تاثیر بازاریابی رسانه های اجتماعی بر روی عملکرد تجاری
چکیده
در این مقاله یادگیری ماشینی و تحلیل پوششی اطلاعات (DEA) را به صورت سیستماتیک مورد استفاده قرار می دهیم تا پیام های توییتر، معیارهای توییتر و معیارهای مالی سازمانی برای کسب بینش درباره نوع شناسی پیام رسانی کارآمد در بازاریابی اجتماعی را تجزیه و تحلیل کنیم. یادگیری ماشینی خودکار برای طبقه بندی توییت های فروشگاه های مبلمان خرده فروشی در آمریکا استفاده می شود و از مدل های مختلف تحلیل پوششی اطلاعات (DEA) برای تجزیه و تحلیل معیارهای ورودی متعدد به منظور کسب یک رتبه بندی کارایی برای برندهای انتخاب شده استفاده می شود. بر اساس این تحلیل ها در این مقاله کاربردهای یافته های مدیران بازاریابی شرکت های با اندازه کوچک و متوسط (SME) را در سطح صنعت مورد بحث قرار می دهیم. پیشنهادات ارائه شده برای روشهای صنعت و همچنین مسیرهای پیشنهادی برای تحقیقات آینده را نیز فراهم می سازیم.
مقدمه
یک استراتژی رسانه های اجتماعی با طراحی خوب که محتوای سرگرم کننده را ایجاد و گردآوری می کند، به سازمان ها کمک می کند تا رقابت پذیری خود را در چشم انداز تجاری پویای امروزی حفظ کنند [1-3]. فعالیت ها و استراتژی های بازاریابی متعارف از لحاظ برآورده سازی الزامات خاص برای عملیات های مؤثر بازاریابی رسانه های اجتماعی (SMM) کمبود دارند چون تلاش می کنند که معانی متعددی را ایجاد نمایند [4]، در حالی که بازاریابی رسانه های اجتماعی (SMM) روی ایجاد روابط فردی و برقراری روابط بلندمدت متمرکز است. بازاریابی رسانه های اجتماعی (SMM) بازاریابی را برای یک گزینه بازاریابی معنادارتر و هدفمندتر، سفارشی و مبتنی بر فرد می سازد [1].
نتیجه گیری
با اینکه مقاله حاضر رشته های مختلفی همچون داده کاوی، بازاریابی رسانه های اجتماعی، و ارزیابی عملکرد را ترکیب و یکپارچه می سازد اما محدودیت هایی هم دارد و بنابراین ما فرصت هایی را برای تحقیقات آینده پیشنهاد می کنیم. تحقیق حاضر بر مبنای داده های محدودی بود که از یک شبکه اجتماعی منفرد، یعنی توییتر، بدست آمده بودند. توییتر مثال خوبی از اثبات مفهوم است؛ اما توییتر فقط نوع معینی از اطلاعات را فراهم می سازد. تحقیقات آینده از مزیت شامل سازی یک مجموعه داده بزرگتر و شبکه های اجتماعی رقیب دیگر، بهره مند خواهند شد.
به طور کلی، با توجه به فراگیر بودن و رشد بازاریابی رسانه های اجتماعی (SMM)، برای بررسی های مدیریتی و تحقیقاتی به روش های بیشتر و بهتری نیاز خواهیم داشت. این مقاله به دانش موجود درباره این بحث می افزاید و به ایجاد مبنای گسترده تری برای انجام تحقیقات بیشتر، کمک می کند.
Abstract
This article systematically applies machine learning and data envelopment analysis (DEA) to analyze Twitter messages, Twitter metrics, and organizational financial metrics to gain insights into impactful messaging typology on social media network. Automated machine learning is employed for the classification of tweets of select US Furniture Retail Stores while various DEA models are utilized to analyze multiple input metrics to obtain an efficiency ranking for the selected brands. Based on these analyses, the article discusses the implications of the findings for small and medium-sized enterprise marketing managers at the industry level. Recommendations for industry practice are also provided in addition to the directions regarding future research.
INTRODUCTION
Awell-designed social media strategy that creates and curates engaging content helps organizations maintain competitiveness in today’s dynamic business landscape [1]–[3]. Conventional marketing activities and strategies fall short in addressing specific requirements for efficient and effective social media marketing (SMM) operations because it seeks to sell through multiple means [4], in contrast to SMM which focuses on making individual connections and building long-lasting relationships. SMM customizes and personalizes marketing for a more meaningful and targeted marketing option [1].
CONCLUSION
While this article integrates various disciplines including data mining, social media marketing, and performance evaluation—there are limitations and opportunities for further research. This research was based on limited data from a single Social Media Network, Twitter. Twitter is a good case example for a proof of concept; but it provides only a certain type of information. Further research would benefit from including a larger dataset and other competing Social Media Networks.
Overall, given the pervasiveness and growth of SMM, more and better methodologies are needed for managerial and research investigations. This article adds to the discourse and helps build additional foundation for further investigation.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
مقدمه
زمینه
روش شناسی
انتخاب برند
جمع آوری داده
طبقه بندی بازاریابی رسانه های اجتماعی (SMM)
پیام ها
تحلیل پوششی اطلاعات
تحلیل مطالعه موردی و نتایج
بحث
کاربردهای مدیریتی
نتیجه گیری
منابع
Abstract
INTRODUCTION
BACKGROUND
METHODOLOGY
Brand Selection
Data Collection
Classification of SMM
Messages
Data Envelopment Analysis
CASE STUDY ANALYSIS AND RESULTS
DISCUSSION
MANAGERIAL IMPLICATIONS
CONCLUSION
REFERENCES
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه