دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات57
تعداد شماره‌ها1,935
تعداد مقالات15,396
تعداد مشاهده مقاله36,465,424
تعداد دریافت فایل اصل مقاله21,943,470
رحیمی کلور, حسین, محمدخانی, رحیم. (1403). طراحی مدل پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین در تبلیغات و فروش. سامانه مدیریت نشریات علمی, 12(48), 223-270. doi: 10.22054/ims.2024.76711.2403
حسین رحیمی کلور; رحیم محمدخانی. "طراحی مدل پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین در تبلیغات و فروش". سامانه مدیریت نشریات علمی, 12, 48, 1403, 223-270. doi: 10.22054/ims.2024.76711.2403
رحیمی کلور, حسین, محمدخانی, رحیم. (1403). 'طراحی مدل پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین در تبلیغات و فروش', سامانه مدیریت نشریات علمی, 12(48), pp. 223-270. doi: 10.22054/ims.2024.76711.2403
رحیمی کلور, حسین, محمدخانی, رحیم. طراحی مدل پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین در تبلیغات و فروش. سامانه مدیریت نشریات علمی, 1403; 12(48): 223-270. doi: 10.22054/ims.2024.76711.2403

طراحی مدل پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین در تبلیغات و فروش

مطالعات مدیریت کسب و کار هوشمند
مقاله 7، دوره 12، شماره 48، تیر 1403، صفحه 223-270    اصل مقاله (1.66 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2024.76711.2403
نویسندگان
حسین رحیمی کلور* 1؛ رحیم محمدخانی2
1دانشیار مدیریت بازرگانی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران نویسنده مسئول : hrk6809@gmail.com
2دانشجوی دکتری، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران
چکیده
دنیای دیجیتال فرصت‌های متعددی را برای بازاریابان فراهم می‌کند تا به مشتری دسترسی پیدا کنند. بااین‌حال، در دنیای پرسرعت، یافتن راه‌های جدید و نوآورانه برای تبلیغات و فروش محصولات و خدمات بسیار مهم است. باتوجه‌به پیشرفت هوش مصنوعی و توسعه آن در حوزه تبلیغات و فروش، متخصصان در حال حاضر ابزارهایی برای بازتعریف کامل درک فعلی از برندسازی، بازاریابی، تبلیغات و فروش دارند. محبوبیت روزافزون اینترنت و افزایش استفاده از دستگاه‌های تلفن همراه، حجم عظیمی از داده‌ها را برای مصرف‌کنندگان تولید می‌کند که سیستم‌های مبتنی بر هوش مصنوعی را تغذیه می‌کنند. این پژوهش از نوع پژوهش‌های آمیخته با رویکرد کیفی و کمی است که ازنظر هدف، کاربردی و ازلحاظ نحـوه گـردآوری داده، از نوع مطالعات توصیفی پیمایشی است. ابزار گردآوری داده‌ها در بخش کیفی بررسی کتابخانه‌ای، مقالات و مصاحبه نیمه‌ساختاریافته با 18 نفر از مدیران و کارشناسان متخصص در حوزه بازاریابی دیجیتال و IT در حوزه تبلیغات و فروش، بودند که با استفاده از روش نمونه‌گیری گلوله‌برفی انتخاب شدند. روش تحلیل داده‌ها در بخش کیفی، با استفاده از تحلیلتم که با نرم‌افزار MAXQDA و بـا استفاده از روش کدگذاری تدوین شد. در بخش کمـی نمونه‌گیری به‌صورت هدفمند با 35 نفر از خبرگان و متخصصان بازاریابی دیجیتال و گردآوری اطلاعات از طریق پرسش‌نامه، روش تحلیل بر مبنای آزمون همبستگی کندال بود. مطابق با نتایج پژوهش، 7 تم اصلی، 22 تم فرعی و 44 کد کشف شدند که شامل پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین در تبلیغات و فروش بودند. یافته‌های پژوهش برای بازاریابان و فعالان حوزه تبلیغات و فروش می‌تواند نتایج حائز اهمیتی داشته باشد. ازجمله پیامدهای کاربرد هوش مصنوعی و یادگیری ماشین می‌توان به مواردی مانند درک، شناخت و آشکارسازی نیازها و خواسته‌های مصرف‌کننده، طبقه‌بندی تبلیغات هدف، تکامل هوشمند تبلیغات تجاری، نوآوری در فروش، توسعه کانال فروش و بهینه‌سازی زمینه‌های استفاده از هوش مصنوعی در آژانس تبلیغاتی اشاره کرد.
کلیدواژه‌ها
هوش مصنوعی؛ یادگیری ماشین؛ کلان داده؛ تبلیغات و فروش
مراجع
  1. لندران اصفهانی؛ سعید، فلاح چم آسمانی؛ فریناز، آقاجانی، مجتبی. (1402). طراحی الگوی بازاریابی محتوای اخلاقی دیجیتال در راستای تقویت برند محصولات دانش‌بنیان حوزه هوش مصنوعی، اخلاق در علم و فناوری، 18(5)، 84-93. http://ethicsjournal.ir/article-1-3014-fa.html
  2. نظرپور؛ محمود، نسل موسوی؛ سیدحسین، حسینی شیروانی، میرسعید. (1399). کاربرد هوش مصنوعی در حسابرسی مالیاتی. دانش حسابرسی، 20(81)، 198-226 https://sid.ir/paper/967020/fa References
References

