ارائه چارچوب مهندسی شده برای بهینه سازی معنایی محتوا بر پایه E-E-A-T جهت ارتقای اطمینان در سیستم های تجارت الکترونیک

با گسترش روزافزون حجم داده های تولید شده توسط کاربران و ظهور مدل های زبانی بزرگ چالش تشخیص کیفیت و اعتبار محتوا در موتورهای جستجو و پلتفرم های تجارت الکترونیک به یک مسئله حیاتی در حوزه فناوری اطلاعات تبدیل شده است. عدم وجود یک الگوریتم ساختاریافته برای ارزیابی صحت و تخصص محتوا منجر به کاهش اعتماد کاربران و در نتیجه افت نرخ تبدیل Conversion Rate می گردد. این پژوهش با هدف طراحی و اعتبار سنجی مدل بهینه سازی سئوی محتوا (ECSO) بر پایه چارچوب چهارگانه E-E-A-T (تجربه، تخصص، اعتبار و اعتماد) انجام شده است. روش شناسی تحقیق بر مبنای «علوم طراحی (Design Science Research)» استوار است که در آن یک مدل مفهومی و عملیاتی جهت حل شکاف میان کیفیت محتوا و درک کاربر طراحی شده است. برای آزمون فرضیات و اعتبار سنجی، مدل از روش مدل سازی معادلات ساختاری PLS-SEM بر روی نمونه ای از متخصصان حوزه دیجیتال مارکتینگ و تجارت الکترونیک استفاده شد. یافته های پژوهش نشان می دهد که ادغام مولفه های E-E-A-T در ساختار محتوا نقشی تعیین کننده در افزایش سطح اعتماد کاربران و بهبود شاخص های عملکردی سیستم های فروش آنلاین دارد. این مدل می تواند به عنوان یک چارچوب الگوریتمیک برای توسعه ابزارهای خودکار تشخیص کیفیت محتوا در آینده مورد استفاده قرار گیرد.

کلیدواژه ها:

هوش مصنوعی در جستجو ، E-E-A-T ، مدل ECSO ، علوم طراحی (DSR) ، اعتماد کاربر ، تجارت الکترونیک