دانلود و نمایش مقالات مرتبط با Marketing::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - Marketing

تعداد مقالات یافته شده: 412
ردیف عنوان نوع
1 تاثیر قیمت روی تبلیغ شفاهی: بازدید کننده های دفعه اولی دربرابر بازدید کننده های خیلی تکراری
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 27
بسیاری از مقصدهای گردشگری شدیدا" روی بازدید کننده های تکراری تمرکز کرده و به آنها وابسته هستند. بنابراین یک فرض اساسی این است که بازدید کننده های تکراری سودآورتر هستند (مثلا" ازطریق هزینه های بازاریابی پایین تر) و تبلیغ شفاهی مثبت آنها برای جذب مهمانان جدید ضروری می باشد. در این مقاله ما یک مطالعه تجربی مقیاس – بزرگ را برای بررسی تاثیر قیمت برای بازدید کننده های دفعه اولی و تکراری اقامتگاههای اسکی ارائه می دهیم. ما با به کارگیری یک دیدگاه مدلسازی سلسله مراتبی خطی نشان می دهیم که قیمت رابطه ای منفی با تبلیغ شفاهی برای بازدید کننده های دفعه اولی دارد و قیمت هیچ تاثیری روی تبلیغ شفاهی برای بازدید کننده های تکراری ندارد. بنابراین ما نشان می دهیم که تاثیر قیمت روی تبلیغ شفاهی برای بازدید کننده های تکراری کاهش می یابد.
مقاله ترجمه شده
2 آیا سرمایه گذاری در بازاریابی رابطه ای برای تجارت بندری واقعاً ارزشمند است؟
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 35
پایانه های کانتینری به خاطر نیروهایی نظیر اتحادهای استراتژیک، خصوصی سازی، مناطق همپوشان و اپراتورهای پایانه جهانی، با رقابت شدید و محیطی دائماً در حال تغییر مواجه شده اند. برای توجیه هزینه های بالای سرمایه گذاری و بهره برداری و رسیدن به سودآوری، پایانه های کانتینری بایستی به حجم بار رضایت بخشی برسند. عملاً، سرمایه گذاریهای فیزیکی و همکاری میان بنادر راههای فعلی مبارزه بنادر به نیروهای جدید در بازار حمل و نقل کانتینری به حساب می آیند. به علاوه، یکی از عوامل مهم برای بندر جهت تضمین جریانات کافی، وفاداری مشتری می باشد. این مطالعه، تاثیرات تاکتیک های بازاریابی رابطه ای بر شاخص های عملکرد مالی و غیر مالی پایانه های کانتینری را بررسی می کند. داده های مورد نظر از 24 پایانه کانتینری واقع در ترکیه (134 پاسخ) جمع آوری و از طریق مدلسازی معادله ساختاری چند سطحی مورد تجزیه و تحلیل قرار گرفت. براساس یافته های بدست آمده، نتیجه اصلی ما آن است که هرچه بندر تاکتیک های بازاریابی رابطه ای را بیشتر پیاده کند، به همان نسبت کیفیت ارتباط با مشتری بالاتر است، که در ادامه ازآن به عنوان عملکرد ارتباط با مشتری، و متعاقباً عملکرد مالی نام برده می شود.
کلمات کلیدی: بازاریابی رابطه ای | بازاریابی خدمات بندر | ارتباط با مشتری بندر | عملکرد مالی بندر | عملکرد بندر
مقاله ترجمه شده
3 استفاده از رسانه های اجتماعی برای شناسایی جذابیت گردشگری در شش شهر ایتالیا
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 18
تکامل فناوری و گسترش شبکه های اجتماعی به افراد اجازه داده است که مقادیر زیادی داده را در هر روز تولید کنند. شبکه های اجتماعی کاربرانی را فارهم می کند که به اطلاعات دسترسی دارند. هدف این مقاله تعیین جذابیت های شهرهای مختلف گردشگری ازطریق بررسی رفتار کاربران در شبکه های اجتماعی می باشد. پایگاه داده ای شامل عکس های جغرافیایی واقع شده در شش شهر می باشد که به عنوان یک مرکز فرهنگی و هنری در ایتالیا عمل می کنند. عکس ها از فلیکر که یک بستر به اشتراک گذاری داده می باشد دانلود شدند. تحلیل داده ها با استفاده از دیدگاه مدلهای یادگیری ریاضی و ماشینی انجام شد. نتایج مطالعه ما نشانگر نقشه های شناسایی رفتار کاربران، گرایش سالانه به فعالیت تصویری در شهرها و تاکید بر سودمند بودن روش پیشنهادی می باشد که قادر به تامین اطلاعات مکانی و کاربری است. این مطالعه تاکید می کند که چگونه تحلیل داده های اجتماعی می تواند یک مدل پیشگویانه برای فرموله کردن طرح های گردشگری خلق کند. در انتها، راهبردهای عمومی بازاریابی گردشگری مورد بحث قرار می گیرند.
