مقاله انگلیسی با ترجمه آنالیز داده های رسانه های اجتماعی برای سیستم تصمیم گیری تجاری به منظور آنالیز رقابت

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی جدید که در دسته مقالات مدیریت هست، منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه  الزویر در سال ۲۰۲۲ منتشر شده. فایل انگلیسی ۱۵ صفحه PDF و فایل ترجمه ۳۶ 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.

کد محصول: M1241

سال نشر: ۲۰۲۲

نام ناشر (پایگاه داده): الزویر

نام مجله:   Information Processing and Management

نوع مقاله: علمی پژوهشی (Research articles)

متغیر : دارد

فرضیه: ندارد

مدل مفهومی:  مدل ریاضی دارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: ۱۵ صفحه PDF

تعداد صفحه ترجمه فارسی:   ۳۶ صفحه WORD

قیمت فایل ترجمه شده:  ۷۵۰۰۰ تومان

عنوان کامل فارسی:

مقاله انگلیسی ۲۰۲۲ :  آنالیز داده های رسانه های اجتماعی برای سیستم تصمیم گیری تجاری به منظور آنالیز رقابت

عنوان کامل انگلیسی:

Social media data analytics for business decision making system to competitive analysis

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

چکیده فارسی

در چند سال گذشته، هوش تجاری یک موضوع مهم بوده است که از تجزیه و تحلیل داده ها برای تولید اطلاعات کلیدی به منظور اتخاذ تصمیمات تجاری استفاده می کند. داده‌های جمع‌آوری‌شده از سایت‌ها و وبلاگ‌های رسانه‌های اجتماعی برای تصمیم‌گیری تجاری، در فرآیندی به نام آنالیز رسانه‌های اجتماعی (SMA) تجزیه و تحلیل می‌شوند. این روش، که فراتر از نظارت معمولی یا تجزیه و تحلیل اولیه ریتوییت ها است، بینش عمیقی را نسبت به مصرف کننده اجتماعی ایجاد می کند. پس از مطالعه کل گزارش، ارقام مربوطه به جدول اضافه می شوند همچنین داده های حاصل از گزارش Brand24 به جدول اضافه می شوند. در طول ممیزی رسانه های اجتماعی، هرگونه دنبال کننده، بازدید، تعامل، اشتراک گذاری/ترافیک، و ذکر برند پارامترهای کلیدی برای تجزیه و تحلیل هستند. شرکت ها و موسسات تحقیقاتی، علاقه زیادی به تجزیه و تحلیل و کسب دانش از داده های تولید شده توسط کاربر دارند. این داده ها حاوی اطلاعات مفیدی هستند، از جمله بازخورد درک مشتری و پیشنهادات محصول/خدمت. به دلیل اشباع محتوا، محتوای واقعی رسانه های اجتماعی در زمینه داده های کسب و کار به ندرت یافت می شود. بنابراین، در این مقاله، سیستم تصمیم گیری کسب و کار (BDMS) برای توسعه کسب و کار با استفاده از تجزیه و تحلیل داده های رسانه های اجتماعی پیشنهاد شده است. BDMS درک روشنی از اصول اساسی، مسائل و عملکرد، و تحولات کلان داده های اجتماعی ارائه می دهد. علاوه بر این، BDMS بر بازاریابی متمرکز است و یک رویکرد عملیاتی برای به دست آوردن اطلاعات ارزشمند از داده های اجتماعی را تشریح می کند. BDMS شرح کوتاه و دقیقی از سناریوهای استفاده از شواهد را برای کمک به تصمیمات و فرصت‌های سرمایه‌گذاری شرکت‌ها هنگام استفاده از تجزیه و تحلیل داده‌های اجتماعی انجام می‌دهد. نتایج تجربی نشان می دهد که BDMS بالاترین نتایج رقابتی را به دست می آورد. سیستم BDMS دقت ۹۳.۷%، ، قابلیت اطمینان سیستم ۸۶.۸%، معیار F-1  ۷% و نرخ انحراف ۸۵.۵% را تضمین می‌کند.

کلمات کلیدی: ممیزی رسانه های اجتماعی، هوش تجاری، تصمیم گیری تجاری، تحلیل رقابتی، تجزیه و تحلیل داده ها

۱.مقدمه ای بر آنالیز داده های رسانه های اجتماعی

  در زمان‌های اخیر، بسیاری از کسب‌وکارها به‌تدریج فعالیت در شبکه‌های رسانه‌های اجتماعی (SMN) را به عنوان یک منبع خارجی برای تعامل با مصرف‌کننده تشخیص می‌دهند (چاندراسکاران و همکاران، ۲۰۲۱). از آنجایی که SMN (به عنوان مثال، فیس بوک، اینستاگرام و توییتر) میلیاردها کاربر رسانه های اجتماعی را در سراسر جهان به هم متصل می کند، سازمان ها با یک چالش پایگاه داده بزرگ از اطلاعات بالقوه مهم تولید شده توسط کاربر مواجه هستند که تقاضا برای استراتژی های تحلیلی پیشرفته مانند آنالیز داده های رسانه های اجتماعی (SMDA) را ایجاد می کند (غنی و همکاران، ۲۰۱۹)…

