مقاله انگلیسی به سوی یک سیستم تصمیم گیری مبتنی بر هوش مصنوعی برای بازاریابی دقیق: مطالعه موردی مراکش

عنوان فارسی:

به سوی یک سیستم تصمیم گیری مبتنی بر هوش مصنوعی برای بازاریابی دقیق: مطالعه موردی مراکش

عنوان انگلیسی:

Toward a decision-making system based on artificial intelligence for precision marketing: A case study of Morocco

کد محصول: M1854

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): الزویر

نام مجله: Journal of Open Innovation: Technology, Market, and Complexity

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: ندارد

مدل مفهومی:  مدل ریاضی دارد

پرسشنامه : ندارد 

تعداد صفحه انگلیسی:  ۱۰ صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1854)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

بخش بیمه نقش حیاتی در توسعه اقتصادی پایدار یک کشور ایفا می‌کند. با افزایش تعداد مشتریان، شرکت‌های بیمه باید در عصر دیجیتال کنونی، انتقال به استراتژی‌های داده‌محور را برای کاهش هزینه‌ها و اتخاذ تصمیمات بازاریابی آگاهانه‌تر در اولویت قرار دهند. این مطالعه یک چارچوب تصمیم‌گیری جدید برای بازاریابی دقیق  ارائه می‌دهد که بر اساس یک مطالعه موردی واقعی از یک شرکت بیمه مراکشی است که هدف آن حل یک مسئله کاربردی است. سیستم تصمیم‌گیری پیشنهادی شامل چهار بخش است که هر بخش شامل مراحل مهمی است. ابتدا، آماده‌سازی داده‌ها در چهار مرحله حیاتی انجام شد: جمع آوری داده، پالایش و فیلتر کردن داده‌ها، انتخاب ویژگی و بیش نمونه برداری.  دوم، ۲۰ درصد و ۵۰ درصد برتر مصرف‌کنندگان به عنوان نمونه‌هایی برای ارائه جزئیات پرسونای مشتریان در نظر گرفته شده‌اند. بر اساس داده‌های پردازش شده، ما رفتارهای مصرفی مشتریان را با استفاده از چهار الگوریتم یادگیری ماشین (ML) تجزیه و تحلیل کردیم و مقایسه‌ای از عملکرد این چهار الگوریتم ارائه دادیم. علاوه بر این، روش‌های انتخاب ویژگی را برای شناسایی مرتبط‌ترین ویژگی‌ها و ارزیابی عملکرد سیستم انجام دادیم. هدف از سیستم تصمیم‌گیری دقیق پیشنهادی، کمک به مدیران در تشخیص ویژگی‌های متمایز مشتریان بالقوه و پیشنهاد استراتژی‌های بازاریابی دقیق و متناسب با آن‌ها است. انتظار می‌رود این رویکرد هزینه‌های تبلیغات را به میزان قابل توجهی کاهش داده و کارایی کلی بازاریابی را افزایش دهد. یک مطالعه موردی با استفاده از داده‌های واقعی از یک شرکت بیمه مراکشی برای نشان دادن اجرای عملی چارچوب پیشنهادی انجام شد. نتایج این مطالعه نشان می‌دهد که سیستم پیشنهادی نتایج مطلوبی به همراه داشته است.

واژه‌های کلیدی: بازاریابی دقیق، سیستم تصمیم‌گیری، یادگیری ماشین، MRMR، جبران خسارت، بخش بیمه

۱.مقدمه

بازاریابی همواره نقش مهمی در توسعه و موفقیت کسب‌وکار داشته است، زیرا به جذب و تعامل مشتریان و رشد درآمد کمک می‌کند (ال کوفی و ​​بلنگور، ۲۰۲۴). بازاریابی به عنوان یک حلقه حیاتی بین کسب‌وکارها و مشتریان عمل می‌کند و شرکت‌ها را قادر می‌سازد تا مشتریان جدیدی جذب کرده و وفاداری ایجاد کنند، که در نهایت فروش را افزایش داده و توسعه را تسهیل می‌کند (آگاگ و همکاران، ۲۰۲۴). اثربخشی تلاش‌ها و استراتژی بازاریابی یک شرکت، تأثیر قابل توجهی بر موفقیت آن دارد. با این حال، در چشم‌انداز بازاریابی به شدت رقابتی امروزی، این حوزه به دلیل تغییرات سریع محیطی با چالش‌های متعددی روبرو است (لیو و همکاران، ۲۰۲۴; آدیویجایا و همکاران، ۲۰۲۰). در سال‌های اخیر، رشد تصاعدی فناوری اینترنت، تحول در نحوه تعامل کسب‌وکارها با مشتریان را ضروری کرده است و بازاریابان را مجبور به انطباق و تکامل استراتژی‌های خود برای حفظ رقابت می‌کند. این تحولات فناوری اساساً سبک زندگی ما را متحول کرده است و نحوه کار، ارتباط و ماهیت ما را تغییر داده است. در نتیجه، این دوران ابزارها و روش‌های جدیدی را به وجود آورده است که تأثیر قابل توجهی بر جنبه‌های مختلف کسب‌وکار، به ویژه بازاریابی، دارند. روش‌های بازاریابی سنتی، مانند تبلیغات گسترده از طریق تراکت‌ها، تلویزیون، بیلبوردها و غیره، دیگر برای برآورده کردن خواسته‌های مصرف‌کنندگان امروزی کافی نیستند (ال کوفی و ​​بلنگور، ۲۰۲۳). این روش‌ها در دستیابی و تعامل با مشتریان ناکارآمد بوده‌اند. گسترش فناوری اینترنت، تجارت الکترونیک و رسانه‌های اجتماعی منجر به فراوانی داده‌های معاملاتی شده است که اطلاعات ارزشمندی را در اختیار شرکت‌ها قرار می‌دهد. با استفاده از تکنیک‌های داده‌محور، شرکت‌ها می‌توانند کمپین‌های بازاریابی هدفمند و دقیقی ایجاد کنند. با این حال، انتقال به بازاریابی دقیق چالش‌های خاص خود را دارد. شرکت‌ها باید مقررات مربوط به حریم خصوصی داده‌ها، معضلات اخلاقی و موانع فناوری را پشت سر بگذارند. با این وجود، علی‌رغم این موانع، بازاریابی دقیق یک راه حل قدرتمند برای شرکت‌ها برای برآورده کردن نیازهای مشتریان و تقویت وفاداری به برند است…

۲.بررسی متون

با رشد سریع رقابت در بازار آنلاین، شرکت‌ها با چالش فوری توسعه استراتژی‌های بازاریابی هدفمند و دقیق روبرو هستند. هدف اصلی بازاریابی دقیق، توانمندسازی شرکت‌ها و کسب‌وکارها برای ساخت استراتژی‌های مؤثری است که خواسته‌های مشتریان را برآورده کرده و از طریق هزینه‌های کم، اجرای سریع و استفاده بهینه از منابع، رقابت‌پذیری خود را در بازار حفظ کنند (الکوفی و ​​همکاران، ۲۰۲۳). برای رفع این چالش، روش‌های یادگیری ماشین به طور خاص به عنوان ابزاری قدرتمند برای ارتقاء تلاش‌های بازاریابی دقیق به دلیل قابلیت‌های منحصر به فرد خود انتخاب شده‌اند. در چشم‌انداز پویای بازارهای آنلاین، جایی که رقابت شدید است و رفتار مصرف‌کننده پیچیده است، یادگیری ماشین در تشخیص و تجزیه و تحلیل الگوهای پیچیده برتری دارد. این الگوریتم‌ها می‌توانند با داده‌های جدید تطبیق یافته و از آنها یاد بگیرند و اطمینان حاصل کنند که استراتژی‌های بازاریابی نسبت به روندهای در حال تحول بازار ،چابک و پاسخگو باقی می‌مانند…

۶.نتیجه‌گیری و مسیرهای آتی

در این مطالعه، ما یک چارچوب برای بررسی تصمیم‌گیری در بازاریابی دقیق معرفی کرده‌ایم. ابتدا آماده‌سازی داده‌ها که شامل مراحل مختلفی است انجام شد، سپس تجزیه و تحلیل‌های آماری را در ابعاد مختلف، از جمله ویژگی‌های محصول، اطلاعات جمعیتی، اطلاعات مربوط به تقاضا و اطلاعات مربوط به پورتفوی، برای درک و ثبت الگوی مصرف‌کننده انجام دادیم. بر اساس یافته‌های این تجزیه و تحلیل‌ها، ما یک پرسونای مشتری ارائه کردیم که رفتارهای خرید مصرف‌کنندگان را به شیوه‌ای واضح و قابل فهم به صورت بصری نشان می‌دهد. ما ۲۰ درصد و ۵۰ درصد برتر مصرف‌کنندگان را به عنوان نمونه‌هایی برای ارائه جزئیات پرسونای مشتریان در نظر گرفته‌ایم. بر اساس داده‌های پردازش شده، ما رفتارهای مصرفی مشتریان را با استفاده از چهار الگوریتم یادگیری ماشین (ML) تجزیه و تحلیل کردیم و مقایسه‌ای از عملکرد این چهار الگوریتم ارائه دادیم. از تکنیک انتخاب ویژگی برای انتخاب بهترین زیرمجموعه از ویژگی‌ها برای نتایج بهینه استفاده شد. برای نشان دادن کارایی سیستم پیشنهادی خود، یک مطالعه موردی از یک شرکت بیمه مراکشی انجام داده‌ایم. این مطالعه موردی نشان می‌دهد که این سیستم تصمیم‌گیری مؤثر است و می‌تواند به شرکت‌های بیمه در استراتژی‌سازی تلاش‌های بازاریابی دقیق خود کمک کند…

