دانلود رایگان مقالات اسپرینگر - springerدانلود رایگان مقالات سال 2018دانلود رایگان مقاله ISI استراتژی های بازاریابی به زبان انگلیسیدانلود رایگان مقاله ISI اینترنت و شبکه های گسترده به زبان انگلیسیدانلود رایگان مقاله ISI بازاریابی به زبان انگلیسیدانلود رایگان مقاله ISI رسانه اجتماعی به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های کامپیوتری به زبان انگلیسیدانلود رایگان مقاله ISI کلان داده یا بیگ دیتا به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مهندسی فناوری اطلاعات به زبان انگلیسی سال 2022 و 2023سال انتشار

مقاله انگلیسی رایگان در مورد تحلیل کلان داده در چارچوب استراتژی های بازاریابی – اسپرینگر ۲۰۱۸

 

مشخصات مقاله
انتشار مقاله سال ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۱۸ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
منتشر شده در نشریه اسپرینگر
نوع مقاله ISI
عنوان انگلیسی مقاله A glimpse on big data analytics in the framework of marketing strategies
ترجمه عنوان مقاله یک نگاه اجمالی به تحلیل کلان داده در چارچوب استراتژی های بازاریابی
فرمت مقاله انگلیسی  PDF
رشته های مرتبط مدیریت، مهندسی فناوری اطلاعات
گرایش های مرتبط بازاریابی، اینترنت و شبکه های گسترده، شبکه های کامپیوتری
مجله محاسبات نرم – Soft Computing
دانشگاه eCAMPUS University – Novedrate – Italy
کلمات کلیدی کلان داده اجتماعی، رسانه های اجتماعی، شبکه های اجتماعی، بازاریابی استراتژیک
کلمات کلیدی انگلیسی Social big data, Social media, Social networks, Strategic marketing
شناسه دیجیتال – doi
https://doi.org/10.1007/s00500-017-2536-4
کد محصول E8369
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

بخشی از متن مقاله:
۱ Introduction

The Internet has experienced a constant growth and development, both in the past and nowadays, creating digital traces that can be collected and processed to define different individual schemes, themselves useful to discern both single- and group-related behaviors. This is indeed a time when a huge quantity of information has an outstanding speed of diffusion throughout the networks: Data equipped with these features have thereby been labeled as big data (Mayer-Schönberger and Cukier 2013; Erl et al. 2016). Some figures per minute, hinting at an approximate dimension of the phenomenon, are the following: millions of e-mails, Twitter and Facebook posts, thousands of Instagram photos and the like. As a consequence, such massive volumes of data are becoming a basic feature of the society and, at the same time, the ability to analyze, correlate and learn from them is turning into a useful element to compete as well as to support growth, productivity and innovation in different fields (Lin et al. 2010; Bello-Orgaz et al. 2016). In this perspective, broadband Internet connections and social media are playing a fundamental role in strengthening the relationship between companies and their customers: They have the power to dramatically change the marketing strategies (Erevelles et al. 2016) and the political attitudes making successful predictions (Song et al. 2014). This is also proven by the movement of a great amount of investments toward social media-driven decision systems, during the last years, to the detriment of traditional alternatives (Bowen and Bowen 2016; del Val et al. 2016). Although big data can be definitely considered a blessing for decision-making, having big data does not automatically lead to better marketing as they are intertwined with some important challenges and issues: the impossibility to use a unique central unit and classical storage facilities, the need for real time analytics, the correctness of the insights, privacy preservation and so on (Lesk 2013; Lu et al. 2015). An important role in the context of social media analytics is played by machine learning and computational intelligence techniques. Indeed, text mining, user profiling and localization, sentiment analysis, social sensing and the like are just some of the means used to perform a deep analysis of the traces that people continuously leave on social media (Zeng et al. 2010; Liu 2012; Li et al. 2016). Recently, a number of contributions for exploiting machine learning and computational intelligence techniques for big data analysis have been discussed in the specialized literature (Wu et al. 2014; Jamshidi et al. 2015; Moreno et al. 2016; Jha et al. 2016).

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا