Journal of Urban Economics and Management

fa طراحی مدل پیش بینی رفتار مشتری با استفاده از داده های تعاملی رسانه های اجتماعی Designing a customer behavior prediction model using social media interaction data عمومى General پژوهشي Research <div style="text-align: justify;">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.  </div> The present study was conducted with the aim of designing a customer behavior prediction model using social media interaction data. This study used a qualitative approach and grounded theory method with the systematic process of Strauss and Corbin to extract concepts and patterns in the interview data with experts. The data were collected through in-depth interviews with 9 digital marketing managers and experts and analyzed after open coding, axial and selective coding. 16 subcategories were identified, which were categorized into background conditions, causal conditions, intervening conditions, strategies and consequences. The results showed that users' initial interest, active interaction with content, the influence of others' experiences and hidden behavioral patterns act as background conditions of customer behavior and the timing of content, the attractiveness of the content presented and the cross-sectional behavior of users play the role of causal conditions. Also, negative feedback and strategy modification, behavioral prediction indicators, the use of mixed data, and data challenges as intervening conditions affect user behavior, and targeted strategies including advertising and specialized content, advanced analytics tools, and real-world case studies improve the accuracy of predicting customer behavior. The main outcome of this model includes increasing customer loyalty and improving the behavior prediction model, which can help with smart marketing decisions and effective strategies. By providing a systematic and comprehensive model for analyzing user interaction data, this research paves the way for businesses to use social networks in a targeted manner, and enables the identification of hidden behavioral patterns and the prediction of long-term customer behavior. کلیدواژه ها: پیش بینی رفتار مشتری, داده های تعاملی, رسانه های اجتماعی, بازاریابی دیجیتال, دیجیتال مارکتینگ. Keywords: Customer behavior prediction, interactive data, social media, digital marketing, digital marketing. 99 110 http://iueam.ir/browse.php?a_code=A-10-1982-3&slc_lang=fa&sid=1 Mohammadreza Karimi Kundzi محمدرضا کریمی کندزی mrkarimi@azad.ac.ir 100319475328460011156 100319475328460011156 No استادیار مدیریت، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران yaser parvini یاسر پروینی yaserparvini4261@gmail.com 100319475328460011157 100319475328460011157 Yes دکتری مدیریت رسانه، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران