نقش هوش مصنوعی مولد در پیش بینی رفتار مصرف کننده

هدف: فنون هوش مصنوعی مولد، مانند شبکه های مولد تخاصمی، رمزگذارهای خودکار متغیر و ترانسفورماتورها، با فراهم کردن امکان ترکیب داده های واقع گرایانه و استخراج بینش های معنادار از مجموعه داده های بزرگ و بدون ساختار، پیش بینی رفتار مصرف کننده را متحول کرده اند. بااین حال، علی رغم پتانسیل آنها، اثربخشی این مدل ها در کاربردهای عملی همچنان در ادبیات موجود به طور ناکافی موردتوجه قرار گرفته است. هدف پژوهش حاضر، بررسی چگونگی افزایش موثر پیش بینی رفتار مصرف کننده توسط مدل های هوش مصنوعی مولد و پیامدهای آنها برای کاربردهای دنیای واقعی در بازاریابی و تعامل با مشتری است. روش شناسی: پژوهش حاضر، با روش فراتحلیل انجام شد. از روش کتابخانه ای برای گردآوری داده ها استفاده شد. با بررسی سیستماتیک ۳۱ پژوهش متمرکز بر این مدل ها در تجارت الکترونیک، مدل سازی داده های انرژی و بهداشت عمومی، سهم آنها را در بهبود بازاریابی شخصی سازی شده، مدیریت موجودی و حفظ مشتری شناسایی می شود. یافته ها: به طور خاص، مدل های ترانسفورماتور در پردازش داده های متوالی پیچیده برای بینش های بلادرنگ مصرف کننده برتری دارند، در حالی که شبکه های مولد تخاصمی و رمزگذارهای خودکار متغیر در تولید داده های واقع گرایانه و پیش بینی رفتارهای مشتری مانند ریزش و قصد خرید موثر هستند. نتیجه گیری: به طور کلی، نتایج و یافته های این پژوهش، مبنایی برای تبیین و تبیین نقش هوش مصنوعی مولد در پیش بینی رفتار مصرف کننده فراهم می آورد.

کلیدواژه ها:

هوش مصنوعی مولد ، رفتار مصرف کننده ، مدل های تبدیل کننده ، سیستم های توصیه گر ، تحلیل احساسات