روانشناختی خرید ناگهانی از طریق داده کاوی احساسات

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 35

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JNABM-5-4_018

تاریخ نمایه سازی: 18 آبان 1404

چکیده مقاله:

پژوهش حاضر با هدف تحلیل روانشناختی رفتار خرید ناگهانی مصرف کنندگان در بستر دیجیتال و با تمرکز ویژه بر کاربرد داده کاوی احساسات انجام شده است. در این مطالعه، با رویکرد آمیخته کیفی-کمی، ابتدا با استفاده از مصاحبه های نیمه ساختاریافته با خبرگان حوزه روانشناسی مصرف و داده کاوی، ابعاد کلیدی خرید ناگهانی در محیط آنلاین شناسایی گردید. یافته ها نشان داد که عوامل محیطی نظیر طراحی تجربه کاربری، پیام های زمان دار و شخصی سازی، از طریق برانگیختن احساسات خاصی همچون هیجان، شادی، اضطراب و ترس از دست دادن (FOMO)، نقش محوری در تحریک خرید ناگهانی ایفا می کنند. در ادامه، داده های رفتاری و متنی بیش از ۱۵ هزار کاربر پلتفرم های فروش آنلاین با بهره گیری از الگوریتم های پیشرفته تحلیل احساسات (نظیر BERT و GPT) بررسی شد. نتایج تحلیل داده کاوی نشان داد که شدت احساسات هیجانی، به ویژه FOMO، به طور معناداری با فراوانی و سرعت خریدهای ناگهانی ارتباط دارد و مدل های یادگیری ماشین توانستند رفتار خرید ناگهانی را با دقت بالایی پیش بینی کنند. همچنین، یافته ها بیانگر آن بود که کاربران با خودکنترلی پایین تر و تجربه کمتر خرید آنلاین، بیشترین آسیب پذیری را نسبت به محرک های احساسی و خرید ناگهانی دارند. از سوی دیگر، اگرچه داده کاوی احساسات ابزار ارزشمندی برای بهبود تجربه مشتری و اثربخشی بازاریابی است، اما بهره برداری تجاری بدون چارچوب اخلاقی می تواند منجر به اعتیاد به خرید و نارضایتی مصرف کنندگان شود. این پژوهش با ارائه یک مدل تلفیقی داده محور-روانشناختی، توصیه می کند که سیاست گذاران، کسب وکارها و پژوهشگران، ضمن بهره گیری از ظرفیت های هوش مصنوعی، ملاحظات اخلاقی و حمایت از حقوق مصرف کننده را در دستور کار قرار دهند تا خریدهای دیجیتال به سمت سلامت روانی و رضایت پایدار هدایت شود.

نویسندگان

سید محمد صادق میلانی حسینی

دکتری مدیریت بازرگانی ، دانشگاه تهران، تهران، ایران و گروه مدیریت، موسسه آموزش عالی نبی اکرم(ص)، تبریز، ایران.

نیلوفر بغدادی

کارشناسی ارشد روانشناسی کودکان استثنایی، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Akram, U., Junaid, M., Zubair, S. S., & Zia-ur-Rehman, M. ...
  • Cambria, E., Poria, S., Bajpai, R., & Schuller, B. (۲۰۲۳). ...
  • Gupta, P., & Pathak, S. (۲۰۲۳). Deep learning approaches for ...
  • Kahneman, D. (۲۰۱۱). Thinking, fast and slow. Farrar, Straus and ...
  • Knutson, B., Rick, S., Wimmer, G. E., Prelec, D., & ...
  • Koufaris, M. (۲۰۲۳). The role of affect in online consumer ...
  • Lee, S. Y., Kim, H. J., & Kim, J. H. ...
  • Li, X., Zhou, Y., & Yang, K. (۲۰۲۳). Sentiment-driven recommendation ...
  • Lin, X., & Wang, Y. (۲۰۲۴). The impact of digital ...
  • Ma, Z., & Sun, Y. (۲۰۲۴). Emotion mining in big ...
  • Mohan, G., Sivakumaran, B., & Sharma, P. (۲۰۲۳). Impact of ...
  • Nguyen, Q. T., Tran, T. B., & Do, H. T. ...
  • Park, J., & Lee, S. (۲۰۲۳). Integrating psychological and machine ...
  • Rashid, T., Khan, M., & Fatima, T. (۲۰۲۳). Challenges and ...
  • Rook, D. W. (۱۹۸۷). The buying impulse. Journal of Consumer ...
  • Shi, J., Zhu, Z., & Li, Y. (۲۰۲۴). Data-driven marketing ...
  • Verhagen, T., & van Dolen, W. (۲۰۲۳). Online impulse buying: ...
  • Wang, J., & Li, X. (۲۰۲۴). Digital emotion mining and ...
  • Wang, X., Li, Y., & Zhang, L. (۲۰۲۴). Personalized recommender ...
  • Xie, K. L., & Chen, X. (۲۰۲۴). Triggering online impulse ...
  • Xu, H., Li, Y., & Wang, S. (۲۰۲۳). The dark ...
  • Yang, J., Zhou, L., & Chen, Y. (۲۰۲۴). A multi-level ...
  • Zhang, H., Wang, X., & Wu, X. (۲۰۲۴). Mapping the ...
  • Zhou, Y., Liu, Z., & Wei, X. (۲۰۲۴). Emotion-aware AI ...
  • نمایش کامل مراجع