مقاله ترجمه شده بازاریابی شبکه‌های اجتماعی و رفتار خرید مصرف‌کننده: ترکیبی از مدل‌سازی معادلات ساختاری و رویکردهای یادگیری ماشین بدون نظارت

سال نشر: ۲۰۲۲

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۸  صفحه PDF

تعداد صفحه ترجمه فارسی:  ۲۹  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M1900

نام ناشر (پایگاه داده): MDPI

نام مجله:   Big Data Cognitive. Computing

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۲ :  بازاریابی شبکه‌های اجتماعی و رفتار خرید مصرف‌کننده: ترکیبی از مدل‌سازی معادلات ساختاری و رویکردهای یادگیری ماشین بدون نظارت

عنوان کامل انگلیسی:

Social Networks Marketing and Consumer Purchase Behavior: The Combination of SEM and Unsupervised Machine Learning Approaches

چکیده فارسی:

هدف این مقاله، آشکار کردن تأثیر بازاریابی شبکه‌های اجتماعی (SNM) بر رفتار خرید مصرف‌کنندگان (CPB) است. ما ترکیبی از مدل‌سازی معادلات ساختاری (SEM) و رویکردهای یادگیری ماشین بدون نظارت را به‌عنوان روشی نوآورانه بکار گرفتیم. جامعه آماری این مطالعه، شامل کاربرانی است که در مجارستان زندگی می‌کنند و از بازارگاه فیسبوک استفاده می‌کنند. این تحقیق از روش نمونه‌گیری در دسترس برای غلبه بر سوگیری استفاده می‌کند. از ۴۷۵ پرسشنامه توزیع‌شده، در مجموع ۴۶۶ پاسخ‌دهنده به‌طور کامل پرسشنامه را با نرخ پاسخ ۹۸٫۱ درصد تکمیل کردند. نتایج نشان داد که تمام ابعاد بازاریابی شبکه‌های اجتماعی، مانند سرگرمی، شخصی‌سازی، تعامل، تبلیغات دهان به دهان (WoM) و ترند، تأثیر مثبت و معناداری بر رفتار خرید مصرف‌کننده (CPB) در مارکت پلیس فیسبوک داشته‌اند. علاوه بر این، ما از الگوریتم‌های خوشه‌بندی سلسله مراتبی و K-means بدون نظارت برای خوشه‌بندی مصرف‌کنندگان استفاده کردیم. نتایج نشان می‌دهد که پاسخ‌دهندگان این تحقیق را می‌توان بر اساس ویژگی‌های جمعیتی به نه گروه مختلف بر اساس رفتارشان خوشه‌بندی کرد. این بدان معنی است که می‌توان از استراتژی‌های متمایزی برای خوشه‌های مختلف استفاده کرد. در عین حال، مدیران بازاریابی می‌توانند برای هر گروه، گزینه‌ها، محصولات و خدمات مختلفی ارائه دهند. این مطالعه از اهمیت بالایی برخوردار است زیرا از بسته‌های plspm و Matrixpls در R برای نشان دادن قدرت پیش‌بینی مدل استفاده کرده است. در عین حال، ما از الگوریتم‌های یادگیری ماشین بدون نظارت برای خوشه‌بندی رفتارهای مصرف‌کننده استفاده کردیم.

کلمات کلیدی: بازاریابی شبکه‌های اجتماعی؛ رفتار خرید مصرف‌کننده؛ بازارگاه فیسبوک ؛ مدل‌سازی معادلات ساختاری؛ یادگیری ماشین؛ الگوریتم‌های خوشه‌بندی بدون نظارت

Abstract

: The purpose of this paper is to reveal how social network marketing (SNM) can affect consumers’ purchase behavior (CPB). We used the combination of structural equation modeling (SEM) and unsupervised machine learning approaches as an innovative method. The statistical population of the study concluded users who live in Hungary and use Facebook Marketplace. This research uses the convenience sampling approach to overcome bias. Out of 475 surveys distributed, a total of 466 respondents successfully filled out the entire survey with a response rate of 98.1%. The results showed that all dimensions of social network marketing, such as entertainment, customization, interaction, WoM and trend, had positively and significantly influenced consumer purchase behavior (CPB) in Facebook Marketplace. Furthermore, we used hierarchical clustering and K-means unsupervised algorithms to cluster consumers. The results show that respondents of this research can be clustered in nine different groups based on behavior regarding demographic attributes. It means that distinctive strategies can be used for different clusters. Meanwhile, marketing managers can provide different options, products and services for each group. This study is of high importance in that it has adopted and used plspm and Matrixpls packages in R to show the model predictive power. Meanwhile, we used unsupervised machine learning algorithms to cluster consumer behaviors.

Keywords: social networks marketing; consumer purchase behavior; Facebook Marketplace; structural equation modeling; machine learning; unsupervised clustering algorithms