نمایش تبلیغات براساس رفتار مصرف کننده

Print Friendly, PDF & Email

شبکه اجتماعی و سایر سایت های تجارت الکترونیکی به مصرف کنندگان و فروشندگان این فرصت را می دهد تا با توجه به آیتم های مورد نظر برای فروش، برندها و محصولاً مستقیماً با یکدیگر ارتباط برقرار کنند. تبلیغات ارسال شده بر این وب سایت ها اغلب برای مصرف کنندگان جذاب نبوده و سایت ها اقدام به ارسال تبلیغات غیرضروری می کنند. در این مقاله، مدل رفتار مصرف کننده ای ارائه کرده ایم که مشخص می کند کدام تبلیغات مرتبط را می توان برای مصرف کننده در هنگامی که از وب سایت بازدید می کند، ارسال نمود. این مدل فرآیند و فعالیت هایی را که افراد هنگام جستجو، انتخاب، خرید، استفاده، ارزیابی و تمایل به محصولات و خدمات بروز می دهند را ارزیایی می کند تا بتواند نیازها و تمایلات آنها را برآورده کند. ما سیستم پیش نمونه مقیاس پذیری را براساس مدل رفتار مصرف کننده با استفاده از چارچوب هادوپ (Hadoop Framework) توسعه داده ایم که تبلیغات مرتبط در وب سایت را برای رضایت مصرف کنندگان انتخاب کرده و به نمایش می گذارد.

شبکه اجتماعی و سایر سایت های تجارت الکترونیکی به مصرف کنندگان و فروشندگان این فرصت را می‌دهد تا با توجه به آیتم های مورد نظر برای فروش، برندها و محصولاً مستقیماً با یکدیگر ارتباط برقرار کنند. تبلیغات ارسال شده بر این وب سایت ها اغلب برای مصرف کنندگان جذاب نبوده و سایت ها اقدام به ارسال تبلیغات غیرضروری می کنند. اگر تبلیغات براساس تمایلات کاربران ارسال شود، آنگاه این احتمال وجود دارد که تبلیغات به دست کاربران برسد و در نتیجه تجارت (کسب و کار) مورد نظر می تواند افرادی را که از این تبلیغات ارسال شده بازدید می کند افزایش دهند ). براساس تعاملات پیشین کاربران با سایت رسانه ی اجتماعی، تبلیغ کنندگان می توانند رفتار کاربران را تحلیل کرده و مکان، تمایلات و ویژگی های جمعیتی (مانند تمایلات ورزشی) کاربران را بدست آورده و آنگاه برای ارسال تبلیغات مرتبط به منظور ارائه تجربه ای بهتر برای کاربران برنامه ریزی کند. در نتیجه این نوع تبلیغات مبتنی بر تمایلات قطعاً به بهود تجارت برای ارسال کنندگان تبلیغات در وبسایت های رسانه اجتماعی سودمند می باشد.

در برنامه های (اپلیکیشن) کنونی رسانه اجتماعی مانند فیسبوک ، لینکدین و توئیتر، برای ارسال تبلیغات پروفایل کاربران مورد تحلیل قرار می گیرد. همچنان براین باوریم که تحلیل دقیق رفتار کاربران به برنامه های رسانه اجتماعی کمک می کند تا از ارسال تبلیغاتی که برای کاربران جذاب نمی باشد اجتناب کنند.

وقتی تمایلات هر کاربر را ملاحظه می کنیم، متوجه می شویم که تمایلات هر فرد نسبت به فرد دیگر منحصربفرد می باشد. بعنوان مثال برخی از کاربران (در این مقاله، از دو واژه ی کاربر و مصرف کننده تحت مفهوم یکسانی استفاده می کنیم) شاید تمایل به دیدن فیلم کمدی، فیلم خشن، نمایش های کمدی، قسمت های برتر مسابقه کریکت، اطلاعات مربوط به تولد افراد مشهور، دریافت اطلاعات مربوط به موبایل های جدید در بازار، تکنولوژی جدید و کاربردهای آن، پرتاپ موشک و ماهواره، خرید آنلاین لباس و جواهرات و غیره داشته باشند.

