مدل سازی رفتاری مصرف کننده ایرانی با استفاده از یادگیری ماشین: مطالعه موردی اثرگذاری شبکه های اجتماعی بر خرید محصولات بومی استان قم

نفوذ پلتفرم هایی مانند اینستاگرام، روبیکا و بله، مسیر تصمیم گیری خرید برای محصولات بومی قم را به شدت تغییر داده است، اما هنوز درک دقیقی از وزن دهی عوامل محتوایی، اجتماعی و روانی در این فرآیند وجود ندارد. برای رفع این ابهام، به کارگیری روش های داده محور و یادگیری ماشین (Machine Learning) برای مدل سازی رفتار مصرف کننده بومی قم ضروری است. این پژوهش نیازمند تجمیع داده های کمی تعاملات (لایک، اشتراک گذاری) با داده های کیفی استخراج شده از تحلیل احساسات (Sentiment Analysis) نظرات کاربران است. هدف اصلی، کمی سازی تاثیر هر محرک بر نرخ تبدیل فروش است. از طریق الگوریتم هایی مانند رگرسیون چندگانه، می توانیم ضرایب تاثیرگذاری عوامل مختلف، مانند قدرت احساسات مثبت در مقابل اهمیت تعامل بالا (اثبات اجتماعی)، را استخراج کنیم. این مدل سازی به ما نشان می دهد که آیا مشتریان قم بیشتر تحت تاثیر داستان سرایی هیجانی قرار می گیرند یا قیمت و تخفیف. نتایج این مدل به کسب وکارها اجازه می دهد تا منابع بازاریابی خود را به طور هوشمندانه، تنها بر روی محتوایی سرمایه گذاری کنند که بالاترین ضریب تاثیر را در مدل پیش بینی فروش نشان داده است. این رویکرد، فراتر از حدس و گمان، یک استراتژی محتوایی بهینه و هدفمند را برای فروش سوهان، فرش و صنایع دستی قم در فضای دیجیتال فراهم می سازد. همچنین، این مدل های آماری مکمل خوشه بندی رفتاری (مانند تقسیم بندی به قیمت محور و احساس گرا) خواهند بود تا شخصی سازی کمپین ها به حداکثر برسد. این سیستم بازخورد مبتنی بر داده، مزیت رقابتی بزرگی برای کسب وکارهای محلی ایجاد می کند و آگاهی ایجاد شده در شبکه های اجتماعی را مستقیما به فروش تبدیل خواهد کرد.

کلیدواژه ها:

یادگیری ماشین ، تحلیل احساسات ، رگرسیون چندگانه ، تعامل کاربران ، شبکه های اجتماعی ، محصولات بومی قم ، مدل سازی رفتار مصرف کننده