تحلیل داده محور رفتار مصرف کنندگان در پلتفرم های ایرانی با استفاده از پردازش زبان طبیعی (NLP): رویکردی راهبردی در بازاریابی هوشمند

هدف پژوهش: در عصر تحول دیجیتال، درک عمیق رفتار مصرف کنندگان در بسترهای بومی یکی از نیازهای راهبردی سازمان ها برای طراحی اثربخش استراتژی های بازاریابی هوشمند به شمار می رود. با توجه به رشد چشمگیر محتوای متنی تولیدشده توسط کاربران در پلتفرم های ایرانی، بهره گیری از ابزارهای هوش مصنوعی به ویژه پردازش زبان طبیعی (NLP)، فرصتی نوین برای تحلیل داده محور الگوهای رفتاری مصرف کنندگان فراهم می سازد. هدف این پژوهش، تحلیل رفتار مصرف کنندگان در پلتفرم های دیجیتال ایرانی با استفاده از الگوریتم های پردازش زبان طبیعی و داده کاوی، به منظور تبیین سازوکارهای تصمیم گیری خرید و ارائه چارچوبی راهبردی برای بازاریابی هوشمند است. روش شناسی پژوهش: این پژوهش از نظر هدف، کاربردی و از نظر ماهیت، توصیفی-تحلیلی با رویکرد داده محور است. به منظور تحلیل داده های واقعی، مجموعه ای از نظرات کاربران از پلتفرم های ایرانی منتخب (نظیر دیجی کالا، آپارات، اسنپ فود و. . .) به صورت متنی گردآوری شد. سپس با بهره گیری از الگوریتم های پردازش زبان طبیعی شامل تحلیل احساسات (Sentiment Analysis)، استخراج کلیدواژه ها و خوشه بندی مفهومی، الگوهای رفتاری کاربران شناسایی گردید. ابزارهای تحلیلی مورد استفاده شامل پایتون، کتابخانه های NLTK و Scikit-learn، و تکنیک های پیش پردازش متنی بوده اند. داده ها پس از نرمال سازی، به صورت طبقه بندی شده مورد تحلیل قرار گرفتند و خروجی ها در قالب مدل پیشنهادی پژوهش تبیین شدند. یافته های پژوهش: یافته ها نشان داد که تمایلات رفتاری مصرف کنندگان در پلتفرم های ایرانی به طور معناداری از عوامل احساسی، کیفیت تعامل دیجیتال و تجربه شخصی سازی شده تاثیر می پذیرد. تحلیل متون کاربران بیانگر وجود الگوهای مشترکی در ارزیابی خدمات و تصمیم گیری های خرید است که از طریق تحلیل محتوای زبانی و استخراج کلیدواژه های پرتکرار قابل شناسایی است. همچنین، تفاوت های رفتاری میان گروه های مختلف مصرف کننده (برحسب سن، تجربه دیجیتال و نوع پلتفرم) شناسایی شد که می تواند در بخش بندی بازار و طراحی کمپین های هدفمند مورد استفاده قرار گیرد.

کلیدواژه ها:

بازاریابی هوشمند ، پلتفرم های دیجیتال ایرانی ، پردازش زبان طبیعی ، داده کاوی ، رفتار مصرف کننده.