تحلیل علم سنجی کاربرد هوش مصنوعی در تبلیغات

امروزه هوش مصنوعی به یکی از ابزارهای کلیدی در بهبود راهبردهای تبلیغاتی تبدیل شده است. استفاده از هوش مصنوعی، با بهره‌گیری از قابلیت‌های تحلیل داده، یادگیری ماشین، و پردازش زبان طبیعی، امکان ایجاد تحول در فرآیندهای تبلیغاتی و بازاریابی را فراهم کرده است. بررسی نقش هوش مصنوعی در ایجاد نوآوری‌های تبلیغاتی، افزایش تعامل با مخاطبان، و بهینه‌سازی استراتژی‌های تبلیغاتی از اهمیت ویژه‌ای برخوردار است. هدف اصلی ، نقشه‌برداری از ساختار دانش مطالعات کاربرد هوش مصنوعی در تبلیغات با استفاده از روش تحلیل هم‌واژه‌ای است. برای این منظور، 3577 مقاله علمی منتشرشده بین سال‌های 1994 تا 2024 از پایگاه داده scopus بازیابی شد. عناوین و چکیده‌های این مقالات با استفاده از نرم‌افزار vosviewer تحلیل شدند تا نقشه‌ای جامع از پرتکرارترین اصطلاحات و موضوعات کلیدی ایجاد شود. نتایج نشان داد که واژه کلیدی «تبلیغات» از بیشترین فراوانی برخوردار است و به‌عنوان نقطه تمرکز بسیاری از مطالعات در این حوزه شناخته می‌شود.تحلیل هم‌واژه‌ای به شناسایی پنج خوشه اصلی منجر شد: (1) پیش‌بینی و بهینه‌سازی عملکرد تبلیغات، (2) تولید محتوای تبلیغاتی با استفاده از هوش مصنوعی، (3) هدف‌گذاری دقیق و شناسایی مخاطبان، (4) شخصی‌سازی تبلیغات برای بهبود تعامل، و (5) توسعه سیستم‌های توصیه‌گر برای ارتقاء کارایی تبلیغات. این خوشه‌ها منعکس‌کننده روندهای کلیدی در کاربردهای هوش مصنوعی در تبلیغات هستند.این تحلیل نقشه‌ای جامع و ساختاریافته از دانش موجود در زمینه کاربرد هوش مصنوعی در تبلیغات ارائه می‌دهد و می‌تواند به‌عنوان مرجعی برای پژوهش‌های آینده در این حوزه و نیز راهنمایی برای توسعه سیاست‌ها و راهبردهای تبلیغاتی در صنعت تبلیغات مورد استفاده قرار گیرد

the scientometric analysis of the application of artificial intelligence in advertising.

the study of artificial intelligence applications in advertisinghas significantly evolved over the years. this study aims tomap the knowledge structure of research on ai applicationsin advertising using co-word analysis. a total of 3,577articles published between 1994 and 2024 in the field of aiapplications in advertising were retrieved from the scopusdatabase. the titles and abstracts of these articles wereanalyzed using vosviewer software to create a map of themost frequently occurring terms. the results showed that, interms of frequency, the keyword advertising had thehighest occurrence. the co-word analysis revealed that theresearch areas of ai applications in advertising were dividedinto five main clusters: (1) predicting and optimizingadvertising performance, (2) generating advertising content,(3) precise targeting, (4) advertisement personalization, and(5) recommender systems. this analysis provides acomprehensive overview of the knowledge structure of aiapplications in advertising and can serve as a guide for futureresearch and policy development in this domain.