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