جهت بررسی هر کاربر باید موارد ذیل به دقت بررسی و درون فایل هایی جهت بررسی ذخیره شوند:

۳٫۱ کلیک کردن تبلیغات

اگر مصرف کننده بروی تبلیغات خاصی (PA) برای زمان های متعدد در طول جلسه کلیک کند یا در جلسات پیشین بروی PA کلیک کرده باشد، آنگاه می توانیم فرض کنیم که مصرف کننده خاص به این نوع PA علاقه دارد. تمامی کلیک های کاربر ردیابی شده و بصورت داده  ذخیره می شود.

۳٫۲ ردیابی لایک ها

وقتی کاربر بروی دکمه ی لایک (LIKE) برای تصاویر، ویدئوها، بروزرسانی های بازی و ورزش، بروزرسانی انتشار فیلم های جدید، نمایش های کمدی، نمایش های ماجراجویانه، اخبار، بروزرسانی در مورد مدل های خودرو و غیره کلیک می کند، این جزئیات در لوگ جمع آوری و ذخیره می شود.

۳٫۳ ردیابی جزئیات به اشتراک گذاشته شده

بطور کلی، کاربران لینک ها، تصاویر، ویدئو و غیره را باید سایرین به اشتراک می گذارند. تمامی جزئیات اشتراک گذاشته شده توسط مصرف کنندگان توسط این واحد جمع آوری می شود.

۳٫۴ ردیابی پروفایل مصرف کنندگان

میلیون ها نفر از طریق وب سایت های اجتماعی بهم متصل می شوند. ردیابی اطلاعات مربوط به پروفایل تمامی مصرف کنندگان عبارت است از جنسیت فرد، تاریخ تولد، مکان، تحصیلات، اشتغال، رنگ مورد علاقه، کتاب مورد علاقه ، دوست نداشته ها. این وارد به ما کمک می کند تا رفتار مصرف کننده را به شکل کارآمدتری مدل سازی کنیم. تمامی این جزئیات توسط واحد مورد نظر جمع آوری می شود.

۳٫۵ ردیابی تمایلات فردی

با ردیابی سایر تمایلات مثل سرگرمی های فرد خاص، تمایلات اقلام غذایی متفاوت، تمایلات به بروزرسانه اخبار، تمایلات به خواندن کتاب های مختلف مثل کمدی یا ماجراجویانه و سایر تمایلات، می توان رفتار تک‌تک مصرف کنندگان را دانست. این واحد برای جمع آوری چنین جزئیاتی مورد استفاده قرار می گیرد.

۳٫۶ ردیابی سایر تمایلات نظیر بازی، وضعیت و ارسال ها

تک تک افراد تمایلات خاصی نسبت به انجام بازی در سایت های شبکه اجتماعی دارند. بنابراین با ردیابی اطلاعات مربوط به بازی های مختلف آنلاین که مصرف کننده اقدام به بازی می کند، ردیابی وضعیت فردی خاص و ارسال های متفاوت نوشته شده توسط فرد به ما کمک می کند تا مدل مصرف کننده را بهتر طراحی کنیم. این واحد تمامی جزئیات مذکور را جمع آوری می کند.

پس از جمع آوری و تحلیل توسط نرم افزارهای BIG DATA و تحلیل کننده میتوانیم به ازای هر کاربر تبلیغات مورد نظر را نمایش داد.

منبع:

پست بالا چکیده ای از ترجمه  مقاله  Advertisement Posting based on Consumer Behavior  میباشد که سال ۲۰۱۵ در هند انجام شده است که بصورت خلاصه  بخش هایی از آن برای شما تهیه شده است.

اشتراک مطلب:

Cheap Yeezy Boost 350 V2 Yecheil The Pisanis are a hockey family as well. Blair/John Nolen intersection: This project is for replacing pavement, curb, gutter, and sidewalk at the intersection of Blair Street and John Nolen Drive. To 6., and amending Section 28.185(7)(b) of the Madison General Ordinances to add a Demolition and Removal standard requiring the Plan Commission to consider the proposed impact of a building relocation on city terrace trees.Cheap Yeezy Boost 350 V2 Sizing Madison residents may also bring their Christmas trees to one of the Streets Division drop off sites. During the deliberations, Nawaz said that an irreversible process of elimination of militants had started. Roof, plumbing, structural, HVAC). He promises that Sony will continue to innovate with the new system allowing fans to enjoy unique experiences.. A key component of our strategic plan is to significantly increase our number of exceptional graduate students, and our commitment to world class research. Pizza Hut is also very popular, and is Adidas Yeezy Boost 350 V2 Blue Tint in the "fine dining" category.