مقاله ترجمه شده کاربرد هوش مصنوعی در پیش بینی روندها و رفتار و مصرف کننده در تجارت الکترونیک

سال نشر: ۲۰۲۵

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۸  صفحه PDF

تعداد صفحه ترجمه فارسی:  ۷  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M1927

نام ناشر (پایگاه داده): BJD

نام مجله:   Brazilian Journal of Development

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۵ :  کاربرد هوش مصنوعی در پیش بینی روندها و رفتار و مصرف کننده در تجارت الکترونیک

عنوان کامل انگلیسی:

Application of artificial intelligence in forecasting consumer behavior and trends in E-commerce

چکیده فارسی:

این مطالعه به بررسی کاربرد هوش مصنوعی (AI) و تحلیل پیش‌بینی‌کننده با تمرکز بر پیش‌بینی رفتار مصرف‌کننده و روندهای بازار، در تجارت الکترونیک می‌پردازد. این تحقیق از طریق یک مرور سیستماتیک ادبیات از پایگاه‌های داده علمی معتبر مانند گوگل اسکالر، اسکوپوس و IEEE Xplore انجام شد. هدف اصلی، شناسایی جدیدترین رویکردها برای استفاده از تکنیک‌های هوش مصنوعی، مانند یادگیری ماشینی، پردازش زبان طبیعی و یادگیری عمیق، در تجارت الکترونیک بود. تجزیه و تحلیل مقالات، کتاب‌ها و تحقیقات دانشگاهی، امکان بررسی تأثیر هوش مصنوعی در زمینه‌هایی مانند شخصی‌سازی توصیه‌ها، بهینه‌سازی موجودی و مدیریت تجربه مشتری را فراهم کرد. یافته‌ها نشان می‌دهد که پیاده‌سازی این فناوری‌ها به طور قابل توجهی دقت پیش‌بینی‌های رفتار مصرف‌کننده را بهبود می‌بخشد و به مدیریت کارآمدتر موجودی و کمپین‌های بازاریابی کمک می‌کند. علاوه بر این، مطالعات بررسی‌شده چالش‌هایی مانند کیفیت داده، نگرانی‌های مربوط به حریم خصوصی و نیاز به مهارت‌های تخصصی را برجسته می‌کنند. این مطالعه، دیدگاهی عمیق از دستاوردهای نظری و عملی هوش مصنوعی در پیش‌بینی روندها در تجارت الکترونیک ارائه می‌دهد و مسیرهایی را برای تحقیقات آینده در این زمینه پیشنهاد می‌کند.

واژه‌های کلیدی: هوش مصنوعی، تحلیل پیش‌بینی‌کننده، رفتار مصرف‌کننده، تجارت الکترونیک، روندهای بازار.

Abstract

This study explores the application of artificial intelligence (AI) and predictive analytics in e-commerce, focusing on forecasting consumer behavior and market trends. The research was conducted through a systematic literature review in recognized scientific databases such as Google Scholar, Scopus, and IEEE Xplore. The main objective was to identify the most recent approaches for using AI techniques, such as machine learning, natural language processing, and deep learning, in e-commerce. The analysis of articles, books, and academic materials allowed for the examination of the impact of AI in areas such as recommendation personalization, inventory optimization, and customer experience management. The findings indicate that the implementation of these technologies significantly improves the accuracy of consumer behavior predictions and contributes to more efficient inventory and marketing campaign management. Additionally, the studies reviewed highlight challenges such as data quality, privacy concerns, and the need for specialized skills. This work provides an in-depth view of the theoretical and practical contributions of AI in trend forecasting in e-commerce and suggests directions for future research in this field.

Keywords: artificial intelligence, predictive analytics, consumer behavior, E-commerce, market trends.