مقاله ترجمه شده پشتیبانی از تصمیم بازاریابی، با استفاده از هوش مصنوعی و مدل‌سازی دانش: کاربرد آن در مدیریت مقصد توریستی

 

کد محصول:M531

قیمت فایل ترجمه شده ۲۱۰۰۰ تومان

تعداد صفحه انگلیسی: ۸

سال نشر:  ۲۰۱۵

تعداد صفحه ترجمه فارسی:  ۱۵ صفحه  WORD

عنوان فارسی:

مقاله ترجمه شده پشتیبانی از تصمیم بازاریابی، با استفاده از هوش مصنوعی و مدل‌سازی دانش: کاربرد آن در مدیریت مقصد توریستی

عنوان انگلیسی:

Marketing decision support using Artificial Intelligence and Knowledge Modeling: application to tourist destination managemen

چکیده فارسی:

سیستم‌های اطلاعاتی مبتنی بر دانش را می‌توان ابزارهای پیشرفته‌ای در دست بازاریابان دانست که به آن‌ها اجازه داده تا در شرایط پیچیده، اقدام به تصمیم‌گیری مبتنی بر شواهد کنند. در این مقاله، تحلیل داده‌ای پیشرفته، شبکه‌های عصبی و تکنولوژی های نمایش دانش را باهم در قالب یک سیستم اطلاعات هوشمند بکار خواهیم برد تا بتوانیم بازاریابی مقصد توریستی را انجام دهیم. در فعالیت قبلی ما، متدهای مهندسی دانش را برای استخراج و مدل‌سازی از داده‌های پژوهشی بازار، روابط، خوشه‌ها و الگوهای مخفی ارائه دائم که تشریح کننده‌ی یک پدیده‌ی بازار و یا رفتار مشتری بود. امکان‌پذیری مدیریت این یافته‌ها در پایگاه دانش- که هم می‌تواند مجدد بکار گرفته شود و هم قابل اشتراک می‌باشد و اینکه یک دانش قابل‌درک توسط ماشین می‌باشد- توسط نتایج به‌دست‌آمده از پژوهشی که در خصوص مسئله‌ی توریسم در شهر تسالونیکی صورت گرفت اثبات گردید. در این پژوهش، قصد داریم این توسعه‌ها را ادامه دهیم و: نتایج نهایی این پژوهش را بر روی صنعت توریسم در تسولانیسکی بکار گیریم.

یک پایگاه دانشی که پر از محتوای ارزیابی‌شده و واقعی می‌باشد و برگرفته از داده‌های پژوهشی تماس مقیاس می‌باشد را ارائه دهیم.متدهایی را با دسته‌بند شبکه‌ی عصبی مصنوعی توسعه دهیم.یک موتور استنتاج و یک مکانیسم پرس‌وجو را به‌منظور بکار گیری محتوای دانش برای پشتیبانی از تصمیم ارائه دهیم.آزمون‌ها نشان داده است که سیستم هوشمند است تا به کاربرانی که در تحلیل خبره نیستند کمک کرده تا مسائل بازاریابی مقصد عادی را حل کنند.

مقدمه

در سال‌های اخیر، یک گرایشی در خصوص بهره‌برداری از حجم زیادی از داده‌های موجود در داخل سیستم‌های اطلاعاتی مدرن و یا داده‌هایی که از طریق وب مبادله شده است صورت گرفته است، با این هدف که بتوان بازاریابی مبتنی بر شواهد را انجام داد. عبارت‌هایی مانند داده‌کاوی، تحلیل داده‌ای، مدل‌سازی پیشگو و کلان داده‌ها  به تکنولوژی‌هایی اطلاق شده که سریعاٌ درحال‌توسعه بوده و به ابزارهایی قدرتمند در بازاریابی مدرن و بسیاری از فعالیت‌های تجاری مبدل گردیده‌اند (بوست ۲۰۰۷). این تکنیک‌ها در سطح قابل‌ملاحظه‌ای موردپذیرش قرارگرفته‌اند، چراکه شرکت‌های زیادی وجود داشته که نرم‌افزارهایی اختصاصی، سرویس‌های تحلیل داده‌ای و آموزش‌هایی را برای تکنیک‌های هوشمند مبتنی بر تحلیل داده‌ای ارائه می‌دهند. اگرچه بدیهی است که این تکنیک‌ها نیاز به تخصص‌های خاصی داشته و نیاز به تکنولوژی اطلاعاتی درزمینه‌ی خوددارند (اسکریبر ۲۰۰۸). از سوی دیگر، مطالعات اصلی مبتنی بر پرسشنامه را می‌توان یک منبع عمده از اطلاعات دانست. با در نظر گرفتن هزینه‌ی این پژوهش‌ها، مطلوب است تا اطلاعات ممکن بیشینه‌ای را با استفاده از تکنیک‌های تحلیل پیشرفته از این داده‌ها به دست آورد تا بتوان نتایج آن را برای پژوهش‌های مختلف بکار گرفته و یافته‌ها را به‌طور تعمیم داد که بتوان آن را در مسائلی مشابه بکار گرفت.

Abstract

Knowledge-based information systems are advanced tools in the hands of the marketer, enabling him to take evidence-based decisions in complex situations. In this paper, advanced data analysis, neural networks and knowledge representation technologies are brought together towards an intelligent information system for tourist destination marketing. In previous work, knowledge engineering methods were proposed for the extraction and modeling from market survey data of factors, associations, clusters and hidden patterns that explain a market phenomenon or customer behavior. The feasibility of managing these findings in a Knowledge-Base, as reusable, sharable and machine understandable knowledge was shown using preliminary results from primary surveys on the tourism of Thessaloniki. In the current work, we present the continuation of these developments, including: (a) the final results of the survey on the tourism of Thessaloniki, (b) a refined Knowledge Base filled with real and validated content derived from the analysis of the full-scale survey data, (c) the extension of the methods with an artificial neural network classifier and (d) the deployment of an inference engine and a query mechanism in order to exercise the knowledge content for decision support. Pilot trials showed that the intelligent system was able to assist users who are not experts in analysis to solve typical destination marketing problems.