دانلود ترجمه مقاله پیاده سازی هوش مصنوعی در روش سنتی بازاریابی B2B (اسپرینگر ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)
این مقاله انگلیسی ISI در نشریه اسپرینگر در ۱۵ صفحه در سال ۲۰۲۲ منتشر شده و ترجمه آن ۳۶ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
پیاده سازی هوش مصنوعی در شیوه های سنتی بازاریابی B2B: دیدگاه نظریه فعالیت |
عنوان انگلیسی مقاله: |
Implementing Artifcial Intelligence in Traditional B2B Marketing Practices: An Activity Theory Perspective |
مشخصات مقاله انگلیسی | |
فرمت مقاله انگلیسی | pdf و ورد تایپ شده با قابلیت ویرایش |
سال انتشار | ۲۰۲۲ |
تعداد صفحات مقاله انگلیسی | ۱۵ صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع ارائه مقاله | ژورنال |
رشته های مرتبط با این مقاله | مدیریت – مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | هوش مصنوعی – بازاریابی – مدیریت کسب و کار – مدیریت فناوری اطلاعات – مدیریت بازرگانی |
چاپ شده در مجله (ژورنال) | Information Systems Frontiers |
کلمات کلیدی | هوش مصنوعی – نظریه فعالیت – بازاریابی تجارت به تجارت (بنگاه به بنگاه) |
کلمات کلیدی انگلیسی | Artifcial Intelligence – Activity Theory – B2B Marketing |
نمایه (index) | scopus – master journals – JCR |
نویسندگان | Brendan James Keegan – Denis Dennehy – Peter Naudé |
شناسه شاپا یا ISSN | ۱۳۸۷-۳۳۲۶ |
شناسه دیجیتال – doi | https://doi.org/10.1007/s10796-022-10294-1 |
ایمپکت فاکتور(IF) مجله | ۶٫۸۱۴ در سال ۲۰۲۱ |
شاخص H_index مجله | ۷۳ در سال ۲۰۲۲ |
شاخص SJR مجله | ۱٫۴۳۴ در سال ۲۰۲۱ |
شاخص Q یا Quartile (چارک) | Q1 در سال ۲۰۲۱ |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
فرضیه | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | ۱۳۱۲۱ |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت Springer |
نشریه | اسپرینگر – Springer |
مشخصات و وضعیت ترجمه فارسی این مقاله | |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۳۶ (۴ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه شده است ✓ |
ترجمه متون داخل جداول | ترجمه شده است ✓ |
ترجمه ضمیمه | ندارد ☓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | ندارد ☓ |
منابع داخل متن | ترجمه و درج شده است ✓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
فهرست مطالب |
چکیده ۱٫ مقدمه ۲٫ پیشینه نظری ۳٫ روش تحقيق ۴٫ نتایج ۵٫ مباحثه، محدودیت ها و تحقیق بعدی ۶٫ نتیجه گیری منابع |
بخشی از ترجمه |
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
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). |