دانلود ترجمه مقاله هوش مصنوعی در بازاریابی: مدل سازی موضوعی

1. مقدمه 2. زیربنای مفهومی 3. روش تحقیق 4. جزئیات توصیفی در مقالات موجود 5. مدلسازی موضوعی 6. تحلیل علم سنجی 7. نتیجه گیری

چکیده – پیشرفت سریع هوش مصنوعی، فرصت های جالبی را برای روش بازاریابی و تحقیقات علمی فراهم آورده است. در این مطالعه، ما با بکارگیری پردازش زبان طبیعی، یادگیری ماشین، و الگوریتم های آماری، ادبیات پژوهش موجود را از نظر موضوعات غالب، تکامل در طی زمان، و پویاگان آن بررسی می کنیم تا پایگاه دانش موجود را ترسیم نمائیم. ده مضمون پژوهشی برجسته آشکار گردید: (1) درک کردن احساسات مشتری، (2) فرصت های صنعتی هوش مصنوعی، (3) تحلیل کردن رضایت مشتری، (4) بینش های الکترونیکی مبتنی بر {بازاریابی} دهان به دهان، (5) بهبود دادن عملکرد بازار، (6) استفاده کردن از هوش مصنوعی برای مدیریت برند، (7) اندازه گیری و ارتقا دادن وفاداری و اعتماد مشتری، (8) هوش مصنوعی و خدمات نوین، (9) استفاده کردن از هوش مصنوعی برای بهبود دادن روابط با مشتری، و (10) هوش مصنوعی و بازاریابی راهبردی. تحلیل های علم سنجی توانست مفاهیم کلیدی، رخدادهای واژگان کلیدی، شبکه های تالیف، مضامین پژوهشی برتر، انتشارات شاخص، و تکامل حوزه پژوهشی در طی زمان را آشکار سازد. بر مبنای این بینش ها که یک شالوده کلی را فراهم می آورد، مقاله حاضر با پیشنهاد دادن یک دستورکار برای پژوهش های بیشتر به پایان می رسد. مقدّمه: اگر خودِ هوش مصنوعی برای تحقیق پیرامون ادبیّات پژوهش موجود درباره هوش مصنوعی در بازاریابی استفاده می شد، چه اتّفاقی می افتاد؟ در این مطالعه، ما دقیقاً همین کار را انجام می دهیم! با دریافت کردن بیش از 5 میلیارد دلار در قالب سرمایه گذاری های خطرپذیر طی دو دهه گذشته، هوش مصنوعی آماده است تا اثرات متحول کننده خود بر بازارها و بازاریابی در سراسر جهان را برجای گذارد ( پرایس واترهَوس کوپرز، 2017؛ رانگاسوامی و همکاران، 2020؛ ، 2018 Insights,) . بطور فزاینده ای، بازاریابی بر الگوریتم های خود،که عملکردهای شناختی انسان را تقلید نموده و جنبه هایی از هوش انسانی را بروز می دهند، تکیه نموده است ( هوانگ و راست، 2018؛ رانگاسوامی و همکاران، 2020؛ راسِل و نورویگ، 2016؛ اِسترن، 2017)، به گونه ای که 72% از بازاریاب ها از هوش مصنوعی به عنوان یک مزیت کسب و کار یاد کرده اند. مصرف کنندگان، به شکل کاهش یافتن هزینه ها، وجود کانال های خدماتی متنوع تر، دستاوردهای نوآورانه، و ایجاد شدن فرصت هایی برای گسترش خلّاقیت و نبوغ انسانی هنگامی که هوش مصنوعی وظایف خسته کننده و تکراری را انجام می دهد، از این برنامه های کاربردی سود می برند ( هائنلین و کاپلان، 2019؛ پرایس واتِر هَوس کوپرز، 2017، Smart Insights,2018) . این تحول که ناشی از کاربرد هوش مصنوعی در بازاریابی است، و پتانسیل آن برای منتج شدن به پیامدهای ارزشی برتر، توجهات پژوهشی چشمگیری را برانگیخته ( دیوِن پورت، گوها، گرِوال، و برِسگات، 2020؛ هائنلین و کاپلان، 2019؛ هوانگ و راست، 2018) و، به طور مثال، مشوّق موارد ذیل بوده است: کاربردهای فنّاوری هوشمند ( مارینووا، دِ رویتر، هوانگ، موتِر، و چالّاگالّا، 2017) ؛ ارائه توضیحات درباره خدماتی که توسّط فنّاوری های گوناگون امکان پذیر، تسهیل، و عرضه گردیده است ( راست و هوانگ، 2012 ) ؛ تحقیقات درباره رباتیک مورد پشتیبانی هوش مصنوعی ( لو و همکاران، 2020؛ ویرتز و همکاران، 2018) ؛ بررسی های دقیق راهبردهای بازاریابی و فروش با محوریت هوش مصنوعی ( دِیون پورت و همکاران، 2020) ؛ ملاحظات درباره نحوه منتج شدن خدمت رسانی با بهره گیری از هوش مصنوعی به تعالی خدماتی مقرون به صرفه ( ویرتز و زیتمال، 2018؛ ویرتز، 2020) ؛ پیشنهاد شدن مدل های کسب و کار پلَتفُرم بهره مند از هوش مصنوعی ( ویرتز، سو، مودی، لیو، و چون، 2019) ؛ تحقیقات درباره اثر افشاگری های ربات های سخنگوی مبتنی بر هوش مصنوعی بر خریدهای مشتریان ( لو، تانگ، فانگ، و کو، 2019) ؛ توجه به اثرات بر نیروهای کار ( دِیون پورت، کربی، 2015) و بازتعریف محل های کار بهره مند از هوش مصنوعی ( چوی، مانیکا، و میرِمادی، 2015) ؛ و بحث ها درباره فنّاوری های دیجیتال به عنوان نیروهای محرّک کار و زندگی ( مَک آفی و برینیولفسون، 2016).

