چکیده:
مع ظهور وسائل التواصل الاجتماعي، يشارك الناس أفكارهم وتجاربهم وآرائهم ونواياهم عبر تويتر وفيسبوك ومنصات التواصل الاجتماعي الأخرى. يوفر تحليل ومراجعة هذه الآراء في وسائل التواصل الاجتماعي معلومات مفيدة للمؤسسات فيما يتعلق بالسوق والعملاء والمنافسين. إحدى هذه المعلومات هي نية الشراء لدى المستخدمين، والتي تحظى باهتمام للاستخدامات التجارية مثل التسويق المستهدف وتخصيص الإعلانات. في هذا البحث، تم تقديم نظام يعتمد على الذكاء الاصطناعي للتنبؤ بنية الشراء لدى المستخدمين في منصة تويتر. البحث الحالي ذو هدف تطبيقي، وتشمل المجتمع المدروس آراء المستخدمين في موقع تويتر، وتتضمن العينة المدروسة تغريدات المستخدمين المتعلقة بآيفون 13. ولإجراء البحث، تم جمع 23000 تغريدة باللغة الإنجليزية من المستخدمين، وتم تحليل مشاعرهم باستخدام طريقة تعتمد على المفردات، وتم تقديم نتائج مقبولة بدقة 0.81. تظهر النتائج المستخلصة من تحليل المشاعر وجود مشاعر عامة إيجابية تجاه آيفون 13. تم استخراج نية الشراء لمستخدمي تويتر باستخدام الشبكة العصبية التلافيفية ذات الذاكرة الطويلة قصيرة المدى بدقة 0.81. ثم تم استخدام نموذج الشبكة العصبية العميقة متعددة الطبقات (Perceptron) لقياس تأثير مشاعر المستخدمين والخصائص الاستاتيكية، حيث أظهرت النتائج دقة بلغت 0.80. يساعد استخدام هذا النموذج والتنبؤ بنية الشراء مديري التسويق على إجراء تخطيط مناسب لتحديد عملائهم وتقليل تكاليف التسويق.
خلاصه ماشینی:
بناءً على الدراسات التي أجريت، في الأبحاث الأخيرة، تم استخدام نموذج الشبكة العصبية CNN-LSTM لاستخراج نية الشراء وقد تم تأكيد فعالية هذا النموذج؛ في البحث الحالي، البيانات المستخدمة هي من تويتر والبحث يتعلق بعلامة تجارية محددة وهي آيفون وطرازها ١٣، حيث أن استخدام نوع خاص من المنتج بدلاً من الفئات العامة للمنتجات له تأثير أكبر في التسويق المستهدف.
كما يتم في هذا البحث دراسة تأثير مشاعر المستخدمين على التنبؤ بنية الشراء.
٣-٣-٥- الشبكة العصبية للتنبؤ بنية الشراء يتم استخدام نموذج الشبكة العصبية للمدرك متعدد الطبقات (multilayer perceptron) بهدف استخراج الميزات وتصنيف تغريدات المستخدمين إلى ذات نية شراء وبدون نية شراء.
نتائج تحليل المشاعر مقياس F الاستدعاء الدقة الصحة الفئة 0,85 0,87 0,86 التغريدات المحايدة ٠,٨٨ ٠,٩٣ ٠,٨٣ ٠,٨١ التغريدات الإيجابية 0,74 0,67 0,70 التغريدات السلبية (يرجى الرجوع إلى صورة الصفحة) شكل ٣ - مصفوفة الارتباك لتحليل المشاعر ٥-٢- استخراج قصد الشراء في هذه المرحلة، يتم استخراج قصد الشراء من التغريدات باستخدام نموذج خاضع للإشراف وخوارزمية الشبكة العصبية العميقة CNN-LSTM.
بالنظر إلى الجدول ٢، تظهر نتائج استخراج نية الشراء من التغريدات أداءً جيداً، حيث يوجد ١٣٠٢٩ حالة نية شراء من بين التغريدات، مما يشير إلى أن أكثر من نصف التغريدات تحتوي على نية شراء، ويقوم نموذج الشبكة العصبية العميقة CNN-LSTM بالتعرف عليها بدقة ٨١ بالمائة.
تشير هذه المسألة إلى تأثير الحملات التي يشارك فيها المستخدمون أيضًا على نية الشراء، حيث يمكن زيادة نية الشراء لدى المستخدمين باستخدام الحملات الإعلانية.
في النهاية، تم استبعاد الميزات التي ترتبط ببعضها البعض بارتباط عالٍ، وتم تقديم نموذج للتنبؤ بنية الشراء بناءً على عدد كلمات التغريدة، والمسافة الزمنية بين يوم التغريدة ويوم إطلاق المنتج، ونسبة عدد الحروف إلى عدد الكلمات، وتحليل المشاعر.
(
, 
, 
)