Abstract  

The insurance sector plays a crucial role in fostering sustainable economic development within a country. As the customer base grows, insurance companies must prioritize transitioning to data-driven strategies to cut costs and make more informed marketing choices in today’s digital era. This study proposes a new decision-making framework for precision marketing, based on a real case study from a Moroccan insurance company that aims to solve a practical problem. The proposed decision-making system consists of four components, with each component involving important steps. Firstly, data preparation was performed, consisting of four critical stages: data acquisition, data cleaning and filtering, feature selection, and oversampling. Secondly, top 20% and top 50% consumers are taken as examples to present their customer persona in detail. Based on the processed data, we analysed consumer consumption behaviors using four ML algorithms and made a performance comparison of the four algorithms. Additionally, we conducted feature selection methods to identify the most relevant features and evaluate the system’s performance. The aim of the proposed precision decision-making system is to assist managers in discerning the distinctive characteristics of potential customers and proposing tailored precision marketing strategies. This approach is expected to substantially reduce advertising expenses and enhance overall marketing efficiency. A case study using real-world data from a Moroccan insurance company was conducted to demonstrate the practical implementation of the proposed framework. The results of the study indicate that the proposed system yielded favourable outcomes.

Keywords: Precision marketing, Decision making system, Machine learning, MRMR, Relief, Insurance sector

۱.Introduction

Marketing has always played a crucial role in business development and success, as it helps to attract and engage clients and drive revenue growth El Koufi and Belangour (2024). It serves as a vital link between businesses and customers, enabling companies to acquire new customers and build loyalty, ultimately boosting sales and facilitating expansion Agag et al. (2024). The effectiveness of a company’s marketing efforts and strategy has a significant impact on its success. However, in today’s fiercely competitive marketing landscape, the field is facing several challenges due to rapid environmental changes (Liu et al., 2024; Adiwijaya et al., 2020. In recent years, the exponential growth of internet technology has necessitated a shift in how businesses interact with customers, compelling marketers to adapt and evolve their strategies to remain competitive. This technological revolution has fundamentally transformed our lifestyles, changing the way we work, communicate, and exist. Consequently, this era has given rise to new tools and methodologies that have a notable impact on various aspects of business, particularly marketing. Traditional marketing methods, such as mass advertising through flyers, TV, billboards, etc., are no longer sufficient to meet the demands of today’s consumers El Koufi and Belangour (2023). These methods have proven ineffective in reaching and engaging with clients. The proliferation of internet technology, e-commerce, and social media has led to an abundance of transactional data, providing companies with valuable information. By utilizing data-driven techniques, companies can create targeted and precise marketing campaigns. However, the transition to precision marketing comes with its own challenges. Enterprises must navigate data privacy regulations, ethical dilemmas, and technological barriers. Nevertheless, despite these obstacles, precision marketing remains a powerful solution for enterprises to meet customer needs and foster brand loyalty…

۲.Literature review

With the rapid growth of competition in the online market, enterprises are confronted with the urgent challenge of developing targeted and precise marketing strategies. The primary objective of precision marketing is to enable companies and businesses to construct effective strategies that cater to the desires of their clients and maintain competitiveness in the marketplace through low costs, rapid implementation, and optimized resource utilization ElKoufi et al. (2023). In addressing this challenge, machine learning methods are specifically chosen as a powerful means to enhance precision marketing efforts due to their unique capabilities. In the dynamic landscape of online markets, where competition is intense and consumer behavior is intricate, machine learning excels in complex pattern recognition and analysis. These algorithms can adapt and learn from new data, ensuring that marketing strategies remain agile and responsive to evolving market trends…

۶. Conclusion and future directions

In this study, we have introduce a framework to address decision making within precision marketing. The data preparation which involves various stages was first conducted, then we conducted statistical analyses across different dimensions, including product attributes, demographic information, demand information, and portfolio information, to capture and understand consumer pattern. Based on the findings of these analyses, we presented a customer persona that visually represents consumers’ purchasing behaviors in a clear and comprehensible manner, we have taken the top 20% and top 50% consumers as examples to present their customer persona in detail. Based on the processed data, we analysed consumer consumption behaviours using four ML algorithms and made a performance comparison of the four algorithms. Feature selection technique was used to select the best subset of attributes for optimal results. To illustrate the efficiency of our proposed system, we have conduct a case study of a Moroccan insurance company. The case study demonstrates that this decision-making system is effective and can assist insurance companies in strategizing their precise marketing efforts…