مقاله ترجمه شده
4 Online discrete choice models: Applications in personalized recommendations
مدل های انتخاب گسسته آنلاین: برنامه های کاربردی در توصیه های شخصی شده-2019
This paper presents a framework for estimating and updating user preferences in the context of app-based recommender systems. We specifically consider recommender systems which provide personalized menus of options to users. A Hierarchical Bayes procedure is applied in order to account for inter- and intra-consumer heterogeneity, representing random taste variations among individuals and among choice situations (menus) for a given individual, respectively. Three levels of preference parameters are estimated: population-level, individual- level and menu-specific. In the context of a recommender system, the estimation of these parameters is repeated periodically in an offline process in order to account for trends, such as changing market conditions. Furthermore, the individual-level parameters are updated in real-time as users make choices in order to incorporate the latest information from the users. This online update is computationally efficient which makes it feasible to embed it in a real-time recommender system. The estimated individual-level preferences are stored for each user and retrieved as inputs to a menu optimization model in order to provide recommendations. The proposed methodology is applied to both Monte-Carlo and real data. It is observed that the online update of the parameters is successful in improving the parameter estimates in real-time. This framework is relevant to various recommender systems that generate personalized recommendations ranging from transportation to e-commerce and online marketing, but is particularly useful when the attributes of the alternatives vary over time.
Keywords: Personalization | Intra-consumer heterogeneity | Hierarchical Bayes | Preference updates | recommender systems
مقاله انگلیسی
5 Usable security for QR code
امنیت قابل استفاده برای کد QR-2019
QR codes are widely used in various settings such as consumer advertising, commercial tracking, tick- eting and marketing. People tend to scan QR codes and trust their content, but there exists no standard mechanism for providing authenticity and confidentiality of the code content. Attacks such as the redirec- tion to a malicious website or the infection of a smartphone with a malware are realistic and feasible in practice. In this paper, we present the first systematic study of usable state-of-the-art cryptographic prim- itives inside QR codes. We select standard, popular cryptographic schemes and we compare them based on performance, size and security. We conduct tests that show how different usability factors impact on the QR code scanning performance and we evaluate the usability/security trade-offof the considered cryptographic schemes. Interestingly, we find out that in some cases security breaks usability and we provide recommendations for the choice of secure and usable cryptographic schemes.
Keywords: QR Codes | Usable security | Cryptography | Digital signature | HMAC
مقاله انگلیسی
6 A social-semantic recommender system for advertisements
یک سیستم توصیه گر اجتماعی معنایی برای تبلیغات-2019
Social applications foster the involvement of end users in Web content creation, as a result of which a new source of vast amounts of data about users and their likes and dislikes has become available. Having access to users’ contributions to social sites and gaining insights into the consumers’ needs is of the utmost importance for marketing decision making in general, and to advertisement recommendation in particular. By analyzing this information, advertisement recommendation systems can attain a better understanding of the users’ interests and preferences, thus allowing these solutions to provide more precise ad suggestions. However, in addition to the already complex challenges that hamper the performance of recommender systems (i.e., data sparsity, cold-start, diversity, accuracy and scalability), new issues that should be considered have also emerged from the need to deal with heterogeneous data gathered from disparate sources. The technologies surrounding Linked Data and the Semantic Web have proved effective for knowledge management and data integration. In this work, an ontology-based advertisement recommendation system that leverages the data produced by users in social networking sites is proposed, and this approach is substantiated by a shared ontology model with which to represent both users’ profiles and the content of advertisements. Both users and advertisement are represented by means of vectors generated using natural language processing techniques, which collect ontological entities from textual content. The ad recommender framework has been extensively validated in a simulated environment, obtaining an aggregated f-measure of 79.2% and a Mean Average Precision at 3 (MAP@3) of 85.6%.
