دوره 8، شماره 1 - ( 1-1405 )                   جلد 8 شماره 1 صفحات 13-9 | برگشت به فهرست نسخه ها

‎ 10.47176/sjamao.8.1.9

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sadeghhasani A. Artificial Intelligence in Consumer Behavior and Business Management: A Review of Trends and Opportunities. sjamao 2026; 8 (1) :9-13
URL: http://sjamao.srpub.org/article-7-291-fa.html
صادق حسنی اردلان. هوش مصنوعی در رفتار مصرف‌کننده و مدیریت کسب‌وکار: مروری بر روندها و فرصت‌ها. نشریه مدیریت کاربردی و چابک سازی سازمانی. 1405; 8 (1) :9-13

URL: http://sjamao.srpub.org/article-7-291-fa.html

هوش مصنوعی در رفتار مصرف‌کننده و مدیریت کسب‌وکار: مروری بر روندها و فرصت‌ها
اردلان صادق حسنی*
گروه مدیریت بازرگانی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران. ، Sadeghhasani.a@gmail.com
چکیده:   (16 مشاهده)
هوش مصنوعی (AI) با فراهم کردن بینش‌های مبتنی بر داده، بازاریابی شخصی‌سازی‌شده و بهره‌وری عملیاتی، تحلیل رفتار مصرف‌کننده و مدیریت کسب‌وکار را متحول کرده است. این بررسی، پیشرفت‌های اخیر در کاربردهای هوش مصنوعی، از جمله یادگیری ماشینی (ML)، پردازش زبان طبیعی (NLP) و تجزیه و تحلیل پیش‌بینی‌کننده را برای درک ترجیحات مصرف‌کننده و بهینه‌سازی استراتژی‌های کسب‌وکار ترکیب می‌کند. یافته‌ها نشان می‌دهد که هوش مصنوعی، تقسیم‌بندی مشتریان، پیش‌بینی تقاضا و مدیریت زنجیره تأمین را بهبود می‌بخشد و مدل‌های کسب‌وکار نوآورانه و مزایای رقابتی را تقویت می‌کند. ملاحظات اخلاقی، مانند حریم خصوصی داده‌ها و سوگیری الگوریتمی، در کنار روندهای آینده مانند هوش مصنوعی قابل توضیح و همکاری انسان و هوش مصنوعی، به طور انتقادی بررسی می‌شوند. این مطالعه مروری جامع بر پتانسیل تحول‌آفرین هوش مصنوعی ارائه می‌دهد و بینش‌هایی را برای محققان و متخصصان ارائه می‌دهد تا فرصت‌ها و چالش‌های آن را بررسی کنند.
واژه‌های کلیدی: هوش مصنوعی، رفتار مصرف‌کننده، مدیریت کسب‌وکار، یادگیری ماشین، پردازش زبان طبیعی، تحلیل‌های پیش‌بینی‌کننده
متن کامل [PDF 252 kb]   (9 دریافت)    
نوع مطالعه: مروری | موضوع مقاله: بازار یابی
دریافت: 1404/10/2 | ویرایش نهایی: 1404/11/28 | پذیرش: 1404/12/16 | انتشار: 1405/1/10
فهرست منابع
1. Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108-116.
2. Huang, M. H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30-50. [DOI:10.1007/s11747-020-00749-9]
3. Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard Business Review, 95(4), 1-15.
4. Chui, M., et al. (2018). Notes from the AI frontier: Applications and value of deep learning. McKinsey Global Institute, 1-35.
5. Varian, H. R. (2014). Big data: New tricks for econometrics. Journal of Economic Perspectives, 28(2), 3-28. [DOI:10.1257/jep.28.2.3]
6. Ransbotham, S., et al. (2017). Reshaping business with artificial intelligence. MIT Sloan Management Review, 59(1), 1-17.
7. Kumar, V., et al. (2020). Artificial intelligence in marketing: A review. Journal of Business Research, 113, 389-401. [DOI:10.1016/j.jbusres.2019.09.030]
8. Davenport, T. H. (2020). The AI advantage: How to put the artificial intelligence revolution to work. MIT Press.
9. Ricci, F., et al. (2015). Recommender systems handbook. Springer. [DOI:10.1007/978-1-4899-7637-6]
10. Gomez-Uribe, C. A., & Hunt, N. (2016). The Netflix recommender system: Algorithms, business value, and innovation. ACM Transactions on Management Information Systems, 6(4), 1-19. [DOI:10.1145/2843948]
11. Devlin, J., et al. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT, 4171-4186.
12. Martínez, A., et al. (2020). Predictive analytics in retailing: Opportunities and challenges. Journal of Retailing and Consumer Services, 55, 102087. [DOI:10.1016/j.jretconser.2020.102087]
13. Wamba, S. F., et al. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research, 70, 356-365. [DOI:10.1016/j.jbusres.2016.08.009]
14. Chopra, S., & Meindl, P. (2016). Supply chain management: Strategy, planning, and operation. Pearson.
15. Kim, J., et al. (2021). Deep learning for financial forecasting: A review. Expert Systems with Applications, 174, 114766. [DOI:10.1016/j.eswa.2021.114766]
16. Lacity, M., & Willcocks, L. (2016). Robotic process automation: The next transformation lever for shared services. LSE Outsourcing Unit Working Paper, 16(7), 1-20. [DOI:10.1057/s41266-016-0016-9]
17. Jobin, A., et al. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389-399. [DOI:10.1038/s42256-019-0088-2]
18. Kshetri, N. (2021). The role of artificial intelligence in emerging markets. IT Professional, 23(2), 22-27.
19. Floridi, L., et al. (2020). AI4People-An ethical framework for a good AI society. Minds and Machines, 30(4), 689-707. [DOI:10.1007/s11023-018-9482-5]
20. Tranfield, D., et al. (2003). Towards a methodology for developing evidence-informed management knowledge by means of systematic review. British Journal of Management, 14(3), 207-222. [DOI:10.1111/1467-8551.00375]
