ارائه مدل بر پایه استفاده از الگوریتمهای فناوری هوش مصنوعی در بازاریابی کسبوکارهای کوچک و متوسط صنایع غذایی
کلمات کلیدی:
الگوریتمهای هوش مصنوعی, بازاریابی, کسب و کارهای کوچک و متوسط, صنایع غذاییچکیده
هدف: هدف این پژوهش ارائه یک مدل جامع مبتنی بر الگوریتمهای هوش مصنوعی XGBoost و DistilBERT برای شناسایی، مدلسازی و تبیین عوامل مؤثر بر بهکارگیری فناوری هوش مصنوعی در بازاریابی کسبوکارهای کوچک و متوسط صنایع غذایی و تحلیل رفتار مشتریان در این حوزه بود. روششناسی: این پژوهش با رویکرد آمیخته (کیفی–کمی) و بر مبنای فلسفه تفسیرگرایی و استدلال استقرایی انجام شد. در بخش کیفی، دادهها از طریق مصاحبههای نیمهساختاریافته با 12 نفر از مدیران و متخصصان صنایع غذایی گردآوری و با روش تحلیل مضمون آتراید-استرلینگ تحلیل شدند. در نتیجه، 25 مضمون سازماندهنده در قالب ابعاد زیرساخت فناوری، منابع انسانی و دانشی، منابع مالی و اقتصادی، عوامل سازمانی، داده و تحلیل، عوامل بازار، عوامل قانونی و اخلاقی و عوامل استراتژیک استخراج شد. در بخش کمی، پرسشنامهای مبتنی بر مضامین کیفی میان 384 مدیر و کارشناس صنایع غذایی توزیع شد. پس از تأیید نرمال بودن دادهها و پایایی ابزار، از الگوریتم XGBoost برای مدلسازی متغیرهای عددی و از DistilBERT برای تحلیل دادههای متنی استفاده شد. یافتهها: نتایج نشان داد که پذیرش مدیریتی، شخصیسازی استراتژیهای بازاریابی و دسترسی به منابع مالی از مهمترین عوامل مؤثر بر پذیرش هوش مصنوعی در بازاریابی بودند. مدل XGBoost عملکرد مطلوبی در پیشبینی عوامل مؤثر نشان داد و با دقت 92 درصد، ضریب تبیین 0/85 و RMSE برابر با 1/23 توانست اهمیت نسبی متغیرها را رتبهبندی کند. همچنین مدل DistilBERT با دقت 91 درصد و مقدار F1 برابر با 0/87 در تحلیل دادههای متنی و پیشبینی رفتار مشتریان عملکرد بالایی داشت و در نمونههای دارای خطای پایین برتری خود را نشان داد. نتیجهگیری: یافتههای پژوهش نشان داد که تلفیق الگوریتمهای XGBoost و DistilBERT میتواند چارچوبی بومی و کارآمد برای توسعه بازاریابی هوشمند در کسبوکارهای کوچک و متوسط صنایع غذایی فراهم آورد. این مدل ضمن بهبود کیفیت تصمیمگیری بازاریابی، امکان کاهش هزینههای بازاریابی، افزایش نرخ تبدیل مشتری و ارتقای مزیت رقابتی را فراهم میسازد. ازاینرو، سرمایهگذاری در زیرساختهای داده، آموزش مدیران و توسعه همکاری با شرکتهای فعال در حوزه هوش مصنوعی برای پیادهسازی موفق این فناوری ضروری است.
