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 مدیریتمهندسی کامپیوتر
گرایش های مرتبط با این مقاله هوش مصنوعیبازاریابیمدیریت کسب و کارمدیریت فناوری اطلاعاتمدیریت 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
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).

 

نوشته های مشابه

دیدگاهتان را بنویسید

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

دکمه بازگشت به بالا