21. Moher, D., et al. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097. [DOI:10.1371/journal.pmed.1000097]
22. Webster, J., & Watson, R. T. (2002). Analyzing the past to prepare for the future: Writing a literature review. MIS Quarterly, 26(2), xiii-xxiii. [DOI:10.2307/4132319]
23. Torraco, R. J. (2016). Writing integrative literature reviews: Guidelines and examples. Human Resource Development Review, 15(3), 404-428. [DOI:10.1177/1534484316671606]
24. Holzinger, A., et al. (2019). Explainable AI: The new frontier in artificial intelligence. Machine Learning and Knowledge Extraction, 1(1), 1-18. https://doi.org/10.3390/make1010001 [DOI:10.1007/978-3-030-29726-8_1]
25. Yang, Q., et al. (2019). Federated machine learning: Concept and applications. ACM Transactions on Intelligent Systems and Technology, 10(2), 1-19. https://doi.org/10.1145/3339474 https://doi.org/10.1145/3298981 https://doi.org/10.1145/3300198 [DOI:10.1145/2594454]
26. Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, 96(4), 114-123.
27. Li, S., & Karahanna, E. (2015). Online recommendation systems in a B2C e-commerce context: A review and future directions. Journal of the Association for Information Systems, 16(2), 72-107. [DOI:10.17705/1jais.00389]
28. Zhang, Y., et al. (2020). Recommender systems: A review of recent developments. Information Systems, 92, 101451.
29. Smith, B., & Linden, G. (2017). Two decades of recommender systems at Amazon.com. IEEE Internet Computing, 21(3), 12-18. [DOI:10.1109/MIC.2017.72]
30. Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135. [DOI:10.1561/1500000011]
31. Zhang, L., et al. (2018). Sentiment analysis with deep learning: A survey. IEEE Transactions on Neural Networks and Learning Systems, 29(7), 3236-3251.
32. Shmueli, G., & Koppius, O. R. (2011). Predictive analytics in information systems research. MIS Quarterly, 35(3), 553-572. [DOI:10.2307/23042796]
33. Verhoef, P. C., et al. (2015). From multi-channel retailing to omni-channel retailing: Introduction to the special issue. Journal of Retailing, 91(2), 174-181. [DOI:10.1016/j.jretai.2015.02.005]
34. Bughin, J., et al. (2017). Artificial intelligence: The next digital frontier? McKinsey Global Institute, 1-80.
35. Giannakis, M., & Louis, M. (2016). A multi-agent based system with big data processing for supply chain management. International Journal of Production Research, 54(14), 4262-4280.
36. Chopra, S. (2018). The evolution of supply chain management through artificial intelligence. Supply Chain Management Review, 22(3), 14-21.
37. Fischer, T., & Krauss, C. (2018). Deep learning with long short-term memory networks for financial market predictions. European Journal of Operational Research, 270(2), 654-669. [DOI:10.1016/j.ejor.2017.11.054]
38. Makridakis, S., et al. (2018). Statistical and machine learning forecasting methods: Concerns and ways forward. PLoS ONE, 13(3), e0194889. [DOI:10.1371/journal.pone.0194889]
39. Van der Aalst, W. M., et al. (2018). Robotic process automation. Business & Information Systems Engineering, 60(4), 269-272. [DOI:10.1007/s12599-018-0542-4]
40. Asatiani, A., & Penttinen, E. (2016). Turning robotic process automation into commercial success-Case OpusCapita. Journal of Information Technology Teaching Cases, 6(2), 67-74. [DOI:10.1057/jittc.2016.5]
41. Mittelstadt, B. D., et al. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1-21. [DOI:10.1177/2053951716679679]
42. Voigt, P., & Von dem Bussche, A. (2017). The EU General Data Protection Regulation (GDPR): A practical guide. Springer. [DOI:10.1007/978-3-319-57959-7]
43. Danks, D., & London, A. J. (2017). Algorithmic bias in autonomous systems. Proceedings of IJCAI, 4691-4697. [DOI:10.24963/ijcai.2017/654]
44. Adadi, A., & Berrada, M. (2018). Peeking inside the black-box: A survey on explainable artificial intelligence (XAI). IEEE Access, 6, 52138-52160. [DOI:10.1109/ACCESS.2018.2870052]
45. Kaelbling, L. P., et al. (2020). The future of AI: Trends and challenges. Artificial Intelligence, 287, 103336.
46. Gunning, D., & Aha, D. W. (2019). DARPA's explainable artificial intelligence program. AI Magazine, 40(2), 44-58. [DOI:10.1609/aimag.v40i2.2850]
47. McMahan, H. B., et al. (2017). Communication-efficient learning of deep networks from decentralized data. Proceedings of AISTATS, 1273-1282.
48. Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business Horizons, 61(4), 577-586. [DOI:10.1016/j.bushor.2018.03.007]
49. Fountaine, T., et al. (2019). Building the AI-powered organization. Harvard Business Review, 97(4), 62-73.
50. Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation-augmentation paradox. [DOI:10.5465/2018.0072]
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.