عنوان فارسی مقاله:مفهوم بازاریابی عصبی در شبکه‌های عصبی مصنوعی: مطالعه موردی از پیش بینی و شبیه سازی از صنعت تبلیغات

چکیده

هدف این پژوهش بررسی یک شبکه عصبی (هوش مصنوعی) به عنوان یک مدل جایگزین برای بررسی پدیده بازاریابی عصبی است. بازاریابی عصبی به عنوان تکنیکی برای طراحی استراتژی‌های بازاریابی، به ویژه کمپین‌های تبلیغاتی، نسبتاً جدید است. بازاریابان از ابزارهای مختلف بازاریابی عصبی، به عنوان مثال تصویربرداری تشدید مغناطیسی عملکردی (fMRI)، ردیابی چشم، الکتروانسفالوگرافی (EEG)، توپوگرافی پروب حالت پایدار (SSPT)، و سایر ابزارهای گران قیمت استفاده کرده‌اند. به طور مشابه، محققان از این دستگاه‌ها برای انجام مطالعات خود استفاده کرده‌اند. بنابراین، بازاریابی عصبی یک پروژه گران قیمت هم برای شرکت‌ها و هم برای محققان بوده است. ما از ۵۸۵ پاسخ انسانی استفاده کردیم و از تکنیک شبکه عصبی (هوش مصنوعی) برای بررسی رفتار خرید پیش‌بینی‌کننده یک تبلیغ مؤثر استفاده کردیم. برای این منظور، ما از دو اپلیکیشن شبکه عصبی (هوش مصنوعی) برای بررسی رفتار خرید مصرف‌کننده استفاده کردیم که ابتدا از مقیاس لیکرت ۱ تا ۵ گرفته شد. دومین اپلیکیشن برای بررسی رفتار خرید مصرف کننده پیش بینی شده در پرتو پدیده بازاریابی عصبی اجرا شد. یافته‌ها نشان می‌دهد که یک شبکه عصبی (هوش مصنوعی) یک جایگزین منحصر به فرد، مقرون به صرفه و قدرتمند برای ابزارهای سنتی بازاریابی عصبی است. این مطالعه پیامدهای نظری و عملی معنی داری برای محققان آینده و مدیران برند در بخش‌های خدمات و تولید دارد.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: The Neuromarketing Concept in Artificial Neural Networks: A Case of Forecasting and Simulation from the Advertising Industry

Abstract

This research aims to examine a neural network (artificial intelligence) as an alternative model to examine the neuromarketing phenomenon. Neuromarketing is comparatively new as a technique for designing marketing strategies, especially advertising campaigns. Marketers have used a variety of different neuromarketing tools, for instance functional magnetic resonance imaging (fMRI), eye tracking, electroencephalography (EEG), steady-state probe topography (SSPT), and other expensive gadgets. Similarly, researchers have been using these devices to carry out their studies. Therefore, neuromarketing has been an expensive project for both companies and researchers. We employed 585 human responses and used the neural network (artificial intelligence) technique to examine the predictive consumer buying behavior of an effective advertisement. For this purpose, we employed two neural network applications (artificial intelligence) to examine consumer buying behavior, first taken from a 1–5 Likert scale. A second application was run to examine the predicted consumer buying behavior in light of the neuromarketing phenomenon. The findings suggest that a neural network (artificial intelligence) is a unique, cost-effective, and powerful alternative to traditional neuromarketing tools. This study has significant theoretical and practical implications for future researchers and brand managers in the service and manufacturing sectors.