تحلیل احساسات کاربران تجارت الکترونیک با ParsBERT: عملکرد و کاربردهای کسب و کار

تحلیل احساسات کاربران در اپلیکیشن های تجارت الکترونیک به دلیل نقش کلیدی آن در بهبود تجربه کاربری و افزایش ارزش اقتصادی کسب و کارها از اهمیت ویژه ای برخوردار است. این مطالعه با ارائه یک چارچوب مبتنی بر مدل ترنسفورمر فارسی ParsBERT، به تحلیل احساسات جنبه محور در نظرات کاربران پلتفرم های تجارت الکترونیک ایرانی مانند دیجی کالا و اسنپ می پردازد. هدف اصلی، شناسایی و طبقه بندی دقیق احساسات کاربران نسبت به جنبه های خاص محصولات و خدمات مانند کیفیت، قیمت و سرعت ارسال است. با مرور و تحلیل مقایسه ای نتایج گزارش شده در ادبیات، این مقاله نشان می دهد که ParsBERT به دلیل پیش آموزش بر داده های گسترده فارسی و مکانیسم توجه چندسری دقت و نمره F۱ بالاتری نسبت به مدل های سنتی مانند SVM و یادگیری عمیق مانند Bi-LSTM ارائه می دهد. افزون بر این چارچوب ارائه شده به کسب و کارها امکان می دهد تا با شناسایی دقیق نقاط ضعف و قوت در سطح جزئی اقدامات اصلاحی هدفمند انجام داده، نرخ ریزش مشتری را کاهش دهند و تجربه کاربری را بهبود بخشند. یافته های این پژوهش مسیر توسعه ابزارهای هوش تجاری مبتنی بر پردازش زبان طبیعی فارسی را در اکوسیستم تجارت الکترونیک ایران هموار می سازد.

کلیدواژه ها:

تحلیل احساسات ، ParsBERT ، تجارت الکترونیک ، پردازش زبان طبیعی فارسی ، هوش تجاری