به کارگیری الگوریتم های یادگیری ماشین برای بهبود اثربخشی بازاریابی الکترونیک در شبکه های اجتماعی

شبکه های اجتماعی به منبعی بزرگ از مشتریان بالقوه تبدیل شده اند، که اهمیت شناسایی عوامل تاثیرگذار بر پذیرش تبلیغات در آن ها را افزایش می دهد اما یکی از بزرگترین چالش و مشکلاتی که کسب وکارها و به عبارتی بازاریابان در شبکه های اجتماعی با آن سروکار دارند تبدیل بازدیدکنندگان به مشتری یا خریدار است . برای حل این مشکل ،ما در این مقاله با استفاده از الگوریتم های یادگیری ماشین نرخ تبدیل (یعنی درصد بازدیدکنندگانی که تبدیل به مشتری یا خریدار می شوند) در شبکه های اجتماعی را پیش بینی کرده و با توجه آن عوامل موثر در افزایش این نرخ را رتبه بندی میکنیم . نتایج استفاده از تکنیک یادگیری جمعی نشان می دهد که ویژگی ‘علاقه ’ بیشترین تاثیر را بر نرخ تبدیل دارد. این یافته ها می توانند به شرکت ها کمک کنند تا با تمرکز بر علایق مخاطبان خود، استراتژی های بازاریابی موثرتری را طراحی کنند هدف این پژوهش توسعه مدلی یکپارچه با دقت بالا برای مشخص نمودن مشتریان بالقوه است .

کلیدواژه ها:

شبکه های اجتماعی ، نرخ تبدیل ، یادگیری ماشین ، اثربخشی تبلیغات