بررسی نقش هوش مصنوعی بر بهینهسازی فرآیندهای بازاریابی دیجیتال یک مرور نظام مند بر اساس چارچوبPRISMA

تحول دیجیتال طی دو دهه اخیر ساختار رقابت در بازارهای جهانی را به طور بنیادین دگرگون کرده و شیوه تعامل سازمان ها با مشتریان طراحی راهبردهای بازاریابی و خلق ارزش را متحول ساخته است (وان اسک و استوارت بلک ۲۰۲۱). گسترش اینترنت، توسعه فناوری های ارتباطی، افزایش استفاده از رسانه های اجتماعی و رشد سریع تجارت الکترونیک موجب شده است تا بازاریابی از رویکردهای سنتی مبتنی بر ارتباطات یک سویه به سمت بازاریابی دیجیتال مبتنی بر داده و مشتری محور حرکت کند. در این محیط پویا، سازمان ها علاوه بر مواجهه با حجم عظیمی از داده های تولید شده توسط مشتریان، با تغییر مداوم انتظارات، ترجیحات و الگوهای رفتاری مصرف کنندگان نیز روبه رو هستند. در نتیجه موفقیت در بازارهای دیجیتال دیگر تنها به حضور در بسترهای آنلاین وابسته نیست، بلکه مستلزم بهره گیری از فناوری های هوشمندی است که بتوانند داده های پیچیده را به دانش قابل استفاده برای تصمیم گیری تبدیل کنند (پریرا و همکاران ۲۰۲۳). در این میان هوش مصنوعی به عنوان یکی از مهم ترین فناوری های تحول آفرین عصر دیجیتال نقش محوری در بازتعریف فرآیندهای بازاریابی ایفا کرده است. هوش مصنوعی مجموعه ای از فناوری ها شامل یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی، بینایی ماشین و سیستم های هوشمند است که قابلیت تحلیل حجم گسترده ای از داده ها، شناسایی الگوهای پنهان، پیش بینی رفتار مشتریان و پشتیبانی از تصمیم گیری را فراهم می آورد (هوآنگ و راست ۲۰۲۲). برخلاف روش های سنتی که عمدتا بر تحلیل های توصیفی داده های گذشته متکی بودند، فناوری های مبتنی بر هوش مصنوعی امکان تحلیل بلادرنگ داده ها و اتخاذ تصمیمات هوشمند را فراهم ساخته اند و به همین دلیل به یکی از ارکان اصلی تحول بازاریابی دیجیتال تبدیل شده اند (چینتالاپاتی و پاندی ۲۰۲۲). بازاریابی دیجیتال یکی از حوزه هایی است که بیشترین تاثیر را از توسعه هوش مصنوعی پذیرفته است. امروزه سازمان ها از الگوریتم های هوش مصنوعی برای شناخت دقیق تر مشتریان، بخش بندی بازار، پیش بینی رفتار خرید، شخصی سازی محتوا، مدیریت ارتباط با مشتری، قیمت گذاری پویا، تبلیغات هوشمند و ارزیابی اثربخشی کمپین های بازاریابی استفاده می کنند (زیاکیس و ولاکوپلو ۲۰۲۳). این فناوری با تحلیل داده های حاصل از شبکه های اجتماعی، موتورهای جستجو، وب سایت ها، اپلیکیشن های تلفن همراه و سوابق خرید مشتریان بینش هایی را در اختیار مدیران قرار می دهد که با روش های سنتی قابل دستیابی نیست. چنین قابلیتی موجب شده است تا تصمیمات بازاریابی از رویکردهای مبتنی بر تجربه فردی به سمت تصمیم گیری های مبتنی بر داده، شواهد و پیش بینی های هوشمند حرکت کند (اسلام و همکاران ۲۰۲۴). یکی از مهم ترین مزایای هوش مصنوعی در بازاریابی دیجیتال افزایش سطح شخصی سازی خدمات و تعاملات بازاریابی است. در بازارهای رقابتی امروز، مشتریان انتظار دارند سازمان ها نیازها، علایق و ترجیحات آنان را درک کرده و پیشنهادهایی متناسب با ویژگی های فردی ارائه دهند (وانگ ۲۰۲۲). الگوریتم های هوش مصنوعی با تحلیل رفتار مشتریان و شناسایی الگوهای خرید، نشان داده اند که شخصی سازی مبتنی بر هوش مصنوعی موجب افزایش تعامل مشتری، بهبود تجربه کاربری، افزایش نرخ تبدیل، ارتقای وفاداری مشتریان و در نهایت بهبود عملکرد بازاریابی می شود (گائو و همکاران ۲۰۲۳). از سوی دیگر، تحلیل پیش بینانه به یکی از مهم ترین کاربردهای هوش مصنوعی در بازاریابی تبدیل شده است. الگوریتم های یادگیری ماشین با تحلیل داده های گذشته و شناسایی روابط میان متغیرها قادرند رفتار آینده مشتریان، روندهای بازار، میزان تقاضا، احتمال خرید مجدد، ریزش مشتریان و اثربخشی کمپین های تبلیغاتی را پیش بینی کنند (کومار و همکاران ۲۰۲۳). این قابلیت سازمان ها را از تصمیم گیری واکنشی به سمت تصمیم گیری پیش نگرانه سوق داده و امکان تخصیص بهینه منابع، کاهش هزینه های بازاریابی و افزایش بازگشت سرمایه را فراهم ساخته است (رحمان و همکاران ۲۰۲۴). همزمان با پیشرفت فناوری های هوش مصنوعی، ظهور هوش مصنوعی مولد فصل جدیدی در تحول بازاریابی دیجیتال ایجاد کرده است (پاتیل ۲۰۲۴). ابزارهایی مبتنی بر مدل های زبانی بزرگ و مدل های مولد امکان تولید خودکار محتوای متنی، تصویری، صوتی و ویدئویی را با کیفیت بالا فراهم کرده اند و بسیاری از فرآیندهای تولید محتوا، تبلیغات، مدیریت رسانه های اجتماعی و ارتباط با مشتری را متحول ساخته اند (اسمیت و هاتسون ۲۰۲۴). این فناوری علاوه بر افزایش سرعت و کاهش هزینه های تولید محتوا، امکان شخصی سازی گسترده پیام های بازاریابی و طراحی تجربه های تعاملی جدید را نیز فراهم کرده است. با این حال، توسعه سریع هوش مصنوعی مولد چالش هایی همچون صحت اطلاعات، مالکیت فکری، سوگیری الگوریتمی، حفظ حریم خصوصی و ملاحظات اخلاقی را نیز مطرح کرده است که توجه پژوهشگران و مدیران را به خود جلب کرده است (شتری و همکاران ۲۰۲۴). علاوه بر شخصی سازی و تولید محتوا، هوش مصنوعی نقش مهمی در اتوماسیون فرآیندهای بازاریابی، تبلیغات برنامه ای، بهینه سازی موتورهای جستجو، مدیریت ارتباط با مشتری، سیستم های توصیه گر و چت بات های هوشمند ایفا می کند (چوهان و همکاران ۲۰۲۵). چت بات ها و دستیارهای مجازی مبتنی بر پردازش زبان طبیعی امکان ارائه خدمات شبانه روزی، پاسخگویی سریع به مشتریان و مدیریت همزمان حجم زیادی از درخواست ها را فراهم کرده اند. همچنین سیستم های تبلیغات برنامه ای با تحلیل بلادرنگ داده های کاربران، مناسب ترین مخاطبان را شناسایی کرده و نمایش تبلیغات را به صورت هوشمند بهینه می کنند (شانموگام و همکاران ۲۰۲۳). این قابلیت ها ضمن افزایش اثربخشی فعالیت های بازاریابی موجب کاهش هزینه های عملیاتی، افزایش سرعت تصمیم گیری و بهبود تجربه مشتری شده اند (دومیتریو و پاپسکو ۲۰۲۱). اگرچه پژوهش های متعددی طی سال های اخیر به بررسی کاربردهای مختلف هوش مصنوعی در بازاریابی دیجیتال پرداخته اند، اما نتایج این مطالعات در حوزه های گوناگون از جمله شخصی سازی، تحلیل پیش بینانه، تولید محتوا، اتوماسیون بازاریابی، تبلیغات هوشمند، تجربه مشتری و هوش مصنوعی مولد به صورت پراکنده منتشر شده است. افزون بر این توسعه سریع فناوری های هوش...

کلیدواژه ها:

Digital transformation ، Van Esch & Stewart Black ، E-commerce ، Digital Marketing ، Artificial intelligence ، Huang & Rust ، V Chintalapati & Pandey ، Ziakis & Vlachopoulou ، Islam et al. ، Wang