  1. Anton, E., Behne, A., & Teuteberg, F. (2020) The humans behind artificial intelligence – an operationalization of AI competencies. In: Proceeding of the 28th European conference on information systems (ECIS), Marrakeh, Morocco, 15–17 June. ENCIES" (2020). https://aisel.aisnet.org/ecis2020_rp/141
  2. Amirkolaii, K. N., Baboli, A., Shahzad, M. K., & Tonadre, R. (2017). Demand Forecasting for Irregular Demands in Business Aircraft Spare Parts Supply Chains by using Artificial Intelligence (AI). IFAC-PapersOnLine, 50(1), 15221–15226. https://doi.org/10.1016/‌j.ifacol.2017.08.2371
  3. Belk,W., Belanche, R., & Flavian, C. (2023): Key concepts in artificial intelligence and technologies 4.0 in services. Service Business (2023) 17:1–9
  4. https://doi.org/10.1007/s11628-023-00528-w
  5. Basri,W. (2020); Examining the impact of artificial intelligence (AI)-assisted social media marketing on the performance of small and medium enterprises: toward effective business management in the Saudi Arabian context, Int. J. Comput. Intell. Syst. 13 (1) (2020) 142. https://link.springer.com/article/10.2991/ijcis.d.200127.002
  6. Barredo Arrieta, A., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., & Herrera, F., (2020). Explainable Artificial Intelligence (XAI). Inf. Fusion 58 (2019), 82–115. https://doi.org/10‌.1016/‌j.inffus.2019.12.012.
  7. Benabdelouahed, R., & Dakouan, C. (2020). The use of artificial intelligence in social media: opportunities and perspectives. In: Expert journal of marketing 8 (1), 82 - 87.
  8. https://marketing.expertjournals.com/ark:/16759/EJM_806benabdelouahed82-87.pdf.
  9. Berryhill, J., Heang, K.K., Clogher, R., & McBride, K., (2019). Hello, World: Artificial intelligence and its use in the public sector. OECD. https://oecd-opsi.org/wp-content/uploads/2019/11/AI-Report-Online.pdf
  10. Bandara, K., Shi, P., Bergmeir, C., Hewamalage, H., Tran, Q., & Seaman, B. (2019). Sales Demand Forecast in E-commerce Using a Long Short-Term Memory Neural Network Methodology. Neural Information Processing, 462–474. https://link.springer.com/chapter/10.1007/978-3-030-36718-3_39
  11. Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77-101. https://www.tandfonline.com/doi/abs/10.1191/1478088706QP063O
  12. Capatina,A., Kachour,M., Lichy,J., Micu,A., Micu,A.E., & Codignola, F. (2020); Matching the future capabilities of an artificial intelligence-based software for social media marketing with potential users’ expectations, Technol. Forecast. Soc. Change 151 (2020), 119794. https://doi.org/10.1016/j.techfore.2019.119794
  13. Choi, J., & Lim, K. (2020). Identifying machine learning techniques for classification of target advertising, comminucation and information science, 6 (2020) 175–180. https://doi.org/10.1016/j.icte.2020.04.012
  14. F, (2019); AI Knowledge Map: How to Classify AI Technologies, Vol. 50. Springer. https://doi.org/10.1007/978-3-030-04468-8_4.
  15. Chen, G., Xie, P., Dong, J., & Wang, T. (2019). Understanding programmatic creative: The role of AI. Journal of Advertising,48, 347–355. https://doi.org/10.1080/00913367.2019.1654421
  16. Creswell, J. W. (2007). Qualitative Inquiry and Research Design: Choosing among five Approaches (pp. 53-84). Thousands Oaks: Sage Publications.
  17. De Bruyn. A, Viswanathan. V, Beh. Y.S, Brock. J.K.U., & Wangenheim.F, (2020); Artificial intelligence and marketing: pitfalls and opportunities. J. Interact. Mark. 51, 91–105. https://doi.org/10.1016/j.intmar.2020.04.007.
  18. Dick, S., (2019). Artificial intelligence. Harv. Data Sci. Rev. 1 (1), 1–8. https://doi.org/10.1162/99608f92.92fe150c
