پیش بینی اثر و عملکرد تبلیغات شرکت های فناوری مالی برجذب و وفاداری مشتریان با استفاده از الگوریتم های فرا ابتکاری

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 45

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PQPRC-14-3_001

تاریخ نمایه سازی: 6 خرداد 1404

چکیده مقاله:

هدف:  با رشد سریع صنعت فناوری مالی (فین تک) ، تبلیغات دیجیتال به یکی از ابزارهای کلیدی برای جذب مشتریان جدید و افزایش وفاداری مشتریان فعلی تبدیل شده است. در محیطی که عدم اطمینان و پیچیدگی های تصمیم گیری نقش مهمی ایفا می کند، استفاده از الگوریتم های فرا ابتکاری می تواند به بهینه سازی تبلیغات دیجیتال کمک کند.روش شناسی پژوهش: این پژوهش با ارائه یک مدل سه سطحی در محیط فازی شهودی و بهره گیری از بازی استکلبرگ، تاثیر تبلیغات بر عملکرد، جذب و وفاداری مشتریان را بررسی می کند. در این مطالعه، فرآیند تبلیغات شرکت های فین تک به عنوان یک تصمیم گیری سه سطحی شامل جذب مشتریان، عملکرد تبلیغات و وفاداری مشتریان مدل سازی شده است.  برای حل این مدل، از الگوریتم های ژنتیک  و بهینه سازی ازدحام ذرات  به منظور بهینه سازی استراتژی های تبلیغاتی استفاده شده است.یافته ها: نتایج نشان داد که مدل پیشنهادی توانسته است با دقت بالایی میزان وفاداری مشتریان را پیش بینی کند و الگوریتم های فراابتکاری در بهینه سازی پارامترهای تبلیغاتی نقش موثری دارند.  تحلیل نتایج نشان داد که نرخ تبدیل  و میزان خرید  مهم ترین عوامل تاثیر گذار بر وفاداری مشتریان هستند. همچنین، یافته ها نشان داد که استفاده از الگوریتم های ترکیبی می تواند به کاهش هزینه های تبلیغاتی و افزایش بازده سرمایه گذاری  منجر شود. مقایسه نتیجه های الگوریتم های پیشنهادی نشان داد که روش ترکیبی ژنتیک و ازدحام ذرات نسبت به روش های مجزا، دقت بالاتری در پیش بینی رفتار مشتریان دارد.اصالت/ارزش افزوده علمی: بر اساس یافته های این پژوهش، پیشنهاد می شود شرکت های فناوری مالی از الگوریتم های فراابتکاری در بهینه سازی تبلیغات دیجیتال و هدف گذاری دقیق مشتریان استفاده کنند. این روش ها می توانند اثربخشی تبلیغات را افزایش داده، هزینه های بازاریابی را کاهش دهند و وفاداری مشتریان را در صنعت فین تک بهبود بخشند.

کلیدواژه ها:

نویسندگان

صمد بندری

گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

فرهاد حسین زاده لطفی

گروه ریاضی و علوم کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

سید اسماعیل نجفی

گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

سید احمد عدالت پناه

گروه ریاضی کاربردی، موسسه آموزش عالی آیندگان، تنکابن، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :