پژوهش های نوین در تصمیم گیری

چکیده با گسترش روزافزون خرید آنلاین و نقش پررنگ رسانه‌های اجتماعی در تصمیم‌گیری مصرف‌کنندگان، پیش‌بینی قصد خرید به یکی از مسائل کلیدی بازاریابی دیجیتال تبدیل شده است. پیش‌بینی دقیق این رفتار می‌تواند به بهبود هدف‌گیری تبلیغات، افزایش نرخ تبدیل مشتریان و بهینه‌سازی استراتژی‌های فروش کمک کند. هدف این پژوهش ارائه یک مدل ترکیبی مبتنی بر یادگیری ماشین برای پیش‌بینی قصد خرید کاربران با بهره‌گیری از بازخورد آنان نسبت به تبلیغات است. داده‌ها شامل ۱۰۰۰ رکورد و ۱۰ ویژگی مرتبط (از جمله سن، جنسیت، درآمد، مدت‌زمان حضور در سایت، میزان مصرف اینترنت روزانه، عنوان تبلیغ، محل و زمان تعامل و برچسب کلیک) بوده که از منابع عمومی (Kaggle) استخراج و پاک‌سازی شده‌اند. پس از پیش‌پردازش و انتخاب ویژگی‌ها، از روش پشته‌سازی (stacking) استفاده شد که در آن خروجی مدل‌های پایه (رگرسیون لجستیک و ماشین بردار پشتیبان) ترکیب و به‌عنوان پیش‌بینی نهایی به‌کار رفت. ارزیابی مدل با معیارهای صحت، دقت، یادآوری و F1 نشان داد که مدل پیشنهادی عملکرد مناسبی دارد (صحت 0.96 و دقت 0.98). یافته‌ها بیانگر آن است که ترکیب ویژگی‌های دموگرافیک و رفتار کاربر می‌تواند به بهبود پیش‌بینی قصد خرید کمک نماید و برای هدف‌گیری تبلیغات در پلتفرم‌های تجارت الکترونیک مفید واقع شود.