کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6948316 1451031 2018 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dynamic effects of user- and marketer-generated content on consumer purchase behavior: Modeling the hierarchical structure of social media websites
ترجمه فارسی عنوان
اثرات دینامیکی محتوای تولید شده توسط کاربر و بازاریاب بر رفتار خرید مصرف کننده: مدل سازی ساختار سلسله مراتبی وب سایت های رسانه های اجتماعی
کلمات کلیدی
رسانه های اجتماعی، محتوای ایجاد شده توسط کاربر، محتوای تولید شده توسط بازاردار سلسله مراتب محتوا، رگرسیون دینامیکی،
ترجمه چکیده
مقادیر تولید شده توسط کاربر و بازاریاب در سیستم عامل های رسانه ای اجتماعی بر روی متغیرهای هدف اقتصادی مانند متغیرهایی که رفتار مصرف خرید مصرف کننده را اندازه گیری می کنند، تاثیر می گذارد. موقعیت هر آیتم محتوا - و در نتیجه تاثیر بر متغیرهای اقتصادی - تغییرات با آیتم های جدید ظاهر می شود. ما یک نمره سلسله مراتب را پیشنهاد می کنیم تا پویایی آیتم های محتوا در سیستم عامل های رسانه های اجتماعی را جذب کنیم. به منظور تقلید از دیدگاه کاهش یافته از آیتم های قبلی محتوا، نمره سلسله مراتب ما موقعیت اقلام محتوا را بر اساس تعداد خط های متنی مورد از اقلام محتوا در بالای یک آیتم خاص محاسبه می کند. استفاده از نمره سلسله مراتبی پیشنهادی در یک چارچوب رگرسیون پویا برای داده های یک فروشگاه آنلاین بزرگ، تخمین ها و پیش بینی های بهبود یافته را در مقایسه با سایر مدل های دیگر بهبود می بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
پیش نمایش مقاله
اثرات دینامیکی محتوای تولید شده توسط کاربر و بازاریاب بر رفتار خرید مصرف کننده: مدل سازی ساختار سلسله مراتبی وب سایت های رسانه های اجتماعی
چکیده انگلیسی
User- and marketer-generated content items on social media platforms are supposed to have an impact on economic target variables, such as variables measuring consumers' purchase behavior. The position of each content item - and thus the impact on economic variables - changes with newly appearing items. We propose a hierarchy score to capture the dynamics of the content items on social media platforms. In order to mimic the reduced visibility of earlier content items, our hierarchy score computes the position of content items based on the number of text line equivalents of content items above a particular item. Employing the proposed hierarchy score in a dynamic regression framework for data of a large online store yields improved estimates and predictions compared to a variety of other models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 113, September 2018, Pages 43-55
نویسندگان
, , , , , ,