دوره 14، شماره 54 - ( بهار 1405 )
جلد 14 شماره 54 صفحات 110-99 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Karimi Kundzi M, parvini Y. Designing a customer behavior prediction model using social media interaction data. IUESA 2026; 14 (54) :99-110
URL: http://iueam.ir/article-1-2253-fa.html
URL: http://iueam.ir/article-1-2253-fa.html
کریمی کندزی محمدرضا، پروینی یاسر. طراحی مدل پیش بینی رفتار مشتری با استفاده از داده های تعاملی رسانه های اجتماعی. فصلنامه علمی-پژوهشی اقتصاد و مدیریت شهری. 1405; 14 (54) :99-110
1- استادیار مدیریت، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران
2- دکتری مدیریت رسانه، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران ،yaserparvini4261@gmail.com
2- دکتری مدیریت رسانه، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران ،
چکیده: (9 مشاهده)
چکیده
پژوهش حاضر با هدف طراحی مدل پیش بینی رفتار مشتری با استفاده از داده های تعاملی رسانه های اجتماعی انجام شد. این مطالعه از رویکرد کیفی و روش گراندد تئوری با فرایند نظام مند استراوس و کوربین بهره برده است تا مفاهیم و الگوهای موجود در داده های مصاحبه با خبرگان استخراج شود. داده ها از طریق مصاحبه عمیق با ۹ نفر از مدیران و کارشناسان دیجیتال مارکتینگ جمع آوری و پس از کدگذاری باز، کدگذاری محوری و انتخابی تحلیل شد. ۱۶ مقوله فرعی شناسایی شد که در قالب شرایط زمینه ای، شرایط علی، شرایط مداخله گر، راهبردها و پیامدها دسته بندی شدند. نتایج نشان دادند که علاقه اولیه کاربران، تعامل فعال با محتوا، تاثیر تجربیات دیگران و الگوهای رفتاری پنهان به عنوان شرایط زمینه ای رفتار مشتری عمل می کنند و زمان بندی محتوا، جذابیت محتوای ارائه شده و رفتار مقطعی کاربران نقش شرایط علی را دارند. همچنین بازخورد منفی و اصلاح استراتژی، شاخص های پیش بینی رفتار، استفاده از داده های ترکیبی و چالش های داده ای به عنوان شرایط مداخله گر بر رفتار کاربران اثرگذار هستند و راهبردهای هدفمند شامل تبلیغات و محتوای تخصصی، ابزارهای تحلیل پیشرفته و تحلیل داستانی نمونه های واقعی موجب بهبود دقت پیش بینی رفتار مشتری می شوند. پیامد اصلی این مدل شامل افزایش وفاداری مشتریان و بهبود مدل پیش بینی رفتار است که میتواند به تصمیمات بازاریابی هوشمند و استراتژی های موثر کمک کند. این پژوهش با ارائه مدلی سیستماتیک و جامع برای تحلیل داده های تعاملی کاربران، زمینه را برای استفاده هدفمند کسب وکارها از شبکه های اجتماعی فراهم می کند و امکان شناسایی الگوهای رفتاری پنهان و پیش بینی رفتار بلندمدت مشتریان را فراهم می سازد.
پژوهش حاضر با هدف طراحی مدل پیش بینی رفتار مشتری با استفاده از داده های تعاملی رسانه های اجتماعی انجام شد. این مطالعه از رویکرد کیفی و روش گراندد تئوری با فرایند نظام مند استراوس و کوربین بهره برده است تا مفاهیم و الگوهای موجود در داده های مصاحبه با خبرگان استخراج شود. داده ها از طریق مصاحبه عمیق با ۹ نفر از مدیران و کارشناسان دیجیتال مارکتینگ جمع آوری و پس از کدگذاری باز، کدگذاری محوری و انتخابی تحلیل شد. ۱۶ مقوله فرعی شناسایی شد که در قالب شرایط زمینه ای، شرایط علی، شرایط مداخله گر، راهبردها و پیامدها دسته بندی شدند. نتایج نشان دادند که علاقه اولیه کاربران، تعامل فعال با محتوا، تاثیر تجربیات دیگران و الگوهای رفتاری پنهان به عنوان شرایط زمینه ای رفتار مشتری عمل می کنند و زمان بندی محتوا، جذابیت محتوای ارائه شده و رفتار مقطعی کاربران نقش شرایط علی را دارند. همچنین بازخورد منفی و اصلاح استراتژی، شاخص های پیش بینی رفتار، استفاده از داده های ترکیبی و چالش های داده ای به عنوان شرایط مداخله گر بر رفتار کاربران اثرگذار هستند و راهبردهای هدفمند شامل تبلیغات و محتوای تخصصی، ابزارهای تحلیل پیشرفته و تحلیل داستانی نمونه های واقعی موجب بهبود دقت پیش بینی رفتار مشتری می شوند. پیامد اصلی این مدل شامل افزایش وفاداری مشتریان و بهبود مدل پیش بینی رفتار است که میتواند به تصمیمات بازاریابی هوشمند و استراتژی های موثر کمک کند. این پژوهش با ارائه مدلی سیستماتیک و جامع برای تحلیل داده های تعاملی کاربران، زمینه را برای استفاده هدفمند کسب وکارها از شبکه های اجتماعی فراهم می کند و امکان شناسایی الگوهای رفتاری پنهان و پیش بینی رفتار بلندمدت مشتریان را فراهم می سازد.
واژههای کلیدی: پیش بینی رفتار مشتری، داده های تعاملی، رسانه های اجتماعی، بازاریابی دیجیتال، دیجیتال مارکتینگ.
نوع مطالعه: پژوهشي |
موضوع مقاله:
عمومى
دریافت: 1404/10/1 | پذیرش: 1405/1/10 | انتشار: 1405/1/10 | انتشار الکترونیک: 1405/1/10
دریافت: 1404/10/1 | پذیرش: 1405/1/10 | انتشار: 1405/1/10 | انتشار الکترونیک: 1405/1/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
