پارس پروژه پرتال خدمات دانشگاهی
مشخصات مقاله فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه خرید پروپوزال مقالات مرتبط
سلام دوست من ، توی این پست براتون یه مقاله انگلیسی جدید با موضوع شخصی‌سازی مبتنی بر هوش مصنوعی: آشکار کردن ادراکات مصرف‌کننده در تعامل با رسانه‌های اجتماعی منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه الزویر در سال ۲۰۲۵ منتشر شده. فایل انگلیسی ۹ صفحه PDF و فایل ترجمه ۲۹ صفحه WORD و قابل ویرایشه، مثل همیشه مقاله انگلیسی رو می تونید رایگان دانلود کنید. بخش هایی از ترجمه هم براتون رایگان گذاشتم که قبل از خرید ، کیفیت ترجمه رو بررسی کنید. از کیفیت ترجمه هم نگم براتون که مثل همیشه عالییییه. برای خرید ترجمه کامل مقاله روی گزینه خرید و دانلود آنی ترجمه کلیک کنید بعد از پرداخت لینک دانلود بهتون نشون داده میشه، به ایمیلتونم ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.
شخصی‌سازی مبتنی بر هوش مصنوعی: آشکار کردن ادراکات مصرف‌کننده در تعامل با رسانه‌های اجتماعی
عنوان انگلیسی:
AI-driven personalization: Unraveling consumer perceptions in social media engagement
کد محصول: M1901
سال نشر: ۲۰۲۵
نام ناشر (پایگاه داده): الزویر
نام مجله: Computers in Human Behavior
نوع مقاله: علمی پژوهشی (Research Article)
متغیر : دارد
فرضیه: دارد
مدل مفهومی: دارد
پرسشنامه : دارد
تعداد صفحه انگلیسی: 9 صفحه PDF
تعداد صفحه ترجمه فارسی: 29 صفحه WORD
قیمت فایل ترجمه شده: 118000تومان
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
فهرست مطالب
۱. مقدمه
۲.مرور ادبیات و نظریه ها
۲.۱. مدل پاسخ- محرک-ارگانیسم (SOR)
۲.۲. شخصی‌سازی مبتنی بر هوش مصنوعی (AI)
۲.۳. ادراکات مصرف‌کننده
۲.۴. تعامل مشتری
۲.۵. مکانیزم‌های میانجی
۳. روش‌ها
۳.۱. فرآیند جمع‌آوری داده‌ها
۳.۲. مقیاس‌های اندازه‌گیری
۳.۳. اعتبار و قابلیت اعتماد
۴. نتایج
۴.۱. نمونه
۴.۲. آزمون تجربی مدل فرض‌شده
۴.۳. آزمون فرضیه‌ها
۵. بحث
۶. مفاهیم
۶.۱ محدودیت‌ها
چکیده فارسی
این پژوهش، درک ما را از تأثیر محرک‌های شخصی‌سازی‌شده مبتنی بر هوش مصنوعی بر تعامل مصرف‌کنندگان در بازاریابی رسانه‌های اجتماعی ارتقا می‌بخشد. این تحقیق یک مدل گسترده S-O-R (محرک-ارگانیسم-پاسخ) را توسعه داده و بررسی می‌کند که چگونه محرک‌های هوش مصنوعی با ادراکات مشتری از اعتماد، نگرانی‌های مربوط به حریم خصوصی، سودمندی درک شده و در نتیجه، تعامل مصرف‌کننده مرتبط می‌شوند. از مدل‌سازی معادلات ساختاری برای بررسی داده‌های جمع‌آوری‌شده و ارزیابی فرضیه‌ها استفاده شد. نتایج این فرضیه را تأیید می‌کند که شخصی‌سازی مبتنی بر هوش مصنوعی، به طور مثبت بر اعتماد، نگرانی‌های مربوط به حریم خصوصی و سودمندی ادراک‌شده تأثیر می‌گذارد. اعتماد و سودمندی ادراک‌شده، به طور مثبت بر تعامل مصرف‌کننده تأثیر می‌گذارند، در حالی که نگرانی‌های مربوط به حریم خصوصی این تأثیر را ندارند. به طور غیرمنتظره‌ای، شخصی‌سازی مبتنی بر هوش مصنوعی تأثیر معناداری بر تعامل مشتری ندارد. با بررسی نقش‌های میانجی ادراکات مصرف‌کننده، نتایج بر سودمندی و اعتماد ادراک‌شده به عنوان یک عامل میانجی مهم تأکید می‌کند و بر نقش مهم آن در ایجاد تعاملات مثبت بین کاربران و فناوری تأکید دارد. این تحقیق مدل SOR را در درک تأثیر هوش مصنوعی بر تعامل مصرف‌کننده گسترش می‌دهد و بر اعتماد و سودمندی ادراک‌شده به عنوان میانجی های حیاتی تأکید می‌کند. از نظر کاربردهای عملی، کسب‌وکارها در بازاریابی رسانه‌های اجتماعی باید ایجاد اعتماد، بهبود تجربه کاربری، رفع نگرانی‌های مربوط به حریم خصوصی و اتخاذ یک رویکرد مشتری‌محور را در اولویت قرار دهند. این بینش‌ها، دستورالعمل های ارزشمندی برای هدایت پویایی‌های شخصی‌سازی مبتنی بر هوش مصنوعی در بازاریابی رسانه‌های اجتماعی ارائه می‌دهند.