  19. Deng, S., Tan, C., Wang, W., & Pan, Y. (2019). Smart generation system of personalized advertising copy and its application to advertising practice and research. Journal of Advertising,48, 356–365. https://doi.org/10.1080/00913367.2019.1652121
  20. Frank, M.R., Wang, D., Cebrian, M., & Rahwan, I., (2019). The evolution of citation graphs in artificial intelligence research. Nat. Mach. Intell. 1 (2), 79–85. https://doi. org/10.1038/s42256-019-0024-5.
  21. Garnelo, M., & Shanahan, M., (2019). Reconciling deep learning with symbolic artificial intelligence: representing objects and relations. Curr. Opin. Behav. Sci. 29, 17–23. https://doi.org/10.1016/‌j.cobeha.2018.12.010
  22. Helberger, N., J. HAuh, G. Milne, J. Strycharz, & H.Sundaram. (2020). Macro and exogenous factors in computational advertising: Key issues and new research directions. Journal of Advertising 49 (4):377–93. doi:10.1080/00913367.2020.1811179
  23. Huh, J., & Malthouse, E. (2020). Advancing computationaladvertising: Conceptualiztion of the field and future directions. Journal of Advertising 49 (4):367–76.
  24. doi:10.1080/00913367.2020.1795759.
  25. Jani, K., Chaudhuri, M., Patel, H., & Shah M (2020) Machine learning in films: an approach towards automation in film censoring. J Data Inf Manag 2(1):55–64. https://doi.org/10.1007/s42488-019-00016-9
  26. Jordan, M., (2019). Artificial intelligence—the revolution hasn’t happened yet. Harv. Data Sci. Rev. 1 (1) https://doi.org/10.1162/99608f92.f06c6e61
  27. Kietzmann, J., Paschen, J., & Treen E (2018) Artificial intelligence in advertising. J Advert Res 58(3):263–267. DOI: 10.2501/JAR-2018-035
  28. Lai, Z. (2021). Research on Advertising Core Business Reformation Driven by Artificial Intelligence, Journal of Physics: Conference Series, 1757 (2021) 012018 doi:10.1088/1742-6596/1757/1/012018
  29. Luo, X., Shaojun, M., & Qu, Z. (2020). Artificial Intelligence Coaches for Sales Agents: Caveats and Solutions, Journal Marketing, 85 (2). https://doi.org/10.1177/0022242920956676
  30. Lakshmisri, S. (2018); Streamlining cloud application with AI technology, International journal of innovations in engineering research and technologiy (IJIERT). 5 (10), 2018. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3785667
  31. T.P., & Madhavaram, S. (2023). AI-Enabled marketing capabilities and the hierarchy of capabilities: Conceptualization, proposition development, and research avenues. Journal of Business Research. 157 (2023), 11348
  32. https://doi.org/10.1016/j.jbusres.2022.113485.
  33. -Mikalef , P., Islam , N., Parida, V., Singh, H., & Altwaijry, N. (2023). Artificial intelligence (AI) competencies for organizational performance: A B2B marketing capabilities perspective, Journal of Bussiness Reasearch, 164 (2023), 113998, https://doi.org/10.1016/Aj.jbusres.2023.113998..
  34. Otte, R. (2019). Künstliche Intelligenz für Dummies [Artificial Intelligence for Dummies]. WILEY-VCH Verlag GmbH.
  35. O’Leary, D.E. (2008). Decision support system evolution: predicting, facilitating, and managing knowledge evolution. In: Burstein, F., Holsapple, C. (Eds.), Handbook on Decision Support Systems, 2 (2). 345–367. https://doi.org/10.1007/978-3-540-48716-6_17
  36. Paschen, J.,  Wilson, M., & Ferreira, J. (2020). Collaborative intelligence: How human and artificial intelligence create value along the B2B sales funnel,Business Horizon,
  37. 63(3), 403-414.https://doi.org/10.1016/j.bushor.2020.01.003
  38. Ram, J., & Zhang, Z., (2022). Examining the needs to adopt big data analytics in B2B organizations: development of propositions and model of needs. J. Bus. Ind. Mark. 37 (4),
  39. 790–809. https://doi.org/10.1108/JBIM-10-2020-0464.