The rapid advancement of artificial intelligence (AI) offers exciting opportunities for marketing practice and academic research. In this study, through the application of natural language processing, machine learning, and statistical algorithms, we examine extant literature in terms of its dominant topics, diversity, evolution over time, and dynamics to map the existing knowledge base. Ten salient research themes emerge: (1) understanding consumer sentiments, (2) industrial opportunities of AI, (3) analyzing customer satisfaction, (4) electronic word-of-mouth–based insights, (5) improving market performance, (6) using AI for brand management, (7) measuring and enhancing customer loyalty and trust, (8) AI and novel services, (9) using AI to improve customer relationships, and (10) AI and strategic marketing. The scientometric analyses reveal key concepts, keyword co-occurrences, authorship networks, top research themes, landmark publications, and the evolution of the research field over time. With the insights as a foundation, this article closes with a proposed agenda for further research. Introduction: What if artificial intelligence (AI) itself were used to investigate the current literature on AI in marketing? That is what we do in this study! Having received more than US$5 billion in venture capital investments in just the past two years, artificial intelligence (AI) is poised to exert transformative effects on markets and marketing around the world (PricewaterhouseCoopers, 2017; Rangaswamy et al., 2020; Insights, 2018). Marketing increasingly relies on its algorithms, which mimic human cognitive functions and exhibit aspects of human intelligence (Huang & Rust, 2018; Rangaswamy et al., 2020; Russell & Norvig, 2016; Sterne, 2017), such that 72% of marketers cite AI as a business advantage. Consumers benefit from these applications, in the form of decreased costs, more diverse service channels, innovative breakthroughs, and opportunities for expanded human creativity and ingenuity when tedious, repetitive tasks are performed by AI (Haenlein & Kaplan, 2019; PricewaterhouseCoopers, 2017; Smart Insights, 2018). This revolution of AI usage in marketing, and its potential for producing superior value outcomes, has sparked substantial research attention (Davenport, Guha, Grewal, & Bressgott, 2020; Haenlein & Kaplan, 2019; Huang & Rust, 2018), prompting, for example, applications of intelligent technology (Marinova, de Ruyter, Huang, Meuter, & Challagalla, 2017); descriptions of services enabled, facilitated, and delivered by various technologies (Rust & Huang, 2012); investigations of AIpowered robotics (Lu et al., 2020; Wirtz et al., 2018); explorations of AI-led marketing and sales strategies (Davenport et al., 2020); considerations of how AI-enabled delivery can lead to cost-effective service excellence (Wirtz & Zeithaml, 2018; Wirtz, 2020); proposals of AIenabled platform business models (Wirtz, So, Mody, Liu, & Chun, 2019); investigations of the impact of AI chatbot disclosures on customer purchases (Luo, Tong, Fang, & Qu, 2019); considerations of effects on workforces (Davenport & Kirby, 2015) and redefinitions of AIenabled workplaces (Chui, Manyika, & Miremadi, 2015); and discussions of digital technologies as driving forces of work and life (McAfee & Brynjolfsson, 2016).