پیش‌بینی انتخاب محصول توسط مشتریان مبتنی بر بازاریابی عصبی با الگوریتم هوش جمعی سالپ آشوبی

الموضوعات :

مرضیه ملکی ¹ , زهرا دشت لعلی ²

1 - دانشجوی کارشناسی ارشد گروه مدیریت، واحد نجف آباد، دانشگاه آزاد اسلامی، اصفهان، ایران.
2 - استادیار گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران (نویسنده مسئول)

تاريخ الإرسال : 12 الأحد , محرم, 1445 تاريخ التأكيد : 26 الإثنين , جمادى الثانية, 1445 تاريخ الإصدار : 13 الثلاثاء , ذو القعدة, 1445

الکلمات المفتاحية: انتخاب ویژگی, الگوریتم فراابتکاری, یادگیری ماشین, پیش‌بینی,

ملخص المقالة :

تعیین الگوی تصمیم‌گیری مشتریان در خرید محصولات یکی از موارد مهم در بازاریابی است و هدف از مقاله، ارائۀ راهکار جدید در بازاریابی عصبی در پیش‌بینی انتخاب محصولات توسط مشتریان است. در این تحقیق سیگنال‌های مغزی از بیست‌وپنج نفر شرکت کننده با محدودۀ سنی 18 تا 38 سال در زمان مشاهده 14 محصول مختلف استفاده‌شده است که گروه اول شامل 10 مرد و 6 زن با گسترۀ سنی 18 تا 23 سال، گروه دوم شامل 8 مرد و 5 زن با گسترۀ سنی 25 تا 30 سال و گروه سوم شامل 7 مرد و 4 زن با گسترۀ سنی 31 تا 38 سال بودند. برای انتخاب ویژگی‌ در این مقاله الگوریتم جدیدی مبتنی بر هوش جمعی سالپ آشوبی ارائه‌شده است که می‌تواند با قدرت جستجوی بالا، ویژگی‌های مؤثر را مشخص نماید و برای پیش‌بینی نهایی از طبقه بندهای مختلف در قالب یادگیری چندتایی استفاده‌شده است. در مدل پیشنهادی، از روش طیف‌‌های مرتبه بالا در استخراج ویژگی‌ها از سیگنال مغزی استفاده‌شده که شامل بیش از هفتصد ویژگی است و سپس انتخاب ویژگی با الگوریتم هوش جمعی سالپ پیشنهادی تعداد ویژگی‎ها از 742 به 198 کاهش یافته است. نتایج نشان داده است که مدل پیشنهادی توانسته به‌طور میانگین در تشخیص انتخاب کاربران در همه محصولات دقت 99/75 درصد داشته باشد که نشان‌دهنده بهبود 75/3 درصدی نتایج نسبت به تحقیقات مشابه است.

المصادر:

- Asaadi, M., & Davari, S.(2021). Investigating the relationship between dimensions of neuromarketing and customer satisfaction in Maskan Bank of Kurdistan province. Quarterly Scientific Journal of Human Resources & Capital Studies, 1(1),140-161.[In Persian].

• Aldayel, M,. Ykhlef, M & Al-Nafjan, A (2021). Consumers’ Preference Recognition Based on Brain–Computer Interfaces: Advances, Trends, and Applications. Arabian Journal for Science and Engineering.11,15-26.

-Amiri, S., & Davari, A. (2022). Analyzing the Driving and Inhibiting Factors of Neuromarketing in Advertising: A Study with a Cognitive Approach. New Marketing Research Journal, 12(1),89-108.[In Persian].doi: 10.22108/nmrj.2021.130428.2535

• Bigne, E., Chatzipanagiotou, K., and Ruiz, C. (2020). Pictorial content, sequence of conflicting online reviews and consumer decision-making: The stimulus-organism-response model revisited. Journal of Business Research.


• Bonyadi naeini, A., & moghiseh, Z. (2021). The Presence of Neuromarketing Scientific Publications in Social Media: An Altmetric Study. New Marketing Research Journal, 11(1), 27-44.[In Persian]. doi: 10.22108/nmrj.2021.125291.2250  


• Casado-Aranda, L. -A., Sánchez-Fernández, J., Ibáñez-Zapata, J. -Á., & Liébana-Cabanillas, F. J. (2020). How consumer ethnocentrism modulates neural processing of domestic and foreign products: A neuroimaging study. Journal of Retailing and Consumer Services, 53, 101961.


• Ghaedi, A., Izadi, B., & Ghasemyan, M. (2021). Measuring Brainwaves, arousal, pleasure and decision to purchase sports service industry. Sport Management Journal, 13(2), 639-657..[In Persian]. doi: 10.22059/jsm.2020.294673.2381


• Ghasemi Siani, M., Mohammadi, S., & Soltan Hosseini, M. (2022). The Role of Sports-Related Advertising in the Park in Brainwave Changes of People Using QEEG. Sport Management Journal, 13(4), 1197-1213.[In Persian]. doi: 10.22059/jsm.2020.299301.2430.


• Hosseini, S. A. (2023a). Analysis of EEG Signals using Hierarchical Dispersion Entropy and Random Forest in the Neuromarketing Application. Computational Intelligence in Electrical Engineering. [In Persian]. doi: 10.22108/isee.2023.133401.1561.


• Hosseini, S. A. (2023b). Analyzing the Brain Response to Marketing Stimuli Using Electroencephalogram (EEG) Signal in the Neuromarketing Application. Computational Intelligence in Electrical Engineering, 14(1), 135-150. [In Persian].doi: 10.22108/isee.2022.130154.150.


• Hosseini, S. A., & Houshmand, M. (2022). Analysis of the EEG Signal Using Higher-Order Spectra (HOS) in the Neuro-marketing Application. New Marketing Research Journal, 12(1), 25-42. [In Persian]. doi: 10.22108/nmrj.2022.130413.2537.


• Jelodari, A, & Mousel, S.(2022). The effect of neuromarketing on consumers' marketing motivations. The 4th National Conference on New Patterns of Business Management. [In Persian].


• Karimi Ghaleital, M. (2022). Application of statistics with order higher than two in signal processing and systems theory,


• Nowrouzi, F.(2022). The effect of neuromarketing on the decision-making styles of the organization's customers in Tejarat Bank branches in Bandar Abbas city.Knowledge-based business management quarterly, 2(1), 99-123. [In Persian].


• Rahimi, M,. & PourSaeidM. (2022). Examining the role of neuromarketing on the consumer response of sporting products with the mediation of the competitive role of the special brand. The 4th National Conference on New Patterns of Business Management. [In Persian].


• Sotoudehnejad, S.(2022). nvestigating the role of neural marketing in improving the capabilities of commercial sites. The first management and e-commerce conference. [In Persian].


• Tawhid, M., Ibrahim, A. (2022). Improved salp swarm algorithm combined with chaos. Mathematics and Computers in Simulation, 114, 163–191.