ارائه مدل راهبردي مبتني بر رويكرد يادگيري ماشين به منظور سنجش خودكار نظرات و كاوش اطلاعات كالاها در بازاريابي ديجيتال

Provide strategic model based on machine learning to automatically opinion mining for product information in digital marketing

مطالعه حاضر با استفاده از تكنيك هاي يادگيري ماشين و نظركاوي كوشيده است تا بتواند مدل راهبردي خودكار به منظور طبقه بندي و كاوش نظرات ارايه شده در مورد كالا، برند يا خدماتي خاص ارايه نمايد. بكارگيري چنين مدل راهبردي مي تواند در شناسايي خصوصيات برندها و خوشه بندي عاملي بين آن ها بسيار كارآمد بوده و اطلاعات بسيار ارزشمندي در اين زمينه ارايه دهد. نتايج حاصل از اين ارزيابي مي تواند در تهيه استراتژي هاي مديريت بازاريابي و بهبود كمي يا كيفي عامل مذكور بكار برده شود. مدل مبتني بر يادگيري ماشين و شبكه عصبي عميق با شناسايي نظرات مرتبط، خصوصيات مختلف را در سطوح گوناگون ارزشيابي سنجيده و نظرات را بسته به كيفيت ارايه بصورت خودكار طبقه بندي مي نمايد. خروجي اين مدل با بكارگيري قابليت هاي بازاريابي در بهبود فروش كالا/برند/خدمات تعريف شده بصورت كارآمد وارد شده است. مجموعه داده بكار گرفته شده در اين مطالعه مربوط به مجموعه نظرات كاربران فارسي زبان سايت فروش انلاين ديجيكالا و هلوكيش مي باشد كه بصورت آموزشي- آزمايشي (70% داده آموزشي و 30% داده آزمايشي) طي سه مدل متناوب بارگذاري گرديده كه به منظور شناسايي و طبقه بندي ويژگي هاي مختلف كالاها و خدمات ارايه شده در مجموعه داده مورد استفاده بوده است. مدل پيشنهادي جهت ارزيابي توانمندي از توابع خطا براي محاسبه ميزان خطاي محاسباتي استفاده نموده تا بتواند ميزان انحراف از مقادير درستي را براي اطلاعات پيش بيني شده خود ارايه دهد. بدين منظور از ارزيابي خطاي ميانگين مربعات و خطاي جذر ميانگين مربعات بهره گرفته شده است. نتايج حاصله نشان دهنده دقت بالاي مدل ارزيابي ها و پيش بيني شرايط مختلف مي باشد.

The present study has tried to provide an automated strategic model for classifying and exploring the opinions presented about a particular product, brand or service by using machine learning and survey techniques. Applying such a strategic model can be very effective in identifying the characteristics of brands and factor clustering between them and provide very valuable information in this regard. The results of this evaluation can be used in the development of marketing management strategies and quantitative or qualitative improvement of this factor. The model based on machine learning and deep neural network identifies related opinions, measures different characteristics at different levels of evaluation, and automatically categorizes opinions depending on the quality of the presentation. The output of this model is efficiently imported by using marketing capabilities to improve the sales of defined goods / brands / services.The data set used in this study is related to the collection of comments of Persian language users of the online sales site of Digitala and Holokish, which was uploaded as an educational-experimental (70% educational data and 30% experimental data) in three alternate models in order to identify an‎d the classification of the various properties of the goods and services provided in the dataset has been used.The proposed model uses error functions to calculate the amount of computational error to evaluate the capability to be able to provide the degree of deviation from the correct values for its predicted information. For this purpose, the mean square error and the square root mean square error have been used. The results show the high accuracy of the model of evaluations and prediction of different conditions