دانلود مقاله اجرای هوش مصنوعی در فعالیت های بازاریابی B2B سنتی
چکیده
شواهد داستان گونه نشان می دهند که تکنولوژی های هوش مصنوعی (AI) نقش موثری در بازاریابی دیجیتال دارند و محبوبیت آنها در بازاریابی کسب کار به کسب وکار (بنگاه به بنگاه) (B2B) به سرعت در حال افزایش است؛ اما تحقیقات تجربی زیادی در مورد بازاریابی B2B مبتنی بر هوش مصنوعی به‌ویژه جنبه‌های اجتماعی تکنیکی استفاده از آن انجام نشده است. این مطالعه از نظریه فعالیت (AT) به عنوان یک لنز نظری استفاده می کند تا بازاریابی B2B مبتنی بر هوش مصنوعی را به عنوان یک سیستم فعالیت جمعی بررسی کند و همچنین تضادها در طول پذیرش و پیاده‌سازی هوش مصنوعی در بازاریابی سنتی B2B را نشان دهد. نظریه فعالیت متناسب با چارچوب این مطالعه است، زیرا نشان می‌دهد که چگونه تضادها به‌عنوان محرک تغییر عمل می‌کنند و به جای اینکه تنش‌ها را تهدیدی برای حذف زودهنگام انتخاب و اجرای هوش مصنوعی در بازاریابی B2B بدانند، تغییرات تحول گرا را بوجود می آورد. بر اساس هجده مصاحبه با کارشناسان صنعت و دانشگاه، این مطالعه تضادهایی را مشخص می کند که محققان و متخصصان بازاریابی باید با آنها مقابله کنند. نشان می دهیم که مواجهه با این تضادها از نظر فرهنگی یا سیاسی چالش‌برانگیز است و حتی زمانی که حل شود، می‌تواند پیامدهای مطلوب ونامطلوب داشته باشد.
1. مقدمه
استفاده از هوش مصنوعی (AI) در بازاریابی کسب وکار به کسب و کار (B2B) بطور روز افزون مورد توجه محققان بازاریابی قرار گرفته است (هوانگ و راست 2021؛ پاشن و همکاران 2020a). در حال حاضر، سازمان ها از قدرت هوش مصنوعی استفاده می کنند تا گزینه‌های استراتژیک جدید در بخش‌های وسیعی از داده‌های مشتری را مشخص کنند که تحلیل‌گران انسانی نادیده می گرفتند (بگ و همکاران، 2021؛ بهرا و همکاران، 2021) و هزینه های عملیاتی (داونپورت و همکاران، 2020) را کاهش دهند (داونپورت وهمکاران 2020). اگرچه جامعه تحقیقاتی بازاریابی (برای مثال، لیو 2020؛ دویودی و همکاران 2021؛ اپادهیای و همکاران 2021) از برنامه های کاربردی هوش مصنوعی در زمینه بازاریابی کسب و کار به مصرف کننده (B2C) بطور چشمگیری استفاده می کنند، اما تحقیقات دقیق وقابل توجهی در زمینه نحوه استفاده از برنامه های کاربردی هوش مصنوعی در زمینه بازاریابی B2B صورت نگرفته است. کاتلر و کلر (2012، ص 182) بیان می کنند دلارها و اقلام بیشتر در فروش بین خریداران تجاری دست به دست می شوند نه مصرف کنندگان؛ این امر نشان می دهد که بازاریابی B2B بخش بیشتری از صنعت را در مقایسه با بخش B2C دربرمی گیرد. مطالعات مختلف تأثیر پیشرفت‌های تکنولوژی بر فرآیندهای B2B را در طول سال‌ها مورد بررسی قرار داده‌اند (به عنوان مثال، جاکولا و هاکانن 2013) اما فقط یک جریان محدود هوش مصنوعی را مورد بررسی قرار داده است (هان وهمکاران 2021). مطالعات موجود بیشتر بر درک پیشرفت‌های رویه‌ای برای شرکت‌ها (لئون و همکاران 2020؛ پاسکن و همکاران، 2020b) افزایش تجربه خدمات مشتری (داونپورت و همکاران، 2020)، تقسیم‌بندی مشتری و نمایه‌سازی (دویودی و همکاران 2021a) و تعیین و امتیازدهی (دی بروین و همکاران، 2020) متمرکز هستند.
6. نتیجه گیری
این مطالعه به منظور بررسی شکاف در دانش مربوط به نقش میانجی گری هوش مصنوعی در بازاریابی B2B (یک فعالیت ذاتا پیچیده و اجتماعی) انجام شد . این مطالعه تضادهایی را مشخص می‌کند که در طول انتخاب و اجرای هوش مصنوعی در این زمینه بوجود می‌آیند و نحوه تاثیر این تضادها بر اجرای موفقیت‌آمیز هوش مصنوعی در فعالیت‌های بازاریابی B2B را بررسی می کند. در نتیجه به تحقیقات کم در زمینه بازاریابی B2B منجر می شود که تاثیرات اجتماعی - فرهنگی هوش مصنوعی بر مدیران بازاریابی را در نظر می‌گیرد. در انجام این کار، این مطالعه، نگرش‌های مبتنی بر تجربه پیرامون ترویج هوش مصنوعی در حوزه‌ای از فعالیت‌های کسب‌وکار B2B را ارائه می‌دهد که یک حوزه تحقیقاتی فرعی است که تا حد زیادی نادیده گرفته شده است. در نهایت، نتایج بینش عملی فراهم می کند که به افراد حرفه‌ای B2B فرصت دهد با انتخاب و اجرای تکنولوژی مبتنی بر هوش مصنوعی در زمینه بازاریابی B2B از این مشکلات اجتناب کنند.