۳.مقدمه ای بر سیستم تصمیم گیری تجاری مبتنی بر شبکه های اجتماعی

شبکه رسانه های اجتماعی ابزاری برای ارسال تصاویر، مقالات، عکس ها، نقاشی ها، فیلمنامه ها، احساسات، مشاهدات، حالات، دیدگاه ها، شایعات و اخبار به صورت آنلاین است. شبکه های رسانه های اجتماعی ممکن است اطلاعات را به اشتراک بگذارند، سرگرمی ایجاد کنند و در مورد یک محصول یا مشکل اطلاعات ارائه کنند. شبکه های اجتماعی فعلی شامل فیس بوک، اینستاگرام، لینکدین، توییتر، واتس اپ، ایگلو و غیره هستند. SMN با پیش بینی فرآیند تفکر مصرف کننده، عملکرد کارکنان، آموزش کسب و کار و نوآوری را بهبود می بخشد. دانستن خواسته های مشتری می تواند به شفاف سازی گردش کار و تعیین اینکه آیا سازمان باید بین مشتریان خارجی و داخلی تمایز قائل شود یا خیر، کمک کند. هنگامی که مصرف کنندگان از نیازهای خود آگاه می شوند، اطلاعاتی را در مورد چگونگی برآورده کردن بهترین ها، ارزیابی گزینه های جایگزین، تصمیم گیری برای خرید و ارزیابی خرید خود جمع آوری می کنند…

۶.نتیجه گیری

 هوش تجاری از تجزیه و تحلیل داده ها برای تولید اطلاعات کلیدی برای استفاده در تصمیم گیری تجاری استفاده می کند. شرکت ها و موسسات تحقیقاتی علاقه زیادی به تجزیه و تحلیل و کسب دانش از داده های تولید شده توسط کاربران دارند. در این مقاله، یک رویکرد BDMS برای توسعه کسب و کار با استفاده از تجزیه و تحلیل داده های رسانه های اجتماعی پیشنهاد شده است. BDMS درک روشنی از اصول کلیدی، مسائل و عملکرد، و تحولات کلان داده های اجتماعی ارائه می دهد. BDMS از طریق کمک به تصمیمات و فرصت های سرمایه گذاری که شرکت ها هنگام استفاده از تجزیه و تحلیل داده های اجتماعی دریافت می کنند، شرح کوتاه و دقیق از سناریوهای استفاده فعلی از شواهد ارائه می دهد. نتایج تجربی نشان می دهد که BDMS بهترین نتایج رقابتی را به دست می آورد. در آینده، این مطالعه قصد دارد شبکه های عصبی عمیق را برای تجزیه و تحلیل داده های رسانه های اجتماعی ادغام کند. تجزیه و تحلیل رسانه‌های اجتماعی داده‌های جمع‌آوری‌شده از کانال‌های اجتماعی را برای جمع‌آوری و شناسایی مفاهیم به منظور حمایت از تصمیم‌های تجاری و نظارت بر عملکرد فعالیت‌ها بر اساس این تصمیم‌ها با استفاده از رسانه‌های اجتماعی ممکن می‌سازد.

Abstract

For the past few years, business intelligence has been a major field that uses data analysis to produce key information as part of business decision-making. Data collected from social media sites and blogs are analyzed to make business decisions, a process called social media analytics (SMA). This method, which goes beyond ordinary monitoring or a basic analysis of retweets, develops an in-depth insight into the social consumer. After reading the whole report, add the pertinent figures to the table. Add pertinent data from the Brand24 report to the table. During a social media audit, any followers, impressions, engagement, copy/traffic, and brand mentions are key parameters to analyze. For companies and research institutions, the great interest is to analyse and gain knowledge from user-produced data. These data contain useful knowledge, including customer perceptions feedback and product/service suggestions. Due to content saturation, social media’s true meaning regarding business data is hardly ever found. Therefore, in this paper, the business decision making system (BDMS) has been proposed to develop business using social media data analytics. BDMS provides a clear understanding of the key principles, issues and functionality, and big social data developments. Besides, BDMS concentrates on marketing and describes an operational approach for obtaining valuable information from social data. BDMS performs a short and precise description of current use scenarios from the evidence, as per the help of decisions and investment opportunities companies get when using social data analytics. The experimental result shows that BDMS achieves the highest competitive results. With greater accuracy, system dependability, F-1 measurement, and deviation rate of 85.5%, the BDMS system guarantees 93.7%, 86.8%, and 7.0%.

Keywords: Social media audit, Business intelligence, Business decision making, Competitive analysis, Data analytics

۱.Introduction to social media data analytics

 In recent times, many businesses are gradually recognizing the engagement of Social Media Networks (SMN) as an external resource for consumer engagement (Chandrasekaran et al., 2021). Since SMN (eg, Facebook, Instagram, and Twitter) connect billions of social media internet users worldwide, organizations face a big database challenge of potentially important user-generated information, generating demand for advanced analytical strategies such as Social Media Data Analytics (SMDA) (Ghani et al., 2019)…

۶.Conclusions

Business intelligence has been a major field that uses data analysis to produce key information as part of business decision-making. For companies and research institutions, the great interest is to analyse and gain knowledge from user-produced data. In this article, a BDMS has been proposed to develop business using social media data analytics. BDMS provides a clear understanding of the key principles, issues and functionality, and big social data developments. BDMS performs a short precise description of current use scenarios from the evidence, as per the help of decisions and investment opportunities companies get when using social data analytics. The experimental result shows that BDMS achieves the highest competitive results. In the future, this study plans to integrate deep neural networks for social media data analytics. Social media analysis enables data collected from social channels to collect and identify meaning to support business decisions and monitor the performance of activities based on these decisions using social media.