بهبود بازاریابی با الگوریتم جدید اطلاعات رسانه‌های اجتماعی

محققان الگوریتم جدید اطلاعات رسانه‌های اجتماعی را تجزیه و تحلیل می‌کنند تا به برندها کمک کنند که بازاریابی خود را بهبود بخشند.

به گزارش البرز فاوا نیوز به نقل از ایسنا، محققان الگوریتمی ایجاد کردند که خریدهای مصرف‌کننده را با موفقیت پیش‌بینی می‌کند. این الگوریتم از اطلاعات فعالیت روزانه مصرف‌کنندگان در رسانه‌های اجتماعی استفاده کرده تا به برندها کمک کند تا عملکرد مشتریان خود را تحلیل کنند.

در این روش، محققان روش‌های قدرتمند مدل‌سازی آماری را با شناخت تصویر مبتنی بر یادگیری ماشین ترکیب می‌کنند.

توشیهیکو یاماساکی و گروه وی از دانشکده تحصیلات تکمیلی علوم و فناوری اطلاعات دانشگاه توکیو روش‌های جدید و جالب برای استفاده از اطلاعات، مانند اطلاعات رسانه‌های اجتماعی کشف کردند.

وی اظهار کرد: هدف از این تحقیق درک نحوه برخورد مشتریان در رسانه‌های اجتماعی با برندهای مشابه  و محاسبه آماری آن بود و اینکه چگونه این اطلاعات موجب موفقیت در شیوه‌های بازاریابی می‌شود.

نحوه استنباط این گروه برای موفقیت استفاده برندها از این اطلاعات ساده بود. البته باید خاطرنشان کرد که تجزیه‌وتحلیل محاسباتی از اطلاعات رسانه‌های اجتماعی کاری  پرزحمت است، به همین دلیل، محققان در این زمینه از ابزارهای مختلف محاسباتی برای تجزیه‌وتحلیل اطلاعات رسانه‌های اجتماعی استفاده کردند.

محقق ارشد این تحقیق یووی ژانگ گفت: “درگذشته ، بسیاری از شرکت‌ها راهبردهای بازاریابی خود را با استفاده از نظرسنجی‌ها و پیش‌بینی‌های عملکرد مشتری بر اساس اطلاعات فروش خود تحلیل می‌کردند اما این روش وقت‌گیر و نادرست است. اکنون با استفاده از ابزارهایی مانند یادگیری ماشین و تجزیه‌وتحلیل آماری پیچیده به‌راحتی می‌توان روش‌های موفقیت برندها را شناسایی کرد.”

این گروه کار خود را با جمع‌آوری اطلاعات رسانه‌های اجتماعی عمومی و مشتریان برندهای منتخب آغاز کرد. آنان از روش‌های اثبات‌شده تشخیص تصویر و یادگیری ماشین برای تحلیل و طبقه‌بندی عکس‌ها و هشتک‌های مربوط به طرفداران برندها استفاده کردند.

این الگوها رفتار مصرف‌کنندگان نسبت به برندهای مختلف را بیان می‌کنند و بدان معنی است که محققان می‌توانند شباهت بین برندهای مشابه و حتی مختلف را محاسبه کنند.

ژانگ در ادامه افزود: ما الگوریتم پیشنهادی خود را در برابر تاریخچه خرید و پرسشنامه‌ها ارزیابی کردیم و نتایج نشان می‌دهد که کارت‌های اعتباری می‌توانند رفتار خرید قبلی مشتریان را به خوبی پیش‌بینی کنند. الگوریتم ما می‌تواند با دقت آمادگی مشتریان را برای آزمایش برندهای جدید پیش‌بینی کند.”

نتایج این تحقیق می‌تواند برای تبلیغات برندها با استفاده از رسانه‌های اجتماعی بسیار مفید باشد. همچنین می‌تواند توسط مراکز خرید و مراکز تجاری مورداستفاده قرار گیرد تا برنامه‌ریزی کنند که چه فروشگاه‌هایی را در خود جای دهند یا خود فروشگاه‌ها بتوانند برندهایی را برای فروش انتخاب کنند. این تحقیقات حتی می‌تواند به برندها برای تبلیغات بهتر محصولات خود در رسانه‌های اجتماعی کمک کند.

یاماساکی گفت: “تجسم آنچه قبلا قابل‌مشاهده نبوده همیشه جالب است.ممکن است مردم بگویند که متخصصان از قبل این نوع الگوها را می‌دانستند اما باید توجه داشت که تاکنون قادر به نشان دادن شباهت بین برندها ازنظر عددی و عینی نبودیم و این روش نوآوری جدیدی است. الگوریتم ما به‌وضوح مؤثرتر از قضاوت در مورد این موارد فقط بر اساس شهود است.”