Abstract:
با توسعه فناوریهای مبتنی بر وب 0/2 و ابزارهای مفید رسانههای اجتماعی در سازمانها، نحوه عملکرد سیستمهای اطلاعاتی سازمان به جهت کسب هوشمندی رقابتی بهبود یافته است. یکی از بهترین منابع اطلاعاتی، محتوای تولیدشده کاربران در مورد شرکت، محصول و رقبا است که در رسانههای اجتماعی به اشتراک گذاشته میشود و شرکتها میتوانند با استفاده از تکنیکهای تحلیلی در کلان دادهها از الگوی دانش پنهان در این اطلاعات بهرهمند شوند. از این رو مهمترین اهداف این پژوهش، ارائه چارچوب هوشمندی بازار اجتماعی مبتنی بر وب 0/2 با استفاده از تکنیک متنکاوی در وبسایتهای رسانههای اجتماعی و همچنین مقایسه وضعیت هوشمندی بازار 0/2 در بین دو برند امرسان و سامسونگ از طریق تحلیلرقابتی میباشد. روش این پژوهش از نوع کیفی و نحوه گردآوری دادهها، بهرهگیری از مرور ادبیات، مصاحبه با خبرگان و همچنین استفاده از تکنیک متنکاوی در میان 3860 داده متنی مشتریان در رسانههای اجتماعی میباشد. با مرور ادبیات و مصاحبه با خبرگان، 4 بُعد اصلی هوشمندی بازار اجتماعی 0/2 مشخص گردید. سپس از تکنیک خوشهبندی برای استخراج مهمترین شاخصها و زیرشاخصهای مؤثر در هر یک از ابعاد، استفاده گردید که همه آنها به تأیید خبرگان رسیدند. به منظور بررسی مقایسهای وضعیت هوشمندی بازار اجتماعی 0/2 در بین برندها نیز از تحلیل احساسی کلمات استفاده شد که نتایج آن نشان میدهد، برند سامسونگ نسبت به امرسان در اکثر شاخصها نظرات مثبت مشتریان را به خود جلب کرده است. درنهایت به دلیل وجود ارتباطات پنهان در شاخصهای اصلی، از روش ساختاری- تفسیری برای تعیین روابط بین آنها استفاده گردید.
With the development of Web 2.0 technologies and social media tools in organizations, the way of the organizationchr(chr('39')39chr('39'))s information systems operation has improved to gain competitive intelligence. The best sources of information in organizations is user generated content about the company, product and competitors that are shared on social media and companies can take advantage of the hidden knowledge pattern in this information by using analytical technique in big data. To this end, important goals of this study are providing social market intelligence framework based on web 2.0 Using Text-Mining on Social Media and also comparing web 2.0 social market intelligence status between Emersun and Samsung brands through competitive analysis. The method of this study is qualitative and the way of data gathering is done through literature review, interview with experts and also using text mining among 3860 customer textual data. The findings of the literature review and interviews led to the presentation of 4 dimensions of the web 0.2 based social market intelligence framework. The clustering technique was used to extract the indicators and sub-indicatores in each of the dimensions, all of which were confirmed by the experts. In order to compare the web 2.0 based social market intelligence status of brands, Emotional analysis of words was used, and the results show that the Samsung brand has attracted positive reviews from customers in most of the indicators. Finally, due to the existence of hidden relationships in the main indicators, structural-interpretive method was used to determine the relationships between them.
Machine summary:
ازاین رو مهم ترین اهداف این پژوهش ، ارائه چارچوب هوشمندی بازار اجتماعی مبتنی بر وب ٢/٠ با استفاده از تکنیک متن کاوی در وب سایت های رسانه های اجتماعی و همچنین مقایسه وضعیت هوشمندی بازار ٢/٠ در بین دو برند امرسان و سامسونگ از طریق تحلیل رقابتی میباشد.
بنابراین در این پژوهش سعی شده است که با اقدامی نوآورانه در روش گردآوری و خوشه بندی محتوای تولیدشده کاربران در رسانه های اجتماعی، با استفاده از روش متن کاوی و همچنین انجام تحلیل احساسات رقابتی؛ به تجزیه وتحلیل نظرات ، پیشنهادات و بررسیهای مقایسه ای مشتریان پرداخته شود تا به نتایج کاربردیتر و قابل اعتمادتری از وضعیت واقعی موجود در بازار آنلاین به منظور کسب هوشمندی رقابتی دست یابیم .
ازاین رو، مهم ترین دانش افزایی این پژوهش ، ارائه چارچوب جامع و کاربردی برای کسب هوشمندی بازار اجتماعی مبتنی بر وب ٢/٠ به وسیله متن کاوی در یادداشت های مشتریان در وب سایت های فعال کشور ایران میباشد.
Mining Competitive Intelligence from Social Media: A Case Study of IBM.
Social media competitive analysis and text mining: A case study in the pizza industry.
Social media competitive analysis and text mining: a case study in digital marketing in the hospitality industry.