ترجمه مقاله تاثیر بازاریابی رسانه های اجتماعی بر روی عملکرد تجاری - نشریه IEEE

قیمت خرید این محصول

۶۷,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

تاثیر بازاریابی رسانه های اجتماعی بر روی عملکرد تجاری: یک رویکرد ارزیابی عملکرد مرکب با استفاده از تحلیل داده و یادگیری ماشینی

عنوان انگلیسی

Impact of Social Media Marketing on Business Performance: A Hybrid Performance Measurement Approach Using Data Analytics and Machine Learning

صفحات مقاله فارسی

29

صفحات مقاله انگلیسی

15

سال انتشار

2021

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

pdf و ورد تایپ شده با قابلیت ویرایش

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

ژورنال

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

ایمپکت فاکتور(IF) مجله

1.587 در سال 2020

پایگاه

اسکوپوس

شاخص H_index مجله

20 در سال 2021

شاخص Q یا Quartile (چارک)

Q3 در سال 2020

شاخص SJR مجله

0.300 در سال 2020

شناسه ISSN مجله

0360-8581

کد محصول

12325

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

تایپ شده است

ضمیمه

ندارد ☓

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

فرضیه

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

doi یا شناسه دیجیتال

https://doi.org/10.1109/EMR.2021.3055036

دانشگاه

دانشگاه بریجپورت، بریجپورت، ایالات متحده آمریکا

رشته و گرایش های مرتبط با این مقاله

مدیریت، مهندسی کامپیوتر، بازاریابی، تجارت الکترونیک، مدیریت فناوری اطلاعات، مدیریت کسب و کار، مدیریت بازرگانی، هوش مصنوعی، مدیریت تکنولوژی

کلمات کلیدی

AutoML، تحلیل پوششی اطلاعات، ارزیابی عملکرد، بازاریابی رسانه های اجتماعی، مدیریت تکنولوژی

کلمات کلیدی انگلیسی

AutoML - data envelopment analysis - performance evaluation - social media marketing - technology management

مجله

بررسی مدیریت مهندسی - Engineering Management Review

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

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

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

نحوه خرید خلاصه - پاورپوینت این مقاله

اگر مایل به تهیه نسخه پاورپوینت مقاله "تاثیر بازاریابی رسانه های اجتماعی بر روی عملکرد تجاری: یک رویکرد ارزیابی عملکرد مرکب با استفاده از تحلیل داده و یادگیری ماشینی" هستید اینجا کلیک نمایید.

اگر مایل به تهیه نسخه متن خلاصه شده مقاله "تاثیر بازاریابی رسانه های اجتماعی بر روی عملکرد تجاری: یک رویکرد ارزیابی عملکرد مرکب با استفاده از تحلیل داده و یادگیری ماشینی" هستید اینجا کلیک نمایید.

و برای خرید ترجمه کامل مقاله با فرمت ورد از دکمه های زیر استفاده نمایید.

نمونه چکیده ترجمه متن فارسی

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.

نمونه چکیده متن اصلی انگلیسی

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.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی مدیریت، دانلود رایگان مقالات انگلیسی هوش مصنوعی، دانلود رایگان مقالات انگلیسی بازاریابی