شماره مدرك :
18674
شماره راهنما :
16215
پديد آورنده :
اميني، فاطمه
عنوان :

شناسايي و تحليل ابعاد مشاركت مشتريانِ "كسب‌وكارهاي توليدكننده محتواي آموزش الكترونيكي" در شبكه¬هاي اجتماعي با استفاده از متن‌كاوي (مطالعه موردي: فرادرس و مكتب خونه)

مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
بهينه سازي سيستم ها
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
سال دفاع :
1402
صفحه شمار :
دوازده، 113ص.:مصور، جدول، نمودار
توصيفگر ها :
هستي شناسي , مشاركت مشتري , متن كاوي , آموزش الكترونيكي , اينستاگرام , توييتر , شبكه‌هاي اجتماعي , فرادرس , مكتب خونه
تاريخ ورود اطلاعات :
1402/05/21
كتابنامه :
كتابنامه
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1402/05/21
كد ايرانداك :
2946899
چكيده فارسي :
پژوهش حاضر به شناسايي مؤلفه‌هاي مؤثر بر مشاركت مشتري و راه‌هاي تقويت مشاركت مشتري توسط كسب وكارها از طريق تحليل متون نظرات مشتريان در شبكه‌هاي اجتماعي مي‌پردازد. اين پژوهش در دو فاز انجام شده است. در فاز اول، پس از شناسايي عوامل تأثيرگذار بر مشاركت مشتري، يك مدل هستي شناسي از ابعاد، مؤلفه‌ها و زيرمؤلفه‌هاي تأثيرگذار بر مشاركت، توسعه داده شده و سپس به كمك يك پرسشنامه آنلاين، مؤلفه¬هاي مشاركت از منظر كسب¬و¬كار، بعنوان شاخص اندازه¬گيري مشترك ميان دو ديدگاه مشتري و كسب¬و¬كار محور ارزيابي شدند. نتايج تحليل آماري پرسشنامه نشان مي‌دهد كه لايه‌هاي هستي شناسي پيشنهادي با اطمينان 95% همگن هستند و مؤلفه "تبليغات مبتني بر ارزش عملكردي" بيشترين تأثير را در افزايش مشاركت مشتري به دنبال دارد. در فاز دوم پژوهش، با به‌كارگيري يك متدولوژي تلفيقي از پيش پردازش زبان طبيعي فارسي و رويكرد وزن‌دهي به واژگان، به تحليل داده‌هاي غيرساختارمند متون نظرات كاربران دو برند مطرح ايراني توليدكننده محتواي آموزش الكترونيكي "فرادرس" و "مكتب خونه" از دو شبكه اجتماعي اينستاگرام و توييتر پرداخته شده است. بر اساس مدل هستي شناسي مؤلفه محور پيشنهادي و داده‌هاي آماده سازي شده در فاز دوم پژوهش، برترين عوامل تأثيرگذار بر بهبود روابط مشتري با استفاده از مدل¬هاي يادگيري ماشين طي سه سناريو شناسايي مي‌گردند. سناريو اول، دوم و سوم به ترتيب جهت شناسايي مؤلفه‌ها و زيرمؤلفه‌هاي تأثيرگذار بر تحقق چارك بالايي سطح علاقمندي، سطح نظردهي و ريتوييت پست‌ها توسط مشتريان و كاربران و سطح رضايت تدوين شده‌است. در هر سناريو ابتدا به شناسايي برترين مؤلفه با بالاترين دقت در مدل‌هاي يادگيري ماشين تحت نظارت پرداخته شده‌است و سپس برترين زيرمؤلفه‌هاي مؤلفه منتخب شناسايي مي‌گردند. نتايج حاصل از فاز دوم با استفاده از مدل منتخب درخت تصميم بطور كامل بيان شده‌اند. نتيجه نهايي نشان‌ مي‌دهد كه مؤلفه "محتوا" با 32/96 درصد ميانگين دقت در مدل‌هاي داده‌كاوي، بالاترين ميزان تأثيرگذاري را روي سطح رضايت مشتريان و كاربران دارد.
چكيده انگليسي :
This research aims to identify the components that influence customer engagement and explore how businesses can enhance it by analyzing customer opinions on social networks. The study was conducted in two phases. In the first phase, we identified the factors that influence customer engagement and developed an ontological model to understand the dimensions, components, and sub-components that affect it. We used an online questionnaire to eva‎luate the engagement components from both the customer-centric and business-centric perspectives, providing a standardized measurement indicator. The results of the statistical analysis of the questionnaire demonstrate that the proposed ontological layers are homogeneous with 95% confidence. Notably, the layer focusing on "advertisements based on functional value" has the most significant impact on increasing customer engagement. In the second phase of the research, we employed a combination of Persian natural language processing methods and a weighted-to-word approach to analyze unstructured data consisting of customer opinions on two well-known Iranian brands in the e-learning content production field: "Faradars" and "Maktab Khooneh." We collected this data from Instagram and Twitter social networks. Based on the proposed component-axis ontology model and the prepared data from the initial phase, we identified the top components that influence the improvement of customer engagement using machine learning models in three different scenarios. These scenarios were designed to identify the components and sub-components that significantly impact achieving high levels of likes, feedback, post-retweets, and overall satisfaction for customers and users. In each scenario, we first identified the top component with the highest accuracy in the supervised machine learning models, followed by the identification of the top sub-components within the selected component. The results from the second phase are fully explained using the selected decision tree model. The research findings highlight that the most crucial factor in improving customer participation is concentrating on the quality of the content uploaded on social networks, its level of up-to-datedness, and the element of fun. We suggest business owners consider these factors to enhance customer engagement.
استاد راهنما :
صبا صارمي نيا
استاد مشاور :
فاطمه كنعاني
استاد داور :
عليرضا بصيري , محسن شهرياري
لينک به اين مدرک :

بازگشت