کلمات کلیدی: هوش مصنوعی، تعامل با مشتری، شخصی سازی، بازاریابی دیجیتال ، ادراک مصرف کننده
۱.مقدمه
پیشرفت‌های سریع فناوری، طی دهه‌های گذشته، به طور چشمگیری حوزه بازاریابی را تغییر داده است. ظهور وب ۲.۰ که به کاربران اجازه می‌دهد محتوا تولید کنند، باعث شده بازاریابی پیچیده‌تر شود و به سمت وب ۳.۰ برود که بیشتر روی استفاده از داده‌ها برای برنامه‌ریزی تمرکز دارد (عراچا و رومدانه، ۲۰۱۴). بازاریابی مبتنی بر داده، یک تکامل تدریجی را پشت سر گذاشته و از پیشرفت‌های فناوری مانند تحلیل داده‌ها، یادگیری ماشین، تحلیل وب، تحلیل رسانه‌های اجتماعی، واقعیت مجازی، واقعیت افزوده و چت‌بات‌ها برای پشتیبانی از مشتری استفاده می‌کند. این پیشرفت‌ها به بازاریابان اجازه داده است تا استراتژی‌های خود را بهبود بخشند و خدمات خود را برای برآورده کردن نیازهای مصرف‌کنندگان سفارشی کنند. این تحولات، شخصی‌سازی، اتوماسیون، تحلیل داده‌ها، تحلیل‌های پیش‌بینی‌کننده و بهبود تجربیات و تعامل مصرف‌کنندگان را تسهیل کرده است (بگ و همکاران، ۲۰۲۱؛ کریشن و همکاران، ۲۰۲۱؛ ساکاس و همکاران، ۲۰۲۳)…
۳.۱. فرآیند جمع‌آوری داده‌ها
این تحقیق از رویکرد کمی برای جمع‌آوری داده‌های اولیه از طریق پرسشنامه‌های نظرسنجی استفاده می کند. در این مطالعه، از روش نمونه‌گیری آسان برای انتخاب شرکت‌کنندگان استفاده شد. فرم‌های گوگل برای ایجاد پرسشنامه نظرسنجی به کار گرفته شد و شرکت‌کنندگان با استفاده از مقیاس پنج‌نقطه‌ای نظرات خود را ارائه دادند. اکثریت شرکت‌کنندگان در این تحقیق شامل مدرسان و دانشجویان کالج بودند. مجموعاً ۲۴۵ پرسشنامه از طریق نظرسنجی آنلاین برگشت داده شد و تمامی ۲۴۵ مورد برای تحلیل نهایی مناسب در نظر گرفته شد. برای تحلیل چند متغیره داشتن حجم نمونه مناسب برای تعداد متغیرهایی که در حال بررسی هستند، بسیار مهم است. براساس مطالعات هیر و همکاران (۲۰۰۶) و سکاران و بوجی (۲۰۱۶)، معمولاً حجم نمونه مناسب بین ۱۰۰ تا ۲۵۰ پاسخ‌دهنده در نظر گرفته می‌شود. در این مطالعه، ۵ سازه و ۱۶ گویه ی اندازه‌گیری وجود داشت که نشان می‌دهد حداقل حجم نمونه باید ۱۶۰ پاسخ‌دهنده باشد. این محدوده اطمینان می‌دهد که قدرت آماری کافی برای شناسایی روابط معنادار بین متغیرهای موجود در مدل سازه وجود دارد…
۶.مفاهیم
این مطالعه درک ما از تأثیر هوش مصنوعی بر تعامل مصرف‌کننده را با بررسی چگونگی میانجی‌گری ادراکات مصرف‌کننده در رابطه بین شخصی‌سازی مبتنی بر هوش مصنوعی و تعامل مشتری افزایش می‌دهد. اعتماد و سودمندی درک‌شده به عنوان میانجیگرهای مهم در این رابطه ظاهر شده‌اند که پیچیدگی‌های تعاملات مصرف‌کننده با فناوری‌های هوش مصنوعی را برجسته می‌کنند. این یافته‌ها با ارائه بینش‌هایی در مورد عوامل میانجی‌گر و ارائه راهنمایی برای سازمان‌هایی که به دنبال استفاده از شخصی‌سازی مبتنی بر هوش مصنوعی برای افزایش تعامل مصرف‌کننده هستند، هم به دانش آکادمیک و هم به کاربردهای عملی کمک می‌کند…
فرضیات
H1. شخصی‌سازی مبتنی بر هوش مصنوعی به طور معناداری بر اعتماد درک شده مشتری تأثیر می‌گذارد.
