دانلود ترجمه مقاله پیش بینی تعامل رسانه های اجتماعی با بینایی کامپیوتر

عنوان فارسی

پیش بینی تعامل رسانه های اجتماعی با بینایی کامپیوتر: بررسی بازاریابی مواد غذایی در اینستاگرام

عنوان انگلیسی

Predicting social media engagement with computer vision: An examination of food marketing on Instagram

کلمات کلیدی :

  بازاریابی رسانه های اجتماعی؛ تعامل مصرف کننده؛ یادگیری ماشین؛ غذا؛ روان بودن پردازش؛ هوش مصنوعی گوگل ویژن

درسهای مرتبط بازاریابی رسانه های اجتماعی
تعداد صفحات مقاله انگلیسی : 12 نشریه : ELSEVIER
سال انتشار : 2022 تعداد رفرنس مقاله : 86
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد وضعیت ترجمه مقاله : انجام نشده است.
فهرست مطالب

1. مقدمه 2. توسعه نظری 3. مروری کلی بر تحقیقات 4. مطالعه 1 5. مطالعه 2 6. بحث و بررسی کلی

سفارش ترجمه
ترجمه نمونه متن انگلیسی

چکیده – در بازار پرازدحام و شلوغ رسانه های اجتماعی، رستورانها اغلب تلاش می کنند با نمایش دادن غذاهای «اینستاگرام پذیر» مفصل، خود را نسبت به دیگران برجسته تر کنند. این مطالعه، با استفاده از یک الگوریتم یادگیری ماشینی دسته بندی تصاویر (Google Vision AI) برروی پست های اینستاگرام رستوران ها، تحلیل می کند که مشخصه های بصری محصولات پیشنهادی (یعنی غذاهایشان) چه ارتباطی با تعامل و جذب شدن به رسانه های اجتماعی دارند. نتایج نشان می دهند که تصاویر غذاهایی که توسط Google Vision AI (یک نماینده برای انواع غذاها) ارزیابی شده اند، ارتباط مثبتی با تعامل (لایک و کامنت) دارند. یک بررسی تجربی پیگیری کننده نشان می دهد که مشاهده غذاهایی با ظاهر عادی، هیجان مثبت را افزایش می دهد و در نتیجه گویای آن است که پردازش ذهنی آنها که محرک تعامل است، آسانتر می باشد. بنابراین، برخلاف شیوه های رسانه های اجتماعی متداول و روندهای صنایع غذایی، هرچه بیشتر یک غذا ظاهر عادی داشته باشد، تعامل رسانه اجتماعی بیشتری را دریافت می کند. استفاده از Google Vision AI برای شناسایی اینکه کدام محصولات پیشنهادی، تعامل بیشتری جذب می کند، روشی آسان و در دسترس برای آن است که بازاریابان صنعت خود را درک کنند و استراتژی های بازاریابی رسانه های اجتماعی خود را تقویت نمایند. مقدمه: در عرصه رقابتی رسانه های غذایی، غذای «اینستاگرام پذیر»، به یک روند بازاریابی تبدیل شده است، به نحوی که میلیون ها تصویر غذایی با ظاهر جذاب هر ساله در رسانه های اجتماعی نشر و ارسال می شوند. رستوران ها به میزان گسترده ای از رسانه های اجتماعی و ارزش آن استقبال کرده اند، زیرا اکثر مشتریان قبل از رفتن به یک رستوران از رسانه های اجتماعی استفاده می کنند (برای مثال، نظرات را بررسی می کنند و تصاویر آنجا را مشاهده می کنند) (لپکوسکا-وایت، 2017). استفاده رستوران ها از رسانه های اجتماعی می تواند تاثیر مثبتی بر ارزش گذاری کسب و کار داشته باشد (کیم و همکاران، 2015)، فروش را تقویت بخشد و سهم بازار را بهبود دهد (نیدلز و تامسون، 2013). در نتیجه، افزایش استفاده از رسانه های اجتماعی توسط رستوران ها باعث بوجود آمدن یک محیط رقابتی تر و پرازدحام تر شده است. برای مثال، در فهرست بیش از 900 رستوران آمریکای شمالی مربوط به سال 2021 که توسط Eater.com تهیه شده، 92% حساب اینستاگرام فعال داشته اند. این موضوع با توجه به اینکه کاربران عادی رسانه های اجتماعی روزانه 147 دقیقه وقت خود را صرف پلتفرم های رسانه های اجتماعی می کنند (استاتیستا، 2022)، و هر روز صدها پست را مشاهده می کنند (لاکرسون، 2015، استیوارت، 2016)، بسیار مهم است. در نتیجه، یکی از چالش های اصلی برای بازاریابان غذا، نحوه بهره گیری موثر از تعامل با محتواهایشان (برای مثال، لایک ها، کامنت ها، اشتراک گذاری ها)، جهت جذب بیشتر مخاطبان در پلتفرم و بهبود عملکرد تجاری می باشد.

نمونه متن انگلیسی مقاله

In a crowded social media marketplace, restaurants often try to stand out by showcasing elaborate “Instagrammable” foods. Using an image classification machine learning algorithm (Google Vision AI) on restaurants’ Instagram posts, this study analyzes how the visual characteristics of product offerings (i.e., their food) relate to social media engagement. Results demonstrate that food images that are more confidently evaluated by Google Vision AI (a proxy for food typicality) are positively associated with engagement (likes and comments). A follow-up experiment shows that exposure to typical-appearing foods elevates positive affect, suggesting they are easier to mentally process, which drives engagement. Therefore, contrary to conventional social media practices and food industry trends, the more typical a food appears, the more social media engagement it receives. Using Google Vision AI to identify what product offerings receive engagement presents an accessible method for marketers to understand their industry and inform their social media marketing strategies. Introduction: In the competitive food media landscape, “Instagrammable” food has become a marketing trend, with millions of visually-appealing food images posted on social media each year. Restaurants have widely embraced the value of social media, as most customers use social media (e.g., checking reviews, viewing photos) before visiting a restaurant (Lepkowska-White, 2017). Restaurants’ social media use can positively influence business valuation (Kim et al., 2015), boost sales, and improve market share (Needles & Thompson, 2013). As a result, the increased use of social media by restaurants has resulted in a more crowded and competitive environment. For example, on a 2021 list of over 900 North American restaurants profiled by Eater.com, 92% had an active Instagram account. This is important considering that the average social media user spends 147 min per day across platforms (Statista, 2022), seeing hundreds of posts each day (Luckerson, 2015, Stewart, 2016). Consequently, one of the main challenges for food marketers is how to effectively garner engagement with their content (e.g., likes, comments, shares) in an effort to boost audience exposure on the platform and improve business performance.

توضیحات و مشاهده مقاله انگلیسی

سفارش ترجمه تخصصی این مقاله

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود ترجمه مقاله پیش بینی تعامل رسانه های اجتماعی با بینایی کامپیوتر”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

1 × دو =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi