انجمن علمی مدیریت صنعتی ایران پژوهش های نوین در تصمیم گیری 2476-6291 10 3 2025 10 12 Presenting a Hybrid Model for Predicting Consumer Purchase Intent Based on Machine Learning and Social Media Feedback ارائه مدلی ترکیبی جهت پیش بینی قصد خرید مصرف کنندگان مبتنی بر یادگیری ماشین بر اساس نحوه بازخورد در رسانه‌های اجتماعی 87 116 732725 FA منیره حسینی دانشیار، گروه فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران 0000-0002-3677-0811 محدثه کرکبودی دانشجوی کارشناسی ارشد، گروه فناوری اطلاعات، دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران ایران Journal Article 2025 03 10 With the rapid growth of online shopping and the significant role of social media in consumer decision-making, purchase intention prediction has become one of the key issues in digital marketing. Accurate prediction of this behavior can improve advertising targeting, increase customer conversion rates, and optimize sales strategies. The purpose of this study is to propose a hybrid machine learning model for predicting users’ purchase intentions based on their responses to advertisements. The dataset consists of 1,000 records and 10 relevant features (including age, gender, income, time spent on the website, daily internet usage, advertisement title, location and time of interaction, and click label), which were collected and cleaned from public sources (Kaggle). After preprocessing and feature selection, a stacking approach was employed, where the outputs of base models (logistic regression and support vector machine) were combined and used for final prediction. Model evaluation using accuracy, precision, recall, and F1-score demonstrated that the proposed model achieved strong performance (accuracy = 0.96, precision = 0.98). The findings indicate that combining demographic and behavioral features can improve purchase intention prediction and provide practical implications for targeted advertising in e-commerce platforms. 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. https://journal.saim.ir/article_732725_92cbbd2066a584e17baeeac6a72d3ea0.pdf