پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (ISI) به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۲۳ دارای ۱۰ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.
کد محصول: M1383
سال نشر: ۲۰۲۳
نام ناشر (پایگاه داده): الزویر
نام مجله: Expert Systems With Applications
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۰ صفحه PDF
عنوان کامل فارسی:
مقاله انگلیسی ۲۰۲۳ : مدل پیش‌بینی تأثیر برای کمپین‌های بازاریابی در پلتفرم‌های تجارت الکترونیک
عنوان کامل انگلیسی:
Influence prediction model for marketing campaigns on e-commerce platforms
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:M1383)
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
پلتفرم‌های تجارت الکترونیک ملزم به برنامه‌ریزی کمپین‌های بازاریابی مختلف برای کسب سود هستند و تأثیر کمپین‌های بازاریابی بر اساس تعداد مشتریان و همچنین طرح های برنامه‌ریزی “خوب یا بد” تعیین می‌شود. بنابراین، پیش‌بینی دقیق رفتار کاربر و آنالیز جامع روند کمپین‌های بازاریابی می‌تواند به پلتفرم‌های تجارت الکترونیک برای شناسایی کمپین‌های بازاریابی با کیفیت، که برای توسعه پلتفرم‌های تجارت الکترونیکی حیاتی هستند، کمک کند. در این مقاله، ما مدلی را برای پیش‌بینی روند تاثیر کمپین‌های بازاریابی بر اساس اطلاعات کلیدی بین کاربران گروه و کمپین‌های بازاریابی در پلتفرم‌های تجارت الکترونیک ارائه می‌کنیم. برای شروع،با توجه به اینکه یادگیری بازنمایی متن می‌تواند همبستگی عمیق‌تری بین اطلاعات برچسب‌های مختلف استخراج کند و اطلاعات کلیدی را در شبکه کمپین بازاریابی-کاربر با استخراج همبستگی بین برچسب‌های کاربر کسب کند، از یادگیری بازنمایی متن برای یکسان سازی بازنمایی های کاربر برای پرداختن به ماهیت چند برچسبی کاربران پلتفرم استفاده شد…
کلیدواژه ها: خدمات تجارت الکترونیک، اطلاعات کلیدی، شبکه عصبی بازگشتی، تاثیر کمپین بازاریابی
Abstract
E-commerce platforms are committed to planning various marketing campaigns to make profits, and the impact of marketing campaigns is determined by the number of consumers, as well as the good or bad planning scheme. Therefore, accurate prediction of user behavior and comprehensive analysis of marketing campaign trends can help e-commerce platforms to identify quality marketing campaigns, which are crucial for developing e-commerce platforms. In this paper, we propose a model for predicting the influence trend of marketing campaigns based on the key information between group users and marketing campaigns on e-commerce platforms. To begin, text representation learning is used to unify user representations to address the multi-label nature of platform users, considering that text representation learning can extract deeper correlations between different label information and learn key information in the marketing campaign-user network by mining the correlations between user labels. Furthermore, considering the leading power of key users in the e-commerce platform, the influential spread network is constructed for the characteristics of the group user network under the marketing campaign using the locality-sensitive hashing (LSH) algorithm and combined with the mining of key information in the marketing campaign-user network. Finally, to address the time-series nature of influence development, the influence spread network is fused, and the contextual relationships of the influence spread network are learned using a recurrent neural network (RNN) algorithm to propose a model for predicting the influence trend of marketing campaigns based on key information. Experiments have shown that the model can predict user engagement behavior in the context of a marketing campaign, as well as dynamically depict changes in trends in the influence of the campaign.
Keywords: E-commerce service, Key information, Recurrent neural network, Marketing campaign influence
۱.Introduction
Compared with shopping in offline transactions, e-commerce platforms’ unique speed, openness, optionality, and convenience of ecommerce platforms are more in line with modern lifestyles, and more people prefer to enjoy an online shopping environment without having to leave their homes. Marketing campaigns play an important role in the process of competing for dominance in the main and associate markets. E-commerce platforms have always been committed to planning various marketing campaigns to rapidly improve the corporate brand or sales growth, and planning quality marketing campaigns is more conducive to the platform for attracting consumer behaviors to achieve profitability. The influence of marketing campaigns on e-commerce platforms refers to the number of consumer groups in the marketing campaigns, i.e., the ability of marketing campaigns to change the minds and behaviors of consumer groups in e-commerce platforms (Koehn et al., 2020), and such influence is generally expressed quantitatively through the number of sales…
۶.Conclusion
This paper analyzes the data of marketing campaigns on e-commerce platforms, examines the interactive information and spreading power of users under a marketing campaign, proposes a trend prediction method of marketing campaign influence, and predicts the influence level of the marketing campaign in the next moment. Specifically, this paper discovers the multi-tag characteristics of users and the time sequence of marketing campaign influence under an e-commerce platform. To address these characteristics, this paper studies the relationship between multi-tag information through text representation to obtain key information in user tags, subsequently constructing an influence spreading network based on the neighbor user groups of key users, and finally proposes a marketing campaign influence trend prediction model K-LSTM based on the time-series characteristics of influence to analyze the changing trend of marketing campaign influence. Through comparative experiments using real data sets, the effectiveness and necessity of key information extraction, as well as the prediction effect of the influence trend prediction model proposed in this paper, is verified…
| مقالات مرتبط با این موضوع |
|
مقاله بیس مدیریت بازرگانی ۲۰۲۳ مقاله بیس ۲۰۲۳ تجارت الکترونیک |