Keywords: Knowledge-based systems | Recommender systems | Natural language processing | Advertising | Social network services
مقاله انگلیسی
7 Evaluating multi-label classifiers and recommender systems in the financial service sector
ارزیابی طبقه بندی کننده های چند برچسبی و سیستم های توصیه گر در بخش خدمات مالی-2019
The objective of this paper is to evaluate multi-label classification techniques and recommender systems for cross-sell purposes in the financial services sector. We carried out three analyses using data obtained from an international financial services provider. First, we tested four multi-label classification techniques, of which the two problem transformation methods were combined with several base classifiers. Second, we benchmarked the performance of five state-of-the-art recommender approaches. Third, we compared the best performing multi-label classification and recommender approaches with each other. The re- sults identify user-based collaborative filtering as the top performing recommender system, with a cross- validated F 1 measure of 42.20% and G -mean of 42.64%. Classifier chains binary relevance with adaboost and binary relevance with random forest are the top performing multi-label classification algorithms for respectively F 1 measure and G -mean, yielding a cross-validated F 1 measure of 53.33% and G -mean of 54.37%. The statistical comparison between the best performing approaches confirms the superiority of multi-label classification techniques. Our study provides important recommendations for financial ser- vices providers, who are interested in the most effective methods to determine cross-sell opportunities. In previous studies, multi-label classification techniques and recommender systems were always inves- tigated independently of each other. To the best of our knowledge, our study is therefore the first to compare both techniques in the financial services sector.
Keywords: OR in marketing | CRM | Predictive modeling | Multi-label classifiers | Recommender systems
مقاله انگلیسی
8 A model to analyze the effect of mobile banking adoption on customer interaction and satisfaction: A case study of m-banking in Iran
مدلی برای تجزیه و تحلیل تاثیر پذیرش بانکداری همراه بر تعامل و رضایت مشتری: مطالعه موردی بانکداری الکترونیکی در ایران-2019
Customer relationship management (CRM) is always considered as an essential task for increasing customer satisfaction for mobile banking (m-banking), and it is, like other areas of marketing, constantly evolving and updating. Also the vast use of the mobile banking by internet users, persuades electronic banking to use customer relationship management system in adoption m-banking. In this paper, the effects of using CRM system in the adoption m-banking on customer satisfaction and interaction, which is considered as the most important factor in the success of banking industry, is analyzed. The case studies of this paper are Iran top e-banks and the sample population chosen, are the customers of these banks, and a conceptual model is suggested to analyze the use of adoption of mobile banking on customer interaction and satisfaction. Factors that are introduced as influencing variables in this model on the customer satisfaction and interaction are: affective commitment, trust, loyalty, willingness to re-visit, number of visits, profitability, and Involvement. Collecting information in this article is performed by completing 243 questionnaires by staff of the communication with customers sector of these banks and their customers. The results of the statistical analyses conducted on these data indicate that all the variables addressed in the model, have a positive impact on the customer relationship and satisfaction except the trust.
Keywords: Mobile banking | Adoption | Customer interaction | Customer relationship management (CRM)
مقاله انگلیسی
9 Direct marketing campaigns in retail banking with the use of deep learning and random forests
کمپین های بازاریابی مستقیم در بانکداری خرده فروشی با استفاده از یادگیری عمیق و جنگل های تصادفی-2019
Credit products are a crucial part of business of banks and other financial institutions. A novel approach based on time series of customer’s data representation for predicting willingness to take a personal loan is shown. Proposed testing procedure based on moving window allows detection of complex, sequen- tial, time based dependencies between particular transactions. Moreover, this approach reduces noise by eliminating irrelevant dependencies that would occur due to the lack of time dimension analysis. The system for identifying customers interested in credit products, based on classification with random forests and deep neural networks is proposed. The promising results of empirical studies prove that the system is able to extract significant patterns from customers historical transfer and transactional data and predict credit purchase likelihood. Our approach, including the testing method, is not limited to banking sector and can be easily transferred and implemented as a general purpose direct marketing campaign system.
Keywords: Consumer credit | Retail banking | Direct marketing | Marketing campaigns | Database marketing | Random forest | Deep learning | Deep belief networks | Data mining | Time series | Feature selection | Boruta algorith
مقاله انگلیسی
10 New perspectives on gray sheep behavior in E-commerce recommendations
دیدگاه های جدید در مورد رفتار گوسفند خاکستری در توصیه های تجارت الکترونیکی-2019
With the exponential rise in the size of data being generated, personalization based on recommender systems has become an important aspect of digital marketing strategy of E-Commerce companies. Recommender systems also help these companies in cross-selling, up-selling and to increase the customer loyalty. However, presence of certain users, known as gray sheep users, with eccentric taste, minimizes the overall efficiency of the recommender systems. Hence, their identification and removal from the computation system is critical for more efficient recommendations. This work presents psychographic models-based approaches for gray sheep user identification with improved performance. It also studies gray sheep behavior across different domains and contexts, apart from introducing the idea of gray sheep items
Keywords: Personalization | Gray Sheep Users | Psychographic models | Cross Domain Recommender Systems | Context Aware Recommender Systems | Collaborative Filtering
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی