افزایش فروش در بازاریابی الکترونیکی با استفاده از داده کاوی و یک الگوریتم فراابتکاری |
|||
---|---|---|---|
عنوان فارسی پروپوزال |
افزایش فروش در بازاریابی الکترونیکی با استفاده از داده کاوی و یک الگوریتم فراابتکاری |
||
عنوان انگلیسی پروپوزال | Increasing Sales in E-commerce Marketing By Data Mining and a Meta-heuristic algorithm |
||
تعداد صفحات | 21 | ||
سال نگارش | 2023 | ||
رشته | کامپیوتر-مدیریت-صنایع | ||
قالب فایل | Word |
این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد:
فهرست مطالب پروپوزال افزایش فروش در بازاریابی الکترونیکی با استفاده از داده کاوی
- بیان مساله اساسی تحقیق
- اهمیت و ضرورت انجام تحقیق
- مرور ادبیات و سوابق مربوطه
- جنبه جدید بودن و نوآوری در تحقیق
- اهداف مشخص تحقیق
- سؤالات تحقیق
- فرضیه های تحقیق
- روش شناسی تحقیق
- متغیرهای مورد بررسی در قالب یک مدل مفهومی
- شرح کامل روش (میدانی، کتابخانهای) و ابزار
- جامعه آماری، روش نمونه گیری و حجم نمونه
- روشها و ابزار تجزیه و تحلیل داده ها </ </li
- مراجع
بیان مساله
اقتصاد جهانی با رواج سریع تکنیکهای اطلاعات اینترنتی وارد عصر جدیدی شده است و به سرعت از حالت سنتی به اقتصاد مبتنی بر تولید اطلاعات و خدمات اطلاعاتی وارد شده است(Zhang و همکاران، 2023).
شبکههای اجتماعی، سایتهای کسبوکار، عرضه مستقیم کالا و خدمات، دریافت اطلاعات شفافتر و بهتر از محصولات و خدمات و … حتی یک دورهی مجازی، همگی عواملی هستند که حضور مردم را بیشتر کردهاند.
در عصر اطلاعات و اقتصاد شبکهای، تجارت الکترونیک یکی از ابزار اصلی برای توسعه و رشد کسب وکارها شده است. تجارت الکترونیک تغییراتی را در سطح مالی و اقتصادی ایجاد کرده است که به نوبه خود منجر به تغییرات در تئوریهای و استراتژیهای عملی بازاریابی شده است. شرکت های غول پیکری مانند گوگل و فیس بوک با بکارگیری استراتژی های بازاریابی آنلاین به موفقیت های عظیمی در افزایش فروش خود دست یافته اند. از این رو، پیشبینی دقیق فروش محصولات برای بهبود سیاستهای تولید، تامین کالا و … و در نتیجه بهبود عملکرد فروش ضروری است (Liu و همکاران، 2023).
پیش بینی فروش آنلاین نیاز به بررسی دقیق دارد و درآمد یک پلت فرم تجارت الکترونیک از طریق پیش بینی دقیق فروش کالا بهبود می یابد. از عوامل موثر بر پیشبینی فروش، انتخاب ویژگیهای ورودی مدل هستند. هرچه همبستگی بین ویژگیهای ورودی و ویژگیهای خروجی قویتر باشد، دقت پیشبینی مدل بالاتر است. روش های انتخاب ویژگی ورودی مشترک شامل ضریب پیرسون،ضریب همبستگی ، مدل همبستگی خاکستری و … هستند. مدل همبستگی خاکستری به تعداد نمونه ها حساس نیست و نیازی به توزیع داده ها ندارد.
علاوه بر این، مدل همبستگی خاکستری دارای مقدار کمی محاسبه و پایایی قوی است. بنابراین، مدل همبستگی خاکستری دارای برتری نسبت به سایر روشها در اطلاعات دادههای کاوی می باشد.
این مطالعه یک مدل جدید بهبود فروش آنلاین محصولات الکترونیکی را بر اساس تکنیک دادهکاوی پیشنهاد میکند. ابتدا برای استخراج عوامل ویژگی با بالاترین درجه همبستگی با فروش کالاهای دیجیتال، از مدل همبستگی خاکستری برای محاسبه همبستگی بین فروش کالا و ویژگی ها استفاده شد و سپس عوامل ویژگی مورد نیاز با مقدار همبستگی متوسط انتخاب شدند. علاوه بر استفاده از تکنیکهای داده کاوی، مدل مبتنی بر الگوریتم فرا ابتکاری به منظور بهبود دقت پیش بینی ارائه شده است.
برخی از مراجع
- Liu, J., Chen, L., Luo, R., & Zhu, J. (2023). A combination model based on multi-angle feature extraction and sentiment analysis: Application to EVs sales forecasting. Expert Systems with Applications, 224, 119986.
- Zhang, B., Tseng, M. L., Qi, L., Guo, Y., & Wang, C. H. (2023). A comparative online sales forecasting analysis: Data mining techniques. Computers & Industrial Engineering, 176, 108935.
- Ding, Y., Wu, P., Zhao, J., & Zhou, L. (2023). Forecasting product sales using text mining: a case study in new energy vehicle. Electronic Commerce Research, 1-33.
- Yan, L. (2023, February). Smartwatch Sales Forecast Based on CNN-LSTM. In 2023 IEEE 6th Information Technology, Networking, Electronic and Automation Control Conference (ITNEC)(Vol. 6, pp. 1034-1038). IEEE.
- Saura, J. R., Palos-Sanchez, P. R., & Correia, M. B. (2019). Digital marketing strategies based on the e-business model: Literature review and future directions. In Organizational Transformation and Managing Innovation in the Fourth Industrial Revolution(pp. 86-103). IGI Global.
- Malkes, W. A., Overstreet, W. S., Price, J. R., & Tourville, M. J. (2019). S. Patent Application No. 16/101,766.
- Saleem, H., Uddin, M. K. S., Habib-ur-Rehman, S., Saleem, S., & Aslam, A. M. (2019). Strategic Data Driven Approach to Improve Conversion Rates and Sales Performance of E-Commerce Websites. International Journal of Scientific & Engineering Research (IJSER).
نقد و بررسیها
هنوز بررسیای ثبت نشده است.