پیش بینی اثر و عملکرد تبلیغات شرکت های فناوری مالی برجذب و وفاداری مشتریان با استفاده از الگوریتم های فرا ابتکاری
محل انتشار: مجله مهندسی و مدیریت کیفیت، دوره: 14، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 45
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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 :