  40. Rusthollkarhu, S., Hautamaki, P., & Aarikka-Stenroos, L. (2021). Value (co-)creation in B2B sales ecosystems. The Journal of Business and Industrial Marketing, 36(4), 590–598. https://doi.org/10.1108/JBIM-03-2020-0130
  41. Reim, W., Åström, J., & Eriksson, O. (2020). Implementation of Artificial Intelligence (AI): A Roadmap for Business Model Innovation. AI, 1(2), 180-191. https://www.mdpi.com/2673-2688/1/2/11
  42. Ren, S., Chan, H.-L., & Siqin, T. (2020). Demand forecasting in retail operations for fashionable products: methods, practices, and real case study. Annals of Operations Research, 291(1), 761–777. https://link.springer.com/article/10.1007/s10479-019-03148-8
  43. r, V., Oghazi, P., Toorajipour, R., & Nazarpour, A. (2021). Export sales forecasting using artificial intelligence. Technological Forecasting and Social Change, 163, 120480. https://doi.org/10.1016/j.techfore.2020.120480
  44. Schiessl, D., Dias, H.B.A., & Korelo,J.C., (2021); Artificial Intelligence in Marketing: a Network Analysis and Future Agenda, in: Journal of Marketing Analytics, 2021, 1–12. https://link.springer.com/article/10.1057/s41270-021-00143-6
  45. Shelly, R. (2021) Themed Issue Introduction: Promises and Perils of Artificial Intelligence and Advertising, Journal of Advertising, 50(1), 1-10, DOI: 10.1080/00913367.2020.1868233.
  46. Shah, N., Sarth, E., Nandish B., Hirwa, C., & Shah, M. (2020). Research Trends on the Usage of Machine Learning and Artificial Intelligence in Advertising, Augmented Human Research volume 5, Article number: 19 (2020. https://link.springer.com/article/10.1007/s41133-020-00038-8
  47. Tiwari, R., Srivastava,S., & Gera,R., (2020); Investigation of artificial intelligence techniques in finance and marketing, Procedia Comput. Sci. 173 (2020) 149–157. https://doi.org/10.1016/j.procs.2020.06.019
  48. Volkmar, G., Fischer, P., &  Reinecke, S. (2022). Artificial Intelligence and Machine Learning: Exploring drivers, barriers, and future developments in marketing management, Journal of Business Research, 149 (2022), 599-614. https://doi.org/10.1016/j.jbusres.2022.04.007
  49. Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal of Information Management Data Insights, 1(1), 100002. https://doi.org/10.1016/j.jjimei.2020.100002
  50. Wang, W., Shasha D., Chee,W., & Yu, P. (2019),“Smart Generation System of Personalized Advertising Copy and Its Application to Advertising Practice and Research,” Journal of Advertising, 48 (4), 356–365. https://doi.org/10.1080/00913367.2019.1652121
  51. Wamba, S.F., Gunasekaran, A., Akter, S., Ren, S.J. fan, Dubey, R., & Childe, S.J. (2017). Big data analytics and firm performance: effects of dynamic capabilities. J. Bus. Res. 70. https://doi.org/10.1016/j.jbusres.2016.08.009
  52. Xuebing, Q., & Zhibin, J. (2019) The Impact of AI on the Advertising Process: The Chinese Experience Journal of Advertising 48(3) p 339. https://doi.org/10.1080/00913367.2019.1652122
References [in Persian]

  1. Nazarpour; Mahmoud, Nesl Mousavi; Seyed Hossein, Hosseini Shirvani, Mir Saeed. (2019). Application of artificial intelligence in tax audit. Audit Knowledge, 20(81), 198-226. https://sid.ir/paper/967020/fa
  2. Landran Isfahani; Saeed, Falah Cham Asmani; Farinaz, Aghajani, Mojtabi. (2023). Designing a digital ethical content marketing model in order to strengthen the brand of knowledge-based products in the field of artificial intelligence, Ethics in Science and Technology, 18(5), 84-93. (In Persian) http://ethicsjournal.ir/article-1-3014-fa.html
‌

 

 

آمار
تعداد مشاهده مقاله: 111
تعداد دریافت فایل اصل مقاله: 81


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب
login