پیشبینی نرخ کلیک و تعامل کاربران با محتوای تبلیغاتی به کمک هوش مصنوعی چارچوبی مبتنی بر یادگیری ماشین و داده کاوی

با گسترش روزافزون تبلیغات دیجیتال و رقابت شدید در جذب توجه کاربران پیش بینی نرخ کلیک (CTR) تعامل کاربران با محتوای تبلیغاتی به یک اولویت کلیدی برای بازاریابان و پلتفرمهای تبلیغاتی تبدیل شده است. در این راستا پژوهش حاضر با هدف ارائه چارچوبی مبتنی بر هوش مصنوعی به ویژه الگوریتمهای یادگیری ماشین و تکنیکهای داده کاوی برای پیش بینی دقیقتر رفتار کاربران نسبت به تبلیغات دیجیتال طراحی شده است. روش تحقیق به صورت مروری نظام مند بر ادبیات علمی و مطالعات تجربی مرتبط با کاربرد هوش مصنوعی در تحلیل داده های کاربرمحور صورت گرفته و تلاش شده تا مدلها و الگوریتمهای موثر مانند جنگل تصادفی (Random Forest)، شبکههای عصبی عمیق (DNN) و ماشین بردار پشتیبان (SVM) بررسی و مقایسه شوند. یافته ها نشان میدهند که ترکیب دادههای ،رفتاری جمعیت شناختی و زمینهای کاربران با قابلیتهای پردازشی الگوریتمهای هوش مصنوعی میتواند به طور معناداری دقت پیشبینی CTR را افزایش داده و به بهینه سازی راهبردهای تبلیغاتی کمک کند در نتیجه چارچوب پیشنهادی نه تنها امکان پیش بینی دقیقتر تعامل کاربران را فراهم میسازد بلکه میتواند به شخصی سازی محتوای تبلیغاتی و افزایش نرخ بازگشت سرمایه تبلیغات دیجیتال منجر شود این چارچوب میتواند راهگشای طراحی سیستمهای تبلیغاتی هوشمند و تطبیقی در بستر رسانه های اجتماعی و موتورهای جست وجو باشد.

کلیدواژه ها:

هوش مصنوعی ، نرخ کلیک ، تعامل کاربر ، تبلیغات دیجیتال ، یادگیری ماشین