دانلودها
مراجع
Acatrinei, C., Apostol, I. G., Barbu, L. N., Chivu, R. G., & Orzan, M. C. (2025). Artificial Intelligence in Digital Marketing: Enhancing Consumer Engagement and Supporting Sustainable Behavior Through Social and Mobile Networks. Sustainability, 17, 6638. https://doi.org/10.3390/su17146638
Adel, H., Dahou, A., Mabrouk, A., Abd Elaziz, M., Kayed, M., El-Henawy, I. M., Alshathri, S., & Amin Ali, A. (2022). Improving Crisis Events Detection Using DistilBERT with Hunger Games Search Algorithm. Mathematics, 10, 447. https://doi.org/10.3390/math10030447
Aghababaei, A., Aghababaei, F., Pignitter, M., & Hadidi, M. (2025). Artificial Intelligence in Agro-Food Systems: From Farm to Fork. Foods, 14, 411. https://doi.org/10.3390/foods14030411
Bhagya Raj, G. V. S., & Dash, K. K. (2022). Comprehensive Study on Applications of Artificial Neural Network in Food Process Modeling. Critical Reviews in Food Science and Nutrition, 62, 2756-2783. https://doi.org/10.1080/10408398.2020.1858398
Ding, H., Tian, J., Yu, W., Wilson, D. I., Young, B. R., Cui, X., Xin, X., Wang, Z., & Li, W. (2023). The Application of Artificial Intelligence and Big Data in the Food Industry. Foods, 12, 4511. https://doi.org/10.3390/foods12244511
Esmaeily, R., Razavi, M. A., & Razavi, S. H. (2024). A Step Forward in Food Science, Technology and Industry Using Artificial Intelligence. Trends in Food Science & Technology, 143, 104286. https://doi.org/10.1016/j.tifs.2023.104286
Hokmabadi, H., Rezvani, S. M. H. S., & de Matos, C. A. (2024). Business Resilience for Small and Medium Enterprises and Startups by Digital Transformation and the Role of Marketing Capabilities-A Systematic Review. Systems, 12, 220. https://doi.org/10.3390/systems12060220
Jayan, H., Min, W., & Guo, Z. (2025). Applications of Artificial Intelligence in Food Industry. Foods, 14, 1241. https://doi.org/10.3390/foods14071241
Li, J., Lin, B., Wang, P., Chen, Y., Zeng, X., Liu, X., & Chen, R. (2024). A Hierarchical RF-XGBoost Model for Short-Cycle Agricultural Product Sales Forecasting. Foods, 13, 2936. https://doi.org/10.3390/foods13182936
Liu, H., Wang, Y., & Yan, Z. (2024). Artificial Intelligence and Food Processing Firms Productivity: Evidence from China. Sustainability, 16, 5928. https://doi.org/10.3390/su16145928
Magdas, D. A., Hategan, A. R., David, M., & Berghian-Grosan, C. (2025). The Journey of Artificial Intelligence in Food Authentication: From Label Attribute to Fraud Detection. Foods, 14, 1808. https://doi.org/10.3390/foods14101808
Romero Martínez, M., Carmona Ibáñez, P., & Martínez Vargas, J. (2025). Predicting Business Failure with the XGBoost Algorithm: The Role of Environmental Risk. Sustainability, 17, 4948. https://doi.org/10.3390/su17114948
Sgroi, F., Sciortino, C., Baviera-Puig, A., & Modica, F. (2025). Analyzing consumer trends in functional foods: A cluster analysis approach. Journal of Agriculture and Food Research, 15, 101041. https://doi.org/10.1016/j.jafr.2024.101041
Sharabati, A. A. A., Ali, A. A. A., Allahham, M. I., Hussein, A. A., Alheet, A. F., & Mohammad, A. S. (2024). The Impact of Digital Marketing on the Performance of SMEs: An Analytical Study in Light of Modern Digital Transformations. Sustainability, 16, 8667. https://doi.org/10.3390/su16198667
Taneja, A., Nair, G., Joshi, M., Sharma, S., Sharma, S., Jambrak, A. R., Roselló-Soto, E., Barba, F. J., Castagnini, J. M., Leksawasdi, N., & Phimolsiripol, Y. (2023). Artificial Intelligence: Implications for the Agri-Food Sector. Agronomy, 13, 1397. https://doi.org/10.3390/agronomy13051397
Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial Intelligence in Marketing: Systematic Review and Future Research Direction. International Journal of Information Management Data Insights, 1, 100002. https://doi.org/10.1016/j.jjimei.2020.100002
Wang, Y., & Liu, F. (2025). Impact of artificial intelligence innovation on food company performance. International Review of Financial Analysis, 103(5), 1115-1145. https://doi.org/10.1016/j.irfa.2025.104219
Yin, B., Tan, G., Muhammad, R., Liu, J., & Bi, J. (2025). AI-Powered Innovations in Food Safety from Farm to Fork. Foods, 14, 1973. https://doi.org/10.3390/foods14111973
Ziakis, C., & Vlachopoulou, M. (2023). Artificial Intelligence in Digital Marketing: Insights from a Comprehensive Review. Information, 14, 664. https://doi.org/10.3390/info14120664
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 جعفر طاهرزاده (نویسنده); حسن واحدی (مترجم); سید حسین حسینی, مهدی صانعی (نویسنده)
این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.
