مدل های یادگیری ماشین برای پیش بینی فروش از روی بودجه های تبلیغاتی

در بازاریابی مدرن، پیش بینی دقیق فروش بر اساس هزینه های تبلیغاتی از اهمیت ویژه ای برخوردار است. هدف این تحقیق استفاده از مدل های یادگیری ماشین برای پیش بینی فروش و بهینه سازی بودجه های تبلیغاتی به منظور افزایش بازده سرمایه گذاری در تبلیغات است. داده های این پژوهش از چند شرکت ایرانی گردآوری شده و رابطه میان بودجه های تبلیغاتی و میزان فروش محصولات را نشان می دهد. به همین منظور از مدل های رگرسیون خطی، درخت تصمیم، جنگل تصادفی و شبکه عصبی در فرآیند تحلیل استفاده شد. این مدل ها با داده های واقعی فروش و تبلیغات آموزش داده شدند و عملکرد آن ها با معیارهایی مانند میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) ارزیابی گردید. نتایج نشان می دهد که مدل های یادگیری ماشین در شناسایی الگوهای پیچیده میان بودجه های تبلیغاتی و میزان فروش، نسبت به روش های سنتی عملکرد بهتری دارند. به ویژه مدل های جنگل تصادفی و شبکه عصبی دقت پیش بینی بالاتری ارائه دادند که می تواند به بهینه سازی تخصیص بودجه تبلیغاتی منجر شود. بطور کلی، استفاده از مدل های یادگیری ماشین در پیش بینی فروش مبتنی بر بودجه های تبلیغاتی، تصمیم گیری مبتنی بر داده را برای مدیران بازاریابی ممکن می سازد و بازده سرمایه گذاری در تبلیغات را افزایش می دهد. نتایج این پژوهش با مطالعات پیشین همخوانی دارد؛ برای مثال سلطانی نژاد و همکاران (۲۰۲۴) با به کارگیری شبکه عصبی و جنگل تصادفی دقت پیش بینی فروش شرکت مهرام را بهبود بخشیده اند[۱]. همچنین یک مقاله کنفرانسی (۱۴۰۲) کاربرد هوش مصنوعی در تشخیص و پیش بینی روندهای تبلیغاتی را بررسی کرده است نتایج کاربردی این مدل ها می تواند به کسب وکارهای ایرانی در بهینه سازی استراتژی های تبلیغاتی و افزایش سودآوری کمک کند.

کلیدواژه ها:

یادگیری ماشین ، پیش بینی فروش ، بودجه های تبلیغاتی.