ارائه الگوی الکتروانسفالوگرام رفتاری مشتریان با تاکید بر هوش مصنوعی مبتنی بر رویکرد نقشه علم

هدف این پژوهش، طراحی و تبیین نقشه علم در حوزه رفتار مشتریان بر اساس داده های الکتروانسفالوگرام (EEG) با تاکید بر هوش مصنوعی و یادگیری ماشین است. با گسترش مطالعات میان رشته ای در بازاریابی عصبی، علوم اعصاب رفتاری و فناوری های هوشمند، ضرورت تحلیل ساختار دانشی این حوزه و شناسایی خوشه های مفهومی مرتبط بیش از پیش احساس می شود. بدین منظور پژوهش حاضر از رویکرد علم سنجی و تحلیل هم واژگانی بهره گرفته و با استخراج داده ها از پایگاه های معتبر علمی Scopus و Web of Science، شبکه ای از کلیدواژه های پرتکرار و مفاهیم اساسی این حوزه را شناسایی کرده است. در گام نخست، کلیدواژه های عمومی و اختصاصی شامل اصطلاحاتی همچون EEG، بازاریابی عصبی، هوش مصنوعی، یادگیری عمیق، تصمیم گیری مشتری، پاسخ شناختی، و تحلیل شبکه های عصبی با روش مرور نظام مند گردآوری شدند. سپس داده های علمی مربوط به این واژگان از مقالات نمایه شده در بازه زمانی ۲۰۱۰ تا ۲۰۲۴ جمع آوری و پس از پالایش اولیه، تحلیل شبکه هم واژگانی با نرم افزار VOSviewer انجام شد. یافته های پژوهش حاکی از آن است که ساختار دانشی این حوزه را می توان در قالب پنج خوشه اصلی شامل علوم اعصاب و تحلیل پاسخ مغزی، هوش مصنوعی و فناوری های پیش بینی، بازاریابی عصبی و برندینگ، روان شناسی مصرف کننده، و ابزارهای شناختی و سنجش رفتار مشتری دسته بندی کرد. این خوشه ها، روند رو به رشد تعامل بین علوم اعصاب، تحلیل داده های EEG و الگوریتم های یادگیری ماشین را نشان داده و بیانگر رویکردهای نوین در شناخت رفتار مصرف کننده هستند. نتایج نشان داد مفاهیمی مانند EEG، هوش مصنوعی، یادگیری ماشین، نوروساینس و تصمیم گیری مصرف کننده بیشترین هم رخدادی و وزن مفهومی را در ادبیات علمی داشته اند. همچنین ترسیم نقشه علم توانست پیوندهای معنایی و مسیرهای پژوهشی آینده را به صورت بصری مشخص کرده و شکاف های دانشی موجود را آشکار سازد. این پژوهش ضمن کمک به ادبیات بازاریابی عصبی و علوم اعصاب شناختی، زمینه ساز طراحی مدل های پیش بینی گر دقیق تر برای رفتار مصرف کننده در بستر فناوری های هوشمند خواهد بود. در پایان بر اساس نتایج به دست آمده، پیشنهاد شد که توسعه آزمایشگاه های باز و همکاری بین صنعت، دانشگاه و نهادهای پژوهشی در این زمینه تقویت گردد تا هم داده های EEG واقعی و قابل اعتماد تولید شود و هم بستر به کارگیری عملی مدل های هوش مصنوعی در بازاریابی فراهم شود. چنین رویکردی می تواند به بهبود تجربه مشتری، اثربخشی تبلیغات، و تصمیم گیری های استراتژیک در بازاریابی منجر شود و در نهایت، یک چارچوب علمی-کاربردی ارزشمند برای پژوهشگران و فعالان بازار ارائه کند.

کلیدواژه ها:

EEG ، هوش مصنوعی ، بازاریابی عصبی ، رفتار مصرف کننده ، یادگیری ماشین