| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ابهام زدایی تحلیل ابر داده‌ها در هوش تجاری از طریق لنزهای آمیخته بازاریابی |
| عنوان انگلیسی مقاله: |
Demystifying Big Data Analytics for Business Intelligence Through the Lens of Marketing Mix |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مدیریت |
| گرایش های مرتبط با این مقاله | مدیریت کسب و کار، بازاریابی، مدیریت بازرگانی |
| مجله | تحقیقات داده های بزرگ |
| دانشگاه | دانشکده کسب و کار، غرب دانشگاه تگزاس |
| کلمات کلیدی | تحلیل ابر داده‌ها، هوش تجاری، هوش بازاریابی، آمیخته بازاریابی، بررسی در مقایسه با داده‌های رخدادنگاری |
| شناسه شاپا یا ISSN | ISSN 2214-5796 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | الزویر – Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 12 صفحه |
| ترجمه عناوین تصویر | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| درج تصویر در فایل ترجمه | درج شده است |
- فهرست مطالب:
چکیده
مقدمه
چارچوب مدیریت ابر داده
داده
روش‌ها
برنامه‌های کاربردی
بخش‌بندی مشتری و پروفایل مشتری
هستی‌شناسی محصول و مدیریت شهرت محصول
تحلیل بازاریابی تبلیغاتی و سیستم‌های پیشنهادی
راهبرد قیمت‌گذاری و تحلیل رقیب
تبلیغات مبتنی بر مکان و تحلیل پویای جامعه
جهت‌های پژوهشی آینده
- بخشی از ترجمه:
جهت‌های پژوهشی آینده
ما استفاده از چارچوب آمیختگی بازاریابی را برای هدایت پژوهش در مدیریت ابر داده در راستای هوش بازاریابی پیشنهاد کردیم. ما به شناسایی منابع داده، روش‌ها و برنامه‌های کاربردی در چشم‌اندازهای بازاریابی متفاوت پرداختیم. در آینده به بحث در مورد موضوعات چالشی مرتبط با مدیریت ابر داده‌ها در بافت چشم‌اندازهای بازاریابی متفاوت خواهیم پرداخت. براساس این چارچوب، به جهت‌های پژوهشی آتی در مدیریت ابرداده می‌پردازیم.
1- چگونگی انتخاب منابع دادۀ متناسب برای اهداف خاص. مقدار دادۀ موجود در حال افزایش است. روش‌های فعلی به ما امکان پردازش تمام داده‌های موجود را به شیوه‌ای به موقع نخواهد داد. بنابراین، انتخاب داده در واقع تصمیم مهمی برای مدیریت هوش بازاریابی محسوب می‌شود. چگونگی انتخاب داده که می‌تواند بیشترین ارزش را برای تصمیم‌گیری تجاری ارائه نماید مستلزم پژوهش آتی در همترازی بین اهداف هوش بازاریابی و داده محسوب می‌شود.
2- چگونگی انتخاب روش‌های تحلیل داده‌ای مناسب. روش‌های بسیاری وجود دارند که می‌توانند برای پردازش داده مورد استفاده قرار گیرند. با توجه به مجموعۀ دادۀ خاص، بسیاری روش‌ها می‌توانند کاربردی باشند. رگرسیون و دسته‌بندی به طور معمول برای پیش‌بینی مورد استفاده قرار می‌گیرد در حالی که خوشه‌بندی و کاوش قانون تداعی برای تشریح مورد استفاده قرار می‌گیرد. علاوه بر این، ابر داده‌ها موضوعاتی نظیر تشریح نامتوازن داده و تعداد زیاد متغیرها را به همراه دارد و در عین حال نمی‌تواند به طور کارآمد از طریق روش‌های فعلی کاوش داده مدیریت شود. ما به بهبود روش‌های فعلی برای افزایش کارآمدی و دقت نیاز داریم.
- بخشی از مقاله انگلیسی:
3. Future research directions
We propose to use a marketing mix framework for guiding research in big data management for marketing intelligence. We identify the data sources, methods, and applications in different marketing perspectives. We further discuss the challenging issues related to big data management in the context of various marketing perspectives. Based on the framework, we highlight future research directions in big data management.
1. How to select appropriate data sources for particular goals. The amount of available data is increasing. Current techniques do not allow us to process all data available in a timely manner. Thus, data selection is a critical decision for managing marketing intelligence. How to select data that can provide the most value to business decision-making requires future research on the alignment between data and marketing intelligence goals.
2. How to select appropriate data analysis methods. There are many types of methods that can be used to process data. Given a particular data set, many methods may be applicable. Regression and classification are usually used for prediction, while clustering and association rule mining are used for description. Further, big data brings issues such as imbalanced data distribution and large number of variables, which cannot be efficiently handled by existing data mining methods. We need to improve existing methods to increase the efficiency and accuracy.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
رفع ابهام آنالیز داده های بزرگ در هوش تجاری از دید بازاریابی |
| عنوان انگلیسی مقاله: |
Demystifying Big Data Analytics for Business Intelligence Through the Lens of Marketing Mix |
|
|