طراحی سیستم توصیه گر و بازاریابی پویا مبتنی بر هوش مصنوعی و داده های احساسات کاربران در شبکه های اجتماعی برای تجارت الکترونیک

در سال های اخیر سیستم های توصیه گر به عنوان یکی از ابزارهای کلیدی در بهبود تجربه کاربران و افزایش کارایی سامانه های تجارت الکترونیک مورد توجه قرار گرفته اند. با این حال اغلب این سیستم ها تنها بر داده های رفتاری و تراکنشی کاربران تکیه دارند و نقش احساسات کاربران در فرآیند تصمیم گیری نادیده گرفته می شود. هدف از این پژوهش طراحی و پیاده سازی یک سامانه یکپارچه شامل سیستم توصیه گر هوشمند و مکانیزم بازاریابی پویا مبتنی بر تحلیل احساسات کاربران در شبکه های اجتماعی است. در این پژوهش ابتدا داده های متنی کاربران از منابع مختلف جمع آوری و پس از پیش پردازش با استفاده از مدل یادگیری عمیق مبتنی بر BERT تحلیل احساسات شدند. سپس، به منظور مدل سازی روابط میان کاربران و محصولات و در نظر گرفتن تغییرات زمانی رفتار کاربران از مدل شبکه عصبی گرافی پویا استفاده شد. خروجی این مدل به عنوان ورودی سیستم توصیه گر مورد استفاده قرار گرفت تا پیشنهادهای شخصی سازی شده و متناسب با ترجیحات و وضعیت احساسی کاربران ارائه شود. علاوه بر این، یک مکانیزم بازاریابی پویا طراحی شد که با بهره گیری از اطلاعات احساسی، کاربران پیام ها و پیشنهادهای بازاریابی را به صورت بلادرنگ و شخصی سازی شده ارائه می دهد. ارزیابی های انجام شده نشان داد که مدل پیشنهادی در مقایسه با روش های سنتی بهبود قابل توجهی در معیارهای دقت توصیه، کیفیت رتبه بندی، نرخ کلیک و نرخ تبدیل ایجاد کرده است. نتایج این پژوهش نشان می دهد که ادغام تحلیل احساسات با مدل های یادگیری عمیق و گرافی پویا می تواند نقش مهمی در توسعه سیستم های توصیه گر نسل جدید ایفا کند و منجر به ایجاد تجربه ای هوشمندتر، شخصی تر و کاربرمحورتر در سامانه های تجارت الکترونیک شود.

کلیدواژه ها:

سیستم توصیه گر ، تحلیل احساسات ، گراف پویا ، یادگیری عمیق ، بازاریابی هوشمند