مدل های نوین بازاریابی بین المللی مبتنی بر هوش مصنوعی: رویکردی داده محور در تحلیل رفتار مصرف کننده، بهینه سازی استراتژی ها و توسعه بازارهای جهانی

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 71

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MTAEB20_009

تاریخ نمایه سازی: 9 شهریور 1404

چکیده مقاله:

تحولات فناورانه در حوزه هوش مصنوعی (AI) طی دهه گذشته، منجر به بازتعریف بنیادین در رویکردهای بازاریابی بین المللی شده است. ظهور الگوریتم های یادگیری ماشین (Machine Learning)، شبکه های عصبی عمیق (Deep Neural Networks)، سیستم های توصیه گر (Recommender Systems) و تحلیل پیش بینی گر (Predictive Analytics)، این امکان را فراهم آورده اند که بنگاه های اقتصادی بتوانند رفتار مصرف کننده را در سطوح خرد و کلان، به طور دقیق تر و در زمان واقعی تحلیل نمایند. پژوهش حاضر با هدف بررسی انتقادی و نظام مند تاثیر به کارگیری مدل های مبتنی بر هوش مصنوعی در تدوین و اجرای استراتژی های بازاریابی بین المللی انجام شده است. چارچوب نظری تحقیق بر پایه تلفیقی از نظریه بازاریابی داده محور(Data-Driven Marketing Theory) و مدل تصمیم گیری تطبیقی در محیط های پیچیده (Adaptive Decision-Making under Uncertainty) شکل گرفته است. در این تحقیق روش شناسی بر اساس کیفی-کمی بوده و از طریق بررسی و مرور نظام مند ادبیات علمی (Systematic Literature Review) در بازه زمانی ۲۰۱۵ تا ۲۰۲۵، و نیز تحلیل نمونه موردی از سه شرکت چندملیتی فعال در حوزه خرده فروشی دیجیتال، فناوری و خدمات مالی که به صورت گسترده از AI در فرآیندهای بازاریابی بین المللی بهره گرفته اند، انجام شده است. تحلیل داده ها با استفاده از روش تحلیل مضمون (Thematic Analysis) و نرم افزار NVivo صورت پذیرفت. یافته ها نشان می دهد که هوش مصنوعی در سه حوزه کلیدی بازاریابی بین المللی بیشترین تاثیر را داشته است: (۱) تحلیل رفتار مصرف کننده با استفاده از مدل های یادگیری عمیق و خوشه بندی(Clustering) جهت شناسایی الگوهای رفتاری میان فرهنگی؛ (۲) بهینه سازی کمپین های تبلیغاتی دیجیتال از طریق آزمون A/B خودکار، تعیین زمان بهینه انتشار محتوا و تعیین دقیق تر مخاطبان هدف با بهره گیری از الگوریتم های طبقه بندی(Classification Algorithms)؛ و (۳) پیش بینی موفقیت ورود به بازارهای جدید با استفاده از مدل های رگرسیون غیرخطی و یادگیری تقویتی (Reinforcement Learning) جهت ارزیابی ریسک و فرصت های بازار. علی رغم مزایای متعدد، چالش هایی چون دسترسی نابرابر به داده ها، تطبیق ناپذیری الگوریتم ها با ویژگی های فرهنگی، سوگیری در داده های آموزش دیده و مسائل حقوقی مربوط به حفظ حریم خصوصی، از موانع اساسی در پیاده سازی گسترده این فناوری محسوب می شود. این مقاله در نهایت با ارائه یک چارچوب مفهومی پیشنهادی برای پیاده سازی استراتژیک هوش مصنوعی در بازاریابی بین المللی، به دنبال پر کردن خلا میان پژوهش های نظری و نیازهای کاربردی سازمان های بین المللی است.

نویسندگان

حمید رضا سلیمانی

دکترای مدیریت بازرگانی گرایش مدیریت بازاریابی