تحقیقات بازاریابی در انقلاب صنعتی چهارم، استفاده از تحلیل کلان‌داده‌ها و «یادگیری ماشین» جهت ارائه ارزش به مشتری

از مهمترین پیامدهای چهارمین انقلاب صنعتی، دیجیتالیزه شدن محیط کسب‌وکار و گسترش بازاریابی داده محور می‌باشد که پیامدهای این تحولات تاثیرات عمیقی بر تحقیقات بازاریابی خواهد داشت. هدف این پژوهش شناسایی ویژگی‌ یا مولفه‌های ارزش از میان حجم انبوه نظرات مشتریان در شبکه‌های مجازی با استفاده از یادگیری ماشین جهت تحلیل کلان‌داده‌ها، با رویکرد بازاریابی پیشبینانه که متناسب با فضای موجود است می‌باشد. این پژوهش از لحاظ هدف کاربردی، از نظر روش گردآوری داده‌ها توصیفیپیمایشی و از نظر اجرا کیفیکمی (آمیخته) است. بدین منظور صنعت گردشگری به عنوان مطالعه موردی انتخاب و تعداد 8290 نظر از مشتریان در این رابطه از بستر اینترنت جمع‌آوری و با استفاده از دو روش مختلف‌ «خوشه‌بندی داده‌ها» و «استخراج قوانین انجمنی»، مولفه‌های ارزش، استخراج می‌گردند. نتایج پژوهش در قسمت خوشه‌بندی‌ شامل شناسایی 20 مولفه‌ ارزش در رابطه با ارزش‌های مورد نظر گردشگران می‌باشد؛ همچنین با استفاده از روش دوم (قوانین انجمنی)، هفت قانون از میان دانش پنهان، در روابط بین عبارات بکار برده شده در نظرات گردشگران استخراج گردید. بطور کلی نتایج نشان می‌دهد با استفاده از تحلیل کلان‌داده‌ها و یادگیری ماشین، انجام فرآیند «تحقیقات بازاریابی» با سرعت و دقت بالاتر و هزینه نسبی کم‌تر امکان‌پذیر است.

Marketing Research in the Fourth Industrial Revolution,Using “Big Data” Analytics and “Machine Learning” to Provide Value to the Customer

One of the most important consequences of the fourth industrial revolution is the digitalization of the business environment and the expansion of datadriven marketing. The consequences of these developments will have a profound effect on marketing research. The purpose of this study is to identify the components of value among the large volume of customer feedback in social networks using “Machine Learning” to analyze “Big Data”. This research is descriptivesurvey in terms of applied purpose, qualitative in terms of data collection method and qualitativequantitative (mixed methods) in terms of implementation. For this purpose, the tourism industry is selected as a case study and 8290 customers’ opinions are collected from the Internet in this regard and the components of value are extracted using two different methods of &data clustering& and extraction of “association rules&. The results of the research in the data clustering section include the identification of 20 value components in relation to the values desired by tourists. Also, using the second method (association rules), seven laws were extracted from the hidden knowledge, in the relationships between the phrases used in the opinions of tourists. In general, the results show that using Big Data analytics and “Machine Learning”, the process of “marketing research” is possible with higher speed and accuracy and lower relative cost.