H2. شخصی‌سازی مبتنی بر هوش مصنوعی به طور معناداری بر ادراکات مشتری در مورد نگرانی‌های حریم خصوصی تأثیر می‌گذارد.
H3. شخصی‌سازی مبتنی بر هوش مصنوعی به طور معناداری بر ادراکات مشتری از سودمندی درک‌شده تأثیر می‌گذارد.
H4. ادراکات اعتماد مشتری تأثیر معناداری بر تعامل مشتری دارد.
H5. ادراکات نگرانی‌های حریم خصوصی مشتری به طور معناداری بر تعامل مشتری تأثیر می‌گذارد.
H6. سودمندی درک‌شده به طور معناداری بر تعامل مشتری تأثیر می‌گذارد.
H7. شخصی‌سازی مبتنی بر هوش مصنوعی به طور معناداری بر تعامل مشتری تأثیر می‌گذارد.
H9. شخصی‌سازی مبتنی بر هوش مصنوعی و تعامل مشتری توسط ادراکات مشتری از نگرانی‌های حریم خصوصی میانجی‌گری می‌شود.
H10. شخصی‌سازی مبتنی بر هوش مصنوعی و تعامل مشتری توسط سودمندی ادراک‌شده مشتری میانجی‌گری می‌شود.
Abstract
This study advances our understanding of the impact of personalized stimuli driven by artificial intelligence on consumer engagement in social media marketing. The research develops and examines an extensive S-O-R model, linking AI stimuli to customer perceptions of trust, privacy concerns, perceived usefulness, and, consequently, consumer engagement. Structural equation modeling was utilized to examine the gathered data and evaluate the hypotheses. The results confirm the hypothesis that AI-enabled personalization positively influences trust, privacy concerns, and perceived usefulness. Trust and perceived usefulness positively impact consumer engagement, while privacy concerns do not. Unexpectedly, AI-enabled personalization doesn’t significantly affect customer engagement. By exploring the mediating roles of consumer perceptions, the results emphasize perceived utility and trust as a significant mediating factor, underscoring its crucial contribution to fostering positive interactions between users and technology. The research extends the SOR model in understanding AI’s impact on consumer engagement, emphasizing trust and perceived usefulness as crucial mediators. For practical implications, businesses in social media marketing should prioritize trust-building, enhance user experience, address privacy concerns, and adopt a customer-centric approach. These insights provide valuable guidance for navigating AI driven personalization dynamics in social media marketing.
Keywords: Artificial intelligence, Customer engagement, Personalization, Digital marketing, Consumer perception
۱. Introduction
Rapid technological advancements have significantly changed the field of marketing over the past few decades. The rise of Web 2.0, known for user-generated content, has led to a shift in marketing to a more intricate and ever-changing landscape with the development of Web 3.0, focused on data-driven strategies (Erragcha & Romdhane, 2014). Data-driven marketing has undergone a gradual evolution, leveraging technological advancements such as data analytics, machine learning, web analytics, social media analytics, virtual reality, augmented reality, and chatbots for customer support. These advancements have allowed marketers to refine their strategies and customize their responses to meet the needs of consumers. This evolution has facilitated personalization, automation, data analysis, predictive analytics, and improved consumer experiences and engagement (Bag et al., 2021; Krishen et al., 2021; Sakas et al., 2023)…
۶.Implications
This study enhances our understanding of AI’s influence on con sumer engagement by examining how consumer perceptions mediate the relationship between AI-enabled personalization and customer engagement. Trust and perceived usefulness have emerged as significant mediators in this relationship, highlighting the complexities of sumer interactions with AI technologies. These findings contribute to both academic knowledge and practical applications by offering insights into the mediating factors and providing guidance for organizations seeking to leverage AI-enabled personalization to enhance consumer engagement…