طراحی مدل مفهومی تبلیغات عکس محور هوشمند به منظور توسعه مدل های مولد مبتنی بر شبکه یادگیری متخاصم

هدف: هدف این پژوهش، طراحی و اعتبارسنجی یک مدل مفهومی برای «تبلیغات عکس محور هوشمند» برای کاربرد شبکه یادگیری متخاصم در تبلیغات دیجیتال است. با توجه به اشباع مخاطبان از تصاویر استوک، کاهش اثربخشی مدل های انسانی سنتی، افزایش رقابت برندها در بسترهای دیجیتال و ضرورت شخصی سازی گسترده محتوا، نیاز به چارچوبی یکپارچه که ابعاد فنی، ادراکی، فرهنگی و اخلاقی تبلیغات تصویرمحور را همزمان تبیین کند، بیش از پیش احساس می شود. اگرچه پیشرفت های چشمگیری در حوزه شبکه های مولد متخاصم پس از معرفی آن ها توسط گودفلو و همکاران حاصل شده، تمرکز غالب مطالعات بر جنبه های الگوریتمی بوده و طراحی یک مدل مفهومی منسجم برای کاربرد تجاری GAN در تبلیغات عکس محور کمتر مورد توجه قرار گرفته است. روش شناسی: لذا بر این اساس، سوال اصلی پژوهش آن است که تبلیغات عکس محور هوشمند مبتنی بر یادگیری ماشین متخاصم دارای چه ابعاد و متغیرهایی است و روابط میان آن ها چگونه تبیین می شود. برای رسیدن به پاسخ این پرسش، پژوهش با رویکرد ترکیبی کیفی–کمی انجام شد. در بخش کیفی، داده ها از طریق مصاحبه های نیمه ساختاریافته عمیق با ۵ نفر از خبرگان حوزه یادگیری ماشین، تبلیغات دیجیتال و طراحی محتوای بصری گردآوری و با روش گراندد تئوری مبتنی بر الگوی پارادایمی اشتراوس و کوربین تحلیل شد. فرآیند کدگذاری باز، محوری و انتخابی منجر به استخراج ۸۰ کد مفهومی، ۱۰ دسته و ۵ بعد اصلی شامل: شرایط علی، شرایط زمینه ای، شرایط مداخله گر، راهبردها و پیامدها گردید. در ادامه، برای اعتبارسنجی مدل مفهومی، داده های پیمایشی از ۳۸۵ نفر از بازاریابان و متخصصان حوزه دیجیتال جمع آوری شد. با توجه به غیرنرمال بودن داده ها (بر اساس آزمون کولموگروف–اسمیرنوف)، تحلیل کمی با استفاده از مدل سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی (PLS-SEM) در نرم افزار SmartPLS۳ انجام شد. پایایی سازه ها از طریق آلفای کرونباخ (۰.۸۰۶ تا ۰.۸۸۴) و پایایی ترکیبی (بیش از ۰.۹۱) تایید شد. روایی همگرا با مقادیر AVE بالاتر از حد آستانه و روایی واگرا بر اساس معیار فورنل–لارکر احراز گردید. تمامی ضرایب مسیر در سطح اطمینان ۹۵ درصد معنادار بودند (t>۱.۹۶). یافته ها: یافته ها نشان داد که «نیاز به واقع گرایی بصری بالا» و «پیشرفت فناوری های مولد» به عنوان شرایط علی، همراه با «بستر تبلیغات دیجیتال» و «فرهنگ و ادراک مخاطب» به عنوان شرایط زمینه ای، نقش معناداری در شکل گیری تبلیغات عکس محور هوشمند دارند. همچنین ملاحظات اخلاقی–حقوقی و محدودیت های فنی به عنوان شرایط مداخله گر، بر نحوه پیاده سازی مدل های متخاصم اثرگذارند. در سطح راهبردی، ترکیب راهبردهای فنی (مانند کنترل فضای نهفته، بهینه سازی چندهدفه و پایش کیفیت خروجی) با راهبردهای انسانی–تفسیری (بازخورد خبرگان و ارزیابی کاربرمحور) بیشترین تاثیر را بر پیامدها داشته است (β=۰.۷۶۱). ضریب تعیین برای سازه اصلی مدل برابر با ۰.۸۰۴ و شاخص Q&sup۲; بیانگر قدرت پیش بینی قوی مدل بود؛ همچنین شاخص برازش کلی GOF برابر با ۰.۴۶، برازش مناسب مدل را تایید کرد. در مجموع، نتایج پژوهش نشان می دهد که توسعه موفق تبلیغات عکس محور مبتنی بر GAN مستلزم هم افزایی میان قابلیت های الگوریتمی پیشرفته و ملاحظات ادراکی و اخلاقی است. نتیجه گیری: یافته ها بیانگر آن است که این الگوی / مدل می تواند چارچوبی نظری-کاربردی برای طراحی کمپین های شخصی سازی شده، کاهش هزینه تولید محتوا، افزایش تعامل مخاطب و در عین حال مدیریت ریسک های اخلاقی و ادراکی فراهم آورد. پژوهش حاضر با پر کردن خلا مفهومی موجود در ادبیات، بنیانی برای مطالعات آتی در حوزه تبلیغات هوشمند مولد و حکمرانی اخلاقی هوش مصنوعی در بازاریابی دیجیتال ارائه می کند.

کلیدواژه ها:

تبلیغات عکس محور ، شبکه یادگیری متخاصم GAN ، یادگیری ماشین متخاصم ، هوش مصنوعی ، بازاریابی