هوش اعتباری: نوآوری در مدیریت برند از طریق داده های رسانه های اجتماعی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 21

تعداد کلمات : 8000

مجله : Industrial Management & Data Systems

انتشار : 2020

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
12 سپتامبر 2021
دسته بندی
تعداد بازدیدها
1139 بازدید
31,000 تومان

عنوان فارسی مقاله:هوش اعتباری: نوآوری در مدیریت برند از طریق داده های رسانه های اجتماعی

 چکیده

 هدف – شرکت ها در حال حاضر با این چالش مواجه هستند که درک کنند چگونه کسب و کارشان تحت تأثیر حجم زیادی از نظرات مداوم ذینفعان آنها در رسانه های اجتماعی در مورد دارایی های نامشهود (تجربیات، احساسات و نگرش ها) قرار می گیرد. با در نظر گرفتن این موضوع، هدف از این مقاله ارائه یک مدل مدیریتی نوآورانه با نام E2AB، برای اندازه گیری و تجزیه و تحلیل نامشهودهای معتبر اکوسیستم های دیجیتال و تأثیرات آنها بر دارایی های مشهود است.

طراحی/روش شناسی/رویکرد – روش مورد استفاده داده های بزرگ و تکنیک های هوش تجاری بود. این روشها در فرایند محاسبه برای به دست آوردن داده های روزانه از هر ضمانت دارنده ای استفاده می شود که مدل با داده های قوی اعتبار دارد. این مدل با استفاده از داده های بخش بانکی، به ویژه ۴۰۲،۳۸۳ ورودی داده خالص از اکوسیستم های دیجیتال تأیید شده است.

یافته ها – این مطالعه وجود تأثیر جامع دارایی های نامشهود بر دارایی های مشهود را نشان می دهد. یافته ها روابط پیچیده ای بین دارایی های نامشهود و نامشهود را نشان می دهند که نه تنها با نوع متغیر بلکه با ظرفیت و شدت آن تعیین می شود.

مفاهیم کاربردی – این یافته ها ممکن است به مدیران ارشد ارتباطات و مدیران کل کمک کند تا درک بهتری از نحوه ارتباط دارایی های نامشهود که از نظرات کاربران آنلاین با دارایی های ملموس سازمان آنها مرتبط است و همچنین فرصتی برای آگاهی از تأثیر آنها و نحوه مدیریت آنها به صورت عملی و تصمیم گیری چابک در زمان واقعی فراهم می کند.

اصالت/ارزش – این یک کار پیشگام در ایجاد مدلی است که روابط عرضی و جامع بین دارایی های نامشهود و ملموس رابطه ای شرکت ها از اکوسیستم های دیجیتال را با استفاده از تکنیک های هوش تجاری نشان می دهد(نوآوری در مدیریت برند).

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: Reputational intelligence: innovating brand management through social media data

Abstract

 Purpose – Companies are currently facing the challenge of understanding how their business is affected by the large volume of opinions continually generated by their stakeholders in social media regarding their intangible assets (experiences, emotions and attitudes). With this in mind, the purpose of this paper is to present an innovative management model, named E2AB, to measure and analyse reputational intangibles from digital ecosystems and their impacts on tangible assets. Design/methodology/approach – The methodology applied was big data and business intelligence techniques. These methods were used in the computing process to obtain daily data from every asset guarantees that the model is validated with robust data. This model has been corroborated using data from the banking sector, specifically 402,383 net data inputs from the digital ecosystems. Findings – This study illustrates the existence of a holistic influence of intangible assets over tangible assets. The findings demonstrate complex relationships between tangible and intangible assets, determined not only by the type of variable but also by its valence and intensity. Practical implications – These findings may help chief communication officers and general managers a better understanding of how intangible assets extracted from online users’ opinions are related to their organisation’s tangible assets plus a chance to find out about their impact and how to manage them for a practical and agile decision making in real time. Originality/value – It is a pioneering work in establishing a model, which demonstrates transversal and holistic relationships between relational intangible and tangible assets of firms from digital ecosystems, using business intelligence techniques.