ترجمه مقاله بهینه سازی چندهدفه تکاملی برای هدف قرار دادن شبکه اجتماعی موثر در بازاریابی ویروسی – سال 2020
مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
کلمات کلیدی مقاله:
بازاریابی ویروسی – بیشینه سازی نفوذ – هدف گیری عوامل نفوذ – شبکه های اجتماعی – بهینه سازی چندهدفه تکاملی – مدلسازی مبتنی بر عامل
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر – فناوری اطلاعات – مدیریت
مناسب برای گرایش های دانشگاهی زیر:
بازاریابی – مدیریت بازرگانی – مدیریت فناوری اطلاعات – اینترنت و شبکه های گسترده – مهندسی الگوریتم ها و محاسبات
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. آخرین تکنولوژی در بازاریابی ویروسی
3. مدل شبیه سازی بازار مبتنی بر عامل
4. مساله بهینه سازی بازاریابی ویروسی چند هدفه
5. روش های بهینه سازی چند هدفه تکاملی برای انتخاب عوامل نفود
6.آزمایش ها و نتایج تحلیل
7. نتایج مهم و محدودیت های تحقیق
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
This is a PDF fil of an article that has undergone enhancements after acceptance, such as the addition of a cover page and metadata, and formatting for readability, but it is not yet the definitiv version of record. This version will undergo additional copyediting, typesetting and review before it is published in its fina form, but we are providing this version to give early visibility of the article. Please note that, during the production process, errors may be discovered which could affect the content, and all legal disclaimers that apply to the journal pertain.
چکیده
اگر بازاریابان به طور موثر عوامل نفوذ شبکه های اجتماعی را هدف گیری کنند، از دارایی مهمی برخوردار می شوند. بازاریابان می توانند محصولات یا خدمات را یا با برنامه های رایگان یا تخفیفات تبلیغات کنند تا دیدگاه های مثبت را به سایر مصرف کنندگان گسترش دهند(به طور مثال، بازاریابی دهان به دهان). با این وجود، بیشتر تحقیقات در زمینه انتخاب بهترین عوامل نفوذ برای هدف گیری تک هدفه است و عمدتا بر بیشینه سازی درآمد فروش تمرکز دارد. در این مقاله، ما رویکردی چند هدفه جهت تاثیر بر مساله بیشینه سازی ارائه می دهیم که هدف آن افزایش درآمد کمپین های بازاریابی ویروسی است در حالیکه هزینه ها کاهش یابد. با استفاده از معیارهای شبکه اجتماعی محلی برای تعیین عوامل نفوذ، از دو الگوریتم بهینه سازی چندهدفه تکاملی، NSGA-II و MOEA/D ، تطبیق چندهدفه از یک الگوریتم ژنتیک تک هدفه و یک الگوریتم حریصانه استفاده می کنیم. طرح پیشنهادی ما از یک چارچوب بازار واقعی مبتنی بر عامل استفاده می کند تا تناسب کروموزوم ها را با استفاده از شبیه سازی کمپین های ویروسی، ارزیابی کند. این چارچوب نیز در یک چرخه عملیاتی مجزا، مجموعه ای از راه حل های غیرغالب ایجاد می کند که بازاریابان را قادر می سازد تا در یک چرخه عملیاتی مجزا، گزینه های هدف گیری چندگانه را در نظر بگیرند. این الگوریتم ها بر اساس پنج توپولوژی شبکه و شبکه اجتماعی ایجاد داده های واقعی، ارزیابی می شوند، که نشان می دهد MOEA/D و NSGA-II بهتر از رویکردهای تک هدفه و حریصانه هستند. جالب تر اینکه، نشان می دهیم که بین عملکرد الگوریتم ها و ویژگی های انتشار شبکه های اجتماعی، ارتباط آشکاری وجود دارد.
