دانلود ترجمه مقاله تبلیغات در رسانه های اجتماعی به واسطه سامانه های پیشنهاد دهنده

1. مقدمه 2. مفاهیم پایه 3. کار های مرتبط 4. راه حل 5. نتیجه گیری

مقدمه: بازاریابی، به عنوان یک فعالیت اولیه، در مدل زنجیره ارزش Michel porter قرار گرفته و نقشی حیاتی را در در هر تجارت ایفا می کند. بسیاری از محققان، خود را برای یافتن مدل های مناسب تبلیغات هدفمند و اثر گذاری بیشتر بر روی افراد آماده کرده اند. هدف اصلی این مقاله نه تنها جذب مشتریان، بلکه ایجاد پیشرفت در زمینه ی تبلیغات است.دستیابی به این هدف، مستلزم مد نظر قراردادن رسانه های جدید، همانند شبکه های اجتماعی است. بررسی شبکه های اجتماعی به منظور دست آوردن اطلاعاتی دقیق در رابطه با نوع کاربر، از طریق پروفایل، تعاملات کاربران با یکدیگر و به طور کلی رفتار آن ها بدست می آید. کاربران شبکه های اجتماعی (SN) به عنوان مشتریان بالقوه مطرح شده و اطلاعات دقیق و جامعی را در رابطه با کاربران، طریقه ی سفارش کالا یا سرویس های مفید برای کاربران، مطابق با علایق سلایق آنان ارائه خواهد داد. این امر یک راه حل خوب به منظور غلبه بر انحراف داده ها که مشکل قرن اطلاعات است، می باشد. دریافت اطلاعات در زمان مناسب موجب افزایش رضایت کاربر شده و موضوعی مهم در مدیریت ارتباط مشتری به حساب می آید. استفاده از تبلیغات ثابت به دفعات مکرر، می تواند منجر به عدم جذابیت و جهل نسبت به تبلیغات و sidebar های موجود در صفحات وب و حتی در رسانه شود. در این تحقیق، آگهی ها بار ها نشان داده نمی شوند. به این ترتیب، علاوه بر حذف تبلیغات تکراری، نمایش تبلیغات جدید ممکن خواهد بود. قابلیت دسترسی اینترنت و رشد اینترانت منجر به تکامل تجارت الکترونیک می شود. ویژگی تعاملی وب 2.0 و ظهور شبکه های اجتماعی، باعث می شوند که شبکه های اجتماعی به عنوان یک رسانه ی مناسب برای تبلیغات هدفمند مطرح گردند. تبلیغات هدفمند در شبکه های اجتماعی بر مبنای شناخت خوب کاربران صورت می گیرد. این بدین معنی استفاده از روش های جدید و به روز به منظور استخراج اطلاعات دقیق از آن است. استخراج رسانه ای برای تحت پوشش قرار دادن جنبه های مربوط به اطلاعات کاربران امری ضروری است. مطرح ساختن سن کاربر، جنسیت، کشور، ملیت، دین، تعداد دوستان، و میانگین سنی دوستان هر کاربر اطلاعات دقیقی را برای شناخت دقیق کاربران تولید می کند. اطلاعات بیشتر در رابطه با رفتار کاربر به یافتن سطح همکاری و تشریک مساعی کمک کرده و منجر به ایجاد گروه هایی خارج از شباهت های موجود بین کاربران خواهد شد. کشف شباهت ها می تواند از ایجاد مشکلات جدید برای کاربران جلوگیری نماید.

INTRODUCTION: Marketing is listed as a primary activity in Michel porter’s value chain model and it has a critical role in each business. Lots of researches have been performed for finding suitable methods of targeted advertising and making the most impression possible on people. This paper’s main goal is not only to fascinate customers, but also to make an improvement in the field of advertising. Reaching this aim would result in paying attention to new media such as social networks. Analyzing social networks would help to have exact information from any user through its profile, users’ interactions with others and generally their behavior. Social Networks (SN) users are considered as potential customers and having exact and precise information about each user, would guide us to recommend useful goods or services to them according to their own interests and tastes. This is a good solution to overcome data’s redundancies, which is the problem of information century. Receiving information in a proper time could increase use’s satisfaction and it is an important issue in customer relationship managements. Using a constant advertisement for many times could cause inattentiveness and ignorance to advertisements and sidebars in web pages and even the media. In this research, advertisements are not going to show repeatedly. In this way in additions to omitting repeatedly advertisements, showing new advertisements will be accessible. The availability of internet and growth of intranets cause e-commerce be mature. Web 2.0’s interactivity property and arising social networks, result in having social networks as an appropriate media for targeting advertisement. Targeted advertisements in social networks are based on recognizing users well. This means to use new and up to date methods to extract accurate information out of it. It is essential to use multimedia mining for covering more aspects of user’s information. Considering user age, gender, country, nationality, religion, friend’s number and the average age of each user’s friends could add exact information for recognizing users well. More information about user’s behavior would help finding the collaboration and cooperation level, and this will cause making groups out of use’s similarities. Discovering similarities could help predicting other inserting issues to the users.