Abstract
Anecdotal evidence suggests that artificial intelligence (AI) technologies are highly effective in digital marketing and rapidly growing in popularity in the context of business-to-business (B2B) marketing. Yet empirical research on AI-powered B2B marketing, and particularly on the socio-technical aspects of its use, is sparse. This study uses Activity Theory (AT) as a theoretical lens to examine AI-powered B2B marketing as a collective activity system, and to illuminate the contradictions that emerge when adopting and implementing AI into traditional B2B marketing practices. AT is appropriate in the context of this study, as it shows how contradictions act as a motor for change and lead to transformational changes, rather than viewing tensions as a threat to prematurely abandon the adoption and implementation of AI in B2B marketing. Based on eighteen interviews with industry and academic experts, the study identifies contradictions with which marketing researchers and practitioners must contend. We show that these contradictions can be culturally or politically challenging to confront, and even when resolved, can have both intended and unintended consequences.
1 Introduction
The application of artifcial intelligence (AI) in B2B marketing is receiving increasing interest from marketing scholars (Huang & Rust, 2021; Paschen et al., 2020a). Organisations are already harnessing the power of AI to identify novel strategic options in large swathes of customer data that would have been overlooked by the human analysts (Bag et al., 2021; Behera et al., 2021), as well as ofering potentially lower operating costs (Davenport et al., 2020). While the adoption of AI applications in the context of business-toconsumer (B2C) marketing has received signifcant attention from the marketing research community (e.g., Liu, 2020; Dwivedi et al., 2021b; Upadhyay et al., 2021) there is a noticeable absence of rigorous research that focuses on how AI applications can be used in the context of B2B marketing. As Kotler and Keller (2012, p. 182) assert that “more dollars and items change hands in sales to business buyers than to consumers” indicating that B2B marketing represents a larger proportion of industry compared to the B2C sector. Many studies have considered the infuence of technological enhancements to B2B processes throughout the years (e.g., Jaakkola & Hakanen, 2013) but only a limited stream has delved into the realm of AI (Han et al., 2021). What studies do exist, tend to focus largely on understanding the procedural enhancements for frms (Leone et al., 2020; Paschen et al., 2020b) enhancing customer service experiences (Davenport et al., 2020), customer segmentation and profling (Dwivedi et al., 2021a), and lead identifcation and scoring (De Bruyn et al., 2020).
6 Conclusion
This study was motivated by the need to address the gap in knowledge about the mediating role of AI in the context of B2B marketing - an inherently complex and socially embedded activity. The study illuminated contradictions that emerge during the adoption and implementation of AI in this context and how they can infuence the successful implementation of AI in B2B marketing practices. It thereby contributes to the paucity in B2B marketing research that considers the socio-cultural infuences of AI on marketing managers. In doing so, this study provides empirically-based insights surrounding the hype of AI in an area of B2B business practice, a largely neglected research domain. Finally, the results provide practical insights that can enable B2B practitioners to avoid pitfalls when considering the adoption and implementation of AI-powered technologies in the context of B2B marketing.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
1. مقدمه
2. پیشینه نظری
2-1. بازاریابی مبتنی بر هوش مصنوعی
2-2. ارزیابی نظریه فعالیت
2-3. بازاریابی B2B مبتنی بر هوش مصنوعی به عنوان سیستم فعالیت تعاملی
3. روش تحقيق
4. نتایج
5. مباحثه، محدودیت ها و تحقیق بعدی
5-1. نتایج عملی
5-2. جنبه های نظری
5-3. محدودیت ها و تحقیق بعدی
6. نتیجه گیری
منابع
Abstract
1 Introduction
2 Theoretical background
2.1 AI powered marketing
2.2 The Evolution of Activity Theory
2.3 AI based B2B marketing as an interacting activity system
3 Research method
4 Results
5 Discussion, limitations, and future research
5.1 Practical implications
5.2 Theoretical implications
5.3 Limitations and future research
6 Conclusion
Declarations
References
این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 17 اسلاید و 6 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.
در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 6 صفحه (1650 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.
علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.
بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 55 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش و pdf بدون آرم سایت ای ترجمه
- پاورپوینت فارسی با فرمت pptx
- خلاصه فارسی با فرمت ورد (word)
- متن پاراگراف به پاراگراف انگلیسی و فارسی با فرمت ورد (word)
- اصطلاحات تخصصی با فرمت اکسل