33119

ارائه مدل پيشنهاد قيمت براي نمايش كليدواژه‌هاي تبليغاتي مبتني بر يادگيري ماشين (مطالعه موردي: شركت فعال در حوزه خدمات مسافرتي)

كارشناسي ارشد

تجارت الكترونيك

1400

1403/07/10

دكتر محمدفتحيان

دكتر محمدرضا رسولي

صنايع

با پيشرفت تجارت الكترونيك، تبليغات برخط از طريق پلتفرم‌هايي مانند گوگل به يكي از ابزارهاي اساسي بازاريابي براي كسب‌وكارهاي مختلف، از جمله شركت‌هاي خدمات مسافرتي، تبديل شده‌اند. اين پلتفرم‌ها امكان هدف‌گيري دقيق مخاطبان، تحليل عملكرد فعاليت‌هاي بازاريابي، افزايش ديده‌شدن نام تجاري و افزايش رقابت‌پذيري را فراهم مي‌كنند. در صنعت گردشگري و به‌ويژه براي شركت‌هاي خدمات مسافرتي در ايران، رقابت در حوزه تبليغات برخط به‌سرعت در حال افزايش است و شركت‌ها براي جذب مخاطبان و افزايش سهم بازارشان، نياز به استراتژي‌هاي تبليغاتي مؤثر و بهينه دارند. براي شركت‌هاي مسافرتي كه به‌دنبال بهينه‌سازي بازدهي سرمايه‌گذاري در تبليغات هستند، مديريت هزينه‌هاي تبليغات و تصميم‌گيري در مورد كليدواژه‌هاي تبليغاتي در پلتفرم‌هايي نظير گوگل با چالش‌هاي زيادي روبروست. در اين تحقيق، براي حل اين چالش، يك مدل تركيبي از دو شبكه عصبي بازگشتي جهت پيش‌بيني قيمت پيشنهادي كليدواژه‌هاي تبليغاتي در سيستم تبليغات جستجوي گوگل ارائه شده است. اين مدل به شركت‌هاي مسافرتي كمك مي‌كند تا قيمت‌هاي بهينه‌تري براي كليدواژه‌هاي خود انتخاب كنند و با مديريت بهتر هزينه‌هاي تبليغاتي، بازگشت سرمايه بيشتري كسب كنند. نتايج اين تحقيق نشان مي‌دهد كه مدل پيشنهادي، بهبود چشم‌گيري در پيش‌بيني قيمت كليدواژه‌ها به همراه دارد و مي‌تواند به شركت‌هاي مسافرتي در افزايش بازدهي سرمايه‌گذاري در تبليغات برخط كمك شاياني كند. اين بهبود به شركت‌ها اجازه مي‌دهد تا با هزينه‌هاي كمتر، بازدهي بيشتري از تبليغات خود داشته باشند و در نهايت سهم بازار خود را در فضاي رقابتي گردشگري افزايش دهند.

1403/12/13

Proposing a Pricing Model for Advertising Keywords based on Machine Learning (Case Study: Travel Services Company)

10/1/2025 12:00:00 AM

With the rise of e-commerce, online advertising through platforms like Google has become an essential marketing tool for businesses, including travel service companies. These platforms offer precise audience targeting, performance tracking of marketing activities, enhanced brand visibility, and improved competitiveness. In the tourism industry, especially for travel service companies in Iran, the competition in online advertising is rapidly growing, making it necessary for companies to adopt effective and optimized strategies to attract customers and increase their market share. For travel companies aiming to maximize their return on advertising investment, managing advertising costs and selecting the right keywords for platforms like Google presents significant challenges. This research proposes a hybrid model utilizing two recurrent neural networks to predict optimal pricing for advertising keywords in Google’s search advertising system. The model helps travel companies choose more effective keyword prices, improving cost management and increasing their return on investment. The findings of this study demonstrate that the proposed model significantly improves keyword price prediction, offering valuable assistance to travel companies in maximizing their return on investment in online advertising. This optimization allows companies to achieve higher returns with lower costs, ultimately boosting their market share in the highly competitive tourism sector.

مدل پيش‌بيني قيمت , كليدواژه‌هاي تبليغاتي , صنعت گردشگري , بهينه‌سازي كمپين‌ تبليغات برخط , شبكه‌ عصبي بازگشتي

Price Predicting Model , Advertising Keywords , Toursim Industry , Optimizing Online Advertising Campaigns , Recurrent neural network

Farzane Estiri

Dr. Mohammad Fathian