مبتنی بر تحلیل احساسات شبکه‌های اجتماعی و یادگیری تقویتی عمیق برای بهبود کیفیت توصیه در تجارت الکترونیک
  7. تحلیل تأثیر داده‌های شبکه‌های اجتماعی و یادگیری تقویتی بر شاخص‌های تجاری سیستم‌های توصیه‌گر در تجارت الکترونیک
  8. طراحی و ارزیابی یک سیستم توصیه‌گر ترکیبی مبتنی بر فیلترینگ مشارکتی، فیلترینگ مبتنی بر محتوا و NeuMF با وزن‌دهی پویا برای شخصی‌سازی منوهای اپلیکیشن‌های موبایلی
  9. تحلیل تجربی تأثیر وزن‌دهی پویا در سیستم‌های توصیه‌گر هیبریدی برای شخصی‌سازی خدمات اپلیکیشن‌های بانکی
  10. تأثیر شخصی سازی مبتنی بر هوش مصنوعی بر رضایت ادراک شده مشتری
سایر مقالات محل انتشار
  1. A Study on Design Understandability and Interaction of the therapy-specific Robots
  2. طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتی‌ژن
  3. طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
  4. یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکه‌های خودرویی شهرهای هوشمند با استفاده از داده‌های ترافیکی شبکه سلولی
  5. An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
  6. تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکه‌های عصبی
  7. Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
  8. ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
  9. کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
  10. Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
  11. Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
  12. تحلیل آینده‌پژوهانه هم‌گرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
  13. نقش تحول دیجیتال در خدمات کتابخانه‌های عمومی برای توان‌یابان جسمی و ذهنی
  14. Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
  15. Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems