دانلود ترجمه مقاله پیاده سازی هوش مصنوعی در روش سنتی بازاریابی B2B (اسپرینگر ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

پیاده سازی هوش مصنوعی در شیوه های سنتی بازاریابی B2B: دیدگاه نظریه فعالیت

Implementing Artifcial Intelligence in Traditional B2B Marketing Practices: An Activity Theory Perspective

چکیده

۱٫ مقدمه

۲٫ پیشینه نظری

۳٫ روش تحقيق

۴٫ نتایج

۵٫ مباحثه، محدودیت ها و تحقیق بعدی

۶٫ نتیجه گیری

منابع

چکیده

     شواهد داستان گونه نشان می دهند که تکنولوژی های هوش مصنوعی (AI) نقش موثری در بازاریابی دیجیتال دارند و محبوبیت آنها در بازاریابی کسب کار به کسب وکار (بنگاه به بنگاه) (B2B) به سرعت در حال افزایش است؛ اما تحقیقات تجربی زیادی در مورد بازاریابی B2B مبتنی بر هوش مصنوعی به‌ویژه جنبه‌های اجتماعی تکنیکی استفاده از آن انجام نشده است. این مطالعه از نظریه فعالیت (AT) به عنوان یک لنز نظری استفاده می کند تا بازاریابی B2B مبتنی بر هوش مصنوعی را به عنوان یک سیستم فعالیت جمعی بررسی کند و همچنین تضادها در طول پذیرش و پیاده‌سازی هوش مصنوعی در بازاریابی سنتی B2B را نشان دهد. نظریه فعالیت متناسب با چارچوب این مطالعه است، زیرا نشان می‌دهد که چگونه تضادها به‌عنوان محرک تغییر عمل می‌کنند و به جای اینکه تنش‌ها را تهدیدی برای حذف زودهنگام انتخاب و اجرای هوش مصنوعی در بازاریابی B2B بدانند، تغییرات تحول گرا را بوجود می آورد. بر اساس هجده مصاحبه با کارشناسان صنعت و دانشگاه، این مطالعه تضادهایی را مشخص می کند که محققان و متخصصان بازاریابی باید با آنها مقابله کنند. نشان می دهیم که مواجهه با این تضادها از نظر فرهنگی یا سیاسی چالش‌برانگیز است و حتی زمانی که حل شود، می‌تواند پیامدهای مطلوب ونامطلوب داشته باشد.

پیشینه نظری
بازاریابی مبتنی بر هوش مصنوعی
     بازاریابی صنعتی برحسب انتخاب هوش مصنوعی و یادگیری ماشینی به رونق می رسد (بگ و همکاران ۲۰۲۱). شرکت‌های بزرگ تکنولوژی مانند گوگل، آمازون و مایکروسافت برنامه‌های کاربردی را ارائه می‌دهند که بر استفاده از داده‌های مشتریان و سایر سهامداران تجاری جهت ایجاد بینش برای تصمیم‌گیری استراتژیک تاثیر می گذارند (داونپورت و همکاران، ۲۰۲۰). لئون و همکاران (۲۰۲۰) مطرح می کنند که هوش مصنوعی نقش مهمی در بازاریابی صنعتی مدرن دارد، زیرا بر قیمت گذاری، رفتار خریدار (مارتینز-لوپز و کاسیلاس، ۲۰۱۳) و فروش (سیام و شارما ۲۰۱۸) تاثیر می گذارد. اگرچه پیشرفت‌های تکنولوژی که کارایی بازاریابی را افزایش می دهند جدید نیستند، اما هوش مصنوعی به طور موثر و منحصر به فردی اقدامات مدیریتی سطح بالا که قبلا به بازاریابان با تجربه متکی بود را با فرآیندهای خودکار جایگزین می کند (پاشن و همکاران ۲۰۲۰a). تا به امروز، افزایش بازاریابی به واسطه برنامه های کاربردی هوش مصنوعی موضوع مهمی در اکثر کارهای دانشگاهی است (به عنوان مثال، بگ و همکاران، ۲۰۲۱؛ داونپورت و همکاران، ۲۰۲۰؛ لئون و همکاران، ۲۰۲۰). لذا، تحقیقات محدود در زمینه تفسیر ارزش بدست امده از راه حل های بازاریابی هوش مصنوعی فرصت خاصی برای بررسی تعامل بین عامل انسانی و قابلیت تکنولوژی ارائه می دهد (پاشن و همکاران ۲۰۲۰a). چارچوب هوانگ و روست (۲۰۲۱) برای انتخاب هوش مصنوعی در بازاریابی با تمرکز بر بهبود سه فرآیند اقدام بازاریابی (به عنوان مثال، شخصی‌سازی)، تحقیق بازاریابی (به عنوان مثال، بخش‌بندی) و استراتژی بازاریابی (به عنوان مثال، تحلیل بازار) نشان می دهند که تحقیقات در زمینه پیشرفت رویه ای افزایش یافته است. به طور مشابه، پاشن و همکاران (۲۰۲۰a) نشان می دهد چگونه تکنولوژی هوش مصنوعی عملکردهای سنتی فرآیند فروش مانند تولید لید (سرنخ) و صلاحیت، پرورش لید، امتیازدهی لید، توسعه هوش رقیب و خدمات مشتری پس از سفارش را انجام می دهد. بطور همزمان، شکاف‌هایی در بحث مربوط به بهبود فرآیند برحسب برداشت‌ها و انتظارات مدیران بازاریابی بوجود می آید که از هوش مصنوعی استفاده می‌کنند.

بر خلاف بیشترین بخش مطالعات هوش مصنوعی که در مورد بهبودهای رویه ای مثبت بحث می کند، تأثیر اختلال در فرآیندها چندان مورد توجه نیست. محققان مطمئناً مشکلات مربوط به اجرای هوش مصنوعی را مطرح کرده‌اند (به عنوان مثال، دی بروین و همکاران ۲۰۲۰)، اما حتی این تفسیرها همچنان از سیستم‌های هوش مصنوعی مانند سوگیری کدگذاری الگوریتمی انتقاد می کنند. در زمینه نقص‌ برنامه های کاربردی، مقالات زمینه‌های بالقوه‌ای را نشان می دهند که در آنها ممکن است خریداران و تامین‌کنندگان مایوس شوند؛ این امر منجر به تضاد در روابط خریدار و تامین‌کننده می‌شود (دویودی و همکاران ۲۰۲۱a). به منظور ایمن سازی قراردادها، طراحان راه حل های بازاریابی هوش مصنوعی باید مفهومی از سیستم بسیار پیچیده و کارآمد هوش مصنوعی و فرآیندهای یادگیری ماشینی ارائه دهند (سیام و شارما ۲۰۱۸). براین اساس، تصور می شود که هوش مصنوعی کار بازاریاب را بهتر انجام می دهد یا به بازاریاب کمک می کند کار خود را بهتر انجام دهد (پاشن و همکاران ۲۰۲۰b) که می تواند در روابط خریدار و تامین کننده تضاد ایجاد کند (دی بروین و همکاران، ۲۰۲۰).