مرور نظام مند الگوریتمهای توصیه گر پیشرفته در تجارت الکترونیکی و تاثیر آنها بر رفتار خرید کاربران

این پژوهش با هدف مرور نظام مند پیشرفتهای اخیر در الگوریتمهای توصیه گر پیشرفته در حوزه تجارت الکترونیکی و تحلیل شواهد تجربی مربوط به تاثیر آنها بر رفتار خرید کاربران انجام شد. با توجه به نقش فزاینده سیستمهای توصیه گر در شخصی سازی تجربه کاربری، افزایش نرخ تبدیل و هدایت تصمیم گیری مصرف کنندگان بررسی همزمان کارایی الگوریتمی و پیامدهای رفتاری این سامانه ها از اهمیت ویژه ای برخوردار است. در این مطالعه با پیروی از پروتکل مرور نظام مند و چارچوب PRISMA جستجویی جامع در پایگاههای علمی معتبر بین المللی و فارسی در بازه زمانی ۲۰۱۵ تا ۲۰۲۶ انجام شد. در مرحله شناسایی اولیه ۴۸۶ مقاله استخراج گردید که پس از حذف ۱۲۸ مورد تکراری ۳۵۸ مطالعه برای غربالگری عنوان و چکیده مورد بررسی قرار گرفت. در ادامه با اعمال معیارهای ورود و خروج و ارزیابی متن کامل مقالات در نهایت ۷۶ مطالعه واجد شرایط برای تحلیل نهایی انتخاب شد. نتایج مرور نشان داد که مدلهای پیشرفته به ویژه شبکه های عصبی عمیق و ساختارهای گرافی، در مقایسه با روشهای کلاسیک بهبود معناداری در شاخصهای دقت و کیفیت توصیه ایجاد کرده اند؛ به طوری که افزایش دقت توصیه گرها در بازه ۵ تا ۲۰ درصد، بهبود معیارهای رتبه بندی نظیر NDCG و MAP در حدود ۱۰ تا ۳۰ درصد و افزایش نرخ تعامل یا تبدیل کاربران بین ۵ تا ۱۵ درصد گزارش شده است. همچنین افزایش سطح شخصی سازی و تنوع پیشنهادها موجب تغییر الگوهای تصمیم گیری کاربران و تقویت وابستگی آنها به پلتفرمهای تجارت الکترونیکی شده است. در کنار دستاوردهای فنی پیامدهای اخلاقی مرتبط با شفافیت، سوگیری الگوریتمی و اثرات بلندمدت توصیه گرها بر رفتار مصرف نیز مورد توجه قرار گرفته است. این مرور نظام مند با شناسایی شکافهای پژوهشی و ارائه چارچوبی منسجم برای درک تعامل میان الگوریتمهای توصیه گر پیشرفته و رفتار خرید کاربران فراهم میکند.

کلیدواژه ها:

سیستم توصیه گر ، تجارت الکترونیکی ، یادگیری عمیق ، گراف ، رفتار خرید ، مرور نظام مند