چارچوب هوشمند پیش بینی تجربه گردشگر با استفاده از یادگیری عمیق و داده های کلان مدیریت ارتباط با مشتری اجتماعی (SCRM)

این پژوهش چارچوب مفهومی هوشمندی را برای پیش بینی و ارتقای تجربه گردشگر با استفاده از تکنیک های یادگیری ماشین (ML) و یادگیری عمیق (DL) بر اساس داده های کلان مدیریت ارتباط با مشتری اجتماعی (SCRM) ارائه می دهد. برخلاف رویکردهای سنتی مدیریتی، این تحقیق بر مدل سازی محاسباتی رفتار گردشگران از طریق تعاملات بلادرنگ، تحلیل شبکه های اجتماعی و شناسایی الگوها تمرکز دارد. چارچوب پیشنهادی شامل جمع آوری داده ها از پلتفرم های SCRM، پردازش داده ها با استفاده از پردازش زبان طبیعی (NLP) و استخراج ویژگی ها، و سپس مدل سازی پیش بینی با استفاده از الگوریتم های Random Forest، SVM و شبکه های عصبی عمیق (DNN) است. هدف مدل پیش بینی ابعاد کلیدی تجربه گردشگر هوشمند شامل شخصی سازی، تعامل، رضایت و کیفیت تعامل دیجیتال است. جامعه مشارکت کنندگان در بخش کیفی شامل مدیران باسابقه صنعت گردشگری و فناوری اطلاعات است. نمونه گیری به روش هدفمند انجام شد و با ۱۲ نفر به اشباع نظری دست پیدا شد. جامعه آماری بخش کمی نیز شامل گردشگران کشور است که براساس فرمول کوکران ۳۸۴ نفر برآورد گردید و روش نمونه گیری تصادفی ساده انتخاب شدند. برای گردآوری داده ها از مصاحبه نیمه ساختاریافته و پرسشنامه محقق ساخته استفاده شد. برای تحلیل مصاحبه های تخصصی از روش تحلیل کیفی مضمون و نرم افزار Maxqda و داده های حاصل از پرسشنامه نیز با روش مدل یابی معادلات ساختاری تجزیه وتحلیل شد. بر اساس مدل تحقیق مشخص گردید زیرساخت های داده محور SCRM به صورت معناداری بر مدیریت داده های گردشگری اثر می گذارند و این تاثیر از طریق زنجیره ای از سازه ها شامل الگوریتم های یادگیری ماشین، تحلیل رفتار گردشگر و شخصی سازی خدمات، نهایتا منجر به تجربه هوشمند، خلق ارزش دیجیتال و افزایش چابکی دیجیتال سازمان های گردشگری می شود. این مطالعه با معرفی رویکرد مبتنی بر هوش مصنوعی که SCRM و یادگیری عمیق را ترکیب می کند، به ادبیات گردشگری هوشمند کمک می کند و بینش هایی برای طراحی سیستم های هوشمند گردشگری با قابلیت شخصی سازی، تطبیقی و بلادرنگ ارائه می دهد.

کلیدواژه ها:

مدیریت ارتباط با مشتری اجتماعی ، یادگیری ماشین ، یادگیری عمیق ، سیستم های هوشمند