ارائه مدلی ترکیبی جهت پیش بینی قصد خرید مصرف کنندگان مبتنی بر یادگیری ماشین بر اساس نحوه بازخورد در رسانه های اجتماعی

با گسترش روزافزون خرید آنلاین و نقش پررنگ رسانه های اجتماعی در تصمیم گیری مصرف کنندگان، پیش بینی قصد خرید به یکی از مسائل کلیدی بازاریابی دیجیتال تبدیل شده است. پیش بینی دقیق این رفتار می تواند به بهبود هدف گیری تبلیغات، افزایش نرخ تبدیل مشتریان و بهینه سازی استراتژی های فروش کمک کند. هدف این پژوهش ارائه یک مدل ترکیبی مبتنی بر یادگیری ماشین برای پیش بینی قصد خرید کاربران با بهره گیری از بازخورد آنان نسبت به تبلیغات است. داده ها شامل ۱۰۰۰ رکورد و ۱۰ ویژگی مرتبط (از جمله سن، جنسیت، درآمد، مدت زمان حضور در سایت، میزان مصرف اینترنت روزانه، عنوان تبلیغ، محل و زمان تعامل و برچسب کلیک) بوده که از منابع عمومی (Kaggle) استخراج و پاک سازی شده اند. پس از پیش پردازش و انتخاب ویژگی ها، از روش پشته سازی (stacking) استفاده شد که در آن خروجی مدل های پایه (رگرسیون لجستیک و ماشین بردار پشتیبان) ترکیب و به عنوان پیش بینی نهایی به کار رفت. ارزیابی مدل با معیارهای صحت، دقت، یادآوری و F۱ نشان داد که مدل پیشنهادی عملکرد مناسبی دارد (صحت ۰.۹۶ و دقت ۰.۹۸). یافته ها بیانگر آن است که ترکیب ویژگی های دموگرافیک و رفتار کاربر می تواند به بهبود پیش بینی قصد خرید کمک نماید و برای هدف گیری تبلیغات در پلتفرم های تجارت الکترونیک مفید واقع شود.

کلیدواژه ها:

قصد&shy ، ، خرید ، رفتار مشتری ، رسانه &shy ، ، های اجتماعی ، یادگیری ماشین ، بازاریابی